Modelagem e Simulação

Montevechi et al. (2010) definem a simulação como sendo a importação da realidade para um ambiente controlado, no qual pode realizar mudanças de parâmetros e visualizar o desempenho do sistema, sem que haja riscos físicos e investimentos. Ela pertence a grande área da Pesquisa Operacional, basicamente há um problema a ser resolvido e a simulação é utilizada para encontrar a solução para esse problema (HILLIER e LIEBERMAN, 2012).

A simulação busca representar a realidade dos sistemas através do uso de modelos. Um sistema é definido como um conjunto de partes e elementos reais que, interagem entre si, a fim de atingir um determinado objetivo comum (CHWIF e MEDINA, 2015). De acordo com Robinson (2011) um modelo é uma representação simplificada da realidade construído para uma finalidade específica.

Por intermédio da simulação, soluções para uma diversidade de problemas podem ser encontradas sem intervir diretamente no objeto estudado. Além dessa vantagem, Sena (2017) destaca que a simulação apresenta resultados mais abrangentes quando comparada com outras ferramentas clássicas de Pesquisa Operacional, que em sua maioria, trazem resposta para problemas pontuais. PIDD (2004) complementa ainda que as ferramentas tradicionais puras não conseguem representar com fidelidade a dinâmica da transição dos efeitos durante o tempo de um sistema real e geralmente trabalha com valores médios dos comportamentos dos elementos reais.

De forma geral, Chwif e Medina (2015) classificam a simulação em dois tipos: a simulação computacional, que é realizada a partir da utilização de um computador e a simulação não computacional também denominada como experimentação, que não necessita de um computador e pode ser realizada por meio de: protótipos, jogos empresariais, Role Playing Games, dentre outros.

Devido a sua versatilidade, flexibilidade e poder de análise, a simulação computacional tem sido utilizada de forma crescente para auxílio à tomada de decisões (JAHANGIRIAN et al., 2010). O modelo computacional é desenvolvido por meio de ferramentas matemáticas, e podem utilizar técnicas analíticas e experimentais

para efetuar cálculos a respeito dos elementos característicos do sistema em estudo, e análises sobre os resultados obtidos considerando diferentes cenários aplicados ao sistema (MIGUEL, MORABITO e PUREZA, 2009).

A complexidade é um componente natural dos sistemas reais. Essa complexidade ocorre por conta da natureza dinâmica e aleatória presentes nesses sistemas. Essas questões podem ser assimiladas com mais fidelidade através de um modelo de simulação. Por meio do computador, um modelo de simulação procura reproduzir o comportamento de um sistema real uma vez validado e permite responder a perguntas do tipo: “O que

aconteceria se?”. Cenários heterogêneos podem emergir a partir desse tipo de sentença.

De fato, diversas análises a respeito do sistema em estudo podem ser efetuadas com base em um modelo de simulação. Contudo, uma das limitações dos modelos de simulação é a quantidade de tempo gasto na construção do modelo e, consequentemente, a demora em se obter respostas quanto ao resultado que se deseja alcançar (CHWIF e MEDINA, 2015). Os modelos de simulação podem ser classificados em quatro tipos diferentes: estáticos, dinâmicos, determinísticos, estocásticos, contínuos e discreto (LAW e KELTON, 1991). A Tabela 2.1 apresenta as características destes modelos de simulação.

Tabela 2.1- Classificação dos modelos de simulação.

Características Modelos de Simulação

Tempo Estáticos: Nos modelos de simulação

estática, o sistema é representado levando em consideração um determinado momento. Neste caso, o tempo não desempenha papel relevante no modelo

Dinâmicos: A representação de um

sistema à medida que o mesmo evolui no decorrer do tempo é a característica essencial dos modelos de simulação dinâmica. Portanto, o tempo é um elemento fundamental em um modelo de simulação dinâmica.

Entrada dos dados

Determinísticos: Um modelo de simulação é classificado como determinista por não conter elementos de probabilidade. Assim, o conjunto de dados de entrada e as relações especificadas no modelo irão gerar dados de saída deterministas

Estocásticos: A essência dos modelos

de simulação estocásticos está nos dados de entrada aleatórios. Por consequência, os dados de saída também são aleatórios. É normal, nesse tipo de modelo, a presença de componentes probabilísticos

Variáveis dependentes

Continua: Acompanha continuamente

a dinâmica no sistema ao longo do tempo, sem saltos discretos de um evento ao outro. Assim, na simulação contínua o tempo é quebrado em pequenos intervalos e o estado do sistema é avaliado de acordo com o que ocorre dentro de cada intervalo

Discreta: Cada evento ocorre em um

determinado instante de tempo e marca uma mudança de estado no sistema. Entre eventos consecutivos, considera- se que o sistema não sofre mudança alguma, assim, a simulação pode saltar diretamente do instante de ocorrência de um evento para o próximo.

A partir dessa classificação, os modelos de simulação ainda podem ser desenvolvidos utilizando as seguintes abordagens de simulação:

• Simulação de Monte Carlo; • Simulação Contínua;

• Simulação de Sistemas Dinâmicos; • Simulação a Eventos Discreto; • Simulação Baseada em Agentes.

Os modelos de simulação comumente utilizados para auxiliar a tomada de decisão em logística urbana preocupam-se em primeiro estimar os pontos de origem e destino das mercadorias, e com isso, calcular a rota ótima, considerando as condições de tráfego e, finalmente gerar os parâmetros de saída (ARNOLD et al., 2018; DURAND, MAHJOUB e SENKEL, 2013). Tal análise é estática, uma vez que apresenta um valor ótimo global para constantes de custo, demanda e fluxo de tráfego. Dessa forma, os impactos das medidas de logística urbana não são estimados para os vários agentes envolvidos. A Modelagem e Simulação Baseada em Agentes permitem incorporar o comportamento dos atores envolvidos e suas reações ante implantação de medidas e políticas públicas, permitindo analisar os efeitos ligados a sustentabilidade e aspectos econômicos e sociais (VAN KOLCK, 2010).

Nesta seção foram apresentadas as definições e classificações sobre os termos de simulação e modelagem. No entanto, a seção que segue trata a especificidade da tese em questão, que busca realizar uma modelagem e simulação baseada em agentes para o transporte urbano de cargas avaliando medidas para o e-commerce, dessa forma a literatura sobre MSBA nesta área é discutida a seguir.