Simulação de sistemas dinâmicos de eventos discretos

O enfoque desse trabalho restringe-se à simulação computacional de sistemas dinâmicos de eventos discretos. Para isso, um exemplo de sistema de fila será analisado.

Muitas das aplicações da simulação referem-se ao estudo de um sistema ao longo do tempo, caracterizando assim uma simulação dinâmica. De fato, um importante aspecto numa simulação refere-se à observação, ao longo do tempo, das várias atividades que compõem o modelo.

Numa simulação discreta, a passagem do tempo é feita aos saltos, entre um evento e outro, por isso é também chamada de simulação de eventos discretos (LAW

& KELTON, 2000). Neste caso, supõe-se que o estado do sistema não se altera ao longo do intervalo compreendido entre dois eventos consecutivos.

5. 4 Vantagens e desvantagens

Os benefícios da simulação são citados por SALIBY (1989), BANKS et al.

(1996), BANKS (2000), PEGDEN et al.(1995) LAW & KELTON (2000) entre outros, e são

relacionados abaixo:

• Modelos mais realistas: maior liberdade na construção do modelo de simulação. A simulação não obriga a enquadrar um problema em determinado modelo padrão para que se possa obter uma solução, como ocorre, por exemplo, no caso da programação linear;

• Processo de modelagem evolutivo: começa-se com um modelo relativamente simples e aumenta-se sua complexidade aos poucos, identificando de maneira mais clara as peculiaridades do problema;

• Perguntas do tipo “e se?” (“what if?”): muitas vezes, em lugar da busca de uma solução, o objetivo resume-se em tornar mais claras as possíveis conseqüências de um conjunto de decisões;

• Aplicação a problemas “mal-estruturados”: muitos problemas da vida real referem-se a situações em que dispomos apenas de um conhecimento parcial sobre suas variáveis ou relações. A simulação é uma das poucas ferramentas para o estudo deste tipo de problema;

• Facilidade de comunicação: um modelo de simulação é, em geral, mais fácil de se compreender do que um conjunto de complicadas equações matemáticas;

• Soluções rápidas: no conturbado ambiente empresarial dos dias de hoje, onde as “regras” mudam da noite para o dia, esta vantagem é muito importante;

• Grande flexibilidade: aplica-se aos mais variados problemas;

• Aquisição de visão sistêmica: visão do efeito que alterações locais terão sobre o desempenho global de todo o sistema;

• Escolha correta: a simulação permite o teste de muitos aspectos de uma mudança, sem comprometer recursos;

• Compressão e expansão do tempo: para examinar o comportamento do sistema;

• Exploração de possibilidades: uma vez desenvolvido um modelo de simulação válido, pode-se explorar novas políticas, procedimentos operacionais, arranjos físicos ou métodos sem perturbar o sistema real;

• Diagnóstico de problemas: a simulação leva a um melhor entendimento das interações entre as variáveis de sistemas complexos. O diagnóstico de problemas é dessa forma mais eficiente;

• Desenvolvimento de entendimento: estudos de simulação ajudam no entendimento dos componentes do sistema e de como ele realmente opera;

• Visualização de planos: a animação em uma simulação oferece a possibilidade de visualizar a operação de uma organização enquanto a simulação ocorre;

• Construção de consenso: o resultado de uma simulação, submetido a uma série de etapas de modelagem, teste, validação e representação visual, tem melhor aceitação que a opinião de uma única pessoa;

• Preparação para mudanças e análise de investimentos prudentes: como o custo das mudanças em um sistema é muito grande, a simulação é um investimento válido para analisar suas conseqüências;

• Treinamento de equipes: a equipe e seus membros podem aprender como trabalhar melhor através de erros e acertos realizados na simulação.

Os mesmos autores citam também algumas desvantagens da simulação:

• A construção de modelos requer treinamento especial; a técnica é aprendida e aperfeiçoada com o tempo e através da experiência;

• Os resultados da simulação podem ser difíceis de interpretar, pois geralmente as saídas da simulação são variáveis aleatórias;

• A modelagem e a análise da simulação podem ser dispendiosas em termos de recursos financeiros e de tempo;

• Pode ser usada inapropriadamente, por exemplo, quando uma solução analítica é factível;

• Os resultados da simulação podem ser de difícil implementação;

• Dificuldade de modelagem;

• A programação de um modelo de simulação pode tornar-se uma tarefa altamente dispendiosa e desgastante se os recursos computacionais não forem apropriados;

• Tempo de processamento e baixa precisão dos resultados: a baixa precisão dos seus resultados é o que faz da simulação um “último recurso”. Esta imprecisão é geralmente conseqüência do uso da amostragem.

Atualmente, muitas pessoas vêm trabalhando na resolução de alguns dos problemas acima citados. As deficiências da simulação têm sido resolvidas através de simuladores mais rápidos, simples, amigáveis e flexíveis; de novos métodos de análises de saídas; de equipamentos de informática mais eficientes etc.

Empresas de programas de simulação têm desenvolvido produtos que facilitam a modelagem: pacotes com modelos que precisam apenas dos dados de entrada e pacotes que possuem capacidade de análise de saídas. Esses produtos

permitem a redução das necessidades de conhecimentos computacionais dos usuários, além de reduzirem o tempo de projeto.

Um erro cometido por alguns analistas e usuários de simulação consiste em considerar a simulação apenas como uma simples cópia da realidade ou como um exercício de programação em computador. Por causa desse tipo de pensamento, muitos estudos de simulação têm sido compostos de verificações e validações insuficientes. A simulação é uma poderosa ferramenta de avaliação de cursos de ações, mas que requer um grande esforço metodológico e um rigoroso estudo estatístico para levar a conclusões satisfatórias.

5. 5 Metodologia da simulação

A simulação, por ser uma técnica de Pesquisa Operacional, utiliza-se do método científico para desempenhar seu papel. Um processo de simulação baseia-se numa série de etapas que pode ser chamada de metodologia de simulação. Diferentes metodologias têm sido apresentadas por vários autores, entre eles SHANNON (1975), EMSHOFF & SISSON (1970), BANKS et al.(1996), LAW & KELTON (2000). Essas

metodologias são muito semelhantes entre si, já que se baseiam no mesmo método (o científico). Neste trabalho, serão utilizados os passos de um estudo de simulação sugeridos por LAW & KELTON (2000), como mostrado na FIGURA 11. Esse método foi escolhido porque seus passos foram avaliados, pelo autor, como mais eficientes. Apesar disso, outros autores foram consultados para um maior esclarecimento de cada passo.

Esses passos (enumerados abaixo) serão utilizados em todas as simulações contidas nesse trabalho.

1. Formulação do problema e planejamento do estudo 2. Coleta de dados e definição do modelo

3. Validação do modelo conceitual

4. Construção do programa computacional e verificação 5. Realização de execuções piloto

6. Validação do modelo programado 7. Projeto dos experimentos

9. Análise de resultados

10. Documentação e implementação

As fases compostas de duas atividades estão assim dispostas para representar tarefas que podem ser realizadas ao mesmo tempo.

FIGURA 11 - Passos de um estudo de simulação Fonte: LAW & KELTON (2000)

Assume-se aqui que a abordagem de resolução de problemas escolhida foi a simulação e que as outras abordagens (intuitiva e analítica) foram desconsideradas por não se aplicarem ao sistema estudado (ver discussão sobre o estudo de sistemas no capítulo 4).