Simulação, como um técnica de resolução de problemas, precede o aparecimento dos computadores digitais em muitos anos. Desde o surgimento da tecnologia digital, simulação se tornou uma das ferramentas de análises de sistemas largamente empregados. Simulação computacional é um domínio de aplicação de linguagem de programação que permite divisão adicional em três partições (NANCE, 1993):
Simulação de Eventos Discretos; Simulação Contínua;
Simulação de Monte Carlo.
As disciplinas associadas com simulação de eventos discretos são engenharia industrial, ciências computacionais, gestão, pesquisa operacional e administração de negócios. As disciplinas associadas com a simulação contínua são elétrica, mecânica, engenharia química e física. Na realidade, um grande número de problemas são combinações de fenômenos discretos e contínuos e deve ser modelado usando uma abordagem combinada. Entretanto, devido a divisão dos grupos, ou a modelagem contínua ou a discreta é normalmente empregada (PRITSKER, 1998).
2.2.1 Simulação de Eventos Discretos
Simulação de eventos discretos é usada para modelar sistemas que mudam de estado num ponto discreto no tempo como resultado de um evento específico ocorrido. O estado do sistema é descrito por todos os valores individuais de estados dos objetos no sistema. Como exemplo, um sistema pode ser descrito pelo estado de dez máquinas, cada uma tendo o estado ocupado (1)
ou ocioso (0). O estado do sistema será descrito pelo estado de cada máquina individual, como (1,0,1,0,1,1,1,0,1,0) (NANCE, 1993; MCGINTY, 2001).
Um evento é uma ocorrência instantânea no tempo que pode causar mudança no estado do sistema. Eventos podem ser desencadeado por uma condição, um tempo decorrido ou outra cadeia de eventos. Simulações de eventos típicas incluem, por exemplo, a chegada de entidades, falha de recursos e conclusões de atividades (NANCE, 1993; MCGINTY, 2001).
Um exemplo de sistema que pode ser representado por simulação discreta é uma planta de processamento de aço. O material chega para ser processado na planta em um ponto discreto no tempo. Cada parte é processada por vários equipamentos, transportada entre estações, colocada em um armazém, empacotada e enviada. O tempo de começo e fim de cada uma das atividades representa o ponto no tempo em que o estado do sistema muda (uma máquina passa de ocupada para ociosa, uma fila passa de vazia para cheia, etc.) (NANCE, 1993; MCGINTY, 2001).
2.2.1.1 Simulação Paralela de Eventos Discretos
O algoritmo de simulação paralela de eventos discretos (PDES – Parallel Discrete-Event Simulation) tenta acelerar a execução da simulação por distribuição da carga de trabalho entre múltiplos processadores. Um PDES necessita empregar um algoritmo que assegura que os eventos sejam executados de maneira consistente, o que significa que cada objeto da simulação é acessado pelo evento na ordem crescente de tempo (FUJIMOTO, 1998).
Sistemas de processadores múltiplos podem ser divididos em duas categorias gerais: processadores em paralelo (multiprocessadores) e sistemas distribuídos (multicomputadores). Processadores em paralelo são caracterizados como processadores homogêneos acoplados fortemente, que dividem o mesmo espaço de memória principal. Um sistema distribuído é uma coleção fracamente acoplados de vários processadores heterogêneos, os quais se comunicam por transmissão de mensagens (BURNS; WELLINGS, 2001).
A dependência de dados pode impor uma execução sequencial independente da disponibilidade de hardware. Quando instruções são dependentes de resultados determinados por instruções anteriores, não há oportunidade de aumento de velocidade por adição de processadores.
Exemplo 1: Operação em série x = 9
y = 8 + x
A segunda equação é dependente da primeira, logo esta equação não pode ser completada corretamente sem a conclusão da primeira. Por isso, um segundo processador seria inútil neste caso, visto que a operação é estritamente em série.
Exemplo 2: Operação em paralelo [4 3] + [5 9] = [9 12]
Cada elemento da soma da matriz pode ser computado independentemente. Portanto, um processador adicional poderia, teoricamente, acelerar o cálculo.
2.2.2 Simulação Contínua
Simulação contínua é usada para modelar sistemas que mudam de estado continuamente em relação ao tempo, como por exemplo, um conjunto de tanques, nos quais o volume de cada tanque muda continuamente.
Equações diferenciais são usadas para calcular a mudança de variáveis de estado através do tempo. Estas equações são resolvidas em pequenos incrementos de tempo. Quando limites são excedidos, eventos são disparados e a lógica de eventos associados são executados.
2.2.3 Simulação de Monte Carlo
Simulação de Monte Carlo é um sistema de análise que emprega variáveis distribuídas aleatoriamente, para resolver problemas estocásticos e determinísticos, onde a passagem do tempo não influencia.
2.2.4 Formas Relacionadas de Simulação
Os seguintes tipos de simulação são combinações de eventos discretos, contínuos e Monte Carlo (MCGINTY, 2001):
Simulação Combinada Discreta – Contínua; Simulação Híbrida;
2.2.4.1 Simulação Combinada Discreta - Contínua
Em simulação combinada, a variável dependente de um modelo pode mudar discretamente, continuamente ou continuamente com pulos discretos. Há três interações fundamentais que podem ocorrer entre mudanças de variáveis contínuas e discretas.
1. Uma mudança discreta no valor pode ser feita em uma variável contínua.
Exemplo: Uma segunda estação de energia torna-se disponível, o que instantaneamente aumenta o total de energia disponível no sistema.
2. Um evento envolvendo uma variável de estado contínuo atinge um valor limiar, que causa um evento a ocorrer ou a ser programado. Exemplo: Quando um nível de óleo disponível para entrada cai abaixo de um valor predefinido, desligando a refinaria.
3. A descrição da função da variável contínua pode ser alterada em instantes discretos de tempo.
Exemplo: No momento de descarga de poluente num ecossistema, relações de crescimento que regulam as populações de espécies são alterados imediatamente.
Dois tipos de eventos podem ocorrer em simulações combinadas:
1. Eventos de tempo: programados para ocorrer em pontos de tempos específicos;
2. Eventos de estados: ocorrem quando o sistema atinge um estado particular.
2.2.4.2 Simulação Híbrida
Refere-se ao uso de um submodelo analítico com um modelo de eventos discretos.
2.2.4.3 Gaming
Pode ter componentes de modelagem de eventos discretos, contínuo e/ou Monte Carlo.