Simulação de Sistemas

1. O que é simulação de sistemas?

1.1. Segundo Schriber, T.J. (1974), “ Simulação implica na modelagem de um processo ou sistema, de tal forma que o modelo imite as respostas de um sistema real numa sucessão de eventos que ocorrem ao longo do tempo. ” Para Pedgen, C.D. (1991), “ É o processo de projetar um modelo computacional de um sistema real e conduzir experimentos com este modelo com o propósito de entender seu comportamento ou avaliar as estratégias para sua operação. ”

2. Conceito

2.1. A simulação computacional de sistemas, consiste na utilização de técnicas matemáticas, empregadas que permitem imitar o funcionamento de qualquer tipo de operação ou processo.

3. Vantagens

3.1. Modelo pode ser usado várias vezes

3.2. Tempo pode ser controlado, comprimido ou expandido

3.3. Pode-se compreender melhor as variáveis importantes do sistema

3.4. Com ajuda visual podese identificar “gargalos"

3.5. Ferramenta especial para “O aconteceria se...?”

3.6. Estudo de simulação mostra como realmente sistema opera

3.7. Novos procedimentos podem ser avaliados sem usar sistema real

3.8. Hipóteses podem ser testadas para confirmação

3.9. Modelos não precisam ser simplificados

3.10. Mais fácil de aplicar que métodos analíticos

4. Desvantagens

4.1. Construção de modelos requer treinamento especial

4.2. Modelagem e experimentação demandam muito tempo

4.3. Resultados da simulação geralmente são difíceis de interpretar

5. Etapas de modelagem e simulação

5.1. Etapa 01: Planejamento

5.1.1. Formulação e análise do problemas;

5.1.2. Planejamento do projeto;

5.1.3. Formulação do modelo conceitual;

5.1.4. Coleta de macro-informações

5.2. Etapa 02: Modelagem

5.2.1. Coleta de dados;

5.2.2. Tradução do modelo;

5.2.3. Verificação e validação do modelo

5.3. Etapa 03: Experimentação

5.3.1. Projeto experimental final;

5.3.2. Experimentação;

5.3.3. Análise estatística dos resultados

5.4. Etapa 04: Toma de decisão, conclusão do projeto

5.4.1. Comparação e identificação das melhores soluções;

5.4.2. Documentação e apresentação do resultados e implementação

6. Erros na abordagem

6.1. Pouco conhecimento e afinidade com a ferramenta

6.2. Objetivos com pouca clareza ou definição

6.3. Construção de modelos muito detalhados

6.4. Conclusões com base em uma única replicação

7. Sistemas contínuos e discretos

7.1. A simulação de sistemas a eventos discretos é própria para a análise de sistemas no qual o estado (discreto) das variáveis muda apenas com a ocorrência de eventos (considerados instantâneos). Os modelos de simulação são analisados por métodos numéricos ao invés de métodos analíticos. Isto é, em vez de métodos analíticos que empregam o raciocínio dedutivo/matemático para resolver um modelo, consideram-se métodos numéricos que empregam procedimentos computacionais para executar os modelos matemáticos.

8. Metodologia e formulação de um modelo

9. Linguagens e ambientes de simulação

9.1. As linguagens de simulação em computador facilitam o desenvolvimento e execução de simulações de sistemas complexos do mundo real. Neste contexto existem as linguagens de programação de uso geral como o FORTRAN, Pascal, C, C++, …. As linguagens específicas de simulação como GPSS, SIMAN V, SIMSCRIPT II.5, SLAM II, … e pacotes de simulação orientada a objetos como MODSIM III e similares. A seguir tem-se uma breve apresentação de algumas dessas linguagens.

10. Técnicas de geração de variáveis estocásticas e algoritmos geradores de números aleatórios

10.1. Métodos de simulação estocástica são procedimentos que envolvem a geração de números aleatórios (pseudo-aleatórios) com o objectivo de explorar o espaço de incerteza ou campo de possibilidades de um dado fenómeno físico ou qualquer outro tipo de variável de estudo cujo comportamento possa ser quantificado matematicamente. Os métodos de simulação fazem parte da ciência de processos estocásticos e utilizam o método de Monte-Carlo nos seus algoritmos.

10.2. Um gerador de número pseudo-aleatório é um algoritmo que gera uma seqüência de números, os quais são aproximadamente independentes um dos outros. A saída da maioria dos geradores de números aleatórios não é verdadeiramente aleatória; ela somente aproxima algumas das propriedades dos números aleatórios. John von Neumann enfatiza com este comentário "Qualquer um que considere métodos aritméticos para produzir dígitos está, certamente, cometendo um pecado".

11. Análise dos parâmetros de entrada e avaliação dos resultados de um modelo desimulação

12. Ferramentas de simulação

12.1. Simulação de Sistemas Dinâmicos

12.1.1. Matlab/Simulink Ferramenta amplamente utilizada para modelagem e simulação de sistemas dinâmicos e controle. Oferece uma interface gráfica para construção de modelos e uma ampla gama de bibliotecas.

12.1.2. Scilab/Xcos Alternativa gratuita ao Matlab/Simulink. Oferece funcionalidades similares para simulação e modelagem de sistemas dinâmicos.

12.2. Simulação de Sistemas Discretos

12.2.1. Arena Software muito utilizado para simulação de processos industriais e empresariais. Focado em modelagem de eventos discretos.

12.2.2. AnyLogic Plataforma multimétodo que suporta simulação de eventos discretos, dinâmica de sistemas e modelagem baseada em agentes.

12.2.3. FlexSim Ferramenta de simulação 3D voltada para otimização de processos industriais e logísticos.

12.3. Simulação de Circuitos Eletrônicos

12.3.1. LTspice Ferramenta gratuita para simulação de circuitos analógicos. Bastante usada na indústria e na academia para análise de circuitos.

12.3.2. Multisim Software desenvolvido pela National Instruments para simulação de circuitos eletrônicos. Oferece uma interface gráfica intuitiva e ferramentas de análise.

12.4. Simulação em Engenharia de Software

12.4.1. Simulink (Model-Based Design) Usado para simulação e design de sistemas embutidos, com integração forte com o ambiente de desenvolvimento de software.

12.4.2. OMNeT++ Ambiente de simulação modular e extensível para redes de comunicação, sistemas distribuídos e sistemas de fila.

12.5. Simulação de Redes e Protocolos

12.5.1. NS-3 Simulador de redes de comunicação. Ferramenta de código aberto amplamente usada para pesquisa acadêmica.

12.5.2. OPNET Ferramenta comercial para simulação de redes e desempenho de aplicações.

12.6. Simulação de Dinâmica de Fluidos Computacional (CFD)

12.6.1. ANSYS Fluent Software líder de mercado em simulação de dinâmica de fluidos. Usado para modelagem de escoamentos, transferência de calor, reações químicas, entre outros.

12.6.2. OpenFOAM Ferramenta open source para simulação CFD. Utilizada amplamente na academia e na indústria.

12.7. Simulação Multidisciplinar

12.7.1. Modelica/Dymola Linguagem de modelagem orientada a objetos para simulação de sistemas complexos. Dymola é uma das ferramentas comerciais que utiliza Modelica.