SlideShare uma empresa Scribd logo
1 de 23
Baixar para ler offline
Dimensionamento de Corridas e Análise de Resultados
                                                  Capítulo 6
                                                  Páginas 111-156
                                                  Este material é disponibilizado para uso
                                                  exclusivo de docentes que adotam o livro
                                                  Modelagem e Simulação de Eventos
                                                  Discretos em suas disciplinas. O material
                                                  pode (e deve) ser editado pelo professor.
                                                  Pedimos apenas que seja sempre citada a
                                                  fonte original de consulta.
                                                  Verifique sempre a atualização deste
                                                  material no site
                                                  www.livrosimulacao.eng.br
                                                  Divirta-se!


                                                                     Prof. Afonso C. Medina
                                                                       Prof. Leonardo Chwif
                                                                                              Versão 0.1
                                                                                               01/05/06
Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006)                                 Slide 1
Definições
      O que é regime transitório e o que é
      regime permanente;
      O que é simulação terminal e o que é
      simulação em regime;
      O que são medidas de desempenho;
      O que é replicação e o que é “rodada”;
      O que é intervalo de confiança.


Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006)   Slide 2
Regime Transitório
                  6
Média Acumulada
dos Lançamentos


                  5                                                                    Número        Média
                                                                          Lançamento
                                                                                       Obtido      Acumulada
                                                                              1          1          1/1=1,0
                  4                                                           2          1        (1+1)/2=1,0
           3,5                                                                3          4       (1+1+4)/3=2,0
                                                                              4          6      (1+1+4+6)/4=3,0
                  3
                                                                              5          6            3,6
                                                                              6          5            3,8
                  2                                                           7          2            3,6
                                                                              8          1            3,5
                                                                              9          2            3,3
                  1                                                          10          1            3,1
                      1   2   3   4   5        6    7   8   9    10
                                      Lançamentos




     Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006)                                  Slide 3
Regime Permanente
                     6,0
   Média Acumulada
   dos Lançamentos   5,5


                     5,0

                                    Regime Transitório                      Regime Permanente
                     4,5


                     4,0


                     3,5


                     3,0


                     2,5


                     2,0


                     1,5


                     1,0
                           0   20             40         60          80     100        120      140
                                                              Lançamentos




Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006)                                    Slide 4
Regime Permanente: Simulação
  Simular por um período muito longo de modo que o
 número de amostras em regime transitório seja
 desprezível em relação ao número de amostras em
 regime (jogar mais vezes o dado);

  Eliminar o período transitório através de alguma
 técnica apropriada;

  Iniciar o sistema já em um estado dentro do regime
 permanente, o que equivale, no exemplo do dado, a
 considerar a média inicial igual a 3,5.


Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006)   Slide 5
Simulação Terminal vs. Não Terminal
 NÃO TERMINAL: a simulação não possui um
tempo exato para terminar. Somente há interesse
de estudar uma simulação não terminal para o
período em que a simulação está em regime
permanente (Ex. simulação de uma usina
siderúrgica que opera 24 horas por dia, 7 dias
por semana).
 TERMINAL: a simulação roda por um tempo
exato e após este tempo acaba. (Ex. simulação de
um que pub abre às 12:00 horas e fecha, pelas
leis inglesas, pontualmente às 23:00 horas).
Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006)   Slide 6
Escolha das Medidas de Desempenho
Considere novamente o exemplo do pub. Se o
proprietário está preocupado com os clientes que
têm de esperar por atendimento, quais seriam as
medidas adequadas de desempenho deste
sistema?
(N) A média do tempo de atendimento                                  Validação!!

(S) O número de clientes que desistem do atendimento
devido ao excesso de clientes na fila de espera por
bebidas
(N) O tempo de permanência dos clientes no Pub Validação!!
(S) A probabilidade de que um cliente aguarde mais do que
3 minutos por atendimento
Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006)                 Slide 7
Replicação vs. Rodada
   Rodada: o que ocorre quando selecionamos ou
  iniciamos o comando que executa a simulação
  no computador. Uma rodada pode envolver
  várias replicações.
   Replicação: é uma repetição da simulação do
  modelo, com a mesma configuração, a mesma
  duração e com os mesmos parâmetros de
  entrada, mas com uma semente de geração dos
  números aleatórios diferente.
  Apesar de os dados e dos parâmetros de entrada serem os mesmos,
  como os números aleatórios gerados são diferentes, cada replicação
  terá uma saída diferente também.
Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006)   Slide 8
Você Confia Nos Resultados?
 Ex.: fila em um posto bancário
                                                                                     Média de Pessoas
                                                                      Replicação
                                                                                         em Fila
                                                                          1               6,72
                                                                          2               2,00
     Uma rodada: 6,72                                                     3               0,38
     pessoas em média na fila                                             4               1,28
                                                                          5               0,46
                                                                          6               0,19
                                                                          7               0,14
                                                                          8               1,30
                                                                          9               0,12
                                                                          10              2,85
                                                                     Média de 10
                                                                                          1,54
                                                                     replicações
                                                                     Desvio Padrão        2,03



                        Podemos CONFIAR nesses resultados?

Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006)                                      Slide 9
Intervalo de Confiança
 Intervalo de Confiança: intervalo de
 valores que contém a média da população,
 com uma certa probabilidade (confiança
 estatística)
 Precisão: tamanho do intervalo de
 confiança
 Confiança: probabilidade de que o
 intervalo de confiança contenha a média.
 Valores usuais: 99%, 95% e 90%.
Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006)   Slide 10
Intervalo de Confiança
                                              Precisão (metade do
                                                    intervalo)          Intervalo de
      Confiança
  n   100(1 − α )%
                         α      t n−1,α / 2
                                                                   s
                                                                        Confiança da
                                                   h = t n−1,α / 2      Média ( x =1,54 )
                                                                    n
 10        99%         0,01     3,25                   2,09             − 0 ,55 ≤ µ ≤ 3,63
 10        95%         0,05     2,26                   1,45              0 ,09 ≤ µ ≤ 3,00
 10        90%         0,10     1,83                   1,18             0 ,37 ≤ µ ≤ 2 ,72
 10        80%         0,20     1,38                   0,89              0 ,65 ≤ µ ≤ 2 ,43




           Por que, ao aumentarmos a confiança, a precisão diminui?




Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006)                           Slide 11
Cálculo do Intervalo de Confiança
 Método 1: cálculo quando se conhece o desvio
 padrão da população
 Método 2: cálculo quando NÃO se conhece o
 desvio padrão da população
 Método 3: utilizando as funções do Excel
 Método 4: utilizando as funções do Gnumeric



Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006)   Slide 12
Cálculo do Intervalo de Confiança
    Método 1: cálculo quando se conhece o
    desvio padrão da população:
            P (x − e0 ≤ µ ≤ x + e0 ) = 1 − α

                          σ                   σ 
            P  x − zα / 2    ≤ µ ≤ x + zα / 2    = 1−α
                           n                   n
                                        σ
            IC = x ± zα / 2
                                          n


Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006)   Slide 13
Cálculo do Intervalo de Confiança
    Método 2: cálculo quando NÃO se
    conhece o desvio padrão da população:

        P (x − e0 ≤ µ ≤ x + e0 ) = 1 − α

                          sx                      sx 
        P  x − tn−1,α / 2    ≤ µ ≤ x + tn−1,α / 2     = 1−α
                           n                       n
                                         sx
        IC = x ± tn−1,α / 2
                                          n                          Desvio Padrão da
                                                                         Amostra


Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006)                      Slide 14
Cálculo do Intervalo de Confiança
 Método 3: utilizando as funções do Excel
  1.O comando INT.CONFIANÇA(nível se
    significância,desvio padrão da
    população,tamanho da amostra) considera que o
    desvio padrão da POPULAÇÃO é conhecido.
  2.Assim, para o caso de só conhecermos o desvio
    padrão da AMOSTRA, devemos construir a
    expressão:                   sx
                                          e0 = tn−1,α / 2
                                                                     n
  utilizando a seguinte fórmula no EXCEL:
     =INVT(alfa;n-1)*(DESVPAD(amostra)/RAIZ(n))
Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006)       Slide 15
Cálculo do Intervalo de Confiança
    Método 4: utilizando as funções do
    Gnumeric


      CONFIDENCE(nível se significância,desvio
       padrão da população,tamanho da amostra)


      Compatível com o Excel



Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006)   Slide 16
Número de Replicações
Para se atingir uma precisão desejada em
  determinado valor, necessita-se rodar o
  modelo várias vezes, gerando uma AMOSTRA
  PILOTO de tamanho n e com precisão h.
  Utilizando-se a expressão a seguir, onde h* é
  a precisão desejada, pode-se estimar o
  número de replicações necessárias n*:

                                 *
                                      h 2 
                                n = n *  
                                     h  
Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006)   Slide 17
Número de Replicações: Exemplo
Considere-se que foram realizadas 20 replicações de
  um modelo de simulação. Para essa amostra piloto,
  a precisão obtida foi de 0,95 minutos para a média
  do tempo em fila. Qual o número de replicações
  necessárias caso necessite-se de uma precisão de
  0,5 minutos?
Neste caso, n=20, h=0,95 e h*=0,5:

                              0,95  2 
                        n = 20       = 72,2 = 73
                              0,5  
                                        


Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006)   Slide 18
Análise de Resultados: Sistemas Terminais
  7 Etapas:

      Estabelecer as medidas de desempenho adequadas;
      Escolher a confiança estatística e a precisão com que
      se pretende trabalhar;
      Definir, a partir da observação do sistema real, o
      tempo de simulação;
      Construir a “amostra piloto”;
      Determinar o número de replicações necessárias;
      Rodar o modelo novamente;
      Calcular o novo intervalo de confiança.

Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006)   Slide 19
Análise de Resultados: Sistemas Não-Terminais
   3 Técnicas


       Começar a simulação em um estado próximo
       daquele esperado em regime permanente;
       Rodar o modelo por um tempo de simulação
       longo;
       Eliminar, dos dados de saída, todos os valores
       gerados durante o período transitório.



 Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006)   Slide 20
Tempo de Warm-up
 Em uma linha de produção de um determinado produto, para que o
 produto possa ser produzido, uma peça deve passar por 10 operações
 executadas em máquinas automáticas distintas. Os tempos de operação
 nas máquinas são todos normalmente distribuídos com média de 0,9
 minuto e desvio padrão de 0,3 minuto. As peças chegam à linha em um
 intervalo constante de tempo igual a 1 minuto. O gerente da linha está
 preocupado com o tempo total de produção. Nas palavras dele:
 – Se o produto passa por 10 máquinas que levam 0,9 minuto cada uma,
 então, era de se esperar que o tempo total de produção fosse de 0,9x10=9
 minutos, em média. Mas, hoje, estamos operando em 15 minutos, cerca de
 50% mais lentos!




Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006)        Slide 21
Tempo de Warm-up
 Em uma linha de produção de um determinado produto, para que o
 produto possa ser produzido, uma peça deve passar por 10 operações
 executadas em máquinas automáticas distintas. Os tempos de operação
 nas máquinas são todos normalmente distribuídos com média de 0,9
 minuto e desvio padrão de 0,3 minuto. As peças chegam à linha em um
 intervalo constante de tempo igual a 1 minuto. O gerente da linha está
 preocupado com o tempo total de produção. Nas palavras dele:
 – Se o produto passa por 10 máquinas que levam 0,9 minuto cada uma,
 então, era de se esperar que o tempo total de produção fosse de 0,9x10=9
 minutos, em média. Mas, hoje, estamos operando em 15 minutos, cerca de
 50% mais lentos!




Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006)        Slide 22
M
    Tempo de Warm-up                               Tempo de
                                                                            Tempo médio de produção (min)
                                                                                   Replicações
                                                simulação (min)
                                                                     1         2        3       4    5           Média
                                                       10           0.00      0.00    0.00     0.00 0.00          0.00
                                                       20           3.00      3.06    1.98     2.03 2.92          2.60
                                                       30           9.62      9.60    9.79     9.98 9.84          9.76
                                                       40          10.82     11.26 10.75 11.64 11.39             11.17
                                                       50          11.37     12.87 11.26 11.66 11.19             11.67
                                                       60          12.47     13.34 12.04 11.76 10.91             12.10
                                                       70          13.33     14.78 13.29 12.70 11.03             13.03
                                                       80          13.57     14.08 13.91 12.68 12.00             13.25
                                                       90          12.51     14.23 14.47 12.28 12.07             13.11
                                                        M             M         M       M        M    M             M
                                                       580         15.47     14.71 15.07 15.79 13.79             14.97
                                                       590         15.26     14.87 15.82 16.60 13.17             15.14
                                       20              600         15.08     14.61 15.99 16.97 12.85             15.10
                         Tempo de
                         Ciclo (min)
                                       18


                                       16


                                       14


                                       12


                                       10
                                                                                                         Replicação 1
                                       8                                                                 Replicação 2
                                                                                                         Replicação 3
                                       6                                                                 Replicação 4
                                                                                                         Replicação 5
                                       4                                                                 Média

                                       2


                                       0
                                            0     50     100      150      200    250      300     350   400       450   500
                                                                        Tempo de Simulação (min)


    Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006)                                                         Slide 23

Mais conteúdo relacionado

Mais procurados

Manual de serviço cg150 titan ks es esd rodatras
Manual de serviço cg150 titan ks es esd rodatrasManual de serviço cg150 titan ks es esd rodatras
Manual de serviço cg150 titan ks es esd rodatrasThiago Huari
 
ELEMENTOS DE MÁQUINAS ELEMENTOS DE TRANSMISSÃO CAMES
ELEMENTOS DE MÁQUINAS ELEMENTOS DE TRANSMISSÃO CAMESELEMENTOS DE MÁQUINAS ELEMENTOS DE TRANSMISSÃO CAMES
ELEMENTOS DE MÁQUINAS ELEMENTOS DE TRANSMISSÃO CAMESordenaelbass
 
01 correias transportadoras
01 correias transportadoras01 correias transportadoras
01 correias transportadorasjcjaneiro
 
2 propriedades mecanicas fundamentais
2 propriedades mecanicas fundamentais2 propriedades mecanicas fundamentais
2 propriedades mecanicas fundamentaisAnselmo Fabris
 
Aula de Tolerancia geometrica
Aula de Tolerancia geometrica  Aula de Tolerancia geometrica
Aula de Tolerancia geometrica Nome Sobrenome
 
Lean Leadership for Executives: Initial findings from LGN Research
Lean Leadership for Executives: Initial findings from LGN ResearchLean Leadership for Executives: Initial findings from LGN Research
Lean Leadership for Executives: Initial findings from LGN ResearchLean Enterprise Academy
 
Aula 17 mancais e rolamentos
Aula 17   mancais e rolamentosAula 17   mancais e rolamentos
Aula 17 mancais e rolamentosRenaldo Adriano
 
Engrenagem terminologia
Engrenagem terminologiaEngrenagem terminologia
Engrenagem terminologiaNubio Silva
 
Engrenagem teoria completa
Engrenagem teoria completaEngrenagem teoria completa
Engrenagem teoria completaRonan Mattedi
 
Motores de combustão Interna
Motores de combustão InternaMotores de combustão Interna
Motores de combustão InternaRicardo Akerman
 
Analisedefalhaemmotores
AnalisedefalhaemmotoresAnalisedefalhaemmotores
AnalisedefalhaemmotoresAnderson Silva
 
Afiação de ferramentas
Afiação de ferramentasAfiação de ferramentas
Afiação de ferramentassuperleco
 

Mais procurados (20)

Manual de serviço cg150 titan ks es esd rodatras
Manual de serviço cg150 titan ks es esd rodatrasManual de serviço cg150 titan ks es esd rodatras
Manual de serviço cg150 titan ks es esd rodatras
 
Apostila usinagem lmp
Apostila usinagem lmpApostila usinagem lmp
Apostila usinagem lmp
 
ELEMENTOS DE MÁQUINAS ELEMENTOS DE TRANSMISSÃO CAMES
ELEMENTOS DE MÁQUINAS ELEMENTOS DE TRANSMISSÃO CAMESELEMENTOS DE MÁQUINAS ELEMENTOS DE TRANSMISSÃO CAMES
ELEMENTOS DE MÁQUINAS ELEMENTOS DE TRANSMISSÃO CAMES
 
Bombas centrífugas
Bombas centrífugasBombas centrífugas
Bombas centrífugas
 
01 correias transportadoras
01 correias transportadoras01 correias transportadoras
01 correias transportadoras
 
2 propriedades mecanicas fundamentais
2 propriedades mecanicas fundamentais2 propriedades mecanicas fundamentais
2 propriedades mecanicas fundamentais
 
Aula de Tolerancia geometrica
Aula de Tolerancia geometrica  Aula de Tolerancia geometrica
Aula de Tolerancia geometrica
 
Lean Leadership for Executives: Initial findings from LGN Research
Lean Leadership for Executives: Initial findings from LGN ResearchLean Leadership for Executives: Initial findings from LGN Research
Lean Leadership for Executives: Initial findings from LGN Research
 
Fresadoras 45 e 46
Fresadoras 45 e 46Fresadoras 45 e 46
Fresadoras 45 e 46
 
Aula 17 mancais e rolamentos
Aula 17   mancais e rolamentosAula 17   mancais e rolamentos
Aula 17 mancais e rolamentos
 
Cinematica das Maquinas Ferramentas
Cinematica das Maquinas FerramentasCinematica das Maquinas Ferramentas
Cinematica das Maquinas Ferramentas
 
Engrenagem terminologia
Engrenagem terminologiaEngrenagem terminologia
Engrenagem terminologia
 
Engrenagem teoria completa
Engrenagem teoria completaEngrenagem teoria completa
Engrenagem teoria completa
 
Mecânica básica elementos de maquinas
Mecânica básica elementos de maquinasMecânica básica elementos de maquinas
Mecânica básica elementos de maquinas
 
Motores de combustão Interna
Motores de combustão InternaMotores de combustão Interna
Motores de combustão Interna
 
Analisedefalhaemmotores
AnalisedefalhaemmotoresAnalisedefalhaemmotores
Analisedefalhaemmotores
 
Roscas,parafusos porcas e arruelas
Roscas,parafusos porcas e arruelasRoscas,parafusos porcas e arruelas
Roscas,parafusos porcas e arruelas
 
Aulas 10, 11 e 12 - Introd. a Engenharia de Fabricação
Aulas 10, 11 e 12 - Introd. a Engenharia de FabricaçãoAulas 10, 11 e 12 - Introd. a Engenharia de Fabricação
Aulas 10, 11 e 12 - Introd. a Engenharia de Fabricação
 
Afiação de ferramentas
Afiação de ferramentasAfiação de ferramentas
Afiação de ferramentas
 
Furação
FuraçãoFuração
Furação
 

Destaque

Introdução à Simulação
Introdução à SimulaçãoIntrodução à Simulação
Introdução à SimulaçãoSimulação
 
Distribuições Estatísticas
Distribuições EstatísticasDistribuições Estatísticas
Distribuições EstatísticasSimulação
 
Geração de Números Aleatórios
Geração de Números AleatóriosGeração de Números Aleatórios
Geração de Números AleatóriosSimulação
 
Validação e Verificação
Validação e VerificaçãoValidação e Verificação
Validação e VerificaçãoSimulação
 
Modelagem de Sistemas
Modelagem de SistemasModelagem de Sistemas
Modelagem de SistemasSimulação
 
Softwares de Simulação
Softwares de SimulaçãoSoftwares de Simulação
Softwares de SimulaçãoSimulação
 
Entrada e Modelagem de Dados
Entrada e Modelagem de DadosEntrada e Modelagem de Dados
Entrada e Modelagem de DadosSimulação
 
Simulação e Otimização
Simulação e OtimizaçãoSimulação e Otimização
Simulação e OtimizaçãoSimulação
 

Destaque (9)

Lei Das Filas
Lei Das FilasLei Das Filas
Lei Das Filas
 
Introdução à Simulação
Introdução à SimulaçãoIntrodução à Simulação
Introdução à Simulação
 
Distribuições Estatísticas
Distribuições EstatísticasDistribuições Estatísticas
Distribuições Estatísticas
 
Geração de Números Aleatórios
Geração de Números AleatóriosGeração de Números Aleatórios
Geração de Números Aleatórios
 
Validação e Verificação
Validação e VerificaçãoValidação e Verificação
Validação e Verificação
 
Modelagem de Sistemas
Modelagem de SistemasModelagem de Sistemas
Modelagem de Sistemas
 
Softwares de Simulação
Softwares de SimulaçãoSoftwares de Simulação
Softwares de Simulação
 
Entrada e Modelagem de Dados
Entrada e Modelagem de DadosEntrada e Modelagem de Dados
Entrada e Modelagem de Dados
 
Simulação e Otimização
Simulação e OtimizaçãoSimulação e Otimização
Simulação e Otimização
 

Semelhante a Análise de Dados de Saída

Sebrae Pe Geor T2 2007 Fruticultura
Sebrae Pe Geor T2 2007 FruticulturaSebrae Pe Geor T2 2007 Fruticultura
Sebrae Pe Geor T2 2007 FruticulturaCompet
 
Sebrae Pe Geor T1 2007 Apicultura
Sebrae Pe Geor T1 2007 ApiculturaSebrae Pe Geor T1 2007 Apicultura
Sebrae Pe Geor T1 2007 ApiculturaCompet
 
Sebrae Pe Geor T2 2007 Leite
Sebrae Pe Geor T2 2007 LeiteSebrae Pe Geor T2 2007 Leite
Sebrae Pe Geor T2 2007 LeiteCompet
 
Tdc 2012 trilha testes - do teste tradicional ao ágil
Tdc 2012   trilha testes - do teste tradicional ao ágilTdc 2012   trilha testes - do teste tradicional ao ágil
Tdc 2012 trilha testes - do teste tradicional ao ágilPatrícia Araújo Gonçalves
 
Treinamento MLOps Databricks 2023
Treinamento MLOps Databricks 2023Treinamento MLOps Databricks 2023
Treinamento MLOps Databricks 2023Douglas Mendes
 
Sebrae Pe Geor T1 2007 Turismo Petrolina
Sebrae Pe Geor T1 2007 Turismo PetrolinaSebrae Pe Geor T1 2007 Turismo Petrolina
Sebrae Pe Geor T1 2007 Turismo PetrolinaCompet
 
Tcc Felipe Grilli Real Options Theory
Tcc Felipe Grilli Real Options TheoryTcc Felipe Grilli Real Options Theory
Tcc Felipe Grilli Real Options Theoryfelipegrilli
 
Sebrae Pe Geor T2 2007 Caprino SertãO
Sebrae Pe Geor T2 2007 Caprino SertãOSebrae Pe Geor T2 2007 Caprino SertãO
Sebrae Pe Geor T2 2007 Caprino SertãOCompet
 
Testes Unitários/Integrados
Testes Unitários/IntegradosTestes Unitários/Integrados
Testes Unitários/IntegradosGiovanni Bassi
 
Sebrae Pe Geor T1 2007 Comercio Varejista Petrolina
Sebrae Pe Geor T1 2007 Comercio Varejista PetrolinaSebrae Pe Geor T1 2007 Comercio Varejista Petrolina
Sebrae Pe Geor T1 2007 Comercio Varejista PetrolinaCompet
 
Como implantar o sistema de inovação incremental
Como implantar o sistema de inovação incrementalComo implantar o sistema de inovação incremental
Como implantar o sistema de inovação incrementalvilagemp
 
Sebrae Pe Geor T1 2007 Artesanato Caruaru
Sebrae Pe Geor T1 2007 Artesanato CaruaruSebrae Pe Geor T1 2007 Artesanato Caruaru
Sebrae Pe Geor T1 2007 Artesanato CaruaruCompet
 
Sebrae Pe Geor T2 2007 ConstruçãO Civil
Sebrae Pe Geor T2 2007 ConstruçãO CivilSebrae Pe Geor T2 2007 ConstruçãO Civil
Sebrae Pe Geor T2 2007 ConstruçãO CivilCompet
 
Novo Modelo De IncubaçãO De Empresas
Novo Modelo De IncubaçãO De EmpresasNovo Modelo De IncubaçãO De Empresas
Novo Modelo De IncubaçãO De Empresascamilotelles
 

Semelhante a Análise de Dados de Saída (20)

Sebrae Pe Geor T2 2007 Fruticultura
Sebrae Pe Geor T2 2007 FruticulturaSebrae Pe Geor T2 2007 Fruticultura
Sebrae Pe Geor T2 2007 Fruticultura
 
Sebrae Pe Geor T1 2007 Apicultura
Sebrae Pe Geor T1 2007 ApiculturaSebrae Pe Geor T1 2007 Apicultura
Sebrae Pe Geor T1 2007 Apicultura
 
Sebrae Pe Geor T2 2007 Leite
Sebrae Pe Geor T2 2007 LeiteSebrae Pe Geor T2 2007 Leite
Sebrae Pe Geor T2 2007 Leite
 
Pesquisa salarial
Pesquisa salarialPesquisa salarial
Pesquisa salarial
 
Tdc 2012 trilha testes - do teste tradicional ao ágil
Tdc 2012   trilha testes - do teste tradicional ao ágilTdc 2012   trilha testes - do teste tradicional ao ágil
Tdc 2012 trilha testes - do teste tradicional ao ágil
 
Treinamento MLOps Databricks 2023
Treinamento MLOps Databricks 2023Treinamento MLOps Databricks 2023
Treinamento MLOps Databricks 2023
 
Sebrae Pe Geor T1 2007 Turismo Petrolina
Sebrae Pe Geor T1 2007 Turismo PetrolinaSebrae Pe Geor T1 2007 Turismo Petrolina
Sebrae Pe Geor T1 2007 Turismo Petrolina
 
Tcc Felipe Grilli Real Options Theory
Tcc Felipe Grilli Real Options TheoryTcc Felipe Grilli Real Options Theory
Tcc Felipe Grilli Real Options Theory
 
Sebrae Pe Geor T2 2007 Caprino SertãO
Sebrae Pe Geor T2 2007 Caprino SertãOSebrae Pe Geor T2 2007 Caprino SertãO
Sebrae Pe Geor T2 2007 Caprino SertãO
 
K-Nearest Neighbor
K-Nearest NeighborK-Nearest Neighbor
K-Nearest Neighbor
 
Testes Unitários/Integrados
Testes Unitários/IntegradosTestes Unitários/Integrados
Testes Unitários/Integrados
 
Sebrae Pe Geor T1 2007 Comercio Varejista Petrolina
Sebrae Pe Geor T1 2007 Comercio Varejista PetrolinaSebrae Pe Geor T1 2007 Comercio Varejista Petrolina
Sebrae Pe Geor T1 2007 Comercio Varejista Petrolina
 
Como implantar o sistema de inovação incremental
Como implantar o sistema de inovação incrementalComo implantar o sistema de inovação incremental
Como implantar o sistema de inovação incremental
 
Sebrae Pe Geor T1 2007 Artesanato Caruaru
Sebrae Pe Geor T1 2007 Artesanato CaruaruSebrae Pe Geor T1 2007 Artesanato Caruaru
Sebrae Pe Geor T1 2007 Artesanato Caruaru
 
Sebrae Pe Geor T2 2007 ConstruçãO Civil
Sebrae Pe Geor T2 2007 ConstruçãO CivilSebrae Pe Geor T2 2007 ConstruçãO Civil
Sebrae Pe Geor T2 2007 ConstruçãO Civil
 
Palestra masp
Palestra   maspPalestra   masp
Palestra masp
 
Palestra masp
Palestra   maspPalestra   masp
Palestra masp
 
Palestra masp
Palestra   maspPalestra   masp
Palestra masp
 
Gerenciamento quali total 6sigma
Gerenciamento quali total 6sigmaGerenciamento quali total 6sigma
Gerenciamento quali total 6sigma
 
Novo Modelo De IncubaçãO De Empresas
Novo Modelo De IncubaçãO De EmpresasNovo Modelo De IncubaçãO De Empresas
Novo Modelo De IncubaçãO De Empresas
 

Análise de Dados de Saída

  • 1. Dimensionamento de Corridas e Análise de Resultados Capítulo 6 Páginas 111-156 Este material é disponibilizado para uso exclusivo de docentes que adotam o livro Modelagem e Simulação de Eventos Discretos em suas disciplinas. O material pode (e deve) ser editado pelo professor. Pedimos apenas que seja sempre citada a fonte original de consulta. Verifique sempre a atualização deste material no site www.livrosimulacao.eng.br Divirta-se! Prof. Afonso C. Medina Prof. Leonardo Chwif Versão 0.1 01/05/06 Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006) Slide 1
  • 2. Definições O que é regime transitório e o que é regime permanente; O que é simulação terminal e o que é simulação em regime; O que são medidas de desempenho; O que é replicação e o que é “rodada”; O que é intervalo de confiança. Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006) Slide 2
  • 3. Regime Transitório 6 Média Acumulada dos Lançamentos 5 Número Média Lançamento Obtido Acumulada 1 1 1/1=1,0 4 2 1 (1+1)/2=1,0 3,5 3 4 (1+1+4)/3=2,0 4 6 (1+1+4+6)/4=3,0 3 5 6 3,6 6 5 3,8 2 7 2 3,6 8 1 3,5 9 2 3,3 1 10 1 3,1 1 2 3 4 5 6 7 8 9 10 Lançamentos Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006) Slide 3
  • 4. Regime Permanente 6,0 Média Acumulada dos Lançamentos 5,5 5,0 Regime Transitório Regime Permanente 4,5 4,0 3,5 3,0 2,5 2,0 1,5 1,0 0 20 40 60 80 100 120 140 Lançamentos Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006) Slide 4
  • 5. Regime Permanente: Simulação Simular por um período muito longo de modo que o número de amostras em regime transitório seja desprezível em relação ao número de amostras em regime (jogar mais vezes o dado); Eliminar o período transitório através de alguma técnica apropriada; Iniciar o sistema já em um estado dentro do regime permanente, o que equivale, no exemplo do dado, a considerar a média inicial igual a 3,5. Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006) Slide 5
  • 6. Simulação Terminal vs. Não Terminal NÃO TERMINAL: a simulação não possui um tempo exato para terminar. Somente há interesse de estudar uma simulação não terminal para o período em que a simulação está em regime permanente (Ex. simulação de uma usina siderúrgica que opera 24 horas por dia, 7 dias por semana). TERMINAL: a simulação roda por um tempo exato e após este tempo acaba. (Ex. simulação de um que pub abre às 12:00 horas e fecha, pelas leis inglesas, pontualmente às 23:00 horas). Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006) Slide 6
  • 7. Escolha das Medidas de Desempenho Considere novamente o exemplo do pub. Se o proprietário está preocupado com os clientes que têm de esperar por atendimento, quais seriam as medidas adequadas de desempenho deste sistema? (N) A média do tempo de atendimento Validação!! (S) O número de clientes que desistem do atendimento devido ao excesso de clientes na fila de espera por bebidas (N) O tempo de permanência dos clientes no Pub Validação!! (S) A probabilidade de que um cliente aguarde mais do que 3 minutos por atendimento Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006) Slide 7
  • 8. Replicação vs. Rodada Rodada: o que ocorre quando selecionamos ou iniciamos o comando que executa a simulação no computador. Uma rodada pode envolver várias replicações. Replicação: é uma repetição da simulação do modelo, com a mesma configuração, a mesma duração e com os mesmos parâmetros de entrada, mas com uma semente de geração dos números aleatórios diferente. Apesar de os dados e dos parâmetros de entrada serem os mesmos, como os números aleatórios gerados são diferentes, cada replicação terá uma saída diferente também. Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006) Slide 8
  • 9. Você Confia Nos Resultados? Ex.: fila em um posto bancário Média de Pessoas Replicação em Fila 1 6,72 2 2,00 Uma rodada: 6,72 3 0,38 pessoas em média na fila 4 1,28 5 0,46 6 0,19 7 0,14 8 1,30 9 0,12 10 2,85 Média de 10 1,54 replicações Desvio Padrão 2,03 Podemos CONFIAR nesses resultados? Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006) Slide 9
  • 10. Intervalo de Confiança Intervalo de Confiança: intervalo de valores que contém a média da população, com uma certa probabilidade (confiança estatística) Precisão: tamanho do intervalo de confiança Confiança: probabilidade de que o intervalo de confiança contenha a média. Valores usuais: 99%, 95% e 90%. Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006) Slide 10
  • 11. Intervalo de Confiança Precisão (metade do intervalo) Intervalo de Confiança n 100(1 − α )% α t n−1,α / 2 s Confiança da h = t n−1,α / 2 Média ( x =1,54 ) n 10 99% 0,01 3,25 2,09 − 0 ,55 ≤ µ ≤ 3,63 10 95% 0,05 2,26 1,45 0 ,09 ≤ µ ≤ 3,00 10 90% 0,10 1,83 1,18 0 ,37 ≤ µ ≤ 2 ,72 10 80% 0,20 1,38 0,89 0 ,65 ≤ µ ≤ 2 ,43 Por que, ao aumentarmos a confiança, a precisão diminui? Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006) Slide 11
  • 12. Cálculo do Intervalo de Confiança Método 1: cálculo quando se conhece o desvio padrão da população Método 2: cálculo quando NÃO se conhece o desvio padrão da população Método 3: utilizando as funções do Excel Método 4: utilizando as funções do Gnumeric Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006) Slide 12
  • 13. Cálculo do Intervalo de Confiança Método 1: cálculo quando se conhece o desvio padrão da população: P (x − e0 ≤ µ ≤ x + e0 ) = 1 − α  σ σ  P  x − zα / 2 ≤ µ ≤ x + zα / 2  = 1−α  n n σ IC = x ± zα / 2 n Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006) Slide 13
  • 14. Cálculo do Intervalo de Confiança Método 2: cálculo quando NÃO se conhece o desvio padrão da população: P (x − e0 ≤ µ ≤ x + e0 ) = 1 − α  sx sx  P  x − tn−1,α / 2 ≤ µ ≤ x + tn−1,α / 2  = 1−α  n n sx IC = x ± tn−1,α / 2 n Desvio Padrão da Amostra Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006) Slide 14
  • 15. Cálculo do Intervalo de Confiança Método 3: utilizando as funções do Excel 1.O comando INT.CONFIANÇA(nível se significância,desvio padrão da população,tamanho da amostra) considera que o desvio padrão da POPULAÇÃO é conhecido. 2.Assim, para o caso de só conhecermos o desvio padrão da AMOSTRA, devemos construir a expressão: sx e0 = tn−1,α / 2 n utilizando a seguinte fórmula no EXCEL: =INVT(alfa;n-1)*(DESVPAD(amostra)/RAIZ(n)) Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006) Slide 15
  • 16. Cálculo do Intervalo de Confiança Método 4: utilizando as funções do Gnumeric CONFIDENCE(nível se significância,desvio padrão da população,tamanho da amostra) Compatível com o Excel Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006) Slide 16
  • 17. Número de Replicações Para se atingir uma precisão desejada em determinado valor, necessita-se rodar o modelo várias vezes, gerando uma AMOSTRA PILOTO de tamanho n e com precisão h. Utilizando-se a expressão a seguir, onde h* é a precisão desejada, pode-se estimar o número de replicações necessárias n*: *   h 2  n = n *    h   Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006) Slide 17
  • 18. Número de Replicações: Exemplo Considere-se que foram realizadas 20 replicações de um modelo de simulação. Para essa amostra piloto, a precisão obtida foi de 0,95 minutos para a média do tempo em fila. Qual o número de replicações necessárias caso necessite-se de uma precisão de 0,5 minutos? Neste caso, n=20, h=0,95 e h*=0,5:   0,95  2  n = 20   = 72,2 = 73   0,5     Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006) Slide 18
  • 19. Análise de Resultados: Sistemas Terminais 7 Etapas: Estabelecer as medidas de desempenho adequadas; Escolher a confiança estatística e a precisão com que se pretende trabalhar; Definir, a partir da observação do sistema real, o tempo de simulação; Construir a “amostra piloto”; Determinar o número de replicações necessárias; Rodar o modelo novamente; Calcular o novo intervalo de confiança. Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006) Slide 19
  • 20. Análise de Resultados: Sistemas Não-Terminais 3 Técnicas Começar a simulação em um estado próximo daquele esperado em regime permanente; Rodar o modelo por um tempo de simulação longo; Eliminar, dos dados de saída, todos os valores gerados durante o período transitório. Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006) Slide 20
  • 21. Tempo de Warm-up Em uma linha de produção de um determinado produto, para que o produto possa ser produzido, uma peça deve passar por 10 operações executadas em máquinas automáticas distintas. Os tempos de operação nas máquinas são todos normalmente distribuídos com média de 0,9 minuto e desvio padrão de 0,3 minuto. As peças chegam à linha em um intervalo constante de tempo igual a 1 minuto. O gerente da linha está preocupado com o tempo total de produção. Nas palavras dele: – Se o produto passa por 10 máquinas que levam 0,9 minuto cada uma, então, era de se esperar que o tempo total de produção fosse de 0,9x10=9 minutos, em média. Mas, hoje, estamos operando em 15 minutos, cerca de 50% mais lentos! Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006) Slide 21
  • 22. Tempo de Warm-up Em uma linha de produção de um determinado produto, para que o produto possa ser produzido, uma peça deve passar por 10 operações executadas em máquinas automáticas distintas. Os tempos de operação nas máquinas são todos normalmente distribuídos com média de 0,9 minuto e desvio padrão de 0,3 minuto. As peças chegam à linha em um intervalo constante de tempo igual a 1 minuto. O gerente da linha está preocupado com o tempo total de produção. Nas palavras dele: – Se o produto passa por 10 máquinas que levam 0,9 minuto cada uma, então, era de se esperar que o tempo total de produção fosse de 0,9x10=9 minutos, em média. Mas, hoje, estamos operando em 15 minutos, cerca de 50% mais lentos! Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006) Slide 22
  • 23. M Tempo de Warm-up Tempo de Tempo médio de produção (min) Replicações simulação (min) 1 2 3 4 5 Média 10 0.00 0.00 0.00 0.00 0.00 0.00 20 3.00 3.06 1.98 2.03 2.92 2.60 30 9.62 9.60 9.79 9.98 9.84 9.76 40 10.82 11.26 10.75 11.64 11.39 11.17 50 11.37 12.87 11.26 11.66 11.19 11.67 60 12.47 13.34 12.04 11.76 10.91 12.10 70 13.33 14.78 13.29 12.70 11.03 13.03 80 13.57 14.08 13.91 12.68 12.00 13.25 90 12.51 14.23 14.47 12.28 12.07 13.11 M M M M M M M 580 15.47 14.71 15.07 15.79 13.79 14.97 590 15.26 14.87 15.82 16.60 13.17 15.14 20 600 15.08 14.61 15.99 16.97 12.85 15.10 Tempo de Ciclo (min) 18 16 14 12 10 Replicação 1 8 Replicação 2 Replicação 3 6 Replicação 4 Replicação 5 4 Média 2 0 0 50 100 150 200 250 300 350 400 450 500 Tempo de Simulação (min) Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006) Slide 23