Análise de Dados de Saída

3.136 visualizações

Publicada em

Apresentação do material do Capítulo 6 do livro: Modelagem e Simulação de Eventos Discretos, de Chwif e Medina, 2006.

www.livrosimulacao.eng.br.

0 comentários
1 gostou
Estatísticas
Notas
  • Seja o primeiro a comentar

Sem downloads
Visualizações
Visualizações totais
3.136
No SlideShare
0
A partir de incorporações
0
Número de incorporações
57
Ações
Compartilhamentos
0
Downloads
177
Comentários
0
Gostaram
1
Incorporações 0
Nenhuma incorporação

Nenhuma nota no slide

Análise de Dados de Saída

  1. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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

×