Posts

SOFTWARES PARA SIMULAÇÃO

A crescente popularidade de uso da simulação como ferramenta de modelagem e análise de problemas resultou em uma vasta e também crescente disponibilidade de softwares de simulação no mercado. Como estes softwares normalmente representam dispêndios consideráveis para as empresas que adquirem uma licença de uso, sua seleção adequada passa a ser um dos fatores chave no sucesso dos projetos de simulação (e do emprego da equipe responsável!) a serem futuramente desenvolvidos. Assim sendo, esta seleção deverá ser feita cada vez mais com base em critérios objetivos, levando em conta não apenas as características dos produtos mas também das aplicações que se pretende desenvolver. Como em qualquer situação de decisão complexa, informação é um fator chave, sendo este o principal objetivo do presente trabalho: fornecer informações básicas sobre estes produtos e, mais importante ainda, contribuir para um processo de busca de informações mais eficiente.
Nosso interesse principal são os softwares de simulação a eventos discretos. No entanto, dependendo da aplicação, não se deve desconsiderar a possibilidade de uso de planilhas eletrônicas (EXCEL® e outros) e produtos acessórios (como o @RISK da Palisade Corporation), especialmente no caso de situações mais simples em que a variável tempo não é relevante (as chamadas “one-shot simulations”) ou situações em que relógio pode ser modificado a intervalos constantes. Além disso, cabe também uma menção aos softwares de apoio estatístico à simulação, tais como os que servem para identificar distribuições de probabilidade para os dados de entrada (Ex: BestFit e ExpertFit) ou voltados para uma melhor análise de resultados e experimentação.

Hoje, com um micro Pentium, numa configuração padrão (32Mb de RAM), já dispomos de uma máquina capaz de processar aplicações bastante complexas e antes inimagináveis. No entanto, o software passou a representar um fator crucial no uso da simulação. Assim, embora se disponha atualmente de bons produtos no mercado, a sua maior sofisticação, aliada a um custo cada vez mais elevado, tornou a escolha do software de simulação uma difícil decisão. Anteriormente, a dificuldade que residia num número reduzido de opções: Linguagens Gerais de Programação (FORTRAN, Pascal,…), ou às poucas Linguagens Específicas para Simulação (GPSS, SIMULA, GASP, SLAM) transferiu-se hoje para uma difícil e por vezes cara escolha dentre um elevado número de produtos e um permanente esforço de atualização em relação a estes produtos.

SOFTWARES DE SIMULAÇÃO DE CARÁTER GERAL

Podemos dividir em duas grandes categorias os softwares de simulação hoje disponíveis:
• De natureza geral (aqui focalizados);

• Voltados para aplicações específicas, tais como manufatura, serviços, telecomunicações, reengenharia e outros.

Os softwares de caráter geral são, naturalmente, os mais conhecidos. Com a certeza de estarmos (não intencionalmente!) omitindo vários destes produtos, apresentamos no quadro abaixo uma lista (em ordem alfabética) dos principais softwares, empresa responsável, endereço da Homepage (quando disponível) e a informação que dispomos a respeito da existência de representante no Brasil. Em sua grande maioria, as empresas citadas são especializadas em simulação, oferecendo também outros produtos – tais como simuladores voltados para aplicações específicas, derivados do software de caráter geral – e serviços – tais como consultoria e treinamento. Quase todos estes softwares têm demos disponíveis, seja através de contato direto com a empresa, seu representante, via internet (cuidado que, em geral, são arquivos pesados!). De qualquer forma, uma maneira prática e rápida para se saber mais sobre cada um destes produtos, é visitando as respectivas Homepages e “sites” relacionados.

 1997_10_imagem 01

 

CARACTERÍSTICAS GERAIS DOS PRODUTOS

Algumas características marcantes são comuns à maioria dos produtos que disputam este rico mercado. Dentre elas citamos a busca de um ambiente de trabalho que seja o mais amigável possível, de preferência um aplicativo Windows, com facilidades para a modelagem, depuração, visualização da execução, análise estatística de resultados e geração de relatórios.

Mas, sem dúvida, a característica de maior apelo comercial são os recursos de animação. Estes, vão desde simples implementações com símbolos gráficos (círculos, quadrados, etc..) piscando na tela e mostrando valores numéricos que descrevem o estado do sistema (tamanho de filas, por exemplo), até sofisticados recursos de animação 3-D que, obviamente, demandam elevado esforço computacional e encarecem o produto. Nossa atitude em relação a esta tendência é um pouco conservadora: a partir de um certo nível de sofisticação da animação, vemos poucas vantagens adicionais para um estudo de simulação, inclusive com o risco de se desviar a atenção da lógica do modelo à sua visualização. Mas, também, reconhecemos o poder sedutor de uma saída animada, de tal forma que uma solução de compromisso entre os dois extremos (nenhuma animação ou animação sofisticada) nos parece a melhor alternativa.

Ainda com relação aos sistemas de animação, enquanto a maioria dos sistemas (Ex: Arena, ProModel, Automod, Taylor) permitem a visualização da simulação em “tempo real”, ou seja, enquanto ela roda, outra opção é o uso de um animador “off-line” como é o caso do PROOF Animation da Wolverine (a mesma empresa que produz o GPSS/H, uma nova versão do velho GPSS). No caso do PROOF, o programa animador lê os dados de um arquivo texto (trace file), gerado por uma rodada de simulação anterior, e, com base nestes dados mais um arquivo de lay-out, possibilita uma visualização animada da simulação. Esta opção se aplica ao GPSS, mas também pode ser utilizada com outros softwares, tais como o SIMUL (Saliby, 1996); para isso, basta a simulação gerar o arquivo texto (trace file) no formato requerido pelo PROOF.

Outra característica marcante destes novos produtos, e nisso eles são mais parecidos entre si, diz respeito à etapa de modelagem/programação. Neste caso, dispõe-se geralmente de uma vasta biblioteca de blocos de modelagem/programação que são selecionados via menu, posicionados e conectados via mouse (“drag and drop”). Cabe ainda ao usuário preencher os dados adicionais necessários, em janelas associadas a cada um destes blocos. Mas, não se animem! Numa aplicação real, o usuário sempre terá alguma programação a fazer, ao contrário do que os vendedores de software geralmente afirmam! E aí, podem surgir dificuldades práticas, pois o usuário poderá ser obrigado a decifrar um código de simulação gerado na linguagem específica do aplicativo e saber como fazer as alterações necessárias. Em geral, esta intervenção requer um grau de conhecimento do software que vai muito além do conhecimento dos blocos básicos de modelagem/programação.

ALGUMAS SUGESTÕES

Jerry Banks (1997), um dos autores que mais têm escrito sobre o assunto, forneceu uma lista de fatores a serem considerados na seleção de um software de simulação, fatores estes descritos cada um deles por um conjunto de características. Um resumo destes fatores se segue:

• Entrada (Input):

Recurso de apontar mouse e clicar;
Utilização de desenhos CAD;
Importação de arquivos;
Exportação de arquivos;
Sintaxe comprensível;
Controle interativo de execução;
Interface com outra linguagem;
Recurso para análise de dados de entrada.

• Processamento:

Possibilidade de modelagem complexa (Powerful constructs);
Velocidade;
Flexibilidade de execução de corridas;
Geração de valores aleatórios;
Reinicialização de estatísticas e geradores (Reset);
Replicações independentes;
Variáveis globais e de atributo;
Programação: flexibilidade lógica;
Portabilidade

• Saída (Output):

Relatórios padronizados;
Relatórios personalizados (“customizados”);
Geração de gráficos;
Manutenção de bancos de dados;
Coleta do resultado de expressões matemáticas;
Medidas de desempenho específicas da aplicação (“customizadas”);
Saída em arquivos.

• Ambiente:

Facilidade de uso;
Facilidade de aprendizado;
Qualidade da documentação;
Recursos de animação;
Versão “Run Time”.

• Fornecedor do software:

Estabilidade;
História;
“Track record”;
Suporte.

• Custo:

Aquisição de licença;
Atualizações;
Treinamento e suporte.

Outros autores fornecem sugestões adicionais, merecendo destaque os seguintes fatores:

• Uso de templates para modelagem mais rápida;
• Uso do conceito de programação orientada a objetos;
• Interface com outras ferramentas de software (CAD, planilhas, …)
• Recursos de otimização experimental;
• Aplicações Internet;
• Controle em tempo real.

CONCLUSÃO

Então, o que fazer para se escolher um destes produtos?
Nossa sugestão é óbvia: informe-se o melhor possível! Hoje, com a Internet, tudo fica mais fácil, desde a consulta ao fabricante de software até o contato com grupos de interessados. Um esforço neste sentido é a realização periódica de encontros ou Workshops de simulação, reunindo a comunidade interessada. Também nos propomos a manter um “site” (www.coppead.ufrj.br/pesquisa/cel/po_simul.html) para auxiliar nesta troca de informações como parte das atividades do Núcleo de Simulação do Centro de Estudos em Logística da COPPEAD/UFRJ. Neste “site”, além de fornecer vários links, iremos anunciar eventos na área, disponibilizar artigos, lista de e-mails e manter uma lista de discussão sobre simulação. Para isso contamos com a colaboração de todos os interessados.

Links associados à simulação e softwares de simulação
(Para uma relação atualizada, consultar o nosso “site” acima fornecido)

INDICAÇÕES PRINCIPAIS

• Informs College on Simulation (INFORMS/CS). Grupo de estudos do INFORMS com interesse em simulação. Rico em informações, com links para muitos fabricantes de software. www.isye.gatech.edu/informs-sim
• SimTECH. Associação de fabricantes de softwares de simulação. Links para vários fabricantes com breve descrição de seus produtos. www.sim-tech.org.
• Winter Simulation Conference. Principal evento em simulação a eventos discretos, realizado anualmente no início de dezembro, nos Estados Unidos. Além da presença de especialistas no assunto, os principais fabricantes de software de simulação também expõem os seus produtos. Em 1997, será realizada entre 07/12/97 e 10/12/97, em Atlanta. www.wintersim.org

OUTRAS INDICAÇÕES

• ACM Special Interest Group on Simulation (ACM/SIGSIM). www.acm.org/sigsim
• ACM Transaction on Modeling and Simulation (ACM/TOMACS). Jornal Eletrônico. www.acm.org/pubs/tomacs
• Institute of Industrial Engineers (IIE). Publica revista com anúncios, links e surveys. www.iienet.org
• Computer Simulation Modeling and Analysis (CSMA). Jornal Eletrônico. tebbit.eng.umd.edu/simulation
• Michael Trick. Home Page rica em material sobre PO. mat.gsia.cmu.edu
• OR/MS Today. Revista com anúncios, links e surveys. lionhrtpub.com/ORMS.html
• Palisade Corporation. Empresa que desenvolve e comercializa vários softwares em PO, em particular o @RISK e o BestFit. www.palisade.com
• Society for Computer Simulation International (SCS). Publica, entre outras coisas, uma revista mensal sobre simulação (Simulation). www.scs.org

BIBLIOGRAFIA

Banks, J. Interpreting Simulation Software Checklists, OR/MS Today, 22, 3, 74-78 (Junho 1996)

Banks, J. Software for Simulation. In Proceedings of the 1996 Winter Simulation Conference, Ed. J. M. Charnes, D. J. Morrice, D. T. Brunner e J. J. Swain, 31-38 (1996).

Banks, J. e Gibson, R. R. Selecting Simulation Software. IIE Solutions, 30-32 (Maio 1997)

Banks, J. e Gibson, R. R. Simulation Modeling: some programming required. IIE Solutions, 26-31 (Fevereiro 1997)

Bard, J. F; deSilva, A; Bergevin, A. Evaluating Simulation Software for Postal Service Use: Technique Versus Perception. IEEE Transactions on Eng. Management, 44, 31-42 (1997).

Rodrigues Jr., J. M. 1995 Directory of Simulation Software. The Society for Computer Simulation, 1995.

Rohrer, M. Seeing the Importance of Visualization in Manufacturing Simulation. IIE Solutions, 24-28 (Maio 1997).

Saliby, E. SIMUL 3.1. Software e manual. COPPEAD/UFRJ, 1996.

Swain, J. J. Flexible Tools for Modeling. OR/MS Today, 19, 62-74 (Dezembro 1993)

_____________. Simulation Software Buyers Guide. IIE Solutions, 56-67 (Maio 1995)

SIMULAÇÃO COMO FERRAMENTA PARA ANÁLISE DE NÍVEL DE SERVIÇO E CAPACIDADE DE ATENDIMENTO EM UM POSTO DE GÁS NATURAL

The main objective of this paper is to study the formation of waiting lines on a Petroleum Natural Gas station (PNG station) by using simulation. Also, the expected number of customers in queueing system and waiting times are evaluated, as well as alternative solutions to improve the PNG station’s current capactity to provide the service to taxi-drivers.

  1. A PROBLEMÁTICA DO ABASTECIMENTO

Conforme revelado por diversas pesquisas, o Gás Natural de Petróleo (GNP) é o combustível automotor de mais baixo custo por quilômetro rodado. Sua venda foi regulamentada em 1991, atendendo, assim, aos anseios de um grande número de frotistas e de taxistas, possibilitando a conversão de seus veículos ao gás.

Com o decorrer do tempo, os poucos postos inaugurados mostraram-se insuficientes para atender à crescente demanda, concorrendo para deterioração dos níveis de serviço (medidos em tempo de espera do taxi na fila e tamanho de fila).

As principais motivações de nosso trabalho são: avaliar o atual nível de serviço de um posto de abastecimento de GNP: determinar métodos para aumentar produtividade e quantificar incrementos no volume de vendas. Dessa forma, são vários os fatores que concorrem para este cenário:(a) escassez de oferta do serviço: somente 5 postos distribuem gás natural no Rio de Janeiro; (b) elevados investimentos necessários para montagem de um posto de serviço, principalmente em compressores, demais equipamentos e obras civis, da ordem de um milhão de dólares; (c) métodos empregados nas operações de abastecimento ainda não estudados cientificamente, bem como os procedimentos de segurança que tornam o atendimento mais demorado, obrigando também cada táxi conter somente um tanque para carga de gás, o que reduz a autonomia.

Os fatores acima mencionados evidenciam um sistema complexo, de difícil tratamento analítico, justificando-se, portanto, a aplicação de simulação computacional para estudar o tamanho de filas, bem como o comportamento característico do sistema face à demanda.

  1. MODELAGEM DO PROBLEMA

Uma característica da fonte de chegada ou população potencial é seu “tamanho”, ou  a quantidade potencial de táxis a gás que podem abastecer no posto. Como são poucos os postos de gás natural na cidade do Rio de Janeiro e como os veículos movidos a GNP apresentam menor autonomia, podemos supor uma fonte de chegadas infinitas. Por outro lado, o padrão estatístico dentro do qual os clientes são gerados no tempo foi suposto Poisson.

Medimos, portanto, quantos táxis chegavam em média a cada intervalo duas horas e, aplicando teste de aderência Qui-quadrado, a distribuição de Poisson foi aceita a 5% de significância.

Devemos ressaltar que para avaliar as taxas de chegada em faixas horárias não levantadas, como por exemplo de madrugada, recorremos a experiência do operador do posto, que a estimou em 1 táxis a cada 10 minutos.

Para levantar os tempos de abastecimento, fragmentamos este processo em várias atividades principais, desde o momento em que o táxi entra no sistema até o momento em que ele o deixa. Foram identificadas quatro atividades principais, conforme a tabela abaixo:

1995_09.2_imagem 01

Foram coletadas diversas amostras da duração dessas atividades, ao longo de diversas faixas horárias, estabelecendo-se um tempo médio e seus respectivos  desvios-padrão.

Evidenciou-se, mediante Anova para três amostras de tamanhos diferentes e  uma classificação (10:00 – 11:00 hs, 11:40 – 12:40 hs e 14:50 – 16:50 hs), que os tempos médios de abastecimento diferem significativamente, ao nível de 5%, com a equipe de frentistas,. havendo mudança de turnos de trabalho às 7:00, 15:00 e às 23:00.

Finalmente, foi constatado estatisticamente que a emissão da nota fiscal para cooperativas de taxistas aumenta a permanência do táxi no posto.

  1. MODELAGEM COMPUTACIONAL

Foi adotado como ferramenta de trabalho a simulação digital. A simulação tem como objetivos tornar viável a realização de testes na configuração do posto, sem que se torne necessário nenhuma mudança real na estrutura do mesmo. Basicamente, a simulação compreende duas etapas: a modelagem do problema e a simulação computacional.

Para modelagem do sistema foi utilizado o pacote de simulação Simul, que é, basicamente, um conjunto de subrotinas que organiza e gerencia um conjunto de atividades que deve começar sob certas condições e terminar após certo período de tempo. No processo de modelagem do problema foi utilizado o conceito do Diagrama do Ciclo de Atividades (DCA), que traz uma informação geral do sistema simulado e é recomendado aos usuários do pacote de simulações em questão. O DCA é uma representação esquemática do modelo de simulação e possui três conceitos básicos: entidade, atividade e fila, conforme a tabela apresentada a seguir :

 1995_09.2_imagem 02

A figura abaixo representa o D.C.A. do sistema atual do posto e na tabela 4 são apresentadas as atividades relacionadas, as entidades que participam delas e seus atributos, bem como as filas pelas quais as entidades passam.

1995_09.2_imagem 03

Baseado nos tempos de operação e nas taxas de chegada, foram programados os eventos que simulariam as atividades do posto, utilizando, para tal, o conceito de geração de variáveis aleatórias (normal e exponencial), com médias e desvios padrão calculados à partir dos dados reais.

O número de bicos pode ser escolhido pelo usuário do sistema e varia entre 3 e 5. Já o número de frentistas foi estabelecido como de n, onde n é a metade do número de bicos. Na verdade, um frentista opera dois bicos simultaneamente, sem sobrecarga de trabalho. Ou seja, um frentista, quando está participando de uma atividade pode também participar de outra ao mesmo tempo, sem que sua performance seja prejudicada. Além disso, o sistema é capaz de realizar simulações para vários dias consecutivos, sem re-inicialização de variáveis e de coletar os dados estatísticos por faixas horárias, facilitando assim futuras análises.

  1. PROJETO DE EXPERIMENTOS

Simulamos três configurações básicas alternativas (experimentos) ao atual funcionamento do posto. São elas: (a) emissão automática de nota fiscal por dispositivo eletrônico, atualmente, vinte por cento dos táxis que abastecem no posto diariamente exigem nota fiscal;(b) suposição que o tempo médio de abastecimento diário alcançasse o nível do melhor tempo médio coletado por amostragem, mediante treinamento das equipes de frentistas;(c) emissão automática de nota fiscal e melhor equipe de frentistas.

Descreveremos, agora, os ganhos no nível de serviço ao taxista avaliados através de simulações dessas configurações alternativas.

4.1. Emissão automática de nota fiscal

A simulação desta alternativa para 50 dias consecutivos, apresentou reduções consideráveis no tamanho médio de fila e no tempo médio de espera na fila, em especial nas faixas horárias de pico, (15 às 17, de 17 às 19 e de 19 às 21 horas) conforme podemos verificar no gráfico abaixo, comparativamente à configuração atual de operação do posto.

Reduções expressivas em faixas horárias de menor movimento (0 às 5, 5 às 7, 7 às 9 e 21 às 24 horas) devem ser analisadas com cautela, já que o tamanho médio de fila por intervalo não é suficientemente grande a ponto de se estabelcer uma diferença significativa. Esta ressalva esta implícita em todas as análises feitas daqui por diante.

1995_09.2_imagem 04

4.2. Melhor equipe de frentistas sem emissão automática de nota fiscal

Esta configuração apresenta melhorias de nível de serviço muito mais expressivas, que a anterior para os horários de pico (15 às 17, 17 às 19 e 19 às 21:00).

Para a faixa horária de 17 às 19:00 hs, sobretudo, a simulação indicou uma redução dramática de 80% no tamanho médio da fila de espera, conforme o gráfico abaixo que indica uma queda de 25 para 5 táxis em média.

 1995_09.2_imagem 05

4.3. Melhor equipe de frentistas com emissão automática de nota fiscal

Esta última configuração é a que apresenta maiores ganhos para os horários de pico; em particular, mais uma vez, para o horário de 17 às 19:00 hs, conforme nos mostra o gráfico abaixo.

1995_09.2_imagem 06
  1. QUANTIFICAÇÃO DO AUMENTO DO VOLUME ANUAL DE VENDAS

Apresentaremos os ganhos decorrentes da implantação das configurações descritas acima. Os pressupostos básicos para que tal potencial de vendas se converta em aumento de receita são: (a) a demanda aumentará até que o nível de serviço da nova configuração se iguale ao nível da configuração antiga (em termos de tempo de espera), estabilizando-se a partir daí; (b) população (número potencial de táxis) infinita.

Desta forma podemos estimar o aumento da demanda em número de táxis/dia em função do tamanho de fila desejado (nível de serviço) para a faixa horária mais crítica.

5.1. Emissão automática de nota fiscal

É fácil perceber que, para o tamanho médio de fila voltar a 25 táxis, é necessário um aumento na demanda da ordem de 3%. Isto significa apenas mais treze carros no sistema ao longo do dia e um aumento no volume anual de vendas da ordem de trinta mil reais.

O parágrafo acima traduz uma informação de grande relevância: o posto estava em seu ponto crítico de saturação, onde o impacto dos experimentos testados se traduziu em consideráveis aumentos de produtividade. Entretanto, um pequeno aumento no volume de carros atendidos diariamente trouxe de volta o sistema ao seu estado de saturação

5.2. Melhor equipe de frentistas sem emissão automática de nota fiscal

Este experimento apresentou maiores ganhos de produtividade que o anterior. Em outras palavras, numa situação de operação próxima a saturação, o posto é mais sensível ao treinamento de seus recursos humanos, em termos de aumentos de produtividade,  que a implementação da emissão automática de nota fiscal..

É fácil perceber que, para o tamanho médio de fila voltar a 25 táxis, é necessário um aumento na demanda da ordem de 16%. Isto significa mais setenta e oito carros no sistema ao longo do dia e um aumento no volume anual de vendas da ordem de cento e sessenta mil reais.

5.3.Melhor equipe de frentistas com emissão automática de nota fiscal

Conforme esperado, esta configuração apresenta como característica principal um aumento de produtividade que não é equivalente a soma dos aumentos de produtividade dos outros experimentos anteriores.

Se com a emissão automática de nota fiscal o tamanho médio de fila para a pior faixa horária caiu de 25 para 15 carros, e com  a melhor equipe o tamanho médio cai de 25 para 5 carros, a execução dois experimentos simultaneamente não significa necessariamente que a fila vá cair a zero carro. Há interferências entre os experimentos, e um estudo mais detalhado foge do escopo de nosso trabalho.

É fácil perceber que para o tamanho médio de fila voltar a 25 táxis, é necessário um aumento na demanda da ordem de 18%. Isto significa mais oitenta e oito carros no sistema ao longo do dia e um aumento no volume anual de vendas da ordem de cento e oitenta mil reais.

1995_09.2_imagem 07

CONCLUSÃO

Este trabalho, através do uso de simulação computacional, avaliou soluções alternativas para aumentar a produtividade num sistema saturado, sem perspectivas imediatas de aumento na capacidade de atendimento.

Procurou-se avaliar o impacto destas configurações alternativas em termos de nível de serviço ao taxista (tamanho de fila e tempo de espera), bem como estimar um provável aumento no volume anual de vendas.

BIBLIOGRAFIA

* Costa Neto, Pedro Luiz de Oliveira, “Estatística”, Editora Edgard Blücher, São Paulo, 1977.

* Hillier, Frederick S., “Operations Research”, Holden-Day, San Francisco, 1974

* Saliby, Eduardo; Pimentel, Milton, Relatório COPPEAD nº 255 – Simul: Um Sistema Computacional para a Simulação a Eventos Discretos em Turbo Pascal, Rio de Janeiro, 1991.

Autores: Peter Wanke, Leonardo Barros e Milene Cauzin