ABRIL 2012 Verificao e Validao de Modelos de Simulao 1. Introduo Durante o desenvolvimento de um modelo de simulao preciso estar seguro de que ele esteja sendo corretamente implementado. 1. Introduo Subentende-se, portanto, que se encontre sem erros de sintaxe e/ou de lgica, bem como seja representativo do sistema real ou projetado. 1. Introduo Esses dois passos so conhecidos como verificao e validao de um modelo e costumam ser apontados como os primeiros passos de um processo mais amplo, que passa pela anlise e tratamento dos dados que sero utilizados pelo modelo e culmina com a anlise dos resultados da simulao. 2. Verificao e Validao de Modelos de Simulao A qualidade e a validade de um modelo de simulao so medidas pela proximidade entre os resultados obtidos pelo modelo e aqueles originados do sistema real. 2. Verificao e Validao de Modelos de Simulao Uma vez que uma srie de pressupostos e simplificaes sobre o comportamento do sistema real costuma ser realizada no desenvolvimento do modelo, qualquer tomada de deciso com base em seus resultados deve ser precedida de uma avaliao de sua qualidade e apropriao. 2. Verificao e Validao de Modelos de Simulao Essa avaliao est subdividida em duas etapas: 2. Verificao e Validao de Modelos de Simulao A primeira consiste em avaliar se esses pressupostos e essas simplificaes foram corretamente implementados no modelo computacional. 2. Verificao e Validao de Modelos de Simulao A segunda saber se, apesar dos pressupostos e essas simplificaes implementadas, o modelo ainda vlido, isto , comporta-se semelhana do sistema real. 2. Verificao e Validao de Modelos de Simulao A duas etapas so chamadas de validao e verificao. 2. Verificao e Validao de Modelos de Simulao Validao relaciona-se com a representatividade dos pressupostos.
Verificao diz respeito correo, isto , ausncia de erros, das implementaes computacionais. 2. Verificao e Validao de Modelos de Simulao
Pode-se dizer tambm que verificao a etapa na qual se assegura que o modelo realiza o que pretende que seja realizado. 2. Verificao e Validao de Modelos de Simulao
Segundo Jain (1991), aps seu desenvolvimento, um modelo computacional de simulao pode se encontrar em uma das seguintes categorias: 2. Verificao e Validao de Modelos de Simulao
1. No validado e no verificado; 2. No validado e verificado; 3. Validado e no verificado; 4. Validado e verificado;
2. Verificao e Validao de Modelos de Simulao Papel e lpis em mos, respondam:
Quando um modelo est no validado e verificado ?
(tempo de resposta no mximo 10 minutos) 2. Verificao e Validao de Modelos de Simulao Um modelo no validado e verificado seria aquele em que todos os pressupostos esto corretamente implementados, isto , computacionalmente falando, o programa est correto, mas os seus resultados encontram-se longe da realidade do sistema real. 3. Tcnicas de Verificao de Modelos de Simulao Essas tcnicas baseiam-se em dois conjuntos de elementos:
1. Mtodos tpicos de correo de programas (debugging), presentes na literatura que trata do desenvolvimento de programas de computadores;
2. Procedimentos especialmente relacionados ao desenvolvimento de modelos de simulao. 3. Tcnicas de Verificao de Modelos de Simulao Debugging (em ingls: ) - Depurao o processo de encontrar e reduzir defeitos num aplicativo de software ou mesmo em hardware. Erros de software incluem aqueles que previnem o programa de ser executado e aqueles que produzem um resultado inesperado. 3.1. Uso de Modelos Determinsticos Um problema comum que se apresenta durante a verificao dos modelos de simulao o da variabilidade das respostas do programa devido ao comportamento das variveis aleatrias.
3.1. Uso de Modelos Determinsticos Uma tcnica bastante til consiste em atribuir valores determinsticos a essas variveis aleatrias.
3.1. Uso de Modelos Determinsticos Com isso, fica mais simples a previso de respostas do sistema e, como conseqncia, a verificao e a busca de erros nos vrios mdulos do programa.
3.1. Uso de Modelos Determinsticos 3.1. Uso de Modelos Determinsticos Tempos entre chegadas (entradas 1 e 2, em minutos) = Expo (4)
Tempo de processo (processos A e B, em minutos) = Expo (2) 3.1. Uso de Modelos Determinsticos 3.1. Uso de Modelos Determinsticos As diferenas apresentadas nos resultados dos cinco experimentos devem-se alta variabilidade imposta aos parmetros empregados no modelo.
3.1. Uso de Modelos Determinsticos Especialmente, quanto distribuio Exponencial, pode-se adiantar que uma das distribuies sobre a qual cuidados redobrados devem ser tomados no seu emprego devido a grande variabilidade de seus resultados.
3.1. Uso de Modelos Determinsticos Para que um analista que observa tais resultados sem considerar tais propriedades das distribuies, comum que a primeira dvida que vem sua cabea seja a possibilidade de problemas na construo do modelo.
3.1. Uso de Modelos Determinsticos Nesse caso, executar a simulao substituindo os parmetros por valores determinsticos pode ajudar.
3.1. Uso de Modelos Determinsticos 3.1. Uso de Modelos Determinsticos Papel e lpis em mos, respondam:
Qual a concluso respeito do modelo em questo ?
(tempo de resposta no mximo 5 minutos) 3.2. Variaes sobre os Dados de Entrada Outra tcnica bastante comum variar os dados de entrada do modelo e verificar se as respostas obtidas so adequadas e consistentes com as variaes realizadas.
3.2. Variaes sobre os Dados de Entrada Dobrando-se a taxa de chegadas junto entrada 2, isto , reduzindo-se o tempo entre chegadas de Expo(4) para Expo (2), o que aconteceria?
3.2. Variaes sobre os Dados de Entrada Dobrando-se a taxa de chegadas junto entrada 2, isto , reduzindo-se o tempo entre chegadas de Expo(4) para Expo (2), o que aconteceria?
3.2. Variaes sobre os Dados de Entrada
O dobro de sadas a partir do processo A.
3.2. Variaes sobre os Dados de Entrada 3.3. Uso de Rotinas de Rastreamento (Trace)
As rotinas de rastreamento ou acompanhamento so mdulos existentes na maioria das linguagens de simulao, que permitem uma visualizao da lista dos eventos ocorridos, ordenados pelo tempo de sua ocorrncia. 3.3. Uso de Rotinas de Rastreamento (Trace) 3.4. Aplicao de Testes de Continuidade
Esses testes so aplicados sobre vrias rodadas de simulao do mesmo modelo. 3.4. Aplicao de Testes de Continuidade
A cada rodada aplica-se uma pequena alterao sobre os parmetros de entrada e, para cada um dos parmetros, uma pequena alterao geralmente provoca uma pequena mudana nos resultados. 3.4. Aplicao de Testes de Continuidade
Qualquer mudana mais radical nos resultados deve ser investigada, pois, quase sempre, provocada por um erro no programa. 3.4. Aplicao de Testes de Continuidade
Ateno para o emprego de distribuies de probabilidades que possam provocar grandes variaes sobre os resultados. 3.4. Aplicao de Testes de Continuidade
A Exponencial. 3.4. Aplicao de Testes de Continuidade 3.4. Aplicao de Testes de Continuidade
Qual a sua concluso ao observar a tabela ? 3.5. Emprego de Testes de Degenerescncia ou Robustez
Esses testes consistem em verificar o funcionamento do modelo quando, sobre os parmetros, aplicam-se valores extremos (menores ou maiores) do que os permitidos. 3.5. Emprego de Testes de Degenerescncia ou Robustez 3.5. Emprego de Testes de Degenerescncia ou Robustez
Em cincia da computao, buffer (retentor) uma regio de memria temporria utilizada para escrita e leitura de dados. 3.5. Emprego de Testes de Degenerescncia ou Robustez
No modelo criado, possvel testar algumas situaes no muito comuns de funcionamento deste roteador. 3.5. Emprego de Testes de Degenerescncia ou Robustez
Por exemplo, testar vrios tamanhos de buffer, desde o tamanho zero, o que pode provocar um grande descarte de pacotes, at o tamanho infinito, em que no haja possibilidade de descarte. 3.6. Execuo de Casos Simplificados
Uma forma especialmente sugerida para a verificao de modelos a execuo de casos simplificados. 3.6. Execuo de Casos Simplificados
No caso de sistemas de manufatura, por exemplo, significa a modelagem de sistemas com poucas mquinas, reduzindo nmero de peas, uma determinada poltica de gerenciamento de filas, ausncia inicial de um sistema de transporte, etc. 3.7. Verificao de Consistncia
Os testes de consistncia servem para verificar se o modelo produz resultados similares quando aos parmetros de entrada so atribudos valores equivalentes em diferentes execues. 3.7. Verificao de Consistncia 3.8. Independncia de Sementes Geradoras de Nmeros Aleatrios
As sementes geradoras de nmeros aleatrios utilizados nas funes geradoras de variveis aleatrias, no devem influenciar o comportamento geral dos resultados. 3.9. Rotinas de Verificao
As rotinas de verificao so elementos extras adicionados ao programa ou modelo, que permitem ao modelador averiguar a ocorrncia de determinados tipos de erros, se eles existirem. 3.9. Rotinas de Verificao
Paralelamente, possvel a emisso de alarmes, sinais ou relatrios, indicando a presena de problemas. 4. Tcnicas de Validao de Modelos de Simulao
Segundo Jain (1991), a validao consiste em assegurar que o modelo e os inmeros pressupostos e simplificaes adotados no seu desenvolvimento sejam razoveis e, se corretamente implementados, tenham um comportamento e produzam resultados semelhantes queles observados nos sistemas reais. 4. Tcnicas de Validao de Modelos de Simulao
possvel se obter um modelo que tenha um comportamento idntico ao sistema real ? 4. Tcnicas de Validao de Modelos de Simulao
praticamente impossvel ! 4. Tcnicas de Validao de Modelos de Simulao
Basicamente, o processo de validao deve abordar trs aspectos principais: 4. Tcnicas de Validao de Modelos de Simulao
1. Os que envolvem as simplificaes e os pressupostos adotados na modelagem do sistema; 4. Tcnicas de Validao de Modelos de Simulao
2. Os que consideram os parmetros utilizados como entrada de dados e as distribuies utilizadas para representarem os aspectos de aleatoriedade; 4. Tcnicas de Validao de Modelos de Simulao
3. Os que envolvem as consideraes adotadas quando das anlises e concluses formuladas diante dos resultados obtidos pelas simulaes. 4.1. O Conhecimento e a Intuio de Especialistas
De acordo com vrios autores, a anlise e a avaliao de modelos por parte de especialistas a melhor e mais simples forma de valid-los. 4.1. O Conhecimento e a Intuio de Especialistas O processo de validao, na prtica, deve ser iniciado na fase de concepo, estendendo-se at a fase de experimentao. 4.1. O Conhecimento e a Intuio de Especialistas Quais so as tcnicas bastantes empregadas no processo de validao ?
4.1. O Conhecimento e a Intuio de Especialistas Brainstorming Meeting; Testes de Turing; Testes Estatsticos (teste-t). 4.1. O Conhecimento e a Intuio de Especialistas Testes de Turing Esses testes consistem na apresentao de dois conjuntos de resultados a especialistas. Um conjunto contm resultados do sistema real enquanto que o outro do modelo. Se o especialista no conseguir distinguir os relatrios emitidos pelo modelo computacional daqueles advindos do sistema real, porque no existem muitas razes para invalidar o trabalho de modelagem. 4.2. Medies Obtidas em Sistemas Reais Embora seja o mtodo mais confivel e preferido na validao de um modelo, nunca se deve esquecer o fato de que se estar comparando observaes realizadas em sistemas distintos. (Modelo x Sistema Real) 4.3. Resultados Tericos importante ressaltar que o emprego de modelos analticos para validar modelos de simulao deve ser utilizado com certo cuidado, uma vez que ambos podem no ser representativos do sistema real. 4.3. Resultados Tericos O objetivo principal aumentar a confiana nos resultados apresentados pelo modelo para que se possa inferir com a mxima confiana sobre o comportamento do sistema real.