Summary and literary contributions

A simulação é o processo de projetar um modelo computacional de um sistema real e conduzir experimentos com este modelo com o objetivo de entender seu

comportamento e/ou avaliar estratégias para sua operação (PEDGEN et al., 1999; SHANNON, 1975).

Simulação é um tipo de modelagem matemática que procura retratar a dinâmica de um sistema existente ou planejado permitindo, em seguida, a avaliação das soluções viáveis do problema. A simulação propicia ainda o melhor entendimento do comportamento do sistema dado um conjunto de condições (KELTON et al., 2010).

De acordo com Hillier e Lieberman (2010), num modelo de simulação, o comportamento do sistema real é imitado usando-se distribuições de probabilidades para gerar aleatoriamente os diversos eventos que ocorrem no sistema e quando esse modelo é executado, são obtidas observações estatísticas do desempenho do sistema resultante dos diversos eventos gerados aleatoriamente. Banks et al. (2005) afirmam que simulação imita a operação de um sistema ou processo ao longo do tempo e envolve a geração de um histórico artificial do sistema e da observação desse histórico para desenvolver inferências a respeito da operação e características de um sistema real.

A simulação é uma técnica utilizada tanto para projeto e avaliação de novos sistemas, como para análise de configuração, teste de regras de operação e avaliação de alternativas de operação em sistemas existentes. As suas aplicações têm crescido em diversas áreas, auxiliando os gestores na tomada de decisão em problemas complexos e possibilitando um melhor conhecimento dos processos.

Segundo Aboueljinane et al. (2013), a simulação é uma das ferramentas mais largamente usadas em Pesquisa Operacional para identificar áreas de potenciais melhoramentos e desperdícios através da investigação de cenários alternativos em sistemas complexos. Banks et al. (2005) associaram o aumento da popularidade de modelos de simulação ao avanço nas metodologias e Law e Kelton (2000) a facilidade do uso de animação e ao aumento de credibilidade junto aos tomadores de decisão que a animação proporciona. Hillier e Lieberman (2010) afirmam ainda que por ser uma ferramenta flexível, poderosa e intuitiva, sua popularidade continua em crescimento.

A simulação envolve a construção de um modelo matemático que descreve a operação do sistema em estudo. Esse modelo de simulação deve ser rodado várias vezes de modo a determinar o seu comportamento médio. Nesse sentido, ao se deparar com a solução de um modelo de simulação, é necessário entender o significado dessa solução. Deve-se enfatizar que um modelo de simulação é uma abordagem descritiva e não resolve o problema, mas mostra como um sistema vai operar sob um dado conjunto de parâmetros. Em consequência disso, a simulação pode ser usada para obter medidas de desempenho e testar

alternativas para um sistema complexo através de experimentos de amostragem em um modelo matemático.

A simulação apresenta muitas vantagens assim como algumas desvantagens. Como vantagens citar: a relativa simplicidade de construção de modelos se comparada à modelagem matemática tradicional (modelos de otimização); a possibilidade de utilização de variáveis probabilísticas ao longo de um período determinado; permite abordar um nível de detalhe mais amplo do processo; permite analisar sistemas reais, sem as simplificações requeridas pelos modelos analíticos (IANNONI, 2005); as informações geradas pelos modelos de simulação permitem a análise de, praticamente, qualquer medida de desempenho (em modelos analíticos, as análises lidam com um número limitado de medidas de desempenho); permite a realização de testes no sistema produtivo sem interrupção no funcionamento do sistema real e análise de novas situações sobre as quais se tenha pouco conhecimento e experiência; permite análise de longos períodos em curto espaço de tempo; um mesmo modelo pode ser utilizado inúmeras vezes para avaliar projetos e políticas alternativas; mostra como um sistema opera, em oposição à maneira com que todos pensam que ele opera; melhora o entendimento das variáveis de maior relevância para o desempenho do sistema e como as mesmas interagem entre si e com os outros elementos do sistema.

Em relação às desvantagens, tem-se: o tamanho e a complexidade dos modelos (em alguns casos); a necessidade de treinamento especial; dificuldade de interpretação dos resultados; consomem muitos recursos e tempo para sua execução levando, em muitos casos, a custos elevados.

Banks et al. (2005) apresentam os passos para a construção de um modelo de simulação: (1) Formulação do Problema; (2) Estabelecimento de Objetivos e Planejamento Geral do Projeto; (3) Modelo Conceitual; (4) Coleta de Dados; (5) Construção do Modelo; (6) Verificação; (7) Validação; (8) Projeto de Experimento; (9) Execução e Análise; (10) Documentação; (11) Implementação.

Ainda segundo Banks et al. (2005), a construção do modelo de um sistema pode ser considerada tanto arte quanto ciência. A arte de modelagem requer habilidade para abstrair os fatores essenciais do problema, para selecionar e modificar pressupostos básicos que caracterizam o sistema e em seguida para enriquecer e elaborar um modelo até um resultado estimado adequado. Deve existir uma interação constante entre a construção do modelo e a coleta de dados. Banks et al. (2005) também ressaltam que para a coleta de dados deve-se destinar um tempo maior, sendo necessário começar a coleta o quanto antes, geralmente junto com as primeiras etapas citadas.

A construção do modelo consiste em transformar o modelo real em um modelo computacional, com o uso de softwares que utilizam a linguagem da simulação. Após a construção do modelo, verifica-se se o mesmo representa corretamente o que foi proposto e caso isso não ocorra é necessário a construção de outro modelo. A validação é realizada através da “calibração” do modelo, que é um processo interativo de comparação do mesmo com o comportamento do sistema real, e então utilizando as discrepâncias entres os dois e o conhecimento adquirido para melhorá-lo.

Assim que o modelo for validado o próximo passo é determinar, qual será o seu tempo de inicialização, a duração de cada execução e o número de replicações de cada uma. Determinados esses valores executa-se o modelo e analisam-se seus resultados. Em alguns casos é necessária mais de uma execução, e/ou alguns ajustes para que se possa chegar o mais próximo dos objetivos, para o qual a simulação está sendo desenvolvida. Concluindo a criação do modelo, uma das últimas etapas inclui a documentação e criação de relatórios a partir dos resultados obtidos na execução do modelo. Por fim, o sucesso da implementação depende de que todas as etapas descritas anteriormente tenham sido feitas de forma correta, e para que isso ocorra o modelador deve estar envolvido de forma continua no projeto. No entanto, a etapa crucial é a validação do modelo uma vez que um modelo inválido trará resultados errôneos e caso seja implementado poderá gerar riscos e altos custos (BANKS et al., 2005).

A simulação discreta tem sido largamente utilizada para análise de sistemas em: manufatura (NEGAHBAN; SMITH, 2014; ALDURGHAM; BARGHASH, 2008), sistemas militares (YILDIRIM et al., 2009), tráfego (HOU et al., 2014), mineração (MENA et al., 2013; RODRIGUES; PINTO, 2012), saúde (ABOUELJINANE et al., 2013; ABO- HAMAD; ARISHA, 2013; HOLM et al., 2013), sistemas de estoque (PEIXOTO; PINTO, 2006; AGRAWAL; SHARDA, 2012), sistemas logísticos (LONG; ZHANG, 2014; IANNONI; MORABITO, 2002; CARVALHO et al., 2012), análise de risco financeiro (BRAMER et al., 2013), dentre outros. Nesses sistemas, tem sido aplicada tanto em decisões de nível operacional quanto em decisões de médio e longo prazo.

Segundo Iannoni (2005), a simulação também tem sido usada para validação de modelos analíticos, testando se as hipóteses e simplificações adotadas por esses modelos invalidam as análises destes sistemas. Nesse sentido, podem ser citados vários estudos que utilizaram a simulação para validação de modelos analíticos, como Kolesar e Blum (1973), Ignall et al. (1978), Iannoni e Morabito (2006a), Souza (2010) e Baptista e Oliveira (2012).