Simulação de computador
Em simulação por computador e simulação por computador, pretende-se realizar uma simulação usando um computador, ou mais precisamente - um programa de computador . Este programa descreve ou define o modelo de simulação .
As primeiras simulações computacionais incluíram a simulação de um modelo de esfera dura bidimensional usando o algoritmo Metropolis e o experimento Fermi-Pasta-Ulam .
Tipos de simulação
Simulação estática
Na simulação estática, o tempo não desempenha um papel. O modelo é estático, ou seja, Em outras palavras, ele considera apenas um ponto no tempo, então é mais ou menos um instantâneo.
Simulação de Monte Carlo
Se a simulação é baseada em números aleatórios e / ou estocásticos ( matemática de probabilidade), fala-se de simulação de Monte Carlo por causa da proximidade conceitual com o jogo . Esse método encontrou aplicações importantes , principalmente na física , e dois livros do físico Kurt Binder estão entre as publicações mais citadas nesse ramo da ciência.
Simulação dinâmica
O tempo sempre desempenha um papel essencial nos modelos de simulação dinâmica. A simulação dinâmica considera processos ou procedimentos.
Simulação contínua
Com a simulação contínua, os processos contínuos são mapeados. Este tipo de simulação usa equações diferenciais para representar as leis físicas ou biológicas nas quais se baseia o processo a ser simulado.
Simulação discreta
A simulação discreta usa o tempo para gerar certos eventos de acordo com intervalos de tempo medidos estatisticamente ou aleatoriamente, que por sua vez determinam o (próximo) estado do sistema.
Também conhecida como simulação de processo ou simulação orientada a eventos, a simulação discreta é usada principalmente na área de produção e logística. A grande maioria dos problemas práticos reside nesta área. Em contraste com os modelos contínuos, os modelos desta simulação podem ser bem representados com elementos padronizados (por exemplo , números aleatórios , filas , distribuições de probabilidade , etc.). Outra abordagem poderosa para desenvolver modelos discretos e orientados a eventos é a teoria da rede de Petri .
A força da simulação discreta reside no fato de que inclui a chance ou a probabilidade no modelo e fornece uma declaração sobre a probabilidade esperada dos diferentes estados do sistema se for calculada com frequência suficiente. O campo de aplicação para este tipo de simulação é, portanto, grande:
- Fluxos de trabalho na produção (todos os fabricantes de automóveis são grandes usuários de simulação)
- Processos logísticos (cadeias de abastecimento, manuseio de contêineres, etc.)
- Processos com grande número de pessoas ou mercadorias (aeroportos, grandes estações de trem, mas também pedágios de rodovias, sistemas de transporte público, centros de pós-distribuição, estações de triagem etc.)
Simulação híbrida
De simulação híbrida é chamada quando o modelo possui ambas as propriedades de simulação contínua e discreta. Tais modelos podem ser encontrados, por exemplo, em simulações médicas - especialmente para fins de treinamento - nas quais a biologia a ser simulada não é suficientemente conhecida para ser capaz de criar um modelo suficientemente detalhado e contínuo.
Dinâmica do Sistema
A simulação está sob a dinâmica do sistema
- mais complexo,
- tempo discreto,
- não linear,
- mais dinâmico e
- alimentado de volta
Entenda os sistemas. Essencialmente, esses simuladores são usados
- o comportamento de feedback dos sistemas socioeconômicos ("Dinâmica Industrial"),
- o desenvolvimento de áreas metropolitanas ("Dinâmica Urbana") e
- Modelos mundiais, como B. para o Clube de Roma ("World Dynamics")
subsumido. Os métodos e ferramentas de trabalho correspondem quase inteiramente aos da engenharia de controle ou da cibernética .
Simulação multiagente
A simulação multiagente , que pode ser vista como um caso especial da simulação discreta, permite modelar fenômenos emergentes e interações dinâmicas.
Linguagens de simulação
Embora um programa de simulação (simulador) possa, em princípio, funcionar com qualquer linguagem de programação geral - em casos simples, mesmo com ferramentas padrão, como B. uma planilha - pode ser criada, desde 1960 - após a primeira disponibilidade de computadores suficientemente rápidos - linguagens de simulação especiais foram desenvolvidas.
Inicialmente, essas linguagens limitavam-se à determinação e representação puramente matemática ou numérica dos processos e resultados de simulação. Com o advento de PCs cada vez mais poderosos na década de 1980, porém, a representação gráfica e, mais recentemente, a animação surgiram cada vez mais .
Na simulação discreta, esforços estão sendo feitos para implementar métodos de otimização, como B. Redes neurais artificiais , algoritmos genéticos ou lógica fuzzy . Esses componentes devem agregar aos simuladores clássicos a característica de busca independente por soluções ótimas, que por si só não têm efeito otimizador.
Sob o termo " fábrica digital ", grandes empresas - especialmente as de construção de veículos e aeronaves - buscam acoplar a simulação de processos (predominantemente animados) com métodos de custeio, para a criação automatizada de documentação técnica e sistemas de planejamento para unidades e fábricas de produção, a fim de reduzir os tempos e custos de desenvolvimento, bem como minimizar os custos de inspeção e manutenção de qualidade.
literatura
- Kurt Binder: Simulações de computador. Physik Journal 3 (5), 2004, 25-30.
- Valentin Braitenberg : Computadores entre experimento e teoria. Rowohlt, 1995, ISBN 3-499-19927-0 .
- Michael Gipser: Dinâmica do Sistema e Simulação. Teubner, 1999, ISBN 3-519-02743-7 .
- Reuven Y. Rubinstein, Benjamin Melamed: Modern Simulation and Modeling. John Wiley & Sons, 1998, ISBN 0-471-17077-1 .
- Bodo Runzheimer: Pesquisa Operacional. 7ª edição. Th. Gabler, 2005, ISBN 3-409-30717-6 .
- Detlef Steinhausen: técnicas de simulação. Oldenbourg, 1994, ISBN 3-486-22656-8 .
Links da web
Evidência individual
- ↑ N. Metropolis , A. Rosenbluth, M. Rosenbluth , A. Teller e E. Teller : Equation of State Calculations by Fast Computing Machines . In: Journal of Chemical Physics . fita 21 , 1953, pág. 1087-1092 , doi : 10.1063 / 1.1699114 .
- ↑ E. Fermi, J. Pasta, S. Ulam: Studies of Nonlinear Problems (PDF; 595 kB) . Documento LA-1940 (maio de 1955)
- ^ Kurt Binder , Métodos de Monte Carlo em física estatística , Springer, Berlin [u. a.] 1979, ISBN 3-540-09018-5 , e Applications of the Monte Carlo method in statistics fisica , Berlin, Springer 1984, ISBN 3-540-12764-X