A Modelação e Simulação Estocástica consiste na modelação de um sistema real em ambiente virtual, mimetizando os seus comportamentos e interações. Por ser estocástica, é possível incorporar a aleatoriedade e incerteza do mundo real. Apresenta como vantagens a flexibilidade e agilidade na modificação desse sistema modelado, e.g., layout, número de recursos, decisões processuais, políticas de armazenamento, regras de planeamento – apelidados de cenários. Os modelos de simulação são white-boxes, i.e., permitem ver, compreender, e diagnosticar os seus comportamentos. A definição de métricas permite comparar os diferentes cenários, e tomar uma decisão informada.

As ferramentas analíticas tradicionais permitem aferir a capacidade do sistema de forma estática. Contudo, a realidade é dinâmica. A simulação tem a capacidade de mimetizar a dinâmica do sistema real, quer no fluxo intraprocessual, quer na interação interprocessual. É, então, possível ter uma análise holística do sistema. Tendo em conta esta vantagem, a Simulação é utilizada há décadas como técnica de diagnóstico, avaliação, e melhoria de processos. Esses processos poderão ser de natureza industrial, hospitalar, administrativa, entre outros.

Por ser estocástica, a simulação é capaz de incorporar aleatoriedade – inerente a tudo o que nos rodeia. Esta capacidade pode ser incorporada em vários aspetos do modelo de simulação, nomeadamente em decisões do processo (e.g., falha no processo, atribuição de prioridade), ou no tempo de uma atividade (e.g., tempo aleatório, dependente, ou opcional).

Adicionalmente, é possível mimetizar a incerteza associada a processos específicos, desbloqueando a análise de risco do sistema. Esta capacidade é relevante em questões críticas, dotando os decisores de informação sobre o risco de indisponibilidade ou falha.

Ao modelar o sistema em ambiente virtual, é possível modificá-lo de forma flexível e ágil. Alguns exemplos são: modificar o layout, variar o número de recursos, alterar decisões processuais, avaliar a política de armazenamento, ou testar regras de planeamento. Ao fazer tais modificações em ambiente virtual, as operações reais continuam a decorrer, reduzindo-se o risco de segurança para os trabalhadores; ou mesmo, desbloqueia o teste do sistema antes da sua implementação.

Cada modificação poderá constituir um cenário, possibilitando a comparação direta entre cada um. Os cenários podem ser comparados com base em métricas pré-definidas, e.g., tempo no sistema, tempo de espera, tempo de atravessamento, ocupação de recursos. Com base na comparação entre as métricas de cada cenário, será, então, possível tomar uma decisão informada sobre qual o cenário adequado às necessidades da organização.

Estes modelos de simulação são white-boxes, i.e., é possível ver, compreender, e diagnosticar os comportamentos do modelo de simulação. Esta funcionalidade amplia as capacidades de diagnóstico processual – uma vez que permite verificar cada processo ponto a ponto, e cada interação interprocessual.

Com o advento da digitalização, as exigências da Simulação incrementaram. A montante na incorporação de dados históricos e dinâmicos (data-driven), e a maior necessidade de flexibilização da modelação (digital shadow). A jusante na exportação dos dados dos cenários simulados para os demais sistemas de informação da organização.

Na atual era do Digital Twin, preveem-se duas necessidades relevantes: integração e autonomização. Na integração, existe a necessidade da simulação estar conectada à infraestrutura digital da organização, a fim de replicar mudanças no sistema real – reduzindo a necessidade de modelação e aumentando a sua resiliência. A autonomização foca-se na capacidade autónoma e automática dos modelos de simulação de correrem cenários que: (a) apoiem nas tarefas regulares, (b) procurem alternativas adequadas, e (c) antecipem restrições futuras. Respetivamente: simular, prever, e prescrever.

É com vista à integração e autonomização que a equipa de Modelação e Simulação Estocástica tem vindo a fazer desenvolvimentos na utilização de software open-source na simulação. O benefício do baixo custo de aquisição é um ótimo complemento.

Artigo de opinião de Marcelo Henriques, Researcher in Stochastic Modelling and Simulation do CCG/ZGDV Institute.