Anteprima
Vedrai una selezione di 18 pagine su 82
Dalla simulazione al Digital Twin: Il caso del terminal petrolifero Pag. 1 Dalla simulazione al Digital Twin: Il caso del terminal petrolifero Pag. 2
Anteprima di 18 pagg. su 82.
Scarica il documento per vederlo tutto.
Dalla simulazione al Digital Twin: Il caso del terminal petrolifero Pag. 6
Anteprima di 18 pagg. su 82.
Scarica il documento per vederlo tutto.
Dalla simulazione al Digital Twin: Il caso del terminal petrolifero Pag. 11
Anteprima di 18 pagg. su 82.
Scarica il documento per vederlo tutto.
Dalla simulazione al Digital Twin: Il caso del terminal petrolifero Pag. 16
Anteprima di 18 pagg. su 82.
Scarica il documento per vederlo tutto.
Dalla simulazione al Digital Twin: Il caso del terminal petrolifero Pag. 21
Anteprima di 18 pagg. su 82.
Scarica il documento per vederlo tutto.
Dalla simulazione al Digital Twin: Il caso del terminal petrolifero Pag. 26
Anteprima di 18 pagg. su 82.
Scarica il documento per vederlo tutto.
Dalla simulazione al Digital Twin: Il caso del terminal petrolifero Pag. 31
Anteprima di 18 pagg. su 82.
Scarica il documento per vederlo tutto.
Dalla simulazione al Digital Twin: Il caso del terminal petrolifero Pag. 36
Anteprima di 18 pagg. su 82.
Scarica il documento per vederlo tutto.
Dalla simulazione al Digital Twin: Il caso del terminal petrolifero Pag. 41
Anteprima di 18 pagg. su 82.
Scarica il documento per vederlo tutto.
Dalla simulazione al Digital Twin: Il caso del terminal petrolifero Pag. 46
Anteprima di 18 pagg. su 82.
Scarica il documento per vederlo tutto.
Dalla simulazione al Digital Twin: Il caso del terminal petrolifero Pag. 51
Anteprima di 18 pagg. su 82.
Scarica il documento per vederlo tutto.
Dalla simulazione al Digital Twin: Il caso del terminal petrolifero Pag. 56
Anteprima di 18 pagg. su 82.
Scarica il documento per vederlo tutto.
Dalla simulazione al Digital Twin: Il caso del terminal petrolifero Pag. 61
Anteprima di 18 pagg. su 82.
Scarica il documento per vederlo tutto.
Dalla simulazione al Digital Twin: Il caso del terminal petrolifero Pag. 66
Anteprima di 18 pagg. su 82.
Scarica il documento per vederlo tutto.
Dalla simulazione al Digital Twin: Il caso del terminal petrolifero Pag. 71
Anteprima di 18 pagg. su 82.
Scarica il documento per vederlo tutto.
Dalla simulazione al Digital Twin: Il caso del terminal petrolifero Pag. 76
Anteprima di 18 pagg. su 82.
Scarica il documento per vederlo tutto.
Dalla simulazione al Digital Twin: Il caso del terminal petrolifero Pag. 81
1 su 82
D/illustrazione/soddisfatti o rimborsati
Disdici quando
vuoi
Acquista con carta
o PayPal
Scarica i documenti
tutte le volte che vuoi
Estratto del documento

Elementi di un modello di simulazione

In generale, il modello di simulazione dovrà essere sufficientemente complesso da rispondere alle esigenze del caso, ma deve comunque rimanere il più semplice possibile. Devono inoltre essere chiari i limiti di utilizzo del modello stesso.

Un modello di simulazione è costituito dai seguenti elementi:

  • Variabili di stato. Un sistema è descritto, in ogni istante di tempo, da un insieme di variabili che prendono nome di variabili di stato. Quindi, ad esempio, in riferimento ad un sistema a coda, il numero degli utenti presenti nel sistema in un certo istante di tempo è una variabile di stato.
  • Esistono sistemi discreti in cui le variabili cambiano istantaneamente, in corrispondenza di precisi istanti di tempo finiti, oppure appartenenti ad un insieme numerabile, e sistemi continui in cui le variabili variano con continuità rispetto al tempo. Si osservi che, la scelta di un modello continuo o discreto da utilizzare non

è necessariamente obbligata dallatipologia del sistema; si può infatti decidere, ad esempio, di costruire un modello discreto per un sistema continuo, a seconda dello studio da effettuare. Un esempio tipico è il caso in cui nel rappresentare una linea ferroviaria, la posizione del treno può essere descritta da una variabile reale che fornisce la distanza dalla stazione di origine, oppure da variabili binarie che descrivono lo stato libero/occupato di ciascuna delle sezioni di blocco in cui è divisa la linea.

Si definisce “evento” un qualsiasi accadimento istantaneo che ha il valore di almeno una delle variabili di stato. L’arrivo di un utente ad un sistema a coda è un evento, così come il completamento di un servizio. Esistono eventi esterni al sistema (eventi esogeni) ed eventi interni (eventi endogeni). Ad esempio, l’inizio del servizio ad un utente in coda è un evento endogeno, mentre

L'arrivo di un utente ad un sistema a coda è un evento esogeno.

Entità e attributi. Le entità sono singoli elementi del sistema che devono essere definiti. Un esempio di entità è un utente presso un sistema a coda, oppure un servente. Nel primo caso l'entità fluisce all'interno del sistema e si parla di "entità dinamica", nel secondo caso si parla di "entità statica". Le entità possono essere caratterizzate da attributi che forniscono un valore di un dato assegnato alla stessa. È chiaro che, alcuni attributi possono essere di interesse in alcuni casi e non in altri. Le entità possono essere raggruppate in classi, che sono insiemi di entità dello stesso tipo, ovvero si possono raggruppare le entità in base agli attributi. Se, ad esempio, consideriamo persone di sesso maschile e femminile come utenti di un sistema a coda, essendo le entità le persone, esse

Possono essere raggruppate in due classi in base all'attributo "sesso".

Risorse. Le risorse sono elementi del sistema che forniscono un servizio alle entità. Un'entità può richiedere una o più unità di risorsa e se questa non è disponibile l'entità dovrà mettersi, ad esempio, in una coda, in un'altra azione. Se attesa che si renda disponibile, oppure intraprendere invece la risorsa è disponibile, essa viene "catturata" dall'entità, "trattenuta" per il tempo necessario e poi "rilasciata". Un esempio di risorsa potrebbe essere un operaio che sovrintende il funzionamento di una macchina, la quale non può funzionare senza l'operaio stesso. Quando è richiesto l'utilizzo di questa macchina, se la risorsa "operaio" è disponibile, l'esecuzione del lavoro è effettuata, altrimenti si attende la sua disponibilità.

L'operaio verrà "trattenuto" per la durata dell'esecuzione del lavoro e poi "rilasciato". Si osservi che, in generale, un elemento del modello potrebbe essere considerato parimenti un'entità o una risorsa. Questo, ovviamente, dipende da come si è scelto di costruire un modello.

Un'attività è un'operazione la cui durata è nota a priori, all'inizio della sua esecuzione. Tale durata può essere una costante, un valore aleatorio generato da una distribuzione di probabilità, oppure data in input o calcolata in base ad altri eventi che accadono nel sistema. Un esempio è dato dal tempo di servizio in un sistema a coda. Un ritardo è un periodo di tempo di durata indefinita che è determinata dalle condizioni stesse del sistema. Il tempo che un'entità trascorre presso una coda prima che si liberi una risorsa della quale necessita.

di tempo”. Questi istanti di tempo corrispondono agli eventi che avvengono nel sistema e che determinano il cambiamento delle variabili. La simulazione ad eventi discreti è particolarmente adatta per modellare sistemi complessi in cui gli eventi possono accadere in modo non deterministico e in cui è importante considerare l'ordine temporale degli eventi. 2. Continuous Simulation Nella simulazione continua, il sistema viene rappresentato come un insieme di equazioni differenziali che descrivono l'evoluzione delle variabili nel tempo in modo continuo. Questo tipo di simulazione è utilizzato per modellare sistemi in cui le variabili cambiano in modo continuo e in cui è importante considerare l'interazione tra le variabili nel tempo. 3. Monte Carlo Simulation La simulazione di tipo Monte Carlo è utilizzata per modellare sistemi in cui le variabili sono soggette a incertezza e aleatorietà. Questo tipo di simulazione si basa sull'utilizzo di numeri casuali per generare i valori delle variabili e ripetere la simulazione molte volte al fine di ottenere una stima statistica dei risultati. 4. Agent-Based Simulation La simulazione basata sugli agenti è utilizzata per modellare sistemi complessi in cui gli agenti individuali hanno comportamenti autonomi e interagiscono tra loro. In questo tipo di simulazione, ogni agente è rappresentato come un'entità autonoma che prende decisioni in base alle sue regole e all'interazione con gli altri agenti. In conclusione, i modelli di simulazione possono essere classificati in base alla loro continuità, staticità o dinamicità, determinismo o stocasticità. Inoltre, esistono diversi tipi di simulazione, come la simulazione ad eventi discreti, la simulazione continua, la simulazione di tipo Monte Carlo e la simulazione basata sugli agenti.

di tempo”, appartenenti ad un insieme numerabile. In questi “istanti” accadono gli eventi. È chiaro che, essendo questi, modelli di natura dinamica, è necessario registrare, ovvero tenere memoria, del tempo (simulato) che procede. In particolare sarà necessario definire un meccanismo di avanzamento del tempo per far procedere il tempo simulato da un valore ad un altro. La variabile che in un modello di simulazione fornisce il valore corrente del tempo simulato si chiama “simulation clock”, ed esistono due modi per definire il suo avanzamento:

  • Avanzamento del tempo al prossimo evento;
  • Avanzamento del tempo ad incrementi prefissati.

Nel primo caso il “simulation clock” è inizializzato a zero e viene avanzato del primo degli eventi futuri; poi il sistema al tempo dell’accadimento viene aggiornato tenendo conto dell’evento accaduto, si aggiornano i tempi degli eventi futuri e si itera il procedimento.

La differenza con l'avanzamento ad incrementi prefissati sta nel fatto che i periodi di inattività non vengono considerati.

Riportiamo come esempio un caso reale, per la quale soluzione si è rilevato utile lo strumento di simulazione "Anylogic".

Un'autorità portuale stava affrontando i seguenti problemi:

  • La porta veniva utilizzata da più client e da questa passavano un totale di 16 prodotti;
  • Inoltre, si prevedeva che il tonnellaggio spedito di tutti i prodotti dal porto sarebbe aumentato dell'80% nei 5 anni successivi.

Le opzioni di aggiornamento disponibili erano diverse, ad esempio la creazione di nuovi posti, il trasferimento di esistenti, il dragaggio; ma la decisione chiave da prendere si basava su quanto altro prodotto avrebbe potuto essere esportato senza aggiornare la porta.

"Evans & Peck" ha utilizzato unLa società di consulenza globale approccio di modellazione ad eventi discreti per mappare le operazioni portuali.

Per un singolo ancoraggio. 17I principali vantaggi dello strumento di modellazione sviluppato includono i seguenti risultati:

  • l'autorizzazione della porta è stata fornita con uno strumento per gestire i primi passi lungo il percorso di aggiornamento;
  • sono stati individuati ritardi nelle operazioni portuali che hanno fornito alla direzione le opzioni per aumentare la produzione oltre i limiti attuali senza spese in conto capitale.

Figura 1.2 Port Model

Lo stesso metodo di modellazione decisionale può essere applicato all'analisi delle efficienze, nelle operazioni logistiche come il trasporto di prodotti, dalle miniere su strada o ferrovia ad un porto e nelle analisi della programmazione della produzione nelle industrie manifatturiere e di trasformazione. 182. Agent Based Simulation

I modelli basati sull'agente (in sigla, ABM, acronimo di agent-based model) sono una classe di modelli computazionali, finalizzati alla simulazione al computer di azioni e

interazioni di agenti autonomi (tanto individuali quanto collettivi, come organizzazioni e gruppi), al fine di valutare i loro effetti sul sistema nel suo complesso. L'ABM combina elementi di teoria dei giochi, sistemi complessi, comportamento emergente, sociologia computazionale e sistemi multi-agente. I cosiddetti "metodi Montecarlo" sono utilizzati per introdurre casualità. In particolare, in ecologia questi modelli vengono chiamati modelli basati sull'individuo (IBM) e gli individui, in un modello IBM, possono essere più semplici rispetto agli agenti completamente autonomi degli ABM. Una recente revisione della letteratura sui modelli basati sugli individui, basati sugli agenti, e sui sistemi multi-agente mostra che gli ABM sono usati in domini scientifici non correlati al calcolo, come la biologia, l'ecologia e le scienze sociali. La modellizzazione basata sull'agente è correlata a "simulazione multi-agente", distinta dalconcetto in quanto l'obiettivo del primo è di cercare informazioni esplicative sul comportamento collettivo degli agenti, che obbediscono a semplici regole, tipicamente in sistemi naturali, a differenza del secondo, il cui obiettivo è di progettare agenti o risolvere specifici problemi pratici o ingegneristici. I modelli basati su agenti sono modelli "a microscala", i quali simulano operazioni simultanee e interazioni di agenti multipli, nel tentativo di ricreare e predire l'aspetto di fenomeni complessi. Il processo è uno dei comportamenti emergenti dal livello microscopico al livello macroscopico. In quanto tale, una nozione chiave è che semplici regole comportamentali generano comportamenti complessi, come enuncia il principio KISS ("Keep it simple, stupid"), adottato in maniera estensiva nella modellazione dell
Dettagli
Publisher
A.A. 2018-2019
82 pagine
SSD Ingegneria industriale e dell'informazione ING-IND/17 Impianti industriali meccanici

I contenuti di questa pagina costituiscono rielaborazioni personali del Publisher nency.lg di informazioni apprese con la frequenza delle lezioni di Logistica industriale e studio autonomo di eventuali libri di riferimento in preparazione dell'esame finale o della tesi. Non devono intendersi come materiale ufficiale dell'università Università degli Studi di Pisa o del prof Frosolini Marco.