Articoli correlati

La Simulazione Monte Carlo

La simulazione è uno degli strumenti sperimentali più potenti e costituisce un modello della realtà composto dai processi che hanno luogo nel sistema reale studi e il cui insieme permette all’analista di comprendere le logiche di funzionamento del sistema di interesse. Il metodo di Monte Carlo svolge un ruolo di spicco nella simulazione stocastica e si riferisce a metodi computazionali che con vari algoritmi generano un campione casuale del modello virtuale eseguito. La simulazione, una volta definita l’ultima spiaggia dei matematici applicati, ha ad oggi un’ampia gamma di applicazioni: gestione degli ordini di magazzino e della produzione, programmazione della manutenzione preventiva, analisi del rischio legati alla durata e ai costi di un progetto, analisi delle possibili conseguenze di un evento precursore o di un guasto, analisi di affidabilità complesse, ecc…. La sua importanza in ambito tecnico-scientifico è dovuta alla sua capacità di calcolare le probabilità che non sarebbero altrimenti deducibili con calcoli analitici.

Il metodo di Monte Carlo comporta importanti vantaggi rispetto la classica metodologia di sperimentazione che prevede la raccolta in loco dei dati e la loro successiva elaborazione per trarne le appropriate conclusioni. In prima istanza è possibile produrre dati relativi a tempi anche molto lunghi (settimane, mesi o anni) in pochi secondi anche grazie ai potenti software moderni. Non meno importante è la possibilità di modificare le variabili che determinano l’andamento della simulazione (sensitivity analysis) per valutarne la sensibilità del modello a perturbazioni e le sue conseguenze riducendo notevolmente così l’impiego di tempo e risorse che sarebbero state necessarie nel caso in cui la modifica fosse attuata materialmente.

Il calcolo Monte Carlo

Il calcolo Monte Carlo in un’analisi di eventi stocastici consiste nel sostituire una funzione rettangolare con uguale probabilità nell’intervallo [0:1] prodotta da un generatore di numeri randomici con la funzione di probabilità a cui si vuole generare un tempo casuale.

Nell’esempio sopra illustrato, il valore casuale di probabilità di 0.626… viene sostituito alla funzione di affidabilità Weibull (1.8, 10000), la quale genera un tempo al guasto randomico di 6561 ore

In particolare, considerando la formula dell’affidabilità del modello Weibull a due parametri, e risolvendo per il tempo,  da cui si deriva il tempo  . Sostituendo la funzione dell’affidabilità con la funzione rettangolare  si ottiene il tempo al guasto

Esempio

Il concetto quì presentato per una singola funzione statistica della probabilità di funzionamento viene esteso a qualsiasi altra grandezza che presenta una variabilità. In altre parole a tutto quando si voglia modellare.

Si immagini di  voler indagare i costi associati al funzionamento di una pompa, inclusa l’eventuale variazione dovuta all’inflazione, in un lasso temporale di 10 anni. Si suppongano note le distribuzioni relative all’affidabilità e alla durata della manutenzione correttiva e preventiva. Data la natura aleatoria dell’esperimento è necessario implementare la tecnica della simulazione.

Il primo step è quello di costruire il modello che rappresenti il sistema sul quale si sta indagando attraverso un diagramma che utilizza blocchi particolari. Il programma utilizzato è il programma RENO che con una potente interfaccia grafica permette di ricreare quanto si vuole esaminare senza dover far ricorso a tecniche di programmazione. Diversi blocchi sono presenti in RENO per assolvere operazioni quali (conditional operation, MUX e DEMUX, summing gate, binary block, counter block, subroutine…) I blocchi una volta posizionati, configurati e collegati tra loro consentono di indirizzare la simulazione nella giusta direzione includendo in essi tutto ciò ritenuto indispensabile per riprodurre il ciclo di funzionamento della pompa: variabili, distribuzioni, costanti, operazioni matematiche  …

Conclusione

Eseguendo la simulazione per il numero di volte che si ritiene più opportuno si ottiene il risultato stimato, visibile nel blocco dedito a contenere il risultato (Result Storage Block). Nello specifico i costi attesi per la pompa dopo 10 anni sono 119757,30.