universita degli studi di salerno facolta di ingegneria corso di corso di teoria dello sviluppo dei...
TRANSCRIPT
UNIVERSITA’ DEGLI STUDI DI SALERNOUNIVERSITA’ DEGLI STUDI DI SALERNO
FACOLTA’ DI INGEGNERIAFACOLTA’ DI INGEGNERIA
CORSO di CORSO di
TEORIA dello SVILUPPO dei PROCESSI CHIMICITEORIA dello SVILUPPO dei PROCESSI CHIMICI
Impostazione di una Simulazione con il metodo Monte Carlo Impostazione di una Simulazione con il metodo Monte Carlo di un caso per l’Ingegneria Chimica utilizzando software di un caso per l’Ingegneria Chimica utilizzando software
MatLab®.MatLab®.
rev. 1.5 del 13 giugno 2008rev. 1.5 del 13 giugno 2008
PROF.: ALLIEVIPROF.: ALLIEVI: : Attianese Ilaria matr.: 564/000046Attianese Ilaria matr.: 564/000046Michele Miccio Russo Giuseppina matr.: 564/000042 Michele Miccio Russo Giuseppina matr.: 564/000042 Torino EnzaTorino Enza matr.: 564/000037matr.: 564/000037
ANNO ACCADEMICO 2003-04ANNO ACCADEMICO 2003-04
Problema dei miscelatoriProblema dei miscelatori
Un’industria chimica produce una serie di componenti che vengono Un’industria chimica produce una serie di componenti che vengono combinati in combinati in 5 miscele5 miscele diverse da vendere ai consumatori. diverse da vendere ai consumatori.
L’azienda vuole stabilire se il numero di L’azienda vuole stabilire se il numero di miscelatori (miscelatori (mixersmixers)) è adeguato a è adeguato a soddisfare le richieste del mercato.soddisfare le richieste del mercato.
. V1cP1
. V
cP
. V2cP2
Dati Statistici Pregressi Dati Statistici Pregressi Media giornaliera degli ordini per ogni miscelaMedia giornaliera degli ordini per ogni miscela
Da un’analisi semplicistica potremmo concludere che sono Da un’analisi semplicistica potremmo concludere che sono necessari soltanto necessari soltanto 13 mixers13 mixers per sopperire alle richieste per sopperire alle richieste
giornaliere……MA NON È COSÌ!!!!!!!!!!!!giornaliere……MA NON È COSÌ!!!!!!!!!!!!
Miscele Media degli ordini per giorno
A 3.5
B 2.35
C 3.5
D 1.4
E 1.75
Totale 12.50
ordini/ordini/giornogiorno
PercentualePercentuale sul totalesul totale dei giornidei giorni
(n°)(n°) AA BB CC DD EE
11 2.12.1 14.314.3 0.40.4 2.12.1 36.736.7
22 20.320.3 49.049.0 8.78.7 58.758.7 53.953.9
33 34.634.6 26.626.6 44.844.8 37.137.1 8.78.7
44 22.422.4 8.78.7 37.437.4 2.12.1 0.70.7
55 12.912.9 1.41.4 8.78.7
66 4.64.6
77 2.72.7
88 0.40.4
Se guardiamo, infatti, la Se guardiamo, infatti, la distribuzione differenziale di frequenza percentualedistribuzione differenziale di frequenza percentuale degli degli ordini giornalieri, per es. per la miscela A, si ricava che ordini giornalieri, per es. per la miscela A, si ricava che ci sono ci sono ALMENO 5ALMENO 5 ordini piuttosto che 3.5 (valore medio) ordini piuttosto che 3.5 (valore medio) per (per (12.9 + 4.6 + 2.7 + 0.412.9 + 4.6 + 2.7 + 0.4) % della storia passata (ossia circa il 20%).) % della storia passata (ossia circa il 20%).
Dati Statistici Pregressi Dati Statistici Pregressi Distribuzione differenziale di frequenzaDistribuzione differenziale di frequenza
Istogramma degli Ordini/Giorni per la miscela C
0.4
44.8
37.4
8.7 8.7
-5
5
15
25
35
45
1 2 3 4 5
Ordini/Giorni
% d
i g
iorn
i
Istogramma degli Ordini/Giorni per la miscela B
1.4
49
14.3
26.6
8.7
0
10
20
30
40
50
1 2 3 4 5
Ordini/Giorni
% d
i gio
rni
Istogramma degli Ordini/Giorni per la miscela D
2.1 2.1
58.7
37.1
0
10
20
30
40
50
60
1 2 3 4
Ordini/Giorni
% d
i gio
rni
Istogramma degli Ordini/Giorni per la miscela E
0.7
53.9
36.7
8.7
0
10
20
30
40
50
1 2 3 4
Ordini/Giorni
% d
i g
iorn
i
Istogramma di Ordini/Giorni per la miscela A
0.4
34.6
22.4
12.9
4.6 2.72.1
20.3
0
5
10
15
20
25
30
35
1 2 3 4 5 6 7 8
Ordini/Giorni
% d
i gio
rni
Avendo a disposizione i Avendo a disposizione i dati relativi alla frequenza dati relativi alla frequenza degli ordini per ogni degli ordini per ogni miscela, se ne costruisce il miscela, se ne costruisce il diagramma:diagramma:
Dati Statistici Pregressi Dati Statistici Pregressi Distribuzione differenziale di frequenzaDistribuzione differenziale di frequenza
Se rappresentiamo la distribuzione di frequenza su di un Se rappresentiamo la distribuzione di frequenza su di un diagramma a tortadiagramma a torta, , otteniamo un sistema simile ad una roulette attraverso cui possiamo realizzare una otteniamo un sistema simile ad una roulette attraverso cui possiamo realizzare una vera e propria simulazione con il metodo Monte Carlo.vera e propria simulazione con il metodo Monte Carlo.
Facendo ruotare più volte la freccia in maniera casuale, le successive posizioni di Facendo ruotare più volte la freccia in maniera casuale, le successive posizioni di arresto genereranno una distribuzione degli eventi in funzione delle relative aree del arresto genereranno una distribuzione degli eventi in funzione delle relative aree del settore. settore.
Pie chart per la miscela A
8
2
17
5
6
4
3
Estrazione a sorte “manuale”Estrazione a sorte “manuale”
Prima di procedere alla simulazione:Prima di procedere alla simulazione:1) trasformiamo la 1) trasformiamo la distribuzione differenzialedistribuzione differenziale degli ordini giornalieri in una degli ordini giornalieri in una distribuzionedistribuzione di tipo di tipo cumulativocumulativo eded2) assegniamo a ciascun n° ordini (righe) e ciascuna miscela (colonna) un 2) assegniamo a ciascun n° ordini (righe) e ciascuna miscela (colonna) un rangerange di di numeri interinumeri interi, a partire da 0 sino a 999, a partire da 0 sino a 999
MiscelaMiscela AA Miscela Miscela BB Miscela Miscela CC Miscela Miscela DD MiscelaMiscela EE
Numero Numero di di ordiniordini
FrequenzaFrequenzacumulativa cumulativa percentualepercentuale
Numeri Numeri assegnatiassegnati
FrequenzaFrequenzacumulativa cumulativa percentualepercentuale
Numeri Numeri assegnatiassegnati
FrequenzaFrequenzacumulativa cumulativa percentualepercentuale
Numeri Numeri assegnatiassegnati
FrequenzaFrequenzacumulativa cumulativa percentualepercentuale
Numeri Numeri assegnatiassegnati
FrequenzaFrequenzacumulativa cumulativa percentualepercentuale
Numeri Numeri assegnatiassegnati
11 2.12.1 0-200-20 14.314.3 0-1420-142 0.4 0.4 0-30-3 2.12.1 0-200-20 36.736.7 0-366 0-366
22 22.422.4 21-22321-223 63.363.3 143-632 143-632 9.19.1 4-904-90 60.860.8 21-60721-607 90.690.6 397-905397-905
33 57.057.0 224-569224-569 89.989.9 633-898633-898 52.852.8 91-52791-527 97.997.9 608-978608-978 99.399.3 906-992906-992
44 79.479.4 570-793570-793 98.698.6 899-985899-985 90.290.2 528-901528-901 100.0100.0 979-999979-999 100.0100.0 993-999993-999
55 92.392.3 794-924794-924 100.0100.0 986-999986-999 98.998.9 902-988902-988
66 96.996.9 925-968925-968 100.0100.0 989-999989-999
77 99.699.6 969-995969-995
88 100.0100.0 996-999996-999
Simulazione “computerizzata”Simulazione “computerizzata”
GIORNOPROGRESSIVO
DELLASIMULAZIONE
A B C D E
Estratto n°Estratt
on° Estratto n°
Estratto
n°Estratt
on°
1 178 2 94 1 177 3 82 2 893 2
2 561 3 917 4 96 3 226 3 200 1
3 607 4 976 4 463 3 667 3 362 1
4 331 3 632 2 539 4 404 2 309 1
5 114 2 625 2 386 3 894 3 575 2
6 230 3 302 2 953 5 925 3 276 1
7 357 3 218 2 14 2 327 2 521 2
8 993 7 852 3 615 4 153 2 519 2
9 959 6 64 1 481 3 82 2 894 2
10 579 4 333 2 670 4 422 2 706 2
Estrazione “computerizzata”Estrazione “computerizzata”•Per ciascun giorno e per ciascuna miscela, estraiamo, con un generatore
di numeri casuali, un numero [0, 1] ed associamo un intero [0, 999] all’estratto.
•Il corrispondente n° ordini si deduce dalla tabella precedente.NB: per semplicità riportiamo i primi 10 giorni
GIORNOPROGRESSIVO
DELLASIMULAZIONE
A B C D EORDINI GIORNA
LIERI
ORDINIINEVASI
ORDINIRESIDUATI LAVORATI
1 178 2 94 1 177 3 82 2 893 2 10 - --2 561 3 917 4 96 3 226 3 200 1 14 1 --3 607 4 976 4 463 3 667 3 362 1 15 2 --4 331 3 632 2 539 4 404 2 309 1 12 - 115 114 2 625 2 386 3 894 3 575 2 12 - 116 230 3 302 2 953 5 925 3 276 1 14 1 --7 357 3 218 2 14 2 327 2 521 2 11 - 228 993 7 852 3 615 4 153 2 519 2 18 5 --9 959 6 64 1 481 3 82 2 894 2 14 1 --
10 579 4 333 2 670 4 422 2 706 2 14 1 --MEDIA,
VAR., ecc.
MEDIA,VAR.,
ecc.
MEDIA,VAR.,
ecc
Simulazione Simulazione (Ip.: 13 (Ip.: 13 mixers mixers a disposizione)a disposizione)
Costruzione della Tabella dei risultatiCostruzione della Tabella dei risultati
Possibili obiettivi attesi dalla Possibili obiettivi attesi dalla simulazionesimulazione
(e (e modelli matematicimodelli matematici per generarli) per generarli) •N. Ordini evasi nel giorno stesso•% Ordini evasi nel giorno stesso
•N. Ordini inevasi nel giorno stesso•% Ordini inevasi nel giorno stesso
•N. Ordini residuati ed evasi dopo x giorni di simulazione •% Ordini residuati ed evasi dopo x giorni di simulazione
•N. Ordini residuati ed evasi dopo 2 giorni•% Ordini residuati ed evasi dopo 2 giorni
•N. Giorni senza Ordini inevasi nel giorno stesso•% Giorni senza Ordini inevasi nel giorno stesso
•N. Miscelatori in grado di soddisfare evasione ordini (odierni e/o residuati) in x% dei giorni lavorativi
n° di ordini odiernin° di ordini odierni++
eventuali residuati evasieventuali residuati evasiNumero di giorniNumero di giorni %%
Percentuale Percentuale cumulativacumulativa
1313 10961096 54.854.8 54.854.8
1414 338338 16.916.9 71.771.7
1515 286286 14.314.3 8686
1616 153153 7.657.65 93.6593.65
1717 6565 3.253.25 96.996.9
1818 4444 2.22.2 99.199.1
1919 1414 0.70.7 99.899.8
2020 33 0.150.15 99.9599.95
2121 00 00 99.9599.95
2222 11 0.050.05 100100
Dai risultati ottenuti si evince che per riuscire a soddisfare tutte le richieste nei Dai risultati ottenuti si evince che per riuscire a soddisfare tutte le richieste nei 2000 2000 giornigiorni, abbiamo bisogno di , abbiamo bisogno di 22 miscelatori22 miscelatori. .
Riassumiamo in una tabella i risultati della simulazione (per Riassumiamo in una tabella i risultati della simulazione (per 13 mixers 13 mixers e e 2000 giorni2000 giorni):):
Obiettivo della Obiettivo della simulazionesimulazione:: n° ordini evasi nel giorno stesson° ordini evasi nel giorno stesso
Altri risultatiAltri risultatiLa simulazione è stata ripetuta in MatLabLa simulazione è stata ripetuta in MatLab®® facendo variare il facendo variare il numero di numero di miscelatorimiscelatori..
Riportiamo nella seguente tabella i dati ottenuti:Riportiamo nella seguente tabella i dati ottenuti:
Numero di Numero di miscelatorimiscelatori
Percentuale di Percentuale di ordini senza ritardiordini senza ritardi
Percentuale di Percentuale di giorni senza ritardigiorni senza ritardi
1313 48.7448.74 54.854.8
1414 69.1369.13 74.174.1
1515 81.2681.26 8585
1616 92.3792.37 94.2594.25
1717 95.6995.69 96.8596.85
1818 98.6998.69 99.199.1
1919 99.7799.77 99.8599.85
2020 100100 100100
Simulazione Simulazione in assenza di dati “storici”in assenza di dati “storici”
Associare tramite una legge matematica, ritenuta Associare tramite una legge matematica, ritenuta già già nota ed attendibilenota ed attendibile (ad es. una (ad es. una proporzioneproporzione), il ), il valore della valore della variabile “d’ingresso”variabile “d’ingresso” al al numero numero estratto dal estratto dal generatoregeneratore casualecasuale
Ipotizzare una Ipotizzare una legge di distribuzione di probabilitàlegge di distribuzione di probabilità, , ritenuta ritenuta realistica ed attendibilerealistica ed attendibile (ad es. una (ad es. una gaussianagaussiana), per la ), per la variabile “d’ingresso”variabile “d’ingresso” della ns. della ns. simulazionesimulazione ed utilizzare un ed utilizzare un comando comando softwaresoftware o o un un algoritmoalgoritmo di “estrazione” di di “estrazione” di numeri numeri secondo la secondo la distribuzione di probabilità presceltadistribuzione di probabilità prescelta
Ad es. per il n° ordini atteso per la Ad es. per il n° ordini atteso per la miscela Amiscela A per ogni nuovo per ogni nuovo giorno:giorno:
Si fa riferimento al problema dei miscelatori trattato come esempio di applicazione delle Tecniche di Montecarlo nel paragrafo 15.4 a pag. 442 del RUDD-WATSON. Si supponga di avere a disposizione 13 miscelatori e di volere quindi fare una simulazione. La distribuzione di frequenze degli ordini è la stessa in tab. 15.4-3. Si chiede quanto segue:
1 In base alla tabella allegata, calcolare la % di ordini rispetto al totale che non possono essere evasi nello stesso giorno dell’ordinazione.
2.a – Allo scopo di ridurre la varianza del risultato atteso da questa simulazione, discutere come si potrebbe proseguirla senza “estrarre” nuovi numeri, ma utilizzando gli stessi dati della tabella allegata e la tecnica delle “Antithetic Variates”
2.b – Ricordando che il Numero Estratto nella simulazione in Tabella è una variabile aleatoria X con una distribuzione di probabilità uniforme, dimostrare come la opportuna scelta della Variabile Antitetica Y comporta: cov(X,Y) < 0
2.c – Qual è in questo caso la % di ordini che non vengono evasi nel giorno stesso?
Problema 88Problema 88
Riduzione della varianza Riduzione della varianza con le variabili antitetichecon le variabili antitetiche
SEQUENZA DI ESTRATTI
(Var. Aleatoria uniformemente distribuita)
r1, r2, ... ri, ... rN-1, rN [0,1]
ISTANZE della VAR. ALEATORIA x1
(mappata su ri uniformemente distribuita)
x11, x12, ... x1i, ... x1N-1, x1N
MEDIA e VARIANZA del CAMPIONE
N
1i
21i1
21
N
1ii11 xx
1N
1 x
N
1x
SEQUENZA DI ESTRATTI
(Var. Aleatoria uniformemente distribuita)
1-r1, 1-r2, ... 1-ri, ... 1-rN-1, 1-rN [0,1]
ISTANZE della VAR. AL. ANTITETICA x2
(mappata su ri uniformemente distribuita)
x21, x22, ... x2i, ... x2N-1, x2N
MEDIA e VARIANZA del CAMPIONE
N
1i
22i2
22
N
1ii22 xx
1N
1 x
N
1x
Per essere la nuova stima di MEDIA e VARIANZA del CAMPIONE migliore
deve essere:
0)x,xcov(
24
1
2
xxx
21212
212
22x
21x
2x
21
Def. una nuova Var. Aleatoria dalle precedenti: x = (x1 + x2)/2
CovarianzaCovarianza
N
1iii
N
1iiixy
2x
2x
2x
2x
2xy
2x
2x
2
2x
22x
2x
2
x2x
22x
2x
2x
22
2
yxxy2
a
yxnyx1N
1yyxx
1N
1s
CAMPIONE UNDI COVARIANZA
0 :osostituend
x
x2x
x2xx
xxxx
xxx999xx999
x999xx999x
)y(E)x(E)xy(Eyx
x999y r-1r
GIORNOPROGRESSIVO
DELLASIMULAZIONE
A B C D EORDINIGIORNA
LIERI
ORDINIINEVASI
ORDINIRESIDUATI LAVORATI
1 821 5 905 4 822 4 917 3 106 1 17 4 --2 428 3 82 1 903 5 773 3 799 2 14 1 --3 392 3 23 1 536 4 332 2 637 2 12 - 114 668 4 367 2 460 3 595 2 690 2 13 - --5 885 5 374 2 613 4 105 2 424 2 15 2 --6 769 4 697 3 46 2 74 2 723 2 13 - --7 642 4 781 3 985 5 672 3 478 2 17 4 --8 6 1 147 2 384 3 876 3 480 2 11 - 229 40 2 935 4 518 3 917 3 105 1 13 - --
10 420 3 666 3 329 3 577 2 293 1 12 - 11
13711
(8,02%)4
(2.9%)
Simulazione “antitetica” Simulazione “antitetica” (Ip.: 13 (Ip.: 13 mixers mixers a disposizione)a disposizione)
Costruzione della Tabella dei risultatiCostruzione della Tabella dei risultati
Risultato finaleRisultato finale
Ad es.,
dall’applicazione della tecnica delle variabili antitetiche:
% ordini inevasi nel giorno =
(8.21 + 8.02)/2 = 8.12 %NB: Questo risultato è caratterizzato da una Dev. St. minore dei risultati singoli della simulazione
Per l’applicazione del metodo Monte Carlo utilizziamo come programma di calcolo Per l’applicazione del metodo Monte Carlo utilizziamo come programma di calcolo MatLabMatLab®®..Di seguito riportiamo l’algoritmo di calcolo:Di seguito riportiamo l’algoritmo di calcolo:
CollegamentoCollegamento
Matlab
. . . . . .