Ateneo - UPO

Il corso fornisce le motivazioni per lo studio di prestazione di sistemi tramite modelli di simulazione; illustra i principali concetti e metodi per la costruzione di modelli di simulazione, la loro esecuzione e l’analisi dell’output. I concetti sono illustrati attraverso numerosi esempi applicativi e proponendo esercizi pratici da realizzare tramite ambienti di simulazione software open source. Le nozioni di probabilità e statistica di base, necessarie ad effettuare l’analisi dei risultati degli esperimenti di simulazione, sono brevemente trattate nel corso.

Libro di testo (Open Access): Manuel D. Rosetti, Simulation Modeling and Arena.
https://rossetti.github.io/RossettiArenaBook/
Libri di consultazione:
J. Banks, J. S. Carson II, B. L. Nelson, David M. Nicol, Discrete-Event System Simulation , Fifth edition, Pearson Education 2010
Simulation Modeling and Analysis, 5th Edition, A. Law, Mc Graw Hill, 2015

Si tratta di un corso introduttivo sulla simulazione ad eventi discreti Si focalizza sullo scopo e le possibili applicazioni della simulazione. Introduce i concetti di modello discreto e dinamico, di stato di un modello e delle leggi operazionali che definiscono il comportamento dinamico dei modelli. Lo scopo di uno studio basato su modelli di simulazione viene presentato attraverso esempi in diversi domini applicativi caratterizzati da diversi tipi di proprietà (misure) di interesse. Viene discusso il problema della scelta del livello di astrazione appropriato in funzione dei risultati attesi e delle informazioni disponibili sul sistema oggetto dello studio.
Viene poi presentata la differenza tra modelli deterministici e stocastici; vengono quindi illustrati alcuni importanti aspetti che riguardano i modelli stocastici come la generazione di valori casuali, la caratterizzazione probabilistica del flusso di lavoro in input al sistema, e l’analisi statistica dei dati prodotti tramite gli esperimenti di simulazione
Vengono inoltre presentati alcuni strumenti software per la progettazione e l’esecuzione di modelli di simulazione discreti e dinamici sottolineandone le similitudini e le differenze. Tra gli obiettivi del corso vi è anche l’apprendimento delle funzionalità e dei meccanismi di funzionamento di diversi strumenti software di simulazione e la loro sperimentazione attraverso lo sviluppo dei principali passi di uno studio di simulazione da condurre realizzando un progetto sufficientemente semplice ma realistico.

Matematica, statistica e programmazione di base.

Questo è un corso blended, composto da una prima parte da svolgere on-line ed una finale in presenza. Nella parte On-line si svolgeranno lezioni a distanza sincrone (con l’uso di slide e di strumenti per il coinvolgimento dei/delle partecipanti come Wooclap), saranno forniti materiali di studio pubblicati on-line per consentire l’interiorizzazione e la sperimentazione dei concetti introdotti nelle lezioni sincrone, quiz di autovalutazione, esercizi che utilizzano strumenti software open source per le attività di laboratorio. Sarà inoltre incoraggiata la partecipazione attiva e l’uso di vari strumenti on-line per la comunicazione e l’apprendimento collaborativo tra pari.
La fase in presenza sarà dedicata principalmente allo sviluppo di un progetto in gruppo che sarà presentato a presentato a tutte le studentesse e a tutti gli studenti al termine del corso.

Il corso è blended con una parte on-line (della durata di circa 13 settimane, a tempo parziale) e una parte intensiva, prevalentemente laboratoriale, in presenza (1 settimana a tempo pieno). Il progetto finale dovrà essere sviluppato in gruppo.
La piattaforma DIR (Moodle) sarà utilizzata come punto centrale per la condivisione di tutto il materiale e i link agli strumenti per la comunicazione on-line e gli strumenti software “open source” che i partecipanti dovranno utilizzare per gli esercizi. Le lezioni (a distanza) sincrone saranno erogate utilizzando uno strumento per teleconferenza (per es. Meet, Zoom, …)
Il supporto on-line per le attività di laboratorio saranno svolte tramite il sistema Mariotel https://tel.marionnet.org/info.php

La valutazione si baserà su tre aspetti: (1) la qualità degli artefatti prodotti durante tutto lo svolgimento del corso (30%), (2) la qualità dell’interazione, specialmente per quanto riguarda le discussioni on-line e il lavoro collaborativo in gruppo. (10%); (3) la qualità del progetto finale, sviluppato in gruppo principalmente durante la settimana intensiva di fine corso, ed illustrato tramite una presentazione finale (60%).

Motivazioni che giustificano lo studio di sistemi tramite simulazione, con esempi di diversi campi applicativi. Simulazione ad eventi discreti: definizione dello stato di un modello e delle regole operazionali che ne regolano l’evoluzione nel tempo (discreto). Definizione di misure di prestazione / affidabilità. Simulazione manuale di alcuni semplici esempi.
Algoritmo di base per la simulazione ad eventi discreti di tipo Next Event Time Advance (la Future Event List, i metodi per la gestione degli eventi e per la raccolta le misure da cui si deriva l’output degli esperimenti di simulazione. Vengono proposti esercizi di laboratorio da sviluppare tramite strumenti software open source (come JaamSim e Omnet++). Revisione dei concetti di base su probabilità e statistica. Metodi per la generazione di numeri pseudo-casuali e campionamento di valori dalle distribuzioni che caratterizzano le variabili casuali nei modelli stocastici. Esperimenti con modelli stocastici: osservazione della variabilità dell’input e dell’output. Dedurre la distribuzione di variabili casuali a partire da dati in input. Analisi dell’output di esperimenti di simulazione (di modelli stocastici): calcolo di intervalli di confidenza su campioni ottenuti attraverso esecuzioni ripetute. Analisi delle misure in transitorio e a regime. Presentazione di alcuni casi di studio attraverso esperimenti guidati su diversi strumenti software. Assegnazione di un progetto finale: si tratta di un caso di studio (variazione sul tema di un caso di studio presentato nelle precedenti fasi); lo studio dovrà essere sviluppato all’interno di gruppi di 3-4 studenti, descritto in una relazione finale ed in una presentazione da discutere con tutti/e i/le partecipanti.

Alla fine del corso i/le partecipanti saranno in grado di:
Definire lo scopo di uno studio di simulazione e fornire esempi di possibili applicazioni.
Definire cosa è un modello di simulazione discreto e dinamico: elencare gli elementi che definiscono un modello; fornire esempi di modelli in diversi domini applicativi.
Costruire un modello utilizzando uno strumento software per la modellazione e la simulazione ed eseguire esperimenti di simulazione.
Confrontare le caratteristiche di diversi strumenti di simulazione.
Confrontare modelli a diversi livelli di astrazione e discutere quali proprietà o misure si possono ricavare simulando tali modelli
Definire lo scopo e le caratteristiche di un metodo per la generazione di numeri casuali e di istanze di variabili casuali, e il suo ruolo nell’esecuzione di modelli di simulazione.
Derivare i parametri di un modello di simulazione stocastico a partire da dati raccolti su un sistema reale: in particolare applicare metodi di fitting di distribuzioni di probabilità a partire da dataset.
Spiegare perché e come occorre applicare metodi di analisi statistica al risultato di (numerose esecuzioni di) esperimenti di simulazione.
Applicare tutte le abilità sopra descritte a un caso di studio realistico. Svolgere una analisi what-if per osservare e spiegare come cambiano i risultati degli esperimenti di simulazione quando si considerano varianti del modello (dovute a diverse configurazioni o diversi valori dei parametri).
Infine durante il corso gli studenti e le studentesse svilupperanno soft skills come lavorare in gruppo, comunicazione (sia mediata dalla tecnologia sia in presenza) e l’abilità di ampliare la propria conoscenza sugli argomenti del corso attraverso lo studio autonomo.