Introdução
No Simio, a lógica de decisões complexas pode ser simplificada com o uso da regressão de redes neurais para inferir informações quando a relação entre entradas e saídas é complicada, como, por exemplo, estimar os tempos de espera dos pedidos. As execuções de simulação podem não apenas usar modelos de redes neurais para estimativa e inferência, mas também gerar automaticamente dados de treinamento sintéticos para monitorar seu desempenho preditivo e retreiná-los. Ao usar redes neurais para simplificar a lógica de decisão em um modelo de simulação, o foco passa a ser a modelagem dos componentes do sistema e suas interações. Isso torna o modelo de simulação de gêmeos digitais mais fácil de criar, entender, depurar e manter.
As redes neurais são um subconjunto de algoritmos de aprendizado de máquina, inspirados no cérebro humano. Um modelo de rede neural é composto de camadas de nós: uma camada de entrada, uma ou mais camadas ocultas e uma camada de saída. Uma rede com duas ou mais camadas ocultas é chamada de rede de aprendizagem profunda. Uma rede neural feedforward é a primeira e mais simples forma de rede neural, na qual os dados se movem em apenas uma direção da camada de entrada para a camada de saída (sem loopbacks). A rede tem parâmetros chamados pesos e polarizações, que são estabelecidos por meio de um processo chamado treinamento. Esses pesos e polarizações são usados para transformar as entradas em cada nó em uma saída que é enviada para a próxima camada de nós.
Uma rede neural de regressão prevê um ou mais outputs numéricos com base em um conjunto de inputs numéricos. Embora as redes neurais sejam amplamente conhecidas pela modelagem de problemas complexos, como reconhecimento de imagens e aplicativos de IA generativa, como o ChatGPT, elas também são adequadas para aplicações de regressão, como a previsão de um KPI em um sistema com base no estado atual do sistema. Isso os torna uma estrutura ideal para incorporar a IA em modelos de simulação de gêmeos digitais.
Gêmeos digitais e redes neurais Simio
O Simio é o primeiro e único software de simulação de gêmeos digitais baseado em eventos discretos a oferecer recursos abrangentes de IA incorporados, com suporte total à criação e ao treinamento automático de redes neurais de regressão em um modelo, sem a necessidade de programação em Python ou Java ou de integração com ferramentas externas de IA de terceiros. O Simio permite a definição de um ou mais modelos de redes neurais, que podem ser referenciados para inferência em um modelo Simio por meio de um elemento de rede neural.
Faça o download do PDF abaixo para continuar lendo...
Baixar a versão em PDF