O estudo Generative adversarial networks to validate data in discrete event simulation foi vencedor do Prêmio Roberto Diéguez Galvão, de melhor artigo em Inglês do 53º Simpósio Brasileiro de Pesquisa Operacional (SBPO), realizado de 03 a 05 de novembro, de forma virtual, com a organização do grupo da Universidade Federal da Paraíba (UFPB), a partir de João Pessoa – PB.
Os autores do artigo são Gustavo Teodoro Gabriel e Afonso Teberga Campos, doutorandos em Engenharia de Produção, orientados pelos professores José Arnaldo Barra Montevechi e Fabiano Leal, do Instituto de Engenharia de Produção e Gestão (IEPG) da Universidade Federal de Itajubá (UNIFEI).
O artigo tem como contribuição o uso de inteligência artificial para a comparação de modelos de Simulação a Eventos Discretos com os dados do sistema real. Tal comparação é chamada de validação do modelo e é essencial para que os resultados e as propostas sugeridas na simulação sejam eficazes no sistema real. Segundo os autores, muitos trabalhos sugerem testes estatísticos para a comparação desses resultados, mas, muitas vezes, os testes comparam a média dos dados e não se atentam para outras métricas estatísticas.
Eles explicam que as Redes Neurais Adversárias, do inglês Generative Adversarial Netwoks (GANs) são duas redes de treinamento que competem entre si para gerar dados sintéticos a partir de dados imputados no algoritmo. A primeira rede (geradora) gera dados, enquanto a segunda (discriminadora) tenta separá-los em dados imputados e dados gerados sinteticamente. Se o discriminador não consegue separá-los, isso significa que o gerador conseguiu gerar dados muito próximo dos imputados.
De acordo com os pesquisadores, as GANs surgiram para a geração de imagens e, hoje, vêm sendo utilizadas em vários campos, inclusive na área de saúde. Além disso, elas se adaptam a qualquer tipo de dados, o que facilita na comparação dos resultados.
O artigo propõe um método de validação ao utilizar as GANs para discriminar dados do modelo de simulação e estes serem comparados com os dados reais. Assim, após o treinamento, os dados do sistema real também são julgados pelo algoritmo e um teste de equivalência é realizado, o que permite que os dados que estão sendo comparados estejam em uma tolerância.
No trabalho desenvolvido pelos pesquisadores da UNIFEI, cinco distribuições estatísticas foram treinadas e 10.000 distribuições com as mesmas características foram submetidas para verificação do poder do teste do algoritmo. Além disso, um caso real de um hospital que atende pacientes com suspeita de COVID-19 foi aplicado à nova técnica de validação. Os resultados mostraram que as GANs são eficazes na discriminação de dados e podem auxiliar na validação de modelos computacionais.
Os autores do estudo também já tinham sido premiados com outro artigo sobre simulação durante o XIX Simpósio de Pesquisa Operacional e Logística da Marinha (SPOLM 2019), como pode ser conferido em: https://unifei.edu.br/blog/modelo-de-simulacao-proposto-por-pesquisadores-da-unifei-permite-aumentar-em-355-o-atendimento-em-hospital-de-campo/
SBPO da SOBRAPO
O Simpósio Brasileiro de Pesquisa Operacional (SBPO) é um evento anual organizado pela Sociedade Brasileira de Pesquisa Operacional (SOBRAPO), com o objetivo de promover o encontro das comunidades acadêmico-científicas com profissionais interessados nas mais diversas áreas de atuação de Pesquisa Operacional (PO).
O SBPO é composto por minicursos, conferências plenárias, sessões técnicas de comunicação oral e sessões de pôsteres. Os artigos apresentados no SBPO cobrem os principais resultados da pesquisa nacional sobre PO e trazem soluções para desafios atuais de importantes áreas da tomada de decisão.