1

Prcticas de Simulacin (Sistemas)

Autor: M. en C. Luis Ignacio Sandoval Paz

NDICE

Introduccin Aplicaciones de la Simulacin La Metodologa de la Simulacin por Computadora Sistemas, modelos y control Aspectos estadsticos de la simulacin Glosario de prcticas Desarrollo de las prcticas: Prctica 1 Prctica 2 Prctica 3 Prctica 4 Prctica 5 Prctica 6

3 3 5 5 6 7

9 11 13 15 17 18

3 Introduccin

El presente manual, contiene actividades que ayudan a los alumnos en la construccin de modelos matemticos de simulacin, tocando los principios y las tcnicas bsicas para el desarrollo de las mismas. El verbo simular cada vez toma mayor auge en diversas disciplinas cientficas, para describir el viejo arte de la construccin de modelos. Aun cuando esta palabra se aplica a diversas formas de construccin de modelos, tales como: Los de la escultura y pintura del Renacimiento; Los modelos a escala de aviones; Los modelos en computadora de los procesos cognoscitivos, e incluso en las ciencias fsicas y en las del comportamiento. Su empleo moderno se remonta hacia fines de 1940, cuando Von Neumann y Ulam acuaron el trmino "ANLISIS DE MONTE CARLO" para aplicarlo a una tcnica matemtica que usaban entonces en la resolucin de ciertos problemas de proteccin nuclear que eran, o demasiado costosos para resolverse experimentalmente o de enorme complejidad para un tratamiento analtico. El anlisis de Monte Carlo involucraba la solucin de un problema matemtico, no probabilstico mediante la simulacin de un proceso estocstico, cuyos momentos o distribuciones de probabilidad satisfacen las relaciones matemticas del problema no probabilstico. Con la llegada de computadoras de gran velocidad, la simulacin tom otro significado an, al surgir la posibilidad de experimentar con modelos matemticos (que describen algn sistema de inters) en la computadora. Por vez primera, los socilogos al igual que los fsicos encontraron que podran realizar experimentos controlados de laboratorio. Al simular en computadoras, surgieron innumerables aplicaciones y con ello, un nmero mayor de problemas tericos y prcticos. Aplicaciones de la Simulacin Las reas de aplicacin de la simulacin son muy amplias, numerosas y diversas, basta mencionar slo algunas de ellas: Anlisis del impacto ambiental causado por diversas fuentes Anlisis y diseo de sistemas de manufactura Anlisis y diseo de sistemas de comunicaciones. Evaluacin del diseo de organismos prestadores de servicios pblicos (por ejemplo: hospitales, oficinas de correos, telgrafos, casas de cambio, etc.). Anlisis de sistemas de transporte terrestre, martimo o por aire. Anlisis de grandes equipos de cmputo. Anlisis de un departamento dentro de una fbrica. Adiestramiento de operadores (centrales carboelctricas, termoelctricas, nucleoelctricas, aviones, etc.).Anlisis de sistemas de acondicionamiento de aire. Planeacin

4 para la produccin de bienes. Anlisis financiero de sistemas econmicos. Evaluacin de sistemas tcticos o de defensa militar. La simulacin se utiliza en la etapa de diseo para auxiliar en el logro o mejoramiento de un proceso o diseo o bien a un sistema ya existente para explorar algunas modificaciones. Se recomienda la aplicacin de la simulacin a sistemas ya existentes cuando existe algn problema de operacin o bien cuando se requiere llevar a cabo una mejora en el comportamiento. El efecto que sobre el sistema ocurre cuando se cambia alguno de sus componentes se puede examinar antes de que ocurra el cambio fsico en la planta para asegurar que el problema de operacin se soluciona o bien para determinar el medio ms econmico para lograr la mejora deseada. Todos los modelos de simulacin se llaman modelos de entrada-salida. Es decir, producen la salida del sistema si se les da la entrada a sus subsistemas interactuantes. Por tanto los modelos de simulacin se corren en vez de resolverse, a fin de obtener la informacin o los resultados deseados. Son incapaces de generar una solucin por s mismos en el sentido de los modelos analticos; solo pueden servir como herramienta para el anlisis del comportamiento de un sistema en condiciones especificadas por el experimentador. Por tanto la simulacin es una teora, si no una metodologa de resolucin de problemas. Adems la simulacin es solo uno de varios planteamientos valiosos para resolver problemas que estn disponibles para el anlisis de sistemas. Pero Cundo es til utilizar la simulacin? Cuando existan una o ms de las siguientes condiciones: 1.- No existe una completa formulacin matemtica del problema o los mtodos analticos para resolver el modelo matemtico no se han desarrollado an. Muchos modelos de lneas de espera corresponden a esta categora. 2.- Los mtodos analticos estn disponibles, pero los procedimientos matemticos son tan complejos y difciles, que la simulacin proporciona un mtodo ms simple de solucin. 3.- Las soluciones analticas existen y son posibles, pero estn ms all de la habilidad matemtica del personal disponible El costo del diseo, la prueba y la corrida de una simulacin debe entonces evaluarse contra el costo de obtener ayuda externa.

5 4.- Se desea observar el trayecto histrico simulado del proceso sobre un perodo, adems de estimar ciertos parmetros. 5.- La simulacin puede ser la nica posibilidad, debido a la dificultad para realizar experimentos y observar fenmenos en su entorno real, por ejemplo, estudios de vehculos espaciales en sus vuelos interplanetarios. 6.- Se requiere la aceleracin del tiempo para sistemas o procesos que requieren de largo tiempo para realizarse. La simulacin proporciona un control sobre el tiempo, debido a que un fenmeno se puede acelerar o retardar segn se desee. La Metodologa de la Simulacin por Computadora El diseo y la implantacin de una simulacin por computadora dependen del sistema que se est modelando y tambin del lenguaje o paquete de computadora especfico de que se disponga. En cada simulacin se realizan ciertos pasos generales. Clasificacin del sistema El diseo de una simulacin depende de clasificar al sistema como uno de los dos tipos.

Sistemas, modelos y control.

Sistema de eventos discretos: es un sistema cuyo estado cambia slo en ciertos puntos en el tiempo. Por ejemplo, en el modelo de la operacin de un banco, el estado del sistema se describe mediante el nmero de clientes en lnea y cul de los pagadores est en ese momento ocupado. El estado de este sistema cambia slo en aquellos puntos en el tiempo en lo que: a) un nuevo cliente llega o; b) un cliente deja de ser atendido y sale del banco. Este a su vez se clasifica como uno de los siguientes dos tipos: Sistemas de Terminacin: es aquel en el existen puntos de inicio y terminacin precisos y conocidos Sistemas de no Terminacin: es aquel que est en curso y que carece de puntos de inicio y terminacin precisos y conocidos.

6 Sistemas continuos: es aquel cuyo estado cambia continuamente a cada momento en el tiempo.

Identificacin computadora.

de

los

componentes

de

una

simulacin

por

Salida: es el objetivo de un estudio de simulacin que tiene la forma de un valor numrico especfico. Entrada: es un valor numrico que es necesario para determinar las salidas de una simulacin Antes de disear los detalles de una simulacin por computadora es decisivo tener una clara comprensin de los objetivos del estudio en la forma de salidas numricas especficas. Con las salidas identificadas, el siguiente paso es identificar las entradas. Estas entradas caen en tres categoras generales: Condicin inicial: un valor que expresa el estado del sistema al principio de una simulacin. Datos determinsticos: son valores conocidos necesarios para calcular las salidas de una simulacin. Datos probabilsticos: son magnitudes numricas cuyos valores son inciertos pero necesarios para obtener las salidas de la simulacin.

Diseo de la simulacin por computadora. Una vez que se hayan identificado las salidas y las entradas necesarias, la simulacin real consiste en generar nmeros aleatorios y en la contabilidad. Paso 1: Generacin de nmeros aleatorios: consiste en obtener las entradas probabilsticas para el modelo generando nmeros aleatorios de acuerdo con las distribuciones conocidas asociadas. Paso 2: Contabilidad: consiste en el diseo de un mtodo sistemtico para almacenar y procesar todos los valores de entrada y para realizar los clculos necesarios para obtener los valores de salida.

Aspectos estadsticos de la simulacin Un conjunto de valores de entrada para un modelo de simulacin es el conjunto de condiciones inciales que describe el estado del sistema en el momento en que comienza la simulacin. En muchos casos, estos valores son

7 fijos y se determinan fcilmente debido a la naturaleza del sistema. Por ejemplo, simular la operacin diaria de un banco, los valores iniciales que describen el inicio de la simulacin (esto es, el inicio del da) son que todava no hay clientes en el sistema y, en consecuencia, que todos los pagadores disponibles estn ociosos. En contraste, en algunos problemas las condiciones inciales no estn tan fcilmente disponibles o, de hecho, no se conocen. En estos casos, los valores inciales generalmente se escogen de una de las siguientes formas: 1. Asignando valores sobre la base de su conocimiento de cmo trabaja el sistema que y de lo que sera ms probable esperar en el momento correspondiente al inicio de la simulacin. 2. Asignando cualesquier valores inciales razonables ejecutando la simulacin el tiempo suficiente como para minimizar la influencia de las condiciones inciales. Asignando cualesquier valores inciales razonables y ejecutando la simulacin durante algn periodo inicial, digamos T. Despus descartar todas las estadsticas acumuladas durante este periodo excepto las condiciones finales. -Use estas condiciones finales como las condiciones inciales para efectuar otra simulacin Entonces se compila y registra un segundo conjunto de estadsticas El anlisis estadstico se usa para determinar la longitud adecuada de la ejecucin de la simulacin en el paso 2 y el periodo inicial T en el paso 3. Esto anlisis estn ms all de nuestro alcance pero pueden encontrarse en cualquier libro sobre simulacin por computadora La obtencin del valor de salida de una sola corrida de simulacin es estadsticamente anloga a extraer una sola muestra de una poblacin. Esto se debe a que la secuencia de nmeros aleatorios usados en la ejecucin de la simulacin se basa en el nmero aleatorio uniforme inicial elegido y es slo uno de muchos resultados posibles

PRCTICAS
Prctica 1: Construccin de un modelo de simulacin, aplicando el mtodo de la funcin inversa al caso general de la funcin de densidad de probabilidad triangular. Prctica 2: Simulacin del tiempo de proceso en una red de procesadores, aplicando la funcin triangular.

8 Prctica 3: Determinacin del valor esperado y carianza de diferentes funciones de densidad de probabilidad: Distribucin Bernoulli, Distribucin Binomial, Distribucin Geomtrica, Distribucin Binomial Negativa o Pascal, Distribucin Poisson, Distribucin Hipergeomtrica, Distribucin Uniforme Continua, Distribucin Exponencial, Distribucin Normal, Distribucin Triangular. Prctica 4: La demanda de un producto perecedero es una variable aleatoria continua dada por la siguiente tabla.

Demanda (litros) [0,10) [10,20) [20,30)

Probabilidad 0.20 0.30 0.50

El costo del producto es de $60, y el precio de venta, de $130. Este producto tiene una vida til de 1 semana, y pasado este tiempo, se puede devolver el remanente con un reintegro de $20 el litro. Se trata de determinar, mediante simulacin, cul es la cantidad ptima a pedir por semana, de modo de maximizar la ganancia esperada.

Prctica 5: Camas de hospital Una obra social tiene un acuerdo con un hospital, por el que reserva una cantidad fija de camas para internacin. Cada cama, en estas condiciones, le cuesta a la obra social $30 por da. Si precisaran ms camas, la obra social deber abonar por da $80 por cama extra. Suponga que la cantidad de camas necesarias es una variable aleatoria binomial con parmetros n=15 y p=0.4. Se trata de decidir la cantidad ptima de camas que debe reservar la obra social de modo de minimizar el costo total esperado.

Prctica 6: Una compaa de seguros ofrece una pliza que contempla 3 clases de siniestros: robo, incendio y catstrofe. En caso de robo, la compaa paga $1000 al asegurado; en caso de incendio, paga $5000, y en caso de catstrofe, $100000. La cantidad de siniestros de cada tipo por asegurado y por ao, son variables aleatorias con distribucin Poisson y esperanzas 0.2, 0.005 y 0.0025 respectivamente.

9 Debe determinarse, mediante simulacin, la prima que debera pagar el asegurado a la compaa de modo que la ganancia esperada de sta sea de $100.

DESARROLLODE LAS PRCTICAS Prctica 1: Construccin de un modelo de simulacin, aplicando el mtodo de la funcin inversa al caso general de la funcin de densidad de probabilidad triangular.

Objetivo: Al realizar esta prctica, el alumno trabar y construir un modelo matemtico de simulacin, entender lo que son nmeros aleatorios uniformes y aplicar el mtodo de la funcin inversa. Consideraciones tericas: Descripcin del proceso para la obtencin de las expresiones generales para la generacin de nmeros aleatorios triangulares, aplicando el mtodo de la funcin inversa.

Desarrollo: Para cualquier valor de los parmetros a, b, c, generar una corrida de 100 nmeros aleatorios con distribucin triangular, en cualquier lenguaje de programacin o directamente en una hoja de clculo. Cuestionario: 1.- Qu es una funcin de distribucin de probabilidad uniforme? 2.- Qu probabilidad tienen los nmeros aleatorios uniformes? 3.- En probabilidad, qu es la funcin acumulativa?

10 4.- Cul es el intervalo de integracin (funciones continuas) para la funcin acumulativa? 5.- Qu se tiene que hacer antes de obtener la funcin inversa? 6.- Qu se tiene que hacer para poder aplicar el mtodo de la funcin inversa? Conclusiones (el alumno explicar las aplicaciones del mtodo de la funcin inversa en simulacin, aadiendo comentarios personales).

11 Prctica 2: Simulacin del tiempo de proceso en una red de procesadores, aplicando la funcin triangular. Objetivo: El alumno entender lo que es el tiempo de clculo de un sistema de procesadores, los tiempos aleatorios y los parmetros involucrados en la prctica de dicha rea de aplicacin de simulacin en su perfil profesional. Consideraciones tericas: Descripcin del proceso para la obtencin de las expresiones generales para la generacin de nmeros aleatorios triangulares, aplicando el mtodo de la funcin inversa. Cada actividad tiene sus propios parmetros a, b, c; se deben generar nmeros aleatorios gobernados por la funcin triangular para cada actividad.

Desarrollo: Para cualquier valor de los parmetros a, b, c, generar una corrida de 100 nmeros aleatorios con distribucin triangular, en cualquier lenguaje de programacin o directamente en un ahoja de clculo.

Los tiempos estn en nanosegundos.

12

Cuestionario: 1.- Cul es el tiempo de terminacin ms probable? 2.- Cuntos nodos aparecen en la red? 3.- Qu unidades se tienen? 4.- Qu es un proceso? 5.- En un modelo de simulacin, se puede hablar de una ruta crtica? 6.- Un modelo de simulacin, es determinstico, s o no? por qu? Conclusiones (el alumno explicar las aplicaciones de la funcin de probabilidad triangular en simulacin con aplicaciones a procesos entre procesadores, aadiendo comentarios personales).

13 Prctica 3: Determinacin del valor esperado y varianza de diferentes funciones de densidad de probabilidad: Distribucin Bernoulli, Distribucin Binomial, Distribucin Geomtrica, Distribucin Binomial Negativa o Pascal, Distribucin Poisson, Distribucin Hipergeomtrica, Distribucin Uniforme Continua, Distribucin Exponencial, Distribucin Normal, Distribucin Triangular.

Objetivo: En esta prctica, el alumno entender que existen diferentes distribuciones de probabilidad que se pueden utilizar en simulacin, cada una de ellas aplicables a diferentes situaciones en la prctica profesional.

Consideraciones tericas:

Funcin continua:

14

Desarrollo: Con el programa de simulacin (herramienta anexa en Excel) generar 100 variables aleatorias para cada distribucin discreta y continuas mencionada en las consideraciones tericas.

Cuestionario: 1.- Cul es la esperanza matemtica para cada una de las funciones de probabilidad, mencionadas anteriormente? 2.- Cul es la varianza para cada una de las funciones de probabilidad mencionadas anteriormente? 3.- Cul es la desviacin estndar para dada una de las funciones de probabilidad mencionadas anteriormente?

Conclusiones (mencionar las aplicaciones de cada una de las funciones de probabilidad, as como la importancia del conocimiento de la esperanza matemtica, la varianza y la desviacin estndar).

15 Prctica 4: Objetivo En esta prctica, el alumno entender el concepto de una funcin objetivo y su relacin que tiene con el concepto de sistema de base de datos para el suministro de artculos para una empresa. La demanda de un producto perecedero es una variable aleatoria continua dada por la siguiente tabla:

Demanda (litros) [0,10) [10,20) [20,30)

Probabilidad 0.20 0.30 0.50

El costo del producto es de $60, y el precio de venta, de $130. Este producto tiene una vida til de 1 semana, y pasado este tiempo, se puede devolver el remanente con un reintegro de $20 el litro. Se trata de determinar, mediante simulacin, cul es la cantidad ptima a pedir por semana, de modo de maximizar la ganancia esperada.

Consideraciones tericas:

Desarrollo: Hacer una corrida de 100, primeramente con nmeros aleatorios uniformes y posteriormente aplicar las frmulas correspondientes, de esa forma se

16 obtendrn los litros con la probabilidad propuesta (recordatorio, las unidades de x, estn en decenas, por lo tanto hay que multiplicar por 10, para obtener los litros correspondientes al problema). Cuestionario: Cul es la expresin de la funcin acumulativa para cada intervalo? Por qu multiplicar por 10 a la x obtenida? Qu se puede esperar si se aumenta el nmero de corridas? Por qu se debe de generar los nmeros aleatorios uniformes?

Conclusiones (mencionar la estructura de est practica y como se puede generalizar a diferentes contextos).

17 Prctica 5: Camas de hospital Objetivo El alumno construir un modelo matemtico de simulacin completo, abarcado todas las posibles opciones, as como variables de decisin. Una obra social tiene un acuerdo con un hospital, por el que reserva una cantidad fija de camas para internacin. Cada cama, en estas condiciones, le cuesta a la obra social $30 por da. Si precisarn ms camas, la obra social deber abonar por da $80 por cama extra. Suponga que la cantidad de camas necesarias es una variable aleatoria binomial con parmetros n=15 y p=0.4. Se trata de decidir mediante simulacin la cantidad ptima de camas que debe reservar la obra social de modo de minimizar el costo total esperado.

Desarrollo: Construir el modelo matemtico para este problema; obtener los 200 datos generados con el software simulacin para una variable aleatoria binomial con parmetro n= 15 y p= 0.4, sustituirlos en el modelo, obtener el promedio y as obtener la cantidad optima de camas a alquilar.

Cuestionario: Cul es la expresin de la funcin de probabilidad binomial)? Qu significan n y p en la distribucin binomial? Por qu se pide el promedio de los datos generados mediante el modelo matemtico?

Conclusiones (mencionar la estructura de est practica y como se puede generalizar a diferentes contextos).

18 Prctica 6: Objetivo El alumno construir un modelo matemtico de simulacin completo, abarcado todas las posibles opciones, as como variables de decisin. Una compaa de seguros ofrece una pliza que contempla 3 clases de siniestros: robo, incendio y catstrofe. En caso de robo, la compaa paga $1000 al asegurado; en caso de incendio, paga $5000, y en caso de catstrofe, $100000. La cantidad de siniestros de cada tipo por asegurado y por ao, son variables aleatorias con distribucin Poisson y esperanzas 0.2, 0.005 y 0.0025 respectivamente. Debe determinarse, mediante simulacin, la prima que debera pagar el asegurado a la compaa de modo que la ganancia esperada de sta sea de $100.

Desarrollo: Obtener el modelo matemtico del problema; generar 1000 datos mediante el software de simulacin, para cada parmetro de poisson. Sustituir los datos generados en el modelo matemtico, y sacar el promedio para as determinar la prima a pagar por el asegurado. Cuestionario:

Cul es la expresin de la funcin de probabilidad de poisson)? Qu significado tiene el parmetro lambda en la distribucin binomial? Por qu se pide el promedio de los datos generados mediante el modelo matemtico?

Conclusiones (mencionar la estructura de est practica y como se puede generalizar a diferentes contextos).

19 Referencias: Ral Coss; Simulacin, un enfoque prctico. Taha; Investigacin de Operaciones. Fraleigh Beauregard; lgebra lineal. Eppen; Investigacin de Operaciones para las ciencias administrativas. Gordon, G. Simulacin de Sistemas.