SIMULACIN

SIMULACIN

Ing. Dennis
Garca Ocaa

IND 3211

Introduccin

Toda actividad humana,

puede ser representada
desde un enfoque
Sistmico.
El objetivo del enfoque
sistmico es
representar cada
organizacin de manera
comprensiva y objetiva

Ing. Dennis
Garca Ocaa

IND 3211

SISTEMA
Sistema

es el conjunto de
elementos relacionados entre si
en funcin de un objetivo comn,
actuando en determinado
entorno.

Ing. Dennis
Garca Ocaa

IND 3211

Componentes Bsicos de un
Sistema
Entrada
El
componente
impulsor con
el cual
funciona el
sistema

Ing. Dennis
Garca Ocaa

IND 3211

Proceso
Actividad
que
transforma el
insumo en
producto

Salida
Es el
resultado de
un proceso.
Es el fin para
el cual se
unen los
elementos
del sistema

Otros elementos del sistema

Entidad:

Para denotar un objeto de

inters de un sistema
Atributo: Denota una propiedad de una
entidad
Actividad: Todo proceso que provoca
cambios en el sistema
Estado del sistema: Indica una
descripcin de todas las entidades
Ing. Dennis
Garca Ocaa

IND 3211

 UN

MISMO SISTEMA PUEDE

REPRESENTARSE FORMALMENTE
MEDIANTE DIVERSOS MODELOS EN
FUNCIN DE LOS PROBLEMAS QUE
EL ANALISTA SE PLANTEA SOBRE
EL SISTEMA

Ing. Dennis
Garca Ocaa

IND 3211

MODELO

Por modelo entendemos la representacin de un

sistema, desarrollado con el propsito de estudiar
dicho sistema
Un objeto M es un modelo del objeto R para el
observador O, si O puede emplear M para responder
cuestiones que le interesan acerca de R (Minsky)

R
Ing. Dennis
Garca Ocaa

IND 3211

CLASIFICACN DE MODELOS
Estticos

- Dinmicos
Determinsticos - Probabilsticos
Continuos - Discretos
Prescriptivos - Descriptivos
De Ciclo Abierto - de Ciclo Cerrado

Ing. Dennis
Garca Ocaa

IND 3211

FORMAS DE ESTUDIAR LOS

SISTEMAS
SISTEMA

Experimento
con el sistema
real

Experimento
con un
modelo del
sistema real

Modelo fsico

Solucin
analtica

Ing. Dennis
Garca Ocaa

IND 3211

Modelo
matemtico

SIMULACIN

SIMULACIN
Simulacin

es el proceso de disear y
desarrollar un modelo de un sistema o
proceso real y conducir experimentos
con el propsito de entender el
comportamiento del sistema o evaluar
varias estrategias (dentro de lmites
impuestos por un criterio o conjunto de
criterios) para la operacin del
sistema. ROBERT. SHANNON

Ing. Dennis
Garca Ocaa

10

IND 3211

VENTAJAS DE LA
SIMULACIN

No es necesario interrumpir las operaciones de la empresa

Un mtodo ms simple de solucin cuando los
procedimientos matemticos son complejos y difciles.
Una vez construido el modelo se puede modificar de una manera
rpida con el fin de analizar diferentes polticas o escenario. Permite
anlisis de sensibilidad
Generalmente es ms barato mejorar el sistema va simulacin que
hacerlo en el sistema real.
Los mtodos analticos se desarrollan casi siempre relativamente
sencillos donde suele hacerse un gran nmero de suposiciones
simplificaciones, mientras que en los mtodos de simulacin es posible
analizar sistemas de mayor complejidad o con menor detalle.
En algunos casos, la simulacin es el nico medio para lograr una
solucin.

Ing. Dennis
Garca Ocaa

11

IND 3211

DESVENTAJAS DE LA
SIMULACIN

La simulacin es imprecisa, y no se puede medir el grado de su

imprecisin.
Los resultados de simulacin son numricos; surge el peligro de
atribuir a los nmeros un grado mayor de validez y precisin.
Los modelos de simulacin en una computadora son costosos y
requieren mucho tiempo para desarrollarse y validarse.
Es difcil aceptar los modelos de simulacin y difcil de vender
Los modelos de simulacin no dan soluciones ptimas.
La solucin de un modelo de simulacin puede dar al anlisis
un falso sentido de seguridad.
Requiere "largos" periodos de desarrollo

Ing. Dennis
Garca Ocaa

12

IND 3211

METODOLOGA PARA LA
SIMULACIN
Para planear experimentos de simulacin
aplicables a los sistemas econmicos e
industriales, debemos recurrir a tcnicas
como:
Estadstica matemtica
Anlisis numrico
La econometra
Programacin en computadoras
Diseo de experimentos

IND 3211

13

Ing. Dennis Garca Ocaa

Formulacin del problema

Objetivos y plan del proyecto

Conceptualizacin del modelo

Recoleccin de datos

Traduccin del modelo

Verificacin

Validacin

Diseo experimental

Corridas y anlisis

Ms corridas?

Documentacin y
reporte

Implementacin

IND 3211

14

Ing. Dennis Garca Ocaa

DISEO DE EXPERIMENTOS
DE SIMULACIN

1.
2.
3.
4.
5.
6.
7.
8.

IND 3211

Esta fase puede hacerse paralelamente al diseo y evaluacin.

Definir las variables endgenas y exgenas.
Definir las estructuras funcionales que las relacionan.
Elegir las distribuciones adecuadas a los parmetros
aleatorios.
Generar los nmeros y variables aleatorias que de acuerdo a
estas distribuciones, representan al sistema baja estudio.
Realizar pruebas de hiptesis para seleccionar la informacin
necesaria para realizar la simulacin.
Definir las distintas condiciones iniciales y finales de la
simulacin.
Realizar un nmero determinado de simulacin.
Tabular y graficar los resultados para realizar un mejor anlisis
y validacin de la simulacin.

15

Ing. Dennis Garca Ocaa

NMEROS ALEATORIOS

IND 3211

16

Ing. Dennis Garca Ocaa

Nmeros Aleatorios
Para

poder realizar una simulacin que

incluya variabilidad dentro sus eventos,
es preciso generar una serie de
nmeros aleatorios por si mismos
La generacin de un conjunto muy
grande de nmeros sin mostrar
correlacin se denominan pseudo
aleatorios
IND 3211

17

Ing. Dennis Garca Ocaa

Generacin de Nmeros
Pseudoaleatorios
ri={r1,r2,r3,,rn}
r(0,1)
n: periodo o ciclo de vida del generador que
creo la secuencia ri
Por lo menos n=231
Actualmente n=2200
ri debe seguir una distribucin uniforme
continua
1
0 r 1

f (r )
0 en _ otro _ caso

IND 3211

18

Ing. Dennis Garca Ocaa

Pruebas de uniformidad e
independencia
Los ri

deben estar uniformemente

distribuidos
Los ri deben ser continuos y no
discretos
La media 1/2
La varianza var=1/12

IND 3211

19

Ing. Dennis Garca Ocaa

Algoritmo de cuadrados
medios
1. Seleccionar una semilla X0 con D dgitos D>3
2. Sea X0=X02,
X1=Los D dgitos del centro
ri=0.D dgitos del centro
3. Sea Yi=Xi2
Xi+1=Los D dgitos del centro
ri=0.D dgitos del centro i=1,2,3,,n
4. Repetir el paso 3 hasta obtener los n nmeros
ri deseados
Ej. X0=5735
IND 3211

20

Ing. Dennis Garca Ocaa

Algoritmo de productos
medios
1. Seleccionar una semilla X0 con D dgitos D>3
2. Seleccionar una semilla X1 con D dgitos D>3
3. Sea Y0=X0X1
X2=Los D dgitos del centro
ri=0.D dgitos del centro i=1,2,3,,n
3. Sea Yi=XiXi+1
Xi+2=Los D dgitos del centro
ri+1=0.D dgitos del centro i=1,2,3,,n
4. Repetir el paso 4 hasta obtener los n nmeros ri deseados
Ej. X0=5374 X1=4356

IND 3211

21

Ing. Dennis Garca Ocaa

Algoritmo de multiplicador
constante
1. Seleccionar una semilla X0 con D dgitos D>3
2. Seleccionar una constante a con D dgitos D>3
3. Sea Y0=aX0
X1=Los D dgitos del centro
ri=0.D dgitos del centro i=1,2,3,,n
3. Sea Yi=aXi
Xi+1=Los D dgitos del centro
ri+1=0.D dgitos del centro i=1,2,3,,n
4. Repetir el paso 4 hasta obtener los n nmeros ri deseados
Ej. X0=4356 a=6125

IND 3211

22

Ing. Dennis Garca Ocaa

Algoritmo lineal
Es el ms usado
Su ecuacin recursiva es:
Xi+1=(aXi+c) mod (m) i=0,1,2,.,n
X0: semilla X0>0
a: constante multiplicativa a>0
c: constante aditiva c>0
r
m: mdulo m>0

Ej. X0= 43, a= 25, c=46 m=100

IND 3211

23

Ing. Dennis Garca Ocaa

xi
m 1

Algoritmo lineal
(continuacin)
Condiciones de Banks, Carson, Nelson y Nico,
para el periodo de vida n sea mximo.
m=2g
a=1+4k
k debe ser entero
c relativamente primo a m
g debe ser entero
Periodo Mximo N=m=2g
Ej. X0=6, k=3, g=3 y c=7

IND 3211

24

Ing. Dennis Garca Ocaa

Algoritmo congruencial
multiplicativo
Es un caso del algoritmo lineal: c=0
Xi+1=(aXi) mod (m) i=0,1,2,.,n
Condiciones de Banks, Carson, Nelson y Nico
m=2g
a=3+8k o a=5+8k
xi
k=0,1,2,3,.
r
X0 debe ser un nmero impar
m 1
g debe ser entero
Periodo Mximo N=m/4=2g-2
Ej. X0=17, k=2, g=5

IND 3211

25

Ing. Dennis Garca Ocaa

Algoritmo congruencial
aditivo
Se requiere la secuencia previa de n nmeros
enteros X1,X2,X3,...,Xn para generar una
secuencia que empieza en
Xn+1,Xn+2,Xn+3,Xn+4
Su ecuacin recursiva es:
Xi=(Xi-1+Xi-n) mod (m) i=n+1,n+2,n+3,,N
Los nmeros ri pueden ser generados por:
ri=Xi/(m-1)
Ej. X1=65, X2= 89, X3=98, X4=03, X5=69, m=100

IND 3211

26

Ing. Dennis Garca Ocaa

VARIABLES ALEATORIAS
Son aquellas que tienen un comportamiento probabilstico en
la realidad

IND 3211

27

Ing. Dennis Garca Ocaa

Reglas de distribucin de
probabilidad

IND 3211

La suma de las probabilidades asociadas a

todos los valores posibles de la variable
aleatoria x es uno
La probabilidad de que un posible valor de la
variable x se presente siempre es mayor que o
igual a cero
El valor esperado de la distribucin de la
variable aleatoria es la media de la misma
Pueden obtenerse parmetros asociados a la
distribucin de probabilidad mediante
estimadores no sesgados

28

Ing. Dennis Garca Ocaa

Tipos de variables aleatorias

Variables

Aleatorias discretas:
P( x) 0

i 0

P(a x b) pi Pa .... Pb
i a

Ej. Uniforme discreta, Bernoulli,

Hipergeomtrica, Poisson, etc.
IND 3211

29

Ing. Dennis Garca Ocaa

Variables Aleatorias continuas

Se representan como funciones de
densidad de probabilidad
P( x) 0
P( x a) 0

f ( x)dx 1

P(a x b) P (a x b) f ( x)dx
a

Ej. Uniforme continua, exponencial, normal, Weibull, Chicuadrada, Erlang, etc

IND 3211

30

Ing. Dennis Garca Ocaa

DETERMINACIN DEL
TIPO DE DISTRIBUCIN DE
UN CONJUNTO DE DATOS

IND 3211

31

Ing. Dennis Garca Ocaa

Prueba Chi-cuadrada
1. Obtener al menos 30 datos
2. Calcular la media y varianza
3. Crear un histograma de m=n intervalos y obtener su frecuencia Oi
4. Establecer la hiptesis nula, proponiendo una distribucin que se ajuste al
histograma
5. Calcular la frecuencia esperada Ei a partir de la funcin de probabilidad
6. Calcular el estadstico de prueba

( Ei Oi ) 2
c
Ei
i 1
m

7. Definir el nivel de significancia de la prueba, y determinar el valor crtico

de la prueba, ,m+k-12 (k es el nmero de parmetros estimados en la

distribucin propuesta)
8. Comparar el estadstico de prueba con el valor crtico. Si el estadstico de
prueba es menor que el valor crtico no se puede rechazar la hiptesis
nula

IND 3211

32

Ing. Dennis Garca Ocaa

Generacin de variables
aleatorias
La

variabilidad de eventos y actividades se

representa a travs de funciones de
densidad (Continuos o discretos)
Los mtodos principales para generar
variables aleatorias

IND 3211

Mtodo de la transformada inversa

Mtodo de convolucin
Mtodo de composicin
Mtodo de la transformacin directa
Mtodo de aceptacin y rechazo

33

Ing. Dennis Garca Ocaa

Mtodo de la transformada
inversa
1.

2.
3.

4.

IND 3211

Definir la funcin de densidad F(x)

que represente la variable a modelar
x
Calcular la funcin acumulada F(x) F ( x) f ( x)dx
0
Despejar la variable aleatoria x y
obtener la funcin acumulada inversa
F(x)-1
Generar las variables aleatorias x,
sustituyendo valores con nmeros
pseudoaleatorios riU(0,1) en la
funcin acumulada inversa
34

Ing. Dennis Garca Ocaa

Mtodo de convolucin
En algunas distribuciones de probabilidad la
variable aleatoria a simular, Y, puede
generarse mediante la suma de otras
variables aleatorias X
Y=X1+X2+..+Xk
Ej. La variable aleatoria k-Erlang con media
1/ puede producirse a partir de la generacin
de k variables exponenciales con media 1/k

1 k
Y ERi ln (1 ri )
k i 1

IND 3211

35

Ing. Dennis Garca Ocaa

SIMULACIN DE
VARIABLES
ALEATORIAS

IND 3211

36

Ing. Dennis Garca Ocaa

Simulaciones terminales
Los

modelos de tipo terminal tienen una

ocurrencia de un evento que da por
terminada la simulacin.
Ejj. Tiempo en procesar un lote de 100
piezas, nmero de clientes que atienden
en una cafetera entre las 8:00 y 9:00

IND 3211

37

Ing. Dennis Garca Ocaa

Simulaciones no terminales o
de estado estable
Las

simulaciones no terminales o de
estado estable no involucran una
ocurrencia en el tiempo en que tengan
que finalizar.
En este caso se debe determinar la
longitud de la corrida para asegurar la
estabilizacin de los resultados del
modelo
IND 3211

38

Ing. Dennis Garca Ocaa

MODELOS DE
SIMULACIN

IND 3211

39

Ing. Dennis Garca Ocaa

Lnea de espera

IND 3211

Ej. El tiempo que transcurre entre la llegada de

cierta pieza a una estacin de inspeccin sigue
una distribucin exponencial con media de 5
minutos/pieza. El proceso est a cargo de un
operario, y la duracin de la inspeccin sigue
una distribucin normal con media de 4.0 y
desviacin estndar de 0.5 minutos/pieza.
Calcular el tiempo promedio de permanencia de
las piezas en el proceso de inspeccin

40

Ing. Dennis Garca Ocaa

Modelo de un proceso de
ensamble e inspeccin

IND 3211

Dos barras metlicas de diferente longitud son

unidas mediante un proceso de soldadura para
formar una barra de mayor longitud. La longitud
del primer tipo de barra sigue una distribucin
uniforme entre 45 y 55 cm. La longitud del
segundo tipo de barra sigue una distribucin 4Erlang con media de 30 cm. Las
especificaciones del producto final son de 80+10 cm. Determinar el porcentaje de barras fuera
de especificacin

41

Ing. Dennis Garca Ocaa