Académique Documents
Professionnel Documents
Culture Documents
Promodel
IDEF0
IDEF0 o IDEF (Integration Definition for Function Modeling) es un mtodo diseado
para modelar decisiones, acciones y actividades de una organizacin o sistema. Los
modelos efectivos de IDEF ayudan a organizar el anlisis de un sistema y a promover
una buena comunicacin entre el analista y el cliente.
ARENA
Arena es un modelo de simulacin por computadora que nos ofrece un mejor entendimiento de
las cualidades de un sistema, efecta diferentes anlisis del comportamiento.
Arena facilita la disponibilidad del software el cual est formado por mdulos de lenguaje
siman. Arena no tiene un enfoque nico objetivo de la industria. La flexibilidad de la
herramienta de modelado de simulacin Arena permite el anlisis de todo, desde centros de
atencin al cliente para completar las cadenas de suministro.
Este tipo de software es de gran utilidad para visualizar y estudiar de qu modo se estn
llevando a cabo diferentes procesos. Puede utilizarse para simular procesos tan variados como:
La disponibilidad de camas en un hospital.
Llenado de lquidos en una planta embotelladora
Produccin de cobre
5.2 Tipos de modelo de simulacin programables en hoja de clculo (inventarios, lneas
de espera, proyecciones, financieras, etc.): descripcin.
Inventarios:
El gestor logstico se encuentra siempre con el dilema de tener mucho inventario y aun as no puede
satisfacer todas las necesidades de sus clientes. Qu es lo que est ocurriendo? La respuesta es simple,
se suele tener sobrante de lo que no se vende y faltante de lo que hay demanda. En definitiva, el total
de inventario valorado es superior a lo que se entiende que corresponde, pero aun as el servicio
esperado no cumple con las expectativas de la empresa.
El exceso de inventario es producto de varios factores, dos de ellos: primero, por experiencias pasadas
de rotura de inventario, una reaccin posiblemente desproporcionada de sobreproteccin o un posible
desconocimiento de la demanda. El segundo caso, bsicamente se asocia con parmetros de gestin de
inventarios que no corresponden a la situacin de un artculo. Este ltimo caso se debe a cambios de la
demanda o suministro y un mantenimiento de parmetros de reaprovisionamiento estimados
previamente para un escenario diferente. Hay ms situaciones en la gestin de inventarios por las cuales
se crean excesos o faltantes de inventario, muchas de ellas son producto de una gestin incorrecta de la
informacin, pero las dos mencionadas, pueden ser amortiguadas si se hace una verificacin o
estimacin correcta de los parmetros de gestin de inventarios.
Supongamos que la poltica de inventario seleccionada por su empresa para gestionar un artculo que
comercializa es la denominada como revisin continua, la cul se caracteriza por tener dos parmetros,
el stock de seguridad, lo que define un punto de pedido, y la cantidad a reaprovisionarse. En esta
situacin cuando el inventario llega a su punto de reaprovisionamiento lanza un pedido de acopio por
una cantidad fija predeterminada. El punto de pedido corresponde a la demanda media en el plazo de
aprovisionamiento ms el stock de seguridad fijado.
Puede ser que estos dos parmetros los haya asignado por su experiencia pasada o porque su sistema se
los haya estimado, pero, est seguro de cumplir sus objetivos de negocio?. Uno de los objetivos
fundamentales de gestin es el nivel de servicio que es capaz de dar, en estos momentos dar servicio es
fundamental para mantener la cartera de clientes. Una medida del desempeo logstico es el servicio
medido como demanda satisfecha directamente de las existencias sobre el total de la demanda. Este
indicador se puede medir para un artculo tanto en unidades como en valores econmicos.
En el ejemplo de esta hoja, la informacin est dada mediante una tabla en la que muestra el porcentaje
de ocurrencias de cada demanda para un artculo, la demanda va desde 0 a 6 unidades en un da. Esta
informacin se puede obtener desde su base de datos de ventas y mediante la herramienta de anlisis
de datos de la hoja de clculo puede hacer un histograma de estos valores. La hoja se puede adaptar
fcilmente a otros valores.
Una segunda lectura de esta informacin puede ser, los porcentajes corresponden a la probabilidad de
que ocurra una demanda. Es importante recordar que en este sistema de gestin de inventarios se basa
en el pasado, se asume que en el futuro tendr un comportamiento similar su demanda.
Paso 1:
La funcin aleatorio me devuelve un numero aleatorio entre 0 y 1. Si necesitase simular nmeros entre
0 y 5 lo multiplicara por 6 y me quedara la parte entera =ENTERO(ALEATORIO()*5). Si quisiese numero
entre 1 y 5 entonces multiplicara por 5 tomara la parte entera y le sumaria 1
=ENTERO(ALEATORIO()*5)+1.
En resumen: que no me pidiesen nada, 0 unidades, ocurri el 3% de los das (representado por 0,03),
que me pidiesen una unidad el 5% y as. Calculo un sumatorio de frecuencias para asegurarme que
suman el 100% (representado por 1). El tiempo de servicio fue de un da el 20% de las veces, de 3 das el
50% de las veces y 5 das el restante 30% de los das.
Cuando generemos nmeros aleatorios para simular la demanda del artculo, si el nmero generado
est entre 0 y 0,03 simular que me han pedido 0 unidades para ese da. Si sale un numero entre 0,03 y
0,08 simular que me han pedido una unidad. Para los tiempos de servicio seguiremos el mismo
proceso, si un artculo llega a su punto para simular cuento tardara en llegar la mercanca generar un
numero aleatorio, si est entre 0 y 0,2 tomar 1 como plazo de entrega, s sale entre 0,2 y 0,7 tomar 3
como plazo de entrega, y entre 0,7 y 1 tomar 5 das como plazo de entrega. La bsqueda en estas
matrices est hecha con la funcin Excel buscarv.
El resultado nos queda:
una definicin amplia seria:"Una simulacin es una imitacin de la operacin de un proceso real durante
un tiempo determinado
El comportamiento de un sistema durante un tiempo determinado puede ser estudiado por medio de
un modelo de simulacin., este modelo toma su forma a partir de los postulados sobre la operacin del
sistema real
Por medio de una simulacin se estudian los sistemas reales a travs de un modelo del sistema real con
el propsito de comprender la interaccin de los procesos que intervienen en el, con el fin de variarlos
para obtener un objetivo determinado.
Es posible reemplazar las expresiones matemticas y el clculo de los valores de las variables de inters,
a travs de funciones de distribucin de probabilidad
Los Modelos de simulacin de eventos discretos (o simulacin tipo Monte Carlo), las funciones de
distribucin se usan con el propsito de realizar una experimentacin cuyos resultados llevarn,
despus de un nmero conveniente de ensayos al resultado que se obtendra con el sistema real
Los modelos que se obtienen como un conjunto de ecuaciones se denominan con frecuencia modelos
analticos o modelos de optimizacin.
Los modelos de simulacin son usados para estudiar y calcular los procesos estocsticos y los fenmenos
o problemas de lneas de espera.
Se dispone de modelos analticos que expresan el comportamiento de las lneas de espera, estos modelos
son conocidos como la teora de colas y ellos tratan de representar los resultados promedio de la
utilizacin de las funciones de distribucin de probabilidad que describen los sistemas de espera, tambin
se usan los modelos o procesos de Markov para describir y calcular las lneas de espera.
Los Modelos de simulacin de eventos discretos (o simulacin tipo Monte Carlo), las funciones de
distribucin se usan con el propsito de realizar una experimentacin cuyos resultados llevarn, despus
de un nmero conveniente de ensayos al resultado que se obtendra con el sistema real.
Ejemplo:
Proyecciones
Estimados seguidores esta vez he creado un simulador en Excel sobre un plan contable econmico y
financiero, est completamente libre para que ustedes lo adapten a su criterio y de acuerdo al rgimen y
cuentas de su ubicacin y pas.
Ejemplo
La compaa de luz tiene tres centrales que cubren las necesidades de cuatro ciudades. Cada central
suministra las cantidades siguientes de kilowatts-hora: planta 1, 35 millones; planta 2, 50 millones;
planta 3, 40 millones. Las demandas de potencia pico en estas ciudades que ocurren a la misma hora
(2:00 p.m.) son como sigue (en kw/h): ciudad 1, 45 millones; ciudad 2, 20 millones; ciudad 3, 30 millones
y ciudad 4, 30 millones. Los costos por enviar un milln de kw/h de la planta dependen de la distancia
que debe viajar la electricidad y se muestran en la tabla A.1.
Este problema se resuelve a travs del Solver de Excel, colocando celdas para las variables de decisin,
como se observa en la siguiente figura.
5.3.2 Experimentacin con varias configuraciones posibles del sistema simulado
Supongamos que trabajamos en un gran almacn informtico, y que nos piden consejo para
decidir sobre el nmero de licencias de un determinado sistema operativo que conviene
adquirir las licencias se suministrarn con los ordenadores que se vendan durante el
prximo trimestre, y es lgico pensar que en pocos meses habr un nuevo sistema
operativo en el mercado de caractersticas superiores. Cada licencia de sistema operativo le
cuesta al almacn un total de 75 Euros, mientras que el precio al que la vende es de 100 Euros.
Cuando salga al mercado la nueva versin del sistema operativo, el almacn podr devolver al
distribuidor las licencias sobrantes, obteniendo a cambio un total del 25 Euros por cada una. Basndose
en los datos histricos de los ltimos meses, los responsables del almacn han sido capaces de
determinar la siguiente distribucin de probabilidades por lo que a las ventas de licencias del nuevo
sistema operativo se refiere
Construimos nuestro modelo usando las frmulas que se muestran en la figura inferior. En la casilla H2
usaremos la funcin ALEATORIO para generar el valor pseudo-aleatorio que determinar el suceso
resultante; en la celda I2 usamos la funcin BUSCARV para determinar el suceso correspondiente
asociado al valor pseudo-aleatorio obtenido notar que usamos tambin la funcin MIN, ya que en
ningn caso podremos vender ms licencias que las disponibles. El resto de frmulas son bastante
claras:
5.4. Validacin
Para la validacin de los resultados del programa de simulacin acstica Catt Acoustic v8, se ha escogido
un aula de la Escuela Superior de Ingenieros (ESI): 105. Este estudio se realiza en tres fases:
1) Ajuste del modelo numrico para que represente lo ms fielmente la realidad. Para esto se han
modificado algunos de los parmetros que permite el programa, obteniendo los parmetros
acsticos mediante la simulacin de las aulas.
2) Comparacin entre los resultados medidos y simulados, para determinar la precisin con que la
simulacin se ajusta a las medidas.
El objetivo final es obtener una referencia que permita conocer la precisin de los resultados obtenidos
mediante las simulaciones realizadas con Catt Acoustic v8. La precisin de los clculos vendr
determinada, por una parte, por los mtodos de clculo que utiliza el programa de simulacin y, por
otra, por el grado de detalle geomtrico de la sala, introducido por el usuario, que en nuestro caso es el
ms fiel posible a la realidad.
5.4.1. Programacin de los informes de salida (estadsticas)
5.4.2. Construccin de grficas
5.4.3. Construccin de intervalos de confianza