INVESTIGACION DE:

SIMULACION DE HOJA DE CLCULO

PROFESOR: Ing. Cisneros

Juan Manuel Covarrubias
Ing. Industrial
Fecha: 28/11/2017
Contenido
Unidad 5 simulacin en hoja de clculo ....................................................................................................... 3
5.1.1 Lenguaje general de Programacin en computadoras. ................................................................... 3
5.1.3. Programas comerciales de simulacin disponibles ........................................................................ 4
SOFTWARE PARA SIMULACION DE SISTEMAS DE LINEAS DE ESPERA .................................................. 5
5.2 Tipos de modelo de simulacin programables en hoja de clculo (inventarios, lneas de espera,
proyecciones, financieras, etc.): descripcin ............................................................................................ 6
5.3. Ejemplos de simulacin en hoja electrnica .................................................................................... 11
5.3.1. Programacin: distribucin del modelo en la hoja de clculo .................................................. 11
5.3.2 Experimentacin con varias configuraciones posibles del sistema simulado ............................... 13
5.4. Validacin......................................................................................................................................... 15
5.4.1. Programacin de los informes de salida (estadsticas) ............................................................. 16
5.4.2. Construccin de grficas ........................................................................................................... 16
5.4.3. Construccin de intervalos de confianza .................................................................................. 17
Unidad 5 simulacin en hoja de clculo

5.1.1 Lenguaje general de Programacin en computadoras.

Lenguaje de programacin. Es un idioma artificial diseado para expresar

computaciones que pueden ser llevadas a cabo por mquinas como las computadoras.
Pueden usarse para crear programas que controlen el comportamiento fsico y lgico de
una mquina, para expresar algoritmos con precisin, o como modo de comunicacin
humana.
Est formado de un conjunto de smbolos y reglas sintcticas y semnticas que definen
su estructura y el significado de sus elementos y expresiones. Al proceso por el cual se
escribe, se prueba, se depura, se compila y se mantiene el cdigo fuente de un programa
informtico se le llama programacin.
Tambin la palabra programacin se define como el proceso de creacin de un programa
de computadora, mediante la aplicacin de procedimientos lgicos, a travs de los
siguientes pasos:
El desarrollo lgico del programa para resolver un problema en particular.
Escritura de la lgica del programa empleando un lenguaje de programacin especfico
(codificacin del programa)
Ensamblaje o compilacin del programa hasta convertirlo en lenguaje de mquina.
Prueba y depuracin del programa.
Desarrollo de la documentacin.
Existe un error comn que trata por sinnimos los trminos 'lenguaje de programacin' y
'lenguaje informtico'. Los lenguajes informticos engloban a los lenguajes de
programacin y a otros ms, como por ejemplo el HTML. (lenguaje para el marcado de
pginas web que no es propiamente un lenguaje de programacin sino un conjunto de
instrucciones que permiten disear el contenido y el texto de los documentos)
Permite especificar de manera precisa sobre qu datos debe operar una computadora,
cmo deben ser almacenados o transmitidos y qu acciones debe tomar bajo una variada
gama de circunstancias. Todo esto, a travs de un lenguaje que intenta estar
relativamente prximo al lenguaje humano o natural, tal como sucede con el lenguaje
Lxico. Una caracterstica relevante de los lenguajes de programacin es precisamente
que ms de un programador pueda usar un conjunto comn de instrucciones que sean
comprendidas entre ellos para realizar la construccin del programa de forma
colaborativa.
5.1.3. Programas comerciales de simulacin disponibles

Promodel

ProModel es un simulador con animacin para computadoras personales. Permite

simular cualquier tipo de sistemas de manufactura, logstica, manejo de materiales, etc.
Puedes simular bandas de transporte, gras viajeras, ensamble, corte, talleres,
logstica, etc.
Puedes simular Justo a Tiempo, Teora de Restricciones, Sistemas de Empujar, Jalar,
Logstica, etc. Prcticamente, cualquier sistema puede ser modelado. Algunos
ejemplos incluyen determinar la mejor combinacin de factores para maximizar
produccin minimizando costo, etc.
nico software de simulacin con. Optimizacin plenamente integrada
Creacin de modelos rpida, sencilla y flexible.
Modelos optimizables.
Elementos de Logstica, Manejo de Materiales, y Operaciones incluidas. (Bandas
de transporte, Gras Viajeras, Operadores).
Resultados probados.
Importacin del Layout de Autocad, y cualquier herramienta de CAD / CAE /
Diseo, as como de fotografas digitales.
Integracin a Excel, Lotus, Visual Basic y herramientas de Microsoft.
Genera en automtico las grficas en 3 dimensiones para visualizacin en el
espacio tridimensional.

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.

SOFTWARE PARA SIMULACION DE SISTEMAS DE LINEAS DE ESPERA

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:

Introduzco los datos histricos que conozco:

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 el ejercicio nos hemos quedado con los valores entre 0 y 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.

Paso 2: Ahora calculamos las demandas acumuladas.

Paso 3: Ahora con la funcin aleatorio vamos a calcular la simulacin para n 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:

Simulacin en lneas de espera

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.

La Planificacin Financiera consiste en la elaboracin de previsiones a medio y largo plazo, en un

horizonte de 3-5 aos. Al ser previsiones a ms de un ao, tiene un elevado grado de incertidumbre, pero
no obstante es conveniente realizarla para estar mejor preparado y dirigir con ms precisin la empresa,
al marcar los rumbos que debe tomar. Un posterior control nos permitir a travs de las desviaciones,
analizar y corregir las tendencias.

El anlisis financiero consiste en evaluar la situacin econmico-financiera actual de la empresa y

proyectar su futuro. En definitiva, enjuiciar la gestin empresarial de la unidad econmica para predecir
su evolucin futura y poder tomar decisiones con la menor incertidumbre.

5.3. Ejemplos de simulacin en hoja electrnica

5.3.1. Programacin: distribucin del modelo en la hoja de clculo
Solucin de problemas de programacin lineal (PL) con una hoja de clculo En este punto se demuestra
con detalle la mecnica del uso del Solver en Excel mediante la solucin del siguiente problema.

Ejemplo

En un inicio solo se presenta su enunciado y planteamiento.

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

Como hemos comentado anteriormente, las estimaciones puntuales obtenidas a partir

de una muestra diferirn del parmetro poblacional y, en consecuencia, quedar un
margen de incertidumbre que se expresa en trminos del error estndar (EE) del
estimador. As, resulta natural querer disponer de una medida del parmetro poblacional
que incorpore tanto la estimacin puntual como su error estndar. Esta medida es el
intervalo de confianza (I.C.), que facilita un rango de valores dentro del cual se encontrar
el verdadero valor del parmetro poblacional con un cierto grado de confianza.
El error estndar es un concepto central en los intervalos de confianza, no tiene
aplicacin para expresar la variabilidad de los individuos de una poblacin, es slo un
indicador de la variabilidad de las medias calculadas en muchas posibles muestras que
se tomen de una poblacin, todas ellas de tamao n.
El error estndar es a la muestra, lo que la desviacin estndar es al individuo. Por tanto,
el error estndar de la media mide nuestro grado de incertidumbre respecto a la
capacidad de la media muestral para estimar la media poblacional.
Por ejemplo, si la desviacin estndar de la edad de una muestra de 100 pacientes es
20 aos, el EE de la media valdra 20 100 2 , y esperaramos que las medias de
muestras repetidas de tamao 100 tuviesen una distribucin normal cuya desviacin
estndar fuese 2. Siguiendo con el ejemplo anterior, si lo nico que sabemos es que la
media muestral es x = 39 aos, nuestra nica posibilidad es confiar es que esta media
muestral est entre ese 95% de medias muestrales situadas en el entorno de +2 errores
estndar de la verdadera media poblacional. Es decir, sumndole y restndole 2 errores
estndar, tendremos un rango de valores en el que confiamos (con un 95% de confianza)
que se encuentra la verdadera media poblacional.
Si repetimos todo el proceso 100 veces, el 95% de intervalos as calculados contendrn
a la verdadera media poblacional. Este mismo razonamiento se aplica a otros
estimadores muestrales distintos de la media: proporciones, varianza, diferencias de
medias, diferencias de proporciones...
La expresin ms general para hacer estimaciones calculando intervalos de confianza
es sumar y restar al estimador muestral z veces el EE del estimador:
Parmetro (estimador + z x EE del estimador)
donde z es el valor correspondiente de la distribucin normal.
A veces, en vez de z, se usa la distribucin t de Student, debido a que no disponemos
de s (la desviacin estndar poblacional) sino slo de (la desviacin estndar muestral).
Si el I.C. es al nivel de confianza del 95% (en general, 1- ), implica que hay un 5% de
error (en general,) repartido en dos colas, una a cada lado. Cada cola valdra el 2.5%
( / 2 = 0.025); en este caso, z valdra1 1.96. Figura 5.1.

El intervalo de confianza calculado depender de:

Lo estimado en la muestra (porcentaje, media,..) El I.C. est formado por
valores ligeramente menores y mayores que la aproximacin ofrecida por
la muestra.
El tamao muestral. Cuantos ms datos hayan participado en el clculo,
ms pequeo esperamos que sea la diferencia.
La probabilidad, nivel de confianza (1-), con la que el mtodo dar una
respuesta correcta. Niveles de confianza habituales para los I.C. son el
95% y el 99%.