Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Simulacin
Es la conduccin de experimentos sobre un modelo matemtico con el propsito de entender el sistema que representa o evaluar su comportamiento frente a diversas estrategias o condiciones. Permite predecir el comportamiento futuro del sistema. Asimismo se pueden variar los parmetros del modelo a fin de evaluar ciertas decisiones. La simulacin como herramienta se populariz con la aparicin de los computadores personales.
Eduardo O. Serrano Campos 2
Sistema
Un sistema est formado por un conjunto de partes, entre las que se establece alguna forma de relacin. Esta interaccin coordina a las partes dotando al conjunto de una entidad propia. Esta identidad que lo distingue de su entorno, aunque mantiene interaccin con el, permanece a lo largo del tiempo y bajo entornos cambiantes.
(Javier Aracil y Francisco Gordillo, 1997: Dinmica de Sistemas)
Modelo Matemtico
Usualmente describe un sistema a travs de un conjunto de variables y un conjunto de ecuaciones que establecen relaciones entre dichas variables. Eykoff (1974) lo defini como la representacin de los aspectos esenciales de un sistema, los cuales presentan conocimiento de dicho sistema en una forma usable. Los Modelos Matemticos se usan en diversas disciplinas: fsica, biologa, ciencias naturales, meteorologa, ingeniera, economa, sociologa, ciencias polticas, etc.
Eduardo O. Serrano Campos 5
Modelo
Se puede escribir de la forma:
Estructura de un Modelo
Variables de Estado Relaciones CausaEfecto, DecisinResultado, Respuesta
Variables de control
Eduardo O. Serrano Campos 8
Utilizar un Modelo
Lgico Matemtico Icnicos Fsico
Solucin ser
Analtica
Simulacin
Determinar claramente el alcance del modelo, es decir, bajo que situaciones es aplicable y que es lo que intenta analizar en especfico. uno siempre debera disear el modelo alrededor de las preguntas que desea responder en lugar de imitar exactamente el sistema real Robert E. Shannon, Systems Simulation: The Art and Science, 1975. La precisin del modelo es medida en funcin a como la salida generada por dicho modelo se asemeja a la salida del sistema real, dados ciertos valores de entrada.
Eduardo O. Serrano Campos
11
13
14
Estticos vs Dinmicos.
Los modelos dinmicos toman en cuenta el tiempo, en cambio los estticos no.
15
Tipos de Sistemas
Sistemas continuos Sistemas orientados a eventos discretos (patrn de repeticin aleatorio)
Sistemas Combinados
Fuente: Modelado y Simulacin. 2da Edicin. Universidad Politcnica de Catalunya. http://books.google.com.pe/books?id=KZDPoE0uWTkC&lpg=PA334&dq=simu lacion&pg=RA1-PA3#v=onepage&q=&f=false
16
17
Completo?
SI
NO
Verificado?
SI NO
NO
Documentar FIN
Validado?
SI
18
19
Ejemplo
Se sabe que de cada 10 semillas sembradas en un suelo de cultivo, solo 5 se convertirn en plantas de buena calidad, 3 sern de baja calidad y 2 no se desarrollarn. Adems se sabe que las ganancias por cada planta de buena y baja calidad es respectivamente 7 y 3 soles. Si se siembran 100 semillas, que resultados se tendrn?
Plantas alta calidad Plantas baja calidad No desarrolla
Evaluemos el resultado para las 3 primeras semillas... Escogemos 3 nmeros aleatorios en el intervalo [0,1> 0.29 0.15 0.83 Ubicamos el evento correspondiente segn la tabla de probabilidad acumulada. 0.29 => Alta calidad 0.15 => Alta calidad 0.83 => No desarrolla. Segn la simulacin se tendra hasta el momento que que de las 3 primeras semillas lanzadas 2 se convertiran en plantas de alta calidad y 1 no desarrollara.
20
5/10=0.5
3/10=0.3
2/10=0.2
21
Nmeros Aleatorios
Propiedades de los nmeros aleatorios:
Deben tener igual probabilidad de salir elegidos. No debe existir correlacin serial.
1 0.9 0.8
Histogram
F re cu e n c ia s 15 10 5 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9
0 200 400 600 800 1000
Intervalos
22
23
Nmeros Pseudo-Aleatorios
Sustituyen a los nmeros aleatorios. Se generan por algoritmos o frmulas.
24
Generadores NO Congruenciales
26
Mtodo del Cuadrado Medio Iteracin 0 1 2 3 4 5 6 7 8 9 10 A 496 601 120 440 360 960 160 560 360 960 160 A^2 246016 361201 14400 193600 129600 921600 25600 313600 129600 921600 25600 serie pseudo aleatoria 601 120 440 360 960 160 560 360 960 160 560
28
29
Generadores congruenciales
xn +1 = f (xn )
Estudiaremos los siguientes generadores:
30
xn +1 = (axn + c ) mod m,
Siendo: x0, es el valor inicial o semilla. a, multiplicador. c, incremento. m, mdulo.
siendo 0 xn < m n
31
MCL
Ventajas: Rpido. Poco uso de memoria. La serie es reproducible. Observaciones: Si no se escogen con cuidado los parmetros se puede tener series con periodos cortos. Si se repite un nmero, se repite toda la serie.
Eduardo O. Serrano Campos 32
Ejemplo 1:
N 1 2 3 4 5 6 7 8 9 10 11 12 13 14 a=1 ; c= 7; m=13; semilla =7 X aX + c (aX + c) mod m 7 14 1 1 8 8 8 15 2 2 9 9 9 16 3 3 10 10 10 17 4 4 11 11 11 18 5 5 12 12 12 19 6 6 13 0 0 7 7 7 14 1 1 8 8
33
Ejemplo 2:
N 1 2 3 4 5 6 7 8 9 10 11 12 13 14 a=4 ; c= 4; m=13; semilla =6 X aX + c (aX + c) mod m 6 28 2 2 12 12 12 52 0 0 4 4 4 20 7 7 32 6 6 28 2 2 12 12 12 52 0 0 4 4 4 20 7 7 32 6 6 28 2 2 12 12 12 52 0
xn +1 = (axn ) mod m,
siendo 0 xn < m n
Siendo: x0, es el valor inicial o semilla. a, multiplicador m, mdulo. Todas las fortalezas y debilidades del MCL tambin se aplican a este mtodo. Igual que en el MCL se tienen que escoger cuidadosamente los parmetros para asegurar un periodo mximo igual a m
Eduardo O. Serrano Campos 35
Ejemplos:
a 9 N 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 m 7 X 3 6 5 3 6 5 3 6 5 3 6 5 3 6 5 3 6 5 aX 27 54 45 27 54 45 27 54 45 27 54 45 27 54 45 27 54 45 (aX) mod m 6 5 3 6 5 3 6 5 3 6 5 3 6 5 3 6 5 3
a 11 N 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
m 17 X 3 16 6 15 12 13 7 9 14 1 11 2 5 4 10 8 3 16 aX 33 176 66 165 132 143 77 99 154 11 121 22 55 44 110 88 33 176 (aX) mod m 16 6 15 12 13 7 9 14 1 11 2 5 4 10 8 3 16 6
36
37
38
39
Prueba de la Xi cuadrado
Nos permite averiguar si las frecuencias observadas difieren de las frecuencias esperadas de una distribucin determinada. Est diseada especialmente para trabajar con valores discretos y un nmero grande de datos. Los nmeros se ajustan a la distribucin especificada si:
2 obs (2 ,k 1)
40
k= n
Calcular el valor esperado para cada grupo, el cual para el caso de nmeros pseudoaleatorios es constante ya que la distribucin es uniforme y por tanto se espera que todos los grupos tengan la misma frecuencia. E = n/k Calcular la cantidad de nmeros que por intervalo ( Oi ) Calcular X2 0bservada usando la frmula:
2 X obs = i =1 k
(Oi E )2
E
41
0.4044 0.8158 0.2856 0.3820 0.7217 0.9660 0.8591 0.3457 0.1010 0.8648 0.3856 0.4133 0.2815 0.0824 0.7949 0.1045 0.5227 0.9925 0.8854 0.6560
0.9242 0.1960 0.5417 0.7398 0.4164 0.6640 0.1047 0.5377 0.8558 0.8378 0.9458 0.8251 0.3327 0.8438 0.3259 0.6965 0.4281 0.2437 0.5495 0.8922
0.2745 0.2844 0.1791 0.2253 0.2056 0.9290 0.3390 0.7045 0.7294 0.8910 0.2870 0.1766 0.7704 0.9795 0.5250 0.3264 0.3087 0.8124 0.0743 0.4101
0.8123 0.0868 0.7077 0.4900 0.6630 0.9939 0.0128 0.0694 0.6464 0.7127 0.2691 0.7554 0.6542 0.1518 0.3066 0.0763 0.6117 0.3413 0.0729 0.1935
42
n = 100
15 10 5 0 0.1 0.2
k = n = 100 = 10
Histogram
Nro Intervalo (i) 1 2 3 4 5 6 7 8 9 10
E = 100 / 10 = 10
O(i) 11 9 10 12 9 7 10 10 14 8 E 10 10 10 10 10 10 10 10 10 10 (O - E) / E 0.10 0.10 0.00 0.40 0.10 0.90 0.00 0.00 1.60 0.40 3.60
Frecuencias
0.6 0.7
0.8 0.9
Intervalos
Nro Intervalo Fin de Intervalo Frequencias 1 0.1 11 2 0.2 9 3 0.3 10 4 0.4 12 5 0.5 9 6 0.6 7 7 0.7 10 8 0.8 10 9 0.9 14 10 1 8
Eduardo O. Serrano Campos
44
45
i 1 i D = mx X obs ( i ) , X obs (i ) 1i n n n
Si D < D, n , podemos aceptar que la serie de nmeros evaluada tiene una distribucin uniforme.
46
LEVEL OF SIGNIFICANCE FOR D = MAXIMUM [ F0(X) - Sn(X) ] .20 .900 .684 .565 .494 .446 .410 .381 .358 .339 .322 .307 .295 .284 .274 .266 .258 .250 .244 .237 .231 .210 .190 .180 1.07 ___ N .15 .925 .726 .597 .525 .474 .436 .405 .381 .360 .342 .326 .313 .302 .292 .283 .274 .266 .259 .252 .246 .220 .200 .190 1.14 ___ N .10 .950 .776 .642 .564 .510 .470 .438 .411 .388 .368 .352 .338 .325 .314 .304 .295 .286 .278 .272 .264 .240 .220 .210 1.22 ___ N .05 .975 .842 .708 .624 .565 .521 .486 .457 .432 .410 .391 .375 .361 .349 .338 .328 .318 .309 .301 .294 .270 .240 .230 1.36 ___ N .01 .995 .929 .828 .733 .669 .618 .577 .543 .514 .490 .468 .450 .433 .418 .404 .392 .381 .371 .363 .356 .320 .290 .270
7 8 9 10 11 12 13 14 15 16 17 18 19 20 25 30 35
OVER 35
47
1.63 ___ N
Ej:
Valores 0.000008 0.131538 0.755605 0.458650 0.532767 0.218959 0.047045 0.678865 0.679296 0.934693 0.383502 0.519416 0.830965 0.034572 0.053462 0.529700 0.671149 0.007698 0.383416 0.066842 0.417486 0.686773 0.588977 0.930436 0.846167 0.526929 0.091965 0.653919 0.415999 0.701191
N 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
Xobs 0.000008 0.007698 0.034572 0.047045 0.053462 0.066842 0.091965 0.131538 0.218959 0.383416 0.383502 0.415999 0.417486 0.458650 0.519416 0.526929 0.529700 0.532767 0.588977 0.653919 0.671149 0.678865 0.679296 0.686773 0.701191 0.755605 0.830965 0.846167 0.930436 0.934693
i/n 0.0333 0.0667 0.1000 0.1333 0.1667 0.2000 0.2333 0.2667 0.3000 0.3333 0.3667 0.4000 0.4333 0.4667 0.5000 0.5333 0.5667 0.6000 0.6333 0.6667 0.7000 0.7333 0.7667 0.8000 0.8333 0.8667 0.9000 0.9333 0.9667 1.0000 Max
D1 0.033 0.059 0.065 0.086 0.113 0.133 0.141 0.135 0.081 -0.050 -0.017 -0.016 0.016 0.008 -0.019 0.006 0.037 0.067 0.044 0.013 0.029 0.054 0.087 0.113 0.132 0.111 0.069 0.087 0.036 0.065 0.141
D2 0.000 -0.026 -0.032 -0.053 -0.080 -0.100 -0.108 -0.102 -0.048 0.083 0.050 0.049 0.017 0.025 0.053 0.027 -0.004 -0.034 -0.011 0.021 0.004 -0.021 -0.054 -0.080 -0.099 -0.078 -0.036 -0.054 -0.003 -0.032 0.083
D = 0,141
48
49
Resumen
Validacin de nmeros Pseudoaleatorios
Distribucin Uniforme
No Correlacionados
Test Jicuadrado
Usa agrupaciones de datos. Recomendados para un nmero grande de datos
Test KolmogorovSmirnov
Usa individualmente los datos. Trabaja bien an con un nmero de datos pequeo.
50
Teora de Colas.
Las lneas de espera ( o colas) ocurren cuando se deben acceder a recursos limitados. Estudia las listas de espera (retardo/congestin). Principales componentes de un sistema de colas:
Las llegadas. La cola de espera. Dispositivo de servicio.
Red de Colas.
Es un conjunto de sistemas de colas conectados entre s.
51
52
Llegadas
Pueden ser determinsticas, como si fueran alimentadas por una mquina operando en una lnea de ensamble a una tasa constante, o probabilsticas, como el arribo de clientes a un cajero.
Cola de espera
Si el dispositivo de servicio se encuentra ocupado, se formar una cola. La cola puede ser de capacidad finita o infinita. Puede haber una o varias colas.
Poltica de seleccin
La cola debe tener una poltica de atencin, siendo la ms comn la FIFO.
Dispositivo de servicio
El dispositivo de servicio puede ser un equipo, un trabajador, etc. Puede realizar la atencin en un tiempo detrministico o probabilstico. Puede haber uno o varios dispositivos de servicio.
Eduardo O. Serrano Campos 53
Distribuciones ms usadas
Poisson: Distribucin usada comnmente para modelar el nmero de llegadas por unidad de tiempo.
Exponencial: Distribucin usada comnmente para modelar el tiempo entre eventos, para este caso: tiempo de servicio.
54
55
Costos
56
Simbologa bsica:
Datos: = tasa media de llegadas por unidad de tiempo = tasa de servicio por unidad de tiempo Incgnitas: L: # medio de clientes en el sistema Lq: # medio de clientes en cola de espera W: Tiempo medio de permanencia en el sistema por cliente. Wq: Tiempo medio de espera en cola por cliente. P0: Probabilidad de que el servidor est ocioso. Pn: Probabilidad de que cuando un cliente llega al sistema haya n clientes en el sistema. Pn>k: Probabilidad de que haya ms de k clientes en el sistema : Porcentaje del tiempo que el servidor est ocupado.
Eduardo O. Serrano Campos 57
Modelos Conocidos
Existen modelos de colas clsicos que tienen soluciones determinsticas conocidas para todas las incgnitas citadas anteriormente. Para determinar si un caso se ajusta a un modelo conocido se necesita un mtodo para clasificar las lneas de espera. Esta clasificacin debe responder las siguientes incgnitas: Existe uno o varios servidores? El tiempo de servicio sigue algn patrn? Etc.
Eduardo O. Serrano Campos 58
Notacin Kendal.
A/B/M
Donde: A Distribucin de los tiempos entre arribos B Distribucin de tiempos de servicio M Nmero de Servidores A y B pueden ser: M: Markov (cada evento es independiente) D: Determinista G: General
Eduardo O. Serrano Campos 59
Modelo M/M/1
Es el modelo de cola ms simple. Tiempo entre llegadas Markoviano. Tiempo de servicio Markoviano. Un solo servidor. Poltica de atencin FIFO. Capacidad de la Fuente es Infinita. Capacidad de la Cola de Espera es Infinita.
1/ = tiempo promedio entre llegadas. 1/ = tiempo promedio de servicio.
( )
2 = ( L) ( )
1
Lq: # medio de clientes en cola de espera W: Tiempo medio de permanencia en el sistema por usuario. Wq: Tiempo medio de espera en cola por usuario.
Lq =
W=
( )
= (W ) ( )
Wq =
61
= 1
P0 :
P0 = 1
Pn :
clientes
Pn = 1 = (1 ) n
Pn > k
k +1
62
63
Problema 1
Un acomodador de autos atiende 15 carros por hora. Si el empleado toma un descanso de 10 minutos cul es la probabilidad de que en su ausencia no llegue carro alguno?
= 15 / 60 = 0,25 carros/minuto
en 10 minutos :
= 10 0,25 = 2,5
P0 = 2,50 2,5 e = 0.082 0!
64
Problema 2
En un peaje de la va de evitamiento, los carros llegan cada 30 segundos en promedio. El tiempo que toma el cobro del peaje es en promedio 12 segundos. Este fin de semana, se cerrar una va alterna, con lo que se espera tener el 50% ms de trnsito por el peaje. Al director de trnsito urbano de la ciudad le interesa predecir lo siguiente: Cul es la probabilidad de que ms de 5 carros estn esperando cruzar? Cuntos carros estarn esperando en promedio para ser atendidos? Cul es la probabilidad de que el cobrador pueda descansar? Cul es el tiempo promedio que le tomar a un conductor pasar el peaje? Responder las interrogantes asumiendo una tasa de llegadas Poisson y un tiempo de atencin exponencial.
65
Solucin
Cul es la probabilidad de que ms de 5 carros estn esperando para ser atendidos?
Pn > k =
k +1
0,26
Lq =
2 = ( L) ( )
0,9
P0 = 1
= 1
0.4
W=
( )
30 s
66
Problema 3
Usted ingres a un banco a hacer un trmite en ventanilla. Luego de hacerlo nota que la chica que atiende en plataforma es muy bonita y le parece que sera perfecta para acompaarlo a bailar este sbado. En ese instante ella est atendiendo a un cliente y usted decide esperar a que se quede sola para poder abordarla, ya que no podra esperar a que termine su horario de trabajo pues usted tiene clase del curso de simulacin justo a esa hora. Luego de esperar por unos minutos, se da cuenta que los clientes han ido llegando segn su reloj de la siguiente manera: 16:02; 16:14; 16:22; 16:35; 16:46 La chica ha atendido 4 clientes en 36 minutos. Lamentablemente usted ya no puede esperar ms y tiene que irse, as que est pensando en regresar el da siguiente a la misma hora. Suponiendo que las llegadas son Poisson y el tiempo de atencin es exponencial decide evaluar los siguientes escenarios, para ver si vale la pena el intento: Cual es la probabilidad de que pueda abordarla sola.? Si decide hacer la cola, con la excusa de realizar alguna operacin, cuanto tiempo tendra que esperar para poder hablar con ella? Si es rechazado cuanta gente presenciara esta humillacin?
Eduardo O. Serrano Campos 67
Solucin
Tiempo medio entre llegadas: 16:02; 16:14; 16:22; 16:35; 16:46 12 + 8 + 13 + 11 = 44 / 4 = 11 min. Tiempo medio de atencin: 36 / 4 = 9 min. = 1/11 = 0,09 = 1/9= 0,11 Probabilidad de que pueda abordarla sola: P0 = 18% Tiempo promedio que pasara en cola = Wq = 40 30. Si es rechazado, el # de personas que podra presenciar la humillacin seran: Lq = 3,68 = 4 personas.
Eduardo O. Serrano Campos
68
Problema 4
Es sbado por la noche y est celebrando en un local de Barranco el haber aprobado su curso de simulacin. Este local es barra libre. Luego de su primer trago, le parece que la cola para la barra avanza demasiado lenta, ya que su poltica es beber todo lo que se pueda. Por otro lado un amigo suyo lo acaba de llamar para informarle que tiene 1 caja (12 botellas) de cerveza que puede compartir con usted, si lo va a ver en este instante. Usted empieza a evaluar que le conviene ms: Cada chop que le dan en el local tiene el contenido completo de 1 botella. Por otro lado, a la cola llegaron 15 personas en 1 minuto y fueron atendidas 16. El horario para la barra libre es solo hasta la 1 am, con lo que le queda 2 horas de cerveza gratis. Adems usted se termina su chop de cerveza en 16 minutos aproximadamente. Le conviene quedarse o ir a buscar a su amigo? Cuntas personas se espera apreciar normalmente en la cola? Cuntos minutos libres tendr en 1 hora el despachador de cerveza?
69
Solucin
Cerveza que podras tomar con su amigo: 12botellas / 2 = 6 botellas = 6 chops. Tiempo promedio para obtener una cerveza en el local W = 1 minuto. Chops que puede tomar en la fiesta = 120/(16 + 1) = 7,06 => le conviene quedarse. Nmero promedio de clientes en la cola: Lq = 14,06 Minutos libres en 1 hora = 60 min * P0 = 60 * 0,06 = 3,6 min.
70
Colas M/M/S
Origen cola servidores
72
Resumen de Frmulas
s = nmero de servidores
Lq =
s +1
s ( s!)(1 ) 2
p0
s
Debe ser menor a 1 (condicin de estabilidad)
1
L = Lq + Wq = Lq
s 1 n s p0 = + n =0 n! s!(1 )
1 W = Wq + ( )
73