Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Lectu Ra
Lectu Ra
JAIME MIRANDA
Departamento de Ingeniera Industrial Universidad de Chile
AGENDA
INTRODUCCION QU ES LA SIMULACIN?
El proceso en general consiste en construir un modelo artificial que represente un proceso real. Dicho modelo es menos costoso y ms fcil de implementar. Busca representar una situacin real en base a modelos matemticos. Es una tcnica que permite estimar medidas de desempeo de un sistema real estimado. La forma de reunir informacin sobre su comportamiento, es a travs de la medicin de variables aleatorias (V.A.). Los datos recopilados se usan para evaluar distintas configuraciones (medicin por escenarios). NO es una tcnica de optimizacin, por lo general, se encuentran mnimos locales.
INTRODUCCION (2)
JUSTIFICACION
Es altamente costoso simular una situacin con un sistema real
Varios escenarios Decisiones estratgicas
AREA DE OPERACIONES
Diseo y anlisis de sistemas de manufactura Determinacin de polticas de inventario Diseo y anlisis de sistemas de transporte Planificacin de la capacidad Diseo de servicios en general
OTRAS AREAS
Evaluacin de nuevas armas militares Anlisis de sistemas financieros y econmicos Estudios de ADN y biotecnologa
ESTUDIO DE UN SISTEMA
SISTEMA REAL
MODELACIN
MODELO
IMPLEMENTACIN
INTERPRETACIN
SISTEMA
Es una coleccin de entidades (personas o mquinas por ejemplo) que interactuan juntas con algn objetivo lgico (Schmidt &Taylor, 1970) Definicin bastante amplia Depende del sistema de estudio EJEMPLO:
Cola de un banco SISTEMA: parte del banco que encierra a los clientes que esperan y son atendidos, por un conjunto de cajeros para efectuar sus transacciones bancarias.
ESTADO
Es una coleccin de variables que describen el sistema en un momento del tiempo.
MEDIDAS DE DESEMPEO
Tiempos de espera: En cola, al ser atendido Utilizacin de recursos: Ocio, ocupado, reparacin Tiempos de ciclo: Total en el sistema, por proceso Tasas de produccin y atencin Clientes fugados: Por espera o sistema colapsado
SISTEMA
Modelo Fsico
Modelo Matemtico
Solucin Analtica
Simulacin
EJEMPLO PRACTICO
TEORIA DE ESPERA
Proceso de atencin
Forma en que el proceso es entregado. Deterministico (constante) o aleatorio (distribucin). Individuales o en batch
Nmero de servidores
Entidades que dan el servicio Nmero variable
Poltica de atencin
Seleccin de las entidades en cola para ser atendidas. FIFO-LIFO PRIORIDAD-RANDOM
A/B/C/D
A: Distribucin tiempo entre llegadas B: Distribucin de tiempo de atencin C: Nmero de servidores D: Capacidad mxima en el sistema
MODELOS ANALITICOS
Nos dan soluciones generales para ciertos problemas SIMPLIFICADOS
VENTAJAS Formulas aproximadas de fcil computo. Identificacin precisa de los trade-off. Rapidez en el clculo de las medidas de desempeo tradicionales. DESVENTAJAS Valido para un conjunto reducido de casos. Difcil de internalizar los efectos cuando se levantan los supuestos. Inaplicable a situaciones complejas-Reales.
MODELOS ANALITICOS
USOS Planificacin de la capacidad Control operacional de Call-Center Planeacin de Staff de un servicio
SERVIDOR 1
RESULTADOS ANALITICOS
2 = = 3
L=
1
L
=2
1 =1 W= =
PREGUNTAS INTEREZANTES
Cul es el nmero estimado de entidades en cola dentro del sistema? Qu fraccin del tiempo estn desocupados los cajeros? Cunto tiempo pasa una entidad en el sistema? Si deseo tener un nivel de servici del 95%. Cuntos cajeros debo tener en mi sucursal?
PROCESO DE LLEGADAS
ENTIDADES ATENDIDAS
PRIMERA CLASIFICACION
Modelos determinsticos v/s Modelos estocsticos Modelos estticos v/s Modelos dinmicos
SEGUNDA CLASIFICACION
Modelos continuos v/s Modelos discretos.
SISTEMA DISCRETO
Es un sistema en donde las variables de estado cambian solo en instantes especficos del tiempo En forma matemtica se podra decir que las variables solo cambien un nmero finito de veces Un evento ser definido como el instante en donde ocurre el cambio del estado del sistema Un ejemplo es la atencin de clientes en una cola. El sistema slo cambia cuando llega o es atendido un cliente
SISTEMA CONTINUO
Es un sistema en el cual las variables de estado cambian en forma continua en el tiempo
Rutinas de inicializacin
1. Update del estado del sistema Update de los contadores del sistema Genera nuevos eventos y almacena los antiguos Generacin de variables aleatorias 2. 3.
NO
SI
1. 2. Obtencin de indicadores. Generacin de reportes
STOP
PRIMEROS SUPUESTOS
Todos los cajeros poseen las mismas caractersticas de atencin La poltica de atencin es FIFO (first in first out) Los tiempos entre llegadas de clientes se distribuyen en forma exponencial Los tiempos de atencin de los cajeros se distribuyen en forma exponencial Existe un solo tipo de clientes
MODELO SIMPLIFICADO
ARQUITECTURAS BSICAS
SERVIDOR 1
SERVIDOR 1
SERVIDOR 2
SERVIDOR 2
SERVIDOR SERVIDOR
CASO 1:
UNA COLA Y VARIOS SERVIDORES
CASO 2:
VARIAS COLAS Y UN SERVIDOR POR COLA
JAIME MIRANDA
Departamento de Ingeniera Industrial Universidad de Chile
Algunos indicadores
Utilizacin de los servidores
87,38%
SERVIDOR 1
SERVIDOR 2
SERVIDOR 2
SERVIDOR 4
NIVEL DE SERVICIO
100% 80%
10
N CAJEROS
SISTEMA ACTUAL
LARGO PROMEDIO COLA
1,40
ENTIDADES
10
N CAJEROS
UTILIZACION CAJEROS
100%
UTILIZACION
10
N CAJEROS
SISTEMA ACTUAL
TIEMPO PROMEDIO COLA
1,40 1,20
MINUTOS
10
N CAJEROS
MODELOS DE SIMULACION
VENTAJAS
Conduce a una mejor comprensin del sistema real El tiempo de los experimentos es flexible
Grado de precisin. Recursos invertidos.
Es mucho ms general que los modelos matemticos de optimizacin y puede utilizarse en condiciones no apropiadas para un anlisis matemtico tpico
Fuerte trabajo estadstico y computacional.
VENTAJAS
Duplicacin ms realista del sistema
Es posible chequear supuestos. Anlisis de escenarios favorables y desfavorables.
DESVENTAJAS
No existe garanta de que el modelo produzca buenas soluciones Por lo general son soluciones sub-optimas. No se resuelve un problema de optimizacin. Es menos exacta. No hay manera de comprobar que el desempeo de un modelo sea completamente confiable. Los sistemas complejos pueden ser muy costosos y tomar mucho tiempo. Simular una situacin real en variados escenarios es costoso Para correr modelos complejos puede necesitarse una gran cantidad de tiempo y recursos. Carece de estandarizacin Soluciones a la medida.
AGENDA
JAIME MIRANDA
Departamento de Ingeniera Industrial Universidad de Chile