Está en la página 1de 83

SIMULACIN

WILSON EMILIO ALMANZA MANIGUA

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD 2013

Autor inicial: CARLOS ANDRES RUIZ ROMERO Ingenieria de Sistemas: Especialista En Telemtica

CONTENIDO TEMTICO

UNIDAD I CAPITULO 1: INTRODUCCIN Y CONCEPTOS FUNDAMENTALES

Leccin 1 Sistemas parte I o Sistemas complejos o Comunicacin e informacin en los sistemas o Estructura SAO y observatorio de un sistema

Leccin 2 Sistemas parte II o Representacin grfica para sistemas complejos o Representacin matemtica para sistemas

Leccin 3 Conceptos Elementales de Sistemas o Enfoque de sistemas o Conceptos de sistemas o Propiedades o Jerarqua de sistemas

Leccin 4 Introduccin a la simulacin o Definiciones de simulacin o Ventajas y Desventajas o Metodologa o Riesgos o Problemas o reas de aplicacin

Leccin 5 Modelado de sistemas o Introduccin o Definicin de modelo o Estructura de los modelos de simulacin o Las condiciones de los modelos o Caractersticas de un modelo de simulacin o Clasificacin de los modelos o Criterios para realizar un buen modelo o Riesgos de la elaboracin de modelos

CAPITULO 2:

SIMULACIN DETERMINISTA Y ALEATORIA

Leccin 6 Simulacin aleatoria discreta Leccin 7 Generacin de nmeros pseudoaleatorios Introduccin Generadores Congruenciales Lineales (Mixto, Multiplicativo)

Leccin 8 Generadores Congruenciales lineales Leccin 9 Pruebas Estadisticas para Nmeros Pseudoaleatorios Leccin 10 Simulacin Discreta

CAPITULO 3:

SIMULACIN EN HOJAS DE CLCULO Y LENGUAJES DE SIMULACION Simulacin en Hojas de Clculo Lenguajes de Simulacin Introduccin a GPSS Ejemplos de Lenguajes de Simulacin

Leccin 11 Leccin 12 Leccin 13 Leccin 14

UNIDAD II CAPITULO 4: LNEAS DE ESPERA Y DINAMICA DE SISTEMAS

Leccin 15 Introduccin a las Lneas De Espera o Lneas De Espera Y Teora De Formacin De Colas o Estructura De Una Lnea De Espera. o Clasificacin De Kendall, Lee Y Taha o Glosario De Trminos Generales o Clasificacin de las lneas de espera o Ejemplos o Conclusiones Leccin 16 Lneas De Espera y Teoria de formacin de colas o Generalidades

Leccin 17

Clasificacin de las Lneas De Espera

o Conceptos bsicos Leccin 18 Transporte o Enfoques de para modelar flujo de trfico vehicular o Conceptos a considerar o Modelos de asignacin de equilibrio. o Aplicacin Dynameq o Caractersticas de Dynameq o Datos de entrada Dynameq o Diagrama de flujo o Salidas Dynameq o Manual de usuario Dynameq Leccin 19 Modelos a de Asignacin de equilibrio

CAPITULO 5: DINAMICA DE SISTEMAS Y TEORIA DE INVENTARIOS Leccin 20 Leccin 21 Leccin 22 Leccin 23 Leccin 24 Sistemas Conceptos bsicos Historia de Dinmica de Sistemas Diagramas Causales o Influencia Diagramas de Forrester Metodologia para construccin de un modelo Dinmico de

CAPITULO 6: Leccin 25 Leccin 26 Leccin 27 Leccin 28 Leccin 29 o o

TEORIA DE INVENTARIOS Clasificacin de los modelos de Inventarios CComponentes de los modelos de Inventarios Modelo Determinstico Modelos Estocasticos Polticas de gestin Aplicacin Conclusiones

UNIDAD III CAPITULO 7: Leccin 30 Leccin 31 SISTEMAS BASADOS EN AGENTES Dimensiones de los agentes Arquitectura de sistemas de agentes

o Ejemplos o Dimensiones de los agentes Leccin 32 Leccin 33 Leccin 34 Agentes Software Sistemas Multiagente Automtas Celulares

o Utilidad o Caractersticas o Tipos de autmatas celulares

CAPITULO 8:

INTRODUCCION A LOS SISTEMAS BASADOS EN EL CONOCIMIENTO

Leccin 35 Modulos basicos de Representacin del Conocimiento Leccin 36 Leccin 37 Leccin 38 Leccin 39 Lenguajes para la representacin del conocimiento Eficiencia en Sistemas de Reconocimientote patrones Arboles de Decisin Representacion de Conocimientos

CAPITULO 9:

MICROMUNDOS

Leccin 40 Introduccion, Definicin y elementos

Leccin 41 Sistemas Complejos, Agentes y Algoritmos Bioinspirados Leccin 42 Intiligencia de Enjambres Leccin 43 Colonias de Hormigas, Modelo Real, Modelo Virtual

CAPITULO 1:

INTRODUCCIN

Leccin 1

Sistemas parte I

1. SISTEMAS MODELOS Y SIMULACIN 1.1 INTRODUCCIN El proceso de comunicacin en un sistema es ms complejo de lo que a simple vista parece. Ello conlleva, a un flujo de datos, informacin y conocimiento, analogas con lo que sucede en algunos sistemas naturales (como el ser humano), simulando la actividad de un mdico, diagnosticar el estado de salud del objeto de estudio.

1.2 SISTEMAS COMPLEJOS 1.2.1 Concepto de sistema Se entiende por sistema a una estructura funcional que se caracteriza por que tiene un conjunto de entidades y diversas propiedades que determinan las relaciones atemporales bien sean estocsticas, determinsticas y/o difusas a un nivel de resolucin dado. Relaciones atemporales son vnculos entre entidades sin tener en cuenta la variable tiempo el nivel de resolucin es la determinacin de los conjuntos, de los valores de todas las cantidades junto con una coleccin de aquellos instantes en el tiempo, en los cuales deseamos obtener los valores Cuando tales conjuntos son difusos se requiere establecer su funcin de pertenencia cuando son estocsticos es necesario determinar las funciones de probabilidad que lo rigen. La Figura 1 ilustra grficamente la nocin de sistema:

Por notacin,

Sistema

con

seales de entrada y

seales de salida.

Para el anlisis de cualquier sistema, se recurre a los siguientes conceptos:

Conceptos Seales de Entrada Actividad Seales de Salida Coordinacin RetroInformacin Estructura

1.2.2 Caractersticas de los sistemas Concepto Homestasis Diferenciacin Inercia Dinamismo Dialctica Teleolgica Entropa [3]

Cada sistema posee sus caractersticas particulares.

1.2.3 Estructura de un sistema

La estructura estructura

y la estructura

y se escribe:

. La

(universo del discurso del sistema) corresponde a las entidades corresponde a los posibles estados y

y sus relaciones la estructura transiciones en el sistema.

Un sistema debe hacerse or, comprender y diferenciar.

Los sistemas, emiten mensajes, los cuales deben coordinarse para lograr efectividad a nivel semntico, sintctico y pragmtico.

1.3 ESTRUCTURA SAO Y OBSERVATORIO DE UN SISTEMA

Un sistema nunca estar aislado (en principio) siempre deber estar inmerso en un ambiente o contexto (usualmente dinmico e imprevisible).

Adicionalmente, no suena mal la idea de considerar un tercer componente en esta interaccin. Un componente que vigile que sea observador del sistema en estudio actuando en el contexto determinado y que diagnostique e influya sobre el quehacer de la estructura funcional en estudio.

La Figura 2, estructura Sistema Ambiente Observatorio (SAO)

Propone y realiza una serie de mtricas, mide el sistema de una forma genrica y determina, su estado. Las principales labores a cargo de este subsistema son: Monitoreo del sistema Soporte a la toma de de decisiones Determinacin de caractersticas del sistema

Se busca es el descubrimiento de leyes generales que gobiernan la actividad del sistema.

Leccin 2
o

Sistemas parte II

Representacin grfica para sistemas complejos

El lenguaje grfico que se presenta a continuacin es una adaptacin de las Tcnicas de Anlisis y Diseo Estructurado SADT .El lenguaje SADT se conoce como lenguaje de anlisis estructurado (SA). El mtodo SADT est formado por un conjunto ordenado de diagramas SA. Tipos bsicos de diagramas SA . Actigrama Datagrama ACTIGRAMA: Diagrama de actividades Los nodos denotan actividades y los arcos especifican flujos de datos.

La Figura 3 muestra el formato de los nodos del actigrama.

Entradas controles mecanismos salidas La intensidad del color de la flecha representa la importancia relativa con respecto a las dems flechas el estilo de la lnea representa el carcter estocstico, difuso o determinstico de acuerdo a si son punteadas, lnea punto o continuas respectivamente.

DATAGRAMA: Diagramas de datos Especifican datos en los nodos y actividades en los arcos. Los diagramas de datos y de actividades son duales. son importantes (1) Para indicar todas las actividades afectadas por un dato y (2) para verificar la integridad y consistencia de un modelo SADT.

La Figura 4 muestra el formato caracterstico de un nodo de diagrama de datos.

Las entradas y salidas son actividades mientras que los rectngulos denotan los datos o informacin.

Cuatro tipos distintos de arcos. El lado izquierdo del nodo son entradas, Los arcos que entran por la parte superior son de control los que entran por la parte inferior especifican mecanismos o procesadores que llevan a cabo la actividad. Las salidas proporcionan entrada y controles para otros nodos

Caractersticas estructurales en los datagramas.

Observando la Figura 5 ,

es la entrada externa al diagrama y

es un

control externo, la salida de la actividad actividades , , . Las actividades controla a la actividad y

es una entrada para las pueden llevarse a cabo en , por lo cual debe esperar, la

paralelo, la salida

salida de la actividad diagrama son y

retroalimenta como control a

, las salidas del hasta .

. Los mecanismos se indican por

Figura 5: Representacin tpica de un sistema mediante Actigramas

Leccin 3
o o o o

Conceptos Elementales de Sistemas

Enfoque de sistemas Conceptos de sistemas Propiedades Jerarqua de sistemas

Enfoque de sistemas:

La aparicin del Enfoque de sistemas, nace con la manifestacin de la ciencia en resolver problemas complejos establecidos por el mundo teniendo en cuenta el inters de un trabajo interdisciplinario, las analogas y funcionamiento de las ciencias biolgicas; es una forma de pensar en la confrontacin de la problemtica buscando visualizar y considerar todos los elementos que intervienen en un problema., buscando no ser reduccionistas.

Conceptos de sistemas: Definimos: un sistema como un conjunto interconectado de elementos cuya estructura determina todas las modalidades del comportamiento dinmico. El comportamiento se refiere a los valores de las variables de sistemas a lo largo del tiempo. La estructura se puede describir como el numero, disposicin, polaridad y orden de los bucles de retroalimentacin en el modelo del sistema [1]. Sistemas: un conjunto de partes coordinadas para alcanzar ciertos objetivos, y que entendemos por partes coordinadas , especficamente el objetivo es definir cuidadosamente y en detalle cual es el sistema total, el medio en que se encuentra, sus objetivos, sus partes y cmo estas partes apoyan el logro de esos objetivos. [2]. Sistemas: Es una coleccin de entidades relacionadas, cada una de las cuales se caracteriza por atributos o caractersticas que pueden estar relacionados entre s. Los objetivos que se persiguen al estudiar uno o varios fenmenos en funcin de un sistema son aprender cmo cambian los estados, predecir el cambio y controlarlo. Todo sistema consta de tres caractersticas. Tienen fronteras, existe dentro de un medio ambiente y tiene subsistemas. El medio ambiente es el conjunto de circunstancias dentro de las cuales est una situacin problemtica, mientras que las fronteras distinguen las entidades dentro de un sistema de las entidades que constituyen su medio ambiente. Sistema: Es una estructura dinmica de personas, objetos y procedimientos organizados para el propsito de lograr ciertas funciones. [3]. Sistemas es definido como una coleccin de elementos que continuamente interactan sobre el tiempo para formar un todo unificado. El modelo fundamental de interaccin entre los elementos de un sistema es llamado la estructura del sistema.

Propiedades: COMPONENTES: Son las partes de un conjunto que forman el sistema VARIABLES: Pueden ser de dos tipos (Exgenos, Endgenos) - Exgenas: son del entorno en trminos de matemtica (X), el sistema no puede cambiar mucho por cambiar su comportamiento tambin llamadas de entrada o entorno. - Endgenas: son producto del sistema tambin llamadas matemticamente las (Y), las independientes tambin llamadas variables de decisin. - Estado: representan el estado de uno o varios componentes del sistema en el tiempo, sirven para determinar las relaciones funcionales. - Salida: Son aquellas variables que resultan del sistema Estadsticamente a las variables exgenas se las denomina como variables independientes PARAMETROS: identifican diferentes variaciones del problema, esto con ayuda de un equipo interdisciplinario. Los parmetros una vez establecidos se convierten en constantes. RELACIONES FUNCIONALES: deben explicar cmo se producen la dinmica del sistema la explicacin debe ser matemtica. Las relaciones funcionales pueden ser de tipo determinsticos o estocsticos. - Determinsticas: Sus definiciones que relacionan ciertas variables o parmetros donde una salida del proceso es singularmente determinada por una estrada dada.

- Estocsticas: Cuando el proceso tiene una salida indefinida, para una entrada determinada las relaciones funcionales se representan por ecuaciones matemticas y salen del anlisis estadstico matemtico. RESTRICCIONES: Estas son limitaciones impuestas a valores de las variables las cuales pueden ser de dos formas: - Autoimpuestas: O sea asignadas por el mismo operador o Jerarqua de sistemas Subsistemas. Un subsistema es "Un elemento o componente funcional de un sistema mayor que tiene las condiciones de un sistema en s mismo, pero que tambin tiene un papel en la operacin de un sistema mayor Suprasistema. El suprasistema es un sistema mayor a cuya funcin global el sistema est contribuyendo y del cual forma parte. Frontera. La frontera de un sistema representa el lmite de accin en donde tiene autoridad la persona que toma decisiones en ese sistema. La frontera delimita lo que es y lo que no es el sistema. Ambiente. El ambiente de un sistema es todo lo est situado fuera de su frontera. Sistema parcial Un sistema parcial es una visin del sistema en la cual parte de las relaciones, aquellas que no son relevantes al aspecto del sistema que se est estudiando, son eliminadas.

Leccin 4
o o o o o

Introduccin a la simulacin

Definiciones de simulacin Ventajas y Desventajas Metodologa Riesgos o Problemas reas de aplicacin

Introduccin a la simulacin Aunque la construccin de modelos arranca desde el renacimiento, el uso de moderno de la palabra simulacin data del 1940, cuando los cientficos Von Neuman y Ulam que trabajaban en el proyecto de Monte Carlo, durante la segunda Guerra Mundial resolvieron problemas de anlisis matemtico demasiado complicado. Con la computadora y experimentos de simulacin, surgieron incontables aplicaciones y con ello, una cantidad mayor de problemas tericos y prcticos.

La simulacin es el desarrollo de un modelo lgico-matemtico de un sistema, de tal forma que se obtiene una imitacin de la operacin de un proceso de la vida real o de un sistema a travs del tiempo, La simulacin de sistemas ofrece un mtodo para analizar el comportamiento de un sistema.

La elaboracin e implementacin de grandes proyectos de inversin requieren estudios lgicos-matemticos complejos es por ello indispensable realizar estudios preliminares para asegurar su conveniencia de acuerdo a su eficiencia y ejecucin econmica para proyectos de cualquier tamao.

Definiciones d e s i m u l a c i n . Algunas d e l a s d e f i n i c i o n e s a cepta das y difundidas de la palabra simulacin.

Por THOMAS H. NAYLOR la definen as:

Simulacin: es una tcnica numrica para conducir experimentos en una computadora digital. Estos experimentos comprenden ciertos tipos de

relaciones matemticas y lgicas, las cuales son necesarias para describir el comportamiento y la estructura de sistemas complejos del mundo real a travs de largos periodos de tiempo.

Por H. MAISEL Y G. GNUGNOLI, definen as:

Simulacin: Es una tcnica numrica para realizar experimentos en una computadora digital, estos experimentos involucran ciertos tipos de modelos matemticos y lgicos que describen el comportamiento de sistemas de negocios, econmicos, sociales, biolgicos, fsicos o qumicos a travs de largos periodos de tiempo.

Por ROBERT E. SHANNON definen as:

Simulacin: Es el proceso de disear y desarrollar un modelo computarizado de un sistema o proceso y conducir experimentos con este modelo con el propsito de entender el comportamiento del sistemas o evaluar varias

estrategias con las cuales se puede operar el sistema.

Por H. MAISEL Y G. GNUGNOLI definen as: simulacin es una tcnica numrica para realizar experimentos en una computadora digital. estos experimentos involucran ciertos tipos de modelos matemticos y lgicos que describen el comportamiento de sistemas de negocios, econmicos, sociales, biolgicos, fsicos o qumicos a travs de largos periodos de tiempo.

Ventajas y Desventajas. Ventajas: 1. Es mucho ms sencillo comprender y visualizar los mtodos de simulacin que los mtodos puramente analticos.

2. Una vez construido, el modelo puede ser modificado de manera rpido con el fin de analizar diferentes polticas o escenarios. 3. Los mtodos analticos se desarrollan casi siempre, para sistemas relativamente sencillos donde suele hacerse un gran nmero de suposiciones o simplificaciones, mientras que con los modelos de simulacin es posible analizar sistemas de mayor complejidad o con mayor detalle. 4. Permite evaluar diferentes alternativas. 5. Permite experimentar sin interferir con el mundo real. 6. La tcnica de simulacin puede ser utilizada como un instrumento pedaggico para ensear a estudiantes habilidades bsicas en el anlisis estadstico, anlisis terico. 7. La simulacin de sistemas complejos puede ayudar a entender mejor la operacin del sistema, a detectar las variables mas importantes que interactan en el sistema y a entender mejor las interrelaciones entre estas variables. 8. La tcnica de simulacin se puede utilizar tambin para entrenamiento de personal. 9. La tcnica de simulacin puede experimentar con nuevas situaciones, sobre las cuales se tiene poca informacin.

Desventajas: 1. Difcil de modelar y entender. 2. Los modelos de simulacin en una computadora son costosos y requieren mucho tiempo para desarrollar y validarse. 3. Los modelos de simulacin no dan resultados ptimos. 4. La solucin de un modelo de simulacin puede dar al analista un falso sentido de seguridad. 5. requieren largos periodos de desarrollo. 6. Un buen modelo de simulacin puede resultar bastante costoso; a menudo el proceso es largo y complicado para desarrollar un modelo.

Metodologa: Definicin del sistema: para determinar la definicin del problema, debe realizarse un buen anlisis, por lo tanto debe tomar en cuenta la interaccin con otros sistemas, determinar los limites o fronteras, las restricciones y los mtodos a utilizar. Formulacin del modelo: definir y construir un modelo, con variables que forman parte de l, sus relaciones lgicas. Coleccin de datos: Identificacin de los datos que el modelo requiere y reduccin de estos a una forma adecuada. Seleccin del lenguaje: seleccionar el lenguaje de simulacin, es importante utilizar el lenguaje que mejor se adecu a las necesidades de simulacin que se requieran. La seleccin puede ser desde usar un lenguaje general como lo es BASIC, PASCAL o FORTRAN hasta hacer uso de un paquete especficamente para simular sistemas de manufactura como el SIMFACTORY o el PROMODEL, o lenguajes de Simulacin como: GPSS, SLAM, SIMAN, SIMSCRIPT, etc. Translacin del modelo. Consiste en generar las instrucciones o cdigo computacional o necesario para lograr que el modelo pueda ser ejecutado en la computadora. Validacin: las formas mas comunes de validar un modelo son: 1. La opinin de los expertos sobre los resultados de la simulacin. 2. La exactitud con que se predicen datos histricos. 3. La exactitud en la prediccin del futuro. 4. La comprobacin de falla del modelo de simulacin al utilizar datos que hacen fallar al sistema real. 5. la aceptacin y confianza en el modelo de la persona que har uso de los resultados que arroje el experimento de simulacin. Experimentacin: Corrida de la simulacin para generar los datos

deseados y efectuar anlisis de sensibilidad. Interpretacin: Obtencin de inferencias con base en datos generados

por la simulacin. Implantacin. Una vez seleccionada la mejor alternativa es importante llevarla a la prctica, en muchas ocasiones este ltimo caso es el ms difcil

ya que se tiene que convencer a la alta direccin y al personal de las ventajas de esta puesta en marcha. Al implantar hay que tener cuidado con las diferencias que pueda haber con respecto a los resultados simulados, ya que estos ltimos se obtienen, si bien de un modelo representativo, a partir de una suposiciones. Monitoreo y control: No hay que olvidar que los sistemas son dinmicos y con el transcurso del tiempo es necesario modificar el modelo de simulacin, ante los nuevos cambios del sistema real, con el fin de llevar a cabo actualizaciones peridicas que permitan que el modelo siga siendo una representacin del sistema. Documentacin: dos tipos de documentacin son requeridos para hacer un mejor modelo de simulacin; documentacin de tipo tcnica: es decir, la documentacin que el departamento de datos debe tener del modelo, la segunda se refiere al manual del usuario con el cual se facilita la interaccin y el uso del modelo desarrollado. Riesgos o Problemas: Definir los lmites y nivel de detalles del sistema. Subestimar el tiempo y costos involucrados en el proceso de modelacin. Fallar en la seleccin del ms simple y econmico de los modelos para el fin establecido. Ausencia o prdida de metodologa estadstica. Considerar como aproximados algunos atributos de un sistema que no existe. Entendimiento superficial del sistema a ser modelado. Poca destreza para comunicarse con administradores y staff que financiarn el proyecto. reas de aplicacin: La Simulacin es una tcnica de gran aplicacin en muchas reas debido a su gran utilizacin aplicaciones son: Ciencias bsicas. Economa. algunos ejemplos de las

Social Ingeniera Industrial Civil Teora de la informacin Teora grficos Teora de de juegos Teora de la decisin Estados Financieros Proyectos de inversin.

Ejemplos de usos de simulacin en las diferentes reas: Existen muchas reas donde la simulacin puede ser explicada como las siguientes:

Simulacin basada en colas: con esta tcnica es posible estudiar y analizar sistemas de colas, cuya su representacin matemtica es bastante compleja. Ejemplos de estos sistemas seria aquellos donde es posible la llegada al sistema en grupo, la salida de la cola del sistema, el rehusar entrar al sistema cuando la cola es excesivamente grande.

Simulacin de un sistema de inventarios: se pueden analizar sistemas de inventarios se pueden analizar fcilmente sistemas donde sus parmetros (tiempo de entrega, demanda, costo de llevar inventario, son estocstico.)

Simulacin de un proyecto de inversin: una gran cantidad de proyectos de inversin genera o maneja una gran incertidumbre con respecto a los flujos de efectivo que el proyecto genera a las tasas de inters, a las tasas de inflacin, porcentaje de prdidas, de ganancias, para este tipo de situaciones el uso de la simulacin es ampliamente recomendado.

Simulacin de sistemas econmicos: puede ser utilizado para evaluar el efecto de cierto tipo de desiciones, devaluacin de la moneda, el impuesto al

valor agregado, en las dems variables macroeconmicas como: producto nacional bruto, balanza comercial, inflacin, oferta monetaria, etc.

Simulacin de estados financieros: el uso de esta tcnica permite analizar cuales estrategias de crecimiento son las que llevaran a la organizacin al logro de sus objetivos y metas de corto, mediano y largo plazos.

Leccin 5
o o o o o o o o

Modelado de sistemas

Introduccin Definicin de modelo Estructura de los modelos de simulacin Las condiciones de los modelos Caractersticas de un modelo de simulacin Clasificacin de los modelos Criterios para realizar un buen modelo Riesgos de la elaboracin de modelos

Introduccin: Desde el surgimiento mismo de la computacin y a lo largo de toda su evolucin se ha intentado modelar o simular el pensamiento humano y los procesos que ocurren en l. En los inicios solo se trataba de representar en las computadoras el pensamiento estructurado, los algoritmos de clculos que podan definirse claramente como un conjunto de pasos que podan ser interpretados por las mquinas y de cierta forma sustituir o contribuir a elevar la eficiencia del ser humano en este tipo de actividades. Con el tiempo se fueron introduciendo tcnicas de inteligencia artificial mucho ms ambiciosas, los robots empleados en diferentes esferas de la vida econmica y social son una muestra de ello. La modelacin de sistemas es una metodologa aplicada y experimental que pretende: 1. Describir el comportamiento de sistemas. 2. Hiptesis que expliquen el comportamiento de situaciones problemtica.

3. Predecir un comportamiento futuro, es decir, los efectos que se producirn mediante cambios en el sistema o en su mtodo de operacin. Definiciones de modelo: Modelo: es una representacin de la realidad desarrollada con el propsito de estudiarla.

Modelo: es una simplicacin de una situacin de la vida real.

Modelo: Un modelo es una invencin de algo que inventamos para explicar una serie de datos que queremos interpretar.

Parmetros

Variables

Variables

Modelo
Variables

Condiciones

Parmetros

Condiciones

Esquema de un modelo:

Un modelo puede explicar y representar ideas, definiciones complejas difciles de entender, por lo tanto es una situacin precisa y hace la comunicacin eficiente y efectiva.

Estructura de los modelos de simulacin Los componentes son las partes constituyentes del sistema. Tambin se les denomina elementos o subsistemas.

Las variables son aquellos valores que cambian dentro de la simulacin y forman parte de funciones del modelo o de una funcin objetivo. Los parmetros son cantidades a las cuales se les asignar valores, una vez establecidos los parmetros, son constantes y no varan dentro de la simulacin. "Las relaciones funcionales muestran el comportamiento de las variables y parmetros dentro de un componente del sistema. Estas caractersticas operativas pueden ser de naturaleza determinstica o estocstica. Las

relaciones determinsticas son identidades o definiciones que relacionan ciertas variables o parmetros, donde una salida de proceso es singularmente determinada por una entrada dada. Las relaciones estocsticas son aquellas en las que el proceso tiene de manera caracterstica una salida indefinida para una entrada determinada. Las restricciones son limitaciones impuestas a los valores de las variables o la manera en la cual los recursos pueden asignarse o consumirse. En las

funciones de objetivos se definen explcitamente los objetivos del sistema y cmo se evaluarn, es una medida de la eficiencia del sistema. Condiciones de los modelos: Complejidad de la interrelacin entre factores que definen un sistema. Preparacin del tomador de decisiones. Incapacidad de clasificar los hechos relevantes e irrelevantes y cmo pueden afectarse al implementar decisiones. Diseo o modificacin de sistemas evaluando diferentes alternativas. Menor costo que en sistemas reales la toma de decisiones. La inexistencia del sistema real. Implementar sistemas para tomar decisiones genera grandes atrasos y se incurre en la posibilidad que el sistema implementado sea insatisfactorio.

Caractersticas de un modelo de simulacin


Que

sea completo

Adaptabilidad Credibilidad Simplicidad (menor nmero Factible

de parmetros)

tanto en Informacin como en recursos costo mximo del modelo debe ser el mnimo beneficio que se

Econmico (el

obtiene)

Clasificacin de los modelos Modelos icnicos: son modelos fsicos que se asemejan al sistema real, generalmente manejados en otra escala. Modelos anlogos: son los modelos en los que una propiedad del sistema se puede sustituir por una propiedad diferente que se comporta de manera similar. Modelos Simblicos: son aquellos en los que se utilizan un conjunto de smbolos en lugar de una entidad fsica para representar a la realidad. Modelos determinsticos: en estos modelos, los valores de las variables no se ven afectadas por variaciones aleatorias y se conocen con exactitud, un ejemplo es modelo de inventarios.

Modelos estocsticos o probabilsticas: los valores de la variables de un modelo estocstico sufren modificaciones aleatorias con respecto a un valor promedio; dichas variaciones pueden ser manejadas mediante distribuciones de probabilidad un ejemplo es la teora de lneas de espera. Modelos dinmicos: la caracterstica de estos modelos es el cambio que representan las variables en funcin del tiempo; son ejemplos la serie de tiempo, pronsticos, y programacin dinmica. Modelos estticos: representa un sistema en un punto particular del tiempo, ejemplo la programacin lineal. Criterios para realizar un buen modelo: existen algunos criterios para tomar en cuenta a la hora de formular o construir un modelo. Sencillo y fcil de entender para el usuario final Dirigido a metas u objetivos. Fcil de controlar y manipular por parte del usuario. Completo, en lo referente a asuntos importantes. Estratgico, pedaggico.

Riesgos de la elaboracin de modelos:

Primero, no existe garanta alguna de que el tiempo y el trabajo dedicados a establecer el modelo tendr como resultado algo til as como beneficios satisfactorios. El fracaso suele ocurrir porque el nivel de recursos es demasiado bajo. Sin embargo, a menudo el investigador se ha basado ms en el mtodo y no suficientemente en el ingenio cuando el balance apropiado entre conducir a la mayor probabilidad de xito. La segunda advertencia se refiere a la tendencia del investigador de defender su representacin particular de un problema como la mejor que existe de la realidad. Esta situacin ocurre a menudo despus de que ha invertido mucho tiempo y trabajo esperando resultados tiles. La tercera advertencia es la referente a la utilizacin del modelo para predecir ms all del intervalo de aplicacin sin la debida especificacin. Por ejemplo, puede disearse un modelo para pronosticar el comportamiento del sistema para un periodo futuro. Si se toma el mismo modelo para predecir en dos periodos futuros, debe especificarse de manera explcita a quienes lo utilizan en el sentido de que en estas predicciones el periodo futuro de prediccin no es tan exacto como en el caso de la prediccin para determinado periodo. Omitir una especificacin apropiada con respecto aun modelo de extrapolacin da como resultado quizs la nica y mayor causa de la mala aplicacin practica.

CAPITULO 2: ALEATORIA

SIMULACIN DETERMINISTA Y

Leccin 6

Simulacin aleatoria discreta

Simulacin De Eventos Equiparables Cuando las N operaciones de un evento aleatorio son equiparables n = [r * N] + 1 r : Nmero aleatorio n : Resultados de la simulacin [r * N] : mayor entero r * N 1. Ejemplo: Baraja de 52 cartas Corazones, picas, diamantes y trboles r = 0.41n = [0.41 * 52] +1: 22 9 picas Ejemplo de simulacin Aleatoria Dado 3 caras color amarillo 2 caras color azul 1 cara color rojo Apuesta = $ 200 Construya las tablas de un proceso de simulacin con base en las cuales se establezca el tiempo de ventaja que le toma un ciclista desde un punto A a otro B en una etapa con las siguientes caractersticas. Tramo 0 10 10 25 25 30 Clase de terreno Plano Subida Bajada Velocidad A 42 25 10 Velocidad B 45 15 100 $ 400 $ 600

DISTRIBUCIONES DISCRETAS 1. Bernoulli Se presenta o no el evento, para una probabilidad P, la probabilidad de que no ocurra es (1-p) 2. Binomial k = 0, 1, 2,. . . n

p(k) =

pk (1 p)n-k

n nmeros aleatorios, cuantos son menores o


iguales a p

Corresponden a la simulacin de k

3. Poisson Probabilidad de k sucesos en un tiempo T es:

Se simula tiempo entre llegadas (mtodo de la inversa) y se acumula el tiempo hasta que supere a T. k = Nro de exponenciales simuladas k = Nro de cap. simuladas 1 si tiempo > T si tiempos = T

Nro de veces que se realiza una simulacin

3,84 * (desviacion estandar)2 V = error tolerable Error tolerable 0,1 % del promedio si consecuencias son graves 20% del promedio si consecuencias son graves = F(x) =f(x)dx a) Distribucin uniforme

f(t) =
b -a

t = r (b a) + a Ejemplo:12 a 1 PMr = 0.43 t = 0.43 (13 12) + 12 = 12.43 12:25:48

b) Distribucin exponencial

T0

f(t) = * -t F(t) = f(t) = * -t dt F(t) = 1 - -t = r

c) Distribucin emprica

x si 0 x 1 f(x) = si 1 < x 2

Leccin 7

Generacin de Nmeros Pseudoaleatorios

Introduccin: Durante un experimento de simulacin el proceso de generar un valor de la variable aleatoria de una distribucin particular, puede repetirse tantas veces como desee y tantas veces como distribuciones de probabilidad existan en el experimento de la simulacin. Sin embargo, es conveniente sealar que el proceso de generacin de variables aleatorias no uniformes se hace a partir de la generacin de nmeros rectangulares por consiguiente, el objetivo de esta leccin es mostrar un panorama general de las diferentes tcnicas que existan para generar nmeros rectangulares.

La importancia de los nmeros rectangulares (distribucin uniforme) radica en su uso para la generacin de variables aleatorias mas complicadas que son requeridas en los experimentos de simulacin. Estos nmeros deben poseer ciertas caractersticas deseables que aseguren o aumenten la confiabilidad de los resultados obtenidos de la simulacin, tales como:

1. Uniformemente distribuidos 2. Estadsticamente independientes 3. Reproducibles 4. Periodo largo (sin repeticin dentro de una longitud determinada de la sucesin) 5. Mxima velocidad de generacin 6. Mnimo uso de memoria.

Leccin 8

Generadores Congruenciales Lineales

Estos nmeros se consideran pseudoaleatorios porque

aunque pasan

todas las pruebas estadsticas de aleatoriedad, ellos son de hecho completamente derminsticos. Los dos mtodos congruenciales sugeridos por Lehmer son:

nario Mixto Decimal Binario

Generadores

Multiplicativos

Decimal

Congruenciales Mixtos: los generadores congruenciales lineales generan una secuencia de nmeros pseudoaleatorios en la cual el prximo nmero pseudoaletorio, son nmeros que se obtienen mediante la siguiente relacin de congruencia (con a y c mayores que 0): X n+1= (aXn + c ) mod m Donde: X 0 = la semilla (X 0 > 0 ) a = el multiplicador (a> 0) c = constante aditiva (c > 0) m = modulo (m > X 0 m> ay m> c) Para el mtodo mixto (BINARIO) CRITERIOS: 1. m = b d ; b (base del sistema); d (tamao de palabra) 2. d = entero impar no divisible por 3 o 5. 3. (a - 1) mod 4 = 0 si 4 factor de m, a = b k + 1; k>= 2 4. c = entero impar relativo a m 5. c = mod8 = 5. 6. X0 = cualquiera.

Posibles valores de Xn+1 son 0,1, 2, m 1 = 5, C = 7, X0 = 4, m = 8 N 0 Xn 4 (5Xn+7) mod 8 3.375 Xn+1 3 Nmeros Uniformes 3/8

1 2 3 4 5 6 7 Ejemplo: a = X0 = C = 7

3 6 5 0 7 2 1

6 5 0 7 2 1 4

6/8 5/8 0 7/8 2/8 1/8 4/8

m = 10
Nmero

n 0 1 2 3

Xn 7 6 9 0

(7Xn + 7) mod 100 -

Xn+1 6 9 0 7

Uniforme 6/10 9/10 0 7/10

Para el mtodo mixto (DECIMAL) CRITERIOS: 1. m = b d ; b (base del sistema); d (valor de la matiza) 2. a = entero impar no divisible por 3 o 5. 3. (a - 1) mod 4 = 0 si 4 factor de m a = b k + 1; k>= 2 4. c = no es un entero impar relativo a m, no divisible por 5, c mod 200 = 21.

5. X0 = Cualquiera. En resumen: Reglas de seleccin para un periodo completo

a) Seleccin de m m : nmero primo lo mas grande posible b) Seleccin de a a : Entero impar no divisible entre 3 o 5 a = 22+1 binario 102+1 decimal c) Seleccin de C Cualquier constante entero impar y relativamente primo a m C mod 8 = 5 binario C mod 200 = 21 decimal Para el mtodo Multiplicativo (BINARIO) CRITERIOS: 1. m = b d ; b (base del sistema); d (tamao de palabra) 2. a = 8t + 3 3. t cualquiera entero 4. X0 entero impar primo relativo de m. Para el mtodo multiplicativo (DECIMAL) CRITERIOS: 1. m = b d ; b (base del sistema); d (valor de la matiza) 2. a = 200 t +- p 3. p= 3, 11, 13, 19, 21, 27, 29, 37, 53, 59, 61, 67, 69, 77, 83, 91. 4. X0 entero impar no divisible entre 2 0 5 y debe ser primo de m relativo

Ejemplo: Xn+1 = aXn mod m a=3 X0 = 7 m = 16


Nmero n 0 1 2 3 Xn 7 5 15 13 3Xn mod m Xn+1 5 15 13 7 Uniforme 5/16 15/16 13/16 7/16

Ejercicio: Hallar periodo de


Xn+1 = 3Xn mod 100 Xn+1= (8Xn + 16) mod 100 Xn+1= (50Xn + 17) mod 64 Xn+1 = 203Xn mod 105 Xn+1 = 211Xn mod 108 X0 = 7 X0 = 15 X0 = 13 X0 = 17 X0 = 19

En resumen: Reglas de seleccin a) Semilla: Entero impar no divisible entre 2 o 5, relativamente primo a m b) a = 200t p t: entero p: 3, 11, 13, 19, 21, 27, 29, 37, 53, 59, 61, 69, 77, 83, 91. c) m = 10d r = F(x) =f(x)dx

a) Distribucin uniforme

f(t) =

t = r (b a) + a Ejemplo:12 a 1 PMr = 0.43 t = 0.43 (13 12) + 12 = 12.43 b) Distribucin exponencial 12:25:48

f(t) = * -t F(t) = f(t) = * -t dt F(t) = 1 - -t = r

b -a

c) Distribucin emprica

X si 0 x 1 F(x) = si 1 < x 2

MTODO DE RECHAZO: Generar nmeros R1 y R2 1. x = a + (b a)R1 2. Hallar f(x) = f(a + (b a)R1) 3. Si R2 f(x) / M x es un valor simulado de la variable aleatoria, M moda
f(x) = 2x 0 x 1 x = 0 + (1 0)R1 x = R1 R2 = R1

MTODO DEL HISTOGRAMA a) Construir un histograma

b) Seleccin de una aletoriedad 0.35 3 intervalo c) Nueva generacin aleatoria 0.69 Nmero simulado = 10 + 0.69 * (12 10) = 11.38

Leccin 9

Pruebas Estadsticas para Nmeros Pseudoaleatorios

Los tests estadsticos ms destacados estn recogidos y especificados en los FIPS 1401, de Enero de 1994 y FIPS 1402, en Noviembre de 1999. Las siglas FIPS significan Federal Information Processing Standard y se publican regularmente por el NIST (National Institute of Standards and Technology), agencia federal estadounidense que se encarga de regular estndares y medidas tecnolgicas.

Los FIPS 1401 y 1402 estn titulados "Security Requirements for Cryptographic Modules" y pretenden establecer una serie de estndares que deben ser seguidos por el gobierno federal estadounidense en particular, y cualquier usuario serio de tecnologa criptogrfica en general. En ellos se establecen los tests basados en la estadstica que los mdulos criptogrficos que utilicen generadores de nmeros pseudoaleatorios deben pasar.

Para la ejecucin de estos tests, se necesitan 20.000 bits consecutivos producidos por el generador de nmeros aleatorios. Estas secuencias deben

superar los siguientes tests, que se describen a continuacin tal y como aparecen en el FIPS 1402.

Test Monobit. Es un test de frecuencia. Este test pretende comprobar que la muestra no cumple la primera caracterstica de no-aleatoriedad, es decir que los bits uno y los ceros estn uniformemente distribuidos, basndose en el primer postulado de Golomb. El algoritmo especificado en el FIPS 1402 es muy simple: Contar el nmero de bits iguales a uno en la secuencia de 20.000 bits. Llamemos X a dicho nmero. El test se pasa si 9.275 < X < 10.275 (Error tipo I de 0.0001).

Test Poker. Se basa en dividir la secuencia en segmentos de n bits. Si la distribucin es uniforme, las probabilidades de aparicin de cada posible grupo de n bits son conocidas. El curioso nombre se basa en que para n=5 las probabilidades de cada grupo pueden corresponderse con las de las jugadas del poker. Por supuesto, cuando se trabajan con secuencias binarias el nombre resulta tan anecdtico como carente de sentido. Algoritmo: Dividir la secuencia de 20.000 bits en 5.000 segmentos contiguos de 4 bits. Contar y almacenar el nmero de veces que ocurre cada uno de los 16 valores posibles (0000,0001,...,1111). Se llama f(i) al nmero de veces que aparece el valor i, 0<= i <= 15. Evaluar la siguiente expresin: X = (16/5000) * ( f(1)^2 + f(2)^2 + ... + f(15)^2) - 5000 El test se pasa si 2'16 < X < 46'17 (Error tipo I de 0.0001)

Test de Rachas. Se basa en el segundo postulado de Golomb visto anteriormente. Una racha se define como una subsecuencia mxima de bits consecutivos bien de unos bien de ceros que es parte de la secuencia inicial de 20.000 bits. Algoritmo:

Se cuentan y almacenan las rachas de 1 o ms bits, tanto de unos como de ceros. Para este test las secuencias de longitud superior a 6 se consideran de longitud 6.

El test se pasa si las rachas (de longitudes 1 a 6) estn en los intervalos especificados en la siguiente tabla. Esto debe ocurrir tanto para los ceros como para los unos, es decir que las 12 rachas deben estar en los intervalos especificados.

Intervalos requeridos para el test de rachas: Longitud 1: (2.343, 2.657) Longitud 2: (1.135, 1.365) Longitud 3: (542, 708) Longitud 4: (251, 373) Longitud 5: (111, 201) Longitud 6: (111, 201)

Utilizacin de nmeros pseudoaleatorios Existen dos tipos fundamentales de criptosistemas:

Criptosistemas simtricos o de clave privada. Son aquellos que emplean la misma clave k tanto para cifrar como para descifrar. Presentan el inconveniente de que para ser empleados en comunicaciones la clave k debe estar tanto en el emisor como en el receptor, es por esto que necesitaremos una forma de transmitir la clave de forma segura.

Criptosist. asimtricos o de llave pblica, que emplean una doble clave (kp, kP).

kp se conoce como clave privada y kP se conoce como clave pblica. Una de ellas sirve para la transformacin de cifrado y la otra para la transformacin de descifrado. En muchos casos son intercambiables, esto es, si empleamos una para cifrar la otra sirve para descifrar y viceversa. Estos criptosistemas deben

cumplir adems que el conocimiento de la clave pblica kP no permita calcular la clave privada kp. Ofrecen un abanico superior de posibilidades, pudiendo emplearse para establecer comunicaciones seguras por canales inseguros puesto que nicamente viaja por el canal la clave pblica, que slo sirve para cifrar, o para llevar a cabo autentificaciones.

Normalmente se utiliza una combinacin de los dos tipos, ya que los segundos tienen el inconveniente de ser computacionalmente mucho ms costosos que los primeros.

En el mundo real se codifican los mensajes (largos) mediante algoritmos simtricos, que suelen ser muy eficientes, y luego se hace uso de la criptografa asimtrica para codificar las claves simtricas (cortas).

Cifrados de flujo En 1917, J. Mauborgne y G. Vernam inventaron un criptosistema perfecto segn el criterio de Shannon. Dicho sistema consista en emplear una secuencia aleatoria de igual longitud que el mensaje, que se usara una nica vez (en ingls, one-time pad), combinndola mediante alguna funcin simple y reversible (usualmente el or exclusivo) con el texto en claro carcter a carcter. Este mtodo presenta el grave inconveniente de que la clave es tan larga como el propio mensaje, y si disponemos de un canal seguro para enviar la clave, por qu no emplearlo para transmitir el mensaje directamente?

Evidentemente, un sistema de Vernam carece de utilidad prctica en la mayora de los casos, pero supongamos que disponemos de un generador pseudoaleatorio capaz de generar secuencias criptogrficamente aleatorias, de forma que la longitud de los posibles ciclos sea extremadamente grande. En tal caso podramos, empleando la semilla del generador como clave, obtener cadenas de bits de usar y tirar, y emplearlas para cifrar mensajes simplemente aplicando la funcin xor entre el texto en claro y la secuencia generada. Todo aquel que conozca la semilla podra reconstruir la secuencia pseudoaleatoria y de esta forma descifrar el mensaje.

Uno de los primeros criptosistemas que explotaban la idea del generador pseudoaleatorio fue el cifrado de Lorenz, empleado por Alemania en la II Guerra Mundial, junto con la mquina ENIGMA. Este sistema se basaba en un dispositivo que generaba una secuencia supuestamente imposible de reproducir sin conocimiento de la clave, que se combinaba con los mensajes para obtener los criptogramas. Por suerte para los expertos de Bletchley Park, estas secuencias presentaban una sutil estructura que poda ser analizada mediante tcnicas estadsticas. Para ello un equipo de cientficos, entre los que se encontraba Max Newman, puso en prctica las ideas de Alan Turing y desarroll Colossus, el primer computador de la Historia, capaz de descifrar los mensajes codificados mediante el sistema Lorenz.

Los criptosistemas de clave privada no son ms que la especificacin de un generador pseudoaleatorio, y permiten cifrar mensajes de longitud arbitraria, combinando el mensaje con la secuencia mediante la operacin or exclusivo byte a byte, en lugar de dividirlos en bloques para codificarlos por separado. Como cabra esperar, estos criptosistemas no proporcionan seguridad perfecta, ya que mientras en el cifrado de Vernam el nmero de posibles claves era tan grande como el de posibles mensajes, cuando empleamos un generador tenemos como mucho tantas secuencias distintas como posibles valores iniciales de la semilla.

De entre los generadores de secuencia que se utilizan como cifrado de flujo dos de ellos pensados para ser incorporados por software son.

Algoritmo RC4. Primero introduciremos aqu el concepto de S-Caja para aquellos que lo desconozcan. Una S-Caja de m*n bits es una tabla de sustitucin que toma como entrada cadenas de m bits y da como salida cadenas de n bits. La utilizacin de las S-Cajas es sencilla: se divide el bloque original en trozos de m bits y cada uno de ellos se sustituye por otro de n bits, haciendo uso de la S-Caja correspondiente. Normalmente, cuanto ms grandes sean las S-Cajas, ms resistente ser el algoritmo resultante, aunque la eleccin de los valores de salida para que den lugar a un buen algoritmo no es

una tarea sencilla.

El algoritmo RC4 fue diseado por Ron Rivest en 1987 para la compaa RSA Data Security. Su implementacin es extremadamente sencilla y rpida, y est orientado a generar secuencias en unidades de un byte, adems de permitir claves de diferentes longitudes. Por desgracia es un algoritmo propietario, lo cual implica que no puede ser incluido en aplicaciones de tipo comercial sin pagar los royalties correspondientes.

El cdigo del algoritmo no se ha publicado nunca oficialmente, pero en 1994 alguien difundi en los grupos de noticias de Internet una descripcin que, como posteriormente se ha comprobado, genera las mismas secuencias. Dicha descripcin consta de una S-Caja de 8*8, que almacenar una permutacin del conjunto {0, . . . , 255}. Dos contadores i y j se ponen a cero. Luego, cada byte Or de la secuencia se calcula como sigue:

Para calcular los valores iniciales de la S-Caja, se hace lo siguiente:

El algoritmo RC4 genera secuencias en las que los ciclos son bastante grandes, y es inmune a los criptoanlisis diferencial y lineal, si bien algunos estudios indican que puede poseer claves dbiles, y que es sensible a estudios analticos del contenido de la S-Caja. De hecho, algunos afirman que en una de cada 256 claves posibles, los bytes que se generan tienen una fuerte correlacin con un subconjunto de los bytes de la clave, lo cual es un comportamiento muy poco recomendable.

A pesar de las dudas que existen en la actualidad sobre su seguridad, es un algoritmo ampliamente utilizado en muchas aplicaciones de tipo comercial.

Algoritmo SEAL. SEAL es un generador de secuencia diseado en 1993 para IBM por Phil Rogaway y Don Coppersmith, cuya estructura est especialmente pensada para funcionar de manera eficiente en computadores con una longitud de palabra de 32 bits. Su funcionamiento se basa en un proceso inicial en el que se calculan los valores para unas tablas a partir de la clave, de forma que el cifrado propiamente dicho puede llevarse a cabo de una manera realmente rpida. Por desgracia, tambin es un algoritmo sujeto a patentes.

Una caracterstica muy til de este algoritmo es que no se basa en un sistema lineal de generacin, sino que define una familia de funciones

pseudoaleatorias, de tal forma que se puede calcular cualquier porcin de la secuencia suministrando nicamente un nmero entero n de 32 bits. La idea es que, dado ese nmero, junto con la clave k de 160 bits, el algoritmo genera un bloque k(n) de L bits de longitud. De esa forma, cada valor de k da lugar a una secuencia total de L 2^{32} bits, compuesta por la yuxtaposicin de los bloques k(0), k(1),..., k(232 - 1).

Leccin 10 Simulacin Discreta

TIPOS DE SIMULACIN 1. Simulacin Discreta: modelacin de un sistema por medio de una representacin en la cual el estado de las variables cambian instantneamente en instante de tiempo separados. (En trminos matemticos el sistema solo puede cambiar en instante de tiempo contables) 2. Simulacin Continua: modelacin de un sistema por medio de una representacin en la cual las variables de estado cambian continuamente en el tiempo. Tpicamente, los modelos de simulacin continua involucran

ecuaciones diferenciales que determinan las relaciones de las tasas de cambios de las variables de estado en el tiempo.

3. Simulacin Combinada Discreta-Continua: modelacin de un sistema por medio de una representacin en la cual unas variables de estado cambian continuamente con respecto al tiempo y otras cambian instantneamente en instante de tiempo separados. Es una simulacin en la cual interactan variables de estado discretas y continuas.

Existen tres tipos de interacciones entre las variables de estado de este tipo de simulaciones: Un evento discreto puede causar un cambio discreto en el valor de una variable de estado continua.

Un evento discreto puede causar que la relacin que gobierna una variable de estado continua cambie en un instante de tiempo en particular.

Una variable de estado continua de punto de partida puede causar que un evento discreto ocurra, o sea, programado.

4. Simulacin Determinstica y/o Estocstica: una simulacin determinstica es aquella que utiliza nicamente datos de entra determinsticos, no utiliza ningn dato de entrada azaroso. En cambio un modelo de simulacin estocstico incorpora algunos datos distribuciones de probabilidad. de entrada azarosos al utilizar

5. Simulacin esttica y dinmica: La simulacin esttica es aquella en la cual el tiempo no juega un papel importante, en contraste con la dinmica en la cual si es muy importante.

6. Simulacin con Orientacin hacia los eventos: modelaje con un enfoque hacia los eventos, en el cual la lgica del modelo gira alrededor de los eventos que ocurren instante a instante, registrando el estado de todos los eventos, entidades, atributos y variables del modelo en todo momento.

7. Simulacin con Orientacin hacia procesos: modelaje con un enfoque de procesos, en el cual la lgica del modelo gira alrededor de los procesos que deben seguir las entidades. Es cierta forma, es un modelaje basado en un esquema de flujo grama de procesos, el cual se hace es un seguimiento a la entidad a travs de la secuencia de procesos que debe seguir.

El lenguaje de simulacin SIMAN empleado por el programa de simulacin Arena opera bajo una orientacin hacia procesos.

PASOS DE UN PROYECTO DE SIMULACIN

1. Formulacin del problema y del plan de estudio a. Problema a tratar definido por las directivas de la empresa

b. Reuniones preliminares con el equipo de personas de la empresa del rea correspondiente al proyecto, encargado del estudio de simulacin, y directivas a cargo del proyecto, para definir los siguientes puntos: i. Objetivos generales del proyecto ii. Preguntas especificas que el proyecto va a responder iii. Medidas de desempeo que se usaran para evaluar la eficacia de las diferentes configuraciones del sistema iv. Alcance del Modelo v. Configuraciones del sistema a modelar vi. Software a usar vii. Tiempo disponible para el proyecto y recursos requeridos

2. Recoleccin y anlisis de datos de entrada y definicin del modelo

a. Recoleccin de informacin del sistema y procesos de operacin b. Recolectar datos para parmetros especficos del modelo y distribuciones de probabilidad de los datos de entrada. c. Documentar los datos e informacin especificando los supuestos para crear el modelo conceptual. d. Recolectar datos de las medidas de desempeo del sistema para propsitos de validacin (paso 6) e. Definir el nivel de detalles teniendo en cuneta lo siguientes puntos: i. Objetivos del proyecto ii. Medidas de desempeo iii. Disponibilidad de datos iv. Aspecto de Credibilidad v. Limitaciones computacionales vi. Opiniones de los expertos en el sistema vii. Restricciones de plata y tiempo f. Asegurar una correspondencia uno a uno entre cada uno de los elementos del modelo con los correspondientes en el sistema real. g. Interactuar regularmente con las directivas del rea bajo estudio.

3. Es valido el modelo conceptual? a. Realizar un recorrido a travs de la lgica del modelo conceptual usando el documento de suposiciones ante las directivas expertos y personal del rea bajo estudio: i. Asegurar que las suposiciones son correctas y completas ii. Promover el sentimiento de pertenencia del modelo iii. Para evitar realizar cambios posterior a modelo

4. Construccin del modelo y verificar a. Programar el modelo en un lenguaje o software de simulacin. b. Verificar que el modelo construido corresponda al modelo conceptual.

5. Hacer corridas piloto a. Realizar corridas del modelo para poder llevar a cabo el proceso de validacin.

6. Es valido el modelo programado? a. Si existe un sistema, comparar las medidas de desempeo del modelo con las del sistema real. b. Revisar los resultados del modelo con el personal del rea bajo estudio c. Hacer anlisis de sensibilidad, para determinar que factores tienen una impacto significativo sobre las medidas de desempeo

7. Diseo de Experimentos a. Especificar los siguiente para cda una de las diferentes configuraciones de interes: i. Longitud de las corridas ii. Longitud del periodo de calentamiento (warm up) si es necesario. iii. Numero de replicaciones independientes

8. Hacer corridas de produccin a. Corridas de produccin para el paso 9

9. Anlisis de los datos de salida a. Los objetivos de un anlisis de datos de salida son: i. Determinar el desempeo absoluto de ciertas configuraciones del sistema ii. Comparacin configuraciones alternativas del sistema en un sentido relativo.

10. Optimizacin a. De manera opcional hacer uso de software de optimizacin para determinar el valor optimo de ciertas variables del sistemas que maximizan o minizan el valor de una medida de desempeo del sistema.

11. Documentar, presentar y usar resultados a. Documentar los supuestos, el cdigo del modelo y resultados del proyecto para su uso en un proyecto actual o futuro. b. Presentar los resultados i. Usar a la animacin para comunicar el modelo al las directivas y dems personal interesado e involucrado ii. Discutir la construccin y validez del proceso para promover la credibilidad c. Usar los resultados en un el proceso de toma de decisiones si son validos y crebles
Tomado de: Law, Averrill y Kelton, David. Simulation Modeling and Analysis. Tercera Edicin. McGraw Hill. 2004. pp 84-85

CAPITULO 4:

SIMULACIN

EN

HOJAS

DE

CLCULO Y LENGUAJES DE SIMULACION

Leccin 11 Simulacin en Hojas de Clculo

Generalidades SIMULACIN MEDIANTE HOJA DE CLCULO Funciones estadsticas: Distribuciones probabilsticas Hasta hace algunos aos las funciones de tipo estadstico que incorporaban las distintas aplicaciones de hoja de clculo eran muy limitadas, obligando al usuario a programar aquellas funciones que necesitaba (Bernal Garca), o bien era preciso adquirir programas complementarios como @RISK, Analyze-It, Crystal Ball y otros, que incorporan funciones adicionales a la hoja de clculo. As, en la ltima versin de la hoja de clculo Excel aparece una amplia serie de funciones estadsticas relacionadas con las distribuciones probabilsticas. Con todas estas funciones se pueden realizar simulaciones basadas en las distribuciones beta, F, gamma, logartmico-normal, normal y t de Student, ya que para todas ellas existen funciones inversas, las cuales a partir de la probabilidad acumulada y de los parmetros propios de cada distribucin devuelven el valor que hace que se obtenga dicha probabilidad. El procedimiento para ello consiste en generar nmeros aleatorios de acuerdo con la distribucin uniforme y a partir de dicho valor (que siempre ser mayor o igual que cero y menor que 1) aplicar la correspondiente funcin inversa para obtener el valor al que le corresponde la probabilidad obtenida aleatoriamente. Construccin de funciones en Excel mediante VBA Dado que en determinadas simulaciones las variables a simular no siguen ninguna de las distribuciones que incorporan las aplicaciones de hoja de clculo, se debe proceder a su simulacin. Bsicamente, existen dos posibilidades: Realizacin manual de los clculos necesarios en la propia hoja de clculo. Programacin de la funcin adecuada mediante VBA.

La primera de las tcnicas puede suponer el problema de que existan clculos intermedios que es necesario realizar para obtener el valor final. En este caso, para cada tirada aleatoria habra que recalcular la simulacin y guardarla mediante macros en una tabla, en la cual se vera solamente el valor obtenido. Adicionalmente, en el caso de que se necesitara efectuar otra simulacin mediante la misma distribucin de probabilidades se deberan rehacer los clculos nuevamente. Por otra parte, esta posibilidad tiene como ventaja que no precisa conocimiento alguno en programacin para poder efectuarla. La segunda tcnica, que implica conocer programacin en Visual Basic para Aplicaciones (VBA), plantea la ventaja de que mediante una funcin que se aade a la hoja de clculo como cualquier otra funcin de las que trae incorporadas la propia aplicacin, puede ser llamada tantas veces como sea necesario y en tantas celdas como sea preciso simular sin ninguna limitacin. Adicionalmente, se puede proteger su contenido para que no sea visible por el usuario de forma que ste slo tenga que conocer la sintaxis de la funcin para su utilizacin. De esta forma, tambin, se evitan manipulaciones que puedan arrojar resultados incorrectos.

a) Definicin: Involucra el uso de una hoja de clculo para representar el modelo, realizar las muestras, y ejecutar los clculos. b) Historia: Mattesiel (1961) utilizar hojas de clculo en mainframes Microcomputadores Primera HC: Visi Cale Lotus 1 2 3, Excel, Quattro Hog: En todos los sistemas

c) Aplicaciones Ampliamente usada en los negocios poco, usada en Ingeniera d) Para qu utilizarlas en Simulacin? 1. Para representar relaciones matemticas y lgicas entre variables 2. Para generar nmeros aleatorios 3. Un medio para repetir series de clculo e) Caractersticas adicionales 4. Gran nmero de funciones: matemticas, estadsticas, acceso a BD, tiempo, financieros. 5. Representacin y acceso a BD 6. Grficas 7. Documentacin 8. Lenguaje de programacin 9. Ventaja: Fcil migracin

f) Cundo utilizarlas? 10.Modelos estocsticos

Ejemplo: Mejorar las polticas de administracin de inventario 11.Anlisis de sensibilidad

g) Inicio de la simulacin Las celdas pueden ser:


Entradas al modelo Clculos intermedios Salidas del modelo

Pasos 1) Iniciacin del modelo Construccin del modelo con valores definidos para todos los parmetros y entradas Reemplazar las celdas y representar cantidades randmicas o desconocidas en frmulas (en distribuciones apropiadas) Identificar la salida del modelo 2) Crear la ejecucin del modelo Tipos: Esttica Dinmica 3) Anlisis de datos Para modelos estocsticos, se aplican procedimientos estadsticos para calcular las estimaciones y adems los intervalos de confianza. Para anlisis de sensibilidad, se evala el rango de valores de los datos de salida. h) Herramientas @RISK Crystall Ball Pop Tools Sim Tools Caractersticas: Generacin de nmeros aleatorios Generacin de nmeros a partir de distribuciones

Automatizacin del inicio y ejecucin de la simulacin Automatizacin del anlisis y presentacin de resultados Procedimientos de optimizacin Funcin RND(): las funciones son intuitivas para todas las distribuciones. i) Limitaciones Estructura de datos simples. Algoritmos complejos son difciles de implementar. Procesamiento lento: primero interpreta la frmula antes de ejecutarla. Tamao de la salida y almacenamiento limitados. Prototipos son rpidamente construidos en las hojas de clculo. j) Correlaciones Ventajas Disponibilidad Interfase intuitiva Fcil uso Potentes Recomendadas para modelos financieros.

Simulacin con EXCEL Funcin Aleatorio() Cada nmero tiene la misma probabilidad de ser generado. Son independientes 2. IF (A1 < 0.5; cara; sello) 2.1 Moneda defectuosa

Celdas relativas, absolutas Generar 20 lanzamientos 3. Simulacin Motecarlo


Frec Absoluta Consultas 0 1 2 3 4 5 Total (Dias) 10 20 40 60 40 30 200 Frec. Relativa 0,05 0,1 0,2 0,3 0,2 0,15 1 Frec. Rel. Acum. 0,05 0,15 0,35 0,65 0,85 1 Aleatorios Entrada

Generamos nmero aleatorio Tabla 0 1 2 3 4 5

4. Montecarlo con variables Discretas Generacin de nmeros aleatorios a) Exponencial Media = b = - LN(Aleatorio())*b

b) Weibull Escala = b Forma = a c) Normal Media = Desviacin = d) Uniforme entre a y b Ext inf = a Ext inf = b = a + (b-a) * Aleatorio = DISTR.NORM.INV(Aleatorio(),,) = - b*(LN(Aleatorio())^(1/a)

Ejemplo ventas Un vendedor realiza 20 llamadas que pueden terminar o no en ventas Probabilidad de ventas en cada llamada = 0,5

Leccin 12 Lenguajes de Simulacin

LENGUAJES DE SIMULACIN El desarrollo de los lenguajes de Simulacin comenz a finales de los aos cincuenta; inicialmente los lenguajes que se usaron en fueron los de propsito general, los cuales tenan las siguientes ventajas: La situacin a analizar se puede modelar en forma ms o menos sencilla para el programador por el conocimiento del lenguaje. El proceso se puede describir con tanta precisin como le sea posible en el lenguaje conocido. Se pueden realizar todas las depuraciones posibles. Cualquier lenguaje de programacin puede ser empleado para trabajar en Simulacin, pero los lenguajes especialmente diseados presentan las siguientes propiedades: Acaban la tarea de programacin. Generan una gua conceptual. Colaboran en la definicin de entidades en el sistema. Manejan la flexibilidad en los cambios. Ayudan a analizar y a determinar la relacin y el nmero de entidades en el sistema. Emshoff y Sisson consideran que la Simulacin Discreta requiere de ciertas funciones comunes que diferencian un lenguaje de Simulacin de uno de propsito general, entre las cuales se encuentran las siguientes: Generar nmeros aleatorios. Generar variables aleatorias.

Variar el tiempo hasta la ocurrencia del siguiente evento. Registrar datos para salida. Realizar anlisis estadstico sobre datos registrados. Construir salidas en formatos determinados. Detectar inconsistencias y errores. Los lenguajes precursores en Simulacin fueron los de propsito general, entre ellos por mencionar solo algunos tenemos: FORTRAN, ALGOL, COBOL, RPG, BASIC, PASCAL, MODULA, PL/1, etc. Los principales lenguajes utilizados en Simulacin son: Simulacin de cambio continuo y de cambio discreto en computadoras hbridas H01; Simulacin de incremento continuo con orientacin a ecuaciones directas con nfasis en ecuaciones diferenciales DSL/90, MIMIC, BHSL, DIHYSYS y S/360 CSMP; Simulacin de incremento continuo con simuladores orientados a bloques con nfasis en ecuaciones diferenciales MIDAS, PACTOLUS, SCADS, MADBLOC, COBLOC y 1130 CSMP; Simulacin de incremento continuo con simuladores orientados a bloques con nfasis en ecuaciones de diferencias DYNAMO, DYSMAP 2; Simulacin de incremento discreto con orientacin a actividades CSL, CLP, GSP, GERT, FORSIM, ESP, MONTECODE y MILITRAN; Simulacin de incremento discreto con orientacin a eventos SIMSCRIPT, GASP, SIMCOM, SIMULATE y SIMPAC; Simulacin de

incremento discreto con orientacin a procesos SIMULA, OPS, SLAM y SOL; Simulacin de incremento discreto con orientacin a flujo de transacciones GPSS y BOSS. Kobayashi y Law & Kelton plantearon la misma cuestin con 22 aos de

diferencia, lo que nos permite apreciar lo que ha cambiado a lo largo del tiempo. Kobayashi:

Proporcionan una representacin conveniente de los elementos que aparecen normalmente en los modelos de simulacin. Facilitan los cambios de configuracin del modelo. Proporcionan un mecanismo de control y una temporizacin interna para ejecutar una simulacin. Facilitan la recogida de datos y las estadsticas sobre el comportamiento agregado del sistema simulado y proporcionan informes en un formato adecuado. Law & Kelton: Los paquetes de simulacin proporcionan la mayora de las caractersticas para construir un modelo de simulacin, consiguiendo como resultado una disminucin del tiempo de programacin y del coste del proyecto. Proporcionan un marco natural para realizar modelos de simulacin, puesto que sus construcciones bsicas estn ms prximas a la simulacin que las suministradas por un lenguaje de programacin de propsito general. Los modelos son mas fciles de modificar y mantener. Proporcionan una correccin de errores mejor, puesto que muchos errores potenciales se comprueban de forma automtica. Kobayashi: No se tiene porqu disponer necesariamente de un paquete de simulacin. Nadie de tu entorno conoce un lenguaje especfico de simulacin y aprender uno suele precisar un cierto tiempo. Las facilidades de depuracin en un paquete de simulacin pueden no ser tan sofisticadas como las proporcionadas por un lenguaje de programacin de propsito general.

Los lenguajes de propsito general son ms eficientes, porque normalmente utilizan compiladores muy optimizados. Podra interesar construir algn esquema de control especial (o una recogida de datos o un informe) en el paquete de simulacin y el entorno de trabajo no permitrtelo. Law & Kelton: La mayora de las personas que modelan conocen un lenguaje de programacin pero no un paquete de simulacin. Eficiencia de la ejecucin, eficiencia de la representacin (en los paquetes se deben utilizar las construcciones especficas, independientemente si dicho conjunto pudiera ser mejorable o no). Los entornos de programacin habituales (C, C++) son mucho ms baratos. El coste del proyecto puede ser, en el caso contrario, significativamente ms elevado. Como se ve, tanto para las ventajas de uno u otro caso los argumentos no han variado en los 22 aos de diferencia entre ambas. A la vista de lo anterior parece que la eleccin o no de un paquete de simulacin est condicionada por muchas consideraciones, no todas ellas racionales. Introduccin lenguajes de Simulacin

Las primeras etapas de un estudio de simulacin se refiere a la definicin del sistema a ser modelado y a la descripcin del sistema de trminos de

relaciones lgicas de sus variables y diagramas de flujo, sin embargo se llega a describir el lenguaje que sea aceptado por la computadora que se a usar.

Ventajas de los lenguajes de Simulacin:

Entre las ventajas principales de estos lenguajes de simulacin, se pueden mencionar las siguientes:

Reduccin en la tarea de programacin, con los leguajes de simulacin el tiempo dedicado a la programacin del modelo se reduce

considerablemente. Mejor definicin del sistema, a travs de los leguajes de simulacin, se facilita la tarea de definir las diferentes entidades que interactan dentro del sistema, tambin con estos leguajes se determinan con mayor facilidad las interrelaciones que existen entre las entidades que forman el sistema. Mayor flexibilidad para cambios, con los leguajes generales como Filtran, el proceso de cambios puede ser largo y tedioso. Mejor diferenciacin de las entidades que forman el sistema. Se relacionan mejor las entidades, con las entidades bien definidas, los lenguajes de simulacin permiten relacionar mejor a cada una de estas entidades, es decir se determina ms fcilmente las relaciones que las entidades guardan entre si y el anlisis de cada una de ellas.

Caractersticas de los lenguajes de simulacin

1. El procedimiento utilizado para generar nmeros aleatorios uniformes. 2. Los procedimientos o mtodos utilizados para generar las variables aleatorias no-uniformes mas conocidas y mas usadas. 3. La forma de adelantar el reloj de la simulacin, la cual puede ser; a)

incremento a tiempo fijo. b) incremento al prximo evento. 4. El anlisis estadstico de los resultados de la simulacin. 5. El formato en que los resultados de la simulacin son presentados. 6. La forma en que las inconsistencias y errores de lgica es portada. 7. el lenguaje en el cual el paquete esta escrito, el cual puede ser: Fortran, Algol, PLl, Asembler. 8. Los diferentes tipos de computadoras cuyo compilador es compatible con el del paquete en cuestin.

Clasificacin de los lenguajes de simulacin Los modelos de simulacin se clasifican en dos categoras:

1. Modelos de simulacin continua 2. Modelos de simulacin discreta.

1. Modelos de simulacin contina: generalmente son apropiados cuando un analista considera al sistema bajo estudio, como un flujo continuo de informacin, generalmente el reloj de simulacin se incrementa a intervalos fijos de tiempo. 2. Modelos de simulacin discreta: al analista le interesa lo que le sucede a entidades individuales del sistema, por consiguiente, el reloj de la simulacin discreta se incrementa cada vez que ocurre un evento. Estos se pueden desarrollar a travs de tres enfoques 1) enfoque de eventos; 2) enfoque de actividades, 3) enfoque de procesos, se definen como un evento y un evento se define como un cambio en el estado de una entidad del sistema, una actividad es una coleccin de operaciones que transforman el estado de una entidad, un proceso es una secuencia de eventos que ocurren en un tiempo determinado.

Clasificacin del software de simulacin

Paquetes de aplicaciones.

propsito general frente

paquetes

orientados a

- Lenguajes de simulacin. Naturaleza general. - Simuladores orientados a aplicaciones. Por ejemplo: fabricacin, salud, centralitas, etc. Aproximaciones de modelado. - Aproximacin orientada a la planificacin por eventos. - Aproximacin orientada a procesos. Un proceso es una secuencia de eventos ordenada en el tiempo, que describe como una entidad fluye a travs del sistema. Un sistema o modelo de simulacin puede tener diferentes tipos de procesos.

Caractersticas deseables del software

1.- Posibilidades generales (incluyendo flexibilidad de modelado y facilidad de uso). 2.- Consideraciones respecto al hardware y software. 3.- Animacin. 4.- Funcionalidades estadsticas. 5.- Soporte del usuario y documentacin. 6.- Informes y grficos de resultados.

Respecto a las posibilidades generales:

1.- Flexibilidad de modelado: Capacidad para definir y modificar atributos de las entidades, variables globales y de utilizar ambas en la lgica de decisin. Capacidad de usar expresiones y funciones matemticas. Modelado jerrquico. Posibilidad de crear nuevos modelos a partir de otros ya existentes.

2.- Ayudas para la depuracin: Seguir una entidad a travs del modelo. Monitorizar la simulacin a medida que avanza. Ir hasta un instante de tiempo determinado. Avanzar hasta una determinada condicin. Ver el estado del modelo cada vez que ocurre un evento particular. Colocar un determinado valor en ciertos atributos para que ocurra un suceso particular, normalmente con una probabilidad pequea.

3.- Velocidad rpida en la ejecucin.

4.- Entornos de modelado prximos al usuario.

5.- Importacin o exportacin de datos desde (o a) otras aplicaciones.

Por ejemplo, desde Excel.

6.- Posibilidad de simular escenarios que iteran sobre un parmetro. Por ejemplo, nmero de mquinas disponibles.

7.- Posibilidades de simulacin continua-discreta.

8.- Invocacin de rutinas externas al paquete.

9.- Posibilidad de comenzar o no desde un estado vaco.

10.- Posibilidad de guardar el estado al final de una simulacin.

11.- Costo.

Leccin 13 General)

Introduccin a GPSS (Sistema de Simulacin de Propsito

Introduccin a GPSS: existen actualmente en mercado una gran cantidad de paquetes de simulacin, sin embargo el paquete GPSS es sin duda uno de los mas conocidos y usados en empresas e instituciones educativas, por esta razn se tratara de explicar y describir el mismo. Versiones de GPSS: GPSSH DOS Windows GPSS World Windows 150 bloques Sentencia GPSS Estructura de una sentencia de declaracin GPSS: Nro. Etiqueta Verbo Operandos; Comentario Nro. Puede ser entero o decimal. Mximo 7 caracteres incluido pto. Etiqueta. Nmero o nombre para la localizacin de un bloque. Verbo. Nombre identificador para el control o el bloque. Operandos. Dependen del verbo identificador utilizado. Comentario. Para explicar brevemente el significado de la sentencia

Elementos bsicos: Transacciones Las transacciones se crean con uno o ms bloques GENERATE y se destruyen en bloques TERMINATE.

Puede haber muchas transacciones simultneas. Cada transaccin en un momento dado se encuentra en algn bloque, y muchos tipos de bloques pueden tener varias transacciones a la vez. La instruccin de bloque que permite generar las transacciones e ingresarlas en el modelo se llama GENERATE. Su sintaxis es: GENERATE A,B,C,D,E,F

A es la tasa promedio a la cual se crean las transacciones en unidades de tiempo simulado. Su valor por omisin es cero. B es la dispersin en el tiempo de creacin promedio de las transacciones, es decir, el tiempo de llegadas de las transacciones al modelo ser de A B unidades de tiempo. Su valor por omisin es cero. C es un operando donde se coloca el tiempo simulado al que llega la primera transaccin al modelo. El valor por omisin no est determinado. D es el nmero lmite de transacciones creadas y su valor por omisin es infinito. E es un operando donde se coloca la prioridad asignada a cada transaccin creada por el GENERATE. En GPSS las prioridades posibles son de 0 a 127. La prioridad mayor tiene preferencia sobre las de prioridad inferior. Ejemplos: Generate GENERATE 2700,200,1000,100,50 Crea transacciones cada 2700 200 unidades de tiempo, pero la primera transaccin se crea al tiempo 1000. Despus de 100 transacciones no se generan ms y cada una de las 100 generadas tendrn una prioridad de 50. TERMINATE: Se emplea para destruir las transacciones que ingresen, se puede emplear para simular que un elemento sale del sistema y ahorrar memoria. Ayuda a que se cumplan las condiciones de terminacin de un programa ya que puede afectar al contador del START. Su sintaxis es: TERMINATE A:

Donde A es un operando donde se coloca el nmero (entero) con el que se disminuir el contador de trmino de la simulacin, cuyo nmero inicial se da en la instruccin de control START. Cuando el contador alcanza un valor menor o igual a cero la simulacin termina. Ejemplos: Terminate TERMINATE: Cada transaccin que ingresa a este bloque se destruye. TERMINATE 5: Cada vez que una transaccin ingresa a este bloque se destruye y disminuye en 5 el contador de finalizacin de la simulacin. Suspende el movimiento de una transaccin por una cantidad especifica de tiempo simulado. Puede emplearse para simular el tiempo que una persona tarda en ocupar un equipo, en una sala de espera, etc. Su sintaxis es: ADVANCE A,B Donde el operando A corresponde al tiempo de retardo para la transaccin y B es el intervalo de dispersin alrededor de A. Ejemplos : ADVANCE 12,4 Retarda la transaccin 12 4 unidades de tiempo simulado. ADVANCE 15 Retarda exactamente 15 unidades de tiempo a la transaccin. Facilidad (unidad de servicio) Entidad que puede contener una sola transaccin en un momento. Almacenamiento: Entidad que puede contener varias transacciones en un momento. Bloques: Con las facilidades se usan los bloques: SEIZE

RELEASE Almacenamientos ENTER LEAVE

Leccin 14 Ejemplos de Lenguajes de Simulacin FLUJOGRAMA DEL ANALISIS DE UN SISTEMA USANDO GPSS/H

FLUJOGRAMA DE RUTINA DEL ANLISIS DE UN SISTEMA CON GPSS/H

APLICACIN PRCTICA DE SIMULACIN PLANTEAMIENTO DEL PROBLEMA: En una mina subterrnea se genera un ciclo de acarreo que consta de cuatro tolvas, dos para mineral y dos para desmonte. Las tolvas se encuentran en interior mina y estn ubicadas en distintos puntos de carga, las cuales van a estar siempre llenos. Los puntos de descarga estn en superficie. Se plantea conocer cuntos camiones deben entrar al sistema para que no se generen tiempos muertos de espera de camiones.

ESQUEMA SIMPLIFICADO DEL SISTEMA DE ACARREO

ESQUEMA DEL SISTEMA DE ACARREO

TRATAMIENTO DE DATOS

FLUJOGRAMA DEL PROBLEMA

RESULTADOS DE LA PROGRAMACIN

CONCLUSIONES Los resultados obtenidos dependen de la confiabilidad de los datos recopilados. Al observar los resultados obtenidos en la simulacin se encontr que la prdida por tiempos muertos era mayor en el punto 1. El anlisis econmico de los resultados de la simulacin demostr que el nmero ptimo de camiones era de dos para cada tolva obtenindose los menores costos. Si se hiciera una segunda simulacin demostrara que la adicin de una tolva extra en el punto 1 eliminara la formacin de colas, desapareciendo as los tiempos muertos.