Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1
Carlos Agreda, Ph. D 1
Carlos Agreda, Ph. D 2
Sistema de SimuIacin
Introduccin
El modelo de simulacin es una herramienta muy
importante para el ingeniero que trabaja en diseo
de cualquier operacin minera unitaria, como por
ejemplo galeras, tneles, plantas de tratamiento
de minerales o tambin para simular el
funcionamiento de los diferentes equipos usados
en la minera.
Por otro lado, la simulacin se puede emplear
para mejorar el comportamiento humano del
personal. Siendo la simulacin una herramienta
muy importante para todo tipo de investigacin
que pueda ser llevada a cabo por el hombre.
18/06/2013
2
Carlos Agreda, Ph. D 3
Por tanto, se puede decir que la simulacin se ha
convertido en una herramienta de experimentacin
muy importante de la . O.
Carlos Agreda, Ph. D +
Sistema de SimuIacin
Origen
La historia y la evolucin de la simulacin por ordenador
han ido paralelas a la evolucin de la nformtica. Sus
orgenes los encontramos en la segunda Guerra
Mundial cuando dos matemticos, J. VNeumann y S.
Ulam, tenan el reto de resolver un problema complejo
relacionado con el comportamiento de los neutrones.
Los experimentos basados en prueba y error eran muy
caros y el problema era demasiado complicado para
abordarlo mediante tcnicas analticas. La aproximacin
que eligieron se basa en la utilizacin de nmeros
aleatorios y distribuciones de probabilidad. El mtodo
desarrollado fue llamado "mtodo de Montecarlo" por el
paralelismo entre la generacin de nmeros aleatorios y
el juego de la ruleta.
18/06/2013
3
Carlos Agreda, Ph. D 5
Durante la Guerra Fra se intensific el uso de la
simulacin para resolver problemas de inters militar;
trayectorias y dinmicas de satlites artificiales, guiar
msiles, etc. Muchos de estos problemas exigen la
resolucin de sistemas de ecuaciones diferenciales no
lineales. Para abordar estos problemas se utilizaron
ordenadores analgicos que usaban elementos
electrnicos para resolver las operaciones
matemticas: integracin, suma, multiplicacin,
generacin de funciones, etc.
A partir de la dcada de los 60 empiezan a aparecer en
el mercado programas de simulacin de sistemas de
acontecimientos discretos que poco a poco se
empezaron a utilizar para resolver problemas de mbito
civil.
Carlos Agreda, Ph. D 6
Los ms destacables fueron el GPSS de BM (General
Purpose System Simulator) y el SMSCRPT. Los
modelos de acontecimientos discretos son muy
utilizados en la actualidad para estudiar problemas de
fabricacin de procesos, logstica, transporte,
comunicaciones y servicios. Estos problemas se
caracterizan por centrar su inters en los cambios que
hay en el sistema como consecuencia de los
acontecimientos y en su capacidad para modelar los
aspectos aleatorios del sistema.
La revolucin que se produjo en la informtica a partir
de los aos 80, tiene un impacto importante en la
simulacin por ordenador. El uso de simuladores se
generaliza en prcticamente todos los mbitos de la
ciencia y la ingeniera.
18/06/2013
4
Carlos Agreda, Ph. D 7
Algunos de los simuladores ms populares son MS
Flight Simulator, NASCAR Racing, SimCity,
Civilization, RollerCoaster Tycoon, y The Sims, etc.
Carlos Agreda, Ph. D 8
Sistema de SimuIacin
La simuIacin es eI proceso de disear un modeIo que
representa a un sistema reaI; y IIevar a cabo varios
experimentos usando eI modeIo con eI propsito de
entender eI comportamiento deI sistema o eI de evaIuar
varias estrategias, dentro de Ios Iimites impuestos por un
criterio, de taI manera que eI sistema opere.
La simuIacin es eI disear y desarroIIar un modeIo
computarizado de un sistema o proceso y conducir
experimentaImente con este modeIo con eI propsito de
entender eI comportamiento deI sistema deI mundo reaI o
evaIuar varias estrategias con Ios cuaIes puedan operar eI
sistema, etc.
Definicin: existen varias definiciones, entre las cuales
se tiene:
18/06/2013
5
Carlos Agreda, Ph. D 9
A continuacin algunas definiciones de simulacin:
Thomas T. Goldsmith Jr. y Estle Ray Mann: "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 perodos".
R.E. Shannon: "La simulacin es el proceso de disear
un modelo de un sistema real y llevar a trmino
experiencias con l, con la finalidad de comprender el
comportamiento del sistema o evaluar nuevas
estrategias dentro de los lmites impuestos por un cierto
criterio o un conjunto de ellos para el funcionamiento
del sistema".
Carlos Agreda, Ph. D 10
SHUBIK: Es un modelo, la simulacin de un sistema o
de un organismo es la operacin de un modelo lo cual
se va a llamar simulador el cual es una representacin
del sistema.
Este modelo o simulador estar sujeto a diversas
manipulaciones, las cuales seran imposibles de
realizar, demasiado costosas o imprcticas. La
operacin de un modelo puede estudiarse y con ello
conocer las propiedades concernientes al
comportamiento del sistema o subsistema real.
18/06/2013
6
Carlos Agreda, Ph. D 11
Carlos Agreda, Ph. D 12
= |
.
|
\
|
+ =
_
=
Carlos Agreda, Ph. D 3+
Para la distribucin exponencial Distribucin normal
Ri son nmeros aleatorios generados a partir de las
distribucin uniforme (0, 1).
18/06/2013
18
Carlos Agreda, Ph. D 35
Distribucin discreta.
Un anlisis de tiempo de llegada en intervalos
de 10 minutos durante cada da, se ha
encontrado que:
10% deI tiempo no IIegan camiones 0
20% deI tiempo IIegan un camin 1
40% deI tiempo IIegan dos camiones 2
15% deI tiempo IIegan tres camiones 3
10% deI tiempo IIegan cuatro camiones 4
5% deI tiempo IIegan cinco camiones 5
Carlos Agreda, Ph. D 36
18/06/2013
19
Carlos Agreda, Ph. D 37
Generacin de nmeros aIeatorios.
Los nmeros aleatorios se generan de tablas,
o usando mtodos para hallar nmeros seudo-
aleatorios. Por el mtodo aditivo de
congruencias o el multiplicativo de las
congruencias.
Sub-rutina RANDU para generar nmeros
seudo-aleatorios.
Carlos Agreda, Ph. D 38
SUBROUTINE RANDU (IX, IV, YFR)
IY = IX + 65539
IF = IY 5, 6, 6
5 IY = IY + 2147483647 + 1
6 YFL = IY
YFL = YFL * .4656613E-9
RETURN
END.
18/06/2013
20
Carlos Agreda, Ph. D 39
Ejemplo:
Sea un sistema de carguo-acarreo (pala-camin),
operando de la siguiente manera:
Cargador
1
Cargador
2
Dump
Carlos Agreda, Ph. D +0
Diagrama conceptual: Mostrando las operaciones
mineras de carguo y acarreo.
Stock piIe
Despacho de
camiones
18/06/2013
21
Carlos Agreda, Ph. D +1
EI tiempo empIeado para eI carguo de Ios camiones
se puede caIcuIar usando Ia siguiente expresin
matemtica:
TCT
TRUCK
= LTT + TL + DT + TE + ST
Donde:
TCT
TRUCK
= Tiempo de cicIo totaI para un camin
cargado desde que se inicia eI carguo hasta eI
siguiente.
LTT = Tiempo totaI de carguo de un camin por una
paIa
TL = Tiempo de viaje cargado hasta Ia chancadora
(dump)
DT = Tiempo de descarga (dumping)
TE = Tiempo de viaje vaco
ST = Tiempo de espera deI camin para ser cargado.
Carlos Agreda, Ph. D +2
SoIucin.
Tiempo de viaje de un camin para ser
cargado.
El modelo tiene dos distribuciones:
1)Para el tiempo de carguo
2)Para el tiempo de viaje de un camin.
(TL + DT + TE + ST) = TA
Asumiendo que ambas son distribucin
normal.
Para aplicar simulacin, se debe
considerar que hay 2 palas y 6 camiones.
18/06/2013
22
Carlos Agreda, Ph. D +3
El tiempo promedio para cargar camiones es de
4.0 minutos con una desviacin estndar de 1
minuto.
El tiempo de viaje promedio del camin es de 16
minutos y con una desviacin estndar promedio de
2.0 minutos.
Para determinar el tiempo que se empleara ara el
carguo y viaje del camin, se usa la siguiente
relacin:
TS = Mean Time + (NDRD * Std Dev)
Carlos Agreda, Ph. D ++
M = Numero de palas en el sistema
N = Numero de camiones en el sistema
ES TS(i) = Tiempo del turno empleado de la pala i
ES TT(i) = Tiempo del turno empleado del camin i
ST = Tiempo de finalizacin de la simulacin.
TS = Tiempo muestra para este evento.
Maen Time = Tiempo medio para eI evento.
NDRD = Numero Random NormaImente Distribuido
( = 0, = 1)
Std Dev = Desviacin estndar deI tiempo
18/06/2013
23
Carlos Agreda, Ph. D +5
Modelos de Simulacin en el Anlisis de Proyeccin
Econmica-Financiera de la Cia. Minera Nacional.
Sistema ReaI
Sistema SimuIado
Reservas
Recursos productivos
Produccin
ngresos
Costos
Resultados
Activos
Deudas
Patrimonio
Reservas
Recursos productivos
Produccin
ngresos
Costos
Resultados
Activos
Deudas
Patrimonio
Factores externos
Carlos Agreda, Ph. D +6
+ = '
Carlos Agreda, Ph. D 72
Donde:
t' = es el tiempo en la funcin de densidad de
probabilidad deseada o a usarse. Por ejemplo, para los
datos dados se tendr lo siguiente:
(
ts
) = 9.20 minutos
(
ts
) = 2.56 minutos.
18/06/2013
37
Carlos Agreda, Ph. D 73
Entonces, para una desviacin estndar normal, t,
por decir igual a 0.76; el tiempo generado seria
como sigue:
t = (-0.76) (2.56) + 9.20 = 7.25
t = 7.25 minutos
Carlos Agreda, Ph. D 7+
-5 -4 -3 -2 -1 0 1 2 3 4 5
0.5
1.0
Valor correspondiente a la
desviacin estndar
buscada o generada
Probabilidad escogida
usando una tabla de nmeros
aleatorios.
Probabilidad
Diagrama conceptual: mostrando la
distribucin acumulativa normal estndar.
18/06/2013
38
Carlos Agreda, Ph. D 75
Nota:
Por lo explicado anteriormente; para la aplicacin de la
simulacin de Montecarlo al problema de desarrollar un
software para analizar, disear, construir e instalar un
grifo, ciertos tiempos tienen que ser generados
aleatoriamente.
Por lo tanto, es razonable pensar que estos tiempos
generados aleatoriamente podran representar una
medida de la duracin para efectuar una fase de cierto
trabajo. Por lo que, se debe tener en cuenta que los
tiempos generados aleatoriamente podran ser muy
cortos o muy largos para llevar a cabo las fases de
trabajo respectivas.
Carlos Agreda, Ph. D 76
Por ejemplo; ir desde una estacin A, hasta una
estacin B, con una cierta pieza de equipo no podran
efectuarse en un tiempo menor a un mnimo dado y/o
conocido. Tambin se debe tener en cuenta que el
tiempo no puede ser negativo; etc., etc.
18/06/2013
39
Carlos Agreda, Ph. D 77
ProbIema de apIicacin
Una compaa dedicada a la fundicin de Cu
emplea roca caliza en el proceso de fundicin
antes mencionado.
La roca caliza, es obtenida diariamente de un
contratista independiente que tiene una
pequea mina de roca caliza muy cercana a la
planta de fundicin.
Datos histricos muestran que el consumo
diario de roca caliza ha ocurrido de acuerdo a
las siguientes probabilidades:
Carlos Agreda, Ph. D 78
Consumo diario en Tm: X : 140 160 180 200 220 240 260
ProbabiIidad P(X): 0.1 0.15 0.25 0.20 0.15 0.10 0.05
La capacidad de produccin diaria del contratista es
normalmente distribuida con una media de 180 Tm y
una desviacin estndar de 20 Tm.
Asumiendo que el contratista no tiene roca caliza en
stock y que ambos, la produccin y el consumo diario
son independientes da a da y que la roca caliza no
usada cada da no puede ser almacenada:
18/06/2013
40
Carlos Agreda, Ph. D 79
Se pide:
i. Determinar el numero de das cuando la demanda
de la planta de fundicin por la caliza exceder al
abastecimiento para los siguientes 10 das de
operacin.
ii. Discutir los resultados.
Carlos Agreda, Ph. D 80
r. 0nro Aqredn
Pro(eor
te: eaej|c|e: |ate|ectaa|e: de aaa aeaa ca-caada
:ea ma: :e-p-eadeate: caaade :e t-ata de -e:e|e-
aa p-e|ema qae -eqa|e-e aaa :e|ac|a c-eat|a. |
aea ame-, m|eat-a: da-a, jae-ece |a capac|dad
de pea:a- cea j|ea||||dad q cea maqe- cemp|e|dad,
ac|eade qae -e:a|te ma: jc|| eaceat-a- :e|ac|eae: a
|e: p-e|ema:.