PRESENTACION SOBRE

CONCEPTOS DE
SIMULACION

SIMULACION:
Es una tcnica que utilizando modelos trata de
representar la realidad, basndose en la experimentacin y obteniendo
resultados por aproximaciones sucesivas, lo cual permite observar la
conducta dinmica del sistema.

SISTEMA:
Son conjuntos de entidades interrelacionadas para cumplir un
objetivo.

ENTIDADES:
Sujeto, objeto de inters de nuestro sistema.

MODELOS

: - Determinsticos .a
- probabilsticos .a

Determinsticos: - Estticos ( t )
- Dinmicos (t )
Probabilsticos: - Dinmicos

TIPOS DE VARIABLES:
Dinmico

variable discreta
variable continua

CUANDO ES RECOMENDABLE SIMULAR?

Cuando los

- gran N de variables

Problemas

- gran N de restricciones.

Son complejos

- gran N de v. aleatorias en el proceso

- mltiples objetivos.

La simulacin nos proporcionar un resultado que aunque no sea el

ptimo, es un resultado aproximado y prctico para la toma de
decisiones.
Entrega resultados aproximados en base a experimentaciones
sucesivas.

AREAS COMUNES DONDE SE APLICA:

- Diseo de Aeropuertos
- Diseo de circuitos
- Diseo de sistemas de procesos
- Diseo de sistemas de comunicaciones
- Diseo de sistemas de Distribucin
- Modelos de Industria Textil, Petrleo, etc.

- Diseo de Reglas y reorden de Inventarios:

- Aeroespacial
- Manufactura
- Logstica militar
- Hospitales
- Recursos Naturales
- Prediccin de votacin Poltica
- Trfico Urbano
- Desarrollo de los recursos hdricos
- Comunicacin Intergrupal
. etc.

MOTOR IMPULSOR DE UNA SIMULACIN

Una de las consideraciones ms importantes de una simulacin es

el mtodo usado para mover el sistema en el tiempo:
- INCREMENTO DE TIEMPO FIJO
- INCREMENTO DE TIEMPO VARIABLE
t

Incrementos Fijos
e1

e2

2t

3t

e3

4t

e4

5t

6t

e5

7t

8t

Incremento Variables:
t1

e1

t2

e2

t3

t4

e3

e4

t5

e5

t6

e6

Modelo de Simulacin Impulsado por eventos:

INICIALIZAR
CONTROL Y ESTADISTICAS

SELECCIN DE EVENTOS

EVENTO 1

EVENTO 2

EVENTO 3

MIN {te1 , te2 , te3 ....,T}

EVENTO K

SOFTWARE DE SIMULACION
Tipos de Software de Simulacin Lenguajes
Simuladores

LENGUAJES:

GPSS/H, GPSS/PC, GASP, DYNAMO, SIMPAC, SIMULATE,

GSP, ESP, MODSIM II, SIMAN, CINEMA IV, SIMSCRIPT II.5,
SLAMSYSTEM, SLAM/TESS, AUTO MOD II, AWESIM,
FLEXSIM, SIMIO.

SIMULADORES:
FACTOR/AIM, MICROSAINT, PRO MODEL PC, SIMFACTORY
II.5, WITNESS.

PRESENTACION SOBRE
GENERACIN DE
NMEROS ALEATORIOS Y
VARIABLES ALEATORIAS

2.1 GENERACION DE NUMEROS ALEATORIOS

Mtodos para Generar Nmeros Aleatorios
-Tablas de aleatorios obsoleto
-Frecuencia Elctrica

Procesos Fsicos

-Reloj
-Utilizacin de Frmulas Recursivas

Desventaja: No se generan nmeros aleatorios puros ya que

estn sesgados por la frmula.

Las rutinas que generan nmeros aleatorios deben cumplir entre otros,
algunos requisitos:
1.- Costo de generacin debe ser bajo.
2.- El perodo del ciclo debe ser grande.

Propiedades de los Nmeros Aleatorios

Deben cumplir 2 propiedades fundamentales:

1) Uniformidad
2) Independencia
a x b

1
ba
(x)
0

otro caso

(x)

1
ba
k

Nos aleatorios varan entre 0 y 1 .

1

0 R 1

en otro caso

(R)

(R)

.
:
:
:
:

Con respecto a la uniformidad de los Nos

aleatorios existen

Dcimas de Hiptesis que permiten concluir con un nivel de

significancia la aceptacin o no de una cierta secuencia como
nmeros aleatorios.
Kolmogorov
test
x2

Con respecto a la independencia, se refiere al hecho a que cada

uno de los infinitos nmeros aleatorios tiene igual probabilidad de
salir a la secuencia.
si son independientes
V (x) = E ( x - x ) 2

= Cov ( x , y )
x y

= E ( x - x ) ( x - x)

no correlacin entre las variables si son

independientes.

autocorrelacin

2.2 GENERACION DE VARIABLES ALEATORIAS

La tcnica ms conocida para generar .a es la Tcnica de la
Transformada Inversa.

(x)

F(x)

La T.T.I. permite generar .a de acuerdo a alguna distribucin

de probabilidades.

Pasos a Seguir
Obtener la funcin de densidad acumulada a partir de la funcin de

distribucin de probabilidades.
F(x) a partir de (x)
Igualar F(x) = R

Donde R denota un nmero RANDOM

Despejar x en funcin de R
x = F-1 ( R) = (R)

Hallar xi = (Ri)

Ejemplo: Generar .a distribuidas exponencialmente.

(x) = e -x

0 , x0

PASO F(x) = (x)dx = P(x x)

0

x 0

F(x) =
1 - e -x

F(x)
1

. . . . . . . . . . . . . . . . .. . .

F(x0) . . . . . . . . .
:
:

x0

PASO

F (x) = R
1 - e -x = R

PASO

x = - 1

ln ( 1 R)

x>0

PASO

xi = -1 ln ( 1 Ri )

0 Ri 1

xi = - 1 ln Ri

0 xi

(x)

1
ba

D. Uniforme

0 R 1

en otro caso

(R)

F(x) = (x)dx

F (x) = x a
ba

xa
ba

=R

x=(ba)R+a

xi = a + ( b a ) R i

, 0 < Ri < 1

Tcnica de Montecarlo
Esta tcnica se expone mediante el desarrollo de los siguientes dos
ejercicios:
1)

El Departamento de Mercadeo de una Compaa puede estimar

el precio de venta y la demanda de Mercado para el nuevo producto,

as como el crecimiento, la posible captacin de una parte del
Mercado, y la vida del producto. Los departamentos de Contabilidad
e Ingeniera pueden suministrar estimaciones del costo de la
inversin, y los costos variables y fijos de manufactura. Cada una de
esas estimaciones es incierta, pero la incertidumbre se puede describir
por medio de una distribucin de probabilidad para cada factor.
Para ilustrar la Tcnica, considere una inversin que tiene
slo dos factores inciertos, el costo unitario y el nivel de ventas para
el nuevo producto.
Suponga que las estimaciones para esos factores se dan en
las distribuciones de probabilidad siguientes:

Distribucin de Probabilidad para

El costo Variable x unidad
Costo

Probabilidad

$ 2,00

0,10

2,50

0,20

3,00

0,40

3,50

0,20

4,50

0,10

Suponga tambin que el precio de venta es alrededor de $5 por unidad

que el costo de la inversin es conocido y alcanza una cantidad de
$10.000. Si C representa el costo unitario y S las ventas (en miles de
unidades) , la ganancia (en miles de $ ) es:
GANANCIA = S ( 5 - C ) - 10.000

Supongamos que el nivel de ventas y el costo unitario son

independientes.
Distribucin de Probabilidad para las ventas

Ventas

Prob .

Ventas

Prob.

Ventas

Prob

2.000

0,05

15.000

0,06

27.500

0,01

5.000

0,10

17.500

0,05

30.000

0,01

7.500

0,25

20.000

0,03

10.000

0,25

22.500

0,02

12.500

0,15

25.000

0,02

2) Una compaa ha recibido una orden especial de 9 unidades de una

pieza dada. La parte en cuestin se fabrica en 2 etapas, siendo la
primera operacin de fundicin, y la segunda, el proceso de fresado
de acuerdo a ciertas especificaciones. La fundicin de un conjunto de
unidades se realiza a un tiempo, con un costo de iniciacin del proceso
de $300 ms $100 por cada unidad fundida. Luego se realiza el
fresado individual a un costo adicional de $100 por unidad. Al final
de la operacin de fresado de cada parte, se la inspecciona para
determinar si cumple con las especificaciones. Cuando se han
producido 9 unidades en forma satisfactoria se interrumpe el fresado.

La operacin de fresado es difcil de controlar, y anteriormente el

30 % de los artculos resultaban defectuosos ( o sea que no cumplan
con las especificaciones). Los defectos ocurren al azar, por lo que el
Gerente espera el mismo patrn de ocurrencia para esta nueva orden.

El problema es determinar qu tan grande debe ser el conjunto de

unidades fundidas y el costo total de surtir la orden.

Si se funden demasiadas partes, se pierden los $100 del fundido

de cada parte prdida, puesto que las que sobran no tienen valor.

Por otro lado, si se funden muy pocas, y no se logra fresar 9

unidades buenas, se debe fundir de nuevo un nuevo conjunto,
incurriendo de nuevo en el costo de iniciacin de $300. Suponga que
el Gerente decide que se fundirn 13 partes.

Examinar las implicaciones de esta poltica en cuanto a costo,

utilizando el Mtodo Montecarlo.
Simulando la operacin de fresado
Dgitos aleatorios 0 9
Probabilidad de una unidad defectuosa = 30%
Dgitos 1, 2 y 3 (categora defectuosa)
Dgitos 4, 5, 6, 7, 8, 9 y 0 (categora buena)

Simulacin de Montecarlo de la Operacin de Produccin

Poltica: Fundir un grupo de 13 unidades.

PRUEBA NUMEROS ALEATORIOS

COSTOS

1 2 3 4 5 6 7 8 9 10 11 12 13 FUNDICION
INICIACION

FRESADO TOTAL
Por unid Por unid

4 6 4 1 1 3 6 9 1 5
Segunda (4) 5 7

$300
300

$1.300
400

$1.300
200

1 8 0 6 7 1 7 0 3 5
Segunda (2) 0

300
300

1.300
200

1.300
100

0 1 7 1 9 1 4 4 1 6
Segunda(2) 0

7 2

300
300

1.300
200

1.300
100

Promedio de las tres

Promedio (5000 pruebas)

$2900
900
3.800
2900
600
3.500
2.900
600
3.500
3.600

= $3.136