Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Indice general
SIMULACION 3
1 INTRODUCCION 3
4 ETAPAS DE LA SIMULACION 10
6 TEORA DE COLAS. 17
7 ETIQUETACION DE MODELOS DE LE _ / _ / _ 21
SIMULACION
1 INTRODUCCION
Simulacin es un rea de estudio que forma parte de la Investigacin de Operaciones
(IDO), La cual es usada prcticamente en todas las reas de estudio conocidas.
Simulacin permite estudiar un sistema sin tener que realizar experimentacin sobre el
sistema real. Esto presenta muchas ventajas que discutiremos ms adelante aqu. Sin
embargo, esta no es la nica forma de estudiar un sistema; otra posibilidad es construir
un modelo anlitico conformado por un conjunto de ecuaciones (generalmente
diferenciales) que representan al sistema para luego resolverlo para diferentes
situaciones, o bien plantear un modelo de optimizacin que pretende proporcionar la
mejor estrategia que el sistema debe adoptar para funcionar mejor de acuerdo con
alguna medida de rendimiento establecida en la "funcin objetivo" y satisfaciendo las
diversas condiciones del problema, establecidas en "las restricciones". Los modelos que
se obtienen como un conjunto de ecuaciones se denominan con frecuencia modelos
analticos, es decir modelos de ecuaciones diferenciales o de optimizacin.
Por otro lado, con frecuencia se requiere que los individuos que participan en el equipo
deben tener una gran capacitacin y destreza. De modo que estos equipos de trabajo
suelen ser costosos. En contraparte, para obtener modelos de simulacin, los equipos de
trabajo pueden estar conformados por personas con menor calificacin, de modo que la
coordinacin de estos equipos es en general mas simple y casi siempre ms econmico.
Con esto no se pretende decir que los modelos analticos sean intiles, ya que existen
cierto tipo de problemas, para los cuales se conoce la forma de obtencin del modelo as
como la manera de construir un algoritmo eficiente para resolverlo.
1.2 QU ES SIMULACIN?
Simulacin es una palabra que es familiar a los profesionales de todas las disciplinas e
incluso para aqullos que no han estudiado una carrera profesional. De esta manera el
significado de la palabra Simulacin se explica casi por s misma. Entre los significados
que podemos obtener de la gente comn y corriente para la palabra "Simular", se
encuentran los siguientes: "Imitar la realidad", "emular un sistema", "dar la apariencia o
efecto de un sistema o situacin real". Hay muchas definiciones propuestas sobre lo que
significa Simulacin, he aqu algunas definiciones:
"Una simulacin es una imitacin de la operacin de un proceso del mundo real sobre
determinado tiempo"
"El comportamiento de un sistema durante determinado tiempo puede ser estudiado por
medio de un modelo de simulacin. Este modelo usualmente toma su forma a partir de
un conjunto de postulados sobre la operacin del sistema real".
En los tres primeros ejemplos, la variable aleatoria X se dice que est uniformemente
distribuida, ya que todos los resultados tienen la misma probabilidad. Sin embargo, en el
ltimo ejemplo, la variable aleatoria X, no est uniformemente distribuida.
El problema crucial de la aplicacin de los mtodos de Montecarlo es hallar los valores
de una variable aleatoria (discreta o continua) con una distribucin de probabilidad dada
por la funcin p(x) a partir de los valores de una variable aleatoria uniformemente
distribuida en el intervalo [0, 1), proporcionada por el ordenador o por una rutina
incorporada al programa.
Para simular un proceso fsico, o hallar la solucin de un problema matemtico es
necesario usar gran cantidad de nmeros aleatorios. El mtodo mecnico de la ruleta
sera muy lento, adems cualquier aparato fsico real genera variables aleatorias cuyas
distribuciones difieren, al menos ligeramente de la distribucin uniforme ideal. Tambin,
se puede hacer uso de tablas de cifras aleatorias uniformemente distribuidas,
comprobadas minuciosamente en base a pruebas estadsticas especiales. Se emplean
solamente cuando los clculos correspondientes a la aplicacin del mtodo de
Montecarlo se realiza a mano, lo que en estos tiempos resulta inimaginable. En la
prctica, resulta ms conveniente emplear los denominados nmeros pseudoaleatorios,
se trata de nmeros que se obtienen a partir de un nmero denominado semilla, y la
aplicacin reiterada de una frmula, obtenindose una secuencia {x0, x1, x2, ... xn} de
nmeros que imitan los valores de una variable uniformemente distribuida en el intervalo
[0, 1).
La tabla describe el sorteo de una variable discreta, siendo?? una variable aleatoria
uniformemente distribuida en el intervalo [0,1).
Condicin Resultado
0<=?<0.25 0
0.25<=?<0.75 1
0.75<=?<0.875 2
0.875<=?<1 3
Una vez visto un caso particular, el problema general puede formularse del siguiente
modo:
Si X es una variable aleatoria discreta cuyos posible resultados son {x0, x1, x2 , ... xn-1} y
sean {p0, p1, p2, ... pn} sus respectivas probabilidades. Al sortear un nmero aleatorio ?,
uniformemente distribuido en el intervalo [0, 1), se obtiene el resultado xi, si se verifica la
siguiente condicin:
(1)
(2)
(3)
que es una lnea recta, que vale cero cuando x=a, y uno cuando x=b, tal como puede
verse en la figura inferior. Utilizando la frmula (3) de la transformacin de la variable
aleatoria continua y despejando x, se obtiene
x=(a*x+c)%m;
donde a, c, m, son constantes cuyos valores elige el creador de la rutina, as por ejemplo
tenemos
A) PERODO DE ORIENTACIN.
Denominado tambin como el primer perodo de la investigacin.
El equipo de Investigacin de Operaciones ajeno a la empresa tiene la oportunidad de
valorar al problema y a la organizacin. Los promotores que son los crticos cientficos y
los que ayudan a la organizacin econmicamente (fundaciones, gobierno,...) tienen
tambin una oportunidad similar de tener un acercamiento a la empresa.
As, al final del perodo de orientacin puede especificarse bajo que condiciones se
realiza la investigacin y puedan tomarse las medidas necesarias que satisfagan tales
condiciones.
Se empieza por enumerar a todos los componentes del sistema que contribuye al
rendimiento o no rendimiento de su funcionamiento.
Para su buen manejo resulta conveniente agrupar ciertos componentes del sistema . La
combinacin de stos pueden dar origen a otro diferente.
Smbolos de sustitucin.
1. Mtodo Analtico.
2. Mtodo Numrico.
3. Mtodo de Simulacin.
3.- Existen los MTODOS DE SIMULACIN, que son los que imitan al sistema real, es
muy til en la solucin de problemas complejos, de riesgo y bajo incertidumbre.
Los sistemas no suelen ser estables y su estructura est sujeta a cambios, que pueden
ser cambios entre las variables que definen al propio sistema , o pueden ser cambios
entre los valores de las variables del sistema.
El objetivo del establecimiento de controles, es para que no se pierda la efectividad del
modelo matemtico debido a cambios en los parmetros y la eficacia de la solucin
puede verse disminuda en consecuencia a:
- cambio de los valores
- cambio de la relacin entre ellos
- cambio en ambos factores.
En consecuencia, un parmetro que no era significativo puede llegar a serlo o puede
dejar de serlo, o tal vez, cambiar su grado de importancia.
El diseo de un sistema de control deber tomar en cuenta lo siguiente:
1. Enumeracin de las variables y la relacin entre ellas, y la manera en que afecta a la
solucin el cambio de los valores.
Los profesionales que tpicamente enfrentan estos problemas son, los ingenieros de
sistemas, industriales, de sistemas computacionales y de informtica; sin embargo, estos
son problemas afectan todos los sectores productivos, de manera que las LE's tienen un
gran potencial de aplicacin.
Usando modelos matemticos obtenidos ex profeso para ciertos tipos de LEs que se
presentan con frecuencia y
N( t )
a lim
t t
L a W
L Q a WQ
Los modelos de Lneas de Espera (LE), se derivan generalmente a partir de los procesos
de Nacimiento y Muerte, los cuales son procesos de Markov con "Entradas Poisson y
Tiempos de Servicio Exponencial". Esto significa que la situacin de espera en la cual el
nmero de llegadas y salidas del sistema, durante un intervalo de tiempo, esta
controlado por las siguientes condiciones:
La Probabilidad de que un evento (es decir llegada o salida) ocurra entre los
instantes de tiempo t y t+h, depende nicamente de la longitud del intervalo de
tiempo entre esos dos instantes, esto es depende solamente de h. Esto quiere decir
que la probabilidad de ocurrencia de un evento durante el intervalo t y t+h no
depende del nmero de eventos ocurridos antes de t ni tampoco del valor de t.
Si h es intervalo de tiempo muy pequeo, la probabilidad de que ocurra un evento
durante ese intervalo nunca es mayor que la unidad y siempre es positiva.
Durante el intervalo h solo puede ocurrir un evento, es decir lo que puede variar es la
probabilidad de que ocurra un evento durante ese intervalo.
n-2
n-1
n n+1
Sean Po, P1, Pn, las probabilidades de estado estable. Entonces usamos las
ecuaciones de balance de flujos:
Suma de flujos de entrada = Suma de flujos de salida
Para determinar cada Pi mediante este mtodo, escribimos las ecuaciones para cada
nodo:
Utilizamos ahora:
Pn =1
0
o bien
P0 + Pn = 1 .(3)
1
Esto se consigue haciendo variar n desde 1 hasta infinito. Significa que la ecuacin (2)
con la (3) formar un sistema consistente.
P0 + CnP0 =1
1
Entonces P0 es igual a:
1
P0 = --------------------- (4)
1 + Cn
1
La ecuacin (4) converge si Cn < 1, esto es un resultado que resulta del rea de Series y
Sucesiones, y que se estudia normalmente en los cursos elementales de Clculo
Diferencial e Integral, lgebra o Matemticas Discretas.
Note que se puede calcular P0 de la ecuacin (4) ya que las tasas de llegadas y de
servicios son por lo regular conocidas. Ntese tambin que con la ecuacin (2) podemos
calcular todas las Pi's, puesto que P0 es ahora conocida.
Recordamos el concepto de valor esperado de una variable aleatoria xi, que se define
como:
Xi Pi
0
Entonces el nmero esperado de clientes en el sistema L y el nmero esperado de
clientes en la lnea de espera Lq es:
L= n Pn
0
Lq = (n-s) Pn
n=s
8 ETIQUETACION DE MODELOS DE LE _ / _ / _
_________/____________________/_________________
a) A/B/S/K/m/Z b) A/B/S/Z/m/K
Es una notacin extendida de la anterior (es decir el caso anterior es un caso particular)
donde:
La LE es infinita
La fuente es infinita
La disciplina es FIFO
En este modelo se considera que las tasas medias de llegadas y de servicio no cambian
con el nmero de clientes en el sistema, es decir:
Ademas:
W(t) = e-t/w
Wq(t) =e-t/w
Pn = n(1 - )
Lq = L - /
Wq = Lq /
Ejemplo:
Datos:
= 16 clientes/hora
= 20 clientes/hora
Aplicando (1)
= 16 = 4
20 5
a) Aplicando (3)
L= 4/5 = 4 clientes
1 - 4/5
a) Aplicando (2)
Similar a la anterior pero con una longitud limite "K" para la cola
= Para n = 0, 1, 2,..........K-1
0 Para n = K, K+1, .........
Pn = n(1 - ) ( 1) .......1a
1 - K+1
K ( = 1) ........1b
2
L Longitud de la cola:
L= - (K+1)k+1 ( 1) ..........2a
1- 1 - K+1
K ( = 1) ..........2b
2
Ejemplo:
En una estacin de servicio se cuenta con solo un grifo para la atencin. Los clientes
llegan en un proceso de poisson a razn de 10 vehculos por hora mientras que son
atendidos bajo un proceso exponencial con una media de 3 minutos, adems se sabe
que la venta promedio es de 18 dollares. Debido a que la estacin es pequea, solo
puede mantener 4 autos en espera, si llegan mas cuando esta llena debe buscar otro
grifo. Determinar:
a) El numero promedio de vehculos en la cola.
b) El tiempo que los clientes deben esperar para esperar la atencion.
c) Las perdidas por la no atencin de clientes.
Solucin:
Datos:
= 10 clientes/hora
= 3 minutos o 20 clientes/hora
k=4
= 10 = 1
20 2
L= 1 - (5)(1/2) 5
1 - (1/2) 5
L= 1 - (5)(1/2) 5
1 - (1/2) 5
b)
Pk= (1/2)4(1-1/3) = 0.0322
1 - (1/2)5
= (1-Pk)
= 10 (1-0.0322) = 9.678
Wq = 0.3551/9.678 = 0.0367
- = 10 - 9.678 = 0.322
n = n0
n= n n0
s ns
Po= n=s-1
n + s -1
n! s!(1 - /s)
n=0
n!n
s!s n-s
Lq= s+1 Po
(s+1)!(s-)2
Wq = Lq/
W = Wq + 1/
Ejemplo:
Solucin:
S=2
n=3
=
= 3 minutos o 20 clientes por hora
= 3/4
n = n = 0,1,2,3, ........k-
1
0 n = k, k+1, k+2, ....
n= n n = 0,1,2,3, ........k-1
= /s
s!(1-) n!
n=0
n!
s!(1-)
s!(1-)2
Wq = Lq/
Problema:
En un taller de mecanica existen 4 mecanicos que atienden a los los clientes. El taller
solo cuenta con espacio para 3 automoviles en espera. Los clientes llegan en promedio
de 15 por hora bajo una tendencia de poison y son atendidos con una media de 12
minutos por auto bajo una tendencia exponencial, se pide:
Solucion:
S=4
K=7
= 15 autos hora
= 60/12 = 5 autos por hora
= 15/4*5 = 3/4
Po = 44(3/4)4+1(1-(3/4)7-4)/4!(1-3/4)+1/0!+(4(3/4)) 1/(2!)+(4(3/4))2/(2!)+(4(3/4))3/(3!)
+(4(3/4))4/(4!))-1
Po = 0.04498
P7 = 44(3/4)7(0.04498)/4! = 0.06404
Lq = 44(3/4)5*(1-(3/4))7-4-(1-3/4)(7-4)(3/4)7-4)(0.04498)/(4!(1-(3/4))2)
Lq =0.4767
Wq = 0.4767/14.0394 = 0.03395
W =Wq+1/ =0.03395+1/5 = 0.2339
L = *W = 14.0394*0.2339 = 3.2846
Cola 1
Cola 2
Cola 3
Practica calificada
Resumiendo, las variables que acumulan (que se llaman niveles o "stocks") representan
la acumulacin de distintas entidades del sistema, tales como cantidad de empleados,
kilogramos de trigo, pedidos no cubiertos, artculos en inventario, etc. Mientras que las
tasas son las variables que determinan las variaciones en los niveles del sistema.
Adems de los dos smbolos vistos arriba para las tasas (smbolo de una vlvola) y los
niveles (smbolos de un rectngulo), en la dinmica de sistemas se usan tambin los
siguientes smbolos:
Una variable de estado (o nivel), es decir una variable que acumula sus valores (que
matemticamente se representa con un integrador) es cambiada por variables que se
representas por flujos de material (tasas). Por ejemplo si N es el Nivel, FE y FS los flujos
de entrada y de salida, se puede escribir la siguiente ecuacin:
Considerando el ejemplo de la poblacin indicado arriba se podra tener por ejemplo que:
Tasa (flujo)de Natalidad = 0.1 * Poblacin, donde TN = 0.1.
Escenario 1, municipio de Lepe, perodo 1992 a 1998 (Inicial): Los valores de partida de
esta simulacin se han tomado de los datos reales de Lepe para 1992. As, se parte de
una poblacin inicial de 16784 habitantes y de 9342 viviendas correspondientes al 31 de
Diciembre del 1991 y de una superficie total de 13402.5 hectreas. Los parmetros
iniciales tienen los siguientes valores: tasa de nacimientos 0.0122, tasa de muertes
0.0069, tasa de emigracin sin efecto del paro 0.00607, tasa de inmigracin 0.0098, tasa
de matrimonios 0.006, tasa de derrumbamiento 0.0004, etc. Se trata de estimar cual
sera la poblacin para 1998, en la hiptesis de haberse mantenido constantes tales
parmetros durante los cinco aos.
Hiptesis 2: Partiendo del mismo escenario inicial, supongamos una mejora general de
la economa que afecte a los sectores ms importantes del municipio (agricultura y
turismo), ocasionando un aumento relativo en el nivel salarial mensual medio de los
habitantes de Lepe en un 4% y que aumente tambin la tasa de matrimonios un 20%;
mientras que el resto de los parmetros permanecen constantes.
11.7 CONCLUSIONES
Aunque el modelo expuesto adolezca de ciertas simplificaciones, lo cierto es que
describe los aspectos ms importantes, as como las relaciones entre las principales
variables integrantes del sistema urbano en un municipio cualquiera. Debido a ello,
permitira obtener de forma bastante aproximada la evolucin de las variables de estado
del sistema ante diferentes hiptesis y escenarios de previsin alternativos. De esa
forma, permitira a lo responsables de la planificacin urbanstica de una municipalidad
tomar decisiones ms consistentes, con menor riesgo y con suficiente adelanto, sobre la
respuesta del municipio ante las necesidades futuras que pudieran ocasionar
crecimientos de la poblacin del mismo, por ejemplo, en materia de viviendas, suministro
de agua, saneamiento, infraestructura, etc.
Examen Final