Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Manual de ARENA Wenoweno PDF
Manual de ARENA Wenoweno PDF
1
Xabier Basogain / Miguel ngel Olabe Modelado y Simulacin de Sistemas de Eventos Discretos
PROGRAMA PRCTICO
1.- Introduccin
2.- Teora de Colas y Arena
3.- Ejercicios
1.- Introduccin
2.- Ejercicios
3.- Apndice: Distribuciones
2
Xabier Basogain / Miguel ngel Olabe Modelado y Simulacin de Sistemas de Eventos Discretos
3
Xabier Basogain / Miguel ngel Olabe Modelado y Simulacin de Sistemas de Eventos Discretos
Sesin 0.- Conceptos Bsicos de Estadstica
Objetivo: Introducir y repasar los conceptos bsicos de estadstica utilizados en las sesiones
prcticas de la asignatura Modelado y Simulacin II. Los modelos probabilsticos utilizados
en el modelado y simulacin de sistemas de eventos discretos requieren el conocimiento de
los trminos y conceptos elementales de la estadstica bsica.
ndice:
1.- Conceptos y Terminologa
Variable Aleatoria Discreta, Variable Aleatoria Continua, Funcin de
Distribucin Acumulativa, Valor Esperado, Moda.
Para cada posible valor xi de la variable X se tiene que p(xi) = p(X = xi) es la
probabilidad de que la variable X tome el valor xi.
b) p( xi) = 1
i =1
b) f ( x)dx = 1
Rx
c) f(x) = 0 Si x Rx
Ejemplo Funcionamiento de una bombilla
Si X es discreta F ( x) = p ( xi)
xi x
x
Si X es continua F ( x) = f (t )dt
Propiedades de F(x):
c) lim F ( x) = 0
x
Si X es discreta E ( X ) = xi p ( xi)
todoi
1.5.- Varianza.-
1.6.- Moda.-
La distribucin del tiempo entre llegadas y la distribucin del nmero de llegadas por
periodo de tiempo son importantes a la hora de simular los sistemas de colas.
Distribuciones utilizadas:
Normal. Si los tiempos de servicio son constantes pero existe una variabilidad que
produce fluctuaciones positivas y negativas.
3
Xabier Basogain / Miguel ngel Olabe Modelado y Simulacin de Sistemas de Eventos Discretos
Sesin 0.- Conceptos Bsicos de Estadstica
La variable nmero de items o tamao del pedido suele ser representada por
las siguientes distribuciones:
p(FFF....FS) = qx-1.p
0 x<a
x a
F (x) =
ax<b
b a
1 xb
x 2 x1
Se tiene que p(x1 < x < x2) = F(x2)-F(x1)= es proporcional a la
ba
6
Xabier Basogain / Miguel ngel Olabe Modelado y Simulacin de Sistemas de Eventos Discretos
Sesin 0.- Conceptos Bsicos de Estadstica
Se utiliza para modelar tiempos entre llegadas y tambin tiempos entre servicios
Una variable aleatoria X se dice que tiene distribucin exponencial con parmetro
> 0 si su pdf est dada por:
e x x0 F ( x) = 1 e
x
x0
f ( x) =
0 resto 0 resto
1
La media y la Varianza son: E ( x) = 1 V ( x) =
2
Se verifica que:
7
Xabier Basogain / Miguel ngel Olabe Modelado y Simulacin de Sistemas de Eventos Discretos
Sesin 0.- Conceptos Bsicos de Estadstica
k 1 e k x ( K x)i
F ( x) =
1 x>0
i =0 i!
0
x0
Los tres parmetros de una distribucin Weibull son (- < < ) que
es el parmetro de localizacin; ( > 0) que es el parmetro de escala y
(>0) que es el parmetro de forma. Para = 0 se tiene que la pdf es:
x 1 x
exp x0
f ( x) =
0 otros
8
Xabier Basogain / Miguel ngel Olabe Modelado y Simulacin de Sistemas de Eventos Discretos
Sesin 0.- Conceptos Bsicos de Estadstica
TABLA - RESUMEN
F ( x) = p( xi ) E ( X ) = xi p ( xi )
V(X) =
i
xi x
E(X2) -
x [E(X)]2
F ( x) = f (t )dt
E( X ) = x f ( x) dx
Poisson
x
e
x = 0,1,2
E(x) = V(x) =
p( x) = x!
0 resto
9
Xabier Basogain / Miguel ngel Olabe Modelado y Simulacin de Sistemas de Eventos Discretos
Sesin 0.- Conceptos Bsicos de Estadstica
Exponenc x x 0 1 e x 1
f ( x) = e F ( x) = E ( x) = 1
ial 0 resto 0 V ( x) =
2
Erlang-k
k 1 e k x ( K x)i
F ( x) =
( x) 1 e x 1
f ( x ) = ( ) i! 1
0
i =0
E (x) =
1 V ( x) =
0
K 2
Weibull x 1 x
exp 0
f ( x) =
F ( x) = x
0
1 exp
10
Xabier Basogain / Miguel ngel Olabe Modelado y Simulacin de Sistemas de Eventos Discretos
Sesin 1.- Introduccin al Software de Simulacin Arena Standard
ndice:
1.- Descripcin Arena
2.- Primer Ejemplo
3.- Estudio de Mdulos
4.- EJERCICIO - Proceso de Solicitud de una Hipoteca
- Barra de Proyectos
- Organigrama o Modelo
- Datos
Ventana de Modelo
Barra de Proyectos
Ventana de Datos
11
Xabier Basogain / Miguel ngel Olabe Modelado y Simulacin de Sistemas de Eventos Discretos
Sesin 1.- Introduccin al Software de Simulacin Arena Standard
Los primeros se utilizan para construir el modelo, y para ello se arrastran de la Barra de
Proyectos a la ventana de Modelo, y se conectan de acuerdo al sistema que se desea
construir.
Comencemos por realizar un primer modelo sencillo siguiendo las fases siguientes:
a) construir un modelo
b) editar los mdulos que constituyen el modelo
c) ejecutar la simulacin y observar los informes de los resultados
- construccin de un modelo
El primer ejemplo que se va a construir y simular est constituido por tres mdulos
bsicos como se indica en la figura:
0 0
0
12
Xabier Basogain / Miguel ngel Olabe Modelado y Simulacin de Sistemas de Eventos Discretos
Sesin 1.- Introduccin al Software de Simulacin Arena Standard
a) Mdulos de Organigrama
Para ello se hace doble-click en cada mdulo del modelo y se abre una ventana de
edicin de dicho mdulo.
Create: cambiar en las opciones Name y Entity Type los valores 'Entrada de Pedidos' y
'Pedido' respectivamente (no teclear las comillas)
Entrada de
Papeleo Envio de Pedido
Pedidos
0 0
0
13
Xabier Basogain / Miguel ngel Olabe Modelado y Simulacin de Sistemas de Eventos Discretos
Sesin 1.- Introduccin al Software de Simulacin Arena Standard
b) Mdulos de Datos
Adems de editar los mdulos de organigrama se debe editar los mdulos de datos; en
nuestro ejemplo se seleccionar el mdulo Resource en la Barra de Proyecto
correspondiente al recurso que se ha definido como 'Oficinista' y se editarn los valores
15, 15 y 2.5 para las casillas de los costes Busy/Hour, Idle/Hour y Per Use
respectivamente.
- ejecucin de la simulacin
Para ello se elige la opcin del men principal de ARENA, Run, Setup y se selecciona
la pgina Project Parameters. En esta ventana se cambia Project Title por uno
relacionado con nuestro primer ejemplo, p.e. Proceso de Entrada de Pedidos. Tambin
se cambiar en la pgina Replications Parameters los valores de Replication Length y
Hours/Day por 40(horas) y 8 respectivamente.
A partir de este momento el diseador observar en la ventana del Modelo los Pedidos
(entidades) movindose paso a paso por el sistema, y la animacin tanto del proceso que
se est realizando como de los trabajos realizados como se ilustra en la figura.
Una vez finalizada la simulacin, ARENA pregunta al diseador si desea ver los
resultados obtenidos de la simulacin. Los resultados obtenidos se organizan en una
serie de informes correspondientes al Proyecto en general, entidades, recursos, procesos,
colas, etc. como se ilustra en la figura:
14
Xabier Basogain / Miguel ngel Olabe Modelado y Simulacin de Sistemas de Eventos Discretos
Sesin 1.- Introduccin al Software de Simulacin Arena Standard
Cada informe se muestra en una ventana independiente y una vez ledos los informes,
estas ventanas pueden ser minimizadas o cerradas utilizando los iconos estndar de
opciones de ventanas de windows:
Despus de cerrar las ventanas de los informes y para volver al modo normal de diseo
y simulacin del modelo, se debe salir del modo de ejecucin (Run Mode) eligiendo la
opcin Run/End o simplemente pulsando el icono de fin de simulacin:
15
Xabier Basogain / Miguel ngel Olabe Modelado y Simulacin de Sistemas de Eventos Discretos
Sesin 1.- Introduccin al Software de Simulacin Arena Standard
- TERMINOLOGA
Los atributos representan valores definidos por el usuario y asociados a cada una de las
entidades(p.e. tipo de cliente, tamao del producto, instante en que un trabajo entra en el
sistema, etc.)
Todas las entidades tienen el mismo conjunto de atributos, pero con distintos valores.
Arena asigna un conjunto de atributos determinados (Entity.Type, Entity.Picture,
Entity.CreateTime, Entity.Station, Entity.Sequence, Entiy.JobStep)
Recurso.- elemento utilizado para modelar un rea donde hay una limitacin o
restriccin; dichas restricciones pueden ser causadas por un nmero limitado de
personas para realizar una accin, espacio de almacenamiento restringido, capacidad de
los equipos, etc.
Las entidades capturan (seize) recursos para tomar control de una o ms unidades del
mismo, y una vez finalizado el servicio las entidades liberan (release) los recursos
utilizados.
Colas.- rea donde permanece una entidad mientras espera que un recurso est
disponible o mientras espera a formar un grupo(batch) con otras entidades.
16
Xabier Basogain / Miguel ngel Olabe Modelado y Simulacin de Sistemas de Eventos Discretos
Sesin 1.- Introduccin al Software de Simulacin Arena Standard
Las primeras son definidas por quien construye el modelo, y pueden cambiarse durante
la ejecucin de la simulacin(p.e. tasa de llegada, inventario actual, nmero de
pacientes, etc.)
Las variables del Sistema son caractersticas predefinidas de los componentes del
modelo que recogen el estado de los componentes(p.e. nmero de entidades esperando
en una cola; se denota con NQ(nombre de la cola), valor de un contador NC(nombre
del contador)).
MDULOS DE ORGANIGRAMA
CREATE.-
C reate
El campo Type acepta los valores: Random(se utiliza una distribucin exponencial y la
media la define el usuario), Schedule(se utiliza una distribucin exponencial y la media
est determinada por un mdulo Schedule), Constant (el usuario especifica el valor
constante) y Expression(se utilizar cualquier expresin que se presentar en el men
que se desdobla en la opcin Expression)
17
Xabier Basogain / Miguel ngel Olabe Modelado y Simulacin de Sistemas de Eventos Discretos
Sesin 1.- Introduccin al Software de Simulacin Arena Standard
El campo Entities per Arrival indica el nmero de entidades que entrarn en el sistema
en cada uno de los instantes en que se produce una llegada(por defecto es 1)
DISPOSE.-
Este mdulo tiene como funcin constituir el punto final de las entidades en el modelo
de simulacin. Las estadsticas pueden ser registradas antes de que la entidad abandone
el sistema. La ventana de la edicin de este mdulo es la siguiente:
Dispose
PROCESS.-
Process
18
Xabier Basogain / Miguel ngel Olabe Modelado y Simulacin de Sistemas de Eventos Discretos
Sesin 1.- Introduccin al Software de Simulacin Arena Standard
El campo nombre tiene las misma funciones que las descritas en el mdulo Create.
El Type permite describir el mtodo de especificar la lgica que existe en el interior del
mdulo. Procesamiento Standard significa que toda la lgica ser almacenada dentro del
mdulo Process y que ser definida por una particular Action, mientras que Submodel
indica que la lgica ser definida jerrquicamente en un submodelo.
Los posibles tipos de procesamiento dentro del mdulo son los siguientes (campo
Action)
- Delay Release: indica que un recurso que ha sido previamente utilizado ser liberado
una vez transcurra un determinado retraso.
En los casos necesarios se debe indicar la lista de recursos que son utilizados en dicho
mdulo y la cantidad de los mismos que sern capturados y liberados.
DECIDE.-
0 True
D ecide
0 False
19
Xabier Basogain / Miguel ngel Olabe Modelado y Simulacin de Sistemas de Eventos Discretos
Sesin 1.- Introduccin al Software de Simulacin Arena Standard
BATCH.-
Las entidades que llegan a un mdulo Batch se sitan en una cola hasta que se acumulen
el nmero requerido de entidades. Una vez acumulados se crear una entidad
representativa de dicho agrupamiento.
Batch
SEPARATE.-
Este mdulo se utiliza para copiar una entidad entrante en mltiples entidades o para
separar un entidad previamente agrupada mediante el mdulo batch. En este segundo
caso, la entidad temporal representativa desaparece y se recuperan las entidades
originales que constituan el agrupamiento.
La ventana de edicin es la siguiente, para el caso de realizar tres copias del original:
0
Separate
Original
0 Duplicate
20
Xabier Basogain / Miguel ngel Olabe Modelado y Simulacin de Sistemas de Eventos Discretos
Sesin 1.- Introduccin al Software de Simulacin Arena Standard
ASSIGN.-
Este mdulo se utiliza para asignar a las entidades que entren al mdulo nuevos valores
a variables, atributos de entidades, tipos de entidades, dibujos de entidades y otras
variables del sistema. Se pueden realizar mltiples asignaciones en un nico mdulo
Assign.
Assign
RECORD.-
Este mdulo se utiliza para recoger las estadsticas de la simulacin del modelo. Los
tipos de estadsticas disponibles incluyen tiempo de salida del mdulo, estadsticas de
las entidades(tiempo, coste, etc.), observaciones generales y estadsticas de intervalos de
tiempo.
Record
NOTA:
Para cada uno de ellos existe informacin ordenada en los campos indicados en la figura
siguiente:
21
Xabier Basogain / Miguel ngel Olabe Modelado y Simulacin de Sistemas de Eventos Discretos
Sesin 1.- Introduccin al Software de Simulacin Arena Standard
En el siguiente ejercicio que se propone se pretende que el alumno realice una primera
experiencia en la utilizacin del software ARENA para modelar, simular, visualizar y
analizar los resultados de un sencillo sistema a estudiar.
Para ello, el alumno debe construir un modelo del Proceso 'Revisin de una Solicitud de
Hipoteca' y obtener dichos resultados mediante la simulacin con ARENA.
c) Una vez la solicitud ha sido revisada y evaluada, queda por decidir si se acepta o no
se acepta dicha solicitud. El criterio de aceptacin de una solicitud se basar en un
simple criterio probabilstico, en concreto se aceptar el 88% de las solicitudes. NOTA:
se utilizarn dos mdulos Dispose, una para las solicitudes aceptadas y el otro para las
solicitudes no aceptadas.
22
Xabier Basogain / Miguel ngel Olabe Modelado y Simulacin de Sistemas de Eventos Discretos
Sesin 1.- Introduccin al Software de Simulacin Arena Standard
Concesion de
0
Inicio de Solicitud
Revision Hipoteca? Solicitud Aceptada
de Hipoteca Tr u e
0 0
0
0 Fals e
Solicitud
Rechazada
0
Una vez realizado el organigrama con los mdulos necesarios se debe editar cada uno
de ellos para asignarles los parmetros correspondientes al problema de estudio.
Mdulos de organigrama.-
Mdulos de datos.-
- Resource: introducir los costes por hora ($12) en la hoja de clculo correspondiente al
recurso 'Oficinista'.
- SIMULACIN
23
Xabier Basogain / Miguel ngel Olabe Modelado y Simulacin de Sistemas de Eventos Discretos
Sesin 1.- Introduccin al Software de Simulacin Arena Standard
Editar en primer lugar, el ttulo del proyecto como 'Anlisis de la Revisin de Solicitud
de Hipoteca' en el tabulador Poject Title de la carpeta Project Parameters del men
Run,Setup. Adems, se debe seleccionar en las cajas check de Statistic Colletion las
correspondientes a Entities, Qeues, Resources, Processes y Costing.
Simular el modelo.
Ver y analizar los datos presentados en los diferentes informes que ha generado
ARENA al simular el modelo del Proceso de Solicitud de una Hipoteca.
24
Xabier Basogain / Miguel ngel Olabe Modelado y Simulacin de Sistemas de Eventos Discretos
Sesin 2.- Construccin de Modelos con Arena Standard
Objetivo: Disear, construir y simular sistemas SED con mayor versatilidad mediante
herramientas adecuadas que provee el software de Simulacin.
ndice:
1.- Mejoras en la Visualizacin de la Simulacin del Modelo
2.- Modificaciones en el Proceso de Solicitudes de una Hipoteca
3.- Modelos Jerrquicos: submodelos
4.- EJERCICIO - Proceso de Solicitud de Prstamo para Automviles
La animacin grfica en la simulacin del modelo que se quiere disear y simular vista
hasta ahora se limita a representar grficamente sobre el modelo el movimiento de las
entidades a lo largo del organigrama. Sin embargo, Arena tiene la posibilidad de
incrementar la animacin y as mejorar el estudio del comportamiento del sistema
modelado.
Adems otra ventaja de las mejoras en la visualizacin animada del sistema es el inters
que puede generar en otros miembros de la empresa u organizacin, como los
directivos, gestores o administradores, por conocer las posibilidades que ofrece esta
nueva herramienta de modelado de sistemas de eventos discretos.
Para comprobar las ventajas que supone la mejora de la animacin grfica se aadir
dos componentes de animacin al Modelo de Solicitudes de Hipoteca estudiado en la
sesin anterior:
a) Oficinista , ocupado y desocupado
b) Representacin dinmica del nmero de solicitudes en trmite
Concesion de
0
Inicio de Solicitud
Revision Hipoteca? Solicitud Aceptada
de Hipoteca Tr ue
0 0
0
0 Fa ls e
Solicitud
Rechazada
0
Solicitudes en Trmite
Oficinis ta 10
Solicitudes
0
T iempo de Simulacin (das ) 20
25
Xabier Basogain / Miguel ngel Olabe Modelado y Simulacin de Sistemas de Eventos Discretos
Sesin 2.- Construccin de Modelos con Arena Standard
Nota: para este tipo de mejoras se utilizar los iconos correspondientes a la barra de
herramientas de Animacin.
La actividad que realiza el recurso Oficinista consiste en revisar y evaluar cada una de
las solicitudes que le llegan; si no llega ninguna solicitud el Oficinista est desocupado
y se utilizar un dibujo de una persona sentada en su puesto de trabajo (chaqueta de
color verde). Cuando llega una solicitud, sta capturar el recurso y el recurso pasar a
estar ocupado representado por un dibujo de una persona trabajando sobre la mesa
(chaqueta de color rojo).
Los pasos que hay que realizar para establecer este tipo de animacin son los siguientes:
7.- El cursor se transformar en una cruz; moverlo al lugar del modelo donde se desee
que aparezca la animacin del Oficinista.
8.- Si se desea redimensionar el icono del Oficinista, basta con seleccionarlo y alargar o
reducir el dibujo.
Los pasos que hay que realizar para establecer este tipo de animacin son los siguientes:
2.- Se abre la ventana de Plot. En caso presente se va a representar una nica expresin,
la correspondiente a work-in-process (WIP) del proceso 'Revisin' de nuestro
modelo. Para ello se debe pulsar el botn Add.
5.- Editar los valores Mximum y History Points con los valores 10 y 5000
respectivamente (en la sesin anterior se obtuvo que el nmero mximo de
entidades en cola era 9). Pulsar el botn OK para cerrar la ventana de dialogo de
Plot Expression (fijarse que Arena pone la frmula Revision.WIP).
6.- Para completar la definicin del Plot, cambiar Time Range al valor de 480. El eje
horizontal del plot representar 480 horas de simulacin. Pulsar OK para cerrar
la ventana de dilogo de Plot.
7.- El cursor cambia a la forma de una cruz; dibujar el Plot en la ventana del modelo
mediante realizando clic en dos extremos en el lugar que se desee.
Una vez editados los dos nuevos componentes de animacin pasemos a simularlo;
previamente conviene salvar el modelo; tambin puede resultar interesante aadir algn
texto que documente con cierto detalle los dos nuevos componentes de animacin.
Editar en el pie del icono del Oficinista, el texto Oficinista, y junto a los ejes del Plot, el
texto Tiempo de Simulacin (das) para el eje de abcisas, el texto Solicitudes para el eje
de ordenadas y el texto Solicitudes en Trmite para un ttulo superior del plot. Para la
edicin de texto utilizar el icono Text de la barra estandar de dibujo .
27
Xabier Basogain / Miguel ngel Olabe Modelado y Simulacin de Sistemas de Eventos Discretos
Sesin 2.- Construccin de Modelos con Arena Standard
Sin embargo, se observar a medida que avanza la simulacin cmo el dibujo que
representa al Oficinista cambia entre los estados Desocupado y Ocupado segn lleguen
solicitudes al proceso Revisin.
Solicitud
Rechazada
0
Secretaria
Oficinista
Una vez se ha completado la tarea de Escner, el 8% de las solicitudes son devueltas por
estar incompletas. Este hecho significa que muchas de las solicitudes sern detectadas
en el proceso de Escner y por consiguiente el porcentaje de solicitudes aceptadas
despus del proceso Revisin se incrementa del 88% al 94%, y el tiempo de proceso de
Revisin se reduce un 10%.
Nota:
La reduccin del 10% del tiempo de proceso Revisin se puede realizar mediante la
definicin de una variable llamada 'Factor de Reduccin' inicializada al valor 0.9 y
utilizada en los campos correspondientes a la distribucin triangular del tiempo de
servicio del proceso Revisin como se indica en la figura siguiente:
29
Xabier Basogain / Miguel ngel Olabe Modelado y Simulacin de Sistemas de Eventos Discretos
Sesin 2.- Construccin de Modelos con Arena Standard
Submodelo.-
Los submodelos pueden contener cualquier objeto que se pueda colocar en la ventana de
modelo (lgica, grficos estadsticos, animacin, etc.)
- Properties.- permite cambiar las caractersticas del submodelo, por ejemplo el nmero
de puntos de entrada y salida.
30
Xabier Basogain / Miguel ngel Olabe Modelado y Simulacin de Sistemas de Eventos Discretos
Sesin 2.- Construccin de Modelos con Arena Standard
- Open.- abrir el submodelo para visualizar la vista del submodelo e introducir la lgica,
animacin y grficos.
- Unaggregate.- saca los objetos de una vista de submodelo y los ubica en el siguiente
nivel superior del modelo.
Definicin de submodelos.-
- Submodelo Process
- Objeto Submodelo
31
Xabier Basogain / Miguel ngel Olabe Modelado y Simulacin de Sistemas de Eventos Discretos
Sesin 2.- Construccin de Modelos con Arena Standard
La principal diferencia entre los dos mtodos son las estadsticas generadas. Cuando un
mdulo que se define como tipo Submodelo y se construye una lgica en la vista de
submodelo, cualquier estadstica, coste e informacin temporal que se recoge cuando
una entidad est dentro del submodelo ser reflejada directamente en las estadsticas,
costes e informacin temporal de ese Proceso (independientemente del nmero de
niveles de jerarqua que se hayan definido).
Navegacin en el Modelo.-
Existen varias formas de acceder a las vistas de los submodelos. Un mtodo es del Panel
Navigate de la Barra de Proyectos (hacer clic en el icono Navigate para que se visualice
el Panel Navigate).
Cuando se utiliza el Panel Navigate, Arena permite el acceso directo a cada una de las
vistas de los submodelos, simplemente haciendo clic en la lista de los nombres de los
submodelos. Esto significa que en el caso de varios submodelos anidados, se puede
acceder directamente a un submodelo que est a varios niveles del nivel superior de la
jerarqua.
El tercer mtodo consiste en realizar clic-derecho (en el botn de la derecha del ratn)
sobre el objeto submodelo presente en la ventana de modelo y seleccionar del men la
opcin Open Submodel.
Vista de un Submodelo.-
Dentro del objeto submodelo est la vista de submodelo que contiene la lgica u
organigrama de flujo del submodelo. En la vista del submodelo hay puntos de entrada y
puntos de salida que estn conectados a la lgica del submodelo. Estos puntos permiten
el paso de las entidades del nivel superior del modelo al submodelo, continua el
procesamiento de las entidades de acuerdo a la lgica del submodelo y se vuelve al
nivel superior para seguir su procesamiento, como se ilustra en la figura.
Create 1 Dispose 1
Su b m o d e l 1
0 0
0 0
0
Dispose 3
0 32
Xabier Basogain / Miguel ngel Olabe Modelado y Simulacin de Sistemas de Eventos Discretos
Sesin 2.- Construccin de Modelos con Arena Standard
Los puntos de entrada en la vista del submodelo se representa mediante una flecha que
apunta a la direccin que seguir el flujo de la lgica. El punto de salida se representa
por un cuadrado. Desde este punto la entidad regresar a la vista del siguiente nivel para
continuar con el procesado. En la figura se muestra la vista de un submodelo particular,
con dos puntos de entrada y tres de salida.
P rocess 1
0
S eparate 1
Or g
in
i al
0 Duplci at e
P rocess 2
En este modelo, las solicitudes de prstamos para adquirir un automvil llegan al centro
de procesamiento aproximadamente cada 5 minutos.
Una vez procesadas las solicitudes, un agente comprobar los resultados del
procesamiento y escribir un documento de aceptacin o rechazo. Esta tarea suele tener
una duracin de 7 minutos, aunque nunca ms de 10 minutos y ni menos de 5 minutos.
Una vez que el agente de prstamos hace la revisin inicial de la solicitud y est
completa, 1 de los 5 agentes de evaluacin comprueba la legitimidad de la solicitud. El
95% de las solicitudes son legtimas. Cualquier solicitud que no sea legtima se salta la
Comprobacin de Crdito, y continuar con un agente de prstamos disponible en el
proceso de generacin de documento de aceptacin o rechazo.
Las solicitudes legtimas sern estudiadas por uno de los 12 agentes de crdito que
realizan la revisin del crdito a partir de un informe sobre el crdito del solicitante.
Esta operacin suele requerir aproximadamente una hora, con un mnimo de 55 minutos
y un mximo de 90 minutos.
Una vez finalizada la revisin, cada solicitud continuar con un agente de prstamos
disponible en el proceso de generacin de documento de aceptacin o rechazo.
34
Xabier Basogain / Miguel ngel Olabe Modelado y Simulacin de Sistemas de Eventos Discretos
Sesin 3.- Modelos Estadsticos en Simulacin
Indice:
1.- Herramienta Input Analyzer
2.- Datos a Analizar
3.- Datos y Ventanas
4.- Generacin de Datos
5.- Ajuste de los Datos a una Distribucin
6.- Modificacin de Parmetros
7.- Ejercicios
A la hora de modelar fenmenos reales son pocas las veces en las que el diseador
puede predecir de una manera determinista las acciones que se van producir sobre las
entidades que estn dentro de un sistema objeto de estudio.
- Normal: si los tiempos de servicio son constantes pero existe una variabilidad que
produce fluctuaciones negativas y positivas.
- Normal Truncada: si existen valores de la variable que deben ser mayores o menores
que un umbral y el resto sigue una distribucin normal.
35
Xabier Basogain / Miguel ngel Olabe Modelado y Simulacin de Sistemas de Eventos Discretos
Sesin 3.- Modelos Estadsticos en Simulacin
Ejecucin del Input Analyzer: la forma de ejecutar este componente de Arena se realiza
a travs de cualquiera de estas dos opciones:
a) seleccionar Input Analyzer en Inicio/Programas/Arena
b) seleccionar Input Analyzer en el Men Tools de Arena.
Los datos que el Input Analyzer va a representar y analizar deben estar almacenados en
un fichero de texto ASCII con formato libre (los datos individuales deben estar
separados por 'espacios en blanco, tabuladores, etc.'). Para ello se puede utilizar
36
Xabier Basogain / Miguel ngel Olabe Modelado y Simulacin de Sistemas de Eventos Discretos
Sesin 3.- Modelos Estadsticos en Simulacin
cualquier editor de textos (word, bloc de notas, notepad, etc.). Generalmente estos datos
se corresponden con observaciones reales del sistema que se quiere analizar.
Supngase que la siguiente lista de valores numricos se corresponde con los tiempos
de servicio (medido en horas) de un agente de prstamos de una entidad bancaria que
revisa las solicitudes de prstamos de automviles.
Editar un fichero ASCII con datos numricos positivos y salvarlo con el nombre
datos.dat
Si no se dispone de datos reales puede generarse datos sintticos que sigan una funcin
de distribucin de probabilidad mediante la opcin del men File, Data File, Generate
New ( se ver en el apartado 4).
Para analizar las caractersticas de los datos contenidos en un fichero se debe asignar
una Nueva Ventana a dicho fichero y despus utilizar los comandos propios del Input
Analyzer.
Primer paso: abrir una nueva ventana en el Input Analyzer. Utilizar la opcin File, New,
y se abre una ventana vaca como se indica en la figura.
37
Xabier Basogain / Miguel ngel Olabe Modelado y Simulacin de Sistemas de Eventos Discretos
Sesin 3.- Modelos Estadsticos en Simulacin
Segundo Paso: una vez abierta una ventana vaca, se debe asignar un fichero de datos
desde dos posibles opciones:
a) File, Data File, Use Existing (para el caso de utilizar un fichero ASCII de datos
reales, previamente editado).
b) File, Data File, Generate New ( para el caso de generacin artificial de datos).
38
Xabier Basogain / Miguel ngel Olabe Modelado y Simulacin de Sistemas de Eventos Discretos
Sesin 3.- Modelos Estadsticos en Simulacin
La opcin del men File, Data File, Generate New permite al usuario generar un fichero
de muestras aleatorias que sigan una determinada funcin de distribucin de
probabilidad.
Al seleccionar esta opcin aparece un cuadro de dialogo que presenta los siguientes
submens (ver figura):
1) una lista de funciones de distribucin sobre las que se generar las muestras
Despus de que los datos de un fichero han sido cargados y representados mediante un
histograma en la Ventana, el siguiente paso es Ajustar los datos a una funcin de
distribucin de probabilidad.
Para ello, seleccionar la opcin Fit del men. Se despliega un men con todas las
posibles distribuciones. Se selecciona la funcin de distribucin deseada y el Input
Analyzer determinar los parmetros de la distribucin que se ajuste a los datos. Dichos
parmetros e informacin adicional se presentan en la parte inferior de la ventana con el
ttulo Distribution Summary
39
Xabier Basogain / Miguel ngel Olabe Modelado y Simulacin de Sistemas de Eventos Discretos
Sesin 3.- Modelos Estadsticos en Simulacin
7.- EJERCICIOS
expo_1.dat
expo_2.dat
40
Xabier Basogain / Miguel ngel Olabe Modelado y Simulacin de Sistemas de Eventos Discretos
Sesin 3.- Modelos Estadsticos en Simulacin
expo_3.dat
weibull_1.dat
weibull_2.dat
weibull_3.dat
3.- Generar datos numricos aleatorias que sigan la funcin de distribucin Poisson con
diferentes medias, = 1, 2 y 4
Para ello, utilizar previamente el ajuste Fit y despus el men Options, Parameters,
Distribution.
5.- Comprobar las formas que presentan las diferentes funciones de distribucin : Beta ,
Lognormal, Empirical Continuous, Normal, k-Erlang, Poisson, Exponential, Gamma,
Triangular, Uniform, Weibull , para diferentes valores de sus parmetros.
41
Xabier Basogain / Miguel ngel Olabe Modelado y Simulacin de Sistemas de Eventos Discretos
Sesiones 4 y 5.- Simulacin de Sistemas de Colas
Objetivo: Estas sesiones tienen como propsito modelar, simular y evaluar diferentes
sistemas de eventos discretos desde el punto de vista de teora sistemas de colas. El
objetivo principal de estas sesiones se desdobla en las siguientes reas de inters:
ndice:
1.- Introduccin
2.- Teora de Colas y Arena
3.- Ejercicios
1.- INTRODUCCIN
Los modelos de los sistemas de colas representan y caracterizan aquellos sistemas que
utilizan una serie de recursos finitos para realizar un determinado tipo de servicio que
demandan los clientes.
En un simple modelo de colas, los clientes llegan con cierta cadencia y se juntan en una
cola o lnea de espera para ser atendidos o servidos, y una vez servidos abandonan el
sistema.
Poblacin
de Servidor
Clientes Llegada Salida
Cola de Clientes
42
Xabier Basogain / Miguel ngel Olabe Modelado y Simulacin de Sistemas de Eventos Discretos
Sesiones 4 y 5.- Simulacin de Sistemas de Colas
Se utiliza teora de colas y/o simulacin para predecir dichos parmetros en funcin de
los parmetros de entrada entre los que se encuentran el ratio de llegadas de clientes,
peticiones de servicio de los clientes, ratio al que el servidor trabaja, nmero y
organizacin de servidores, entre otros. Algunos de estos parmetros de entrada son en
cierto grado controlables por el gestor del sistema y en consecuencia existe cierta
relacin indirecta entre el comportamiento del sistema y los parmetros de entrada.
Las medidas tpicas del comportamiento del sistema (utilizacin del servidor, longitud
de la lnea de espera y el tiempo de retraso) pueden ser calculadas matemticamente
para sistemas relativamente sencillos. Existe una relacin de frmulas matemticas que
expresan el valor de dichas medidas de comportamiento para una serie de sistemas de
colas (M/G/1, M/M/1, M/EK/1, M/D/1, M/M/c, etc.)
Llegada: ratio de nmero de llegadas de clientes por unidad de tiempo (hora, minuto)
Llegadas
Salidas
a) En primer lugar hay que sealar que los bloques Create y Process del diagrama de
flujo de un sistema modelado mediante Arena son los bloques que incluyen la
expresiones necesarias para construir los modelos de sistemas de colas.
0
0
C re a te Pro ce s s
EXPO(1/ ) EXPO(1/ )
Los valores que se obtienen de la simulacin son estimaciones y por consiguiente deben
ser analizadas desde un punto de vista estadstico (no se debe esperar una solucin
exactamente igual a la obtenida por las frmulas de la solucin matemtica que ofrece la
teora de colas). En realidad la notacin que se debe utilizar para las medidas de
comportamiento del sistema obtenidas a travs de la simulacin es la siguiente: ^L,
^LQ, ^W, ^WQ, ^ (el smbolo ^ representa 'estimador').
Nota: tambin se pueden ver los valores del comportamiento del sistema modelado
junto con otros valores internos del sistema en un fichero de extensin *.out y nombre
del modelo que genera ARENA al finalizar la simulacin.
Para cada uno de los sistemas se debe obtener una tabla de dichas estimaciones para
diez valores de intensidad de trfico = / ( = 10 clientes/hora y = 1, 2, 3, 4, 5, 6,
7, 8, y 9 clientes/hora). A dicha tabla se le aadir una columna con los valores de la
solucin matemtica. Evaluar la calidad del mtodo de simulacin comparando las
estimaciones y las soluciones matemticas.
a) modelo M/M/1
b) modelo M/Ek/1 (k=3, distribuciones exponenciales ratio k)
c) modelo M/D/1 (Constant)
d) modelo M/G/1 (Lognormal de media = , desviacin estndar = 0.1, 0.05 )
45
Xabier Basogain / Miguel ngel Olabe Modelado y Simulacin de Sistemas de Eventos Discretos
Sesiones 4 y 5.- Simulacin de Sistemas de Colas
a) modelo M/M/1/3. Comparar los resultados con los obtenidos con el modelo
M/M/1 (indicar el nmero de clientes que regresan a la Poblacin por
encontrarse la capacidad del sistema llena)
b) modelo M/M/1/50. Evaluar este modelo para los valores de a (/) = 0.5 y
0.9. es similar a M/M/1?
NOTA:
nq(Proceso.queue).lt.2
- En el tema 8, 'Anlisis de Datos', se describir con detalle los pasos necesarios para
validar estadsticamente los 'estimadores' obtenidos en los ejercicios anteriores. Un
aspecto que mejora la exactitud de las estimaciones ser utilizar el promedio de los
estimadores obtenidos en realizaciones independientes de los modelos de colas (Run
Setup, Number of Replications).
46
Xabier Basogain / Miguel ngel Olabe Modelado y Simulacin de Sistemas de Eventos Discretos
Sesin 6.- Anlisis de Datos de Entrada
ndice:
1.- Introduccin
2.- Ejercicios
3.- Apndice: Distribuciones
1.- INTRODUCCIN
El desarrollo de un modelo vlido de los datos de entrada requiere los siguientes cuatro
pasos bsicos:
47
Xabier Basogain / Miguel ngel Olabe Modelado y Simulacin de Sistemas de Eventos Discretos
Sesin 6.- Anlisis de Datos de Entrada
2.- EJERCICIOS
1.- Representar el histograma de los siguientes datos generados segn una distribucin
Gamma (utilizar el Input Analyzer de Arena).
2.- Representar el histograma de los siguientes datos generados segn una distribucin
Weibull con v = 0 (utilizar el Input Analyzer de Arena).
Utilizar el Test Chi-cuadrado para evaluar la hiptesis de que los datos siguen una
distribucin de Poisson. Utilizar un nivel de significancia de = 0.05
4.- El tiempo requerido para calcular y registrar el nmero de horas trabajadas durante
una semana para cada uno de los 50 empleados de una empresa se muestra en la
siguiente tabla:
Utilizar el Test Chi-cuadrado para evaluar la hiptesis de que los tiempos de servicio
siguen una distribucin exponencial. Utilizar un nivel de significancia de = 0.05 y
nmero de clases de intervalos k = 6.
5.- Utilizar las opciones Fit, y Options/Parameters/Histogram del Input Analyzer para
ratificar y obtener ms informacin sobre los cuatro conjuntos de datos Gamma_1.dat,
Weibull_1.dat, Poisson_1.dat y Exponential_1.dat.
Analizar los resultados del Test Chi-cuadrado para diferente nmero de intervalos, y
comprobar si todos los test indican las mismas conclusiones.
Distribucin de Poisson.-
e x
x = 0, 1, .. > 0
p ( x) = ! x
0 resto
E ( x) =
V ( x) =
Distribucin Uniforme.-
1
a < x < b
f ( x) = b - a
0 resto
a+b
E ( x) =
2
(b a ) 2
V ( x) =
12
Distribucin Exponencial.-
e -x x 0
f ( x) =
0 resto
1
E ( x) =
1
V ( x) =
2
Distribucin Gamma.-
50
Xabier Basogain / Miguel ngel Olabe Modelado y Simulacin de Sistemas de Eventos Discretos
Sesin 6.- Anlisis de Datos de Entrada
( x) 1 e x x > 0
f ( x) = ( x)
0 resto
parmetro de Forma (Input Analyzer Arena es el parmetro de Escala)
parmetro de Escala (Input Analyze Arena es el parmetro de Forma)
Nota : ( ) = ( - 1)! si es entero
1
E ( x) =
1
V ( x) =
2
Distribucin Weibull.-
x v x v
( )
(
f ( x ) = ) 1
e x v
0 resto
parmetro de Forma( > 0) (Input Analyzer Arena Escala)
parmetro de Escala ( > 0) (Input Analyzer Arena Forma)
v parmetro de localizacin ( - < v < )
E ( x) =
V ( x) =
Distribucin Triangular.-
2( x a )
(b a )(c a ) a x b
2( c x )
f ( x) = b xc
(c b)(c a )
0 resto
a+b+c
E ( x) =
3
a+b+c
V ( x) =
3
51
Xabier Basogain / Miguel ngel Olabe Modelado y Simulacin de Sistemas de Eventos Discretos
Sesin 6.- Anlisis de Datos de Entrada
1 n
M = ln X ln X i
n 1
ver Tablas 1 / M
= 1/ X
1 n X i
2
nX 2
= ( X i )1/ S2 = i =1
n i =1 n 1
n
n
n X i ln X i
n
f ( ) = + ln X i i =1
n
i =1
X
i =1
i
n n
n X i (ln X i ) 2 n( X i ln X i ) 2
n
f '( ) = i =1
+ i =1
2 n n
X i
i =1
( X i ) 2
i =1
f ( j 1 )
j = j 1
f '( )
j 1
52
Xabier Basogain / Miguel ngel Olabe Modelado y Simulacin de Sistemas de Eventos Discretos