Inv.

de Operaciones II (IS-347)
SESIN 15
SIMULACIN
INFORMTICA I (IF-342)

Instructor: Jorge Flores Quispe

 2

20/07/2017
 3

20/07/2017

Simulacin
Este captulo final se dedica a la ltima tcnica
importante de investigacin de operaciones.

La simulacin se clasifica en un escaln muy alto

entre las tcnicas que ms se usan.
 4

20/07/2017

Simulacin
Esta tcnica involucra el uso de una
computadora para imitar (simular) la
operacin de un proceso o sistema completo.

Por ejemplo, a menudo se usa simulacin para

realizar un anlisis de riesgo de procesos
financieros mediante la imitacin repetida de la
evolucin de las transacciones necesarias para
generar un perfil de los resultados posibles.
 5

20/07/2017

Simulacin
El registro del desempeo de la operacin
simulada del sistema de varias alternativas de
diseo o procedimientos de operacin permite
evaluar y comparar estas alternativas antes de
elegir una.
 6

20/07/2017

Simulacin
Por lo tanto la simulacin es uno de los mtodos
cuantitativos ms ampliamente utilizados para
tomar decisiones.

El modelo de simulacin contiene las

expresiones matemticas y relaciones
lgicas que describen cmo calcular el valor de
los datos de salida dados los valores de los datos
de entrada.
 7

20/07/2017

Simulacin
Cualquier modelo de simulacin tiene dos datos
de entrada: controlables y probabilsticos.
 8

20/07/2017

Simulacin Montecarlo

Es una tcnica
matemtica que usa
nmeros aleatorios
y probabilidad para
entender el impacto en
un modelo de la
realidad.
 9

20/07/2017

Simulacin Montecarlo

El modelo de
simulacin nos ayuda a
entender como estas
perturbaciones
aleatorias se propagan
al resto del modelo.
 10

20/07/2017

Elementos de una Simulacin

Construccin de un modelo a simular.

Identificar insumos (variables aleatorias) y

salidas.

Correr simulacin.

Tomar una decisin.

 11

20/07/2017

Tipos de Simulacin
Existen dos tipos distintos de modelos de simulacin.

1. Los modelos continuos, se ocupan de sistemas

cuyo comportamiento cambia continuamente con el
tiempo.

2. Los modelos discretos, tienen que ver

principalmente con el estudio de lneas de espera con
el objetivo de determinar medidas como el tiempo de
espera promedio y la longitud de la cola.
 12

20/07/2017

Clasificacin de Modelos
Podemos establecer las clasificaciones siguientes:

1. Determinista vs Probabilstico.

2. Dinmico vs Esttico.

3. Discreto vs Continuo.
 13

20/07/2017

Generacin de Nmeros Aleatorios

Los nmeros aleatorios uniformes (0, 1)
desempean un papel clave en el muestreo de
distribuciones.

La nica forma factible de generar nmeros

aleatorios para usarlos en una simulacin est
basada en operaciones aritmticas.
 14

20/07/2017

Generacin de Nmeros Aleatorios

Tales nmeros no son verdaderamente aleatorios
debido a que toda la secuencia puede generarse
con anticipacin.

Es por lo tanto ms apropiado referirse a ellos

como nmeros seudoaleatorios.
 15

20/07/2017

Mtodos Congruenciales para Generar

Nmeros Aleatorios

Se cuenta con varios generadores de nmeros

aleatorios, de los cuales los ms populares son los
mtodos congruenciales aditivo, multiplicativo y
mixto.

El mtodo congruencial mixto incluye

caractersticas de los otros dos, por lo que se
presentar en primer lugar.
 16

20/07/2017

Mtodo Congruencial Mixto

Dados los parmetros 0 , , , un nmero
seudoaleatorio se puede generar con las
frmulas:

Al valor inicial 0 se le suele conocer como la

semilla del generador.
 17

20/07/2017

Mtodo Congruencial Mixto

Con "r" como nmero aleatorio entre 0 y 1, un
nmero aleatorio entre dos nmeros sera:

= + ( )

Donde:
a = Lmite inferior
b = Lmite superior
 18

20/07/2017

Ejemplo 1:
Genere 3 nmeros aleatorios basado en el mtodo
congruencial mixto aplicando: b = 9, = 5 y =
12. La semilla es 0 = 11
 19

20/07/2017

Ejemplo 2:
Genere 10 nmeros aleatorios basado en el
mtodo congruencial mixto aplicando: b = 17, =
111 y = 103. La semilla es 0 = 7
 20

20/07/2017

Mecnica de la Simulacin
Es como ensayar muchos escenarios generando
valores al azar de los datos de entrada
probabilsticos.

Permite valorar la probabilidad de una utilidad y

la de una prdida
 21

20/07/2017

Ejemplo: Proyecto de PortaCOM

PortaCom fbrica de computadoras personales y
equipo relacionado.

A PortaCom le gustara analizar el potencial de

generar utilidades durante el primer ao de la
impresora.

Debido a la apremiante situacin de flujo de efectivo

de PortaCom, la Gerencia est particularmente
preocupada con respecto al potencial de sufrir
prdidas.
 22

20/07/2017

Ejemplo: anlisis de sensibilidad

 23

20/07/2017

Ejemplo: modelo de simulacin

 24

20/07/2017

Ejemplo: distribucin de probabilidad

de costo unitario de mano de obra
directa
 25

20/07/2017

Ejemplo: intervalos de nmeros

aleatorios
 26

20/07/2017

Ejemplo: generacin de nmeros

aleatorios
 27

20/07/2017

Ejemplo: costo de las piezas

Para PortaCom, el valor mnimo del costo de las
piezas es de $80 y el valor mximo es de $100.

Por lo que:
 28

20/07/2017

Ejemplo: generacin aleatoria de

valores para el costo de las piezas
unitario
 29

20/07/2017

Ejemplo: demanda durante el primer

ao
Para PortaCom, la demanda est normalmente
distribuida con una media de 15000 y una
desviacin estndar de 4500.

Por lo que:
 30

20/07/2017

Ejemplo: demanda durante el primer

ao
Suponga que se obtiene el nmero aleatorio de
0.6026, con ste como la probabilidad normal
acumulativa y la tabla de distribucin normal
estndar, esta probabilidad acumulativa ocurre a
z=0.26 desviaciones estndar sobre la media.

Como la demanda est normalmente distribuida con

una media = 15,000 y una desviacin estndar
=4500, la demanda simulada durante el primer ao
es: + z() = 15,000 + 0.26(4 500) = 16,170
unidades.
 31

20/07/2017

Ejemplo: generacin aleatoria de

valores para la demanda
 32

20/07/2017

Ejemplo: resultados de la simulacin

 33

20/07/2017

Ejemplo: para el primer ensayo

 34

20/07/2017

Ejemplo: interpretacin de los

resultados
 35

20/07/2017

Mecnica de la Simulacin Discreta

Son los modelos de simulacin que deben tener
en cuenta cmo cambia o evoluciona el sistema
con el tiempo.

Todas las simulaciones de eventos discretos

describen, directamente o indirectamente,
situaciones de colas.
 36

20/07/2017

Mecnica de la Simulacin Discreta

Cualquier simulacin de evento discreto,
independientemente de la complejidad del
sistema que describe, se reduce a tratar con dos
eventos bsicos: llegadas y salidas.
 37

20/07/2017

Ejemplo 1:
El Hammondsport Savings Bank abrir varias
sucursales durante el ao prximo. Cada sucursal
tendr un cajero automtico. Esta situacin
impulso al banco a estudiar el sistema de lnea de
espera en el cajero.

Demostremos cmo puede utilizarse un modelo

de simulacin para estudiar la lnea de espera en
el cajero en una sucursal particular.
 38

20/07/2017

Ejemplo 1: Tiempo de llegadas de los

clientes

En simulaciones de lnea de espera, los tiempos de

llegada se determinan generando aleatoriamente
el tiempo entre dos llegadas sucesivas.

En el caso de la sucursal que se estudia, los

tiempos entre llegadas estn uniformemente
distribuidos entre 0 y 5 minutos.
 39

20/07/2017

Ejemplo 1: Tiempo de llegadas de los

clientes

Suponga que la simulacin empieza en el instante

=0.
Se tiene el tiempo entre llegadas:
Cliente 1: para r=0.2804, tiempo=1.4 min
Cliente 2: para r=0.2598, tiempo=1.3 min
Cliente 3: para r=0.9802, tiempo=4.9 min
 40

20/07/2017

Ejemplo 1: Tiempo de llegadas de los

clientes

Es decir:
El cliente 1 llega 1.4 min despus del inicio de la
simulacin.

El cliente 2 llega 1.3 min despus del cliente 1, esto

es 2.7 min despus del inicio de la simulacin.

El cliente 3 llega 4.9 min despus del cliente 2, esto

es 7.6 min despus del inicio de la simulacin.
 41

20/07/2017

Ejemplo 1: Tiempo de servicio al

cliente

Otro dato de entrada probabilstico en el modelo

de simulacin del cajero automtico es el tiempo
de servicio, el cual es el tiempo que el cliente pasa
usando el cajero.

Se determina que hay una media de 2 min y una

desviacin estndar de 0.5 min.
 42

20/07/2017

Ejemplo 1: Tiempo de servicio al

cliente

Como se vio en el tiempo de llegada, pueden

generarse valores aleatorios.

Por ejemplo, el nmero aleatorio de 0.7257 genera

un tiempo de servicio al cliente de 2.3 min.
 43

20/07/2017

Ejemplo 1: Modelo de simulacin

 44

20/07/2017

Ejemplo 1: se cuenta con la siguiente

notacin
 45

20/07/2017

Ejemplo 1: resultados de la simulacin

 46

20/07/2017

Ejemplo 1: interpretacin de los

resultados
 47

20/07/2017

Ejemplo 1: interpretacin de los

resultados
 48

20/07/2017

Ejemplo 1: interpretacin de los

resultados
 49

20/07/2017

Ejemplo 2:
El Hammondsport Savings Bank abrir varias
sucursales durante el ao prximo. Cada sucursal
tendr dos cajero automtico. Esta situacin
impulso al banco a estudiar el sistema de lnea de
espera en el cajero.

Demostremos cmo puede utilizarse un modelo

de simulacin para estudiar la lnea de espera en
el cajero en una sucursal particular.
 50

20/07/2017

Descripcin de un Estudio de
Simulacin
Pasos tpicos que incluye un estudio importante
de investigacin de operaciones basado en la
aplicacin de simulacin.

Paso 1: Formulacin del problema y planeacin

del estudio.

Paso 2: Recoleccin de datos y formulacin del

modelo de simulacin.
 51

20/07/2017

Descripcin de un Estudio de
Simulacin
Paso 3: Comprobacin de la precisin del
modelo de simulacin.

Paso 4: Seleccin del software y creacin del

programa de computadora.

Paso 5: Prueba de validacin del modelo de

simulacin.
 52

20/07/2017

Descripcin de un Estudio de
Simulacin
Paso 6: Planeacin de las simulaciones que
deben realizarse.

Paso 7: Realizacin de corridas de simulacin y

anlisis de los resultados.

Paso 8: Presentacin de recomendaciones a la

administracin.
 53

20/07/2017

Ventajas de Utilizar la Simulacin

Es fcil de entender.

La metodologa puede usarse para modelar y

aprender sobre el comportamiento de sistemas
complejos que seran difciles de abordar
analticamente.

Son flexibles.

Es un conveniente laboratorio experimental del

sistema real.
 54

20/07/2017

Desventajas de Utilizar la Simulacin

Para sistemas complejos, el proceso de
desarrollar, verificar y validar puede ser tedioso
y costoso.

La simulacin proporciona slo una muestra de

cmo funcionara el sistema real.

No garantiza una solucin ptima al 100%.

 55

20/07/2017

Gracias!!!