Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Simulacion de Sistemas
Simulacion de Sistemas
1. Simulacin de Sistemas
INTRODUCCIN
La simulacin es una tcnica numrica que se aplica a cierta clase de problemas que surgen en la
industria, planificacin de proyectos o en administracin. Como tal es una herramienta ms que se
utiliza en el campo de la investigacin de operaciones.
Es una tcnica que permite representar un sistema real mediante un modelo de simulacin basado en
computadora.
El modelo de simulacin debe imitar el funcionamiento del sistema real de tal forma que se pueda
experimentar alternativas de optimizacin.
Se recurre a la simulacin cuando no existen mtodos analticos que no pueden resolver el problema.
Al simular el funcionamiento de un sistema o mejor dicho el modelo del sistema nuestro inters, es
lograr obtener datos al respecto de su comportamiento frente a distintas situaciones relevantes.
Puede resultar muy costoso o riesgoso poner el sistema real en tales condiciones, pero trabajar el
modelo nos permite preveer el resultado. Considere por ejemplo el problema de determinar la
capacidad de una nueva central telefnica que se desea establecer en una ciudad. Despus de definir
el modelo, las variables y los parmetros relevantes, se simula su operacin suponiendo una
capacidad dada. El rendimiento bajo este arreglo se compara con el rendimiento del sistema cuando
la capacidad es otra; mediante este proceso iterativo se obtiene una buena aproximacin a la
capacidad ptima que debe poseer esa central.
DEFINICIN
THOMAS NAYLOR
ROBERT SHANNON
SHUBIK
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 costoso.
DEFINICION DE MODELO
El modelo de un objeto puede ser una rplica exacta de este, con la diferencia del material que lo
compone o de su escala, inclusive puede ser una abstraccin de las propiedades dominantes del
objeto.
Donde:
1. COMPONENTES:
Generalmente son las partes o componentes de un conjunto que forman el sistema o definen la
estructura fsica del sistema.
Simulacin de Sistemas 3
- Endgenas: Son variables dependientes o de salida del modelo como por ejemplo el
tiempo promedio de espera de los vehculos en la interseccin. La duracin de este
tiempo depende evidentemente del intervalo entre llegadas de los vehculos y los
tiempos del semforo.
3. PARAMETROS:
Son cantidades a las cuales el operador del modelo puede asignarle valores arbitrarios lo cual se
diferencia de las variables. Si el intervalo entre llegada de los vehculos a la interseccin es una
constante h este seria un parmetro.
4. RELACIONES FUNCIONALES:
- Estocsticas: Cuando el proceso tiene una salida indefinida, para una entrada
determinada las relaciones funcionales se representan por ecuaciones matemticas y
salen del anlisis estadstico matemtico.
5. RESTRICCIONES:
Estas son limitaciones impuestas a valores de las variables las cuales pueden ser de dos formas:
6. FUNCIONES DE OBJETIVO:
Simulacin de Sistemas 4
Son las metas del sistema o el como evaluar al sistema, existen retentivas por ejemplo: la
conservacin de tiempo, energa y adquisitivas ejemplo: Ganancia en algo.
Los modelos se pueden clasificar en forma general, pero los modelos de simulacin se pueden
clasificar en forma ms especfica.
1. MODELOS DETERMINISTICOS
Ni las variables endgenas y exgenas se pueden tomar como datos al azar. Aqu se permite que
las relaciones entre estas variables sean exactas o sea que no entren en ellas funciones de
probabilidad. Este tipo determinstico quita menos tiempo de cmputo que otros modelos
2. MODELOS ESTOCASTICOS
Cuando por lo menos una variable es tomada como un dato al azar las relaciones entre variables
se toman por medio de funciones probabilsticas, sirven por lo general para realizar grandes
series de muestreos, quitan mucho tiempo en el computador, son muy utilizados en
investigaciones cientficas
3. MODELOS ESTATICOS
En los que no se toma en cuenta el tiempo dentro del proceso, por ejemplo: los modelos de
juegos, modelos donde se observa las ganancias de una empresa
4. MODELOS DINAMICOS
Si se toma en cuenta la variacin del tiempo, ejemplo: la variacin de la temperatura, del aire
durante un da, movimiento anual de las finanzas de una empresa.
VENTAJAS
1. El desarrollo del modelo de un sistema generalmente proporciona mejor conocimiento del
sistema real.
2. La simulacin permite comprimir el tiempo; se pueden evaluar aos de experiencia en el
sistema real en unos segundos de simulacin.
3. La simulacin no interrumpe las actividades del sistema real.
4. La simulacin ofrece una rplica ms realista del sistema que el anlisis matemtico.
5. La solucin responde a preguntas del tipo que pasa si.
Simulacin de Sistemas 5
DESVENTAJAS
1. Aunque se invierta mucho tiempo y esfuerzo en el desarrollo de un modelo para simulacin,
no hay garantas de que el modelo produzca buenas respuestas.
2. No es posible demostrar los resultados del modelo de simulacin. La simulacin implica
numerosas repeticiones de secuencias que se basan en sucesos generados de manera
aleatoria.
3. La construccin del modelo del sistema puede llevar de unas horas hasta aos-hombre,
dependiendo del sistema que se simular. Los sistemas complejos pueden ser muy costosos
y tardar mucho tiempo.
4. Las simulaciones pueden ser menos precisas que los modelos matemticos, ya que se basan
en cuestiones aleatorias. Si el sistema se puede representar con un modelo matemtico, es
mejor que usar una simulacin.
5. Aunque avanza la tcnica de las simulaciones, an no existe un mtodo normalizado. Por
consiguiente, los modelos del mismo sistema pueden variar si los desarrollan distintas
personas.
La simulacin ms que una ciencia es un arte.
CRITERIOS QUE SE DEBE TENER EN CUENTA PARA QUE UN MODELO DE SIMULACION SEA
BUENO
1. Fcil de entender por el usuario.
2. Que tenga el modelo metas y objetivos.
3. Que el modelo no me de respuestas absurdas.
4. Que sea fcil de manipular, la comunicacin entre el usuario y la computadora debe ser
sencilla.
5. Que sea completa, tenga por lo menos las partes o funciones ms importantes del sistema.
6. Que sea adaptable, osea que podamos modificarlo, adaptarlo y actualizarlo.
7. Que sea evolutiva, osea que al principio sea simple y poco a poco empezamos a volverla
compleja dependiendo de las necesidades de los usuarios
Simulacin de Sistemas 6
Se puede plantear la cuestin en una forma ms til: Determinar el intervalo de la fase roja que
resulte en un tiempo promedio de espera menor o igual a 10 segundos. El investigador puede variar
la duracin de las fases del semforo y simulando lo ocurrido en la interseccin observar el efecto de
los cambios en a) y b).
Para poder simular el funcionamiento de este sistema primero debemos saber cmo generar los
valores de X, y posteriormente la solucin al problema. Por ahora evitando los procedimientos de
generacin suponiendo que X=2 segundos es una constante.
Tenemos que examinar lo que sucede con cada vehculo al llegar a la interseccin tomando en cuenta
su tiempo de llegada y la fase en la cual se encuentra el semforo.
En este ejemplo simple se observa que en un perodo de luz roja, 48 segundos, el tiempo total de
espera es siempre igual a:
TE = 46+44+42+...+2=2(23+22+21+...+1)
La sumatoria de la serie es: n(n+1)/2
entonces:
TE = 2(23(24)/2) = 552
El nmero de los vehculos en espera es 23, Por lo tanto el tiempo promedio de espera TP es:
TP =TE/23 =24
Para determinar la duracin de la fase roja del semforo que permitira un tiempo promedio de espera
menor o igual a 10 segundos se repiten los pasos anteriores para valores de R menor que 0.8
minutos, por ejemplo:
Para R = 0.6 TP = 18
R = 0.4 TP = 12
Cuando X, el intervalo entre llegadas es aleatoria esencialmente se procede como antes para calcular
el valor de las incgnitas en el problema. El aspecto computacin se vuelve tedioso y exige el uso de
medios electrnicos.
Simulacin de Sistemas 8
Para el problema del semforo (caso estocstico) primero procedemos a definir los smbolos y
posteriormente viene el diagrama de flujo simulando la operacin del modelo durante un siclo del
semforo (Fig.1).
Caso 1.
Sea x una variable aleatoria que representa los intervalos de llegada (en minutos) de vehculos a una
estacin de gasolina. Se ha recopilado las siguientes 20 observaciones:
2 5 1 4 2 1 3 7 9 1 3 1 3 8 2 4 5 2 6 1
Caso 2.
Sea y una variable aleatoria que representa la demanda en miles de unidades de un producto. Se ha
obtenido los siguientes 20 datos:
3 0 5 1 9 5 2 6 3 4 7 4 10 5 6 4 6 7 5 8
Caso 3.
Sea x una variable aleatoria con distribucin uniforme que representa el nmero de asientos vacos
que trae un autobs al llegar a un paradero. Se ha obtenido los siguientes datos para la llegada de 20
autobuses:
2 7 1 9 6 2 3 7 4 10 4 5 1 9 6 3 8 5 8 10
Caso 4.
Sea y una variable aleatoria que representa la demanda diaria de un artculo. Se ha obtenido los
siguientes 20 datos:
7 1 5 4 7 2 3 5 6 7 8 5 7 3 5 7 9 5 3 4
Simulacin de Sistemas 12
Se observa que la grfica no se aproxima a ninguna distribucin matemtica, por lo tanto es una
distribucin emprica.
5. NMEROS ALEATORIOS
Definicin:
El trmino Pseudoaleatorio se ha definido como nmeros que vienen de una secuencia en la cual
cada trmino es imprescindible, cuyos dgitos pasan una serie de pruebas estadsticas.
Con estos nmeros estaremos en condiciones de generar valores para nuestras variables aleatorias.
2.4 ETC.
i Xi p(Xi) F(Xi)
1 1 0.10 0.10
2 2 0.23 0.33
3 3 0.20 0.53
4 4 0.30 0.83
5 5 0.17 1.00
Por lo tanto X = 4
El procedimiento es el siguiente:
F(t) = r
1 - e-t = r
e-t = 1 r
1
t=- *ln(1 r)
Simulacin de Sistemas 15
Por lo tanto para el ejemplo especfico que implica los intervalos entre llegadas de vehculos a la
estacin de gasolina, en el que = 12 vehculos por hora (0.2 vehculos por minuto) y se genera un
nmero aleatorio uniforme de, digamos, r = 0.3329, entonces el prximo vehculo llegar dentro de:
1
t=- *ln(1-0.3329)= -5*ln(0.6671)= -5*(-0.4048) = 2.024 minutos
0.2
F(t) = P(D t) = r
Es decir, encontrar el valor de t para que el rea bajo la distribucin normal a la izquierda de t, en la
figura siguiente, es t. Para hacer esto use la tabla estndar-normal del apndice A para encontrar el
valor asociado; despus calcule t, de la siguiente manera:
t
z=
As : t = + (*z)
Simulacin de Sistemas 16
Para el ejemplo especfico de la leche en el que r= 0.1515, = 750 y = 100, el valor z del apndice A
es aproximadamente -1.03, y as:
z (0.1515) = -1.03
Los mtodos descritos aqu no son los ms eficientes disponibles, pero se usan por que son
conceptualmente fciles de comprender. Ahora ver cmo se usan estas ideas en el diseo de una
simulacin por computadora.
Por ejemplo si se quiere generar el nmero de asientos vacos que trae un autobs que llega a un
paradero, los cuales estn uniformemente distribudos entre 5 y 15 asientos, y se tiene un
nmero aleatorio r = 0.7, se tiene:
min = 5
max = 15
r = 0.7
x = 15 - (15 - 5)*(1 r)
x = 15 - (10)*(1 r) = 15 - 10(1 0.7) = 15 - 10(0.3) = 15 - 3 = 12
entnces se tiene que el autobs trae 12 asientos vacos.
Nota: Tambin podemos utilizar la frmula siguiente: min + (max min)*(1- r), los valores generados
no coinciden en cuanto al orden, pero al final todos los nmeros saldrn con la misma
frecuencia.
Si el costo de un proceso es de $10 por pieza y el de reproceso $5. Cul seria el costo promedio de
una pieza que termine en ventas?
Para determinar dicho costo, debemos imitar el funcionamiento del sistema y determinar el nmero de
reprocesos, as como el porcentaje de piezas aceptadas.
Se asume que la distribucin de la variable exgena (hacia dnde se deriva la pieza una vez
inspeccionada), es emprica, entonces se debe generar los eventos usando el procedimiento para
generar valores para variables con distribucin emprica.
Para efectos de explicacin del funcionamiento del sistema y obtener los resultados buscados, se fija
como tiempo de simulacin el proceso de 20 piezas.
Simulacin de Sistemas 18
Usaremos los nmeros aleatorios de la celda A3 de la tabla de nmeros aleatorios del apndice B.
TABLA DE SIMULACIN
RESUMEN DE RESULTADOS:
Como se observa:
Adems, dado que el sistema real procesa en promedio 1000 piezas diarias, entonces para tener
resultados consistentes que permitan tomar decisiones, se tendr que realizar simulaciones para un
mayor nmero de piezas. Por ejemplo para 200 piezas, 2000 piezas; los resultados se aproximarn
ms al valor terico. Tal como se observa en la siguiente grfica:
Simulacin de Sistemas 19
SOLUCIN
Para la parte a), utilizando los valores aleatorios de la celda C1, generamos la demanda para cada
uno de los 20 das utilizando la distribucin acumulada de las distribucin de probabilidad alcanzada.
Luego realizamos los clculos respectivos para determinar la utilidad promedio, tal como se observa
en la tabla siguiente:
Simulacin de Sistemas 20
Para la parte b), construmos el diagrama de flujo, definiendo previamente las propiedades del
modelo:
A continuacin de muestra el diagrama de flujo del problema del lote ptimo de pedido.
Simulacin de Sistemas 21
For K= 1 To 5
d(K) = InputBox (ingrese Demanda)
p(K) = InputBox (ingrese Probabilidad)
pa(K) = pa(K) + p(K)
Simulacin de Sistemas 22
Next K
n = 80
IPMAX = 0
For j = 1 To 365
Randomize
R = Rnd ( )
For K = 1 To 5
If R < pa(K) Then
X = d(K)
K=5
End If
Next K
If n > X Then
IT = IT + (10 * X) (8 * n) + ((n X) * 4)
Else
IT = IT + (10 * n) (8 * n) ((X n ) * 3)
End If
Next j
IP = IT / 365
n=n+5
Wend
Text1.Text = IPMAX
Text2.Text = NOPTIMO
End Sub
Los resultados de la simulacin, utilizando el Visual Basic, es pedir 90 unidades, obtenindose una
utilidad de S/. 516.50.
SOLUCIN:
Se concluye que no habr pasajeros que se alejen por falta de asientos vacos.
B:
j=0
Simulacin de Sistemas 25
For i = 1 to n
Randomize
j = j + Rnd()
Next i
a = 7 + ( 2 ^ (1 / 2 ) ) * ( j ( n / 2 ) ) * ( ( 12 / n ) ^ (1 / 2 ) )
tl = tl + a
B:
j=0
For i = 1 To n
Randomize
Simulacin de Sistemas 27
j = j + Rnd()
Next i
g=g+1
t1 = t1 + a
Randomize
r = Rnd()
L = -2 * Log( 1- r )
t=t+L
If t <= t1 Then
p=p+1
Else
Randomize
r = Rnd()
nano = 15 * ( 1 - r )
If nano > p Then
a1 = a1 + p - nano
End if
p=1
Go To B
End if
Wend
Text1.Text = a1
End Sub
- Cuando la demanda excede el inventario, se permite tener pedidos pendientes pero se carga
el costo de $1.00 por unidad, por no haber tenido el artculo en almacn (costo de escasez).
- El costo de tener inventario es de $0.50 por da por cada unidad en almacn al inicio del da.
a) Suponiendo que se elige el stock de seguridad R=4 unidades y la cantidad de reposicin Q=7
unidades, emplee la simulacin de Monte Carlo para determinar el costo total de inventario para
la empresa en un tiempo de 15 das.
Simulacin de Sistemas 28
b) Utilice un lenguaje de programacin para simular el funcionamiento del almacn durante 365
das y determine una poltica ptima de inventario, esto es, determinar el stock mnimo de
seguridad o reposicin (R) y la cantidad de reposicin (Q).
SOLUCIN Parte b
Diagrama de flujo
Simulacin de Sistemas 29
pa(2) = 0.35
pa(3) = 0.45
pa(4) = 0.85
pa(5) = 1
For R = 2 To 5
For Q = 6 To 10
For t = 1 To 365
If t = t1 Then
i = i + q di
s=0
di = 0
End If
Randomize
Td = Rnd ()
For k = 1 To 5
If ra<pa(k) Then
d = x(k)
k=5
End If
Next k
i=id
If i<0 Then
c2 = c2 + (1 * i)
di = di i
i=0
Else
c1= c1 + (0.5*i)
End If
If i < r Then
If s = 0 Then
tl = t + 2
s=1
c3 = c3 + 10
End If
End If
Next t
ct = c1 + c2 + c3
b) Empleando las frmulas de colas determine el tiempo promedio de espera de los clientes, el
tiempo ocioso y el nivel de utilizacin del telfono.
h) Construya un diagrama de flujo que permita imitar el funcionamiento del telfono y a la vez
determinar el tiempo promedio de espera de los clientes y el nivel de utilizacin del telfono.
SOLUCION:
a) la siguiente tabla muestra las iteraciones realizadas para determinar el tiempo
total de espera y el tiempo ocios del telfono.
b)
Sea x el promedio de intervalos entre llegadas de los clientes al sistema
Entonces
70
x 3.5 minutos/cliente
20
1 1
0.2857 clientes/minuto 17.14 clientes/hora
x 3.5
Simulacin de Sistemas 33
Entonces
51
y 2.55 minutos/cliente
20
1 1
0.3922 clientes/minuto 23.53 clientes/hora
y 2.55
En consecuencia:
15
Wq(real) 0.75 minutos/cliente, donde Wq es el tiempo promedio de espera en cola.
20
51
Utilizacin del telfono (real) 0.689 (el sistema esta ocupado el 68.9% del tiempo de
74
operacin)
0.2857
Wq (terico) 6.84 minutos/cliente
( ) 0.3922(0.3922 0.2857 )
0.2857
Utilizacin del telfono (terica) 0.7285
0.3922
Para poder generar valores para las variables aleatorias, primeramente, se debe analizar el
COMPORTAMIENTO DE LAS VARIABLES ALEATORIAS y determinar la DISTRIBUCIN DE
PROBABILIDAD que se ajusta a los datos de la muestra.
Utilizando el software ARENA para determinar la distribucin de probabilidad que se ajusta a cada
variable aleatoria, se lleg a los resultados siguientes:
Por lo tanto es factible la generacin de valores aleatorios exponenciales para el estudio del
problema.
Los valores de las variables generadas son contnuas, pero para efectos prcticos los hemos
redondeado.
Entonces con estos valores SIMULAMOS EL COMPORTAMIENTO DEL SISTEMA, tal como se
muestra en la tabla siguiente:
TABLA DE SIMULACIN
Entonces
79
x 3.95 minutos/cliente
20
Simulacin de Sistemas 36
1 1
0.2532 clientes/minuto 15.19 clientes/hora
x 3.95
Entonces
54
y 2.7 minutos/cliente
20
1 1
0.3704 clientes/minuto 22.22 clientes/hora
y 2.7
Por lo tanto:
27
Wq (simulado) 1.35 minutos/cliente
20
54
Utilizacin del telfono (simulado) 0.667 (el sistema esta ocupado el 66.7% del tiempo de operacin)
81
COMPONENTES:
Clientes y el Telfono
VARIABLES EXOGENAS:
x: Intervalo entre llegadas de los clientes
y: Duracin de una llamada
VARIABLES ENDOGENAS:
Wq: Tiempo de espera en cola
TI: Tiempo Improductivo u Ocioso del servidor
VARIABLES DE ESTADO:
T: Tiempo de llegada de un usuario
D: Tiempo de desocupacin del telfono
PARMETROS:
Tiempo de Simulacin (TS)= 8 horas
RELACIONES FUNCIONALES:
x Distribucin Exponencial con media 3.5 minutos por cliente.
Simulacin de Sistemas 37
A:
Randomize
r = rnd()
x = -3.5*Log(1-r)
T=T+x
C=C+1
Randomize
r = rnd()
y = -2.55*Log(1-r)
if T>D then
TI=TI+(T-D)
D=T+y
else
TE=TE+(D-T)
D=D+y
endif
1. La simulacin es una herramienta que permite imitar el funcionamiento de una situacin real,
para luego experimentar con el sin necesidad de afectarlo fsicamente.
2. Permite a las empresas que lo apliquen, pronosticar comportamientos futuros acerca del
sistema, lo cual permitir a los tomadores de decisin sugerir alternativas de optimizacin.
Etc.
Simulacin de Sistemas 39
- Probar las habilidades de los jugadores para establecer niveles de pedido de inventario para un
horizonte de planificacin de diez semanas. El ganador ser aquel que al final tenga mayores
ganancias.
CASO
El Terminal pesquero vende camarn fresco a diversos clientes de Arequipa. Al inicio de cada semana
elabora los pedidos de cajas de camarn a los representantes de la flota en Matarani, para satisfacer
la demanda de sus clientes a media semana. El camarn se entrega al Terminal y luego, a media
semana, a los clientes.
El suministro y la demanda del camarn son inciertos. El suministro puede variar hasta +-10% con
respecto a la cantidad de pedido. La probabilidad relacionada con esta variacin es:
-10% 30% de las veces
0% 50% de las veces
+10% 20% de las veces
La demanda semanal del camarn se distribuye normalmente con media de 800 cajas y desviacin
estndar de 100 cajas.
El terminal pesquero paga 30 dlares por la caja de camarn y la vende a 50. El camarn que no se
venda al final de la semana se vende a 4 dlares la caja a una compaa de alimento para gatos. El
terminal pesquero, si lo desea, puede pedir que el proveedor congele el camarn en el muelle, pero
esto eleva 4 dlares el costo por caja y, por lo tanto, le cuesta 34 dlares al Terminal pesquero. La
congelacin permite que el terminal pesquero mantenga un inventario de camarn, pero el
almacenamiento del camarn en el congelador de la empresa cuesta 2 dlares por caja a la semana.
A los clientes no les importa si el camarn que reciben es el fresco o el congelado. El terminal
pesquero calcula que su costo de inexistencias es igual al alza en precio; es decir, cada caja que pida
y no pueda surtir le cuesta a la empresa $50 - $30 = $20.
Procedimiento para el juego. El juego consiste en decidir cada semana cuntas cajas de camarn
fresco y congelado hay que pedir. La cantidad que se pida puede ser cualquiera. El profesor acta
como rbitro y proporciona los nmeros aleatorios. Los pasos para llevar a cabo el juego son:
a) Decidir cul ser la cantidad de camarn fresco y congelado que se pedir y registrar las
cantidades en la columna 3 de la hoja de trabajo (ver cuadro A). Suponga que no hay inventario
inicial del camarn congelado.
b) Determinar la cantidad que se entrega y registrarla como pedidos recibidos. Para esto, el
profesor toma un nmero de la tabla de nmeros aleatorios uniformes y encuentra el nivel de
variacin asociado en los siguientes intervalos de nmeros aleatorios:
0.00 0.30 = -10%
0.31 0.80 = 0%
0.81 1.00 = +10%
Si el nmero aleatorio es, por ejemplo, 0.13, la cantidad de variacin sera 10%. Entonces, si
decide pedir 1000 cajas de camarn fresco y 100 de camarn congelado, la cantidad que recibira
sera 1000 0.10(1000), o 900 cajas de camarn fresco, y 100- 0.10(100), o 90 cajas de camarn
congelado. (Observe que la cantidad de variacin es la misma para el camarn fresco y el
Simulacin de Sistemas 40
c) Sumar la cantidad de camarn congelado en inventario (si hay) a la cantidad de camarn fresco y
congelado que acaba de recibir, y registrar esta cantidad en la columna 5. Con base en las cifras
anteriores, sera 990.
Determinacin de ganancias. El cuadro B se usa para determinar las ganancias al final del juego.
Los valores que se registran en esta tabla se obtienen al sumar las columnas relevantes del cuadro A
y hacer los clculos correspondientes.
Tarea. Simular las operaciones de 10 semanas. Se sugiere que hagan una pausa al concluir la
semana 5 para que los jugadores traten de evaluar la manera en que podran mejorar su rendimiento.
Tambin podran planificar una estrategia de pedidos para la semana de veda, cuando no se proveer
camarn.
En los mtodos para calcular cantidades de reposicin. (Anlisis de sensibilidad y lote econmico), se
ha trabajado sobre costos de mantenimiento de inventarios y costos de realizar pedidos, pero no se
ha considerado el costo asociado de no tener los artculos cuando la demanda excede el inventario
disponible, quiz uno de los costos ms importantes en manejo de las existencias. Una de las
maneras de atacar este problema de los costos de escasez es el uso de programas de simulacin
(investigacin operativa en lugar de la tcnica del lote econmico.
Adems como el mtodo del lote econmico exige, para ser confiable, demanda constante y tiempo
de abastecimiento fijo, con la simulacin se puede trabajar con variabilidad en esos dos aspectos,
ampliando la utilidad del sistema de simulacin.
La simulacin que es una tcnica de evaluacin para sistemas complejos, es una herramienta
importante tanto para el diseo, como para el anlisis de un sistema.
En cuanto la complejidad del sistema de inventarios que se tiene aumenta, la simulacin llega a ser
ms y ms atractiva como una ayuda para la toma de decisiones. Esto es particularmente cierto para
sistemas dinmicos y/o probabilistas. Uno de los rasgos ms atractivos de un enfoque de simulacin
es la oportunidad que da al analista de comprende, la naturaleza dinmica de un sistema.
Con la simulacin se puede "mover" un modelo a travs del tiempo y observar como se, comporta el
sistema en sentido dinmico; adems, una de las caractersticas de la simulacin es que puede tratar
con elementos probabilsticos que sean a menudo difciles si no imposibles de manejar
analticamente.
Un rasgo no atractivo de la simulacin, es que no garantiza nada ms que una solucin que puede
utilizarse para ciertos sistemas, puede ser difcil determinar cuan cercana est la solucin que se
tiene a la solucin ptima real.
Otra desventaja de la simulacin, se relaciona con las computadoras, pues la mayora de los estudios
de simulacin se lleva en ellas. La cantidad de programacin de cmputo Y tiempo de ejecucin de
computadoras requeridos para ejecutar un anlisis particular, podran ser muy grandes. An as, la
simulacin es la nica forma conocida de analizar ciertos sistemas, su poder y versatibilidad a
menudo sobrepasan su defecto.
1.- Deber desarrollarse un modelo que intente capturar los rasgos esenciales del sistema bajo
estudio. Al desarrollar tal modelo es importante pensar en trminos de variables controlables
(tambin llamadas variables de decisin), variables incontrolables y la relacin existente entre ellas.
2.- El segundo paso es validar el modelo que ha sido desarrollado. Los modelos a menudo se operan
y se comparan con el comportamiento pasado del sistema y con las esperanzas de los analistas.
Cualquier modificacin necesaria debe realizarse antes que se obtenga resultado, tiles del modelo
Simulacin de Sistemas 43
3.- Habiendo terminado el paso de validacin. El analista entonces disea y ejecuta experimentos con
el modelo, valores dados u otras representaciones para las variables no controlables, se
experimentan con las variables de decisin y se observa como responde el sistema.
Una herramienta til en muchos de los modelos de simulacin, es el mtodo de Montecarlo, para
generar variables aleatorias de las distribuciones de probabilidad. La tcnica es tan simple como
poderosa.
Ejemplo :Suponiendo una salida (X) de un proceso probabilstico dado, es un entero entre 0 y
39, inclusive. Adems se est interesado en que X est en ciertos intervalos (0-9, 10-19,20-29,30-39)
y se conoce la probabilidad correspondiente de que X est en cualquier intervalo en un tiempo dado:
0,9 0.15
10,19 0.20
20,29 0.50
30,39 0.15
1.00
El primer paso es asociar con cada evento el nmero de los dgitos enteros uniformemente
distribuidos (esto es, igual probabilidad) que corresponde a la probabilidad del evento.
de dos dgitos
a,b p(a<X<b) enteros de dos dgitos
0,9 0.15 00-14
10,19 0.20 15-64
20,29 0.50 35-84
30,39 0.15 85-99
1.00
Por ejemplo el evento 0 < X < 9 tiene una probabilidad de 0.15 de acontecer. Por consiguiente se
asocian 15 enteros aleatorios de dos dgitos con este evento (00-14). La numeracin consecutiva de
los enteros aleatorios asignados es simplemente por conveniencia, de igual manera para el evento 20
< X < 29 se asignan 50 nmeros aleatorios.
El nmero total de nmeros aleatorios utilizados para los cuatro eventos es 100. La idea es que la
relacin de la cantidad de nmeros aleatorios asignados a un evento a la cantidad total de nmeros
aleatorios asignados a la distribucin total sea igual a la probabilidad de ocurrencia del evento. As,
se hubiere decidido asignar nmeros aleatorios a 3 cifras en lugar de los de dos, se habran
necesitado 1,000 nmeros en total (debe haber al menos tantos dgitos como posiciones despus
de punto decimal en la distribucin de probabilidad).
Para las asignaciones de los nmeros aleatorios, la salida de este proceso se simula recogiendo
nmeros de una tabla de nmeros aleatorios y simplemente determinando el evento correspondiente.
Por ejemplo, suponiendo que se recurriera a un tabla de nmeros aleatorios y se obtuviera el nmero
27, ste indicara que el evento 10 < X < 19 ocurri.
Se puede pensar de esto como una simulacin de un proceso cuya salida es una variable aleatoria
que est presentada por la distribucin de probabilidad mostrada en la tabla anterior.
Si se contina simulando este proceso y se registra la frecuencia con la cual ocurre cada evento, se
acercara en el lmite cuando el nmero de ensayos en la simulacin creciera sin tope, a la
probabilidad de ocurrencia de cada evento.
a,b p(a<X<b) Asignaciones Nmero de Frecuencia
de entero ocurrencias relativa
0,9 0.15 00-14 13 0.13
10,19 0.20 15-64 32 0.21
20,29 0.50 35-84 54 0.54
30,39 0.15 85-99 12 0.12
1.00
Con una gran cantidad de ensayos se producirn frecuencias relativas que sern ms cercanas a los
nmeros de probabilidad originadas.
Una forma de determinar los niveles (le reposicin (R) y las cantidades de reposicin (Q)
considerando todos los elementos de costos que intervienen en un sistema de inventarios y adems
de forma que se automatice la administracin del inventario de un almacn, es un sistema de
simulacin.
La eleccin de los valores numricos de las variables la decisin se infiere de buscar el intercambio
entre:
El costo de tener el inventaro
El costo de colocar los pedidos para llenar el inventario
El costo asociado, al no tener productos cuando la demanda excede al inventario
disponible (costo de escasez).
Simulacin de Sistemas 45
Estos componentes de costo usualmente se suman juntos para proporcionar un costo variable total
para un perodo, una semana un mes, un ao. El objetivo del administrador es determinar una poltica
que minimice el valor promedio del costo total.
Aunque estos modelos son relativamente fciles de desarrollar, a menudo son muy difciles de
resolver matemticamente, pues con frecuencia contienen funciones no lineales de las variables de
decisin y contienen uno o ms elementos estocsticos que resulten de la demanda y/o
consideraciones de tiempo en que llegan los artculos despus de haber hecho el pedido.
Como un resultado, el anlisis matemtico requerido para calcular una poltica ptima a menudo es
extremadamente difcil, para muchos sistemas el anlisis matemtico es imposible.
La simulacin sin embargo, trata fcilmente con las complejidades de los sistemas de inventario. Se
puede simular el comportamiento para una variedad de polticas, entonces la administracin puede
elegir la poltica que proporciona el comportamiento del sistema ms deseable en promedio. Las
matemticas complejas no son necesarias.
Ejemplo:
Se presenta un sistema de inventario, en el que la demanda diaria es incierta, pero que puede
representarse probabilsticamente en la distribucin siguiente:
Asignacin del
Demanda Probabilidad Nmero
Aleatorio
0 0.1 0
1 0.3 1,2,3
2 0.5 4,5,6,7,8
3 0.1 9
1.0
a.- Cuando la demanda excede el inventario, se permite tener pedidos pendientes pero se carga el
costo $1.00 por unidad, por no haber tenido el artculo en almacn (costo de escasez).
b.- El tiempo que transcurre desde que se hace el pedido hasta que se reciben las cantidades es
constante e igual a dos das.
c.- El costo de colocar un pedido para volver a tener artculos en inventario es de $ 10.00
(independientemente de la cantidad ordenada).
d.- El costo de tener el inventario es de 50 centavos por da por cada unidad en almacn al inicio del
da.
Se necesita instalar una poltica de reposicin, para lo cual se requiere establecer los valores de los
niveles de reposicin (R) y cantidad de reposicin (Q) que definen esta poltica.
El problema se resuelve simulando el comportamiento del costo del sistema para una variedad de
polticas posibles y eligiendo aquellas polticas que proporcionen un costo mnimo.
Por ejemplo, se podra probar la poltica " Toda vez que el inventario que se tiene al inicio de un da
sea menor o igual a R=2, colocar un pedido para Q=6 unidades.
Simulacin de Sistemas 46
Utilizando el enfoque de Montecarlo, se pueden generar demandas diarias, calcular los niveles de
inventarios y de pedidos pendientes y calcular los costos diarios y correspondientes. Estos costos
diarios se acumulan Y promedian para estimar el comportamiento en costo del sistema para la poltica
R = 2, Q = 6.
Da Inven- Unida- Unidade Nmero Unidade Unidades Costo por Costo por Costo Costo
tario des s s s pedidas mantener no tener la del total
inicial pedi- recibida aleatorio deman- que estn la unidad unidad en pedido
das s s dadas en espera almacenad almacn
para a
entregarse
1 6* 0 0 5 2 0 $3.00 0 0 $3.00
2 4 0 0 0 0 0 2 0 0 2
3 4 0 0 9 3 0 2 0 0 2
4 1 6 0 1 1 0 0.5 0 10 10.5
5 0 0 0 9 3 3 0 3 0 3
6 0 0 6 8 2 0 0 0 0 0
7 1 6 0 7 2 1 0.5 1 10 11.5
8 0 0 0 5 2 2 0 2 0 2
9 0 0 6 1 1 0 0 0 0 0
10 2 6 0 8 2 0 1 0 10 11
11 0 0 0 6 2 2 0 2 0 2
12 0 0 6 9 3 0 0 0 0 0
13 1 6 0 0 0 0 0.5 0 10 10.5
14 1 0 0 3 1 0 0.5 0 0 0.5
15 0 0 6 8 2 0 0 0 0 0
16 4 0 0 1 1 0 2 0 0 2
17 3 0 0 9 3 0 1.5 0 0 1.5
18 0 6 0 7 2 2 0 2 10 12
19 0 0 0 1 1 1 0 1 0 1
20 0 0 6 3 1 0 0 0 0 0
21 2 6 0 4 2 0 1 0 10 11
*Inventario inicial asignado arbitrariamente
La tabla anterior es un registro utilizado para llevar la simulacin durante 3 semanas. Los nmeros
aleatorios utilizados en la simulacin fueron tomados arbitrariamente de una tabla de nmeros
aleatorios.
El primer da del perodo de simulacin comienza con un nivel de inventario de 6 unidades. Se pide
cero unidades puesto que el inventario actual es mayor que R y se reciben cero unidades puesto que
no hay ningn pedido pendiente de recibir. Ninguna unidad se necesita pedir, y el da dos se inicia
con cuatro unidades. El costo asociado en el da 1 es simplemente $3.00 ya que no se tuvo escasez
en el stock ni se curs ningn pedido.
Sumando los resultados de costo en la hoja de trabajo y promediando sobre las tres semanas, se
obtiene un costo promedio de $ 28.5 por semana para la poltica R = 2, Q = 6.
La estimacin de costo para otras posibilidades se obtienen en forma similar y se utilizan para
comparar polticas (para mejorar la confiabilidad de las comparaciones, se debera examinar el
sistema para ms de 3 semanas) segn costos.
Simulacin de Sistemas 47
Simulacin de Sistemas 48
Ismael siempre fue un hombre de ideas claras y objetivas bien definidas. Tan luego se formo en una
de las mejores escuelas de administracin, el demostr gran espritu emprendedor y energa.
Ahora, a los 42 aos de edad, el viene invirtiendo su patrimonio de $ 4 000 000 de modo muy
cauteloso y obteniendo 15% al ao. Actualmente, el se enfrenta con una inflacin adicional creciente y
se esta preocupando con su efecto corrosivo sobre su patrimonio. De hecho Ismael esta pensando en
alterar su comportamiento, procurando alternativas con mayores riesgos y esperando rendimientos
ms atrayentes.
LA DECISION
Ismael pretende colocar $ 1 000 000 de su inversin seguro y cauteloso en una de las dos
alternativas X o Y, siempre que el rendimiento sea mayor que los actuales 15% y los riesgos sean
compatibles.
Un modelo de simulacin seria el anlisis apropiado para tratar los valores aleatorios del proyecto X,
en cuanto a las incertezas del proyecto Y podran ser mas bien visualizadas en un diseo de rbol de
decisiones.
El problema de la preferencia en el tiempo puede ser tratado utilizando los clculos del Valor
Presente Neto (VAN), como recomiendan la mayora de los autores. La tasa de descuento es de 15%.
De cualquier modo, dada la incerteza en relacin al tiempo de duracin del proyecto, otros anlisis no
se justifican.
EL PROYECTO X.
i) Incerteza en relacin al costo variable unitario de produccin. Este costo depende de procesos mal
controlados y de insumos con pocos proveedores, osea, factores inciertos. En tanto, un panel de
especialistas atribuyo estimativos subjetivos (probabilidades como medida de incerteza) que
resultaron para el primer ao de produccin, en:
ii) Aleatoriedad en el total de las ventas anuales. Existen muchos datos estadsticos de
comportamiento del mercado para productos semejantes, en el pasado. La aleatoriedad de los
valores para las ventas anuales (durante el ciclo de vida del producto) puede ser modelada por una
distribucin que, por nica vez, ser aproximada por tramos lineales. Las distribuciones son
diferentes para cada uno de los 4 aos (de modo que refleje un ciclo de vida), en cada una de estas
distribuciones, es aproximada por 5 rangos lineales. Cada rango lineal corresponde a una distribucin
uniforme. Las distribuciones lineales utilizadas en el proceso de aproximacin son:
Simulacin de Sistemas 49
iii) El tiempo de vida (ciclo del producto) depende del desempeo de las ventas:
Si Ventas (ao 1) + Ventas (ao 2) < 600 000, entonces 2 aos.
Si Ventas (ao 1) + Ventas (ao 2) + Ventas (ao 3) < 1 000 000, entonces 3 aos.
El mximo es de 4 aos, despus de los cuales ser desactivado.
iv) El precio unitario de venta ya fue fijado en $ 5.00 .
El producto tendr disponibilidad inmediata despus de la inversin inicial (esta es una simplificacin).
La especificidad del producto es tal que despus de su tiempo de vida, no hay valor residual sobre la
inversin inicial.
v) Para efectuar los anlisis, Ismael pretende construir un modelo de simulacin con 100 casos y
efectuar 10 simulaciones con el modelo de modo a obtener medias globales.
Para los clculos financieros, despus de la inversin inicial, los otros valores sern todos
concentrados al final de cada ao.
Simulacin de Sistemas 50
PROYECTO Y
i) Tiempo de reventa:
Despus de tres aos, con probabilidad de 60%.
Despus de cuatro aos, con probabilidad de 40%.
ii) Valor de reventa (depende de las evoluciones del mercado inmobiliario y de la regin en particular):
Factor de multiplicacin
En relacin a la
Inversin inicial Probabilidad (%)
0,90 10
1,00 20
1,10 50
1,15 20
En qu proyecto deber invertir su dinero Ismael?
Simulacin de Sistemas 51
APLICACIONES PROPUESTAS
APLICACIN 1.- Los buques tanque llegan a un puerto petrolero con la distribucin de
tiempos entre llegadas que se ve en la tabla siguiente:
Tiempo entre llegadas (das) 1 2 3 4 5
Probabilidad .20 .25 .35 .15 .05
El puerto tiene dos terminales, A y B. La terminal B es ms moderna y, por lo tanto, ms eficaz que la
terminal A. El tiempo para descargar un buque tanque depende de la capacidad de ste. Un
superbuque tanque necesita 4 das para descargar en la terminal A y 3 en la terminal B. Un buque
tanque de tamao mediano necesita 3 das en la terminal A y 2 das en la terminal B. Los buques
tanque pequeos se descargan en 2 das en la terminal A y en 1 en la terminal B. Los buques tanques
que llegan se forman en una sola cola en el puerto hasta que se desocupa una terminal para
descarga. El servicio se da sobre la base primero que llega primero en ser atendido. El tipo de buque
tanque y la frecuencia con la que llegan a este puerto se presenta en la siguiente tabla:
TIPO DE BUQUE TANQUE PROBABILIDAD
Superbuque tanque 0.40
Superbuque tanque mediano 0.35
Superbuque tanque pequeo 0.25
Suponiendo que si los dos terminales estn desocupados, los buques eligen el Terminal A para ser
atendido, utilice la simulacin de Montecarlo para la llegada de 15 buques y determine el nmero
promedio de das que pasa un tanque en el puerto y el tiempo ocioso de cada una de las terminales.
Utilice los nmeros aleatorios de las celdas E 7 y C 5 para generar los tiempos entre llegadas y el tipo
de buque tanque que llega respectivamente.
APLICACIN 2.- El gerente de una pequea oficina de correos teme que el crecimiento de la
localidad sature el servicio que se ofrece con una sola ventanilla. Decide obtener datos de muestra
con respecto a 100 individuos que solicitan servicio. A continuacin se presenta un resumen de los
datos:
Tiempo entre Tiempo de
llegadas servicio
(minutos) Frecuencia (minutos) Frecuencia
1 8 1.0 12
2 35 1.5 21
3 34 2.0 36
4 17 2.5 19
5 6 3.0 7
3.5 5
100
100
Emplee la simulacin de Montecarlo para estimar el tiempo promedio de espera y el promedio de
inactividad de los empleados durante la llegada de 15 clientes.
- Utilice la secuencia de nmeros aleatorios de las celdas B1 y E3 para generar los intervalos
entre llegadas de los clientes y los tiempos de servicio respectivamente.
APLICACIN 3.- La biblioteca de la universidad tiene una copiadora para uso de los
estudiantes. Estos llegan a la mquina con una distribucin de tiempos entre llegadas mostradas en
la siguiente tabla:
Tiempo entre llegadas (minutos) 1 2 3 4 5
Simulacin de Sistemas 52
El bibliotecario cree que con el sistema actual, la cola en la mquina copiadora es demasiado larga y
que el tiempo que un estudiante pasa en el sistema (tiempo de espera + tiempo de servicio) es
demasiado.
Efecte una simulacin de Montecarlo para la llegada de 10 clientes y determine el tiempo promedio
de espera y el tiempo ocioso de la mquina copiadora.
Utilice los nmeros aleatorios de las celdas A7 y B9 (tabla de nmeros aleatorios) para generar los
valores de los tiempos entre llegadas de los estudiantes y el nmero de copias solicitadas
respectivamente.
APLICACIN 4.- La demanda diaria de pollos en un minimarket es una variable aleatoria con
distribucin exponencial con una media de 5 unidades diarias. El administrador comienza el da con
15 pollos.
Cada pollo tiene un costo de 13 soles y se vende a 20 soles. Se reduce el inventario diariamente. Si
al final de un da en particular el dueo tiene menos de 8 pollos en stock, ordena un pedido suficiente
para tener 15 pollos al inicio del siguiente da.
Asumiendo que el costo de adquisicin e inventario de los 15 pollos con los que empieza el negocio
fueron absorbidos en la gestin anterior, determine Ud. utilizando la tcnica de la simulacin de
Montecarlo:
Para generar la demanda diaria utilice los nmeros aleatorios de la celda E8 (tabla de nmeros
aleatorios).
Simulacin de Sistemas 53
Se pide:
a) Construya un modelo de simulacin (diagrama de flujo) que simule el funcionamiento del Lote
de estacionamiento y determine el nmero de vehculos que se alejan durante un da de 8
horas (480 minutos).
APLICACIN 6.- Un semforo en una interseccin vehicular tiene una fase verde que
actualmente demora 50 segundos y una fase roja de 40 segundos. El intervalo entre las llegadas de
los vehculos a la interseccin (en segundos) es una variable aleatoria con distribucin emprica:
Intervalos entre llegadas 5 6 7 8 9
probabilidad 0.1 0.3 0.2 0.3 0.1
a) Construya un modelo de simulacin (diagrama de flujo) para este sistema que permita
determinar la duracin de la fase verde, de tal manera que el tiempo promedio de espera de
los vehculos que llegan a dicha interseccin no sea mayor a 30 segundos. Utilice un tiempo
de simulacin de 5 horas.
APLICACIN 7.- En un proceso productivo las piezas una vez procesadas son
inspeccionadas para determinar si son rechazadas, reprocesadas o aceptadas para su posterior
venta. Estadsticamente el 70% de las piezas son aceptadas, el 10% son rechazadas y el 20%
reprocesadas. Una pieza reprocesada puede volver nuevamente a ser reprocesada. Utilice la tcnica
de simulacin de Montecarlo para imitar el funcionamiento de este sistema durante la llegada de 15
piezas y responda las siguientes inquietudes:
a) Si el costo de proceso es de $13 por pieza y el de reproceso $7. Cul seria el costo de un item
que termine en ventas?.
Nota: Utilice los nmeros aleatorios de la celda C2 (tabla de nmeros aleatorios) para generar valores
para la variable aleatoria de si la pieza es aceptada, descartada o reprocesada.
Simulacin de Sistemas 54
Utilice la tcnica de simulacin en computadora para comparar los costos de las siguientes polticas
de reemplazo:
b) Reemplazar las 100 vlvulas cada 5 meses, hacindolo con las vlvulas que fallan
individualmente en el periodo interino.
Construya un modelo de simulacin (diagrama de flujo) para determinar una poltica ptima de
reemplazo, en un tiempo de simulacin de 100 meses.
c) Instalar una segunda bomba y contratar a un operario para operarla. El joven trabaja
exactamente del mismo modo que Juan Prez.
d) Sugerir a Juan Prez que descanse y contrate al mejor estudiante del grupo escolar de la
nocturna, el empleara 5 minutos para atender un carro.
NOTA: Observe que este proceso no es de optimizacin, ya que no es posible definir una funcin
objetivo a ser maximizada o minimizada.
Utilice los siguientes nmeros aleatorios para generar los valores de las variables aleatorias:
- Para la tasa de llegadas: Nmeros aleatorios de la celda C7 (tabla de nmeros aleatorios).
Simulacin de Sistemas 55
APLICACIN 10.- Un vendedor compra peridicos al precio de 50 cntimos de sol por cada
uno y los vende a 1 sol la unidad. Al final de cada da el agente de publicaciones le pagar 15
cntimos de sol por cada peridico que no haya vendido. La demanda diaria D de los peridicos tiene
la siguiente distribucin de probabilidad (distribucin emprica):
D 75 80 85 90 95 100 105 110 115 120
p(D) 0.08 0.07 0.02 0.20 0.09 0.19 0.12 0.03 0.14 0.06
a) Suponiendo que el vendedor puede pedir cualquier cantidad de peridicos que se
encuentre en el rango de valores de la demanda, construya un modelo de simulacin (diagrama
de flujo) para este sistema logstico que permita determinar el nivel ptimo de
aprovisionamiento (nmero de peridicos a pedir diariamente), en un tiempo de simulacin de
200 das.
APLICACIN 11.- Suponga que estamos determinando el punto de reorden R de una poltica
de inventarios (Q,R). Con esta poltica pedimos Q unidades cuando el nivel de inventario desminuye a
R o menos. La distribucin de probabilidades de la demanda diaria se da en la siguiente tabla:
DEMANDA DIARIA
(unidades) PROBABILIDAD
12 .05
13 .15
14 .25
15 .35
16 .15
17 .05
El tiempo de entrega tambin es una variable aleatoria y tiene la siguiente distribucin:
TIEMPO DE ENTREGA
(Das) PROBABILIDAD
1 .20
2 .30
3 .35
4 .15
Suponemos que la cantidad pedir hasta tener permanece igual, en 100 unidades. Nuestro inters en
este caso es determinar el valor del punto de reorden R que minimice el costo total de inventario. Este
costo es la suma del costo esperado de almacenamiento, el costo esperado de pedido y el costo
esperado de escasez. La escasez es acumulativa. Esto es, un cliente espera hasta que se tiene el
artculo. El costo de inventario se estima en 0.20 dlares por unidad por da, y se carga a las
unidades en inventario al final del da. La escasez cuesta 1 dlar por cada unidad que falte. El costo
de pedido es 15 dlares por pedido. Los pedidos llegan al inicio del da.
Utilice los siguientes nmeros aleatorios para generar los valores de las variables aleatorias:
- Para la demanda: Nmeros aleatorios de la celda C1 (tabla de nmeros aleatorios).
- Para los tiempos de llegada de los pedidos: Nmeros aleatorios de la celda E8 (tabla de
nmeros aleatorios).
Simulacin de Sistemas 57
Apndice A
0.00 0.50000 0.50399 0.50798 0.51197 0.51595 0.51994 0.52392 0.52790 0.53188 0.53586
0.10 0.53983 0.54380 0.54776 0.55172 0.55567 0.55962 0.56356 0.56749 0.57142 0.57535
0.20 0.57926 0.58317 0.58706 0.59095 0.59483 0.59871 0.60257 0.60247 0.61026 0.61409
0.30 0.61791 0.62172 0.62552 0.62930 0.63307 0.63683 0.64058 0.64431 0.64803 0.65173
0.40 0.65542 0.65910 0.66276 0.66640 0.67003 0.67364 0.67724 0.68082 0.68439 0.68793
0.50 0.69146 0.69497 0.69847 0.70194 0.70540 0.70884 0.71226 0.71566 0.71904 0.72240
0.60 0.72575 0.72907 0.73237 0.73536 0.73891 0.74215 0.74537 0.74857 0.75175 0.75490
0.70 0.75804 0.76115 0.76424 0.76730 0.77035 0.77377 0.77637 0.77935 0.78230 0.78525
0.80 0.78814 0.79103 0.79389 0.79673 0.79955 0.80234 0.80511 0.80785 0.81057 0.81327
0.90 0.81594 0.81859 0.82121 0.82381 0.82639 0.82894 0.83147 0.83398 0.83646 0.83891
1.00 0.84134 0.84375 0.84614 0.84849 0.85083 0.85314 0.85543 0.85769 0.85993 0.86214
1.10 0.86433 0.86650 0.86864 0.87076 0.87286 0.87493 0.87698 0.87900 0.88100 0.88298
1.20 0.88493 0.88686 0.88877 0.88965 0.89251 0.89435 0.89617 0.89796 0.89973 0.90147
1.30 0.90320 0.90490 0.90658 0.90824 0.90988 0.91149 0.91309 0.91466 0.91621 0.91774
1.40 0.91924 0.92073 0.92220 0.92364 0.92507 0.92647 0.92785 0.92922 0.93056 0.93189
1.50 0.93319 0.93448 0.93574 0.93699 0.93822 0.93943 0.94062 0.94179 0.94295 0.94408
1.60 0.94520 0.94630 0.94738 0.94845 0.94950 0.95053 0.95154 0.95254 0.95352 0.95449
1.70 0.95543 0.95637 0.95728 0.95818 0.95907 0.95994 0.96080 0.96164 0.96246 0.96327
1.80 0.96407 0.96485 0.96562 0.96638 0.96712 0.96784 0.96856 0.96926 0.96995 0.97062
1.90 0.97128 0.97193 0.97257 0.97320 0.97381 0.97441 0.97500 0.97558 0.97615 0.97670
2.00 0.97725 0.97784 0.97831 0.97882 0.97932 0.97982 0.98030 0.98077 0.98124 0.98169
2.10 0.98214 0.98257 0.98300 0.98314 0.98382 0.98422 0.98461 0.98500 0.98537 0.98574
2.20 0.98610 0.98645 0.98679 0.98713 0.98745 0.98778 0.98809 0.98840 0.98870 0.98899
2.30 0.98928 0.98956 0.98983 0.99010 0.99036 0.99061 0.99086 0.99111 0.99134 0.99158
2.40 0.99180 0.99202 0.99224 0.99245 0.99266 0.99286 0.99310 0.99324 0.99343 0.99361
2.50 0.99379 0.99396 0.99413 0.99430 0.99446 0.99461 0.99477 0.99492 0.99506 0.99520
2.60 0.99534 0.99547 0.99560 0.99573 0.99585 0.99598 0.99609 0.99621 0.99632 0.99643
2.70 0.99653 0.99664 0.99674 0.99683 0.99693 0.99702 0.99711 0.99720 0.99728 0.99736
2.80 0.99744 0.99752 0.99760 0.99767 0.99774 0.99781 0.99788 0.99795 0.99801 0.99807
2.90 0.99813 0.99819 0.99825 0.99831 0.99836 0.99841 0.99846 0.99851 0.99856 0.99861
3.00 0.99865 0.99869 0.99874 0.99878 0.99882 0.99886 0.99899 0.99893 0.99896 0.99900
3.10 0.99903 0.99906 0.99910 0.99913 0.99916 0.99918 0.99921 0.99924 0.99926 0.99929
3.20 0.99931 0.99934 0.99936 0.99938 0.99940 0.99942 0.99944 0.99946 0.99948 0.99950
3.30 0.99952 0.99953 0.99955 0.99957 0.99958 0.99960 0.99961 0.99962 0.99964 0.99965
3.40 0.99966 0.99968 0.99969 0.99970 0.99971 0.99972 0.99973 0.99974 0.99975 0.99976
3.50 0.99977 0.99978 0.99978 0.99979 0.99980 0.99981 0.99981 0.99982 0.99983 0.99983
3.60 0.99984 0.99985 0.99985 0.99986 0.99986 0.99987 0.99987 0.99988 0.99988 0.99989
3.70 0.99989 0.99990 0.99990 0.99990 0.99991 0.99991 0.99992 0.99992 0.99992 0.99992
3.80 0.99993 0.99993 0.99993 0.99994 0.99994 0.99994 0.99994 0.99995 0.99995 0.99995
3.90 0.99995 0.99995 0.99996 0.99996 0.99996 0.99996 0.99996 0.99996 0.99997 0.99997
A B C D E
1581922396 2068577984 8262130892 8374856049 4637567488
0928105582 7295088579 9586111652 7055508767 6472382934
1 4112077556 3440672486 1882412963 0684012006 0933147914
7457477468 5435810788 9670852913 1291265730 4890031305
0099520858 3090908872 2039593181 5973470495 9776135501
7245174840 2275698645 8416549348 4676463101 2229367983
6749420382 4832630032 5670984959 5432114610 2966095680
2 5503161011 7413686599 1198757695 0414294470 0140121598
7164238934 7666127259 5263097712 5133648980 4011966963
3593969525 0272759769 0385998136 9999089966 7544056852
4192054466 0700014629 5169439659 8408705169 1074373131
9697426117 6488888550 4031652526 8123543276 0927534537
3 2007950579 9564268448 3457416988 1531027886 7016633739
4584768758 2389278610 3859431781 3643768456 4141314518
3840145867 9120831830 7228567652 1267173884 4020651657
0190453442 4800088084 1165628559 5407921254 3768932478
6766554338 5585265145 5089052204 9780623691 2195448096
4 6315116284 9172824179 5544814339 0016943666 3828538786
3908771938 4035554324 0840126299 4942059208 1475623997
5570024586 9324732596 1186563397 4425143189 3216653251
2999997185 0135968938 7678931194 1351031403 6002561840
7864375912 8383232768 1892857070 2323673751 3188881718
5 7065492027 6349104233 3382569662 4579426926 1513082455
0654683246 4765104877 8149224168 5468631609 6474393896
7830555058 5255147182 3519287786 2481675649 8907598697
7626984369 4725370390 9641916289 5049082870 7463807244
4785048453 3646121751 8436077768 2928794956 9956043516
6 4627791048 5765558107 8762592043 6185670830 6363845920
9376470693 0441608934 8749472723 2202271078 5897002653
1227991661 7936797054 9527542791 4711871173 8300978148
5582095589 5535798279 4764439855 6279247618 4446895088
4959397698 1056981450 8416606706 8234013222 6426813469
7 1824779358 1333750468 9434074212 5273692238 5902177065
7041092295 5726289716 3420847871 1820481234 0318831723
3555104281 0903099163 6827824899 6383872737 5901682626
9717595534 1634107293 8521057472 1471300754 3044151557
5571564123 7344613447 1129117244 3204461091 1699403490
8 4674262892 2809456764 5806554509 8224980942 5738031833
8461228715 0746980892 9285305274 6331989646 8764467686
1838538678 3049068967 6955157269 5482964330 2161984904
1834182305 6203476893 5937802079 3445280195 3694915658
1884227732 2923727501 8044389132 4611203081 6072112445
9 6791857341 6696243386 2219599137 3193884236 8224729718
3007929946 4031562749 5570757297 6273785046 1455349704
6085440624 2875556938 5496629750 4841817356 1443167141
7005051056 3496332071 5054070890 7303867953 6255181190
9846413446 8306646692 0661684251 8875127201 6251533454
10 0625457703 4229164694 7321363715 7051128285 1108468072
5457593922 9751489574 1799906380 1989141062 5595364247
4076486653 8950826528 4934582003 4071187742 1456207629