SIMULACIÓN

SIMULACIÓN

Ing. Dennis
García Ocaña 1 IND 3211
 Introducción

 Toda actividad humana,

puede ser representada
desde un enfoque
Sistémico.
 El objetivo del enfoque
sistémico es
representar cada
organización de manera
comprensiva y objetiva

Ing. Dennis
García Ocaña 2 IND 3211
 SISTEMA

 Sistema
es el conjunto de
elementos relacionados entre si
en función de un objetivo común,
actuando en determinado
entorno.

Ing. Dennis
García Ocaña 3 IND 3211
 Componentes Básicos de un
Sistema

Entrada Proceso Salida

• El • Actividad • Es el
componente que resultado de
impulsor con transforma el un proceso.
el cual insumo en • Es el fin para
funciona el producto el cual se
sistema unen los
elementos
del sistema

Ing. Dennis
García Ocaña 4 IND 3211
 Otros elementos del sistema

 Entidad: Para denotar un objeto de

interés de un sistema
 Atributo: Denota una propiedad de una
entidad
 Actividad: Todo proceso que provoca
cambios en el sistema
 Estado del sistema: Indica una
descripción de todas las entidades
Ing. Dennis
García Ocaña 5 IND 3211
  UN
MISMO SISTEMA PUEDE
REPRESENTARSE FORMALMENTE
MEDIANTE DIVERSOS MODELOS EN
FUNCIÓN DE LOS PROBLEMAS QUE
EL ANALISTA SE PLANTEA SOBRE
EL SISTEMA

Ing. Dennis
García Ocaña 6 IND 3211
 MODELO
 Por modelo entendemos la representación de un
sistema, desarrollado con el propósito de estudiar
dicho sistema
 Un objeto M es un modelo del objeto R para el
observador O, si O puede emplear M para responder
cuestiones que le interesan acerca de R (Minsky)

R O
Ing. Dennis
García Ocaña 7 IND 3211
 CLASIFICACÓN DE MODELOS

 Estáticos - Dinámicos
 Determinísticos - Probabilísticos

 Continuos - Discretos

 Prescriptivos - Descriptivos

 De Ciclo Abierto - de Ciclo Cerrado

Ing. Dennis
García Ocaña 8 IND 3211
 FORMAS DE ESTUDIAR LOS
SISTEMAS

SISTEMA

Experimento
Experimento
con un
con el sistema
modelo del
real
sistema real

Modelo
Modelo físico
matemático

Solución
SIMULACIÓN
analítica

Ing. Dennis
García Ocaña 9 IND 3211
 SIMULACIÓN

 Simulación es el proceso de diseñar y

desarrollar un modelo de un sistema o
proceso real y conducir experimentos
con el propósito de entender el
comportamiento del sistema o evaluar
varias estrategias (dentro de límites
impuestos por un criterio o conjunto de
criterios) para la operación del
sistema. ROBERT. SHANNON

Ing. Dennis
García Ocaña 10 IND 3211
 VENTAJAS DE LA
SIMULACIÓN
 No es necesario interrumpir las operaciones de la empresa
 Un método más simple de solución cuando los
procedimientos matemáticos son complejos y difíciles.
 Una vez construido el modelo se puede modificar de una manera
rápida con el fin de analizar diferentes políticas o escenario. Permite
análisis de sensibilidad
 Generalmente es más barato mejorar el sistema vía simulación que
hacerlo en el sistema real.
 Los métodos analíticos se desarrollan casi siempre relativamente
sencillos donde suele hacerse un gran número de suposiciones
simplificaciones, mientras que en los métodos de simulación es posible
analizar sistemas de mayor complejidad o con menor detalle.
 En algunos casos, la simulación es el único medio para lograr una
solución.

Ing. Dennis
García Ocaña 11 IND 3211
 DESVENTAJAS DE LA
SIMULACIÓN
 La simulación es imprecisa, y no se puede medir el grado de su
imprecisión.
 Los resultados de simulación son numéricos; surge el peligro de
atribuir a los números un grado mayor de validez y precisión.
 Los modelos de simulación en una computadora son costosos y
requieren mucho tiempo para desarrollarse y validarse.
 Es difícil aceptar los modelos de simulación y difícil de vender
 Los modelos de simulación no dan soluciones óptimas.
 La solución de un modelo de simulación puede dar al análisis
un falso sentido de seguridad.
 Requiere "largos" periodos de desarrollo

Ing. Dennis
García Ocaña 12 IND 3211
 METODOLOGÍA PARA LA
SIMULACIÓN
Para planear experimentos de simulación
aplicables a los sistemas económicos e
industriales, debemos recurrir a técnicas
como:
 Estadística matemática
 Análisis numérico
 La econometría
 Programación en computadoras
 Diseño de experimentos

IND 3211 13 Ing. Dennis García Ocaña

 Formulación del problema

Objetivos y plan del proyecto

Conceptualización del modelo Recolección de datos

Traducción del modelo

Verificación

Validación

Diseño experimental

Corridas y análisis

¿Más corridas?

Documentación y
reporte

Implementación
IND 3211 14 Ing. Dennis García Ocaña
 DISEÑO DE EXPERIMENTOS
DE SIMULACIÓN
 Esta fase puede hacerse paralelamente al diseño y evaluación.
1. Definir las variables endógenas y exógenas.
2. Definir las estructuras funcionales que las relacionan.
3. Elegir las distribuciones adecuadas a los parámetros
aleatorios.
4. Generar los números y variables aleatorias que de acuerdo a
estas distribuciones, representan al sistema baja estudio.
5. Realizar pruebas de hipótesis para seleccionar la información
necesaria para realizar la simulación.
6. Definir las distintas condiciones iniciales y finales de la
simulación.
7. Realizar un número determinado de simulación.
8. Tabular y graficar los resultados para realizar un mejor análisis
y validación de la simulación.

IND 3211 15 Ing. Dennis García Ocaña

 NÚMEROS ALEATORIOS

IND 3211 16 Ing. Dennis García Ocaña

 Números Aleatorios

 Para poder realizar una simulación que

incluya variabilidad dentro sus eventos,
es preciso generar una serie de
números aleatorios por si mismos
 La generación de un conjunto muy
grande de números sin mostrar
correlación se denominan pseudo
aleatorios

IND 3211 17 Ing. Dennis García Ocaña

 Generación de Números
Pseudoaleatorios
ri={r1,r2,r3,……,rn}
r(0,1)
n: periodo o ciclo de vida del generador que
creo la secuencia ri
Por lo menos n=231
Actualmente n=2200
ri debe seguir una distribución uniforme
continua 0  r 1
1 
f (r )  
0 en _ otro _ caso
IND 3211 18 Ing. Dennis García Ocaña
 Pruebas de uniformidad e
independencia
 Los ri deben estar uniformemente
distribuidos
 Los ri deben ser continuos y no
discretos
 La media 1/2

 La varianza var=1/12

IND 3211 19 Ing. Dennis García Ocaña

 Algoritmo de cuadrados
medios
1. Seleccionar una semilla X0 con D dígitos D>3
2. Sea X0=X02,
X1=Los D dígitos del centro
ri=0.D dígitos del centro
3. Sea Yi=Xi2
Xi+1=Los D dígitos del centro
ri=0.D dígitos del centro i=1,2,3,…,n
4. Repetir el paso 3 hasta obtener los n números
ri deseados
Ej. X0=5735

IND 3211 20 Ing. Dennis García Ocaña

 Algoritmo de productos
medios
1. Seleccionar una semilla X0 con D dígitos D>3
2. Seleccionar una semilla X1 con D dígitos D>3
3. Sea Y0=X0X1
X2=Los D dígitos del centro
ri=0.D dígitos del centro i=1,2,3,…,n
3. Sea Yi=XiXi+1
Xi+2=Los D dígitos del centro
ri+1=0.D dígitos del centro i=1,2,3,…,n
4. Repetir el paso 4 hasta obtener los n números ri deseados
Ej. X0=5374 X1=4356

IND 3211 21 Ing. Dennis García Ocaña

 Algoritmo de multiplicador
constante
1. Seleccionar una semilla X0 con D dígitos D>3
2. Seleccionar una constante a con D dígitos D>3
3. Sea Y0=aX0
X1=Los D dígitos del centro
ri=0.D dígitos del centro i=1,2,3,…,n
3. Sea Yi=aXi
Xi+1=Los D dígitos del centro
ri+1=0.D dígitos del centro i=1,2,3,…,n
4. Repetir el paso 4 hasta obtener los n números ri deseados
Ej. X0=4356 a=6125

IND 3211 22 Ing. Dennis García Ocaña

 Algoritmo lineal

 Es el más usado
 Su ecuación recursiva es:
 Xi+1=(aXi+c) mod (m) i=0,1,2,….,n
X0: semilla X0>0
a: constante multiplicativa a>0
c: constante aditiva c>0 xi
m: módulo m>0 r
m 1
Ej. X0= 43, a= 25, c=46 m=100

IND 3211 23 Ing. Dennis García Ocaña

 Algoritmo lineal
(continuación)
 Condiciones de Banks, Carson, Nelson y Nico,
para el periodo de vida n sea máximo.
m=2g
a=1+4k
k debe ser entero
c relativamente primo a m
g debe ser entero
Periodo Máximo N=m=2g
Ej. X0=6, k=3, g=3 y c=7

IND 3211 24 Ing. Dennis García Ocaña

 Algoritmo congruencial
multiplicativo
 Es un caso del algoritmo lineal: c=0
Xi+1=(aXi) mod (m) i=0,1,2,….,n
Condiciones de Banks, Carson, Nelson y Nico
m=2g
a=3+8k o a=5+8k
xi
k=0,1,2,3,…. r
X0 debe ser un número impar m 1
g debe ser entero
Periodo Máximo N=m/4=2g-2
Ej. X0=17, k=2, g=5

IND 3211 25 Ing. Dennis García Ocaña

 Algoritmo congruencial
aditivo
 Se requiere la secuencia previa de n números
enteros X1,X2,X3,...,Xn para generar una
secuencia que empieza en
Xn+1,Xn+2,Xn+3,Xn+4……
 Su ecuación recursiva es:
Xi=(Xi-1+Xi-n) mod (m) i=n+1,n+2,n+3,…,N
 Los números ri pueden ser generados por:
ri=Xi/(m-1)
Ej. X1=65, X2= 89, X3=98, X4=03, X5=69, m=100

IND 3211 26 Ing. Dennis García Ocaña

 VARIABLES ALEATORIAS

Son aquellas que tienen un comportamiento probabilístico en

la realidad

IND 3211 27 Ing. Dennis García Ocaña

 Reglas de distribución de
probabilidad
 La suma de las probabilidades asociadas a
todos los valores posibles de la variable
aleatoria x es uno
 La probabilidad de que un posible valor de la
variable x se presente siempre es mayor que o
igual a cero
 El valor esperado de la distribución de la
variable aleatoria es la media de la misma
 Pueden obtenerse parámetros asociados a la
distribución de probabilidad mediante
estimadores no sesgados

IND 3211 28 Ing. Dennis García Ocaña

 Tipos de variables aleatorias

 Variables Aleatorias discretas:

P( x)  0


p
i 0
i 1
b
P(a  x  b)   pi  Pa  ....  Pb
i a

Ej. Uniforme discreta, Bernoulli,

Hipergeométrica, Poisson, etc.
IND 3211 29 Ing. Dennis García Ocaña
 Variables Aleatorias continuas
Se representan como funciones de
densidad de probabilidad
P( x)  0
P( x  a)  0


 f ( x)dx  1

b
P(a  x  b)  P (a  x  b)   f ( x)dx
a

Ej. Uniforme continua, exponencial, normal, Weibull, Chi-

cuadrada, Erlang, etc
IND 3211 30 Ing. Dennis García Ocaña
 DETERMINACIÓN DEL
TIPO DE DISTRIBUCIÓN DE
UN CONJUNTO DE DATOS

IND 3211 31 Ing. Dennis García Ocaña

 Prueba Chi-cuadrada
1. Obtener al menos 30 datos
2. Calcular la media y varianza
3. Crear un histograma de m=n intervalos y obtener su frecuencia Oi
4. Establecer la hipótesis nula, proponiendo una distribución que se ajuste al
histograma
5. Calcular la frecuencia esperada Ei a partir de la función de probabilidad
6. Calcular el estadístico de prueba
m
( Ei  Oi ) 2
c
i 1 Ei
7. Definir el nivel de significancia de la prueba,  y determinar el valor crítico
de la prueba, ,m+k-12 (k es el número de parámetros estimados en la
distribución propuesta)
8. Comparar el estadístico de prueba con el valor crítico. Si el estadístico de
prueba es menor que el valor crítico no se puede rechazar la hipótesis
nula

IND 3211 32 Ing. Dennis García Ocaña

 Generación de variables
aleatorias
 La variabilidad de eventos y actividades se
representa a través de funciones de
densidad (Continuos o discretos)
 Los métodos principales para generar
variables aleatorias
 Método de la transformada inversa
 Método de convolución
 Método de composición
 Método de la transformación directa
 Método de aceptación y rechazo

IND 3211 33 Ing. Dennis García Ocaña

 Método de la transformada
inversa
1. Definir la función de densidad F(x)
que represente la variable a modelar
x
Calcular la función acumulada F(x) F ( x)  f ( x)dx
2.
0
3. Despejar la variable aleatoria x y
obtener la función acumulada inversa
F(x)-1
4. Generar las variables aleatorias x,
sustituyendo valores con números
pseudoaleatorios riU(0,1) en la
función acumulada inversa

IND 3211 34 Ing. Dennis García Ocaña

 Método de convolución
 En algunas distribuciones de probabilidad la
variable aleatoria a simular, Y, puede
generarse mediante la suma de otras
variables aleatorias X
Y=X1+X2+…..+Xk
 Ej. La variable aleatoria k-Erlang con media
1/ puede producirse a partir de la generación
de k variables exponenciales con media 1/k
1  k 
Y  ERi   ln  (1  ri )
k  i 1 
IND 3211 35 Ing. Dennis García Ocaña
 SIMULACIÓN DE
VARIABLES
ALEATORIAS

IND 3211 36 Ing. Dennis García Ocaña

 Simulaciones terminales

 Los modelos de tipo terminal tienen una

ocurrencia de un evento que da por
terminada la simulación.
Ejj. Tiempo en procesar un lote de 100
piezas, número de clientes que atienden
en una cafetería entre las 8:00 y 9:00

IND 3211 37 Ing. Dennis García Ocaña

 Simulaciones no terminales o
de estado estable
 Las simulaciones no terminales o de
estado estable no involucran una
ocurrencia en el tiempo en que tengan
que finalizar.
 En este caso se debe determinar la
longitud de la corrida para asegurar la
estabilización de los resultados del
modelo

IND 3211 38 Ing. Dennis García Ocaña

 MODELOS DE
SIMULACIÓN

IND 3211 39 Ing. Dennis García Ocaña

 Línea de espera

 Ej. El tiempo que transcurre entre la llegada de

cierta pieza a una estación de inspección sigue
una distribución exponencial con media de 5
minutos/pieza. El proceso está a cargo de un
operario, y la duración de la inspección sigue
una distribución normal con media de 4.0 y
desviación estándar de 0.5 minutos/pieza.
Calcular el tiempo promedio de permanencia de
las piezas en el proceso de inspección

IND 3211 40 Ing. Dennis García Ocaña

 Modelo de un proceso de
ensamble e inspección
 Dos barras metálicas de diferente longitud son
unidas mediante un proceso de soldadura para
formar una barra de mayor longitud. La longitud
del primer tipo de barra sigue una distribución
uniforme entre 45 y 55 cm. La longitud del
segundo tipo de barra sigue una distribución 4-
Erlang con media de 30 cm. Las
especificaciones del producto final son de 80+-
10 cm. Determinar el porcentaje de barras fuera
de especificación

IND 3211 41 Ing. Dennis García Ocaña