Curso:

SIMULACIÓN DE LA DINÁMICA DE SISTEMAS

MODULO I:
FUNDAMENTOS TEÓRICOS
DE
SIMULACIÓN DISCRETA

Orientador: José Soto Mejia

Universidad Tecnológica de Pereira, UTP

Universidad Autónoma de Colombia, FUAC
Facultad de Ingeniería Industrial.
Escuela de Postgrado-Maestría en Investigación
Operativa y Estadística

Pereira Mayo-Julio 2014

Conocimiento (información) diferente a entendimiento

El entendimiento no se memoriza.
Ud tiene que construirlo.
La construcción del entendimiento es
una actividad inherentemente direccionada
por el aprendedor.

El pensamiento humano no debe considerarse

en forma reduccionista como la
capacidad de almacenar la información,
ignorándose su potencialidad de
procesamiento y transformación.

La cognición puede y debe cumplir ambas funciones:

Organizar y almacenar información y

Transformarla en la generación de nuevos productos

Y la educación debe proveer los medios para el logro de

estos propósitos

En los colegios (universidad-orientación enciclopedísta)

se llena la cabeza del estudiante con contenidos
de conocimiento (información).

La simulación soporta otro tipo de conocimiento,

desarrolla la capacidad de construir entendimiento
 Programación lineal
Programación no lineal
Programación cuadrática
FUNDAMENTOS DE SIMULACIÓN Programación entera
Programación dinámica
La investigación de operacionesProgramación estocástica
Programación con metas múltiples
Simulación investigación de operaciones
Programación secuencial
Teoría de Colas
Especificidades de la simulaciónTeoría de la decisión
Teoría de Juegos
Pronósticos
PERT/CPM
Método de Planteamiento Procesos de Markov,
Proceso T.fractales..
de solución
Simulación

La PL, PNL, etc, usa modelos Usa solución analítica (colas)

Matemáticos con específicas Algorítmos (simplex, Branch-
Carácterísticas: linealidadad,. Bound),Heurísticas
(programación dinámica)
Simulación :No requiere de funciones
Matemáticas de forma cerrada
Simulación:Experimentación sobre
el modelo cambios en la estructura,
ambiente, y suposiciones implícitas

La simulación es una técnica que enseña a construir el

modelo de un sistema real aunada a la realización de
experimentos sobre el modelo mismo. La operación
del modelo puede estudiarse y con ello puede inferirse
el comportamiento del sistema o subsistema que representa
(pj. Determinar como responde a cambios en la estructura,..
 EL EXPERIMENTO DE SIMULACIÓN
(Contenido del curso- fundamentos de simulación discreta)

Xxx
n, e y xx Xxx
s 2


xx
fdp
Xxxx
x xx  2
A partir de se infiere
xxxx

Unidad III
Var. Aleatorias (0-1), calidad equivale
Metodo Monte Carlo Unidad II
Unidad IV 1 salida
Xxx Generadores deProceso de simulación
xx
Unidad I
X
Modelo
del
Entradas A partir de las
sistema
salidas se infieren
Unidad VI,VII las caract. Opera
cionales del siste
ma >>modelo

Cada corrida de la simulación (cada salida) equivale

a un elemento muestral.
 PROCESO DE MODELADO EN
SIMULACION

Identificación del problema:

PLANTEAMIENTO Recopilación de
DEL MODELO información:datos,factores,
relaciones, rutas. Que se
Construcción- desea medir
funciones no cerradas

Construir el modelo
Simulación y estadístico
Diseño del experimento

Adelantar la simulación:
Generar entradas
Resolver el modelo
Todas las condiciones ?
PROCESO DE
SIMULACION
Método de solución Recopilar resultados
Descripciones de
comportamiento
 GUIA DE PASOS EN UN ESTUDIO DE SIMULACIÓN

Formulación del Problema

Definir objetivos

Conceptualización/ Recolección
desarrollo del modelo de datos
Construcción
(traslación)del modelo

No Verificado?
Si
No Validado? No
Si
Experimentación

Análisis de resultados
Si
Si
Mas corridas?
No
Reportes

Implementación
 FLEXIBILIDAD DE LA SIMULACIÓN

ESTACIÓN
CLIENTE
Servicio

Descomposturas maquinas ------------- taller reparación

Ordenes de producción ------------------ proceso de prod
Ordenes de venta --------------------------
Clientes---------------------------------------- ventanilla
Automóviles----------------------------------- gasolina

Tiempo entre llegadas, Tiempo de servicio (M/M/1)

T = número promedio de llegadas
T x e  T
f(x) = e - x p ( x) 
x!
por período de tiempo T
x = es la variable a generar, como número
de llegadas en el intervalo de tiempo T
Características Operativas ??
Otras consideraciones:
•Tipos de distribución
•Tamaño de la población de proveniencia
•Numero de unidades que llegan
•La disciplina de atención
•Rechazos debido a la longitud
•Arrepentimientos por tiempo de espera
•Espacio para las unidades que esperan
 MUESTREO MONTE CARLO
Que motiva su uso en simulación ?
Que es-Definición.

Generar
Modelo de
Entradas simulación
adecuadas

realidad

Toneladas de basura
recolectadas por día Probabilidad
---------------------------- -----------------
10 0.10
20 0.22 Conceptos básicos
30 0.25 •var. Aleatoria vs. clásica
40 0.20 •Distribución de probabilidad
50 0.12 •Función de distr. Acumulada
60 0.07 •Uniformemente distribuido
70 0.04
Definición: un proceso que se utiliza en forma aleatoria
para elegir valores muestrales
a partir de unaMUESTREO
distribución MONTE CARLO
probabilística

PASOS
1. Distribución de probabilidad
2. Distribución acumulada
3. Generación de numero U(0,1)
4. Encontrar intervalo dentro de la Distribución acumulada
5. y valor asociado de la variable
Toneladas basura p(d) P(recol_D<d) Intervalo
(d)
10 0.10 0.10 0.00 ... 0.09
20 0.22 0.32 0.10 ... 0.31
30 0.25 0.57 0.32 ... 0.56
40 0.20 0.77 0.57 ... 0.76
50 0.12 0.89 0.77 ... 0.88
60 0.07 0.96 0.89 ... 0.95
70 0.04 1.00 0.96 ... 0.99
 Caso de la Empresa Manufacturera
(con 1 operario).Simulación manual
Enunciado: ver notas-
Nùmero òptimo de personal de mantenimiento ???
La siguiente tabla muestra la distribución acumulada de los tiempos entre fallas
de las máquinas y del tiempo de servicio
Tiempo_ Frecuen p(f) P(tiempo_e Intervalo para
entre_fal cia_ocu ntrefallas  los
las rrencia f) números
(min)( f) aleatorios
15 7 0.0467 0.0467 0.0000 ... 0.0466
16 14 0.0933 0.1400 0.0467 ... 0.1399
17 15 0.1000 0.2400 0.1400 ... 0.2399
18 28 0.1867 0.4267 0.2400 ... 0.4266
19 36 0.2400 0.6667 0.4267 ... 0.6666
20 27 0.1800 0.8467 0.6667 ... 0.8466
21 18 0.1000 0.9467 0.8467 ... 0.9466
22 8 0.0533 1.0000 0.9467 ... 0.9999
150
Tiempo de p(t) P(tiempo de Intervalo para
servicio (min) servicio  t ) los
números
aleatorios
5 - 15 10 0.05 0.05 0.0000 ... 0.0499
15 - 25 20 0.25 0.30 0.0500 ... 0.2999
25 - 35 30 0.40 0.70 0.3000 ... 0.6999
35 - 45 40 0.25 0.95 0.7000 ... 0.9499
45 – 55 50 0.05 1.00 0.9500 ... 0.9999

Explicar columnas de la tabla de números aleatorios

 TABLA DE NÚMEROS ALEATORIOS

4764 6279 4446 5582 1634 2396 7984

8416 8234 6427 4959 7344 5582 8579
9434 5273 5902 1824 2809 7556 2486
3420 1820 0318 7041 0746 7468 0788
6827 6383 5901 3555 3049 0858 8872
8521 1471 3044 9717 6203 4840 8645
1129 3208 1699 5571 2923 0382 0032
5806 8224 5783 4674 6696 1011 6599
9285 6331 8764 8461 4031 8934 7259
6955 5482 2161 1838 2875 9525 9769
5937 3445 3694 1834 3496 4466 4629
8044 4611 6072 1084 8306 6117 8550
2219 3193 8224 6791 4229 0579 8448
5570 6273 1455 3007 9751 8758 8610
5496 4841 1443 6085 8950 5867 1830
5054 7303 6255 7005 2068 3442 8084
0661 8875 6251 9846 7295 4338 5145
7321 7051 1108 0625 3440 6284 4179
 Caso de la Empresa Manufacturera
(con 2 operarios)
Numero optimo de personal de mantenimiento ???

Personal de mantenimiento
Tiempo de Espera (ocio) (min)

Numero de la Mecánico 1 Mecánico 2

descompostura

1 19 ?? 39

2 ?? 9 0

3 0 ?? 96

4 0

Realizar simulación manual

 Validación (simulación con 2 mecánicos)
Mundo de los Mundo de las variables
números aleatorias
Promedios n Valor esperado
x i E x    xP x ;
i 1
x x
n
Varianza de números Varianza de variable

 x  x 
n
2
aleatoria
V x   E x  E x  2
i
i 1

2
s n

Experimento Realidad
de (lo observado)
simulación
Tiempo Valor esperado del
472/ 25= tiempo entre llegadas
entre
18.88 18.69 min/desc
descomp
osturas min/descom Varianza del tiempo
Validar entre llegadas
entradas
Tiempo Valor esperado del
720/25= tiempo de servicio
de
28.8 30 min/servi
Servicio
Validar Min/serv Varianza del tiempo
de servicio
proceso Conclusión ???
 ANÁLISIS ECONÓMICO
Numero optimo de personal de mantenimiento ???
Solo comparar bajo condiciones iguales
10 ?? iteraciones

Alternativa Alternativa con

con dos mecánicos
un mecánico (1) (2)
Costo por salarios Costo por salarios ($
($4000/Hr) 4000/Hr)
1 mecánico 1 mecánico
(+)
0 mecánico extra 1 mecánico extra
4 hr $16 000
Costo tiempo muerto Costo tiempo muerto
operario de la máquina operario de la máquina
($ 15 000/Hr) ($ 15 000/Hr)

371 minutos $ 92 0 minutos $ 00

750

TOTAL $ 92 750 TOTAL $16 000

Se dejan de perder con 2 mecánicos $ 76 750

y con tres ????
 SOFTWARE DE SIMULACIÓN Y
LENGUAJES
Lenguajes de programación de propósito general
Primeros modelos en 1950s
Enorme cantidad de código
Lenguajes generales de simulación
Expresiones para comandos específicos
Aplicaciones en sistemas de colas
GPPS, SIMSCRIPT, SIMAN, SLAM
Lenguajes específicos para tráfico, etc.
Simuladores
Constructores,
orientados por menu
Animación
Facilidad de uso v.s Flexibilidad
Simuladores de cuarta generación
Interface para usuário gráfica (GUI)
Capacidad de programación interna
Transferencia de datos entre aplicaciones

Arena (by Systems Modeling Coroporation).

AutoMod (by AutoSimulations).
Quest (by Deneb Robotics).
Extend (by Inagine That, Inc.)
Micro Saint (by Micro Analisis and Design, Inc.).
ProModel (by PROMODEL Corporation).
Taylor Enterprise Dynamics (by F&H Simulations).
WITNESS (by Lanner Group)

Procesamiento de listas
Registro de eventos-registros estadísticos
 Estructura de las Practicas
(usando ProModel)

1. Aplicaciones típicas de Manufactura.

2. Se enseñaran las características y facilidades de

ProModel para modelar estas aplicaciones
instrucciones correspondientes en ProModel).

3. La interpretación de los datos

4. La teoría de la simulación que concierne a cada

una de las aplicaciones será discutida después
de cada modelo

Objetivo: Se pretende que al final del curso

seamos capaces de completar proyectos
significativos y de valor agregado

VISITAR
“Proceedings” de la “Winter Simulation Conference- WSC”.
http://www.wintersim.org
http://informs-sim.org