Documentos de Académico
Documentos de Profesional
Documentos de Cultura
APUNTES MCIOII:
SIMULACIÓN DE EVENTOS DISCRETOS:
1- CONCEPTOS GENERALES:
Los modelos físicos están formados por una estructura material que tiene unas
características, en cuanto al objeto de estudio, similares a las del sistema real. Ejemplo de
ello: una maqueta de un edificio, un circuito eléctrico que represente la red de distribución
de agua en una ciudad…
1
Rocío ÁLVAREZ-REMENTERÍA MUÑOZ – ETSII – UPM
- En los sistemas continuos las variables de estado representan la tasa o velocidad de cambio
de otras variables de estado. Esto implica que en la formulación matemática haya EDOs, lo
que hace difícil o imposible la resolución analítica.
- En los sistemas discretos aparecen fenómenos aleatorios que sólo se pueden representar en
términos probabilistas. Esto implica que en su formulación matemática aparezcan funciones
de distribución o de densidad de probabilidad, que dificultan o impiden su resolución
analítica.
Por estas tres razones, la simulación surge como alternativa cuando no es posible modelar
sistemas de forma analítica o cuando, siendo esto posible, no se puede resolver el modelo
correspondiente.
2
Rocío ÁLVAREZ-REMENTERÍA MUÑOZ – ETSII – UPM
UN MODELO ES CREÍBLE CUANDO LOS GESTORES DEL SISTEMA DEPOSITAN CONFIANZA EN ÉL PARA TOMAR
DECISIONES RELATIVAS AL SISTEMA. SI ESTOS NO HAN COLABORADO EN EL ESTUDIO DE SIMULACIÓN O SE
HAN MOSTRADO DESCONFIADOS, EL ESTUDIO RECIBIRÁ POCA DECISIÓN PROBABLEMENTE.
PREGUNTA TEST: EXPLICAR AL MENOS DOS RAZONES POR LAS QUE LA INTERACCIÓN FRECUENTE CON EL
DECISOR DEL SISTEMA AL QUE REFIERE EL ESTUDIO DE SIMULACIÓN FACILITA EL DESARROLLO DE MODELOS
VÁLIDOS:
1. AYUDAN A DEFINIR DE FORMA PRECISA LOS OBJETIVOS DEL ESTUDIO SI AÚN NO ESTÁN BIEN
DEFINIDOS.
2. APORTAN SU CONOCIMIENTO LO QUE AYUDA A GARANTIZAR QUE EL MODELO REPRESENTA DE
FORMA FIEL EL SISTEMA REAL. POR EJEMPLO, IDENTIFICAR QUE HIPÓTESIS SON ADMISIBLES Y CUÁLES
NO.
3. ADEMÁS, OTRA DE LAS VENTAJAS DE INTERACCIÓN CON LOS GESTORES ES LA MAYOR IMPLICACIÓN
DE LOS MISMOS, QUE SE TRADUCE EN UNA MAYOR CREDIBILIDAD DEL MODELO.
PREGUNTA TEST: EXPLICA ALGÚN EJEMPLO DE TÉCNICA DE VALIDACIÓN QUE PODEMOS APLICAR A UN
MODELO DE SIMULACIÓN PARA LA GESTIÓN DE STOCKS:
3
Rocío ÁLVAREZ-REMENTERÍA MUÑOZ – ETSII – UPM
PREGUNTA TEST: ¿POR QUÉ NECESITO MÁS DE UNA REPLICACIÓN PARA OBTENER UNA VARIABLE DE
SALIDA?
Los sistemas productivos evolucionan a lo largo del tiempo, es decir, tienen una
naturaleza dinámica. En cuanto a cómo evolucionan, es cierto que algunos lo hacen de
forma continua, pero otros son discretos ya que los cambios de estado se producen en
instantes concretos (llegada de materia prima, de clientes, inicio y finalización de
fabricación de lotes…).
Como ya hemos explicado antes, una de las ventajas que nos ofrece la simulación es el
poder estudiar un sistema cuya evolución en el tiempo es muy dilatada en un periodo de
tiempo reducido. Esto es porque durante la simulación se lleva a cabo un registro del
valor actual del tiempo simulado mientras se desarrolla el experimento de simulación,
así como un mecanismo para hacer avanzar este tiempo de un valor a otro. Por así
decirlo, es como si tuviésemos la capacidad de viajar hacia el futuro en un instante y
guardar en nuestra memoria el tiempo que realmente hubiésemos necesitado para llegar
a ese momento.
Para entender bien cómo funciona hay que definir primero los siguientes conceptos:
4
Rocío ÁLVAREZ-REMENTERÍA MUÑOZ – ETSII – UPM
- Error cometido al suponer que los sucesos ocurren al final del intervalo.
- Si ocurren varios sucesos en un intervalo, no sabemos cuál ha ocurrido
primero.
Podemos paliar estos dos fallos creando intervalos de tiempo muy pequeños,
pero esto hará que aumente el tiempo de ejecución del modelo.
PREGUNTA DEL TEST: INDICAR AL MENOS 5 ELEMENTOS DE LOS QUE ESTÁ COMPUESTO UN
MODELO DE SIMULACIÓN DE EVENTOS DISCRETOS: RELOJ, LISTA DE SUCESOS, RUTINA DE
SUCESOS, ESTADÍSTICAS, PROGRAMA PRINCIPAL, GENERADOR DE INFORMES, RUTINA DE
TIEMPO, RUTINA DE INICIALIZACIÓN, ESTADO DEL ESTEMA.
5
Rocío ÁLVAREZ-REMENTERÍA MUÑOZ – ETSII – UPM
Variables de salida: son aquellas que permiten caracterizar el sistema para una
determinada configuración y que están estrechamente ligadas a los objetivos de
estudio.
6
Rocío ÁLVAREZ-REMENTERÍA MUÑOZ – ETSII – UPM
2- REPASO DE ESTADÍSTICA:
a. VARIABLES ALEATORIAS:
De una variable determinista se sabe con certeza qué valor toma. Sin embargo,
de una variable aleatoria no se sabe con certeza qué valor toma, pero si se
puede tomar valores dentro de un determinado rango, de tal manera que existe
una determinada probabilidad de que la variable tome un determinado valor
dentro de dicho rango.
PREGUNTA DE TEST: UNA FUNCIÓN EMPÍRICA DEVUELVE VALORES FUERA DEL RANGO
GENERADO POR LOS VALORES MAYOR Y MENOR FALSO. EN LAS EMPÍRICAS, LA
PROBABILIDAD ASIGNADA A CADA POSIBLE VALOR DE LA VARIABLE ALEATORIA SE FORMULA A
PARTIR DE OBSERVACIONES DEL PROPIO SISTEMA OBJETO DE ESTUDIO.
NOTA:
o La inversa de la función de distribución se utiliza para obtener
valores de una variable aleatoria dado un número aleatorio entre 0
y 1.
o La función cuartil de una variable aleatoria (o de una ley de
probabilidad) es la inversa de su acumulada.
F-1(y), y ϵ [0,1] es el único valor real tal que F(x)= y.
Se puede emplear para trasladar resultados obtenidos para la
distribución uniforme a otras distribuciones.
o El conocimiento de la función de densidad f(x) permite calcular
cualquier probabilidad por integración.
o Se dice que una variable aleatoria continua es uniforme en un
intervalo (a,b) si su función de densidad es constante en dicho
intervalo y nula fuera de él.
7
Rocío ÁLVAREZ-REMENTERÍA MUÑOZ – ETSII – UPM
El método del estimador máximo verosímil consiste en utilizar una función que
representa la probabilidad de que (si la variable de estudio se comporta de acuerdo
a una función de probabilidad p0) cuando generamos n valores de la variable,
obtengamos concreamente los valores x1 , x2, xn.
8
Rocío ÁLVAREZ-REMENTERÍA MUÑOZ – ETSII – UPM
Esta etapa es sencilla, pues basta con observar los gráficos de las observaciones.
Consiste en hacer una gráfica que represente las observaciones y observar a qué
distribución se asemeja. Una vez que hemos encontrado la distribución,
podemos formular la hipótesis H0 , también llamada hipótesis nula.
9
Rocío ÁLVAREZ-REMENTERÍA MUÑOZ – ETSII – UPM
PREGUNTA DE TEST: LOS EXTREMOS DEL INTERVALO DE CONFIANZA PARA LA MEDIDA DE UNA
𝛼 𝑆 2 (𝑛)
VARIABLE DE SALIDA X VIENEN DADOS POR LA EXPRESIÓN X(N) + - 1 -2 √ 𝑛
. INDICAR LA CORRECTA:
PREGUNTA AÑADIDA: EN LA EXPRESIÓN ANTERIOR, SI ALFA ES MUY ELEVADO, ¿QUÉ SE PUEDE DECIR
DE LA AMPLITUD DEL INTERVALO Y DE LA CALIDAD DE LA INFORMACIÓN QUE PROPORCIONA?
ESTA EXPRESIÓN REPRESENTA LOS EXTREMOS DE LOS INTERVALOS DE CONFIANZA PARA LA MEDIA DE
UNA VARIABLE DE SALIDA X. LA PROBABILIDAD DE QUE LA MEDIA ESTÉ CONTENIDA EN DICHO
INTERVALO DISMINUYE Y LA VALIDAD DE LA INFORMACIÓN TAMBIÉN.
NOTA: LA INFO QUE OFRECE UN INTERVALO DE CONFIANZA ES MAYOR CUANTO MENOR SEA SU
AMPLITUD Y CUANTO MAYOR SEA LA PROBABILIDAD DE QUE EFECTIVAMENTE CONTENGA A LA MEDIA
10
Rocío ÁLVAREZ-REMENTERÍA MUÑOZ – ETSII – UPM
4.1. VERIFICACIÓN:
11
Rocío ÁLVAREZ-REMENTERÍA MUÑOZ – ETSII – UPM
Ejecución de una amplia variedad de configuraciones hay que ver como funciona ante
distintas situaciones.
Ejecución paso a paso poner breakpoint en lugares concretos donde queremos ver si
el programa funciona bien nos ayuda mucho.
Ejecución de hipótesis simplificadas si simplificamos la hipótesis de funcionamiento
en elementos distintos a aquellos que queremos verificar, podemos identificar posibles
errores en la parte que estamos analizando.
Herramientas del entorno de simulación cuanto mejor conozcamos el programa con
el que estamos realizando la simulación, trabajaremos menos porque podremos utilizar
instrucciones que ya están hechas.
Utilización de las herramientas de animación por ejemplo, en simio podemos ver
cómo avanzan las entidades. Este tipo de herramientas visuales nos permiten localizar
estaciones donde hay fallos, por ejemplo.
4.2. VALIDACIÓN:
Determinación del nivel de detalle adecuado y acorde con los objetivos de estudio. a
partir de cierto nivel de detalle, los resultados que se obtienen no son suficientemente
mejores como para que el modelo resultante sea interesante. Un nivel de detalle
superior al necesario entraña mayores costes y mayores tiempos de desarrollo y
ejecución.
Explicitación del modelo conceptual las hipótesis que se han llevado a cabo (tanto
explícitas como implícitas) tienen que estar registradas. Si el enfoque es modular y cada
equipo se encarga de un módulo de la simulación, todos los equipos tienen que poder
acceder a las hipótesis asumidas por los demás.
Recogida de información correcta hay que tener información sobre el régimen de
funcionamiento habitual y no trabajar con datos correspondientes a situaciones
extremas.
Interacción con los gestores y expertos son los que mejor nos pueden ayudar a definir
de forma precisa los objetivos de estudio. Además nos aportan un conocimiento muy
amplio sobre que hipótesis son buenas y cuáles no. Recordemos también que a mayor
implicación de los mismos, mayor credibilidad del modelo.
12
Rocío ÁLVAREZ-REMENTERÍA MUÑOZ – ETSII – UPM
13
Rocío ÁLVAREZ-REMENTERÍA MUÑOZ – ETSII – UPM
ANOTACIONES:
14