Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Simulacion y Modelado
Simulacion y Modelado
Indice general
SIMULACION 3
1 INTRODUCCION 3
4 ETAPAS DE LA SIMULACION 10
6 TEORÍA DE COLAS. 17
7 ETIQUETACION DE MODELOS DE LE _ / _ / _ 21
SIMULACION
1 INTRODUCCION
Simulación es un área de estudio que forma parte de la Investigación de Operaciones
(IDO), La cual es usada prácticamente en todas las áreas de estudio conocidas.
Simulación permite estudiar un sistema sin tener que realizar experimentación sobre el
sistema real. Esto presenta muchas ventajas que discutiremos más adelante aquí. Sin
embargo, esta no es la única forma de estudiar un sistema; otra posibilidad es construir
un modelo análitico conformado por un conjunto de ecuaciones (generalmente
diferenciales) que representan al sistema para luego resolverlo para diferentes
situaciones, o bien plantear un modelo de optimización que pretende proporcionar la
mejor estrategia que el sistema debe adoptar para funcionar mejor de acuerdo con
alguna medida de rendimiento establecida en la "función objetivo" y satisfaciendo las
diversas condiciones del problema, establecidas en "las restricciones". Los modelos que
se obtienen como un conjunto de ecuaciones se denominan con frecuencia modelos
analíticos, es decir modelos de ecuaciones diferenciales o de optimización.
Por otro lado, con frecuencia se requiere que los individuos que participan en el equipo
deben tener una gran capacitación y destreza. De modo que estos equipos de trabajo
suelen ser costosos. En contraparte, para obtener modelos de simulación, los equipos de
trabajo pueden estar conformados por personas con menor calificación, de modo que la
coordinación de estos equipos es en general mas simple y casi siempre más económico.
Con esto no se pretende decir que los modelos analíticos sean inútiles, ya que existen
cierto tipo de problemas, para los cuales se conoce la forma de obtención del modelo así
como la manera de construir un algoritmo eficiente para resolverlo.
"Una simulación es una imitación de la operación de un proceso del mundo real sobre
determinado tiempo"
"El comportamiento de un sistema durante determinado tiempo puede ser estudiado por
medio de un modelo de simulación. Este modelo usualmente toma su forma a partir de
un conjunto de postulados sobre la operación del sistema real".
Determinar cuales son las variables más importantes del modelo de un sistema,
mediante el uso de simulación. De esta manera se podrá construir un modelo refinado
del sistema real. Esto puede ser útil para la construcción de modelos diferentes a los de
simulación.
En los tres primeros ejemplos, la variable aleatoria X se dice que está uniformemente
distribuida, ya que todos los resultados tienen la misma probabilidad. Sin embargo, en el
último ejemplo, la variable aleatoria X, no está uniformemente distribuida.
El problema crucial de la aplicación de los métodos de Montecarlo es hallar los valores
de una variable aleatoria (discreta o continua) con una distribución de probabilidad dada
por la función p(x) a partir de los valores de una variable aleatoria uniformemente
distribuida en el intervalo [0, 1), proporcionada por el ordenador o por una rutina
incorporada al programa.
Para simular un proceso físico, o hallar la solución de un problema matemático es
necesario usar gran cantidad de números aleatorios. El método mecánico de la ruleta
sería muy lento, además cualquier aparato físico real genera variables aleatorias cuyas
distribuciones difieren, al menos ligeramente de la distribución uniforme ideal. También,
se puede hacer uso de tablas de cifras aleatorias uniformemente distribuidas,
comprobadas minuciosamente en base a pruebas estadísticas especiales. Se emplean
solamente cuando los cálculos correspondientes a la aplicación del método de
Montecarlo se realiza a mano, lo que en estos tiempos resulta inimaginable. En la
práctica, resulta más conveniente emplear los denominados números pseudoaleatorios,
se trata de números que se obtienen a partir de un número denominado semilla, y la
aplicación reiterada de una fórmula, obteniéndose una secuencia {x0, x1, x2, ... xn} de
números que imitan los valores de una variable uniformemente distribuida en el intervalo
[0, 1).
La tabla describe el sorteo de una variable discreta, siendo?? una variable aleatoria
uniformemente distribuida en el intervalo [0,1).
Condición Resultado
0<=?<0.25 0
0.25<=?<0.75 1
0.75<=?<0.875 2
0.875<=?<1 3
Una vez visto un caso particular, el problema general puede formularse del siguiente
modo:
Si X es una variable aleatoria discreta cuyos posible resultados son {x0, x1, x2 , ... xn-1} y
sean {p0, p1, p2, ... pn} sus respectivas probabilidades. Al sortear un número aleatorio ?,
uniformemente distribuido en el intervalo [0, 1), se obtiene el resultado xi, si se verifica la
siguiente condición:
(1)
(2)
(3)
que es una línea recta, que vale cero cuando x=a, y uno cuando x=b, tal como puede
verse en la figura inferior. Utilizando la fórmula (3) de la transformación de la variable
aleatoria continua y despejando x, se obtiene
x=(a*x+c)%m;
donde a, c, m, son constantes cuyos valores elige el creador de la rutina, así por ejemplo
tenemos
A) PERÍODO DE ORIENTACIÓN.
Denominado también como el primer período de la investigación.
El equipo de Investigación de Operaciones ajeno a la empresa tiene la oportunidad de
valorar al problema y a la organización. Los promotores que son los críticos científicos y
los que ayudan a la organización económicamente (fundaciones, gobierno,...) tienen
también una oportunidad similar de tener un acercamiento a la empresa.
Así, al final del período de orientación puede especificarse bajo que condiciones se
realiza la investigación y puedan tomarse las medidas necesarias que satisfagan tales
condiciones.
Se empieza por enumerar a todos los componentes del sistema que contribuye al
rendimiento o no rendimiento de su funcionamiento.
Para su buen manejo resulta conveniente agrupar ciertos componentes del sistema . La
combinación de éstos pueden dar origen a otro diferente.
Sìmbolos de sustituciòn.
1. Método Analítico.
2. Método Numérico.
3. Método de Simulación.
3.- Existen los MÉTODOS DE SIMULACIÓN, que son los que imitan al sistema real, es
muy útil en la solución de problemas complejos, de riesgo y bajo incertidumbre.
Los sistemas no suelen ser estables y su estructura está sujeta a cambios, que pueden
ser cambios entre las variables que definen al propio sistema , o pueden ser cambios
entre los valores de las variables del sistema.
El objetivo del establecimiento de controles, es para que no se pierda la efectividad del
modelo matemático debido a cambios en los parámetros y la eficacia de la solución
puede verse disminuída en consecuencia a:
- cambio de los valores
- cambio de la relación entre ellos
- cambio en ambos factores.
En consecuencia, un parámetro que no era significativo puede llegar a serlo o puede
dejar de serlo, o tal vez, cambiar su grado de importancia.
El diseño de un sistema de control deberá tomar en cuenta lo siguiente:
1. Enumeración de las variables y la relación entre ellas, y la manera en que afecta a la
solución el cambio de los valores.
Los profesionales que típicamente enfrentan estos problemas son, los ingenieros de
sistemas, industriales, de sistemas computacionales y de informática; sin embargo, estos
son problemas afectan todos los sectores productivos, de manera que las LE's tienen un
gran potencial de aplicación.
Usando modelos matemáticos obtenidos ex profeso para ciertos tipos de LE´s que se
presentan con frecuencia y
N( t )
a lim
t t
L a W
L Q a WQ
Los modelos de Líneas de Espera (LE), se derivan generalmente a partir de los procesos
de Nacimiento y Muerte, los cuales son procesos de Markov con "Entradas Poisson y
Tiempos de Servicio Exponencial". Esto significa que la situación de espera en la cual el
número de llegadas y salidas del sistema, durante un intervalo de tiempo, esta
controlado por las siguientes condiciones:
La Probabilidad de que un evento (es decir llegada o salida) ocurra entre los
instantes de tiempo t y t+h, depende únicamente de la longitud del intervalo de
tiempo entre esos dos instantes, esto es depende solamente de h. Esto quiere decir
que la probabilidad de ocurrencia de un evento durante el intervalo t y t+h no
depende del número de eventos ocurridos antes de t ni tampoco del valor de t.
Si h es intervalo de tiempo muy pequeño, la probabilidad de que ocurra un evento
durante ese intervalo nunca es mayor que la unidad y siempre es positiva.
Durante el intervalo h solo puede ocurrir un evento, es decir lo que puede variar es la
probabilidad de que ocurra un evento durante ese intervalo.
n-2
n-1
n n+1
Sea: 0, 1,… n, la media de llegadas cuando hay 0.1,…n clientes en el sistema y 1,
2,…,n,n+1, la tasa media de servicio cuando hay 1,2,…n, n+1 clientes en el sistema.
Sean Po, P1, …Pn, las probabilidades de estado estable. Entonces usamos las
ecuaciones de balance de flujos:
Suma de flujos de entrada = Suma de flujos de salida
Para determinar cada Pi mediante este método, escribimos las ecuaciones para cada
nodo:
Utilizamos ahora:
Pn = Cn P0 ……(2)
Pn =1
0
o bien
P0 + Pn = 1 ….(3)
1
Esto se consigue haciendo variar n desde 1 hasta infinito. Significa que la ecuación (2)
con la (3) formará un sistema consistente.
P0 + CnP0 =1
1
Entonces P0 es igual a:
1
P0 = --------------------- (4)
1 + Cn
1
La ecuación (4) converge si Cn < 1, esto es un resultado que resulta del área de Series y
Sucesiones, y que se estudia normalmente en los cursos elementales de Cálculo
Diferencial e Integral, Álgebra o Matemáticas Discretas.
Note que se puede calcular P0 de la ecuación (4) ya que las tasas de llegadas y de
servicios son por lo regular conocidas. Nótese también que con la ecuación (2) podemos
calcular todas las Pi's, puesto que P0 es ahora conocida.
Recordamos el concepto de valor esperado de una variable aleatoria xi, que se define
como:
Xi Pi
0
Entonces el número esperado de clientes en el sistema L y el número esperado de
clientes en la línea de espera Lq es:
L= n Pn
0
Lq = (n-s) Pn
n=s
8 ETIQUETACION DE MODELOS DE LE _ / _ / _
_________/____________________/_________________
a) A/B/S/K/m/Z b) A/B/S/Z/m/K
Es una notación extendida de la anterior (es decir el caso anterior es un caso particular)
donde:
La LE es infinita
La fuente es infinita
La disciplina es FIFO
En este modelo se considera que las tasas medias de llegadas y de servicio no cambian
con el número de clientes en el sistema, es decir:
Ademas:
W(t) = e-t/w
Wq(t) =e-t/w
Pn = n(1 - )
Lq = L - ´ /
Wq = Lq / ´
Ejemplo:
Un vigilante atiende a los visitantes, los cuales van llegando a razón de 16 por
hora, el vigilante atiende a razón de 20 clientes por hora, se pide:
Datos:
= 16 clientes/hora
= 20 clientes/hora
Aplicando (1)
= 16 = 4
20 5
a) Aplicando (3)
L= 4/5 = 4 clientes
1 - 4/5
a) Aplicando (2)
Similar a la anterior pero con una longitud limite "K" para la cola
= Para n = 0, 1, 2,..........K-1
0 Para n = K, K+1, .........
Pn = n(1 - ) ( 1) .......1a
1 - K+1
K ( = 1) ........1b
2
L Longitud de la cola:
L= - (K+1)k+1 ( 1) ..........2a
1- 1 - K+1
K ( = 1) ..........2b
2
Ejemplo:
En una estación de servicio se cuenta con solo un grifo para la atención. Los clientes
llegan en un proceso de poisson a razón de 10 vehículos por hora mientras que son
atendidos bajo un proceso exponencial con una media de 3 minutos, además se sabe
que la venta promedio es de 18 dollares. Debido a que la estación es pequeña, solo
puede mantener 4 autos en espera, si llegan mas cuando esta llena debe buscar otro
grifo. Determinar:
a) El numero promedio de vehículos en la cola.
b) El tiempo que los clientes deben esperar para esperar la atencion.
c) Las perdidas por la no atención de clientes.
Solución:
Datos:
= 10 clientes/hora
= 3 minutos o 20 clientes/hora
k=4
= 10 = 1
20 2
L= 1 - (5)(1/2) 5
1 - (1/2) 5
L= 1 - (5)(1/2) 5
1 - (1/2) 5
b)
Pk= (1/2)4(1-1/3) = 0.0322
1 - (1/2)5
¨ = (1-Pk)
¨ = 10 (1-0.0322) = 9.678
Wq = 0.3551/9.678 = 0.0367
n = n0
n= n n0
s ns
Po= n=s-1
n + s -1
n! s!(1 - /s)
n=0
n!n
n = (n/s!ssn-s)Po ......n s
s!sn-s
Lq= s+1 Po
(s+1)!(s-)2
Wq = Lq/
W = Wq + 1/
Ejemplo:
Solución:
S=2
n=3
=
= 3 minutos o 20 clientes por hora
= 3/4
P3 = ((3/4)3/2!*23-2)*(20/53) = 0.397
9.3.1.1
n = n = 0,1,2,3, ........k-
1
0 n = k, k+1, k+2, ....
= /s
s!(1-) n!
n=0
n!
s!(1-)
s!(1-)2
Wq = Lq/
Problema:
En un taller de mecanica existen 4 mecanicos que atienden a los los clientes. El taller
solo cuenta con espacio para 3 automoviles en espera. Los clientes llegan en promedio
de 15 por hora bajo una tendencia de poison y son atendidos con una media de 12
minutos por auto bajo una tendencia exponencial, se pide:
Solucion:
S=4
K=7
= 15 autos hora
= 60/12 = 5 autos por hora
= 15/4*5 = 3/4
Po = 44(3/4)4+1(1-(3/4)7-4)/4!(1-3/4)+1/0!+(4(3/4))1/(2!)+(4(3/4))2/(2!)+(4(3/4))3/(3!)
+(4(3/4))4/(4!))-1
Po = 0.04498
Lq = 44(3/4)5*(1-(3/4))7-4-(1-3/4)(7-4)(3/4)7-4)(0.04498)/(4!(1-(3/4))2)
Lq =0.4767
Wq = 0.4767/14.0394 = 0.03395
W =Wq+1/ =0.03395+1/5 = 0.2339
Cola 1
Cola 2
Cola 3
Practica calificada
Resumiendo, las variables que acumulan (que se llaman niveles o "stocks") representan
la acumulación de distintas entidades del sistema, tales como cantidad de empleados,
kilogramos de trigo, pedidos no cubiertos, artículos en inventario, etc. Mientras que las
tasas son las variables que determinan las variaciones en los niveles del sistema.
Además de los dos símbolos vistos arriba para las tasas (símbolo de una válvola) y los
niveles (símbolos de un rectángulo), en la dinámica de sistemas se usan también los
siguientes símbolos:
Una variable de estado (o nivel), es decir una variable que acumula sus valores (que
matemáticamente se representa con un integrador) es cambiada por variables que se
representas por flujos de material (tasas). Por ejemplo si N es el Nivel, FE y FS los flujos
de entrada y de salida, se puede escribir la siguiente ecuación:
Considerando el ejemplo de la población indicado arriba se podría tener por ejemplo que:
Tasa (flujo)de Natalidad = 0.1 * Población, donde TN = 0.1.
número de viviendas del municipio (Nº de viv), de la superficie media de las viviendas
(Sup med viv), del porcentaje de zonas verdes (P zv) y del suelo que deba destinarse a
uso público (P cp). La suma del suelo residencial y del suelo industrial da el suelo
urbano. Por último, la disponibilidad de suelo urbanizable se obtiene como diferencia
entre la superficie total (Sup total) y la suma de suelo urbano (S urb) y no urbano (S no
urb) del municipio. La mayoría de las variables Aux i en las ecuaciones surgen como
consecuencia de incongruencia en las unidades al realizar las simulaciones.
Escenario 1, municipio de Lepe, período 1992 a 1998 (Inicial): Los valores de partida de
esta simulación se han tomado de los datos reales de Lepe para 1992. Así, se parte de
una población inicial de 16784 habitantes y de 9342 viviendas correspondientes al 31 de
Diciembre del 1991 y de una superficie total de 13402.5 hectáreas. Los parámetros
iniciales tienen los siguientes valores: tasa de nacimientos 0.0122, tasa de muertes
0.0069, tasa de emigración sin efecto del paro 0.00607, tasa de inmigración 0.0098, tasa
de matrimonios 0.006, tasa de derrumbamiento 0.0004, etc. Se trata de estimar cual
sería la población para 1998, en la hipótesis de haberse mantenido constantes tales
parámetros durante los cinco años.
Hipótesis 1ª: Partiendo del escenario inicial anterior, se formula la hipótesis de que
aumente la esperanza de vida de los "leperos", haciendo que su tasa de muertes
disminuya un 15% y que su tasa de nacimientos crezca un 30%, mientras que el resto de
los parámetros permanecen constantes.
Hipótesis 2ª: Partiendo del mismo escenario inicial, supongamos una mejora general de
la economía que afecte a los sectores más importantes del municipio (agricultura y
turismo), ocasionando un aumento relativo en el nivel salarial mensual medio de los
habitantes de Lepe en un 4% y que aumente también la tasa de matrimonios un 20%;
mientras que el resto de los parámetros permanecen constantes.
11.7 CONCLUSIONES
Aunque el modelo expuesto adolezca de ciertas simplificaciones, lo cierto es que
describe los aspectos más importantes, así como las relaciones entre las principales
variables integrantes del sistema urbano en un municipio cualquiera. Debido a ello,
permitiría obtener de forma bastante aproximada la evolución de las variables de estado
del sistema ante diferentes hipótesis y escenarios de previsión alternativos. De esa
forma, permitiría a lo responsables de la planificación urbanística de una municipalidad
tomar decisiones más consistentes, con menor riesgo y con suficiente adelanto, sobre la
respuesta del municipio ante las necesidades futuras que pudieran ocasionar
crecimientos de la población del mismo, por ejemplo, en materia de viviendas, suministro
de agua, saneamiento, infraestructura, etc.
Examen Final