UNIDAD 3: PASO 3 - MODELAR Y SIMULAR SISTEMAS INDUSTRIALES CON

BASE EN TEORÍA DE COLAS

TUTOR

JOSÉ ENRIQUE COTES

ENTREGADO POR:

DAICY PALMA MORENO

Grupo:

212026_48

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

INGENIARÍA INDUSTRIAL

2020
 INTRODUCCIÓN

En este trabajo hablaremos de los conceptos de la modelación y simulación de

procesos y bases de teoría en cola; como se ejecutan en los sistemas industriales
de las empresas y que tecnologías usan para sus respectivos análisis.
Se desarrollan las preguntas para sugerir las técnicas de modelación, mediante
las técnicas utilizadas y analizándolas mediante el uso de herramientas
informáticas para poder interpretar los diferentes sistemas, proponer soluciones y
decisiones para la generación de escenario óptima, dependiendo de las
condiciones y medidas desempeñadas en los sistemas reales productivo y lógico
 JUSTIFICACION

Se realiza el desarrollo de este trabajo con el fin de que cada uno de los futuros
profesionales aprendan a construir y usar modelos que respondan a la realidad
operativa de las organizaciones en sistemas productivos o de servicio, procesos
logísticos o manufactura donde aplique, comprendiendo e interpretando de forma
oportuna y acertada su aplicabilidad, utilizando cada una de las herramientas
dadas en el entorno de conocimiento.

la actualidad los implementos tecnológicos están transformando los diferentes

mercados, industrias, empresas y demás, puesto que día a día surgen elementos
que permiten realizar las labores de manera más eficaz y eficiente, es así como el
curso de modelos y simulación se constituye como una herramientas necesaria en
la formación como ingenieros, ya que a partir de cada uno de los conceptos,
teorías y estrategias que permiten responder a la realidad operativa de las
organizaciones en sistemas productivos o de servicios, procesos logísticos o
manufactura donde se desee aplicar
 OBJETIVO GENERA
Analizar en qué consiste la teoría de colas, también llamada líneas de espera,
determinando las medidas de desempeño de sistema acorde a sus características
y empleándola como herramienta para la toma de decisiones.
1.1 ¿POR QUÉ A VECES SE LE LLAMA A LA SIMULACIÓN UNA TÉCNICA
DE ÚLTIMO RECURSO?

Las simulaciones proporcionan un alto nivel de interacción, tanto a nivel de

procesos hombre-máquina como aplicadas en estrategias de negocio. Esta
interacción favorece un mayor nivel de motivación y de compromiso entre los
participantes, que se ve reforzado por las competencias adquiridas durante la
ejecución del proceso y del trabajo en equipo.
La simulación en el aprendizaje tiene además numerosos beneficios tanto para los
trabajadores como para las organizaciones que la aplican en sus procesos de
formación. El entrenamiento para predecir posibles errores y mejorar la capacidad
de respuesta o el incremento de la motivación son dos consecuencias claves de la
utilización de este método para sus participantes . 

1.2 ¿QUÉ PAPELES CUMPLEN LAS PRUEBAS DE HIPÓTESIS ESTADÍSTICA

EN LA SIMULACIÓN?
la pruebas de hipótesis es un procedimiento esencial en estadística. Una
prueba de hipótesis evalúa dos afirmaciones mutuamente excluyentes sobre
una población para determinar qué afirmación es mejor admitida por los
datos de la muestra. Cuando se dice que un hallazgo es estadísticamente
significativo, es gracias a una prueba de hipótesis. ¿Cómo funcionan
realmente estas pruebas y qué significa realmente significación estadística?
De acuerdo al planteamiento de (Banks, 2005), el proceso de simulación es
extenso dado que, etapas como la recolección de la información deben
hacerse lo más precisa posible de manera que los datos obtenidos sean
verídicos y no se altere el resultado de la simulación, lo que conlleva una
inversión en tiempo y dinero que repercute en la economía de la
organización, por ello es estrictamente necesario definir el problema,
objetivos y limitantes del sistema de manera que se pueda tener la seguridad
de que la herramienta a aplicar es simulación
1.3 ¿QUÉ DETERMINA LA VALIDEZ DE UN MODELO DE SIMULACIÓN?

se lleva a cabo durante el desarrollo de un modelo de simulación con el

objetivo final de producir un modelo preciso y creíble. 12 "Los modelos de
simulación se utilizan cada vez más para resolver problemas y ayudar en la
toma de decisiones. Los desarrolladores y usuarios de estos modelos, los
tomadores de decisiones que utilizan la información obtenida de los resultados
de estos modelos y los individuos afectados por las decisiones basadas en
dichos modelos son: todos con razón preocupados por si un modelo y sus
resultados son "correctos".3 Esta preocupación se aborda a través de la
verificación y validación del modelo de simulación.
 Los modelos de simulación son imitaciones aproximadas de los sistemas del
mundo real y nunca imitan exactamente el sistema del mundo real. Debido a
eso, un modelo debe verificarse y validarse hasta el grado necesario para el
propósito o la aplicación previstos de los modelos.
La verificación y validación del modelo de simulación se inicia después de que
se hayan documentado las especificaciones funcionales y se haya completado
el desarrollo inicial del modelo.4 La verificación y validación es un proceso
iterativo que tiene lugar a lo largo del desarrollo de un modelo.

1.4 ¿SE DEBE USAR UNA COMPUTADORA PARA OBTENER

INFORMACIÓN ADECUADA DE UNA SIMULACIÓN? EXPLIQUE.

En las ciencias, la simulación es el artificio contextual que hace referencia a

la investigación de una hipótesis o un conjunto de hipótesis de
trabajo utilizando modelos un método perfecto para la enseñanza y
aprendizaje.  "Simulación es una técnica numérica para conducir experimentos
en una computadora digital. Estos experimentos comprenden ciertos tipos de
relaciones matemáticas y lógicas, las cuales son necesarias para describir el
comportamiento y la estructura de sistemas complejos del mundo real a través
de largos períodos".[cita  requerida]
"La simulación es el proceso de diseñar un modelo de un sistema real y llevar
a término experiencias con él, con la finalidad de comprender el
comportamiento del sistema o evaluar nuevas estrategias -dentro de los límites
impuestos por un cierto criterio o un conjunto de ellos - para el funcionamiento
del sistema".

1.5 ¿QUÉ MÉTODOS SE USAN PARA INCREMENTAR EL TIEMPO EN UN

MODELO DE SIMULACIÓN? ¿CÓMO FUNCIONAN?
Aquí lo que se desea es la obtención de los resultados propuestos en el
proyecto
Para avanzar más rápidamente en la consecución de estos objetivos, es
recomendable construir en primer lugar uno o varios modelos simplificados que
caractericen las partes más esenciales del sistema de interés.
Verificación y validación.
La verificación consiste en comprobar que el modelo se ejecuta correctamente
y según las especificaciones (modelo conceptual). La validación consiste en
comprobar que las teorías, hipótesis de trabajo así como suposiciones, son
correctas. Si el proceso todavía no existe, es necesario contrastar los
resultados con expertos del proceso de interés para comprobar si el modelo se
comporta tal como ellos esperan.
 Experimentación.
Se realiza después de que éste ha sido validado. Consiste en generar los
datos deseados y en realizar análisis de sensibilidad de los índices requeridos.
(Coss, 1993).

Documentación.
Es fundamental mantener un documento al día que refleje el estado del proyecto.
Por tanto, el documento evolucionará y se enriquecerá en paralelo con el proyecto
de simulación.
Dos tipos de documentación son requeridos para hacer un mejor uso del modelo
de
Simulación.
Documentación Tipo Técnico: es la documentación que el Departamento de
Procesamiento de Datos debe tener del modelo.
Manual del Usuario: con el cual se facilita la interacción y el uso del modelo
Desarrollado, a través de una terminal del computador. (e-uaem Espacio de
Formación Multimodal, 1993).

1.6 ¿CUÁLES SON LAS VENTAJAS Y DESVENTAJAS DE EMPEZAR UNA

SIMULACIÓN CON EL SISTEMA VACÍO? ¿Y CON EL SISTEMA EN
EQUILIBRIO?

VENTAJAS
Permite adquirir experiencia de manera rápida con un bajo costo y sin poner en
riesgo la productividad del sistema. 
Permite identificar áreas con problemas en un proceso complejo.
Permite realizar un estudio sistemático de alternativas aplicables al sistema.
No importa que tan complejo sea el sistema ya que todo sistema puede ser
modelado y de esta manera poder atacar el problema
Puede ser aplicada en cualquier punto de la vida de un sistema, ya sea durante el
diseño o la producción planteando alternativas para el mejoramiento del mismo

DESVENTAJAS
No es aplicable cuando existan técnicas analíticas que permitan corregir u
optimizar el sistema.
En ocasiones no es posible asegurar que el modelo sea válido. 
Es posible querer utilizar el modelo fuera de los imites para los que fue construido 
causando una falsa apreciación del problema
No existe ningún criterio científico sobre las posibles alternativas a ser simuladas
 La simulación es imprecisa y en ocasiones no proveen soluciones óptimas.

Simulación de sistemas discretos Es evidente que los sistemas productivos

evolucionan a lo largo del tiempo y, por lo tanto, deben considerarse
dinámicos. Por otra parte, aunque determinados sistemas productivos
pueden ser considerados continuos (por ejemplo, reactores químicos), la
mayoría de los sistemas productivos tienen características de sistemas
discretos, ya que los cambios de estado (recepción de materias primas, inicio
y finalización de la fabricación de lotes, entradas y salidas del almacén,...) se
producen en instantes de tiempo determinados y separados entre sí. Por
este motivo, estas notas se centran en la simulación de sistemas dinámicos y
discretos.

1.7 DISTINGA ENTRE LAS DISTRIBUCIONES MATEMÁTICAS CONOCIDAS

Y LAS DISTRIBUCIONES EMPÍRICAS.

Uno de los objetivos de la estadística es el conocimiento cuantitativo de una

determinada parcela de la realidad. Para ello, es necesario construir un
modelo de esta realidad particular objeto de estudio, partiendo de la premisa
de que lo real es siempre más complejo y multiforme que cualquier modelo
que se pueda construir. De todas formas, la formulación de modelos
aceptados por las instituciones responsables y por los usuarios, permite
obviar la existencia del error o distancia entre la realidad y el modelo. Los
modelos teóricos a los que se hace referencia se reducen en muchos casos
a (o incluyen en su formulación) funciones de probabilidad. La teoría de la
probabilidad tiene su origen en el estudio de los juegos de azar, que
impulsaron los primeros estudios sobre cálculo de probabilidades en el siglo
XVI, aunque no es hasta el siglo XVIII cuando se aborda la probabilidad
desde una perspectiva matemática con la demostración de la “ley débil de los
grandes números” según la cual, al aumentar el número de pruebas, la
frecuencia de un suceso tiende a aproximarse a un número fijo denominado
probabilidad. Este enfoque, denominado enfoque frecuentista,define la
probabilidad como una función que asigna a cada posible resultado de un
experimento aleatorio un valor no negativo, de forma que se cumpla la
propiedad aditiva. La definición axiomática establece las reglas que deben
cumplir las probabilidades, aunque no asigna valores concretos. Uno de los
conceptos más importantes de la teoría de probabilidades es el de variable
 aleatoria que, intuitivamente, puede definirse como cualquier característica
medible que toma diferentes valores con probabilidades determinadas.

Las distribuciones empíricas hacen referencia a tablas creadas por el usuario.

•Estas contienen una lista de valores de porcentajes de probabilidad asociados
con cada valor posible.

1.8 ¿QUÉ INFORMACIÓN SE NECESITA PARA UNA SIMULACIÓN CON UNA

DISTRIBUCIÓN MATEMÁTICA CONOCIDA?

Se necesita determinar la dinámica de las variables aleatorias,

ajustar una distribución de probabilidad conocida.

En algunos casos se necesita probar si una variable o unos datos siguen

determinada distribución de probabilidad, un método para hacer esta prueba es el
de bondad de ajuste o chi-cuadrado. La información debe estar presentada en un
cuadro de distribución de frecuencias.

1.9 ¿POR QUÉ ES IMPORTANTE EN LA SIMULACIÓN LA DURACIÓN DE LA

EJECUCIÓN?
El tiempo es de suma importancia en la ejecución de las obras civiles, por
ejemplo, se pueden tener retrasos que ocasionen multas o recargos por
parte del contratante; comprometiendo con ello la utilidad que se tiene
proyectada obtener de la misma.
La simulación en el aprendizaje es un método eficaz basado en tecnologías
informáticas inmersivas que concibe como agentes activos en el desarrollo
de sus conocimientos, habilidades y actitudes profesionales mediante la
experiencia. Dada su capacidad para simular escenarios reales, permite que
los participantes tomen decisiones, evalúen las consecuencias de las
mismas y obtengan un feed back constante de sus acciones, resolviendo los
problemas que puedan surgir con el objetivo de evitar riesgos innecesarios. 

1.10 ¿Una ejecución de 100 observaciones es dos veces más válida que una de 50? Explique.
1.11 DESCRIBA QUE SON LOS NÚMEROS ALEATORIOS Y COMO SE
UTILIZAN EN LA SIMULACIÓN.

Los números aleatorios son aquellos que pueden ser generados a partir de
fuentes de aleatoriedad, las cuales, generalmente, son de naturaleza física
(dados, ruletas, mecanismos electrónicos o mecánicos), y son gobernados por las
 leyes del azar; éstos exhiben verdadera aleatoriedad en la realización de
experimentos. Por su parte, los números pseudo-aleatorios son aquellas que
tienen un comportamiento similar a la naturaleza aleatoria, pero están ceñidos a
un patrón, generalmente de naturaleza matemática, que hace que su
comportamiento sea determinantico.

Una de las características más importantes de la simulación es la capacidad de

imitar el comportamiento aleatorio que existe en los sistemas estocásticos. Para
simular este comportamiento aleatorio se requiere de un método que provea la
generación de estos números aleatorios, así como de rutinas para generar
variaciones aleatorias, basadas en distribuciones de probabilidad.

Un generador de números aleatorios es un algoritmo determinístico, usado para

crear valores reales distribuidos entre 1 y O, tal que O <= X < l. Se debe
considerar lo siguiente:

 La ocurrencia de cualquier valor es equiprobable o uniforme.

 El valor de la muestra previa no afecta la probabilidad del valor de la

próxima muestra (independencia).

Estos números pueden ser transformados en valores que se ajustan a una

determinada distribución de probabilidad. Existen varios métodos que son
utilizados para generar números aleatorios, los más populares son los métodos
congruencia les, que pueden ser: aditivos, multiplicativos o mixtos .

1.12 Investigue para la modelación las principales herramientas de software utilizadas.

 Clasificación del modelo de acuerdo con su momento de finalización
 Conocimiento del sistema a modelar
 Lenguaje de simulación

Componentes del sistema a modelar

 Elementos estáticos
 Elementos dinámicos
 Los arribos
  La secuencia lógica

1.13 Del texto MODELADO Y SIMULACIÓN: APLICACIÓN A PROCESOS

LOGÍSTICOS DE FABRICACIÓN Y SERVICIOS, describa cuales son las
fases de un estudio y proyecto de simulación. El archivo en Investigar
en diferentes fuentes establecidas en el syllabus orientado a la unidad
3. Las etapas de la simulación y hacer una descripción de cada una de
estas.

Desarrollar en un archivo de Excel los siguientes ejercicios, los cuales se

presentarán en el informe de Word mediante pantallazos y los respectivos
análisis en cada punto.
1. Establecer un listado de 1000 números aleatorios en una columna,
establecer una grafica de tipo dispersión en un cuadro de dialogo explique
sus características.
2. Establecer tres columnas de 200 números aleatorios aplicando un
tratamiento según fórmula de Excel para comportamiento NORMAL,
EXPONENCIAL Y UNIFORME graficar cada columna. Teniendo en cuenta
para los correspondientes casos los siguientes datos: Media=50;
Desviación Estándar =5; Para la uniforme de un rango de 1 a 50.
 1. Desarrollar el siguiente caso estableciendo una simulación en Excel:

Se desea simular la llegada y descarga de barcos en un muelle para determinar el

número promedio de barcos que se retrasan para ser descargados al siguiente día, los
datos para realizar la simulación son los siguientes:

Barcos que Barcos que

Probabilidad Probabilidad
llegan por día llegan por día
0 15% 1 7%
1 18% 2 13%
2 14% 3 45%
3 21% 4 22%
4 18% 5 13%
5 14%

Barcos que
llegan por
Probabilid
DE A
Barcos que
llegan por
Estadisticos
ad
día día
Promedio 1,40
0 15% 0 0,15 0
1 18% 0,15 0,33 1
2 14% 0,33 0,47 2 Desviacion
3 21% 0,47 0,68 3 1,63
4 18% 0,68 0,86 4 Estandar
5 14% 0,86 1,00 5
 Barcos Barcos
descargados Probabilidad DE A descargad
por día os por día

1 7% 0 0,07 1
2 13% 0,07 0,20 2
3 45% 0,20 0,65 3
4 22% 0,65 0,87 4
5 13% 0,87 1,00 5