1

Unidad 3: Paso 3 - Modelar y simular sistemas industriales con base en teoría de

colas

NELSON RICARDO HERRERA BUSTOS

CC 1023898080

GRUPO: 212026_54

TUTOR
JOSE ENRIQUE COTES

MODELOS Y SIMULACIÓN

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

ESCUELA DE CIENCIAS BÁSICAS TECNOLOGÍA E INGENIERA

INGENIERÍA INDUSTRIAL

BOGOTÁ D.C. MAYO 2020

1
 2

INTRODUCCION

Este trabajo es creado con el fin de resumir, analizar y conceptualizar algunos de los
términos de más relevancia, relacionados con la unidad 3 del curso, correspondientes a
la simulación y análisis estadístico, con base en teoría de colas, sistemas de colas con
un solo canal: análisis estadístico y modelos de colas y Simulación: análisis de
sensibilidad.

En este documento podremos observar el respectivo análisis de cada uno de estos

temas y su respectiva interrelación en el campo real laboral y humano, con el fin de ser
conscientes de su importancia y lograr aplicarla cada vez mejor en aras de impactar
positivamente la sociedad.

2
 3

OBJETIVO GENERAL

• Comprender y afianzar los fundamentos correspondientes a la simulación y

análisis estadístico, con base en teoría de colas, sistemas de colas con un solo canal:
análisis estadístico y modelos de colas y Simulación: análisis de sensibilidad.

3
 4

OBJETIVOS ESPECIFICOS

• Resumir las temáticas abordadas en la presente unidad del curso, con el fin de
apropiarlos y ver su aplicación en el campo laboral real.
• Analizar los fundamentos adquiridos en el curso, con relación al ejercicio de
nuestra profesión.
• Interactuar con el software practico de manera consciente, desarrollando
actividades que nos permitan ampliar nuestro conocimiento y experiencia.

4
 5

TALLER-LABORATORIO 3: MODELOS DE COLAS Y SIMULACIÓN

Para el seguimiento correspondiente en el desarrollo del curso de Modelos y

simulación, se orienta desarrollar un informe en Word o PDF con un Anexo en Excel, el
informe contendrá los siguientes cuatro puntos:

1. Consulte el link: https://www.u-

cursos.cl/usuario/b8c892c6139f1d5b9af125a5c6dff4a6/mi_blog/r/Administracion_de_O
peraciones_-_Completo.pdf el capítulo “Conceptos de simulación” en el capítulo 19 A y
Responder el siguiente cuestionario:

1.1 ¿Por qué a veces se le llama a la simulación una técnica de último recurso?

La simulación se ha convertido en una herramienta estándar en los negocios. En

manufactura, se utiliza para determinar los programas de producción, niveles de
inventario y procedimientos de mantenimiento; planear la capacidad, requisitos de
recursos y procesos; y más. En servicios, se emplea ampliamente para el análisis de
líneas de espera y programación de operaciones. Muchas veces, cuando falla una
técnica matemática, se recurre a la simulación.

1.2 ¿Qué papeles cumplen las pruebas de hipótesis estadística en la simulación?

Las conclusiones que se pueden obtener de una simulación dependen del grado en
que el modelo refleja el sistema real, aunque también depende del diseño de la
simulación en un sentido estadístico. De hecho, muchos analistas consideran la
simulación como una forma de prueba de hipótesis, donde cada ejecución de
simulación ofrece uno o más datos de muestra que son susceptibles al análisis formal a
través de los métodos estadísticos inferenciales. Los procedimientos estadísticos que
normalmente se usan en la evaluación de resultados de simulación incluyen el análisis
de varianza, análisis de regresión y pruebas t

1.3 ¿Qué determina la validez de un modelo de simulación?

Para determinar la validez de un modelo, el analista tiene tres alternativas: 1) imprimir

los cálculos del programa y verificarlos mediante un cómputo separado, 2) simular las

5
 6

condiciones actuales y comparar los resultados con el sistema existente, o 3) elegir un

punto en la ejecución de simulación y comparar su resultado con la respuesta obtenida
al solucionar un modelo matemático relevante de la situación en ese punto.

1.4 ¿Se debe usar una computadora para obtener información adecuada de una
simulación? Explique.

No necesariamente se debe usar una computadora para obtener información adecuada

de una simulación, ya que manualmente se pueden modelar los casos y desarrollar el
procedimiento, sin embargo, estos cálculos pueden tomar un tiempo bastante extenso
que se puede evitar con la utilización de diversos programas de simulación y/o
lenguajes de programación ya existentes y desarrollados para estos propósitos, los
cuales pueden llegar a ser más prácticos y precisos.

1.5 ¿Qué métodos se usan para incrementar el tiempo en un modelo de simulación?

¿Cómo funcionan?

En un modelo de simulación, el tiempo se puede avanzar con uno de dos métodos: 1)

incrementos fijos o 2) incrementos variables. En ambos métodos de incrementos de
tiempo es importante el concepto de un reloj simulado. En el método de incremento de
tiempo fijo, se especifican los incrementos uniformes de tiempo del reloj (como minutos,
horas o días) y la simulación continúa por intervalos fijos de un periodo al siguiente. En
cada punto de tiempo de reloj, se rastrea el sistema para determinar si ocurría algún
evento. De ser así, se simulan los eventos y avanza el tiempo; de lo contrario, el tiempo
de todas maneras avanza una unidad.

En el método de incremento de tiempo variable, el tiempo del reloj avanza por la

cantidad requerida para iniciar el siguiente evento.

1.6 Distinga entre las distribuciones matemáticas conocidas y las distribuciones

empíricas.

Una distribución empírica se deriva de observar las frecuencias relativas de cierto

evento, como la llegada en una línea o la demanda de un producto. Es decir que se
trata de una distribución de demanda elaborada según las necesidades que sólo es
relevante para una situación en particular. Dichas distribuciones se determinan por

6
 7

observación directa o análisis detallado de registros (su uso se mostrará en el ejemplo

de simulación de líneas de espera). Pero, por ejemplo, muchas veces se puede
suponer de manera razonable que la demanda está muy vinculada con una distribución
estándar matemática, como la normal o Poisson. Lo anterior simplifica en gran medida
la recopilación y captura de datos.

1.7 ¿Por qué es importante en la simulación la duración de la ejecución?

La duración de la ejecución de simulación depende del propósito de la simulación. El

planteamiento más común sea continuar la simulación hasta lograr un equilibrio.

Otro planteamiento es ejecutar la simulación durante un periodo establecido como 1

mes, 1 año o una década y ver si las condiciones al final del periodo son razonables.
Un tercer planteamiento es establecer la duración de la ejecución de modo que se
obtenga una muestra suficientemente grande para efectos de pruebas de hipótesis
estadística

1.8 ¿Una ejecución de 100 observaciones es dos veces más válida que una de 50?
Explique.

Podemos explicar la diferencia en una forma de recopilación de datos empleada para

observar el desempeño de dos individuos (A y B). Para simplificar el procedimiento, el
rango de tiempo de servicio se dividió en intervalos de 10 segundos. Se observó al
individuo A durante 100 repeticiones del trabajo y al individuo B sólo 50 veces. El
número de observaciones no tiene que ser el mismo, pero cuantas más haya y
menores sean los segmentos de tiempo, más preciso será el estudio. La diferencia es
que más observaciones y segmentos más pequeños requieren más tiempo y personas
(así como más tiempo para programar y ejecutar una simulación).

1.9 Describa que son los números aleatorios y como se utilizan en la simulación.

Los números aleatorios son la base esencial de la simulación. Usualmente, toda la

aleatoriedad involucrada en el modelo se obtiene a partir de un generador de números
aleatorios que produce una sucesión de valores que supuestamente son realizaciones
de una secuencia de variables aleatorias independientes e idénticamente distribuidas.
Posteriormente estos números aleatorios se transforman convenientemente para
simular las diferentes distribuciones de probabilidad que se requieran en el modelo.

7
 8

1.10 Investigue para la modelación las principales herramientas de software

utilizadas.

Los programas de simulación también se pueden clasificar por categorías como de

propósito general y de propósito especial. Los sistemas software de propósito general
permiten a los programadores diseñar sus propios modelos. Algunos ejemplos son
SLAM II, SIMSCRIPT II.5, SIMAN, GPSS/H, GPSS/PC, PC-MODEL y RESQ. Los
programas de software de simulación de propósito especial se diseñan para simular
aplicaciones específicas, como Extend y SIMFACTORY.

1.11 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.

- Inicio
- Definición del problema
o Objetivos del sistema estudiado
o Variables que afecta el alcanzar el objetivo
- Construcción del modelo de simulación
o Especificación de reglas de decisión
o Especificación de distribuciones de probabilidad
o Especificación de procedimiento de incrementos de tiempo
- Especificar valores de variables y parámetros
o Determinación de condiciones iniciales
o Determinación de longitud de ejecución
- Ejecución de la simulación
- Evaluación de resultados
o Determinar pruebas estadísticas

8
 9

o Comparar con otra información

- Validación
- Proponer experimento nuevo
- Alto

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.

2. Establecer un listado de 1000 números aleatorios en una columna, establecer

una gráfica de tipo dispersión en un cuadro de dialogo explique sus características.

3. 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.

9
 10

4. 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:

Considerando un valor (Alfa = 0.10); y un error de 0,5 horas.

Determine:

a. Modelo de simulación de 40 días de operación incluyendo grafico de

estabilidad.
b. Cálculo del número de corridas necesarias para estabilizar la variable de
interés.
c. Adecuar el número de corridas según el caso del modelo del punto a.

10
 11

d. Generar 15 corridas del modelo y calcular el intervalo de confianza.

e. Establecer conclusiones y recomendaciones del caso.

SOLUCION

A.

11
 12

B.

12
 13

C.D.

13
 14

E.

14
 15

CONCLUSIONES

• Resumimos de manera simplificada cada una de las temáticas abordadas en la

presente unidad del curso, con el fin de apropiar dichos conceptos y ver su aplicación
en el campo laboral real.

• Analizamos los diferentes conceptos adquiridos en el curso, identificando la

directa relación con el ejercicio de nuestra profesión.

• Interactuamos de manera agradable con el ambiente práctico, realizando las

diferentes actividades de interacción con el mundo real, con el fin de reforzar nuestro
conocimiento y experiencia.

15
 16

BIBLIOGRAFIA

Guasch, A., Piera, M. À., & Casanovas, J. (2002). Modelado y simulación:

aplicación a procesos logísticos de fabricación y servicios. Madrid, ES: Universitat
Politècnica de Catalunya. Disponible en la Biblioteca Virtual de la UNAD (pp.6-21)|.
Recuperado de https://bibliotecavirtual.unad.edu.co:2538/lib/unadsp/reader.action?
ppg=32&docID=4310046&tm=1544037403797

Díaz de Santos, (2006). Cómo mejorar la logística de su empresa mediante la

simulación, Ediciones. ProQuest Ebook Central, Disponible en la Biblioteca Virtual de la
UNAD (pp.35-73). Recuperado de
https://bibliotecavirtual.unad.edu.co:2538/lib/unadsp/reader.action?
ppg=52&docID=3220054&tm=1544037773402

Singer, M. (2013). Una práctica teoría de la optimización lineal : datos, modelos y

decisiones. Santiago, Chile: Ediciones UC. Disponible en la Biblioteca Virtual de la
UNAD (pp.3-69). Recuperado de: http://bibliotecavirtual.unad.edu.co/login?
url=https://bibliotecavirtual.unad.edu.co:2969/login.aspx?
direct=true&db=nlebk&AN=1725244&lang=es&site=ehost-live&ebv=EB&ppid=pp_3

16