Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Entrada y Salida
4. Realizar la prueba de
bondad de ajuste Si no se puede aceptar una distribución
(¿Rechazar la hipótesis de que la Conocida Usa una distribución empírica
distribución elegida es correcta?)
Ej: Modelado de tiempos entre
llegadas (I)
1. Recopilación de datos del sistema real
Tiempo entre llegadas (t) Frecuencia
0t<3 23
3t<6 10
6t<9 5
9t<12 1
12t<15 1
15t<18 2
18t<21 0
21t<24 1
24t<27 1
Etc.
Ej: Modelado de tiempos entre
llegadas (II)
◼ Identificar un tipo de distribución / familia apropiada
◼ Dibujar el histograma
1. Dividir los datos en intervalos apropiados
◼ Generalmente de igual tamaño
2. Determine la frecuencia del evento para cada intervalo
3. Dibujar la frecuencia (eje y) para cada intervalo (eje x)
25
20
15 La distribución
exponencial parece
10 ser una buena
primera suposición
5
0
0-3 3-6 6-9 9-12 <15 <18 <21 <24 <27
Ej: Modelado de tiempos entre
llegadas (III)
◼ Estimar los parámetros que definen la distribución elegida.
◼ En el ejemplo, 𝐸𝑥𝑝 𝛼 ha sido elegido ⇒ necesita estimar el
parámetro 𝛼
◼ ti = es el i-ésimo tiempo entre llegadas en la muestra recolectada de
𝑛 observaciones
N
ti
1 1
= t = i=1 = = ... = 0.084
N t
Ej: Modelado de tiempos entre
llegadas (IV)
◼ Realizar prueba de bondad de ajuste
◼ El propósito es probar la hipótesis de que los datos
se describen adecuadamente mediante la
distribución elegida en los pasos 1-3
◼ Dos de las pruebas estandarizadas más conocidas
son
◼ La prueba 2
◼ No debe aplicarse si el tamaño de la muestra n <20
◼ La prueba de Kolmogorov-Smirnov
◼ Una prueba relativamente simple pero imprecisa
◼ A menudo se usa para muestras pequeñas
Validez de la prueba 2
◼ Depende del tamaño de la muestra 𝑛 y del tamaño de los
intervalos
◼ Reglas de dedo
◼ La prueba es aceptable para los niveles de significancia ordinarios
2
i − 1
D + = max − F( x i ) D − = max F( x i ) −
i
1i n n 1i n n
Non-terminating
Non-terminating Terminating
Terminating
Steady
Steady state
state Transient
Transient state
state Time-controlled
Time-controlled Event-controlled
Event-controlled
analysis
analysis analysis
analysis termination
termination termination
termination
Tipos de simulaciones con
respecto al análisis de la salida
Terminating simulation: es uno para el que hay un
evento "natural" 𝐸 que especifica la duración de cada
ejecución (replicación). Dado que las diferentes
ejecuciones usan números aleatorios independientes y
la misma regla de inicialización, esto implica que las
variables aleatorias comparables de las diferentes
ejecuciones son IID.
Dado que las condiciones iniciales para una
terminating simulation generalmente afectan las
medidas de rendimiento deseadas, estas condiciones
deberían ser representativas de las del sistema real.
Tipos de simulaciones con
respecto al análisis de la salida
Termina después de un lapso de tiempo predeterminado
◼ Normalmente, el sistema comienza desde un estado vacío y termina
en un estado vacío
◼ Ex. Una tienda de comestibles, un proyecto de construcción, ...
◼ Los procesos de terminación pueden o no alcanzar el estado
estable
◼ Por lo general, el período transitorio es de gran interés para estos
procesos.
◼ Datos de salida generalmente obtenidos de múltiples
ejecuciones de simulaciones independientes
◼ La duración de una ejecución está determinada por la terminación
natural del proceso.
◼ Cada ejecución necesita un flujo diferente de números aleatorios
◼ El estado inicial de cada ejecución suele ser el mismo.
Tipos de simulaciones con
respecto al análisis de la salida
Ejemplo 1: un fabricante aeroespacial recibe un
contrato para producir 100 aviones, que deben
entregarse en 18 meses. A la compañía le gustaría
simular varias configuraciones de fabricación para ver
cuál puede cumplir con el plazo de entrega al menor
costo. En este caso E = 100 aviones completados.
Tipos de simulaciones con
respecto al análisis de la salida
Ejemplo 2: Considere una empresa de fabricación que
opera 16 horas al día (dos turnos) con WIP durante un
día al siguiente. ¿Calificaría esto como una simulación
de terminación con E = 16 horas de tiempo simulado?
No, dado que la operación de fabricación es
esencialmente un proceso continuo, siendo las
condiciones finales para un día las condiciones iniciales
para el día siguiente.
Tipos de simulaciones con
respecto al análisis de la salida
Nonterminating simulation: es uno para el que no hay
un evento natural 𝐸 para especificar la duración de
una corrida. Esto ocurre a menudo cuando estamos
diseñando un nuevo sistema o cambiando un sistema
existente, y estamos interesados en el
comportamiento del sistema a largo plazo cuando está
funcionando "normalmente". Se dice que una medida
de rendimiento para dicha simulación es un parámetro
de estado estable si es una característica de la
distribución en estado estable de algún proceso
estocástico de salida Y1, Y2, …
Tipos de simulaciones con
respecto al análisis de la salida
Cabe mencionar que los procesos estocásticos para la
mayoría de los sistemas reales no tienen distribuciones
de estado estable, ya que las características del
sistema cambian con el tiempo.
Ejemplo: Considerar un call center. Suponer que la
tasa de llegada de las llamadas al sistema varía con la
hora del día y el día de la semana, pero suponga que
el patrón de tasas de llegada es idéntico de semana a
semana.
Tipos de simulaciones con
respecto al análisis de la salida
Nonterminating process:
◼ Suele alcanzar un estado estable después de un período
transitorio inicial
◼ Asume que los datos de entrada son estacionarios
◼ Para estudiar el comportamiento en estado estable, es
vital determinar la duración del período transitorio
◼ Examine las gráficas de líneas de las variables de salida.
◼ Para reducir la duración del período transitorio (= “warm-
up")
◼ Inicialice el proceso con valores promedio apropiados
Tipos de simulaciones con
respecto al análisis de la salida
Estado transitorio y estable
Gráfica de línea de tiempos de ciclo y tiempo de ciclo promedio
30
20
Cy cle tim e
15
10
0 5 10 15 20 25 30 35 40 45 50
x −d x +d
Determinar un tamaño
apropiado de muestra
Si 𝑋ത esta normalmente distribuido entonces:
d = ( Z / 2 ) / n n = (( Z / 2 ) / d )2
n = ((s Z / 2 ) / d )2
Comparación de resultados de
diferentes diseños
En los proyectos de diseño de procesos de negocio, la
simulación se utiliza a menudo como una herramienta
para comparar el rendimiento de diferentes alternativas
de diseño de procesos.
Es importante no solo estimar el valor esperado de una
variable de salida, sino también investigar si este valor
es igual a un punto de referencia crítico o un valor
objetivo, o si existen diferencias estadísticamente
significativas entre las medidas de rendimiento promedio
de dos alternativas de diseño de procesos.
Comparación de resultados de
diferentes diseños
Las variables de salida en general son variables
aleatorias, que son importantes para que el análisis
comparativo tenga en cuenta la incertidumbre de la
estimación.
Una forma estadísticamente correcta de hacer esto es
utilizar la prueba de hipótesis.