Simulación discreta

Simulación Montecarlo

Dr. Ing. Isabel Chiyón Carrasco

Ingeniería Industrial y
de Sistemas
Sistemas discretos
Se caracterizan en que las propiedades de interés del sistema cambian
únicamente en un cierto instante o secuencia de instante, y permanecen
constantes el resto del tiempo. La secuencia de instantes en los cuales el
estado del sistema puede presentar un cambio obedece a un patrón
periódico.

estado

tiempo

Universidad de Piura
Simulación de Montecarlo
Numerosas actividades de producción, tales
como la planeación de procesos, la
programación y el mantenimiento, son
influenciadas por incertidumbres, tales como
tiempos de trabajo variables, demanda
desconocida y fallas.

Las simulaciones de actividades inciertas que implican un proceso estocástico de

muestreo comúnmente son conocidas como métodos Montecarlo. Las simulaciones
Montecarlo usan observaciones aleatorias de una distribución de probabilidad para
duplicar el patrón de variabilidad en el sistema que se estudia.

Universidad de Piura
Simulación de Montecarlo
Es un método de muestreo a partir de
distribuciones de probabilidad discretas. La
técnica se muestra inicialmente por medio
de una ruleta y luego se amplia al realizar el
muestreo con números aleatorios.

El principio de muestreo de distribuciones

discretas se basa en la interpretación de la
Segmentación de la ruleta
probabilidad en relación con la frecuencia.

Universidad de Piura
 Simulación de Monte Carlo

Técnica de simulación

Definir valores para variables

Selección aleatoria de valores

Distribución de probabilidad
Universidad de Piura
Pasos a seguir
1. Recolectar datos reales (empíricos) sobre la distribución de
los tiempos (o cálculos aproximados de una actividad piloto).
2. Desarrollar una función de probabilidad y una función de
probabilidad acumulada.
3. Asignar un intervalo de números aleatorios a cada clase de
la función.
4. Usando números aleatorios (NA), derivar tiempos de
armado simulados.
5. Interpretar los resultados.

Universidad de Piura
Ejemplo: Desarrollo de un producto nuevo
Empresa Costos fijos= $20,000
Costos variables unitarios= $50
Reacción de la competencia = ?
Cantidad demandada = ?

Producto nuevo Precio = ?

Ganancia total = ?
Riesgo = ?

Universidad de Piura
 Agresiva: 60%
• Reacción de la competencia
Pasiva: 40%

Agresiva: $91
• Precio
Pasiva: $96

Agresiva: 200 unidades

• Cantidad
Pasiva: 500 unidades

Universidad de Piura
Ganancia total = Ingreso total – Costo total
Ganancia total = Precio*Cantidad – (C.Fijo + C.V.Unitario*Cantidad)

Ganancia total = Precio * Cantidad – (20,000 + 50 * Cantidad)

Variables interrelacionadas
Variables aleatorias
Datos disponibles
No tiene solución analítica

SIMULACIÓN
Universidad de Piura
Diagrama de flujo:
Inicio

Determinación de reacción
de competencia

Determinación de Determinación
Precio de cantidad

Cálculo de
ganancia total

Fin
Universidad de Piura
Ejemplo de una
Simulación de Montecarlo

Panadería de Pierre
La panadería de Pierre hornea y vende pan francés. Cada mañana, la
panadería satisface la demanda del día con pan recién horneado.
Pierre puede hornear el pan sólo en lotes de una docena cada uno.
El costo por pan es de 25 centavos. Para simplificar, se supone que la
demanda diaria total de pan también ocurre en múltiplos de 12. En los
registros se observa que esta demanda varía de 36 a 96 panes por día. Un pan
se vende en 40 centavos, y cualquier pan sobrante al final del día se vende a
una cocina de caridad a un precio subvencionado de 10 centavos/pan.

Universidad de Piura
 Panadería de Pierre

Si la demanda excede la oferta, se supone que hay un costo de ganancia-

pérdida de 15 centavos/pan (debido a la perdida de renombre, pérdida de
clientes con los competidores, etc). En los registros de la panadería se
observa que la demanda diaria se puede clasificar en tres tipos: alta, normal
y baja. Estas demandas ocurren con probabilidades de 0.30, 0.45 y 0.25,
respectivamente.
La distribución de la demanda por categorías se da en la siguiente tabla. A
Pierre le gustaría determinar el número óptimo de panes por hornear diario
para maximizar la ganancia (ingreso + ingreso de subvención – costo de
producción – costo por pérdidas).

Universidad de Piura
Tabla

Tipo de Demanda

Demanda Alta Normal Baja

36 .05 .10 .15

48 .10 .20 .25

60 .25 .30 .35

72 .30 .25 .15

84 .20 .10 .05

96 .10 .05 .05

Universidad de Piura
Características del
problema

✓ Aquí cada día es una simulación independiente,

no evoluciona con el tiempo .

✓ Definición de políticas que tenemos que evaluar.

✓ Longitud de la simulación.

Universidad de Piura
Proceso de simulación
Paso 1: Determinar el tipo de demanda

Paso 2: Generar la demanda real del día a partir

de la distribución de demanda apropiada.

El proceso de simulación es relativamente simple.

Se genera una demanda para el día, y se evalúan los ingresos y

egresos para determinada política.

Universidad de Piura