MSP – LABORATORIO SIMULACIÓN

Guía de Laboratorio N°5 - MSP

Tamaño de Corridas, Réplicas e Intervalos de confianza de un

Modelo de Simulación

Pasos para implementar un Modelo de Simulación

• Recolección de Datos
• Estudios de Tiempos
• Observaciones de campo
Paso1
• Datos Históricos

• Prueba de Bondad de Ajuste.

• Realización de Pruebas
• Determinación del Tipo de Distribución de Probabilidad y
Paso2 parámetros

• Simulación de la Variable Aleatoria.

• Generación de Variables Aleatorias (un generador por cada V.A.)
Paso3 • Determinar el número de corridas.
• Simular la Variable de Interés. hasta lograr un estado estable.

A.MADRID 1
 MSP – LABORATORIO SIMULACIÓN

Número de Corridas de un Modelo de Simulación

Caso 1 Cuando la Variable analizada sigue una distribución Normal → Se aplica la T - Student

(con n-1 grados de libertad, siendo n el tamaño de la muestra).

Simulaciones No Terminales (De Estado Estable)

Tamaño de la Corrida Bajo el Supuesto de Normalidad

𝑆 2
𝑛 = [ (𝑡 𝛼
( ,𝑛−1) )]
∈ 2

Donde

S=Desviación Estándar

 = Nivel de Confianza (Rechazo)

= Error Permitido
n = Tamaño de la Corrida de Simulación

t = Valor calculado de la tabla t

n = número de intervalos

Caso 2 Cuando la Variable analizada NO sigue una distribución Normal

Donde

S = Desviación Estándar

 = Nivel de Confianza (Rechazo)

= Error Permitido
n = Tamaño de la Corrida de Simulación

A.MADRID 2
 MSP – LABORATORIO SIMULACIÓN

Intervalos de Confianza para Modelos de Simulación

Caso 1 Cuando la Variable analizada sigue una distribución Normal → Se aplica la T - Student

(con n-1 grados de libertad, siendo n el tamaño de la muestra),

Caso 2 Cuando la Variable analizada NO sigue una distribución Normal

Donde

S = Desviación Estándar

 = Nivel de Confianza (Rechazo)

= Error Permitido
n = Tamaño de la Corrida de Simulación

r = Número de Réplicas.

A.MADRID 3
 MSP – LABORATORIO SIMULACIÓN

Caso1: Distribución de probabilidad Empírica

En un restaurante de comida rápida se venden hamburguesas a S/. 18 cada uno y tienen un
costo de producción de S/. 7. Se requiere realizar un estudio de simulación para determinar
la utilidad esperada por hora que se puede obtener para el restaurante de comida rápida.
Para ello el administrador del restaurante registro el número de hamburguesas vendidas
por hora durante 25 días (200hr) obteniéndose los siguientes datos:

N° de Hamburguesas N° de horas que se vendió

vendidas por hora dicho N° de hamburguesas
0 20
1 30
2 50
3 40
4 30
5 16
6 14

Determine lo siguiente:
a. Construya un modelo de simulación. Simule en Excel para 6 días de trabajo (48 horas,
8hr de trabajo por día)
b. Elabore un gráfico de estabilidad de la utilidad considerando las 48 horas simuladas. En
base al gráfico determinar si la ¿V.A. llegó a un estado estable?
c. Realizar la prueba de hipótesis a la Utilidad donde se verifique si sigue una distribución
normal (Prueba de Bondad de Ajuste)
d. Calcular el número de corridas necesarias para que el modelo se estabilice, en caso de
ser necesario, adecuar el modelo desarrollado en el inciso a). Considerar un nivel de
confianza del 95% y un error de S/. 2
e. Realice 5 réplicas del caso anterior y calcular el intervalo de confianza de la utilidad
esperada, considerando un nivel de confianza del 95%.
f. Conclusiones y recomendaciones.

A.MADRID 4
 MSP – LABORATORIO SIMULACIÓN

Caso 2 Presencia de Colas en el Muelle

de un Puerto de descarga de Barcos.
Una empresa naviera desea simular los arribos de barcos y la descarga de sus contenedores
en el muelle portuario, para determinar cual es el número promedio de barcos que se
retrasan para ser descargados para el siguiente día, los datos que tiene la empresa son los
siguientes:
Cantidad de
Barcos que se
Arribos de Probabilidad Probabilidad
pueden
Barcos por día p(x) p(x)
Descargar
por día
0 13% 1 5%
1 17% 2 15%
2 15% 3 50%
3 25% 4 20%
4 20% 5 10%
5 10%

Los Barcos pendientes de descarga (para el día siguiente) esta en función del total de barcos
a descargar menos la cantidad de barcos descargados. Determine el promedio de barcos
pendientes de descarga para el día siguiente.
a. Construya un Modelo de Simulación para 30 días de operación.
b. Elabore un gráfico de estabilidad de los barcos pendientes de descarga
considerando los 30 días de operación. En base al gráfico determinar si la ¿V.A. llegó
a un estado estable?
c. Realizar la prueba de hipótesis a de los barcos pendientes de descarga donde se
verifique si sigue una distribución normal (Prueba de Bondad de Ajuste)
d. Calcular el número de corridas necesarias para que el modelo se estabilice, en caso
de ser necesario, adecuar el modelo desarrollado en el inciso a). Considerar un nivel
de confianza del 95% y un error de 0.1 barcos
e. Si fuera necesario adecuar el Modelo de la pregunta a.
f. Realice 20 réplicas del modelo y calcular el intervalo de confianza, considerando un
nivel de confianza del 95%.
g. Conclusiones y recomendaciones.

A.MADRID 5
 MSP – LABORATORIO SIMULACIÓN

Caso 3 Políticas de Mantenimiento

Se requiere simular el proceso de paralización “descomposturas y reparación” de unos
generadores eléctricos, para estimar los tiempos muertos que en promedio tienen dichos
generadores. Se requieren 200 observaciones registrando los datos de los tiempos entre
fallas y del tiempo de reparación, se tiene las siguientes tablas de información.
Tiempo de
Tiempo entre N° de Reparación N° de
Fallas (Hr) Observaciones (Hr) Observaciones
0.5 10 1 56
1.0 12 2 104
1.5 32 3 40
2.0 66 Total 200
2.5 42
3.0 38
Total 200

La hora que finaliza la reparación es la suma del tiempo de reparación mas la hora que inicia la
reparación. (la hora que inicia la reparación inicial es la misma que la hora que se presenta la falla,
luego sera el máximo de la hora que finaliza y la hr que se presenta lafalla)

Los tiempos muertos de reparación de los generadores estan en función de la hora de inicio
de reparación menos hora en que se presenta la falla. Tome en cuenta elencabezado que
se presenta a continuación

Tiempo Hora que se Tiempo de hora que hora que Tiempo

N° de falla NsAs 1 entre Fallas presenta la NsAs 2 Reparación inicia la finaliza la muerto de
(Hr) falla (Hr) reparación reparación reparación

Ademas se debe considerar = 5% y un error de 0.01 en la horas de tiempos de reparación.

a. Construya un modelo de simulación para 50 fallas o descomposturas. Determine el
grafico de la variable de interés.
b. Calcular en número de corridas necesarias para estabilizar la variable de interés. Si
fuera necesario adecuar el Modelo de la pregunta a.
c. Realice 15 réplicas del modelo y calcular el intervalo de confianza. Determine el
grafico de las réplicas.
d. Conclusiones y recomendaciones.

A.MADRID 6
 MSP – LABORATORIO SIMULACIÓN

CASO 4

Una empresa fabricante de saborizantes para producir refrescos, ha decidio abrir una nueva
sucursal. El Clima de la zona es muy variable.

Clima Caluroso Templado Frío Helado

Probabilidad 50% 25% 15% 10%
La venta de refrescos tiene un comportamento según la estación del clima, la siguiente tabla
se muesta la probabilidad del consumo en función al clima.

Clima Caluroso
Litros vendidos /día 50 100 200 300
Probabilidad 10% 30% 40% 20%
Clima Templado
Litros vendidos /día 40 50 100 200
Probabilidad 10% 20% 40% 30%
Clima Frío
Litros vendidos /día 10 20 50 100
Probabilidad 5% 70% 20% 5%
Clima Helado
Litros vendidos /día 0 5 10 20
Probabilidad 5% 70% 20% 5%

El costo de producción diario es de 1000 soles, el litro de saborizante se vende en 50soles.

Realice un estudio completo de simulación para evaluar la utilidad diaria esperada.
Considerar alfa 5% y un error de 2soles. Tome en cuenta el encabezado para el desarrollo
del modelo.
Costo de
Tipo de Cantidad de Lts Precio de
Dia N.A. 1 N. A.2 producción Utilidad
Clima Vendidos/día Venta
x día

a. Construya el Modelo de Simulación para un horizonte de 6 meses (180 días).

b. Construya el grafico de simulación y verifique si es estable.
c. Desarrolle una prueba de hipótesis sobre la variable analizada (si sigue una
Distribución Normal – Use el paquete Minitab)
d. Determine el número de corridas a realizar.
e. Realice 10 réplicas (realice la prueba de hipótesis para los promedios de la variable
analizada – Use el paquete Minitab)
f. Halle el intervalo de confianza de la variable analizada.
g. Conclusiones y recomendaciones

A.MADRID 7
 MSP – LABORATORIO SIMULACIÓN

A.MADRID 8
 MSP – LABORATORIO SIMULACIÓN

Caso 5. Caso de Inspección

En una fábrica se desea estimar el tiempo promedio de permanencia de ciertas piezas en el
proceso de inspección de calidad. Para ello se tomaron tiempo a 200 piezas, para identificar
el tiempo que transcurre entre la llegada de las piezas a la estación, así como la duración de
la inspección (tiempo en minutos /pieza). Las pruebas de bondad de ajustes indicaron que
los tiempos de llegada e inspección siguen las siguientes distribuciones de probabilidad:

Variable Aleatoria Tipo Distribución Parámetros

Tiempo entre llegada Continua Exponencial Media=5
de piezas (min/pieza)
Tiempo de inspección Media=4
Continua Normal
(min/pieza) Desviación = 0.5

Realice un estudio completo de simulación para evaluar el tiempo promedio de inspección.

Considerar alfa 5%.

a. Construya el Modelo de Simulación para 500 piezas.

b. Construya el grafico de simulación y verifique si es estable.
c. Determine el número de corridas a realizar.
d. Realice 10 réplicas (realice la prueba de hipótesis para los promedios de la variable
analizada – Use el paquete Minitab)
e. Halle el intervalo de confianza de la variable analizada.

Solución

Observaciones
GNV

• Tiempo entre Llegadas: X1  Exponencial () → X1 = -5Ln(R)

• Tiempo de Inspección: X  Normal (4, 0.5)

A.MADRID 9
 MSP – LABORATORIO SIMULACIÓN

Caso 6.
Proceso de ensamblaje e Inspección
Dos barras metálicas (Barra A y Barra B) son unidas mediante un proceso de soldadura para formar
una barra de mayor longitud. La longitud de la barra final tiene una especificación de 80 10cm. Se
requiere construir un modelo de simulación que permita estimar el porcentaje de piezas
defectuosas, para ello se miden 100 muestras de cada tipo de barra, cuyas pruebas de bondad de
ajuste indican que las medidas de dichas barras siguen las siguientes distribuciones.

Variable
Tipo Distribución Parámetros
Aleatoria

Media de la Mínimo = 45
Continua Uniforme
Barra A (cm) Máximo = 55

Parámetro de
Media de la
Continua Erlang Forma = 4
Barra B (cm)
Valor Esperado =30

Realice un estudio de simulación completo para estimar el porcentaje de barra defectuosas

a. Construya el Modelo de Simulación para 500 barras.

b. Construya el grafico de simulación y verifique si es estable.
c. Determine el número de corridas a realizar.
d. Realice 10 réplicas (realice la prueba de hipótesis para los promedios de la variable
analizada – Use el paquete Minitab)
e. Halle el intervalo de confianza de la variable analizada.
GVA Erlang

1/ = Valor Esperado

Erlang
k=parámetro de forma

A.MADRID 10
 MSP – LABORATORIO SIMULACIÓN

Caso 7
Simulación Modelo de Inventario

Por temporada de invierno, se tiene un proceso de producción de calentadores electrónicos

(estufas de calefacción). La demanda diaria que sigue este producto es una distribución
normal con una media de 80 estufas por día, con una desviación de 10 por día. Se desea
saber cuál es la mejor política de producción, considerando que el costo faltante de un
refrigerador es de 400 soles por día, y el costo de tener un refrigerador en inventario es de
100 soles por día. Considere las siguientes políticas de producción: 60, 70 u 80
refrigeradoras por día.
Realice un estudio de Simulación completo para cada política de inventarios, realice 10
réplicas.
a. Construya el Modelo de Simulación para un horizonte de 12 meses (365 días).
Considere los campos: Días, Inventario Inicial, Política de Producción1, Total
Disponible, Demanda, Ventas, Ventas Perdidas, Inventario Fina, Costo faltante,
Costo de Inventario, Costo Total
b. Construya el grafico de simulación y verifique si es estable.
c. Desarrolle una prueba de hipótesis sobre la variable analizada (si sigue una
Distribución Normal – Use el paquete Minitab)
d. Determine el número de corridas a realizar.
e. Realice 10 réplicas (realice la prueba de hipótesis para los promedios de la variable
analizada – Use el paquete Minitab)
f. Halle el intervalo de confianza de la variable analizada.
g. Que política recomendaría Usted para el proceso de producción diario.

A.MADRID 11