SIMULACIÓN

Docente:
Mg. YESENIA RAMOS
 Introducción
Simulación es una asignatura obligatoria de la
Facultad de Ingeniería, que cursan las Escuelas
Académico Profesionales de Ingeniería de
Sistemas e Informática, Ingeniería Empresarial,
Ingeniería Mecatrónica e Ingeniería Industrial.
Desarrolla, a nivel logrado, las competencias Su relevancia reside en desarrollar
transversales: Conocimientos de Ingeniería y
en el estudiante habilidades
necesarias para abstraer los
Experimentación, y, a nivel intermedio, la elementos de un sistema para
competencia específica Uso de Herramientas elaborar modelos de simulación y
Modernas. pronosticar resultados en diferentes
escenarios, haciendo uso de las
herramientas pertinentes.
RESULTADOS DE APRENDIZAJE

Al finalizar la asignatura, el estudiante será capaz

de formular modelos de simulación para el
pronóstico de resultados en diferentes escenarios
que permitan apoyar la toma de decisiones,
empleando herramientas de simulación
pertinentes.
SIMULACIÓN DE MONTE CARLO
OBJETIVOS

Cuando Ud. complete esta clase debe conocer y

aplicar:
1. Enfrentar una amplia gama de problemas
usando simulación.
2. Entender los siete pasos para realizar una
Simulación Monte carlo.
3. Explicar las ventajas y desventajas de la
Simulación Monte carlo.
4. Desarrollar intervalos de números aleatorios y
utilizarlos para generar resultados.
INTRODUCCIÓN

La simulación Monte Carlo es una de las herramientas

de análisis cuantitativo más utilizadas.
Simular es tratar de duplicar las funciones, apariencia y
características de un sistema real.
La idea es imitar una situación real con un modelo
matemático que no afecte las operaciones.
Vamos a construir un modelo matemático que se
aproxime lo más posible a la representación de la
realidad del sistema.
 INTRODUCCIÓN
Al utilizar la simulación, un Ingeniero debería:
1. Definir un problema.
2. Introducir las variables asociadas con el problema.
3. Construir un modelo de simulación.
4. Establecer los posibles cursos de acción para
probarlos.
5. Efectuar una corrida de simulación del
experimento.
6. Considerar los resultados (y quizá decidir modificar
el modelo o cambiar los datos de entrada).
7. Decidir el curso de acción a tomar.
PROCESO DE SIMULACIÓN DE MONTE CARLO

Al utilizar la simulación, el Ingeniero debería:

 VENTAJAS
La simulación tiene las siguientes ventajas:
1. Es relativamente directa y flexible.
2. Los avances recientes en software hacen que sea muy
sencillo desarrollar modelos de simulación.
3. Sirve para analizar situaciones reales grandes y
complejas.
4. Permite preguntas del tipo “¿qué sucedería si?”
5. No interfieren con el sistema real.
6. Nos permite estudiar el efecto interactivo de los
componentes o variables individuales.
7. Es posible el “tiempo de compresión”.
8. Acepta la inclusión de complicaciones del mundo real.
 DESVENTAJAS

1. Desarrollar el modelo con frecuencia resulta costoso

y requiere un proceso complicado y largo.
2. No genera soluciones óptimas; es un enfoque de
ensayo y error.
3. Requiere que los Ingenieros generen todas las
condiciones y restricciones del problema del mundo
real.
4. Cada modelo es único y la solución y las inferencias
por lo general no son transferibles a otros problemas.
 SIMULACIÓN MONTE CARLO

Cuando un sistema contiene variables que exhiben el azar en su

comportamiento, se puede aplicar el método Monte Carlo de
simulación.
Casos de aplicación de estas variables son:
- La demanda de un inventario diario o semanal.
- El tiempo de entrega de las o/c del inventario.
- Los tiempos entre descomposturas (fallas) de las máquinas.
- Los tiempos entre llegadas a las instalaciones de servicio.
- Los tiempos de servicio.
- Los tiempos para terminar las actividades de un proyecto.
- El número de empleados ausentes en el trabajo cada día.
 SIMULACIÓN MONTE CARLO

La base de la simulación Monte Carlo es la

experimentación sobre los elementos (variables) posibles
(o probabilísticos) mediante el muestreo aleatorio.

La técnica se compone de cinco pasos sencillos:

1. Establecer las distribuciones de probabilidad para las
variables de entrada importantes.
2. Elaborar una distribución de probabilidad
acumulada para cada variable del paso 1.
3. Establecer un intervalo de números aleatorios para
cada variable.
4. Generar números aleatorios.
5. Simular una serie de pruebas.
 EJERCICIO 1

En Grupo Hinostroza SAC, vende todo tipo de neumáticos,

pero la llanta «radial TX» es responsable de gran parte de
sus ventas generales. Al identificar que los costos de
inventario son significativos con este producto, Hinostroza
SAC quiere determinar una política para administrar el
inventario. Desea simular la demanda diaria para 10 días.

Solución:
Paso 1: Establecer distribuciones de probabilidad
Una forma común de establecer una distribución de
probabilidad es examinar los eventos históricos. Las
estimaciones gerenciales basadas en el juicio y la
experiencia también se pueden utilizar.
 EJERCICIO 1

Demanda histórica diaria para llantas radiales y la distribución de probabilidad

 EJERCICIO 1
Paso 2: Elaborar una distribución de probabilidad acumulada para cada variable
• Una probabilidad acumulada es la probabilidad de que una variable (demanda) sea menor o igual que
un valor específico.
• Una distribución acumulada lista todos los valores posibles y las probabilidades
 EJERCICIO 1
Representación gráfica de la distribución de probabilidad acumulada para las llantas radiales
 EJERCICIO 1
Paso 3: Establecer intervalos de números aleatorios
• Asignar un conjunto de números para representar cada valor o resultado posible.
• Estos se conocen como intervalos de números aleatorios.
• Un número aleatorio es una serie de dígitos que han sido seleccionados por un proceso totalmente
aleatorio.
• El rango de los intervalos de números aleatorios corresponde exactamente con la probabilidad de los
resultados.
 EJERCICIO 1

Paso 4: Generar números aleatorios

• Los números aleatorios se pueden generar de varias
maneras.

• Si el problema es muy grande, se dispone, algoritmos,

programas de software para generar los números aleatorios
necesarios.

• El método manual más común es usar una tabla de

números aleatorios.

• Porque todo es aleatorio en una tabla de números

aleatorios, podemos seleccionar los números desde cualquier
lugar de la tabla a utilizar en la simulación.
 EJERCICIO 1

Paso 5: Simulación del

experimento
• Seleccionamos números
aleatorios de la tabla.
• El número que seleccione tendrá
un rango correspondiente de la
tabla.
• Usamos la demanda diaria que
corresponde a la gama de
probabilidad alineada con el
número aleatorio.
 EJERCICIO 1
Simulación de 10 días de demanda de la llanta "radial TX"
 EJERCICIO 1

• La demanda media de esta simulación (3.9 llantas) es diferente de la demanda

esperada diaria.
• Si esta simulación se repite cientos o miles de veces, es más probable que la demanda
simulada promedio sea casi la misma que la demanda esperada.
 EJERCICIO 2: ANÁLISIS DE INVENTARIO

• En muchas situaciones de la vida real del inventario, la demanda y el tiempo de entrega son variables.
• El análisis exacto es difícil sin simulación.
• Veremos un problema de inventario con dos variables de decisión y dos componentes probabilísticos.

ROP = (Demanda por día)(Tiempo de entrega de una nueva orden en días)

ROP = (d)(L)
 EJERCICIO 2: ANÁLISIS DE INVENTARIO
EDIPESA SAC quiere establecer la cantidad a ordenar y el punto de reorden para su producto
taladro eléctrico que tiene demanda diaria y tiempos de entrega probabilísticos (inciertos).
Quiere encontrar una buena política, de bajo costo de inventarios para su producto. Se identifican
dos tipos de variables, entradas controlables e incontrolables. Las entradas controlables son la
cantidad de la orden y los puntos de reorden. Las entradas incontrolables son la demanda diaria y
el tiempo de entrega variable. Los datos de demanda para el taladrado se muestran en la tabla.
La primera política es: Cantidad (Q*) a ordenar de 10 unidades con un punto de reorden de 5
unidades (ROP).
El proceso se simula para un periodo de 10 días.
EJERCICIO 2: ANÁLISIS DE INVENTARIO

Utilizando la tabla de números aleatorios, la simulación se realiza utilizando un

proceso de cuatro pasos:
1. Comenzar cada día verificando si acaba de llegar algún inventario ordenado.
Si es así, aumentar el inventario actual en la cantidad de la orden.
2. Generar una demanda diaria a partir de la distribución de probabilidad de la
demanda, seleccionando un número aleatorio.
3. Calcular el inventario final cada día. Si el inventario disponible es
insuficiente para cumplir la demanda del día, satisfacer lo más posible y
anotar el número de ventas perdidas.
4. Determinar si el inventario al final del día ha llegado al punto de reorden. Si
es necesario, colocar la orden.
EJERCICIO 2: ANÁLISIS DE INVENTARIO
Diagrama de flujo EDIPESA SAC
EJERCICIO 2: ANÁLISIS DE INVENTARIO
Las probabilidades e intervalos de números aleatorios para la demanda diaria
del taladro
EJERCICIO 2: SIMULACIÓN DEL INVENTARIO
EJERCICIO 2: ANÁLISIS DE INVENTARIO
Análisis de costos del inventario
• El objetivo es encontrar una solución de bajo costo y EDIPESA debe determinar
cuáles serán los costos.
• Las ecuaciones para el inventario final promedio diario, las ventas pérdidas
promedio y el número promedio de las órdenes colocadas, son las siguientes:
 EJERCICIO 2: ANÁLISIS DE INVENTARIO
Análisis de costos del inventario
• EDIPESA abre 200 días al año.
• Costo de colocar una orden es de $10 por pedido.
• El costo anual por mantener un taladro en inventario es de $6. ($6/200 días) = $0.03 x día
• El costo por faltante es $8.
 EJERCICIO 2: ANÁLISIS DE INVENTARIO
Análisis de costos del inventario
• EDIPESA abre 200 días al año.
• Costo de colocar una orden es de $10 por pedido.
• El costo anual por mantener un taladro en inventario es de $6. ($6/200 días = 0.03)
• El costo por faltante es $8.
EJERCICIO 2: ANÁLISIS DE INVENTARIO

Análisis de costos del inventario

• Para el año, esta política costaría aprox. = $4.72x200= $944
• Esta simulación realmente debería extenderse por muchos días más, tal vez 100 o
1,000 días.
• Incluso después de una simulación más grande, el modelo debe ser verificado y
validado para asegurarse de que realmente representa la situación en la que se basa.
• Si estamos satisfechos con el modelo, se pueden realizar simulaciones adicionales
utilizando otros valores para las variables.
• Después de simular todas las combinaciones razonables, EDIPESA seleccionaría la
política que dé como resultado el menor costo total.
 DISTRIBUCIONES DE PROBABILIDAD

En la simulación, las distribuciones de

probabilidad permiten describir la forma y/
o comportamiento de una serie de datos,
motivo por el cual es de mucha importancia
seleccionar la distribución de datos mas
apropiada.
DISTRIBUCIONES DE PROBABILIDAD
DISTRIBUCIONES DE PROBABILIDAD