TALLER DE SIMULACIÓN

Clase 8: Análisis de output

 Estructura del curso Análisis de output

Cl a s e 1: Introducción a la simulación
Unidad 1: Introducción a la simulación de sistemas
Clase 2: Simula ción de Monteca rlo y genera ción de
números a leatorios

Cl a s e 3: Distribuciones de probabilidad
Unidad 2: Simulación de Montecarlo
Cl a s e 4: Aplicaciones de la simulación de Montecarlo

Taller de Simulación Cl a se 5: Introducción a l a simulación de eventos discretos

Clase 6: Solemne 1

Clase 7: Cri terios de análisis y herra mientas

computacionales

Cl a s e 8: Análisis de output

Cl a s e 9: Introducción a l uso de herramienta Simio

Clase 10: Desa rrollo y a nálisis de modelos computacionales

en 2D
Unidad 3: Simulación de eventos discretos
Clase 11: Desarrollo y análisis de modelos computacionales
en 3D

Cl a s e 12: Comparación de alternativas múltiples

Clase 13: Solemne 2

 Estructura del curso
Cl a s e 1: Introducción a la simulación
Unidad 1: Introducción a la simulación de sistemas
Clase 2: Simula ción de Monteca rlo y genera ción de
números a leatorios

Cl a s e 3: Distribuciones de probabilidad
Unidad 2: Simulación de Montecarlo
Cl a s e 4: Aplicaciones de la simulación de Montecarlo

Taller de Simulación Cl a se 5: Introducción a l a simulación de eventos discretos

Clase 6: Solemne 1

Clase 7: Cri terios de análisis y herra mientas

computacionales

Clase 8: Análisis de output

Cl a s e 9: Introducción a l uso de herramienta Simio

Clase 10: Desa rrollo y a nálisis de modelos computacionales

en 2D
Unidad 3: Simulación de eventos discretos
Clase 11: Desarrollo y análisis de modelos computacionales
en 3D

Cl a se 12: Comparación de alternativas múltiples

Clase 13: Solemne 2

Resultado de aprendizaje
Analizar los resultados de la aplicación de un modelo de simulación de
eventos discretos para distinguir las variables escenario que satisfacen
un objetivo.
 Contenido
• Conceptos de intervalos de confianza.
• Cálculo del número de réplicas.
• Estadística de resultados.
 Análisis de output

¿Por qué es importante este tema?

El análisis de resultados tiene por objetivo predecir el rendimiento de un sistema antes de

implementarlo y comparar el rendimiento de dos o más alternativas. Su importancia radica en
analizar estadísticamente los números cuantificados en los indicadores de desempeño
desarrollados y buscar alternativas que persigan el logro de los objetivos.
 Análisis de output

Introducción

Para realizar un adecuado análisis de las salidas de una simulación es necesario analizar los resultados,
usando técnicas estadísticas por dos razones fundamentales:

✓ Dado que el modelo se alimentó con distribuciones de probabilidad (variables de entrada o inputs).

✓ Los resultados deben ser aleatorios, dado que se trata de un modelo estocástico, dinámico y
discreto.
 Análisis de output

Concepto de intervalo de confianza

La representación de las medidas de desempeño debe ser realizada a través de la construcción de un

intervalo de confianza (o prueba de hipótesis) para algún parámetro de interés:

• Media.
• Varianza.
• Proporción.
• etc.
 Análisis de output

Concepto de intervalo de confianza

 Análisis de output

Concepto de intervalo de confianza

Sistemas terminantes:

Existe un evento que representa en forma natural la finalización de la simulación.

Cada corrida de simulación finaliza en un tiempo definido.
El sistema comienza cada período o corrida vacío (sin entidades en su interior) y desocupado (recursos).
Ejemplos:
• Bancos.
• Tiendas.
• etc.
 Análisis de output

Concepto de intervalo de confianza

Sistemas no terminantes:

No existe un evento que defina en forma natural el final de la simulación. Esto quiere decir que el sistema
opera en forma continua.
No está definido cuándo comenzar la simulación y cuándo finalizarla.
Ejemplo: sistemas productivos continuos, hospitales, planta de celulosa, faena minera, etc.

Es necesario realizar réplicas de larga duración: un mes, un año, dependerá del sistema. El problema es
que cuando comienza la simulación, el sistema está vacío y desocupado. Esto no es representativo del
estado del sistema (no es realista) y, por lo tanto, se genera un sesgo importante.
 Análisis de output

Concepto de intervalo de confianza

Sistemas no terminantes:

¿Qué se debe hacer?

1) Comenzar la simulación con el sistema ocupado.

o Entidades en cola, recursos ocupados, etc.

o Difícil representar situación inicial.

2) Recolectar estadísticas a partir del momento que el sistema entre a estado estacionario.

o Difícil estimar ese momento.

o Se pierde tiempo de simulación (borrar período inicial).
 Análisis de output

Concepto de intervalo de confianza

Comparación de sistemas:

Media Media
sistema A sistema B

Elaboración propia
Respuesta del sistema
 Análisis de output

Concepto de intervalo de confianza

Test pareado:

• Si el número de réplicas de cada sistema es el mismo, se puede calcular un intervalo de confianza

(IC) para la diferencia entre los pares de datos de las dos alternativas.
• Si el IC contiene al 0, esto implica que no existe evidencia suficiente para decir que los sistemas son
diferentes.
• Su fórmula es:
 Análisis de output

Concepto de intervalo de confianza

Test no pareado:

▪ Si por alguna razón no es

posible tener el mismo
número de observaciones en
cada sistema, se puede utilizar
el test t clásico.

▪ Su fórmula es:
 Análisis de output

Cálculo del número de réplicas

n = Número de réplicas necesarias.

S = Desviación estándar de la muestra piloto.
t = Valor crítico de la distribución t para n = corridas piloto.
𝜺 = Nivel de precisión del IC (medio ancho).
 Análisis de output

Cálculo del número de réplicas

Ejemplo:

Considere la simulación de la cola frente a un cajero bancario. El tiempo de espera promedio, expresado
en minutos, de 5 réplicas pilotos es:

15,3
9,2
8,8
7,1
11,3

Calcule el número de réplicas necesarias para obtener una precisión de +-2 minutos.

Utilice un 95% de confianza en su análisis.

 Análisis de output

Cálculo del número de réplicas

1 n 1 n
x =  xj y S2 =  j [ x − x ]2

n j =1 (n − 1) j =1
𝑥ҧ = 10,34
S = 3,15
t4, 0.975 = 2.776 2.776 ∗ 3,15 2
n= = 19,11 ≈ 19 𝑟é𝑝𝑙𝑖𝑐𝑎𝑠
2

Esto significa que, si se realizan 19 réplicas, se obtendrá un intervalo de confianza con un ancho aprox. de +-2
minutos.

Con un 95% de confianza, el verdadero tiempo promedio de espera se encuentra entre los límites del intervalo.
 Análisis de output

Estadística de resultados
Ejemplo:
Los datos de la siguiente tabla representan el tiempo de ciclo de un determinado modelo de simulación, en el
que se desarrollaron cuatro escenarios alternativos, con el objetivo de disminuir el tiempo de ciclo.
Réplica SA EI EII EIII EIV
1 65 74 55 67 50
2 50 88 60 75 45
3 45 55 59 72 65
4 72 65 62 78 65
5 58 62 54 69 44
Elaboración propia

Se desea saber:
1. Intervalo de confianza para un 95% de confianza para SA y escenarios.
2. Número de réplicas para:
- Un error del 18% con un 95% de confianza para SA.
- Un error del 15% con un 95% de confianza para EI.
- Un error del 5% con un 95% de confianza para EII.
3. Determinar cuál escenario cumple con el objetivo planteado.
 Análisis de output

Estadística de resultados
A continuación, se observan las estadísticas para cada situación, además de sus intervalos de confianza.

Réplica SA EI EII EIII EIV

1 65 74 55 67 50
2 50 88 60 75 45
3 45 55 59 72 65
4 72 65 62 78 65
5 58 62 54 69 44
Media 58 68.8 58 72,2 53,8
Desviación estándar 10,93 12,72 3,39 4,44 10,47
Ancho medio 13,57 15,79 4,21 5,51 13,00
Límite inferior 44,43 53,01 53,79 66,69 40,80
Límite superior 71,57 84,59 62,21 77,71 66,80
Elaboración propia
Interpretación: con un 95% de confianza, se puede decir que la media está contenida en el intervalo [ ].
 Análisis de output

Estadística de resultados

Tabla t-student, para la obtención de los

estadísticos t.

Para nuestro ejemplo se tiene:

𝑡𝑛−1 ;1−𝛼 = 𝑡 0.95 = 𝑡9;0.975 = 2.262

2 10−1;1−
2

Elaboración propia
 Análisis de output

Estadística de resultados
Cálculo del número de réplicas:

 2 
 S ( n ) 
na* (  ) = min i  n : t i −1,1− 2    = x * error
 i 
 
SA EI EII
Error 18% Error 15% Error 5%
precisión 10.44 precisión 10.32 precision 2.9
Ancho Ancho
Réplica Estadístico Ancho medio réplica Estadístico medio Réplica Estadístico medio
6 2.571 11.47 6 2.571 13.34 6 2.571 3.56
7 2.447 10.11 7 2.447 11.76 7 2.447 3.14
8 2.365 9.14 8 2.365 10.63 8 2.365 2.84
9 2.306 8.40 9 2.306 9.77 9 2.306 2.61
10 2.262 7.82 10 2.262 9.10 10 2.262 2.43
11 2.228 7.34 11 2.228 8.54 11 2.228 2.28
Elaboración propia
 Análisis de output

Estadística de resultados
Determinación del escenario que cumpla con el objetivo planteado:

Elaboración propia.

Repuesta: el escenario IV, aparentemente responde al objetivo planteado. El promedio el tiempo de ciclo es menor que
la situación actual, pero, observando el intervalo de confianza para la diferencia de medias se tiene: “[-13.43 ; 21.83].
Este intervalo contiene el 0, por lo que no existe una diferencia estadísticamente significativa entre la situación actual y
el escenario IV”. Si bien la media del tiempo de ciclo del escenario es menor, su variabilidad hace que no sea distinto
estadísticamente que la situación actual. (en función de los intervalos de confianza, ningún escenario cumple con el
objetivo planteado).
 Análisis de output

Conclusiones

El análisis de Output tiene gran relevancia, dado que el primer paso es la

validación de un modelo de simulación, es decir, la comparación de resultados
obtenidos de la simulación en contraste con el sistema real considerando el
número de réplicas adecuado.

Una vez validado el modelo de simulación, es posible probar nuevas alternativas y

compararlas simultáneamente, identificando aquellas que presentan las mejores
medidas de desempeño, mediante lo que se conoce como el análisis de
comparación de alternativas. Esto último, permite encontrar la o las alternativas
mejores a implementar en el sistema real.
 Análisis de output

Preguntas

¿Cómo se valida una simulación?

¿Cuáles son los pasos para realizar una comparación de

escenarios?

¿Cómo se calcula el número de réplicas?

¿Qué utilidad representa la comparación de alternativas?

 Análisis de output

Resumen de la clase

• Hemos aprendido a realizar un adecuado análisis de Output y a validar

estadísticamente un modelo de simulación.
• Hemos aprendido a calcular el número de réplicas necesario para realizar
una simulación que sea representativa del sistema real.
• Hemos aprendido la metodología de Comparación de Escenarios de un
estudio de simulación y su descripción para realizar un ranking de
alternativas posibles de implementar en el sistema real.
 Análisis de output

Bibliografía

Obligatoria:
• Kelton, W., Smith, J. y Sturrock, D. (2013). Simio and simulation. Modeling,
analysis, applications. Simio.
• Law, A. (2014). Simulation modeling and análisis. McGraw-Hill.