Taller 2 - Jose Fernandez - 79

Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de
Investigación - VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería Programa: Ingeniería Industrial
Curso: Modelos y Simulación Código: 212026
PASO 2 - GENERACIÓN DE NÚMEROS Y VARIABLES ALEATORIOS.
JOSE LUIS FERNANDEZ FRANCO

Cédula: 6646806
Celular: 3223939894
Skype: josel223@hotmail.com
MODELOS Y SIMULACIÓN
212026
presentado a,
JOSE DARIO RIVAS
INGENIERIA INDUSTRIAL
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA - UNAD
ESCUELA DE CIENCIAS BÁSICAS TECNOLOGÍA E INGENIERÍA
16-marzo-2023
Palmira-Valle
INTRODUCCION
Los modelos y la simulación es una herramienta muy importante para la toma de decisiones en
una empresa, cuando vamos a simular un sistema del cual tenemos la certeza de que eta bien
planteado, debemos jugar con variables aleatorias para poder validar el modelo y por tal razón al
generación de variables aleatorias cobra importancia.
OBJETIVOS
Diferenciar las técnicas de modelamiento para la generación de escenarios,
de acuerdo a las condiciones y medidas de desempeño del sistema real
productivos y logísticos.
TALLER 2 NÚMEROS Y VARIABLES ALEATORIOS
1. ¿Qué son los números aleatorios? Y ¿Para qué se usan en la

modelación y simulación?
Los números aleatorios son aquellos que se comportan caprichosamente como valores de
variables aleatorias, no controlables. La idea al generar números aleatorios es que no se pueda
determinar el predecesor (mediante alguna fórmula) del siguiente número aleatorio generado.
Se usan para simular fenómenos de la naturaleza o la sociedad que se producen sin ningún
patrón de manera caprichosa, inesperada o incierta.
2. ¿Se debe usar una computadora para obtener información adecuada
de una simulación? Explique.
el computador se ha constituido en una herramienta fundamental que posibilita en buena
medida el desarrollo de gran variedad de procesos de investigación por medio de simulación.
Los procesos de simulación por computador han crecido vertiginosamente, y se utilizan en
diversos campos del saber, como la medicina, la ingeniería, la estadística, la química, la física, la
aeronáutica, los viajes espaciales, el sector financiero y el sector educativo, entre otros. La
existencia de software como R, Mathlab, Fortran, SPSS y SAS, de lenguajes de programación de
quinta generación y demás invita a que cada día más investigadores se involucren de alguna
manera con la realización de procesos de simulación. Para desarrollar procesos de simulación
es conveniente iniciar por revisar los conceptos involucrados, los procedimientos básicos, los
algoritmos para generar valores de variables aleatorias y la escritura de los programas de
computador que se requieren para tal fin; posteriormente, será necesario formular modelos
con base en variables que permitan comprender de manera aproximada un determinado
sistema o fenómeno de interés que se quiera estudiar.
3. ¿Cuáles son las ventajas y desventajas de empezar una simulación

con el sistema vacío? ¿Y con el sistema en equilibrio?
SIMULACIÓN CON EL SISTEMA VACÍO

Ventajas Desventajas
Se identifican las diferentes
Toma mucho tiempo validar el
variables que interactúan en el
modelo
modelo
No se puede identificar el rango
Se pueden identificar fallos en el
óptimo de valores para las
modelo más fácilmente
variables
SIMULACIÓN CON EL SISTEMA EN EQUILIBRIO

Ventajas Desventajas
Se cuenta con un modelo validado Es difícil entender su estructura
Se obtienen resultados validos de
las diferentes simulaciones
realizadas al modelo
4. ¿Por qué es importante en la simulación la duración de la ejecución?

La duración de la ejecución permite percibir los valores de diferentes variables con cierto nivel de
detalle, entre menos tiempo de ejecución el análisis de los eventos será menos preciso, mientras
que para obtener resultados más asertivos se debe disponer de una duración de ejecución
prudente.
5. ¿Una ejecución de 100 observaciones es dos veces más válida que
una de 50? Explique.
Partiendo de la idea que tenemos un modelo que describe de manera correcta el sistema que se
desea simular y que contamos con unos datos de calidad, si se cumple la premisa de que una
ejecución de 100 observaciones es dos veces mas validas que una ejecución de 50 observaciones,
como se explicó en el punto 4 el análisis de los eventos es más detallado y preciso.
6. Describa cuales son las fases de un estudio y proyecto de simulación
realice una descripción de cada una de estas.
1. Definición espacialmente el problema: Como punto de partida se define la manera en que

el problema establece la conexión con su entorno (interfaces).
2. Definición del modelo conceptual: Esto es explicitar los algoritmos, teorías y limites que
describen al sistema, definiendo también las entradas de información requeridas y las
salidas (input y output). En segundo término, se establecen los requerimientos materiales,
de personal, el tiempo que se tomara para producir y operar el modelo.
3. Recolección de los datos de entrada: Se reúne la información que será utilizada para
parametrizar los datos de entrada y evaluar el rendimiento de la simulación.
4. Construcción del modelo en software: En este punto los datos obtenidos anteriormente se
trasladan al lenguaje del software elegido para ejecutar las tareas de simulación. Esto aun
en una fase preliminar.
5. Verificación, validez y acreditación del modelo: Se comprueba el funcionamiento correcto

de simulación, considerando la recolección de los datos de entrada, así como el correcto
funcionamiento dentro de los parámetros establecidos.
6. Diseño experimental: Se fuerza a un estado no critico (preferentemente) la simulación
para considerar nuevas limitantes que partan de las diferentes fases del proceso hasta
este punto.
7. Ejecución de la simulación: El momento culminante del proceso en el que se produce la
información que motiva el proyecto.
8. Recolección de los datos de salida: Inicia el proceso de análisis de los resultados obtenidos
de la simulación, por lo cual es necesario detallar los datos que se ha obtenido tanto del
problema planteado como del proceso de simulación.
9. Análisis de datos: Interpretación de los datos en los que se definirá si el resultado es útil y
por consiguiente, los aciertos y errores tanto en el planteamiento del problema como en
funcionamiento de la simulación.
10. Documentación: Organización de los datos obtenidos y del análisis de estos.
7. Establezca un esquema de los pasos de un proyecto de simulación.

https://www.canva.com/design/DAFda99AHDw/view
8. Desarrollar en un archivo de Excel los siguientes ejercicios, los

cuales se presentarán en el informe de Word mediante pantallazos y
los respectivos análisis en cada punto.
ALEATORIOS
Los números aleatorios son aquellos que se comportan caprichosamente como valores de
variables aleatorias, no controlables. La idea al generar números aleatorios es que no se pueda
determinar el predecesor (mediante alguna fórmula) del siguiente número aleatorio generado.
DISTRIBUCIONES
Las diferentes distribuciones realizadas en el ejercicio nos muestran como son las curvas del
comportamiento de los datos, una distribución normal muestra unos datos en forma de campana,
la distribución exponencial muestra una curva descendente que no toca la accisa X y la
distribución normal muestra un comportamiento en los datos muy parejo.
SIMULACION
Con el desarrollo del ejercicio de tiempos de espera, se pudo determinar lo siguiente,
 Con el tiempo promedio de ocio del servidor nos damos cuenta de que siempre estuvo
ocupado sin tener un instante de descanso.
 Cuando tenemos un tiempo promedio de servicio de 17.9 y un tiempo de espera de 17.7
del cliente en ser atendido, claramente indica que con 2 servidores prácticamente no
debería haber tiempo de espera.
 En conclusión, el sistema no está dando un buen servicio ya que un solo servidor no da
abasto, esto se soluciona utilizando dos servidores en el sistema, con lo cual se estaría
atendiendo un cliente al momento de su llegada.
CONCLUSIONES
Con el desarrollo de la actividad de la Fase 2 – Generación de numero y variables aleatorias, se

lograron diferenciar las técnicas de modelamiento para la generación de escenarios, de acuerdo
con las condiciones y medidas de desempeño del sistema real productivos y logísticos.
REFERENCIAS BIBLIOGRAFICAS
Rodríguez Torres, F. (1991). Técnicas y modelos de simulación

de sistemas. Instituto Politécnico Nacional. https://elibro-
net.bibliotecavirtual.unad.edu.co/es/ereader/unad/72173?
page=8
Urquía Moraleda, A. (2013). Modelado y simulación de eventos

discretos. UNED - Universidad Nacional de Educación a
Distancia.
https://elibro-net.bibliotecavirtual.unad.edu.co/es/ereader/unad
/48697?page=18

Taller 2 - Jose Fernandez - 79

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Taller 2 - Jose Fernandez - 79

Cargado por

Copyright:

Formatos disponibles

Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de

PASO 2 - GENERACIÓN DE NÚMEROS Y VARIABLES ALEATORIOS.

JOSE LUIS FERNANDEZ FRANCO

TALLER 2 NÚMEROS Y VARIABLES ALEATORIOS

1. ¿Qué son los números aleatorios? Y ¿Para qué se usan en la

3. ¿Cuáles son las ventajas y desventajas de empezar una simulación

SIMULACIÓN CON EL SISTEMA VACÍO

SIMULACIÓN CON EL SISTEMA EN EQUILIBRIO

4. ¿Por qué es importante en la simulación la duración de la ejecución?

1. Definición espacialmente el problema: Como punto de partida se define la manera en que

5. Verificación, validez y acreditación del modelo: Se comprueba el funcionamiento correcto

7. Establezca un esquema de los pasos de un proyecto de simulación.

8. Desarrollar en un archivo de Excel los siguientes ejercicios, los

Con el desarrollo del ejercicio de tiempos de espera, se pudo determinar lo siguiente,

Con el desarrollo de la actividad de la Fase 2 – Generación de numero y variables aleatorias, se

Rodríguez Torres, F. (1991). Técnicas y modelos de simulación

Urquía Moraleda, A. (2013). Modelado y simulación de eventos

También podría gustarte