Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Guía de Resolución - Actividades de Aula y Repaso - Tema 5
Guía de Resolución - Actividades de Aula y Repaso - Tema 5
INTRODUCCIÓN ...................................................................................................................................... 1
Las actividades: justificación y estructura ............................................................................................... 1
Las actividades de aula y repaso del tema 5............................................................................................ 3
Este documento contiene la colección de actividades del tema 5 que nos permitirán
trabajar en el aula, de forma práctica, cooperativa e interactiva, la mayor parte de los
conceptos, metodologías y herramientas relacionadas con la simulación de procesos.
1
La sección Antes de cada actividad nos servirá para contextualizar el trabajo que
realizaremos en el aula. Además, esta sección recoge el contenido teórico 1 y
audiovisual que es preciso que revises antes de acudir al aula, de modo que puedas
lograr un mejor aprovechamiento de las actividades que realicemos.
También te recomiendo que leas antes de clase la sección Durante, que contiene la guía
para el aula de la actividad. En esta sección encontrarás imágenes, tablas, ..., que podrás
ir rellenando-completando, bien digitalmente o en papel, a medida que avancéis en la
resolución grupal de la actividad.
Ten presente que esta labor es importante ya que, tras el trabajo en equipo, deberás
completar un breve cuestionario individual en papel sobre la actividad, de modo que la
cantidad y calidad del trabajo que realices te permitirá obtener una mejor calificación.
Además, te ayudará a identificar más fácilmente dudas que podrás plantearnos tras
presentar la solución correcta.
Por último, la sección Después contiene una o varias tareas individuales que deberás
completar en casa para afianzar el trabajo realizado en el aula. Algunas de estas tareas
son obligatorias, por lo que veremos su solución en clase, y otras opcionales, pensadas
para ayudarte a completar tu formación y, obviamente, a ayudarte a subir tu nota.
Estas tareas autónomas te ayudarán a conocer el grado en el que has comprendido los
conceptos y a identificar dudas y/o lagunas de conocimiento, de forma que podamos
ayudarte a resolverlas en el aula. Por eso, es muy importante que primero intentes
realizarlas tú en casa y que, obviamente, nos preguntes cualquier duda que te haya
podido surgir antes de ver la solución final.
1
Como las actividades están vinculadas a los problemas, en la primera actividad de un problema te pediré
que leas su Enunciado, donde se describe el sistema objeto de estudio y se presentan los datos necesarios
para abordar su resolución.
2
Las actividades de aula y repaso del tema 5
Dicho esto, vamos a dedicar unas líneas a describir la colección de actividades de aula
dedicados a la simulación de procesos. Esta colección se basa en dos problemas: el 5.1,
que trabajaremos en la actividad de aula A1, y el 5.2, que afrontaremos a lo largo de
cinco actividades (A2 a A6).
El Problema 5.1 es muy sencillo. En él simularemos el proceso de atención a los clientes
de una panadería con un único tipo de producto: las barras de pan. Para resolver este
problema no necesitas poseer ningún conocimiento previo; tan solo has de tratar de
entender ‘cómo es el sistema objeto de estudio’ y ‘cómo puede evolucionar’ a lo largo
del tiempo.
En el Problema 5.2 subiremos de nivel y nos enfrentaremos a un modelo de simulación
basado en un proceso de mecanizado y paletizado de piezas de un taller. El nivel de
dificultad de este problema es superior al del que te enfrentarás el día del examen, ya
que trata de ser lo más global posible. Por eso, su resolución se ha dividido en cinco
partes que nos permitirán recorrer cada uno de los pasos necesarios para construir el
modelo y ejecutar la simulación del proceso.
En ambos casos, y una vez conozcas la solución correcta, por favor, no te conformes con
echarla un vistazo por encima y creer que con eso es suficiente. Debes practicar y
practicar y practicar, …, resolviendo cualquier problema que tengas a tu disposición, lo
que te permitirá entender mejor el porqué de las cosas y, además, coger agilidad en su
resolución, lo que te será muy útil el día del examen.
Por último, he incluido una actividad de repaso, la R1, en la que realizaremos una
revisión del tema 5 mediante una carrera espacial Socrative y resolveremos cualquier
duda que haya podido quedar. Como trabajo autónomo de esta actividad he incluido
varios enunciados de problemas de simulación de exámenes de cursos pasados,
algunos opcionales.
Además, te presento el reto de crear tu propio problema de simulación. Te animo a ser
creativo y definir tu propio problema a partir de la observación de los procesos reales;
de este modo, serás capaz de identificar todo lo que se necesita en este tipo de
problemas y lograrás un aprendizaje más elevado de acuerdo con la taxonomía de
Bloom. Recuerda que tienes a tu disposición numerosos problemas (los de aula, de
repaso, los audioproblemas, laboratorios, …) que te pueden servir de guía e inspiración.
3
ACTIVIDAD A1. TU PRIMERA SIMULACIÓN
4
Durante - trabajo en el aula
Estamos ante un problema ‘básico’ en simulación,
conocido como un sistema o conjunto cola-servidor;
en nuestro problema, los clientes llegan a la
panadería y se sitúan en la ‘cola’ de espera donde un
dependiente, el ‘servidor’, atiende su demanda.
Es preciso construir el modelo de simulación como una abstracción o simplificación del
sistema. Para eso, deberemos plantear una serie de hipótesis, es decir, un conjunto de
elecciones-decisiones que adoptaremos-tomaremos para abordar la complejidad del
sistema objeto de estudio; es decir, para simplificar el sistema.
Por ejemplo, en el problema nos indican que el espacio donde esperan los clientes tiene
capacidad ilimitada, por lo que ningún cliente se marchará al ver la cola llena, algo que
en la vida real no sucede. También nos dicen que podemos suponer que la gestión de la
cola es de tipo FIFO (First Input, First Output), de modo que en nuestro modelo se
‘guarda’ el orden de llegada y que, además, nadie se ‘cuela’.
Para llevar a cabo la simulación también será necesario generar la aleatoriedad que en
este problema afecta, por hipótesis, a la llegada de los clientes y a su demanda de barras
de pan. Como nos indican en el enunciado, se estima que este comportamiento
aleatorio se puede ajustar a dos funciones de distribución uniformes discretas.
El calificativo uniforme nos indica que todos los elementos del conjunto
considerado tienen la misma probabilidad.
Por su parte, discreta significa que los valores que puede tomar la
distribución son solo un conjunto finito de números comprendidos entre
un valor mínimo y un máximo.
Por ejemplo, como los clientes pueden pedir una, dos, tres o cuatro barras
de pan (y no ½, o 2/3, ...), cada uno de esos cuatro posibles valores tiene
una probabilidad del 25% (= 100/4%) de que ocurra.
5
Pronto aprenderemos a generar programáticamente valores que se ajusten a estas y a
otras funciones de distribución, a través de los generadores de series U(0,1) y el método
de la transformada inversa, pero de momento vamos a emplear los valores que nos
proporcionan en el enunciado 2.
Como es vuestra primera simulación, tenéis total libertad para emplear cualquier
diagrama, línea temporal, tabla o herramienta que consideres necesaria para seguir la
evolución de la panadería. Eso sí, debéis tener presente los eventos que se producen
en el modelo y los estados que surgen tras su activación.
Por ejemplo, cuando un cliente llega a la panadería se produce un cambio en el estado
del modelo, es decir, un [evento]. Este cliente pasará a tener un nuevo [estado]; en
concreto, estará desplazándose hacia la cola situada en la zona de espera. Cuando
llegue, se situará en la cola [evento] y esperará en ella [estado] hasta que el dependiente
pueda atenderle [evento]. Se desplazará hasta el mostrador [estado], ...
Sin embargo, estamos usando la hipótesis de ‘tiempos de tránsito entre recursos nulos’,
por lo que podemos suponer que el tiempo que transcurre entre, por ejemplo, el
instante en el que llega a la panadería y empieza a esperar en la cola es insignificante y
que, en consecuencia, podemos obviarle. Al eliminar los estados que reflejan el ‘tránsito
entre recursos’ (entre la puerta de entrada y la zona de espera, y entre la zona de espera
y el mostrador), pasamos a tener dos eventos seguidos, lo que no es posible 3, por lo que
en nuestro modelo deberemos fusionar algunos eventos en uno solo.
Esta decisión nos lleva a considerar tres eventos posibles en nuestro modelo:
llegada, cuando llega un cliente a la panadería (coincide con el comienzo de la
espera o almacenamiento),
inicio, cuando un cliente empieza a ser atendido (en ese mismo instante finaliza
la espera del cliente) o, si lo vemos desde la perspectiva del recurso Juan, el
momento en el que nuestro dependiente empieza a atender a un cliente,
y fin, cuando Juan termina de atender a un cliente o, desde la perspectiva de la
entidad, cuando el cliente termina de ser atendido.
2
Podrías generar valores que reproduzcan el comportamiento aleatorio de estas variables a través de un
método físico: los dados. En concreto, necesitarías dos: uno de ocho caras para generar los tiempos entre
llegadas y otro de cuatro para la demanda. Te animo a que, en casa, pruebes a generar series de valores
que se ajusten a estas funciones de distribución en https://dado.online/. Tan solo debes indicar el número
de caras que tiene el dado y lanzarle varias veces.
3
Entre dos eventos siempre debe haber un estado, de igual forma que para pasar de un estado a otro
siempre debe producirse antes un evento. Es algo que se aprecia muy fácilmente con las Redes de Petri.
6
La activación de cualquiera de estos eventos va a provocar un cambio en el estado de
algunos de los elementos de nuestro modelo y, por tanto, un cambio en el estado del
sistema. Así, por ejemplo, un cliente puede tener tres estados: esperando, siendo
atendido o atendido. Juan, por su parte, puede estar ocioso o atendiendo a un cliente.
Por último, y si te sirve de ayuda, la solución al problema la explicaré utilizando una
tabla que cuenta con la siguiente información en su encabezado …
Observa que algunos de los tiempos que aparecen en las columnas de la sección
‘próximos eventos’ están resaltados con colores: el azul lo empleo para destacar aquel
evento futuro más próximo al instante actual, mientras que el verde indica que ese
evento se ha producido en el mismo instante en el que nos encontramos, algo que puede
ocurrir fruto de las hipótesis empleadas 4. Utilizaré esta misma notación cada vez que
realicemos una simulación.
4
En particular, suele darse como consecuencia de considerar que los tiempos de tránsito entre recursos
son nulos. Así, por ejemplo, cuando llega un cliente se sitúa en cola a la espera; si Juan está libre, en ese
mismo instante comienza a atenderle, algo que no sería cierto si no considerásemos esta hipótesis.
7
Después - trabajo posterior fuera del aula
A1.01 - Ejecución del modelo de la panadería con dos dependientes idénticos
¿Qué crees que hubiese pasado si Juan no fuese el único dependiente?, ¿los resultados
mejorarían?, es decir, ¿se venderían más barras de pan en el mismo tiempo? Para
comprobar si tu intuición es correcta deberemos experimentar con el modelo creado,
evaluando diferentes escenarios alternativos.
Imagina que en la panadería ahora hay dos dependientes y que, más o menos, tardan
lo mismo en atender a los clientes, por lo que podemos suponer que son dos recursos
idénticos. Empleando los mismos datos del escenario anterior, ejecuta el modelo hasta
el instante 20 y responde el cuestionario de esta tarea que encontrarás en Aula Virtual.
8
Tareas opcionales
Estas tareas son, como su propio nombre indica, opcionales, por lo que
tú decides si hacerlas o no. Están pensadas para ayudarte a subir nota
afianzando conocimientos vistos en el aula o trabajando conceptos
presentados en los Anexos.
La fecha límite de estas tareas no es semanal, como ocurre en las
obligatorias: puedes completarlas mientras dure la docencia de este
bloque. Por último, y aunque sea de perogrullo, recuerda que puedes
pedirme ayuda si lo necesitas.
A1.92[Opcional] Ahora, te invito a ver el vídeo titulado ‘¿Qué es una simulación digital de
procesos?’, de la empresa PMC. En él, Rodolfo Baca entrevista a Gabriel Carreño, ambos
expertos de la empresa en simulación, y le pregunta sobre la simulación, su utilidad, qué se
necesita para elaborar una simulación de eventos discretos, cuándo es conveniente, ...
El vídeo está disponible en el foro Moodle asociado a esta tarea. Tan solo te pido que participes
en este foro creando un debate, aunque también puedes comentar las entradas de tus
compañer@s si lo consideras oportuno. ¿Y qué debes incluir en tu entrada? En unas 80-100
palabras, describe un sistema que quieras estudiar con simulación, plantea un posible objetivo
del estudio y señala de dónde obtendrías información para ‘alimentar’ el modelo.
5
Comprenderás mejor la utilidad de las réplicas realizando los laboratorios de este bloque.
9
ACTIVIDAD A2. CARACTERÍSTICAS DE UN MODELO
Antes
En el problema de aula 5.2 nos vamos a enfrentar a un modelo de simulación basado
en un taller de mecanizado y paletizado de piezas. Como te indiqué, el nivel de dificultad
de este problema es superior al del que te enfrentarás el día del examen, por lo que su
resolución la he dividido en varias partes que nos permitirán recorrer cada uno de los
pasos necesarios para construir el modelo y ejecutar la simulación del proceso.
A la hora de llevar a cabo la simulación de un proceso productivo no hay un consenso
claro sobre las etapas a seguir y cada investigador, empresa, ..., suele emplear las que
considera más adecuadas. En nuestro caso, vamos a ajustarnos a las que se explican en
el apartado 03 del tema 5, y que ya iremos analizando en las próximas semanas.
En nuestro problema el [1] objetivo ya viene dado, ‘mejorar el proceso productivo del
taller’, lo que podrá medirse a través del aumento de la producción, la reducción de los
costes, ... También viene determinado el [2] alcance, ya que tan solo vamos a estudiar
una parte de la fábrica, el taller. Además, el nivel de detalle viene establecido por las
hipótesis, algunas de ellas ya definidas en el enunciado.
La [3] recogida de datos también es una tarea que han efectuado por nosotros en este
problema. Estos datos son fundamentales para [4] estructurar el modelo, lo que incluye
estimar los parámetros de las variables de entrada, algo que también nos viene dado, y
construir un modelo formal válido del proceso en el que se tengan en cuenta los
elementos que intervienen y sus relaciones funcionales.
Después, ya podremos [5] construir el modelo computerizado, lo que nos exigirá
generar valores aleatorios que se ajusten a las funciones de distribución identificadas
en el paso previo, y [6] ejecutarle, dejando que evolucione a lo largo del tiempo.
Deberemos ejecutar varias réplicas y, en base a ellas, [7] generar informes que nos
sirvan para [8] comprobar el modelo creado.
10
Una vez validado, podremos [9] experimentar con el modelo y [11] presentar los
resultados a los responsables, a fin de facilitarles la toma de decisiones sobre el sistema
objeto de estudio. A lo largo de todo el proceso es fundamental [10] documentar el
modelo de simulación, lo que facilitará su comprensión a terceras personas.
Teniendo presente esta reflexión, hemos dividido la resolución de este problema en
varias partes que abordaremos a lo largo de cinco actividades.
En la primera, A2, conoceremos las características del modelo que vamos a
construir, lo que incluye el tipo de modelo de simulación que vamos a crear, las
hipótesis que se emplearán para simplificar el sistema objeto de estudio y los
elementos y relaciones funcionales que aparecerán en el modelo.
A partir de esta información, en la actividad A3 elaboraremos un modelo formal
válido empleando el formalismo de Redes de Petri (RdP).
También debemos generar el comportamiento aleatorio. Para ello, en la
actividad A5 emplearemos el método de la transformada inversa. Este método
precisa, además de conocer la función de distribución que mejor explica los
datos observados, contar con sucesiones de valores que se ajusten a una
distribución uniforme continua entre 0 y 1; estas series las crearemos
previamente en la actividad A4 6.
Finalmente, ejecutaremos el modelo de simulación (A6) sirviéndonos de todo el
trabajo previo.
6
Nosotros vamos a generarles empleando métodos aritméticos, ya que son más rápidos, aunque tienen
la contrapartida de un cierto deterioro de la noción de azar, por lo que a los valores que se obtienen por
estos métodos se les denomina números pseudoaleatorios.
7
Recuerda que en la Actividad A1 ya trabajamos con varias hipótesis.
11
Durante
Tras haber leído el enunciado de la actividad, seguro que ya tienes una idea aproximada
de cómo funciona el taller; acabas de elaborar un modelo mental o conceptual del
proceso, estableciendo sus límites. Sin duda, es un primer paso, pero para construir una
simulación útil se necesitan más cosas.
Para empezar, necesitamos conocer qué tipo de modelo vamos a construir, qué
hipótesis se van a emplear para abordar la complejidad del sistema real y los elementos
y relaciones funcionales que nos permitirán construir un modelo de simulación válido
del taller que podamos usar para experimentar y, por tanto, extraer conclusiones útiles
que apoyen la toma de decisiones.
12
Elementos del modelo – encuentra, al menos, dos o tres ejemplos de …
entidades contenedor de desechos
recursos
torneado
actividades
atributos
variables
13
Después
A2.01 – Clasificación de más elementos del modelo de simulación del taller
Si tienes claro los distintos tipos de elementos que hay en el modelo y cómo
identificarlos, completa el cuestionario del Aula Virtual asociado a esta tarea.
14
ACTIVIDAD A3. FORMALIZACIÓN DEL MODELO
Antes
Una vez identificadas las hipótesis del modelo, los elementos que formarán parte de él
y las relaciones funcionales, llega el momento de representarlos mediante un lenguaje
formal. Existen numerosas metodologías de formalización, aunque en esta actividad
vamos a trabajar con uno de los formalismos más populares en simulación: las Redes de
Petri.
Se trata de un lenguaje de modelizado matemático de notación gráfica, creado por Carl
Adam Petri, que se utiliza para representar fenómenos tales como la dinámica de
eventos, la evolución en paralelo, la dependencia condicional (como la sincronización),
la competencia de recursos, etc.
En la red aparecen los tres eventos que vimos en dicha actividad, representados por las
tres transiciones o nodos transición (Transition nodes): T1, que representa la llegada de
clientes, T2 o inicio de la prestación del servicio, y T3 o fin del servicio. Recuerda que
eran solo tres eventos porque una de las hipótesis empleadas en el modelo de la
panadería consideraba que el tiempo de tránsito entre recursos se podía despreciar.
15
Además, los nodos lugar (Place nodes) muestran los estados de los recursos y entidades
involucrados. Como puedes observar fácilmente, la RdP nos permite conocer el flujo de
las entidades y los estados por los que evolucionan. Por ejemplo, a lo largo del proceso,
cada cliente o entidad puede estar: ‘esperando’ en la cola (P1), ‘siendo atendido’ (P2) o
‘atendido’ (P3).
¿Y qué ocurre con los recursos? Va a depender del tipo de recurso. Por ejemplo, el
dependiente es un recurso de capacidad limitada por lo que se necesitan, como
mínimo, dos nodos lugar para representar sus estados. En concreto, el dependiente
puede estar ‘ocioso-libre’ (PRL) o ‘atendiendo a un cliente’ (P2).
Sin embargo, el espacio en el que esperan los clientes es, de acuerdo con las hipótesis
del problema, un recurso de capacidad ilimitada, por lo que tan solo hace falta, en esta
ocasión, un único nodo lugar para representarlo (P1); el número de tokens en este nodo
indicará cuántos clientes están esperando en un momento dado.
Por último, y con respecto a las estructuras de RdP básicas, observa que en T2 hay una
sincronización, ya que para empezar a atender a un cliente se necesita que haya al
menos un cliente en cola y que, a la vez, el dependiente esté libre. Por su parte, en T3
hay una concurrencia, pues una vez finalizada la prestación del servicio, cliente y
dependiente alcanzan estados diferentes; en concreto, Juan vuelve a estar ‘ocioso’ y el
cliente ya está ‘atendido’, por lo que puede marcharse de la panadería.
16
Durante
El taller también se puede representar fácilmente mediante una RdP. Para facilitar su
construcción, deberemos emplear la programación jerárquica, siguiendo un enfoque
bottom-up. En concreto, construiremos dos subredes de Petri que estarán asociadas a
cada uno de los flujos de las dos piezas (A y B). A continuación, uniremos ambas redes
en una única a través del nodo (o nodos) que tengan en común.
Empecemos por las piezas de tipo A, ¿qué ocurre con ellas? Primero, llegan al modelo y
son almacenadas hasta que el torno esté libre para poder empezar a mecanizarlas. El
mecanizado dura 10 minutos, después de los cuales el torno vuelve a su estado ocioso
y las piezas son depositadas en la cinta, …
Seguro que te suena algo, ¿verdad? Efectivamente, la operativa es idéntica a la descrita
en la panadería de la actividad anterior, cambiando simplemente ‘cliente’ por ‘pieza A’
y ‘Juan’ por ‘torno’. Por lo tanto, la red del subsistema asociado a las piezas A va a
comenzar igual que la RdP de la panadería, como puedes ver en la siguiente página …
Y, ¿qué ocurrirá con la subred de las piezas de tipo B?
17
Continúa la construcción de la RdP del taller a partir de la red representada en esta
página e identifica en ella las estructuras RdP básicas.
18
En la siguiente tabla puedes ir anotando el significado de los nodos de la RdP del taller.
Observa que algunas transiciones representan dos eventos que suceden a la vez 8 o que
los nodos lugar permiten mostrar estados de uno o varios recursos-entidades diferentes.
Nodo Significado
TA1 ‘Llegada de una pieza de tipo A’. También representa el ‘Comienzo de su almacenamiento’
TA2 ‘Fin del almacenamiento de una pieza A’ y ‘Comienzo del torneado de una pieza A’
TA3 ‘Fin del torneado de una pieza A’ e ‘Inicio del transporte de la pieza A en la cinta’
8
¿Te acuerdas de por qué? Efectivamente, porque una de las hipótesis empleadas considerada que el
‘tiempo de tránsito entre recursos’ se puede despreciar.
19
En la RdP del taller se aprecian todas las estructuras RdP básicas menos una: la
inhibición. Dedica unos instantes a pensar cómo cambiaría la RdP del taller si
quisiéramos dar prioridad absoluta al mecanizado de piezas B en el torno. Puedes
representar la nueva red en esta página.
20
Después
La siguiente tarea está pensada para que trastees un poco con HPetriSim, el software
que utilizaremos durante la primera sesión de laboratorio (Actividad L1).
9
HPetriSim se distribuye como un archivo ejecutable stand-alone para Windows (extensión .exe), por lo
que, una vez descargado, podrás utilizarlo directamente sin necesidad de instalarlo. Si posees un SO
distinto (Linux, Mac), te recomiendo emplear un emulador o una máquina virtual. De todas formas, si
tienes cualquier problema con este software, no dudes en contactar conmigo.
10
Repito, debes construir la RdP de la panadería de la Actividad A1 (problema 5.1), y no la del taller que
hemos representado en la Actividad A3 (problema 5.2).
11
La única excepción es el nodo lugar que representa el recurso libre (PRL), en el que deberás indicar que
el número de tokens es uno.
21
Ahora vamos a modificar la red un poquito. Como recordarás, en la tarea A1.01 te pedí
ejecutar la simulación de la panadería considerando que disponías de dos dependientes
cuyas características o parámetros podíamos considerar que eran idénticos (mismo
tiempo de servicio). Como segunda parte de la actividad, te pido (b) construir la RdP de
la panadería considerando ahora que cuentas con dos dependientes idénticos.
Aunque en algunas ocasiones suponer que dos dependientes, máquinas, robots, ..., son
‘idénticos’ puede ser una hipótesis válida, no siempre es así. Por eso, en esta tarea te
pido que (c) vuelvas a construir en HPetriSim la RdP de la panadería, pero considerando
ahora que hay dos dependientes diferentes, es decir, con distintos tiempos de servicio.
Una vez tengas las tres RdP en HPetriSim, obtén ‘pantallazos’ 12 de ellas y sintetiza
brevemente los resultados de tu trabajo en una única página de texto (en MS Word, LO
Write, ...), cuidando el formato y ortografía. A continuación, convierte el documento a
pdf y súbele al Aula Virtual a través de la tarea Moodle asociada.
12
Si trabajas en Windows, puedes utilizar la herramienta ‘Recorte y anotacion’.
22
Tareas opcionales
A3.91[opcional] IDEF es una familia de lenguajes de modelizado, entre las que destaca IDEF0, un
lenguaje diseñado para modelizar decisiones, acciones y actividades de una organización o
sistema. Dedica unos minutos a pensar cómo será el diagrama IDEF0 del TALLER en su NIVEL DE
ABSTRACCIÓN MÁS ALTO y, a continuación, completa el cuestionario Moodle de esta tarea.
A3.94[opcional] Como última tarea opcional te propongo escuchar unos 15 minutos (a partir del
instante 21:00) de la ponencia de Emilio Jiménez Macías, presidente de la Federación Europea
de Sociedades de Simulación, EUROSIM, y Catedrático de la Universidad de La Rioja. El vídeo de
esta ponencia, titulada ‘Simulación de Procesos en Industria 4.0’, está dentro del cuestionario
Moodle asociado a esta tarea.
23
ACTIVIDAD A4. GENERACIÓN DE NÚMEROS U(0,1)
Antes
En este bloque vamos a trabajar con modelos estocásticos, es decir, modelos que
representan un proceso o situación en el que la incertidumbre está presente; en otras
palabras, son modelos en los que existe algún tipo de aleatoriedad. Para simular estos
modelos necesitaremos generar valores que se ajusten, en la medida de lo posible, al
comportamiento aleatorio observado en la realidad.
Por ejemplo, en la Actividad A1 pudimos simular el modelo de la panadería porque nos
daban la demanda de los primeros clientes y el tiempo que transcurría entre sus
llegadas. Estos valores podríamos haberlos generado, como recordarás, empleando
unos simples dados, es decir, a través de un sistema físico. Pero también podemos
generarlos de forma matemática; uno de los métodos analíticos más utilizados para este
propósito es el de la transformada inversa 13.
Este método se basa en el siguiente teorema: “Sea X una variable aleatoria con función
de distribución de probabilidad acumulada F, continua e invertible, y sea F−1 su función
inversa. Entonces, la variable aleatoria U = F(X) sigue una distribución uniforme en (0,1).
Como consecuencia, si U es una variable aleatoria uniforme en (0,1) entonces la variable
aleatoria X = F−1(U) satisface la distribución F ”.
Para aplicar este método se necesita, además de la función de distribución, sucesiones
de valores que se ajusten a una distribución uniforme continua entre 0 y 1. Se puede
recurrir a métodos manuales (ruleta, dados, …) o tablas de bibliotecas, aunque son muy
lentos. Por eso, se suelen emplear métodos aritméticos para ordenadores, si bien tienen
la contrapartida de un cierto deterioro de la noción de azar, por lo que a los valores
generados mediante estos métodos se les conoce como números pseudoaleatorios 14.
Tenemos a nuestra disposición múltiples algoritmos o generadores de números
pseudoaleatorios, aunque nosotros vamos a trabajar con tan solo unos pocos.
24
Durante
En el enunciado nos indican que existen dos valores que siguen un comportamiento
aleatorio, por lo que necesitaremos generar dos series de números pseudoaleatorios,
algo que vamos a hacer a través de dos métodos congruenciales.
Los datos que necesitas para generar ambas series (método, semillas,
parámetros, …) está disponible en el enunciado principal de esta
actividad, en unos recuadros similares a este.
Para generar ambas series te recomiendo emplear tablas, ya que te permitirán tener la
información ordenada y, de este modo, reducir el espacio y el tiempo necesario para su
resolución. Como muestra, en las siguientes tablas se recogen los resultados de la
primera iteración en ambos algoritmos.
25
Después
A4.01 - Cuadrados medios y Lehmer
Además de los métodos congruenciales, en el tema 5 se describen otros dos algoritmos
muy sencillos: cuadrados medios y Lehmer. Como tarea autónoma, te pido generar los
primeros valores Ri de dos series U(0,1) empleando estos métodos y la información
recogida en la siguiente tabla:
Método Parámetros Divide por Más información
Cuadrados medios X0 = 789 10n Deja más dígitos a la derecha
Lehmer X0 = 3456; p = 91 10 n
Consulta las diapositivas [89 y 90] del apartado ‘06 | Formulación del
programa de simulación’ y el AudioProblema 5.06.
26
ACTIVIDAD A5. ALEATORIEDAD MEDIANTE INVERSIÓN
Antes
Además de números pseudoaleatorios Ri ~ U(0,1), para aplicar el método de la
transformada inversa necesitamos conocer la función de distribución que, en hipótesis,
sigue el elemento estocástico. Este método puede utilizarse para simular tanto variables
aleatorias continuas (que sigan una distribución uniforme, exponencial, triangular,
Weibull, de Pareto, …) como variables aleatorias de tipo discreto (como en las
distribuciones de Poisson, binomial, geométrica, …, o en las distribuciones empíricas).
Pero no te asustes, porque en esta asignatura vamos a trabajar con funciones de
distribución muy sencillas. En concreto, para las variables de tipo discreto, emplearemos
la función uniforme discreta y las funciones de distribución empíricas, es decir, funciones
hechas a medida de los datos; en ambos casos, necesitaremos conocer la función de
probabilidad 15. Respecto a las variables continuas, tan solo usaremos la función de
distribución uniforme continua, cuya función de densidad 16 seguro que ya sabes calcular.
A continuación, ...
Consulta las diapositivas [86, 96-99] del apartado ‘06 | Formulación del
programa de simulación’ para saber cómo se aplica este método. Puedes
completar la información consultando los AudioProblemas 5.09 y 5.10.
A continuación, completa el cuestionario H5P en el aula virtual y,
finalmente, lee el apartado ‘Durante’ de esta actividad.
El tiempo aproximado de estas lecturas-visualizaciones es de unos 10 minutos.
15
Previa a la representación gráfica, te recomiendo emplear una tabla que asigne a cada suceso su
distribución de probabilidad y la acumulada, que es la que estamos buscando.
16
Se puede generar la función de distribución integrando la función de densidad, aunque resulta mucho
más fácil obtenerla a partir de la representación gráfica de la propia función de distribución. Sin embargo,
y como verás, ni siquiera nos va a hacer falta calcularla ya que lo que buscamos, la inversa de la función,
se puede deducir muy fácilmente a partir de la representación gráfica.
27
Durante
¿Qué debes hacer?
Mediante trabajo cooperativo, a partir de la información suministrada en el enunciado
y empleando el método de la transformada inversa, calcula el instante de tiempo en el
que llegan al modelo las cinco primeras piezas de tipo A y su calidad dimensional.
Como habrás visto en los ejemplos de teoría y en los AudioProblemas, invertir la función
de distribución de variables discretas es muy sencillo. Primero, representa
gráficamente la función de distribución y, a continuación, identifica el tiempo entre
llegada de cada cliente a partir de los valores U(0,1) generados en la sesión anterior 17.
17
¿Qué serie debes utilizar? Fácil, la que te indiquen en el enunciado del problema.
28
Invertir la función uniforme continua requiere identificar la expresión de su inversa F-1.
Aunque se puede hacer matemáticamente a partir de la función de distribución, es
mucho más rápido y directo identificarla a partir de su representación gráfica.
Con esta información ya podrás dar respuesta al siguiente tipo de preguntas: ¿en qué
instante llega la tercera pieza de tipo A al taller?, ¿tendrá la calidad que demanda el
cliente?, ¿cuál es la primera pieza defectuosa?, …
29
Después
A5.01 – Distribución empírica
Tras invertir dos funciones de distribución uniformes, una discreta y otra continua, llega
el momento de invertir el último tipo de distribuciones con las que trabajaremos en este
bloque: las empíricas. Estas funciones ‘hechas a medida’ de los datos observados se
construyen de forma similar a las funciones uniformes discretas; la diferencia está en
que ahora cada valor tiene una probabilidad diferente 18, lo que da lugar a una gráfica
escalonada en la que cada escalón tiene una altura diferente.
Imagina que las piezas de tipo A pueden elaborarse a partir de cinco materiales
diferentes, lo que da lugar a cinco calidades materiales (A, B, C, D y E), cuyas
probabilidades son, respectivamente, 15%, 10%, 25%, 30% y 20%. Empleando los
valores U(0,1) generados en la actividad anterior mediante Lehmer (A4.01), identifica la
calidad material de las cinco primeras piezas de tipo A que llegan al modelo. A
continuación, completa el cuestionario asociado a esta actividad en el Aula Virtual.
18
Y, por tanto, una frecuencia relativa diferente.
30
ACTIVIDAD A6. EJECUCIÓN DEL MODELO DE SIMULACIÓN
Antes
Llegados a este punto, tienes un amplio conocimiento del modelo de simulación del
taller, lo que incluye: objetivo, alcance, características, las hipótesis que se han
empleado en su construcción, los elementos que forman parte de él, las relaciones entre
ellos, …, además, has construido su Red de Petri y sabes generar la aleatoriedad de los
elementos estocásticos. En otras palabras, ya tienes todo lo necesario para simular el
modelo y conocer, por tanto, lo que va a suceder en el escenario considerado 19.
Ahora que hemos llegado al final del problema, te voy a pedir que repases
los pasos o etapas que han de darse en la simulación; por eso, deberás
revisar el apartado 03 de la presentación del tema 5. Espero que ahora,
que ya tienes una visión global, te resulte muy fácil comprender este
apartado.
El tiempo aproximado de esta lectura es de unos 10 minutos.
Al igual que hicimos en la Actividad A1, vamos a realizar una ejecución del modelo ‘paso
a paso’ (step-by-step), lo que nos permitirá ‘ver’ lo que ocurre en el modelo a medida
que evolucione el tiempo. Obviamente, al tratarse de un modelo de simulación de
tiempo discreto, no nos interesa saber lo que sucede en cada instante de la simulación;
tan solo deberemos centrarnos en aquellos momentos en los que se produce un cambio
en el estado de alguno de los elementos.
Ahora que conoces la red de Petri del sistema te resultará más fácil
entender el porqué, ¿verdad? Efectivamente, entre dos eventos
consecutivos no cambia el estado de los elementos del modelo y, por
tanto, del propio modelo.
19
Si no es así, por favor, repasa todo lo trabajado en las actividades anteriores.
31
Durante
¿Qué debes hacer?
A partir de la información generada en las anteriores actividades, y mediante trabajo
cooperativo, construye la simulación del modelo del taller hasta el instante 21 minutos.
Para seguir la evolución del taller a lo largo de la simulación vamos a emplear dos
herramientas. Por un lado, utilizaremos la Red de Petri que generamos en la actividad
A3. Con ella, podremos conocer, en todo instante, cuál es el estado de los distintos
elementos involucrados en el modelo y qué eventos se programan a partir de la
activación de los actuales.
Sin embargo, con saber cuáles son estos eventos no es suficiente; necesitamos conocer
en qué momento exacto se producirán, a fin de identificar qué evento, de entre todos
los programados, se producirá antes. Esta información se puede ir registrando
fácilmente en una tabla, tal y como ya hicimos en la Actividad A1.
Para construir la tabla es preciso conocer todos los eventos que se pueden producir,
algo muy fácil si se tiene la RdP del sistema, como es nuestro caso.
32
Siguiendo la convención de colores que he venido empleando en este
tema, en la solución resaltaré en azul aquel evento futuro más próximo al
instante actual y en verde el evento que se produzca en el mismo instante
en el que nos encontremos 20.
Como ya has completado el primer laboratorio de este bloque, te resultará muy fácil
seguir la simulación. Esta comienza, como no podía ser de otro modo, en el instante 0.
Como inicialmente no hay piezas en el modelo, y de acuerdo con la RdP del taller, los
dos eventos que se pueden producir a partir de este instante son TA1 y TB1, que
representan, respectivamente, la llegada de una pieza de tipo A o una de tipo B.
A partir de la información disponible en el enunciado y la que hemos ido generando,
sabemos que la primera pieza de tipo B llegará en el instante 7, mientras que la primera
de tipo A lo hará en el 9. Esto lo podemos reflejar fácilmente en nuestra tabla.
De los dos eventos programados, el más próximo es TB1, por lo que moveremos la
simulación al instante de reloj 7, momento en el que llega la primera pieza de tipo B 21.
Como las piezas de tipo B llegan cada 7 minutos, sabemos que la siguiente pieza B llegará
en el instante 14 (instante actual + 7) 22. Además, la pieza B que acaba de llegar se sitúa
en el almacén a la espera de poder ser mecanizada.
20
Te recomiendo emplear esta notación, u otra, para que te acuerdes en el futuro de los pasos que
estamos dando en la ejecución. Obviamente, depende de ti hacerlo o no.
21
Recuerda que entre el comienzo de la simulación y el momento en el que se produce este evento el
estado de los elementos del modelo no ha cambiado (tiempo discreto).
22
En otras palabras, el disparo de la transición TB1 nos permite saber cuándo se volverá a producir dicha
transición.
33
Observa que el torno está libre (PTL), por lo que la transición TB2 se habilita
(sincronización) y puede dispararse. Como el tiempo de tránsito entre los recursos es
nulo, la transición se dispara en el mismo momento en el que llega la pieza B al almacén;
es decir, esta pieza comienza a mecanizarse nada más llegar al taller. Como el
mecanizado de la primera pieza B comienza en el instante 7, el torno terminará de
procesarla (TB3) 8 minutos después, es decir, en el instante 15.
¿Y ahora qué? Pues ahora te toca continuar con la simulación hasta el instante 21
construyendo, en paralelo, la tabla de eventos y el comportamiento dinámico de la red
de Petri del modelo.
34
35
Después
A6.01 - Continúa la ejecución del modelo de simulación
Como trabajo autónomo deberás continuar la simulación hasta el instante 30 minutos
y determinar el estado de los elementos involucrados, lo que te permitirá contestar en
el cuestionario del aula virtual a preguntas del tipo: ¿cuántas piezas de cada tipo han
llegado?, ¿cuántas esperan en los almacenes previos al torno?, ¿cuál es el estado del
torno en ese instante?, ¿hay piezas en la cinta transportadora?, ¿cuántas piezas hay en
los almacenes intermedios?, ¿y en el contenedor de desechos?, …
36
ACTIVIDAD DE REPASO R1
Esta actividad de repaso está programada para realizarse durante la semana 3 del
bloque, una vez hallamos trabajado todas las actividades de aula recogidas en este
documento. En dicha sesión llevaremos a cabo una Carrera Espacial Socrative con
cuestiones relacionadas con el Tema 5 y se resolverán las dudas que aún puedan existir.
Además, también dispones de una serie de tareas de trabajo autónomo que te serán
muy útiles, algunas obligatorias y otras opcionales. La mayor parte de estas tareas son
problemas de simulación de exámenes de cursos pasados: dos de ellos mantienen la
estructura del examen, con las preguntas tipo test, mientras que el resto solo cuenta
con el enunciado. En todos los casos, te dejo algunos consejos que, espero, te sean de
utilidad.
Por otro lado, también te planteo un reto para desarrollar tu creatividad: construir tu
propio problema de simulación. En esta tarea deberás diseñar y resolver un problema
similar al que pueda caer en el examen; de hecho, si el nivel es el adecuado, puede que
alguno de los mejores se seleccione y forme parte del examen en alguna de las
convocatorias de este curso, lo que también tendría su recompensa.
Antes
Como se trata de una actividad de repaso, tan solo necesitas llevar al día el bloque,
aunque no está de más que realices una lectura-visualización rápida de aquellos
aspectos sobre los que tengas más dudas y que elabores una lista de cuestiones que
preguntarnos en el aula.
Si no llevas la asignatura al día, te recomendaría revisar todo el contenido teórico y
práctico que hemos trabajado activamente durante las últimas semanas.
Durante
Como te he indicado, en esta actividad os enfrentaréis a una carrera espacial siguiendo
la dinámica que hemos venido empleando hasta ahora.
37
Después
Como he mencionado, en este apartado te presento algunos problemas de examen e
incluso te propongo el reto de crear tu propio problema de simulación. Pero antes de
enfrentarte a estas tareas autónomas, conviene que hayas resuelto, con ‘lápiz y papel’,
tanto los audioproblemas del tema 5 como las actividades que hemos ido realizando en
el aula a lo largo de las últimas semanas.
Por favor, no cometas el error de creer que solamente necesitas ‘ver’ estos vídeos y la
solución de las actividades de aula para enfrentarte con éxito a los problemas del
examen. Solo a través de la práctica serás lo suficientemente ágil y resolutivo durante
el examen; además, estarás de acuerdo conmigo en que es mejor que seas capaz de
identificar dudas o dificultades ‘antes’ del examen que ‘durante’ el mismo.
Por último, te aconsejo que trates de resolver estos problemas empleando el menor
espacio posible. El examen es de tipo test, por lo que no malgastes tu tiempo
escribiendo cosas innecesarias; por ejemplo, no malgastes una página para crear
números pseudoaleatorios U(0,1) y aplicar el método de la transformada inversa cuando
lo puedes sintetizar en una simple tabla.
38
Como en muchos de los problemas de examen, la construcción de la Red
de Petri resulta clave para poder seguir la evolución de la simulación y
conocer en qué estado se encuentran las entidades y recursos de nuestro
modelo. En nuestro caso, la RdP es ‘casi’ idéntica a la del apartado (c) de
la tarea A3.01.
Por otro lado, y aunque no te lo dicen explícitamente en el enunciado,
debes considerar (hipótesis) que la zona de espera tiene capacidad
ilimitada y que el stock de productos es infinito.
39
6. Considerando que los tiempos de tránsito entre recursos son nulos, en la Red de
Petri de la tienda …
a) existe sincronización, agrupación e inhibición
b) se aprecia decisión, ejecución secuencial y concurrencia
c) aparecen todos los mecanismos de RdP básicos
Observaciones.
• Las siguientes cuestiones aportan información que amplía la del enunciado principal del problema
de forma progresiva; por tanto, debes tenerla presente en el resto de las cuestiones, salvo que se
especifique lo contrario.
• Recuerda que debes construir las funciones de distribución teniendo en cuenta el orden en el que
aparecen sus elementos en el enunciado y que R1 se obtiene a partir del primer valor Xi que generes.
• Al calcular los números U(0,1) divide por (Valor-1 ), donde Valor depende del método
• A fin de simplificar los cálculos, trunca los valores U(0,1) a 4 decimales
40
R1.02 - Crea tu propio problema de
simulación
De acuerdo con la taxonomía de Bloom,
cuando un estudiante crea significa que
ya es capaz de aplicar todo lo aprendido,
de precisar nuevas estructuras o
reorganizar los elementos de forma que
logre definir un todo coherente y
funcional.
Por este motivo, en esta tarea te voy a pedir que crees tu propio problema de
simulación. En este problema debes cumplir una serie de requisitos:
el modelo deberá ser estocástico, dinámico, de tiempo discreto y descriptivo,
establece las hipótesis de partida,
el sistema tiene que poder representarse formalmente mediante una RdP,
dos elementos del modelo deben tener un comportamiento aleatorio,
para generar la aleatoriedad debes definir dos métodos generadores U(0,1), con
sus parámetros de partida, y dos funciones de distribución diferentes (uniforme
discreta y empírica, empírica y uniforme continua, ...),
la extensión del enunciado 23 no deberá superar las 400 palabras.
A continuación, comprueba que el enunciado es válido; es decir, ejecuta el modelo de
simulación durante unas pocas iteraciones. Obviamente, debes tener presente los
diferentes elementos que aparecen en el modelo, cómo es la RdP, generar las series que
definen el comportamiento aleatorio, dejar que el modelo evolucione, ...
Cuando creas que ya lo tienes, accede al aula virtual y participa en el foro Moodle
asociado a esta tarea. Incorpora el enunciado y los resultados clave que se obtienen
ejecutando el modelo hasta el instante de simulación que hayas considerado.
Los profesores del bloque evaluaremos los problemas entregados y seleccionaremos los
mejores, que recibirán una bonificación. Además, puede que alguno de estos problemas
entre a formar parte del examen de alguna de las convocatorias oficiales.
Recuerda que tienes a tu disposición numerosos problemas (aula, repaso, laboratorios,
audioproblemas, …) que te pueden servir de guía e inspiración.
23
Solo te pido el enunciado, no cuestiones tipo test como en la tarea anterior.
41
Tareas opcionales
R1.91[opcional] - Taller de mecanizado y pintura
Los directivos de la empresa YoFabrico, S.L. te han encargado el análisis de uno de sus
talleres mediante simulación. Según te indican, cada 60 segundos entra un producto al
taller, que puede ser de tres tipos diferentes (A, B, C), con una probabilidad del 40, 35 y
25% respectivamente. Estos productos son guiados, mediante un transportador de
rodillos, a una máquina CNC diferente dependiendo del tipo de producto (el productoi
se mecaniza en el CNCi, i = A, B, C). Sabemos que el transporte dura 25 segundos y que
el mecanizado en cualquiera de las CNC requiere dos minutos.
Una vez mecanizadas, las piezas se depositan en el almacén de pintura, de gran tamaño
y con gestión LIFO, para que puedan ser pintadas por un operario antes de abandonar
el taller; se estima que el operario de pintura tarda 100 segundos por pieza. Cada
producto se pinta de un color distinto (los productos A en rojo, los B en verde y los C en
azul) y se estima que el volumen de pintura empleado por pieza sigue una distribución
uniforme continua entre 250 y 500 ml, independientemente del tipo de producto.
Como en el problema anterior, la construcción de la Red de Petri resulta
clave para poder seguir la evolución de la simulación y conocer en qué
estado se encuentran las entidades y recursos de nuestro modelo.
Para construirla debes emplear el enfoque bottom-up, es decir,
construye las tres subredes por separado y únelas considerando el nodo
que tienen en común. Además, ten presente las hipótesis: tiempos de
tránsito, capacidades ilimitadas, …
En este sentido, y aunque no te lo dicen explícitamente en el enunciado,
debes considerar que el almacén de pintura tiene capacidad ilimitada,
ya que es un almacén muy grande.
2. Indica cuál de las siguientes afirmaciones es incorrecta con relación a dicho modelo:
a) el tiempo de mecanizado no es un parámetro
b) el operario de pintura es un recurso
c) el tipo de producto se puede modelar como un atributo
3. En la red de Petri del sistema aparecerán, entre otros, los siguientes mecanismos:
a) sincronización, concurrencia e inhibición
b) concurrencia, secuenciación y sincronización
c) decisión, concurrencia y agrupación
42
Observaciones.
• Las siguientes cuestiones aportan información que amplía la del enunciado principal del problema
de forma progresiva; por tanto, debes tenerla presente en el resto de las cuestiones, salvo que se
especifique lo contrario.
• Recuerda que debes construir las funciones de distribución teniendo en cuenta el orden en el que
aparecen sus elementos en el enunciado y que R1 se obtiene a partir del primer valor Xi que generes.
• Al calcular los números U(0,1) divide por (Valor-1 ), donde Valor depende del método
• A fin de simplificar los cálculos, trunca los valores U(0,1) a 4 decimales
8. En dicho instante, ¿cuál será el volumen de pintura verde que se ha empleado en los
productos completamente pintados?
a) 465,9 ml
b) 318,18 ml
c) 420,45 ml
43
Por último, aunque solo te he formulado dos preguntas sobre cómo se
encuentra el modelo en el minuto siete, existen muchas otras
cuestiones que podrían plantearse. Por ejemplo ¿cuántas piezas de
cada tipo se han pintado? ¿cuál es el volumen total de pintura
empleada? ¿en qué estado se encuentran las máquinas CNC? … Trata de
responder también a estas cuestiones y a todas aquellas que se te
ocurran: ¡sé creativo!
Número de días 25 50 60 40 25
Demanda promedio diaria (Kg) 10 15 20 25 30
Considerando que los costes de oportunidad se estiman en el 50% del precio de venta
por cada unidad que ha dejado de vender, Paco nos pide que realicemos la simulación
durante los cinco primeros días para conocer el beneficio acumulado en dicho periodo,
así como el coste de oportunidad acumulado en el que habrá incurrido.
Para calcular el precio de compra diario en la simulación deberás utilizar valores
pseudoaleatorios U(0,1) generados mediante el método congruencial lineal mixto
empleando como semilla 17, multiplicador 12, incremento 51 y módulo 47. Por su parte,
la demanda diaria se obtiene a partir de números pseudoaleatorios U(0,1) generados
mediante el método de Lehmer (X0 = 2247, p = 46).
44
Para guiarte en tu resolución, puedes seguir los pasos que hemos empleado en el aula
con el problema 5.2, es decir:
[1] Identifica el tipo de modelo, las hipótesis empleadas y los elementos de
modelizado que se derivan del enunciado.
[2] Construye la Red de Petri del modelo y trata de identificar los mecanismos o
redes básicas que hay en ella.
Podemos considerar que la frutería tiene capacidad ilimitada para
albergar a los clientes. Sin embargo, aunque podríamos suponer que la
capacidad de las estanterías también lo es, el problema es que la
disponibilidad/oferta diaria de manzanas en la frutería no lo es.
Por lo tanto, vamos a tener que reflejar en la RdP lo que ocurre con las
manzanas. Como ahora existen dos flujos de entidades distintas,
manzanas y clientes, la RdP ya no puede ser la que construimos en la tarea
A3.01 (a). Deberás emplear, de nuevo, el enfoque buttom-up.
Además, por esta misma limitación, vamos a encontrarnos tres tipos de
clientes en base al grado de satisfacción con la compra: clientes cuya
demanda se ha satisfecho (1) completa o (2) parcialmente, y (3) clientes
insatisfechos.
Con relación a estos últimos, los clientes insatisfechos, puedes suponer
que no necesitan ser atendidos por Paco, por lo que pueden abandonar
directamente la frutería si no hay manzanas en ella.
Beneficio 10,1 €
Solución
Coste de oportunidad 2,55 €
45
R1.93[opcional] - Suministro de carbón
La empresa YODISTRIBUYO, S.A. posee
un depósito de carbón que permite
atender la demanda diaria de carbón
de la región; en concreto, cada día sale
un camión de las instalaciones con una
carga que puede variar entre 70 y 130
Tm. A partir de los datos históricos se ha
construido la siguiente tabla con los
posibles valores que puede tomar.
Durante la simulación, para calcular la carga diaria de los camiones deberás utilizar
valores pseudoaleatorios U(0,1) generados mediante el método congruencial lineal
multiplicativo empleando como semilla 20, multiplicador 12 y módulo 49.
El aprovisionamiento del depósito se realiza desde una mina por medio de trenes que
transportan una cantidad de carbón constante. Teniendo en cuenta los patrones de
demanda y el intervalo entre trenes, se ha fijado el lote con el que cada tren alimenta
el depósito en 500 Tm. Los trenes siempre llegan a primera hora y se descargan antes
de que empiecen a llenar los camiones.
No obstante, no llegan todos los días; lo hacen a intervalos de tiempo que varían de
manera uniforme entre 2 y 6 días (valores discretos, ambos incluidos). Para calcular los
‘tiempos entre llegadas’ deberás emplear números pseudoaleatorios U(0,1) generados
mediante el método de Lehmer (X0 = 2245; p = 13).
Por otra parte, para cubrirse frente a la aleatoriedad de la demanda y del tiempo entre
llegadas de los trenes (el primer tren no llega en el instante 0 de la simulación), el primer
día del año (primero de la simulación) se puede comprar a un suministrador exterior una
cierta cantidad que permite comenzar el año con un nivel de inventario inicial. En
nuestro caso, vamos a considerar que el primer día se adquieren 500 Tm, que estarán
disponibles a primera hora para suministrar al primer camión.
La demanda que no se atiende un día no se sirve otro (se trata de demanda perdida),
por lo que el gerente de la empresa se está planteando negociar con los proveedores
una reducción de la variabilidad. Para ello, necesita tener en cuenta valores económicos
en la simulación. En concreto, estima que el coste de almacenaje (CA) es de 0,2 u.m./(día
y Tm) y el coste de oportunidad (CO) asciende a 100 u.m. cada día que se produce una
carencia; es decir, este coste es independiente de la cantidad no servida.
A partir de toda esta información, al final del sexto día de simulación ¿qué cantidad de
carbón alberga el depósito?, ¿cuál es el coste operativo (CA+CO) acumulado?
46
Para resolver el problema, puedes seguir los mismos pasos presentados en la actividad
R1.92 anterior. Además, te dejo unas pocas sugerencias y la solución.
47