Está en la página 1de 11

Profesora: Ing.

Edali Ramos Mijangos Trabajo: Investigacin Documental Tema: Simulacin

Integrantes: Gmez Ovilla Fernando Rafael Vzquez Cruz Jess Alberto Caballero Chanona Gerardo Cisneros Hernndez Arturo Martin Lara Crdova Jess Antonio

Fecha de entrega: 12 de Abril de 2010

SIMULACIN La simulacin es muy til para resolver problemas de negocios en el que no se conoce anticipadamente todos los valores de las variables anticipadamente o solo se conoce parcialmente y no hay manera de averiguarlos fcilmente. El problema se asemeja a la secuencia para la que no hay una formula ya hecha para el ensimo (o ultimo) y termino. El nico hecho conocido es una regla (relacin recursiva), que nos permite encontrar el trmino siguiente con ayuda de los anteriores. Bsicamente, la nica forma de descubrir el ensimo trmino consiste en aplicar sucesivamente la misma regla hasta llegar al ensimo trmino. La simulacin utiliza un mtodo para encontrar esos estados sucesivos de un problema, aplicando repetidamente las reglas bajo las cuales funciona el sistema. Ese eslabonamiento sucesivo de un estado determinado con otros anteriores, es una caracterstica distintiva de la simulacin, y por lo tanto debe ser evidente por que los modelos de simulacin se expresan en forma de relaciones recursivas.

La simulacin consiste en la construccin de ciertos tipos de modelo matemtico que describe el funcionamiento del sistema en trminos de eventos y componentes individuales. Adems, el sistema se divide en elementos, y sus interrelaciones con un comportamiento predecible, por lo menos en trmino de una distribucin de probabilidades, para cada uno de los posibles estados del sistema y sus insumos. La simulacin es un medio de dividir el proceso de construccin de modelos en partes componentes ms pequeas para combinarlas en un orden natural y lgico, de modo que en una computadora pueda programarse para presentar el efecto de sus interrelaciones en ellas. Es posible garantizar que se encuentre la respuesta ptima debido a errores estadsticos, pero debe ser por lo menos muy cercana a la ptima si el problema se simula correctamente. Esencialmente, el modelo de simulacin lleva a cabo experimentos con los datos de entrada de muestra y no con todo el universo (para hablar en trminos estadsticos), porque esto ltimo requerira mucho tiempo, tendra muchos inconvenientes y sera muy costoso.

La simulacin sea definida como el uso de un modelo de sistema que tiene la caracterstica deseada de la realidad, a fin de reproducir la esencia de las operaciones reales. Tambin sea definido como una representacin de la realidad mediante el empleo de un modelo u otro mecanismo que reaccionara del mismo modo que la realidad bajo una serie de condiciones dadas. Ninguna de estas definiciones incluye todas sus caractersticas fundamentales, o sea el empleo de modelos matemticos, procesos estadsticos o estocsticos, hechos, suposiciones y cursos alternativos de accin. Una definicin ms general y completa de la simulacin es esta: una tcnica cuantitativa que se emplea para evaluar cursos alternativos de accin, basada en hechos y suposiciones, con un modelo matemtico de computadora a fin de representar la toma real de decisiones en condiciones de incertidumbre.

PROCEDIMIENTOS DE SIMULACION.

Las simulaciones se realizaron por medio de una versin baro trpica y verticalmente integrada del HAMSOM. El uso de cdigos de estas caractersticas es habitual en los sistemas de prediccin de ondas de tormenta. El hecho de emplear un modelo 3-D, con toda la carga adicional de fsica y parametrizaciones, no aporta una mejora sobre el valor estimado del nivel del mar, aunque si puede tener sentido a la hora de predecir corrientes superficiales (comunicacin en persona, Philip Woodword).

El clculo de residuos en un punto se ha realizado por medio de una tcnica que implica la realizacin de dos simulaciones diferentes (Davies and Lawrence, 1994). La primera consiste en una simulacin de marea (como se ver en el apartado Constantes de marea se ha empleado para ello el conjunto de constantes FES 95? de la Universidad de Grenoble) con todos los armnicos disponibles en el modelo y reproduciendo la situacin real existente durante los das concretos del estudio. Para ello ha sido necesario introducir en el cdigo una rutina que calcule, para todos los armnicos contemplados y para una fecha determinada, los factores nodales y el desfase con respecto al origen de tiempo (ecuacin 2). A travs de esta rutina, el trmino de desfase se calcula al inicio del periodo considerado y el valor de fit se actualiza al principio de cada da.

En estas simulaciones el modelo reproduce el comportamiento de los 7 armnicos ms importantes, que poseen ms del 95% de la energa de la marea. La segunda simulacin consiste en una ejecucin conjunta de los forzamientos de la atmsfera (vientos y presiones procedentes del HIRLAM) y la marea. En este caso, se reproduce el nivel absoluto del mar, a excepcin de las contribuciones baro clnicas y las debidas a los armnicos no considerados. Los residuos se calculan como la diferencia entre ambas simulaciones. Al calcular las ondas de tormenta de esta manera el modelo puede estimar las transferencias de energa entre los forzamientos meteorolgicos y de marea. En aquellos puertos donde existe un maregrafo, el nivel del mar se calcula como la suma de la marea predicha astronmicamente y el residuo calculado por el modelo. Por supuesto, este nivel calculado no puede tener en cuenta las contribuciones baro clnicas ni las variaciones de la presin media planetaria (ver seccin La influencia de la presin atmosfrica). Estos factores pueden producir derivas estacionales del nivel medio del mar que han de ser tenidas en cuenta de alguna forma. Al hacer retro anlisis de periodos cortos de tiempo la tcnica habitual es igualar las medias de las series de residuos medidos y simulados (Vested et al, 1995). Al hacer prediccin se hace uso de diversas tcnicas de asimilacin de datos (Vested et al, 1995). En la seccin El esquema de asimilacin de NIVMAR se mostrar la aplicacin de una de estas tcnicas. El salto de tiempo empleado en las simulaciones fue de 10 minutos. Con este paso de tiempo, relativamente pequeo, el mximo nmero de Courant para la propagacin de ondas largas presente en el dominio de simulacin es del orden de 5, con lo que la estabilidad y la ausencia de amortiguamiento numrico quedan aseguradas (Kowalik y Murty, 1993). Los valores de viscosidad horizontal y friccin de fondo empleados son los mismos que dieron buenos resultados a la hora de simular las mareas en Fanjul el al (en prensa (a)) (200 m2s-1 y R=0.0025). Las tensiones de arrastre de viento fueron calculadas a partir de los datos del HIRLAM por medio de la parametrizacin de Charnock (Fanjul el al, en prensa (a)), utilizando un valor de (Mastenbroek, et al, 1993).

GENERADOR DE NMEROS ALEATORIOS.

Los nmeros aleatorios son muy tiles en muchos tipos de clculos, por ejemplos en un problema relacionado con probabilidad o estadstica. Uno de los mtodos ms sencillos posibles para tratar de determinar una serie de nmeros aleatorios para una distribucin uniforme, comprende el empleo de 10 esferas, fichas o cosas parecidas, que sean idnticas a acepcin de la numeracin de 0 a 9. Si eso objetos se seleccionan sin ningn prejuicio, podemos obtener una serie de dgitos aleatorios. Podra serse un registro de una serie muy grande de nmeros, para usarse en los problemas, de modo que no hubiera necesidad de volver a los objetos fsicos que se usaron para obtener los nmeros aleatorios. Otro enfoque de la generacin de nmeros aleatorios, consiste en emplear mecanismos electrnicos o mecnicos. Ordinariamente estos ltimos emplean un mecanismo giratorio dividido en secciones numeradas iguales, de algn mtodo para detenerlo y escoger en forma aleatoria una de sus secciones. Los mecanismos electrnicos utilizan un ruido aleatorio que se convierte en pulsos para mover un contador cclico. Se obtiene un nmero aleatorio mediante interrupciones a intervalos fijos. Entre esos dos enfoques mecnicos y electrnicos parece preferible el mecanismo electrnico que permite inspeccionar uniforme mente un contador activado en forma aleatoria. En 1939, Kendall y Babington Smith publicaron 100,000 dgitos aleatorios obtenidos con un disco giratorio iluminado con una lmpara relmpago. Ms recientemente, la Rand Corporation publico 1, 000, 000 de dgitos producidos controlando una fuente de pulsos de frecuencia aleatoria. A pesar de esa gran cantidad de

Los mtodos aritmticos tales como el de mitad de cuadrado y el de multiplicacin, se basan general mente en alguna clases de relacin recursiva relacionada con enteros, o sea que cada nmeros nuevo deriva del anterior. El resultado se escoge en forma aleatoria entre una poblacin finita de enteros, de modo que la maquina puede producir un valor inicial que se requiera para iniciar la relacin recursiva. En algn punto se producir un numero que ya ha ocurrido, y de ese modo se forma una secuencia de circuito cerrado con un ciclo continuo de ese punto en adelante. La longitud de esa secuencia de circuito cerrado se llama periodo del generador, y es conveniente que sea igual o casi igual al total de la poblacin de enteros de la maquina. El problema consiste en encontrar una relacin que produzca una secuencia suficiente mente aleatoria de nmeros, con un periodo prolongado y con un mnimo de tiempo de computadora. Los nmeros generados por computadoras que logran pasar las pruebas estadsticas con respecto a su carcter aleatorio, se llaman nmeros pseudo aleatorios, aunque se produzca mediante un proceso completamente deterministico. Seria ideal que los resultados del generador de nmeros aleatorios tuvieran propiedades estadsticas con respectos al problema que se estudian. En 1933 Kendall y Babington Smith propusieron cuatro pruebas muy usadas: la de frecuencia, de serie, de pker y de hueco, para comprobar la exactitud de la solucin. La prueba de frecuencia cuenta la frecuencia de cada digito en la frecuencia; la de serie registra las frecuencias de ocurrencias de todas las combinaciones posibles de dos dgitos, tales como 42, 84, 01 la prueba de pker cuenta la frecuencia con que ocurre barias manos de pker, y la de huecos totaliza el numero de dgitos que aparecen entre las repeticiones de cierta pruebas. De ese modo, los resultados pueden comprobarse con los valores tericamente esperados mediante alguna prueba estadstica.

En realidad es posible efectuar otras muchas pruebas que se han perfeccionado desde entonces. Sin embargo si usamos demasiadas pruebas nunca llegaremos a emplear un generador de nmeros aleatorios. Esencial mente las pruebas demasiados rgidas son impracticables, y probablemente sea mejor escoger un generador que pase las pruebas ms convencionales tales como las de frecuencias y de serie, mas aquellas que sean pertinentes y el problema que nos ocupa. Una prueba importante sera un clculo de muestreo de un problema en el que se conoce la respuesta. Una precaucin final para cerciorarse de que la respuesta no sea errnea a causa del generador consiste en repetir el problema usando otro generador de nmeros aleatorios. nmeros aleatorios, a menudo un computadora consume grandes cantidades de nmeros con tanta rapidez que su lectura de almacenamiento o cinta magntica resulta inadecuada de modo semejante, a dems de ser muy lento, el control de mecanismos fsicos tiene la desventajas de que los nmeros generados no pueden reproducirse. Los clculos no pueden repetirse idnticamente segn lo requiera la correccin de errores, y por lo tanto a habido una decidida tendencia a si los generadores aritmticos desde que Von Neumann y metrpolis propusieron su mtodo de mitad de cuadrados alrededor del ao 1946.

MUESTREO DE VARIABLES ALEATORIOS

Una muestra aleatoria es una muestra sacada de una poblacin de unidades, de manera que todo elemento de la poblacin tenga la misma probabilidad de seleccin y que las unidades diferentes se seleccionen independientemente. Si las variables aleatorias x1.x2...........xn. Tienen la misma funcin de densidad de probabilidad que la de la distribucin de la poblacin, y su funcin de distribucin conjunta de probabilidad es igual al producto de las marginales, entonces x1.x2............xn forman un conjunto de n variables aleatorias independientes e idnticamente distribuidas (IID) que constituyen una muestra aleatoria de la poblacin.

SIMULACION DE INVENTARIO

Durante muchos aos la simulacin de Montecarlo se ha aplicado repetidas veces a sistemas de inventarios en condiciones de incertidumbre. Las simulacin de Montecarlo puede usarse para simular el uso durante los casos de tiempo de adelanto, lo que puede hacerse con un programa de computadora que lea tantos nmeros aleatorios como los das que hayan en el periodo de tiempo y espera, para simular la demanda para ese mismo tiempo de espera. Se necesita una muestra adecuada para simular el tiempo de espera. Los resultados de la corrida de la computadora serian una probabilidad de distribucin, y una probabilidad acumulativa de la demanda durante el tiempo de adelanto. Basndose en esos resultados, el problema puede manejarse manualmente para calcular el total anual de los costos de la falta de existencias, y el costo total anual de los inventarios para cada nivel de existencia de seguridad. En los casos que hayan un gran nmero de artculos de inventarios, se usara la computadora para determinar los clculos de nivel optimo de existencia de seguridad para todas las unidades del inventario.

La simulacin no solo puede aplicarse a ciertas fases de los inventarios tales como el establecimiento de puntos de renovacin de pedidos, y la determinacin del consumo durante el periodo de renovacin de pedidos, sino que

tambin se aplica correctamente a la integracin de modelos de programas de produccin, y modelos de control de inventarios para un sistema combinado de produccin e inventarios la interaccin de esas dos reas produce un problema de simulacin ms complicado. Bsicamente, hay dos pasos principales, el primero las tasas calculadas de produccin, de acuerdo con alguna regla de decisin. Segn, un modelo de simulacin acta en la decisin del primer modelo y mantiene registro de los resultados de la aplicacin de las reglas, y tambin hay otras consideraciones para estas clases de problemas de simulacin.

LIBRO: INVESTIGACION DE OPERACIONES AUTOR: ROBERT J. THIERAUF % RICHARD A: GROSSE EDITORIAL: NORIEGA LIMUS PAGUINA: 463

Pagina web: www.Mitecnologico.com