INSTITUTO TECNOLGICO SUPERIOR DE PTZCUARO

Investigacin de Operaciones II

SIMULACIN

Tutor: MARTIN TAPIA SALAZAR

Miguel ngel Rojas Cruz

LIN05

Ptzcuaro, Mich.

Martes 04 de Abril de 2011

SIMULACIN Las aplicaciones de la simulacin parecen no tener lmites. Actualmente se simulan los comportamientos hasta las partes ms pequeas de un mecanismo, el desarrollo de las epidemias, el sistema inmunolgico humano, las plantas productivas, sucursales bancarias, el sistema de reparticin de pizzas en la Ciudad de Mxico, crecimiento de poblaciones de especies de animales, partidos y torneos de ftbol, movimiento de los planetas y la evolucin del universo, para mencionar unos pocos ejemplos de las aplicaciones de esta herramienta. Cabe mencionar la creciente importancia de la Simulacin en la Investigacin de operaciones y en sus aplicaciones industriales. En los pases altamente desarrollados la simulacin es una herramienta principal de en los procesos de toma de decisiones, en el manejo de empresas y el planeacin de la produccin. Adems, la Simulacin es cada vez ms amigable para el usuario, que no tiene que ser un especialista en computacin.

CONCEPTOS BASICOS MODELADO Representacin idealizada de un sistema

OPTIMIZACION

Alcanzar un desempeo inmejorable de un sistema

SIMULACION

Imitacin del comportamiento de un sistema

TIPOS DE SIMULACION SIMULACION DETERMINISTICA (ESTOCASTICA) Simulacin que no (s) involucra variables aleatorias SIMULACION ESTATICA - (MONTE CARLO) Simulacin de un sistema en un momento del tiempo

SIMULACION DINAMICA Simulacin que representa el comportamiento de un sistema a lo largo del tiempo

SIMULACION CONTINUA Simulacion en la que las variables pueden cambiar de manera contnua a lo largo del tiempo

SIMULACION DE EVENTOS DISCRETOS Simulacin en la que los eventos pueden ocurrir en puntos separados en el tiempo

EVENTO Incidente que puede cambiar el estado del sistema modelado

INDICADORES DE DESEMPEO El objetivo de una simulacin es efectuar cambios al modelo con el objeto de evaluar su efecto sobre las variables aleatorias que miden el desempeo del sistema simulado. Para esto se utilizan indicadores de desempeo. En modelos de manufactura estos indicadores pueden ser: Por estacin de servicio: PRODUCCION INVENTARIO TIEMPO DE ESPERA UTILIZACION o EFICIENCIA

Por producto TIEMPO DE CICLO LEAD TIME

En los modelos de simulacin estocstica estos indicadores son variables aleatorias por lo que interesa conocer su distribucin o caractersticas de sta (media, min, max, etc.)

EJEMPLOS DE SIMULACION SISTEMA DE LINEAS DE ESPERA

Sucursales Bancarias Talleres Redes telefnicas

SISTEMAS DE PRODUCCION / INVENTARIOS

Compras Fecha de terminacin de un proyecto Ejecucin de un nmero de rdenes

SISTEMAS ECONOMICOS

Cartera de Inversiones Factibilidad de una Inversin Modelo de Duopolio Juegos de Negocios

SISTEMAS CONTINUOS

Operaciones Refinera - Buque tanque Ecosistemas Gentica

COMPONENTES DEL SISTEMA A SIMULAR

ELEMENTOS

DEL SISTEMA

RECURSOS (operarios, mquinas, capacidades, etc.) INVENTARIOS (almacenes) PRODUCTOS (terminados, partes, rutas)

OPERACION DEL SISTEMA

ATRIBUTOS (de recursos, de inventarios, de productos) EVENTOS (arribos, fallas, paros programados, cambios de recursos, etc.) COMPONENTES DEL MODELO DE SIMULACION VARIABLES

EXOGENAS (de entrada al modelo) CONTROLABLES (t. comida, t. mantenimiento, etc.) NO CONTROLABLES (t.arribo, t.proceso, t.falla, etc.)

DE ESTADO Miden el nivel de una caracterstica del sistema en un momento dado Varian de valor segun como progresa la simulacin Inventarios, tiempo ocioso, tiempo de espera, reloj, etc.

ENDOGENAS (de salida del modelo) % Tiempo ocioso total, produccin total, t. ciclo promedio, etc.

PARAMETROS (no varan a lo largo de la simulacin) DISTRIBUCIONES y sus parmetros

RELACIONES (propias de la operacin del sistema) T.ciclo = [ tiempo en lnea de espera + tiempo de proceso ]

Inventariot = Inventariot-1 + entradast - salidast

CONTADORES (variables que se mantienen para evaluar el desempeo del sistema) CONDICIONES EXPERIMENTALES

REPLICAS TIEMPO DE SIMULACION DE CADA REPLICA CONDICIONES (DE INICIO Y FIN) TIEMPO TRANSITORIO RUTINAS

INICIALIZACION SECUENCIA EVENTOS DE LIBRERIA REPORTES

fija el valor de las variables al inicio de cada rplica determina el siguiente evento a aparecer y actualiza el reloj actualiza el estado del sistema (una rutina por cada evento) generan variables aleatorias y pruebas estadsticas estiman indicadores de desempeo al final de la simulacin

GENERACION DE NUMEROS ALEATORIOS

En toda simulacin estocstica existe la necesidad de generar nmeros aleatorios segn alguna distribucin Generar el valor de una variable implica obtener un valor numrico de acuerdo a ciertas probabilidades Por ejemplo:

.4 .3 .2 .1 25 30 35 40 45 Tiempo entre fallas(hrs)

La generacin de variables aleatorias se hace a partir de la generacin de variables aleatorias con distribucin uniforme [0,1]

Esto se consigue a traves de uno de varios mtodos:

Transformacin Inversa Aceptacin - Rechazo Composicin Convolucin

SOFTWARE DE SIMULACION LENGUAJES CIENTIFICOS DE PROGRAMACION

FORTRAN, BASIC, C

LENGUAJES DE SIMULACION

GPSS GASP SIMSCRIPT SIMAN SLAM

PAQUETES DE SIMULACION

ARENA SIMFACTORY PROMODEL

METODOLOGIA DEL PROCESO DE SIMULACIN. Planificar Un Proceso De Simulacin Requiere De Los Siguientes Pasos:

1) 2) 3) 4) 5) 6) 7) 8)

Formulacin Del Problema. Recoleccin Y Procesamiento De La Informacin Requerida. Formulacin Del Modelo Matematico. Evaluacin De Las Caracteristicas De La Informacin procesada. Formulacin De Un Programa De Computadora. Validacin Del Programa De Computadora. Diseo De Experimentos De Simulacin. Analisis De Resultados Y Validacin De La Simulacin.

A continuacin se resumen las principales caractersticas asociadas a cada paso. 1) Formulacin Del Problema Generalmente un problema se presenta por sntomas, no por el diagnostico. Por lo que antes de generar soluciones en un sistema, se debe buscar el mayor nmero de sntomas.

Caractersticas de la formulacin del problema a) El problema recae en un grupo, no en un individuo. b) El marco de referencia donde se encuentra el grupo, cambia en forma dinmica. c) El numero de alternativas que el grupo puede escoger es bastante grande, pero finito. d) El grupo dentro del sistema puede tener objetivos mltiples. necesariamente estos objetivos son relacionados entre si. No

e) Los efectos de la decisin del grupo pueden sentirse por elementos aun siendo ajenos al sistema considerado, stos influyen directa o indirectamente, favorable o desfavorablemente hacia dichos elementos (poltica, consumidor, etc.).

Formular Un Problema Requiere: a) Identificar las componentes controlables de un sistema. La identificacin de la estructura del sistema (componentes, canales, interrelaciones, etc.), se hace a travs de un proceso sistemtico, que se conoce como diseo de sistemas. El diseo de sistemas se lleva a cabo de la siguiente manera: - Se ubica al sistema considerando dentro de sistemas ms grandes. - Se determinan las componentes del sistema. - Se determinan los canales de comunicacin entre las componentes del sistema y de este hacia los elementos de otros sistemas que van a tener influencia directa o indirecta. - Se determinan de que manera se tiene acceso a la informacin requerida, como se procesa sta y como se transmite entre las diferentes componentes del sistema. b) Identificar posibles rutas de accin dadas por las componentes controlables. c) Definir el marco de referencia, dado por las componentes no controlables d) Definir los objetivos que se persiguen y clasificarlos por su orden de importancia.

e) Identificar las relaciones importantes entre las diferentes componentes del sistema, este paso equivale a encontrar las restricciones que existen, a la vez que permite ms adelante representar estas interrelaciones en forma matemtica. Interrogantes para obtener informacin para la formulacin del problema. a) Existe un problema?. b) De quien es el problema?. c) Cual es el marco de referencia del sistema donde se encuentra el problema? d) Quien o quienes toman las decisiones? e) Cuales son sus objetivos?. f) Cuales son los componentes controlables del sistema y cuales no lo son?. g) Cuales son las interrelaciones ms importantes del sistema?. h) Como se emplearan los resultados del proyecto? Por quien? que efectos tendr? i) Las soluciones tendrn efecto a corto o largo plazo? j) Podrn los efectos de las soluciones modificarse o cambiarse fcilmente? k) Cuantos elementos del sistema se afectaran por las soluciones del proyecto? En qu grado?

2) Recoleccin Y Procesamiento De La Informacin. RECOLECCIN: Es el proceso de capturar los datos disponibles que se requieren para la simulacin del comportamiento del sistema. PROCESAMIENTO: Se comprenden las actividades requeridas para transformar los datos en informacin. Por ejemplo, un directorio telefnico es un banco de datos: mi direccin y telfono es informacin que procede de ese banco de datos el hecho de que estos datos estn arreglados en cierta forma (procesados y forma alfabtica), permite el acceso a la informacin deseada de una manera sencilla. La formulacin es necesaria para poder simular un sistema.

La informacin debe ser: oportuna relevante y confiable.

Fuentes para generar informacin 1.- Las series histricas o de tiempo: Son datos tiles y de rpido procesamiento para convertirlos en informacin. 2.- La opinin de expertos: Es informacin subjetiva, carente de detalle y de utilidad mnima, es un tipo de informacin complementaria. 3.- Los estudios de campo: Son el mtodo mas efectivo, aunque ms costoso y demanda tiempo para obtener la informacin requerida. Se requiere, el diseo de una muestra estadstica representativa del universo bajo estudio; de un cuestionario que asegure la relevancia y confiablilidad, as como de personal entrenado que aplique la encuesta. La informacin capturada se mete a la computadora a travs de algn paquete y se edita.

3) Formulacin Del Modelo Matemtico 1. Representar el sistema mediante un esquema en el que se visualice en cada modulo con sus componentes, atributos, actividades endgenas y exgenas y las relaciones entre estas. El conjunto de todos estos mdulos es el sistema. 2. Caracterizar matemticamente las relaciones que gobiernan las interacciones de las componentes del sistema y de las actividades endgenas y exgenas. Es mas fcil construir una expresin matemtica de las componentes y actividades del bloque que de todo el sistema. Sin embargo a una escala, la modelacin puede ser muy difcil o, en ciertos casos imposibles. El sistema como un todo se modela matemticamente de acuerdo a la interconexin de los bloques. Por ejemplo si un sistema esta formada por una sola unidad de servicio y una lnea de espera, una expresin matemtica para determinar el tiempo promedio que los clientes estn en el sistema: TSISTEMA = (TCOLA + TSERVICIO ) / N
Tiempo del sistema por individuo Tiempo de cola total Tiempo de servicio total N: numero de personas en la cola

4) Evaluacin De Las Caracteristicas De La Informacin Procesada

Se necesita averiguar el tipo de distribucin probabilstica que gobierna a la informacin. Para ello se requiere la realizacin de una serie de prueba estadsticas, para analizar si existen diferentes significativas entre la distribucin emprica observada (histograma de los datos capturados) y la distribucin terica supuesta de no existir diferencias significativas, se utiliza la distribucin terica que generalmente ya viene tabulada. De lo contrario, el comportamiento del sistema debe hacerse en base a la distribucin emprica observada, lo cual acarrea cierta complejidad.

5) Simulacin De Un Programa De Computadiora Se deber elegir el o los programas para la simulacin: GPSS, PROMODEL, SYSTEM VIEW, EXCEL, etc.

6) Validacin Del Programa Por Computadora

1.- Cada corrida genera resultados. 2.- Si se realiza otra corrida se obtiene resultados diferentes. 3.- Cuantas veces se debe correr el programa? An cuando en cada corrida los resultados son diferentes estadsticamente estos pueden ser confiables. 4.- Establecer las hiptesis para cada tipo de resultados, an cierto nivel de significancia. Por ejemplo si se hacen 5 simulaciones se puede probar que probabilsticamente elementos semejantes en el sistema tienen un comportamiento y eficacia semejantes.

5.- Simultneamente realizar pruebas de hiptesis y se puedan comparar los resultados con algn patrn de informacin previamente conocido para tener un panorama ms amplio y confiable. 6.- Si la hiptesis no fue aceptada entonces se debe revisar exhaustivamente todo el programa las funciones, procedimientos entradas y salidas de informacin, hasta encontrar si hay un posible error.

7) Diseo De Experimentos De Simulacin Esta fase se puede hacer simultneamente con las fases: validacin del programa y diseo de experimentos. Una vez validado el programa se entra a la fase del diseo de experimentos que se quieren simular, para ello se debe hacer lo siguiente: 1. 2. 3. 4. Definir las variables endgenas y exgenas. Definir las estructuras funcionales que las relacionan. Elegir las distribuciones adecuadas a los parmetros aleatorios. Generar los nmeros y variables aleatorias que de acuerdo a estas distribuciones, representan al sistema baja estudio. 5. Realizar pruebas de hiptesis para seleccionar la informacin necesaria para realizar la simulacin. 6. Definir las distintas condiciones iniciales y finales de la simulacin. 7. Tabular y graficar los resultados para realizar un mejor anlisis y validacin de la simulacin.

8) Analisis De Resultados Y Validacin De La Simulacin 1. 2. 3. 4. Recolectar sistemticamente los datos producidos por la simulacin. Calcular ciertas estadsticas. Interpretar el comportamiento de la informacin obtenida. Validar los resultados de la simulacin comparando similitud entre los resultados y las posibles series histricas que se poseen.

La utilizacin del modelo por parte de los decisores es la validacin crucial. De otra forma el modelo se archiva o se descarta.

GENERACIN DE NUMEROS ALEATORIOS Y PSEUDOALEATORIOS. Definicin. Una muestra aleatoria de tamao n de una poblacin X , es una sucesin de n variables aleatorias, independientes, X1 , X2 ,..., Xn , con idntica ley de probabilidad que X . Una muestra de tamao n est constituida por n rplicas de X. Una vez que la muestra se haya realizado, es decir, se hayan extrado los n individuos de la poblacin y "medido" la variable X en cada uno de ellos, se dispondrn de n datos u observaciones: x1 , x2 ,..., xn. Para que una variable aleatoria, definida a partir de una muestra aleatoria de tamao n, tome valores, es necesario disponer de los n datos de la realizacin de tal muestra

Muestreo aleatorio Dentro de las tcnicas de muestreo aleatorio merecen mencin, el muestreo aleatorio simple, el muestreo aleatorio estratificado, el muestreo sistemtico y el muestreo polietpico. Todas ellas tienen como objetivo fundamental seleccionar muestras que sean representativas de la poblacin. A) Muestreo Aleatorio Simple El muestreo aleatorio simple consiste en seleccionar elementos de una poblacin, bajo las siguientes condiciones: -todos los elementos tienen la misma probabilidad de ser elegidos -la poblacin es idntica en todas las extracciones, es decir una vez seleccionada una poblacin, sta se reemplaza. La seleccin de las observaciones de una muestra aleatoria simple, se suele realizar mediante "nmeros aleatorios", que son precisamente, un conjunto de nmeros, los cuales tienen todos ellos la misma probabilidad de aparicin. Si x1, x2,...,xn es una muestra aleatoria simple de una variable discreta, la probabilidad de obtener dicha muestra se denomina "probabilidad conjunta" y es igual al producto de las probabilidades de cada observacin: P (x1, x2,...,xn) = P (x1) P (x2) ... P (xn) Esta relacin se obtiene como consecuencia de la independencia de las observaciones. Si la variable aleatoria es continua, se establece una relacin equivalente a la anterior, pero con las funciones de densidad. f (x1, x2,...,xn) = f (x1) f (x2) ... f (xn) Con esta tcnica, cada uno de los elementos de la muestra Xi ser una variable aleatoria con la misma distribucin que la poblacin de la que se ha obtenido. Entre s, los elementos muestrales tambin son variables aleatorias independientes. Mtodo de montecarlo El Mtodo de Montecarlo es una forma artificial de realizar el muestreo aleatorio simple, pues se utiliza cuando los elementos de la poblacin no estn disponibles. Consiste en seleccionar muestras de cualquier poblacin, siempre y cuando se conozca su distribucin de probabilidad.

B) Muestreo Aleatorio Estratificado El muestreo aleatorio estratificado se produce cuando los elementos de una poblacin se estructuran en clases (o estratos). Para dividir la poblacin en clases se siguen los siguientes criterios: - Se respetan, de forma proporcional, los tamaos relativos en la poblacin. Es decir, si en una poblacin existieran un 60% de mujeres y un 40% de hombres, esta proporcin se respetara en el estrato. - Se respeta tambin, de forma proporcional, la variabilidad de la poblacin en el estrato. Es decir, se toman menos elementos de estratos donde la caracterstica tenga menor dispersin. La muestra se elige de la siguiente manera:

-se asigna un nmero determinado de elementos a cada clase -se elige, por muestreo aleatorio simple, dentro de cada clase C) Muestreo Sistemtico Se utiliza cuando los datos de la poblacin se presentan ordenados en listas. Dada una poblacin de tamao "N", si se pretende obtener una muestra de tamao "n". Suponiendo que "k" es el nmero entero ms cercano a N/n, la muestra sistemtica se va obteniendo al azar un elemento entre los primeros "k" (mediante nmeros aleatorios). Si el orden del elemento elegido es n, a continuacin se toman los elementos n1+k, n+2k, y as de forma sucesiva a intervalos fijos de "k" hasta completar la muestra. Si en el orden en el que se presentan los elementos de la poblacin, se encuentran ms prximos los individuos que son ms semejantes y se encuentran ms alejados los individuos que ms difieren entre s, este mtodo es ms preciso que el muestreo aleatorio simple, porque cubre de forma ms homognea la poblacin. Si el orden de los elementos que figuran en las listas ha sido tomado al azar, este mtodo es igual al muestreo aleatorio simple. D) Muestreo Polietpico Se utiliza cuando la poblacin es muy heterognea. Para seleccionar una muestra de una poblacin se va dividiendo dicha poblacin de forma sucesiva conforme algn criterio determinado con anterioridad. De las partes que resultaron de la primera divisin se eligen algunas por muestreo aleatorio simple. A su vez estas partes se subdividen en otras y de ellas se vuelve a seleccionar algunas, tambin por muestreo aleatorio simple. Un ejemplo clsico de un muestreo polietpico resulta cuando se quiere seleccionar una muestra de una ciudad grande; la ciudad se divide en barrios y de ellos se eligen algunos por muestreo aleatorio simple; los barrios se dividen en calles, y dentro de ellas se seleccionan algunas tambin por muestreo aleatorio simple, y as sucesivamente. Muestreo Aleatorio Una muestra se dice que es extrada al azar cuando la manera de seleccin es tal, que cada elemento de la poblacin tiene igual oportunidad de ser seleccionado. Una muestra aleatoria es tambin llamada una muestra probabilstica son generalmente preferidas por los estadsticos porque la seleccin de las muestras es objetiva y el error muestral puede ser medido en trminos de probabilidad bajo la curva normal. Los tipos comunes de muestreo aleatorio son el muestreo aleatorio simple, muestreo sistemtico, muestreo estratificado y muestreo de conglomerados.

APLICACIN DE ALGORITMOS GENTICOS PARA LA SOLUCIN DE MODELOS DE INVENTARIO Uno de los problemas empresariales es la administracin de inventario, donde se trata de encontrar el valor de los parmetros de decisin que conlleven a un menor costo total. Estos parmetros son, cundo realizar un pedido y de qu tamao debe ser este. Los mtodos analticos permiten obtener resultados ptimos en los casos en los cuales se cumplan los supuestos de un modelo determinado. Cuando se alteran estos supuestos para representar mejor a un sistema de inventario real, el uso de mtodos analticos puede llegar a ser demasiado complejo. Al tener un modelo lo suficientemente complejo que no puede ser resuelto con un mtodo analtico, las tcnicas heursticas surgen como una alternativa viable. Entre estas, los algoritmos genticos tienen caractersticas que los hacen ideales para este tipo de problemas. La principal es el paralelismo implcito; es decir, la capacidad de realizar la bsqueda en ms de un punto a la vez. Esto es beneficioso durante la bsqueda a la hora de evitar detener la bsqueda en ptimos locales dada la naturaleza estocstica de los modelos que se quiere optimizar. Las matemticas de las frmulas de un problema de lneas de espera de un solo canal. Los modelos matemticos para problemas de lneas de espera de canales mltiples, se darn sin ninguna prueba matemtica. Se presentara el mtodo de Hontecarlo, que bsicamente es una tcnica de simulacin en la que se crean funciones estadsticas de distribucin, usando una tabla de nmeros aleatorios. Se empleara para resolver problemas de lineas de espera de un solo canal y de canales mltiples.

Ventajas y desventajas de la simulacin. Ventajas No es necesario interrumpir las operaciones de la compaa. Proporciona muchos tipos de alternativas posibles de explorar. La simulacin proporciona un mtodo ms simple de solucin cuando los procedimientos matemticos son complejos y difciles. La simulacin proporciona un control total sobre el tiempo, debido a que un fenmeno se puede acelerar. Auxilia el proceso de innovacin ya que permite al experimentador observar y jugar con el sistema. Una vez construido el modelo se puede modificar de una manera rpida con el fin de analizar diferentes polticas o escenario. Permite anlisis de sensibilidad Generalmente es ms barato mejorar el sistema va simulacin que hacerlo en el sistema real. Es mucho ms sencillo visualizar y comprender los mtodos de simulacin que los mtodos puramente analticos. Da un entendimiento profundo del sistema Los mtodos analticos se desarrollan casi siempre relativamente sencillos donde suele hacerse un gran nmero de suposiciones simplificaciones, mientras que en los mtodos de simulacin es posible analizar sistemas de mayor complejidad o con menor detalle. En algunos casos, la simulacin es el nico medio para lograr una solucin. Da soluciones a problemas "sin" solucin analtica Permite analizar el efecto sobre el rendimiento global de un sistema, de pequeos cambios realizados en una o varias de sus componentes A partir de la experimentacin con un modelo, es posible analizar los efectos sobre el sistema real de cambios organizativos, o de cambios en la gestin de la informacin. El anlisis del modelo del sistema puede permitir la sugerencia de posibles mejoras del sistema real, as como detectar las variables ms influyentes en el rendimiento del mismo. Permite la experimentacin en condiciones que podran ser peligrosas o de elevado coste econmico en el sistema real. La simulacin suele ser utilizada tambin con una perspectiva pedaggica para ilustrar y facilitar la comprensin de los resultados que se obtienen mediante las tcnicas analticas.

Desventajas La simulacin es imprecisa, y no se puede medir el grado de su imprecisin. Los resultados de simulacin son numricos; por tanto, surge el peligro de atribuir a los nmeros un grado mayor de validez y precisin.

 Los modelos de simulacin en una computadora son costosos y requieren mucho tiempo para desarrollarse y validarse. Se requiere gran cantidad de corridas computacionales para encontrara soluciones, lo cual representa altos costos. Es difcil aceptar los modelos de simulacin y difcil de vender Los modelos de simulacin no dan soluciones ptimas. La solucin de un modelo de simulacin puede dar al anlisis un falso sentido de seguridad. Requiere "largos" periodos de desarrollo Inconvenientes: 1. Soluciones no exactas. 2. Existe el riesgo de tomar malas decisiones basadas en modelos de simulacin que no han sido validados y verificados adecuadamente

Referencias: Cetina Lpez Wendy. MUESTRA ALEATORIA OTROS. Mxico. 2005. pp. 3. http://e-stadistica.bio.ucm.es/glosario/def_muestra.html www.itson.mx/dii/atorres/Introd.doc virtual.usalesiana.edu.bo/web/.../Simulacion_de_sistemas_unidad_I.doc www.itescam.edu.mx/principal/sylabus/fpdb/recursos/r65624.DOC ftp://ftp.itam.mx/pub/academico/maestria/mtia/simulacion/.../introd.doc