Instituto Tecnológico de Saltillo

Unidad de Educación a Distancia

Ingeniería Industrial
Nombre de la materia
Simulación
Nombre del alumno
Jair Edaín Esquivel Pardo
Nombre de la Tarea
Actividad 3.1
Nombre del Profesor
M.C. José Octavio Sifuentes Acevedo
Semestre
11 17051229
Fecha
10 de septiembre del 2022, Saltillo, Coahuila
METODOLOGÍA GENERAL DE LA
SIMULACIÓN
La simulación como tal es un proceso y en general consta de las siguientes
etapas.
•    Definición del sistema:
Para tener una definición exacta del sistema que se desea simular, es necesario
hacer primeramente un análisis preliminar de éste, con el fin de determinar la
interacción con otros sistemas, las restricciones del sistema, las variables que
interactúan dentro del sistema y sus interrelaciones, las medidas de efectividad
que se van a utilizar para definir y estudiar el sistema y los resultados que se
esperan obtener del estudio.
•  Formulación del modelo :
Una vez definidos con exactitud los resultados que se esperan obtener
del estudio, se define y construye el modelo con el cual se obtendrán
los resultados deseados. En la formulación del modelo es necesario
definir todas las variables que forman parte de él, sus relaciones
lógicas y los diagramas de flujo que describan en forma completa el
modelo.
•    Colección de datos :
Es importante que se definan con claridad y exactitud los datos que el
modelo va a requerir para producir los resultados deseados.
•    Implementación del modelo en la computadora :
Con el modelo definido, el siguiente paso es decidir si se utiliza algún
lenguaje como el fortran, algol, lisp, etc., o se utiliza algún paquete como
Vensim, Stella y iThink, GPSS, simula, simscript, Rockwell Arena etc.,
para procesarlo en la computadora y obtener los resultados deseados.
EJEMPLO DE UNA SIMULACIÓN
TIPO MONTECARLO EN HOJA DE CÁLCULO.
La simulación de Monte Carlo es una técnica que combina conceptos estadísticos (muestreo aleatorio) con la
capacidad que tienen los ordenadores para generar números pseudo-aleatorios y automatizar cálculos. Los orígenes
de esta técnica están ligados al trabajo desarrollado por Stan Ulam y John Von Neumann a finales de los 40 en el
laboratorio de Los Alamos, cuando investigaban el movimiento aleatorio de los neutrones. En años posteriores, la
simulación de Monte Carlo se ha venido aplicando a una infinidad de ámbitos como alternativa a los modelos
matemáticos exactos o incluso como único medio de estimar soluciones para problemas complejos. Así, en la
actualidad es posible encontrar modelos que hacen uso de simulación MC en las áreas informática, empresarial,
económica, industrial e incluso social. En otras palabras, la simulación de Monte Carlo está presente en todos
aquellos ámbitos en los que el comportamiento aleatorio o probabilístico desempeña un papel fundamental -
precisamente, el nombre de Monte Carlo proviene de la famosa ciudad de Mónaco, donde abundan los casinos de
juego y donde el azar, la probabilidad y el comportamiento aleatorio conforman todo un estilo de vida.
Veamos un ejemplo sencillo: En la imagen inferior se muestra un análisis
histórico de 200 días sobre el número de consultas diarias realizadas a un
sistema de información empresarial (EIS) residente en un servidor central. La
tabla incluye el número de consultas diarias (0 a 5) junto con las frecuencias
absolutas (número de días que se producen 0, 1, ..., 5 consultas), las
frecuencias relativas (10/200 = 0,05, ...), y las frecuencias relativas
acumuladas.
Podemos interpretar la frecuencia relativa como la probabilidad de que ocurra el
suceso asociado, en este caso, la probabilidad de un determinado número de
consultas (así, p.e., la probabilidad de que se den 3 consultas en un día sería de
0,30), por lo que la tabla anterior nos proporciona la distribución de probabilidad
asociada a una variable aleatoria discreta (la variable aleatoria es el número de
consultas al EIS, que sólo puede tomar valores enteros entre 0 y 5). Supongamos
que queremos conocer el número esperado (o medio) de consultas por día. La
respuesta a esta pregunta es fácil si recurrimos a la teoría de la probabilidad:
Denotando por X a la variable aleatoria que representa el número diario de
consultas al EIS, sabemos que:
DEFINICIÓN DE CORRIDA EN SIMULACIÓN
Corridas comunes: El objetivo principal es iniciar nuevas corridas de
simulación utilizando siempre los datos almacenados; de esta
forma, el uso de las corridas comunes afecta a todas las
alternativas de igual forma. Se debe aplicar cuando el problema
consiste en la comparación de dos o más alternativas.
Una prueba de Corridas es un método que nos ayuda a evaluar el
carácter de aleatoriedad de una secuencia de números
estadísticamente independientes y números uniformemente
distribuidos. Es decir dado una serie de números determinar si son
o no aleatorios.
DEFINICIÓN DE RÉPLICA EN SIMULACIÓN
Las réplicas son múltiples corridas experimentales con la misma configuración
de factores (niveles). Las réplicas están sujetas a las mismas fuentes de
variabilidad, de forma independiente unas de otras. Usted puede replicar
combinaciones de niveles de factores, grupos de combinaciones de niveles de
factores o diseños enteros.
Cuando ejecutamos el modelo en una ocasión, los valores que obtenemos de
las variables y parámetros  al final del tiempo de simulación generalmente
serán distintos de los que se producirán si lo volvemos a correr usando
diferentes números pseudoaleatorios. Por lo tanto, es necesario efectuar más
de una réplica del modelo que se está analizando con la finalidad de obtener
estadísticas de intervalo  que os den una mejor ubicación del verdadero valor
de la variable bajo los diferentes escenarios que se presentan al modificar los
números pseudo aleatorios en cada oportunidad.
DEFINICIÓN DE ESTADO TRANSITORIO EN
SIMULACIÓN

• El estado transitorio o no estacionario, es aquél en el que los valores

de las condiciones que lo definen cambian asintóticamente desde un
estado inicial hasta un estado final, que sería el estado estacionario.
DEFINICIÓN DE ESTADO ESTABLE EN
SIMULACIÓN
Una variable está en estado estacionario (estable) si
su valor esperado es el mismo durante el período de
tiempo que estamos considerando.
Una simulación está en estado estacionario (estable)
si todas sus colas están en estado estacionario. El
estado estacionario es alcanzado luego de un
período de tiempo llamado período transitorio inicial
(run-in).
 DEFINICIÓN DE RELOJ DE LA SIMULACIÓN

Es el contador de tiempo de la simulación, y su función consiste en responder preguntas tales como

cuánto tiempo se ha utilizado el modelo de la simulación, y cuanto tiempo en total se requiere que
dure esta última. Existen dos tipos de reloj de simulación:
El reloj de simulación absoluto, que parte del cero y termina en un tiempo total disimulación definido.

 El reloj de simulación relativo, que solo consiste en el lapso de tiempo que transcurre entre dos
eventos.

 Ejemplo El tiempo de proceso de una pieza es relativo, mientras que el tiempo absoluto seria el
global: desde que la pieza entro a ser procesada hasta el momento que terminó su proceso.
FUENTES DE INFORMACIÓN

Metodología de la simulación - Simulacion (google.com)

Microsoft Word - MathBlock_MC.doc (tecnm.mx)
simulación : 3.3 Definiciones: Replica, corrida, estado transitorio, estado establ
e, condiciones iniciales, reloj de la simulación (pabloarmandorobleroroblero.bl
ogspot.com)