Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Exposicion de Simulacion
Exposicion de Simulacion
UNIDAD 5
SIMULACION
varias teorías en las que se basan las primeras computadoras actuales. desarrolló la idea
pudo ser construida. Junto con él, su colaboradora Ada Lovelace es considerada como la
Charles Babbage (1791 – 1871)
primera programadora de la historia, ya que escribió los primeros programas para la
Las técnicas empleadas por Babbage y Ada fueron seguidas por los primeros
Ada Lovelace (1815 – 1852)
programadores de computadoras, quienes se valieron de tarjetas perforadas para
EJEMPLO
5.1.2 Hoja de calculo
¿Qué es una hoja de cálculo?
Celdas
Filas
Columnas
Encabezados de columnas
Encabezados de filas
Barra de fórmulas
Menús
Barras de herramientas
• MATLAB: es una plataforma de programación y computación numérica que permite a las empresas e instituciones
educativas crear modelos, desarrollar algoritmos, analizar conjuntos de datos y más.
• Unreal Engine: es un software de desarrollo de juegos diseñado para ayudar a empresas de todos los tamaños a crear
películas en 3D, animaciones personales, simulaciones de entrenamiento y más.
• Fusion 360: es una herramienta 3D CAD, CAM y CAE que combina diseño industrial y mecánico, simulación,
colaboración y mecanizado para conectar todo el proceso de desarrollo de productos en un conjunto de herramientas
integrado desde el concepto hasta la producción.
• SIMUL8: Es una herramienta de simulación de procesos empresariales basada en la nube que permite a las empresas
experimentar con distintos procesos y planificar escenarios usando herramientas de simulación. Su modelador de
procesos, de tipo arrastrar y soltar, facilita la creación de simulaciones e informes para evaluar los posibles resultados.
• https://www.getapp.com.mx/directory/146/simulation/software
5.2. TIPO DE MODELOS DE SIMULACIÓN PROGRAMABLES EN HOJA DE
CÁLCULO (INVENTARIOS, LÍNEAS DE ESPERA, PROYECCIONES
FINANCIERAS, ... ): DESCRIPCIÓN ESCRITA.
Modelos de inventarios: Estos modelos simulan el flujo de inventario en un sistema, permitiendo a los usuarios ajustar
parámetros como la tasa de demanda, el tiempo de reposición, los niveles de inventario inicial, etc. Los modelos pueden
calcular métricas importantes como el inventario promedio, el tiempo de ciclo y el nivel de servicio.
Modelos de líneas de espera: Utilizados en la gestión de operaciones y servicios, estos modelos simulan el
comportamiento de líneas de espera o colas. Pueden ayudar a determinar la capacidad óptima de servicio, el tiempo
medio de espera, la utilización del sistema, y otras métricas relevantes.
Proyecciones financieras: Estos modelos permiten a las empresas realizar proyecciones financieras mediante la
simulación de diferentes escenarios económicos. Los usuarios pueden ajustar variables como los ingresos, los gastos,
las tasas de interés, los impuestos, etc., para evaluar el impacto en estados financieros como el balance, la cuenta de
resultados y el flujo de caja.
Modelos de simulación de riesgos: Estos modelos ayudan a las organizaciones a evaluar y gestionar riesgos mediante
la simulación de diferentes eventos y su impacto en los resultados empresariales. Pueden utilizarse para analizar riesgos
financieros, operativos, de mercado, etc., y tomar decisiones informadas sobre estrategias de mitigación.
Modelos de programación lineal y no lineal: Estos modelos permiten optimizar la asignación de recursos limitados
para lograr objetivos específicos. Pueden utilizarse en la planificación de la producción, la asignación de personal, la
distribución de recursos, entre otros.
5.3. Ejemplos de simulación en hoja electrónica
Una vez activado XLSTAT, seleccione el comando XLSTAT / Simulaciones de Monte Carlo / Definir una distribución, o haga
clic en el botón correspondiente de la barra de herramientas de Sim (véase siguiente captura de pantalla).
Aparece el cuadro de diálogo Definir una distribución. A continuación, seleccione el Nombre de la variable como la celda
A2 con el nombre “Sales”. Elija una distribución normal con mu = 120 y sigma = 10.
Una vez haya hecho clic en OK, se inserta la llamada a la función correspondiente en la celda activa. Creación de la
segunda variable de distribución Ahora, se puede generar de la misma manera la segunda variable de distribución.
Seleccione en este caso una distribución normal con mu = 80 y sigma = 20.
Seleccione la celda de resultados que contiene el valor 40 como resultado de la fórmula = B2-B3 como celda activa. A continuación, seleccione el
comando XLSTAT / Simulaciones de Monte Carlo / Definir una variable resultado, o haga clic en el botón correspondiente de la barra de
herramientas de Sim Se muestra el cuadro de diálogo Definir una variable resultado. A continuación, seleccione la celda A4 como Nombre de la
variable.
Una vez haya hecho clic en OK, la llamada a la función correspondiente a XLSTAT_SimRes se inserta en la celda activa. Esto se puede encontrar
en la hoja de Excel “Model”. Ejecución de un modelo simple de simulación Para iniciar la ejecución de la simulación, seleccione el menú comando
XLSTAT / Simulaciones de Monte Carlo / Iniciar los cálculos, o haga clic en el botón correspondiente de la barra de herramientas Sim. Se muestra
el cuadro de diálogo de ejecución de la simulación. Puede fijar el número de simulaciones a 1000
En la pestaña Gráficos - Sensibilidad, introduzca los parámetros de los análisis Tornado y Araña.
Los cálculos empiezan una vez haya hecho clic en OK. Interpretación de los resultados de un modelo simple de
simulación El primer resultado es un resumen del modelo de simulación.
A continuación, se muestran detalles sobre las dos variables de distribución y sobre la variable de resultado.
Las siguientes tablas muestran los detalles de las dos variables de distribución (estadísticos descriptivos, histogramas y
cuartiles).
Las siguientes tablas muestran los detalles de la variable de resultado. Se muestran los estadísticos descriptivos, un histograma y estadísticos
acerca de los intervalos. A continuación se muestran los resultados del análisis de sensibilidad. El análisis de sensibilidad se basa en las
simulaciones contrarias al análisis Tornado que se presenta a continuación.
5.3.1. Programación: distribución del modelo en la hoja de cálculo
Solución de problemas de programación lineal (PL) con una hoja de cálculo En este punto se demuestra con detalle la mecánica del
uso del Solver en Excel mediante la solución del siguiente problema.
Ejemplo: En un inicio solo se presenta su enunciado y planteamiento.
La compañía de luz tiene tres centrales que cubren las necesidades de cuatro ciudades. Cada central suministra las cantidades
siguientes de kilowatts-hora: planta 1, 35 millones; planta 2, 50 millones; planta 3, 40 millones. Las demandas de potencia pico en
estas ciudades que ocurren a la misma hora (2:00 p.m.) son como sigue (en kw/h): ciudad 1, 45 millones; ciudad 2, 20 millones;
ciudad 3, 30 millones y ciudad 4, 30 millones. Los costos por enviar un millón de kw/h de la planta dependen de la distancia que debe
viajar la electricidad y se muestran en la tabla A.1.
Este problema se resuelve a través del Solver de Excel, colocando celdas para las variables de decisión, como se observa
en la siguiente figura.
5.3.2. Experimentación con varias configuraciones posibles del sistema simulado
Supongamos que trabajamos en un gran almacén informático, y que nos piden consejo para decidir sobre el número de licencias de un
determinado sistema operativo que conviene adquirir – las licencias se suministrarán con los ordenadores que se vendan durante el próximo
trimestre, y es lógico pensar que en pocos meses habrá un nuevo sistema operativo en el mercado de características superiores. Cada licencia de
sistema operativo le cuesta al almacén un total de 75 Euros, mientras que el precio al que la vende es de 100 Euros. Cuando salga al mercado la
nueva versión del sistema operativo, el almacén podrá devolver al distribuidor las licencias sobrantes, obteniendo a cambio un total del 25 Euros
por cada una. Basándose en los datos históricos de los últimos meses, los responsables del almacén han sido capaces de determinar la siguiente
distribución de probabilidades por lo que a las ventas de licencias del nuevo sistema operativo se refiere:
Construimos nuestro modelo usando las fórmulas que se muestran en la figura inferior. En la casilla H2 usaremos la
función ALEATORIO para generar el valor pseudo-aleatorio que determinará el suceso resultante; en la celda I2 usamos la
función BUSCARV para determinar el suceso correspondiente asociado al valor pseudo-aleatorio obtenido –notar que
usamos también la función MIN, ya que en ningún caso podremos vender más licencias que las disponibles. El resto de
fórmulas son bastante claras:
5.4 Validación
Validación del Modelo
Se debe comprobar que el modelo de simulación cumple con el
objetivo establecido. Toda simulación tiene que validarse para
asegurar que la inferencia a partir del modelo es una predicción
correcta del proceso que se quiere simular. No existen normas
precisas sobre cómo debe realizarse la validación. Pero sí se pueden
tener en cuenta ciertas pautas que los expertos consideran relevantes
para el desarrollo de una modelo valido.
Utilizar técnicas cuantitativas para validar los componentes del modelo. Por Ejemplo, el uso de la teoría de
colas en el dimensionamiento inicial. Así mismo el muestreo secuencial y las técnicas de reducción de
varianza fueron de gran ayuda en el diseño de experimentos.
Llevar a cabo análisis de sensibilidad para determinar factores importantes en el modelo. En caso de detectar
que un factor más influyente, éste deberá modelarse concienzudamente.
Revisar los resultados de la simulación y la animación para ver si parecen coherentes. Se puede considerar
una única entidad que entre en el modelo y siga la lógica del sistema para ver si es coherente. También se
puede analizar el comportamiento del sistema en condiciones extremas
5.4.1. Programación de los informes de salida (estadísticas)
Los datos son la información que se obtiene acerca del comportamiento del proceso y se desea graficar, con
la finalidad de obtener información estadística y poder analizar las tendencias.
5.5. Conclusión
Las conclusiones que se pueden obtener de una simulación dependen del grado en que el modelo refleja el
sistema real, aunque también depende del diseño de la simulación en un sentido estadístico.
De hecho, muchos analistas consideran la simulación como una forma de prueba de hipótesis donde cada
ejecución de simulación ofrece uno o más datos de muestra que son susceptibles al análisis formal a través
de los métodos estadísticos inferenciales.
Por lo tanto,la única prueba real de una simulación es qué tan bien se desempeña el sistema real después de
haber implantado los resultados del estudio
5.5.1. Comparación entre las configuraciones simulada
Con base en los resultados de simulación, es posible que se tenga un nuevo experimento de
simulación. Se podrían cambiar muchos factores: parámetros,variables, reglas de decisión,
condiciones de inicio y duración de la ejecución.
Respecto a los parámetros, quizá sea interesante repetir la simulación con varios costos o
precios diferentes de un producto para ver qué cambios se generarían.Además, los valores del
experimento anterior también podrían ser condiciones iniciales útiles para las simulaciones subsecuente
5.5.2. Selección de la mejor configuración
● El tipo de distribución de probabilidad más cercano a 100% (en este caso a criterio personal)
● Las variables escenario más similares al sistema real
● Las variables de resultados
● Los estadísticos como la media, desviación estándar.
5.5.3. Recomendaciones para la implantación
● La implementación del algoritmo de optimización dentro de excel, para evitar retardar la obtención de
soluciones.
● Emplear otro paquete computacional para la solución donde existan más características de
los materialistas.
● Efectuar un profundo análisi del impacto de cada uno de los parámetros utilizados en el
algoritmo de optimización.
Conclusion
La simulación en hojas de cálculo ofrece una herramienta accesible y versátil para analizar, tomar
decisiones informadas y resolver problemas complejos en diversas áreas profesionales.
En resumen, la simulación en hojas de cálculo es una herramienta poderosa para enfrentar los
desafíos del mundo laboral actual.