SIMULACION

Introducción
• Qué es simulación?
– Modelación para imitar un proceso o el funcionamiento de
un sistema
• Por qué simular?

– Para entender sistemas complejos
– Para evaluar mejoras en un sistema definido
– Para estimar el cumplimiento de compromisos productivos
• Aplicaciones
– Sistemas físicos
– Sistemas de transporte y comunicaciones
– Sistemas de información
4
Introducción
• Cómo simulamos?
– Papel
– Planillas de calculo y bases de datos
– Lenguajes de programación
– Software especializados de simulación
• Software de simulación
– Arena
– GPSS
– AutoSched
– Crystal Ball
Simulación ≠ Sensibilización
5
Conceptos generales
• Se puede utilizar optimización sobre simulaciones
para buscar la mejor combinación de parámetros
• Muchas aplicaciones de simulación poseen
software de optimización
Parametros Simulación Resultados
What-IF?
Parámetros de
funcionamiento
deseados Simulación ≠ Sensibilización
Tipos de Simulación
• Eventos discretos vs tiempo discreto (continuos)
• Deterministico vs Estocastico
• Estado normal vs Terminación
7
• Eventos discretos: Se indexa en el tiempo
• Tiempo discretos: Indexado en el tiempo o
intervalos de tiempo
• i.e. Arribo de clientes
Eventos
Discretos
Tiempo Discreto
8
• Deterministico: Los tiempos de llegada de entidades y el
tiempo de procesamiento no varia en el tiempo
• Estocastico: Los tiempo de llegada y proceso son variable
aleatorias
Deterministic: 1 customer per minute
Time
Stochastic: 1 customer per minute (+/- 0.5 minutes)
Time
9
Modelos de Simulaciones
• Estado Normal: Funcionamiento normal en la
vida del proceso
• Terminación: La condicion final es la de interes
Estado Normal: Cuantas

personas hay en la cola en
promedio durante el dia
Terminación: Cuantas
personas hay en la cola al final
del día?
10
Proceso en la Construcción de
un Modelo
• Comprensión del sistema a modelar
• Construir un sistema representativo
• Validar la precisión y confiabilidad del modelo
• Evaluar diferentes escenarios y diseños
Porto & Lobao (1999)
11
Aleatoriedad
• Fenomeno aleatorio
– Incapaz de reproducir resultados
– Una distribución es aparente despues de muchas repeticiones
– i.e. tirar una moneda
• La mayoria de los procesos productivos y de ingeniería

poseen elementos aleatorios
– Llegadas: Camiones a una cola o a una tolva en un chancador
– Servicio: el carguío o el vaciado en la tolva
• Se debe entender la evidencia empirica para estimar las

distribuciones
– Deterministica o estocastica
12
Distribuciones de Probabilidad
y Modelación de Datos
Distribucion Normal
• Distribución simétrica caracterizada por una
media y una desviación estandar
• Z = (X – Mean) / (Standard Deviation)
• Prob(|Z|<1) = 0.68, Prob(|Z|<2) = 0.95
Triangular Distribution
• Está caracterizada por un máximo, mínimo y la

moda.
• Típicamente usada para simplificar, o cuando no
se tiene suficientes datos.
f(X)
X
a c (moda) b
19
Distribución Uniforme
• Todos los valores son igualmente probables
f(X)
0 5 10 15
X
20
Distribución Exponencial
• Típicamente usado para generación de valores
aleatorios
f(X)
X
21
Distribución Beta
• Puede estar presente en distribuciones sesgadas
f(X) f(X)
X X
Also consider Lognormal, Gamma,

Weibull, or Triangular for this shape
22
Tipos de distribuciones:
• Empirica
– Concuerda con los datos empiricos,
• Teorica
– Se basa en el ajuste de los datos
– No se restringe a los datos del muestreo
• Mezcla
– Mezcla una distribución teórica de una
empírica
23
Ajuste de distribuciones
• Mirar el histograma y analizar el ajuste de

diferentes distribuciones
– Analizar candidatos: normal, triangular, beta
• Dependiendo del modelo calcular estadisticos:

media, desviación estandar, etc
• Comparar los datos actuales versus los ajustados
24
Replicaciones de una Simulación
• Correr un modelo varias veces para entender la
aleatoriedad resultante del proceso de simulación
– Cada corrida es una realización de un set de números
aleatorios
– De acuerdo a lo anterior las entradas y salidas varian de
acuerdo a la generación de números aleatorios
• Cuantas replicaciones son suficientes, cuando se

estabilizan las medias y desviaciones estandar de
las salidas principales del modelo
28
Elementos Básicos de una
Simulación en Arena
• Entidades: elementos que se mueven en el modelo y son
necesarios de cuantificar por el modelo de simulación:
personas, equipos, toneladas, etc.
• Procesos: son módulos que permiten afectar las

características de las entidades. Retrasarlos, adherir o
restar valor, etc.
• Recursos: Elementos de la simulación que permanecen

relativamente constantes y pueden ser programados para
ser utilizados en los procesos para dar respuesta a las
entidades del modelo.
36

SIMULACION

Cargado por

Copyright:

Formatos disponibles

SIMULACION

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

SIMULACION

Cargado por

Copyright:

Formatos disponibles

Introducción

• Por qué simular?

• Estado normal vs Terminación

Stochastic: 1 customer per minute (+/- 0.5 minutes)

Estado Normal: Cuantas

Porto & Lobao (1999)

• La mayoria de los procesos productivos y de ingeniería

• Se debe entender la evidencia empirica para estimar las

• Está caracterizada por un máximo, mínimo y la

Also consider Lognormal, Gamma,

• Mirar el histograma y analizar el ajuste de

• Dependiendo del modelo calcular estadisticos:

• Cuantas replicaciones son suficientes, cuando se

• Procesos: son módulos que permiten afectar las

• Recursos: Elementos de la simulación que permanecen

También podría gustarte