You are on page 1of 14

INSTITUTO TECNOLOGICO SUPERIOR DE ALVARADO CAMPUS TLALIXCOYAN

INGENIERA: SISTEMAS COMPUTACIONALES. Materia:


SIMULACIN

Semestre-Grupo:
5 SEMESTRE, SABATINO.

Proyecto:
UNIDAD 1

Tema:
INTRODUCCIN A LA SIMULACIN

Alumno:
CORTES VARGAS IVON DEL CARMEN

Profesor:
ING. RAFAEL

Fecha: 27/10/2012
H. Y G. TLALIXCOYAN, VER. AGOSTODICIEMBRE 2012

CONCEPTOS BASICOS
SIMULACIN
Es el desarrollo de un modelo lgico-matemtico de un sistema, de tal forma que se obtiene una imitacin de la operacin de un proceso de la vida real o de un sistema a travs del tiempo.

SISTEMAS
Un Sistema se define como una coleccin de entidades (por ejemplo, personas, mquinas,...) que actan e interactan juntas para lograr un fin comn. En la prctica qu se entiende por sistema depende de los objetivos del estudio particular que se pretenda hacer. El conjunto de entidades que componen el sistema para un estudio puede ser slo un conjunto de todas las entidades utilizadas para otro estudio. Se puede definir el estado de un sistema con un conjunto de variables necesarias para describir el sistema en un punto particular de tiempo, relativo a los objetivos del estudio. Los sistemas se pueden clasificar en dos tipos, discretos y continuos. Un sistema discreto es aquel en el que las variables de estado cambian instantneamente en puntos separados en el tiempo. Un sistema continuo es aquel en el que las variables de estado cambian continuamente con respecto al tiempo. En la prctica muchos sistemas no son completamente discretos o continuos, usualmente es posible clasificarlos en base al tipo de cambios que predominen en el mismo.

MODELO.
Representacin de un objeto, sistema o idea de forma diferente a la de identidad misma Por lo general el modelo nos ayuda a entender y mejorar un sistema El modelo de un objeto puede ser una rplica exacta de este. Con la diferencia del material que lo compone o de su escala, inclusive puede ser una abstraccin de las propiedades dominantes del objeto.

Pgina 2

TIPOS DE MODELOS

Pgina 3

VENTAJAS Y DESVENTAJAS DE LA SIMULACIN


1) VENTAJAS Y DEVENTAJAS EN GENERAL VENTAJAS: 1. Una vez construido, el modelo puede ser modificado de manera rpida con el fin de analizar diferentes polticas o escenarios. 2. Generalmente es ms barato mejorar el sistema va simulacin, qu hacerlo directamente en el sistema real.

3. Es mucho ms sencillo comprender y visualizar los mtodos de simulacin que los mtodos puramente analticos. 4. Los mtodos analticos se desarrollan casi siempre, para sistemas relativamente sencillos donde suele hacerse un gran nmero de suposiciones o simplificaciones, mientras que con los modelos de simulacin es posible analizar sistemas de mayor complejidad o con mayor detalle. 5. En algunos casos, la simulacin es el nico medio para lograr una solucin. DESVENTAJAS 1. Los modelos de simulacin en una computadora son costosos y requieren mucho tiempo para desarrollarse y validarse. 2. Se requiere gran cantidad de corridas computacionales para encontrar "soluciones ptimas", lo cual repercute en altos costos. 3. Es difcil aceptar los modelos de simulacin. 4. Los modelos de simulacin no dan soluciones ptimas. 5. La solucin de un modelo de simulacin puede dar al analista un falso sentido de seguridad.

Pgina 4

2) VENTAJAS Y DESVENTAJAS POR MODELO ANALTICO VENTAJAS: 1. Conciso en la descripcin del problema. 2. Conjunto de soluciones cerrado. 3. Permiten evaluar fcilmente el impacto producido por cambios en las entradas sobre las medidas de salida. 4. Posibilidad de llegar a una solucin ptima. DESVENTAJAS:
1. Las suposiciones hechas para describir el sistema pueden ser poco realistas. 2. Las frmulas matemticas pueden ser muy complicadas impidiendo llegar a una solucin. 3) POR MODELO DE SIMULACION

VENTAJAS:
1. Pueden describir sistemas que sean muy complejos. 2.

Pueden ser usados para experimentar con sistemas que todava no existan, o para experimentar con sistemas existentes sin que stos se alteren. (Esto tambin los pueden hacer los mtodos analticos siempre y cuando el sistema no sea muy complejo).

DESVENTAJAS:
1. No existe un conjunto de soluciones cerrado. 2. Cada cambio en las variables de entrada requiere una solucin separada o conjunto de ejecuciones. 3.

Los modelos de simulacin complejos pueden requerir mucho tiempo para construirlos y ejecutarlos. Puede resultar dificultoso establecer la validez del modelo (es decir, la correspondencia con el sistema real).

4.

Pgina 5

ETAPAS DE PROYECTO DE SIMILACION


Se definen las cuestiones para las que se buscan las respuestas, las variables implicadas y las medidas de ejecucin que se van a usar. Esta fase es muy importante para poder alcanzar un modelo vlido, se puede dividir a su vez en 5 fases: 1. Identificacin del Problema Se hace una abstraccin del tipo de problema que se va a tratar. Se identifican los recursos a utilizar, los requisitos que se van a exigir (relaciones a establecer). 1.1.2. Reconocer las variables del sistema Se han de identificar las variables que interviene en el sistema y que son de inters para nuestro modelo, stas se pueden clasificar en: 1. Variables exgenas: son variables externas al modelo y existen con independencia de l. Se consideran variables de entrada. stas a su vez se pueden dividir en dos grupos: Variables controlables o de decisin (factores): son aquellas sobre las que el analista puede decidir su valor dentro de ciertos lmites. Variables incontrolables o parmetros: sus valores no se pueden decidir sino que vienen fijados. Las variables sern controlables o incontrolables dependiendo de quin las defina.

2. Variables endgenas: son variables internas y las variables de salida del modelo. Son funcin de las variables exgenas y de la estructura del modelo.

1.1.3. Especificacin de las restricciones de las variables de decisin Incluso en el caso de que las variables sean controlables, estn limitadas o restringidas a ciertos lmites dentro de los cuales se pueden modificar. Es importante considerar cuidadosamente las restricciones sobre las variables de decisin, ya que definen el posible espacio de soluciones dentro del cual se buscar una buena solucin o la ptima usando el modelo de simulacin.

Pgina 6

1.1.4. Desarrollar una estructura preliminar del modelo que interrelacione las variables del sistema y las medidas de ejecucin. Para evaluar la efectividad de un sistema, se debe identificar una medida o medidas de comportamiento (o ejecucin) para juzgarlo. Estas medidas se seleccionan del conjunto de variables endgenas. La medida o medidas que se pretenden optimizar se conocen como funcin objetivo. Hay veces en las que existe una nica funcin objetivo dominante y entonces se intenta optimizar sta sin tener en cuenta las otras variables, aunque siempre considerando las restricciones. En otras ocasiones existe ms de una funcin dominante, en este caso, hay que estudiar las distintas funciones objetivo e intentar encontrar valores para los cuales las funciones son ptimas. Cuando se quiere tener en cuenta varias medidas de comportamiento, a menudo no se podrn optimizar simultneamente. Lo ideal sera hacer mnimas ambas medidas, el tiempo de espera y el costo de tener los empleados, pero si se minimiza una de ellas la otra aumenta. Se tienen tres formas de abordar este problema: Establecer compromisos implcitos entre las medidas. Esta aproximacin es muy subjetiva y no se va a considerar. Se dan los resultados a quin tenga que tomar la decisin y l ser quien establezca la relacin entre las variables conflictivas. Establecer compromisos explcitos, realizando una combinacin de todas las medidas usando una dimensin comn tal como el costo. A estas tcnicas se les suele conocer como anlisis de toma de decisiones multiatributo u multiobjetivo. Para realizar esta tcnica se tiene que decidir una dimensin comn para todas las medidas, factores pesos, y formar una funcin que las combine. Restriccin y corte: seleccionar una medida como la que ms interesa optimizar y hacer que las otras estn dentro de un rango de valores aceptable. Esto reduce la posibilidad de encontrar un ptimo, o al menos las mejores soluciones. 1.1.5 Desarrollo de un modelo apropiado Los modelos son abstracciones de las partes esenciales del sistema. Se ha de intentar ver si con las variables que se han especificado se tiene suficiente para describir estos aspectos importantes del sistema (si no se tienen suficientes entonces el modelo no ser una buena representacin del sistema), o por el contrario se han definido ms de las necesarias (esto puede oscurecer las relaciones entre las variables realmente importantes). En resumen, lo que se tiene que fijar en este paso es el nivel de detalle al que se debe llegar en el modelo. El nivel de detalle depende de:

Pgina 7

Propsito del modelo. Contribucin de las variables al modelo. No es igual si lo que se desea hacer es un modelo para una previsin a largo plazo, en cuyo caso la precisin puede ser menor, debido a que al transcurrir el tiempo las variables van a cambiar e incluso podrn aparecer otras nuevas, que si se desea una previsin a corto plazo, entonces se deber profundizar ms en el nivel de detalle. 1.2. Coleccin de datos y Anlisis Aunque la recogida de datos se va a ver como el segundo paso, es bastante posible que se hayan tenido que recoger datos para la formulacin del problema. Sin embargo, durante este paso se recoge el mayor volumen de datos, se reduce y se analiza. Los mtodos de recogida de datos son tan variados como los problemas a los que stos se pueden aplicar. Si se clasifican por su sencillez, se puede ir desde las aproximaciones manuales hasta las tcnicas ms sofisticadas de alta tecnologa. En la seleccin de un mtodo se pueden tener en cuenta los siguientes factores: Capacidad de quien recoja los datos. El impacto que pueda producir el proceso de recoleccin sobre el comportamiento del sistema real. Puede producir perturbaciones reales o fsicas en el sistema o psicolgicas. La facilidad de conversin de los datos a una representacin procesable por el ordenador. El coste del mtodo. En muchas situaciones es suficiente con la observacin directa y la recogida manual de los atributos de inters. Pero si la medida que se quiere observar depende de una persona, su comportamiento se puede ver afectado por estar siendo observada. Otras veces puede ocurrir que la accin que se quiere observar sea muy rpida y que no sea posible realizar una observacin humana. Para decidir el nmero de muestras necesarias, se ha de establecer una relacin costo-exactitud y hacer una optimizacin de dicha relacin. Una vez realizado el muestreo, los datos se han de analizar e introducir en el modelo. Los datos usados para definir el modelo pueden ser de dos tipos: Determinsticos: son datos conocidos con certeza. stos se pueden introducir fcilmente en el modelo. Probabilsticos: hay dos formas de incluirlos en el modelo:
Pgina 8

Usar la muestra de datos recogida para representar la distribucin de probabilidades.

1.3. Desarrollo del modelo Incluye la construccin y depuracin del modelo del sistema real, incluyendo la seleccin de un lenguaje de programacin, codificacin del modelo. Esta etapa se va a dividir en dos partes Comprensin del sistema y Construccin del modelo. 1.3.1. Comprensin del sistema Una de las tareas ms difciles en el anlisis de simulacin es adquirir el suficiente conocimiento del sistema para poder desarrollar un modelo apropiado, es decir, conocer el comportamiento del sistema. Dos tcnicas comnmente usadas son la aproximacin de flujo fsico y la aproximacin de cambio de estado. Aproximacin de Flujo Fsico. Se ha de identificar las entidades cuyo procesamiento o transformacin constituye el propsito principal del sistema. Estas entidades pueden tomar diferentes caminos en el sistema, las rutas que siguen se determinan mediante reglas de decisin. La representacin del sistema vendr dada mediante un diagrama de flujo de entidad y los elementos de procesamiento del sistema. Aproximacin de Cambio de Estado. Para describir esta aproximacin, se debe definir unas variables endgenas adicionales que son las variables de estado e introducir un nuevo concepto, el de suceso o evento. Las variables de estado describen el estado del sistema en cada momento. Dados los valores actuales de las variables de estado, las variables exgenas y la estructura del modelo, se puede determinar el estado futuro del sistema. Un evento es un instante particular en el tiempo en el que el sistema cambia de estado. La evolucin del sistema se puede representar mediante un grafo de sucesos. 1.3.2. Construccin del Modelo Las tareas principales en la construccin de un modelo son: Eleccin Mecanismo de avance del tiempo. Este depender de la aproximacin elegida para describir el comportamiento del sistema. Si se eligi la aproximacin de flujo fsico, este diagrama de flujo podra refinarse para convertirse en el diagrama de flujo del programa. Si se sigui la aproximacin de cambio de estado, el diagrama de flujo desarrollado debera describir el procedimiento que efecta los cambios de estado en el tiempo. Otros dos factores inciden en la construccin del diagrama de flujo del programa: elegir un mecanismo de avance del tiempo y el lenguaje de programacin que se seleccione. Hay fundamentalmente dos formas de considerar el avance del tiempo en un modelo de simulacin:

Pgina 9

Incrementos fijos de tiempo: se considera un intervalo fijo de tiempo y el estado del modelo se comprueba despus de transcurrido cada uno de estos incrementos constantes. Incrementos por los eventos (N.E.T.A., Next Evento Time Avance): las comprobaciones y modificaciones de las variables afectadas se realizan slo despus de la ocurrencia de un evento. Aqu el incremento de tiempo es variable, va desde la ocurrencia de un evento a otro. El avance del tiempo de simulacin depende de cul de las aproximaciones se elija. Si se elige el incremento por eventos, el reloj se inicializa a 0, y se incrementa al siguiente tiempo en que vaya a ocurrir un suceso, en ese momento, en este momento de actualizacin del reloj se modifican las variables que se vean afectadas por la ocurrencia del suceso. 1.4. Verificacin y Validacin del modelo La Verificacin del modelo consiste en ver cul es la consistencia interna del modelo. La Validacin consiste en asegurar que existe la una correspondencia entre el sistema real y el modelo. Un buen mtodo para la validacin es hacer un test para ver cmo el modelo predice el comportamiento del sistema ante determinadas entradas. La verificacin y validacin del modelo se realiza en todas los niveles de modelizacin: modelo conceptual, modelo lgico y un modelo de ordenador. La verificacin se centra en la consistencia interna del modelo, mientras que la validacin se interesa por la correspondencia entre el modelo y la realidad. Se dice que un modelo es vlido si sus medidas de salida tienen una correspondencia apropiada con las mismas medidas en el sistema real. La comprobacin ltima para la validez de un modelo es ver cmo el modelo puede predecir un comportamiento futuro del sistema ante unas determinadas entradas. 1.5 . Experimentacin y Anlisis de las salidas Se han de disear los experimentos que se van a llevar a cabo sobre el modelo y luego analizar las salidas obtenidas, de forma que podamos responder a las cuestiones que se plantearon.

1.6 . Implantacin de los resultados de la Simulacin


Se ha de asegurar que los resultados son aceptados por el usuario. Este paso final es uno de los ms importantes y el que ms se descuida de todo el proceso.
Pgina 10

Parece obvio que los beneficios de un largo y costoso anlisis no se realizarn sin una implementacin apropiada y una aceptacin por parte de los usuarios. Entre las razones por las que los esfuerzos de implantacin son a menudo intiles, se incluyen las siguientes: Existe un vaco de comunicacin entre el analista de la simulacin y los encargados y usuarios del sistema. Falta de entendimientos por parte de los encargados del sistema debido a los tecnicismos utilizados. El compromiso de implementacin es tardo. Resistencia al cambio. Falta de coincidencia entre el personal disponible y los objetivos marcados por el modelo. Hay aproximaciones que tratan estos obstculos potenciales. Estas aproximaciones requieren que los usuarios y los analistas estn implicados desde el comienzo en el proyecto simulacin.

Pgina 11

Pgina 12

METODOLOGIA DE LA SIMULACIN

Definicin del sistema Para tener una definicin exacta del sistema que se desea simular, es necesario hacer primeramente un anlisis preliminar de este, con el fin de determinar la interaccin con otros sistemas, las restricciones del sistema, las variables que interactan 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.

Formulacin 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 obtendrn los resultados deseados. En la formulacin del modelo es necesario definir todas las variables que forman parte de l, sus relaciones lgicas y los diagramas de flujo que describan en forma completa el modelo.

Coleccin de datos Es importante que se definan con claridad y exactitud los datos que el modelo va a requerir para producir los resultados deseados.

Implementacin del modelo con la computadora Con el modelo definido, el siguiente paso es decidir si se utiliza algn lenguaje como el fortran,lisp,etc..., o se utiliza algn paquete como Vensim,Stella e iThink, GPSS,Simula,Simscript,Rockwell Arena, etc..., para procesarlo en la computadora y obtener los resultados deseados.

Validacin A travs de esta etapa es posible detallar deficiencias en la formulacin del modelo o en los datos alimentados al modelo. Las formas ms comunes de validar un modelo son: 1. La opinin de expertos sobre los resultados de la simulacin. 2. La exactitud con que se predicen datos histricos. 3. La exactitud en la prediccin del futuro. 4. La comprobacin de falla del modelo de simulacin al utilizar datos que hacen fallar al sistema real. 5. La aceptacin y confianza en el modelo de la persona que har uso de los resultados que arroje el experimento de simulacin. Experimentacin Se realiza despus de que el modelo haya sido validado, consiste en generar los datos deseados y en realizar un anlisis de sensibilidad de los ndices requeridos.
Pgina 13

Interpretacin Se interpretan los resultados que arroja la simulacin y con base a esto se toma una decisin. Es obvio que los resultados que se obtienen de un estudio de simulacin ayudan a soportar decisiones del tipo semis-estructurado.

Documentacin Dos tipos de documentacin son requeridos para hacer un mejor uso del modelo de simulacin. La primera se refiere a la documentacin del tipo tcnico y la segunda se refiere al manual del usuario, con el cual se facilita la interaccin y el uso del modelo desarrollado.

Pgina 14