Академический Документы
Профессиональный Документы
Культура Документы
Introduccin a la Simulacin
Modelar sistemas por medio de un enfoque matemtico como los analizados en las clases
anteriores es una tcnica muy til para anticiparse a las operaciones en la vida real, y as planear
adecuadamente antes de consumir recursos.
Sin embargo mucha de la informacin y parmetros que se usan en los modelos cambian
continuamente, lo que provoca que la solucin a un modelo pueda dejar de ser vlida.
Cuando los cambios son muy drsticos y/o muy continuos lo que interesa es analizar el o los
posibles resultados para todos los diferentes escenarios y conocer la probabilidad de cada uno
de ellos, esto amplia el horizonte de anlisis y toma de decisiones.
Sistema
La simulacin es uno de los mtodos cuantitativos ms
ampliamente utilizados para tomar decisiones.
Es un mtodo de aprender acerca de un mtodo real
experimentando con un modelo que representa el
sistema.
El modelo de simulacin contiene las expresiones
matemticas y relaciones lgicas que describen cmo
calcular el valor de los datos de salida dados los valores
de los datos de entrada.
Sistema
real
Modelo del
sistema
Modelo
fsico
Simulacin
Modelo
cuantitativo
Solucin
analtica
Una simulacin se corre o ejecuta de preferencia un gran nmero de veces, generando un conjunto de
muchos resultados. Contar con nmeros grandes de resultados ampla el horizonte de toma de decisiones.
6
Distribucin Binomial
Distribucin Normal
Distribucin Uniforme
Distribucin Exponencial
Distribucin Triangular
Etc.
La estructura de un modelo de simulacin puede llegar a ser muy compleja y llegar a estar compuesta de
mltiples condiciones, actividades y eventos.
Las condiciones pueden estar influenciadas por los parmetros y en base a eso generar mltiples y
diferentes resultados o afectar otros parmetros creando as una dependencia matemtica entre ellos.
Iteracin 1
Iteracin 2
Iteracin 3
Iteracin 4
Iteracin 5
Por medio de la
simulacin el modelo es
capaz de ejecutar miles
de pruebas, cada
ejecucin puede ser
diferente, generando as
diferentes resultados .
Iteracin N
Parmetros:
Precio (P)
Demanda (D)
Es
D>1000?
si
no
Ingresos = D *
(P/1.10)
Ingresos = D * P
Generar Resultados
10
Las herramientas de software permiten que hoy en da se puedan generar miles y millones de
ejecuciones (trials en ingls) generando as millones de datos al azar para los parmetros
probabilsticos que forman parte de sistemas de simulacin.
Cada iteracin o ejecucin provee un resultado en base a los valores aleatorios generados de
los parmetros y la validacin de las frmulas asociadas.
Interpretar los resultados requiere de un anlisis detallado de lo siguiente:
Distribuciones probabilsticas
Pronstico de Resultados
Anlisis de Sensibilidad
Optimizacin
A continuacin se describen dichos elementos usando Crystal Ball de Oracle.
11
Para parmetros asociados a una distribucin probabilstica los valores de los datos de entrada
probabilsticos se generan al azar. De manera predeterminada usando el mtodo de Monte
Carlo.
Al concluir una simulacin en Crystal Ball se pueden visualizar dichos valores generados y como
se ajustan a la distribucin probabilstica elegida:
En este ejemplo la distribucin triangular muestra
como los valores generados al azar fluctan entre
los rangos de 180 a 220, tambin se puede ver la
frecuencia para cada valor, por ejemplo el ms
probable alcanza alrededor de 16,000 valores
generados.
Es importante notar que entre mayor sea el nmero
de ejecuciones mejor ser el ajuste a la distribucin.
12
Los parmetros generados al azar deben de producir un resultado por cada ejecucin o corrida
de la simulacin, hasta llegar a producir miles o millones de ellos para poder analizar como los
mismos fluctan dependiendo de la aleatoriedad de los parmetros.
Para poder pronosticar los resultados del modelo, Crystal Ball provee de un grfico de resultados
que se puede analizar para visualizar la probabilidad y niveles de confianza para los pronsticos
especificados.
En este ejemplo se pronostican ganancias
que se calculan en base a una mezcla de
parmetros con diferentes probabilidades.
Ntese que un rango especifico de valores,
como en este caso de 68 a 72 tienen una
probabilidad del 50%
13
Por ltimo, Crystal Ball provee de un mdulo llamado OptQuest que permite optimizar modelos
matemticos de Programacin Lineal cuyos parametros puedan tener un comportamiento
probabilstico asociado a una distribucin estadstica.
Esto permite que un modelo matemtico deje de ser determinstico y se convierta en un modelo
estocstico, esto quiere decir que esta sujeto a cambios estadsticos para optimizar su resultado.
Al usar OptQuest, Crystal Ball no solo genera una
simulacin de los parametros y el pronstico en
base a los resultados de dicha simulacin, sino
tambin permite optimizar el valor medio o
promedio de una funcin objetivo.
En este ejemplo el valor ptimo promedio de la
funcin objetivo es 67.74.
14
15
16
Usted se enfrenta a la siguiente decisin: A que plan de consumo telefnico debe sucribirse. Al
evaluar tiene a dos posibles proveedores, SuperTel y ComuniK, con planes de diferentes
beneficios:
Super Tel
Pro: 400 minutos cada mes, sin cargos extras a llamadas de
larga distancia
Con: Cada minuto extra despues de los 400 minutos del plan
base cuestan $0.40
Costo base del plan: $39.99
ComuniK
Pro: Cantidad de minutos Ilimitada
Con: Las llamadas a larga distancia cuestan $0.08 el minuto
Costo base del plan: $35.00
17
Parametros:
Minutos Consumidos
% Larga Distancia
Costo Base
Costo / Minuto ad.
Cost / Minuto LD
Generar valores
aleatorios para:
Minutos consumidos
% Larga Distancia
ES MC >
400
no
si
CTST = (MCMI)*CMA + CBST
CTC = CBK + (%LD *
MC)*CMLD
CTST = CBST
CTC = CBK + (%LD *
MC)*CMLD
Generar Resultados
Ahorro C=CTC-CTST
Ahorro ST=CTSTCTC
18
Great Electronics es una tienda que fabrica electrodomsticos y los vende por catalogo bajo
pedidos que realizan sus clientes.
La tienda identifico que 3 productos son los ms rentables, estos son las refrigeradoras, estufas
y microondas.
Debe de elaborar un plan de produccin considerando que los siguientes parmetros son de
carcter aleatorio:
El costo directo
La cantidad de Mano de obra
La demanda de las estufas
La demanda de las refrigeradoras
Cual debera de ser su plan de produccin que maximice el promedio de las utilidades.
19
Parametros:
Costo Directo
Cantidad M.O.
Demanda Refrigeradora
Demanda Estufa
Precio Venta
Coeficientes Restricciones
Generar valores
aleatorios para:
Costo Directo
Cantidad M.O.
Demanda
Refrigeradora
Demanda Estufa
Generar Resultados
Z MAX = X1*(PV1CD1)+X2*(PV2CD2)+X3*(PV3-CD3)
S.A
Rest M.O
Rest Demanda X2
Rest Demanda X3
20
1800 Soporte, es un nuevo call center que provee servicios de soporte tcnico de computadoras
y sistemas operativos por medio del telfono.
Cuenta de momento con nicamente un solo tcnico, sin embargo la afluencia de llamadas ha
venido en aumento, los ltimos das ha alcanzado un promedio de 5 llamadas cada veinte
minutos y cada vez se reciben mas llamadas en intervalos de tiempos ms cortos.
El tiempo de servicio cambia dependiendo del tipo de incidente, pero se ha determinado que
dura en promedio 3 minutos y 20 segundos, con una desviacin estndar de 30 segundos. El
horario de atencin es de 9:00am hasta 4:00pm.
El gerente quiere evaluar la probabilidades de los tiempos de espera de los clientes, ya que sabe
que un cliente rara vez espera ms de 5 minutos en lnea para ser atendido, as que necesita
saber si el sistema actualmente es capaz de atender a los clientes en menos de ese tiempo.
21
Parametros:
Tiempos entre
llegadas
Tiempos de servicio
Hora de inicio y fin
Generar valores
aleatorios para:
Tiempos entre
llegadas
Tiempos de servicio
ES
TLL>TS(ulti
mo cliente)?
no
si
Tiempo Inicio de
servicio = Tiempo de
Llegada
Generar Resultados
Promedio Tiempo
Espera
22
ANDERSON y cols. (2011). Mtodos cuantitativos para los negocios. (Undcima ed.).
Mxico: CENGAGE Learning.
WAYNE, W. (2008). Investigacin de operaciones, aplicaciones y algoritmos. (Cuarta
ed.). Mxico: Thompson.
Imgenes:
www.eldia.com.bo
www.freeimages.com