Вы находитесь на странице: 1из 11

Universidad de San Carlos de Guatemala

Investigacin de Operaciones II
Vacaciones de Diciembre de 2015

Simulacin

Grupo # 9 Participacin (%)


201114210 Abraham Enrique Elas 100%
201114771 Otoniel Alexander Hernndez 100%
201314761 Jorge David Lpez Yool 100%
201122881 Douglas Dario Rivera Ojeda 100%
Introduccin

En el siguiente trabajo de investigacin desarrollaremos algunos conceptos


relacionados de la simulacin de problemas, los cuales con ayuda de la simulacin
podemos plantear situaciones reales y as poder sacar resultados para su posterior
estudio adems de poder sacar resultados o conclusiones para poder resolver una
problemtica planteada.

Estos conceptos que desarrollaremos nos servirn para poder hacer un buen
planteamiento de una simulacin de una problemtica y as poder sacar unas
buenas conclusiones o resultados.
Objetivos

Definir como validar una simulacin.


Definir como disear los experimentos de simulacin.
Mostrar las formas en que se pueden generar los datos de una simulacin.
Ejemplificar algunas simulaciones.
Identificar que situaciones reales puede ser simulados.
Mencionar las formas de cmo generar nmeros aleatorios
Simulacin
Generalidad
Es una herramienta ampliamente utilizada en la ingeniera industrial, es utilizada
para representar un proceso o fenmeno mediante otro ms simple, este permite
visualizar y analizar su comportamiento y analizar sus caractersticas, una
simulacin bsicamente emplea un modelo que imita los aspectos del fenmeno o
proceso que se desea estudiar, el cual permite trabajar con condiciones similares a
las reales pudiendo tambin variar los parmetros en un entorno creado o
acondicionado artificialmente semejante al real; la simulacin permite la realizacin
de un proyecto o tarea de una manera ms fcil ya que se logra implementar diseos
buenos que funcionan de una manera eficiente y que logran conseguir productos
con los cuales se obtiene mayor beneficio o un costo ms competitivo a la hora de
la fabricacin ya con esto descartamos el ensayo y error lo cual eleva el costo para
obtener dicho producto.

Generacin de nmeros aleatorios


Los nmeros aleatorios son bsicamente los parmetros base a la hora de realizar
una solucin, en la simulacin de modelos no determinsticos la aleatoriedad para
dichos modelos se obtiene a partir de disponer de una gran cantidad de nmeros
aleatorios obtenidos de una sucesin de variables aleatorias independientes, una
sucesin de variables se dice que es aleatoria si cumple los siguientes requisitos:

No se debe conocer el mtodo de generacin para que no se pueda


calcular el siguiente valor.
La serie no debe presentar diferencias marcadas con respecto a los
lineamientos estadsticos adecuados con relacin al uso que se le va dar.

Mtodos de generacin de nmeros aleatorios

Mtodos mecnicos:

Estos se utilizan bsicamente para obtener una sucesin de valores "Discretos".


Por ejemplo:
Mediante una perinola, un dado, una moneda, etc.

Mtodos de generacin aritmticos

Este tipo de mtodos son los ms utilizados y bsicamente constan de un algoritmo


aritmtico aplicando recursividad.
Por ejemplo:
Mtodo de los cuadrados medios, mtodo de congruencia lineal, etc.
Generacin de procesos
La generacin de procesos de produccin en los que a partir de materias primas se
obtienen productos comerciales tras su procesamiento. Aspectos de inters para
estos modelos suele ser el nivel de inventario, programacin de cuotas de
produccin o la satisfaccin de los encargos de clientes.

Los sistemas de manufactura se pueden clasificar en:


Modelos de flujo: tpico de sistemas en serie.
Modelos de taller: tpico de sistemas con procesos alternativos segn la
disponibilidad de recursos.
Modelos flexibles: tpico de sistemas con procesos en paralelo.

Algunos criterios de evaluacin de este tipo de sistemas pueden ser:


Tiempo de elaboracin. El tiempo invertido en la fabricacin de un
producto desde que es encargado hasta que es servido.
Tiempo de fabricacin. Es la parte del tiempo de elaboracin que involucra
nicamente la transformacin de las materias primas en el producto.
Numero de encargos pendientes de ser procesados a partir de las
longitudes de buffers.
Tiempo de proceso. El tiempo concreto de una actividad.
Tasa de utilizacin. Relacin entre el tiempo de proceso y el tiempo total
disponible.
Tasa de produccin. Nmero de unidades producidas por unidad de
tiempo.
Tasa de defectuosos. Nmero de unidades defectuosas sobre la
produccin total.
Cuello de botella. Actividad crtica que tiene la mayor tasa de utilizacin.
Trabajo en progreso. Capacidad de produccin en un instante dado.
Entrega dentro de plazo. Porcentaje de producto entregado dentro del
plazo solicitado.

Dentro de un simulador se encuentra las siguientes etapas del desarrollo:


1) Identificacin del problema
2) Delimitacin del sistema
3) Formulacin del modelo
4) Preparacin de datos
5) Construccin del modelo
6) Validacin
7) Diseo de experimentos
8) Ejecucin de experimentos
9) Interpretacin (Inferencia)
10) Documentacin

En especial se explicara acerca de lo que es la validacin de un simulador:

Validacin del simulador


Antes de implementar un modelo es necesario validarlo para asegurarse que refleja
adecuadamente el comportamiento del mundo real y, en consecuencia, poder
extraer conclusiones realistas esto es ya sea para tomar decisiones acertadas a
partir de la operacin del mismo. Unos de los elementos a validar son los parmetros
de entrada del modelo; es decir, habr que observar si la distribucin de las
variables simuladas ha respondido durante el proceso a la distribucin asumida.
Tambin se deben verificar los parmetros de salida a travs de comparaciones con
el comportamiento del mundo real.

Continuando con la explicacin, en esta etapa, la validacin trata de establecer, y si


es posible aumentar, el nivel aceptable de confiabilidad de las inferencias
efectuadas sobre el sistema real.
La validacin tiene el concepto de grado, no es un resultado dicotmico, no es un s
o no, no es vlido o invlido, no es correcto o incorrecto.

Existen fuentes de error explicadas a continuacin:

En la formulacin del modelo:

Que se excluya variables relevantes, o un atributo.


Que se incluya variables irrelevantes.
Mala eleccin de una funcin de distribucin de probabilidad para una
variable.
Mal establecimiento de alguna relacin funcional o de los parmetros del
modelo.
En los datos usados
Toma de datos con margen de error relativo importante.
Tcnica de muestreo mal aplicada. Ejemplo: Tomar todos los datos de un
sector no representativo.
Datos mal digitados o mal almacenados.
El analista hace un acto de confianza en el equipo que tena los datos.
En la construccin
Errores en los programas (de lgica, mal uso del lenguaje).
El tiempo real se simula mal.
Uso de una imagen no adecuada del mundo real.
Para realizar una validacin se debe de tomar en cuenta 2 etapas de las cuales
consiste lo siente:

Validacin de los modelos de procesos simples; esto es validar la estructura


interna del modelo.

Se valida la salida de los procesos simples y en ello se hace uso de tcnicas de


estadstica. Las relaciones funcionales tambin deben validarse. Puede hacerse
cuando se establece el modelo o en la toma de datos .No debe tomarse relaciones
funcionales desconocidas, o que no tengan ya un grado de validez aceptable.
Siempre ser posible validar las componentes o subsistemas porque se habrn
construido de manera modular para formar el modelo. En esta etapa se observar
el comportamiento del modelo en cada uno de esos procesos simples para
asegurarse que cada componente o subsistema est bien simulado.

Validar el modelo de simulacin en su entorno, esto es validar los datos de salida.

Puede ser que la validez de la estructura sea buena, pero el resultado


combinado de los procesos simples sea casi mala.
Confrontar los resultados de la simulacin con las experiencias pasadas
y con teoras existentes al respecto:
No tomar posturas como: los resultados no me parecen correctos, pero si
el modelo lo dice yo lo acepto.
Si los resultados son absurdos, no tiene sentido continuar; cualquier otro
anlisis no convencer a los usuarios. Ningn modelo se ha aceptado si
los resultados van contra la teora.
Para modelos de importancia, de envergadura deber consultarse la
opinin de expertos.

Anlisis de sensibilidad
En las 2 etapas de la validacin (de estructura y de los datos de salida) se debe
hacer anlisis de sensibilidad.
Para ello, se vara los valores de 1 o 2 variables de entrada y se observa la
respuesta del modelo. Es de cuidado cuando el modelo es muy sensible a una
pequea variacin de una variable, y en general el modelo no es bueno cuando ello
ocurre.

Efectuar anlisis de sensibilidad de las variables dependientes ante cambios de las


variables independientes.

Con un simulador se puede realizar muchos anlisis de sensibilidad por


el grado de control sobre las variables de entrada (Mtodo Turing).
Anlisis de la capacidad de replicar los datos que se us en su
construccin.
Anlisis de la capacidad de predecir usando datos crticos no incluidos en
los datos, o usar datos histricos o datos que se obtienen del sistema real
o de otro simulador ya probado.

Diseo de experimentos de simulacin


La importancia de la simulacin en problemas reales de aplicacin ha tomado un
gran auge y, por lo tanto, se ha hecho importante el desarrollo de este tipo de
software, pues las empresas lo utilizan para ver el comportamiento de los sistemas
a lo largo del tiempo y sacar conclusiones de esta observacin, ahorrando tiempo y
recursos al no utilizar el sistema real para realizar las pruebas.

En ese aspecto, como en cualquier otro estudio cientfico se deben definir los
objetivos, variables a estudiar y a travs del diseo lograr las respuestas de dichas
variables y as definir una solucin que tome en cuenta el mejor y el peor de los
casos.

Una vez definidas las variables, se procede a crear el mtodo de resolucin; los
pasos para llegar a cumplir los objetivos, es decir, definir un algoritmo para el caso
especfico del problema y la solucin del mismo.

Cabe destacar que para definir las variables es necesario, entre otros estudios,
estudios estadsticos, definicin de probabilidades, as mismo, es trabajo del modelo
de simulacin el de demostrar y aclarar dichos estudios; adems de los modelos
markovianos en los estudios en los que se observara a un grupo de personas (y
potenciales clientes) durante un tiempo.

Aplicaciones y/o ejemplos de la simulacin


Debido a que (nosotros) estudiamos la carrera de ing. En ciencias y sistemas, la
simulacin es una tarea de especial atencin en gran parte a que las computadoras
tienen la capacidad de realizar tareas repetitivas, siendo as la mejor forma de
simular grandes cantidades de operaciones y dar los resultados de los mismos.

Simuladores bancarios: Necesarios para estimar la cantidad de personas que


llegarn a realizar sus transacciones en el banco, as tambin, cuantas colas,
cajas y ventanas de atencin sern necesarias para brindar un buen servicio.
Simuladores fsicos: Una vez ms, debido a que las computadoras tienen
capacidad de realizar procesos inmensos, realizar simulaciones de
fenmenos fsicos es muy til realizarlos ah. Experimentos tales como:
o Colisionador de partculas: Es considerada la maquina ms grande del
planeta. Su gran caracterstica es que puede mover partculas a una
velocidad semejante a la velocidad de la luz, hacindolas chocar a
dicha velocidad. Las computadoras toman un papel importante en esta
aplicacin ya que son las que cuantifican los datos obtenidos por el
colisionador y las muestran.
o Simuladores de fenmenos fsicos: Las computadoras permiten
realizar simulaciones como huracanes, terremotos, tormentas,
tornados con gran precisin, inclusive, predecirlos
Simulador de Circuitos: hay momento en que se necesita simular circuitos
para poder crear microcontroladores que sern usados junto con las
computadoras

.
Conclusiones
La validacin del simulador depende de todas las variables que pueden estar
presente en la situacin real que se desea simular, y la simulacin debe de
ser probada muchas veces y en diferentes aspectos para poder ver si la
simulacin si describe bien el modelo real.
El software para la simulacin son muy importantes para realizar el diseo
del experimento, es necesario que se busque el simulador ms adecuado a
la problemtica que se desea plantear adems ver que opciones de
softwares que puedan ser la ms eficiente de simular la problemtica.
La simulacin es la forma ms eficiente de probar una solucin o plantear
una situacin real sin la necesidad de gastar tantos recursos fsicos.
La forma en que se pueden generar nmeros aleatorios ya sean nmeros
reales o enteros pueden ser con ayuda de algoritmos.
E-grafa
http://simulacionkarla.blogspot.com/p/unidad-iv-lenguajes-de-
simulacion.html
http://web.udl.es/usuaris/MatFDiE/OptiSim/MonteCarlo.pdf
http://campus.fi.uba.ar/pluginfile.php/82210/mod_resource/content/0/TP_Si
mulacion/SIMULACION.pdf