Simulación

Clase 06/08/2010
¿Qué es la Simulación?

✤ La simulación es un conjunto de métodos y aplicaciones que buscan imitar el

comportamiento de sistemas y procesos reales.

✤ Involucra la generación de una historia artificial del comportamiento del sistema y

de la observación de tal historia para extraer inferencias relativas a las
características operacionales del sistema real que representa.

✤ Permite describir y analizar el comportamiento de un sistema, hacer pregunta del

tipo ¿qué pasa si ...? acerca del sistema real y ayudar al diseño de sistemas reales
Sistemas

✤ Grupo de objetos interrelacionados que buscan el logro de uno o varios objetivos

✤ Instalaciones/Procesos Físicos; reales o planeados

✦ Estudiar su Desempeño
✦ Mejorar
✦ Diseñar (si no existe)
✦ Posible Control en Tiempo Real

✤ Algunas veces es posible “experimentar” con el Sistema

✤ Pero algunas veces es imposible hacerlo ya sea que, no existe, se destruye, costoso
¿Qué es la simulación?

Sistema

Experimentar Experimentar
con el sistema con un modelo

Modelos Físicos Mod. Matemáticos

Sol. Analítica Simulación

¿Qué es la Simulación?

✤ ¿Por qué son necesarios los modelos de simulación?

✦ Diseño de Sistemas antes que este sea construido

✦ Probar cambios para predecir el impacto en el desempeño de los sistemas

✦ Probar políticas de Operación antes que sean implantadas

✤ La experimentación con el sistema mismo

✦ ... puede ser costosa

✦ ... o puede llevar a colapsos

✦ ... o puede ser simplemente imposible

¿Cuándo simular?

✤ Como regla general, es apropiada cuando:

✦ Complejidad de los sistemas, por lo que sus interacciones internas solo pueden
ser simuladas

✦ Desarrollar un modelo matemático es muy difícil o quizás aún extremadamente

compleja

✦ El objetivo es observar el comportamiento del sistema sobre un período

imposible

✦ El sistema tiene una o más variables aleatorias interdependientes

✦ No simular puede ser costoso

¿Cuándo no simular?

✤ Hay varias ocasiones en que no es necesario:

✦ El problema puede ser resuelto por sentido común

✦ El problema puede ser resuelto en forma analítica

✦ Es más fácil realizar experimentos directos

✦ La simulación puede ser muy costosa

✦ Requiere información que no esta disponible

✦ No se dispone de los tiempos necesarios para realizarla

Ventajas de Simular

✤ Permite modelar sistemas de gran escala

✤ A diferencia de los modelos de optimización, los modelos de simulación hay que

“ejecutarlos” más que resolverlos

✤ Ayuda a entender cómo opera el sistema

✤ Permite estudiar un sistema en un periodo “largo de tiempo”, pero en un tiempo

comprimido
Desventajas de Simular

✤ Muchos sistemas reales están afectados por entradas aleatorias e incontrolables, al

igual que los modelos de simulación ocasionando que las salidas también lo sean

✤ Generalmente son costosos de desarrollar, en términos monetarios y de tiempo

✤ Hay que hacer supuestos, a veces pueden ser simplificados llevando a una
representación inválida del sistema

✤ No se obtiene respuestas exactas, sólo estimaciones, aproximaciones

✤ Resultados difíciles de interpretar o pueden ser mal interpretados

✤ Algunas veces soluciones mejores y más fáciles son pasadas por alto
Áreas de aplicación

✤ Manufactura — Programación, Inventarios

✤ Dotación de personal -- operaciones de servicios

✤ Bancos, Comida Rápida, Correo, ...

✤ Distribución y Logística, Transporte… aeropuertos, sistemas de transporte

✤ Salud — Salas de emergencia y de operaciones

✤ Telecomunicaciones

✤ Planes de Emergencia (terremotos, inundaciones)

Simulación

✤ Es un término muy amplio, en realidad un conjunto de enfoques para analizar

problemas

✦ Requiere MODELOS (problemas de validez)

✤ No es una solución analítica

✦ Permite modelos complicados y realistas (bueno)

✦ No obtiene resultados exactos (malo)

✤ Es mejor un respuesta aproximada al problema correcto que una respuesta exacta

al problema erróneo (error tipo III)
Sistemas

✤ Dentro de un sistema se pueden identificar diversos componentes:

✦ Entidad: objeto de interés del sistema

✦ Atributo: Propiedad de la entidad
✦ Actividad: Acciones que tienen lugar en el sistema representada en un periodo de tiempo
✦ Evento: Acontecimiento instantáneo que puede cambiar el sistema
✦ Variables de estado: Variables que describen el sistema, relativas a los objetivos de estudio
✦ Recurso: Elemento que puede ser ocupado por una entidad para realizar una actividad

✤ Para representar el sistema es necesario plantear un modelo

Tipos de modelos de simulación

✤ Estáticos versus dinámicos

✦ ¿Juega el tiempo un papel en el modelo?

Cálculo de π Instalación de manufactura

1
AreaCuadrado 4
=
Areacirculo π
1 Llegada Salida

Cola Pieza en
proceso
Ns
Ns: Aciertos π=4
Nt: Intentos Nt
Tipos de modelos de simulación

✤ Cambios-Continuo versus Cambios Discretos

✦ ¿Puede el “estado” cambiar continuamente o sólo cambiar en algunos instantes

del tiempo?
Nivel de agua en represa

Número de Clientes en cola

3

0 0
t t
Tipos de modelos de simulación

✤ Deterministico versus estocastico

✦ ¿Es todo cierto o existe incertidumbre?

✤ La mayoría de los Modelos operacionales son Estocásticos ,Dinámicos, Cambios-

Discretos
Tipos de modelos de simulación

Modelo del Sistema

Deterministico Estocastico

Estático Dinámico Estático Dinámico

Simulación
Montecarlo

Continuo Discreto Continuo Discreto

Simulación
Eventos Discretos
Tipos de modelos de Simulación
✤ Ejemplo simulación Montecarlo:

1
Tipos de modelos de Simulación

✤ Ejemplo simulación Montecarlo:

Calculo de π
clear; Simulaciones Valor  de  Pi
n=input('numero de simulaciones: '); %numero de
simulaciones 10,000 3.1216
s=0;
for i=1:n 1,000,000 3.1431
x=rand();
y=rand(); 100,000,000 3.1413
d=x^2+y^2;
if d<=1
s=s+1;
end
end
pi_estimado=4*s/n;
Tipos de modelos de Simulación

✤ Ejemplo simulación Montecarlo:

clear;
n=input('numero de simulaciones: '); %numero de
simulaciones
E_y=0;
for i=1:n Simulaciones Valor  de  I
a=0;
b=2; 10,000 0.8793
x=a+(b-a)*rand();
1,000,000 0.8817
y=2*exp(-x^2);
E_y=E_y+y;
100,000,000 0.8822
end

I=E_y/n;
Etapas de un Estudio de
Simulación
Formulación del
problema

Fijar objetivos y
plan general

Conceptualización Recolección de
del modelo datos

Construcción
del modelo

No
Verificar

Si

No No
Validar
 Construcción
del modelo

Etapas de un Estudio de
Simulación
Verificar

Validar

Diseño
Experimental

Ejecución y
análisis

Si más Si
iteraciones
?

Documentación,
reportes,
implementación
Definición del Problema y Objetivos

✤ Partir con supuestos adecuados

✤ Trabajar en el Problema Correcto

✤ Poner limites adecuados y flexibles

✤ Nivel de agregación a usar

✤ Definir las medidas de desempeño

✤ Recopilar información de valores iniciales

✤ Pronosticar los resultados esperados

Etapas de un Estudio de
Simulación
Formulación del
problema

Fijar objetivos y
plan general

Conceptualización Recolección de
del modelo datos

Construcción
del modelo

No
Verificar

Si

No No
Validar
Conceptualización del modelo

Establecer Objetivos
✤ Fijar primero dónde se quiere
llegar para señalar la partida Identificar y Priorizar
✤ Modelo se construye de “abajo- Preguntas Claves
arriba”
Salidas deben dar Respuesta
Preguntas Claves

Establecer los Límites del

Modelo

Especificar las Entradas al

Modelo
Recolección de datos

✤ Una vez que la propuesta ha sido aceptada, se debería preparar un programa de

requerimiento de datos.

✤ La conceptualización del modelo y la recolección de datos son actividades que se

realizan en paralelo.

✤ La conceptualización indica el tipo de datos que se requieren y en que forma. Los

datos recolectados permiten, a su vez, refinar y reforzar el concepto del modelo
Etapas de un Estudio de
Simulación
Formulación del
problema

Fijar objetivos y
plan general

Conceptualización Recolección de
del modelo datos

Construcción
del modelo

No
Verificar

Si

No No
Validar
Construcción del Modelo

✤ El Modelo conceptual se traduce a un modelo computacional.

✤ Foco en el Problema.

✤ Construir el modelo no es la tarea principal; lo es encontrar la solución correcta.

✤ Partir con un Modelo Simple

✤ Frenar la complejidad
Construcción del Modelo
Verificado y Validado

✤ ¿Está funcionando adecuadamente?; ¿está haciendo lo que se supone debería

hacer?

✤ Los datos son los apropiados?, son razonables?; el modelo computacional refleja
con exactitud el modelo conceptual?

✤ Validación: Determinar si el modelo conceptual representa apropiadamente del

sistema real; ¿Puede el modelo sustituir al sistema real para propósitos de
experimentación?
 Construcción
del modelo

Etapas de un Estudio de
Simulación
Verificar

Validar

Diseño
Experimental

Ejecución y
análisis

Si más Si
iteraciones
?

Documentación,
reportes,
implementación
Diseño de experimentos

✤ Largo de la corrida de simulación,

✤ La puesta a punto del simulador (inicialización) y

✤ Número de réplicas para cada escenario

Corridas de producción y análisis

✤ Las Corridas de Producción y su subsecuente análisis, se utilizan para estimar las

medidas de desempeño para los escenarios que se están simulando.

✤ Determinar si se requieren corridas adicionales o si es necesario estudiar otros

escenarios.

✤ Por ejemplo los resultados estadísticos no permiten aceptar o rechazar una

hipótesis;

✤ Mayor comprensión del sistema bajo estudio que señala la necesidad de estudiar
otras situaciones
Etapas de un Estudio de
Simulación
Formulación del
problema

Fijar objetivos y
plan general

Conceptualización Recolección de
del modelo datos

Construcción
del modelo

No
Verificar

Si

No No
Validar
 Construcción
del modelo

Etapas de un Estudio de
Simulación
Verificar

Validar

Diseño
Experimental

Ejecución y
análisis

Si más Si
iteraciones
?

Documentación,
reportes,
implementación