Вы находитесь на странице: 1из 9

Profesor Alejandra Alanís

Ejercicios de simulación.
1.- Considérese un sistema en el cual los clientes llegan en puntos aleatorios del tiempo y pasan a través
de un servidor. Si al llegar el cliente encuentra que el servidor está disponible, inmediatamente comienza
el servicio, pero si el servidor está ocupado con una llegada previa, el cliente deberá formarse en una
línea de espera y aguardar a que el servidor se desocupe. Un ejeemlo sencillo pudiera ser cierto servicio
con un solo servidor. Supongamos….. Una Peluquería.
Una vez formulado el problema y con un concepto preliminar, tratemos de hacer ahora una simulación
utilizando únicamente lápiz y papel. Es decir, nos vamos directamente a la peluquería y hacemos
nuestras observaciones durante una hora, es decir, durante 60 minutos. En la siguiente tabla tenemos
el tiempo de llegada de cada cliente y el tiempo asociado de servicio. Supongamos todos los tiempos en
minutos.
Tabla 1. “Tiempos de llegada y de servicio.”

Llegada Tiempo de llegada Espera a la Tiempo de servicio


Siguiente llegada
1 4 6 3
2 10 3 5
3 13 6 6
4 19 1 4
5 20 9 7
6 29 2 3
7 31 3 6
8 34 9 7
9 43 4 2
10 47 4 6
11 51 7 3
12 58 5 8

Podemos definir los siguientes datos, de acuerdo a nuestro esquema de solución de problemas a través
de la simulación:
-Variable de estado:

 n= número total de clientes en el sistema.


-Eventos posibles:
1. Llega un cliente.
2. Comienza el servicio.
3. Termina el servicio.
-Parámetros:

 Número de servidores: 1
 Número de filas: 1
 Tiempo promedio entre entradas: 5 min.
 Tiempo promedio de servicio: 5 min.
-Relaciones de Causa-Efecto:

 Condición 1_ Pasar del evento 1 al 2 si n = 0.


 Condición 2_Pasar del evento 3 al 2 si n>0.
Del evento 2 al 3 se pasa en forma incondicional.
-Variables aleatorias no controlables.
Tiempos de retardo:

 t(a) = tiempo que tarda en llegar el siguiente cliente.


 t(s) = tiempo que tarda el servicio de un cliente.

Considere que se coloca el reloj en 0:00min y que el sistema se encuentra vacío.


a) Llenar la siguiente tabla simulando 60 minutos.
b) Construir un histograma que represente en el eje de las x la variable tiempo y en el eje de las
y el número de clientes en el sistema.

Tabla 2. “Variable de estado n(t).”

Tiempo (t) Evento n(t)


SIMULACIÓN MONTECARLO

Cuando un sistema contiene elementos que exhiben azar en su comportamiento, se puede aplicar el
Método Montecarlo de simulación. La idea básica del método de simulación Montecarlo es generar valores de las
variables que formarán el modelo que se estudia. En los sistemas reales hay muchas variables que contienen
naturaleza probabilística y que podemos querer simular. Por ejemplo:

1) Demanda de un inventario semanal o diaria


2) Tiempo de entrega para las órdenes
3) Los tiempos entre llegadas a las instalaciones de servicio
4) Los tiempos de servicio
5) Los tiempos para terminar las actividades de un proyecto
6) El número de empleados ausentes en el trabajo cada día.

Pasos de la simulación Montecarlo:

1.- Establecer las distribuciones de probabilidad para las variables importantes de entrada.
2.- Elaborar una distribución de probabilidad acumulada para cada variable del paso 1.
3.- Establecer un intervalo de números aleatorios para cada variable
4.- Generar números aleatorios
5.- Simular una serie de prueba

1.- EN AUTO HIRE se vende todo tipo de neumáticos, pero una llanta radial popular es responsable de una gran
parte de ventas. Al reconocer que los costos de inventario pueden ser significativos en este producto se desea
determinar una política para administrar dicho inventario. Para ver como estaría la demanda durante un periodo,
desea simular la demanda diaria para un cierto número de días.

Examinar eventos históricos:

DEMANDA FRECUENCIA
DE PROBABILIDAD PROBABILIDAD
DE INTERVALO DE
LLANTAS (DIAS) OCURRENCIA ACUMULADA DE NUMERO
(Paso 1) (paso 2) ALEATORIO
(paso 3)
0 10
1 20
2 40
3 60
4 40
5 30
Total 200 días
Paso 4.- GENERAR NÚMEROS ALEATORIOS . Los números aleatorios se pueden generar de varias maneras en
los problemas de simulación. Si el problema es muy grande y el proceso que se estudia incluye miles de pruebas de
dispone de programas que incluye generación de números aleatorios.

Utilice el generador congruencial multipicativo con Xo= 63, a = 19, m = 100

Paso 5.-

Día Número Aleatorio Demanda Diaria Simulada


1
2
3
4
6
6
7
8
9
10

a) Compare la demanda diaria promedio simulada con la demanda diaria esperada de acuerdo a los datos.
b) Lleve a cabo la simulación de la demanda diaria utilizando Excel. Simule 100 días y vuelva a comparar la
demanda esperada con la demanda promedio simulada .
2.- Las barcazas con carga completa llegan en la noche a Nuevo Orleans. El número de Barcazas que atracan

en una noche cualquiera va de 0 a 5. La probabilidad se muestra en la tabla:

Número
de Probabilidad
llegadas
0 0.13
1 0.17
2 0.15
3 0.25
4 0.2
5 0.1

Un estudio realizado por el superintendente del muelle revela que debido a la naturaleza
de sus cargas el número de barcazas descargadas también tiende a variar de un día a otro
y se tiene la siguiente información al respecto:

Número
de Probabilidad
descargas
1 0.05
2 0.15
3 0.5
4 0.2
5 0.1

Simule 15 días y en la tabla de simulación muestre:

 1) Número de retrasos del día anterior, Número de llegadas nocturnas, total a descargar, número de
descargas.
 Calcule: Número promedio de barcazas a descargar al siguiente día, número promedio de llegadas
nocturnas, número promedio de barcazas descargadas por día.

3.- DISH ha enviado por correo una encuesta a sus suscriptores para evaluar su servicio. Los suscriptores
deben contestarla y enviarla a su vez por correo. Se ha estimado una probabilidad de 80% de los clientes
reciban la encuesta a tiempo para contestarla y ser devuelta y recibida para ser procesada antes de la fecha
límite para recibir encuestas. Se estimó también una probabilidad del 10% de no ser recibida a tiempo y una
probabilidad del 10% de no recibir la encuesta. Si la encuesta es recibida a tiempo, se considera que tiene una
probabilidad del 35% de que la contesten. Si la contestan tiene una probabilidad del 70% que la manden con
tiempo suficiente para ser recibida y procesada, un 20% de que no la envíen a tiempo y un 10% de qué no la
envíen. Si la mandan a tiempo se considera una probabilidad del 55% de que llegue a tiempo, un 30% de que
no llegue a tiempo y un 15% de qué no sea recibida.

Simular diez clientes en donde se muestre si se recibió la encuesta, si la contestó y la mandó, si llegó a tiempo
para ser procesada. (Utilice la primer columna de números aleatorios empezando por el último renglón)
En esa simulación de diez clientes ¿El quinto cliente recibe la encuesta?
¿Cuántas encuestas fueron contestadas?
¿Cuántas encuestas fueron procesadas a tiempo?

4.- Considere un sistema de filas de un solo servidor y disciplina de servicio el primero en llegar el primero
en salir. Los tiempos de interarribo para 10 clientes son: 0, 2, 4, 1, 2, 6,5,4,1,2, minutos. Los tiempos de servicio
varían de la siguiente manera:

Tiempo de servicio en minutos Probabilidad

1 0.1

2 0.2

3 0.3

4 0.25

5 0.1

6 0.05

Simule los 10 clientes de operación construyendo una tabla que incluya número de clientes en fila, número de
clientes en el sistema, hora del día que inicia el servicio y hora del día que termina el servicio
Dibuje una gráfica de barras o histograma que muestra en el eje vertical número de clientes en fila durante el
tiempo que duró la simulación de los 10 clientes
Calcule el tiempo promedio en fila por cliente
Calcule el número promedio de clientes en fila.

5.- Mark Simkin, el propietario y gerente general de la ferretería Simkin’s Hardware, quiere determinar una
política de inventario eficiente y de bajo costo para manejar un producto en específico: el taladro eléctrico
modelo Ace.
Se identifican dos tipos de variables:

Controlables ( o de decisión) : La cantidad a ordenar y el punto de reorden


No controlables: La demanda diaria fluctuante y el tiempo de entrega variable.
La demanda diaria del taladro modelo Ace es relativamente baja pero está sujeta a cierta variabilidad. Durante
los últimos 300 días, Simkin ha observado las ventas que se muestran en la tabla 1

TABLA 1
Probabilidades e intervalos de números aleatorios de la demanda diaria de taladros
Ace
Demanda del taladro Ace Frecuencia (días) Probabilidad
0 15 0.05
1 30 0.10
2 60 0.20
3 120 0.40
4 45 0.15
5 30 0.10
300 1.00

Cuando Simkin hace un pedido para reabastecer su inventario de taladros eléctricos Ace, se produce un
intervalo de entrega de entre uno y tres días. Esto significa que el plazo de entrega también puede
considerarse como una variable probabilística. El número de días necesarios para recibir los últimos 50
pedidos se presenta en el tabla 2

TABLA 2
Probabilidades e intervalos de números aleatorios del plazo de entrega de pedidos
nuevos
Plazo de entrega (días) Frecuencia (pedidos) Probabilidad
1 10 0.20
2 25 0.50
3 15 0.30
50 1.00

La primera política de inventario de Simkin’s Hardware quiere simular que es una cantidad de orden de 10 con
un punto de re-orden de 5. Es decir, cada vez que el nivel del inventario disponible al final del día es de cinco
o menos, Simkin llamará al proveedor y le hará un pedido por 10 taladros más. Por cierto que si el plazo de
entrega es de un día, el pedido no llegará a la siguiente mañana sino al principio del primer día laborable.

Nota: No se coloca una orden en un cierto día si hay una orden pendiente por llegar.
La ferretería está abierta 200 días al año, el gerente estima que el costo de colocar un pedido es de $10. El
costo anual de mantener el inventario es de $6 por taladro (3 centavos por taladro por día durante 200 días al
año). El costo de cada faltante o venta perdida es de $8.

Hacer una simulación que muestre:

DÍA Unidades Inventario #aleatorio Demanda Inventario Ventas ¿Orden? #aleatorio Tiempo de
recibidas Inicial final perdidas entrega

CALCULAR COSTO PROMEDIO POR DÍA TOTAL.


SIMULAR 50 DÍAS,

6.- Compañía Three Hill Power


La compañía de suministro de energía Three Hill Power ofrece electricidad a un área metropolitana grande
mediante una serie de casi 200 generadores hidroeléctricos. La gerencia reconoce que incluso un generador
con buen mantenimiento tendrá fallas o descomposturas periódicas. Las demandas de energía durante los
últimos tres años han sido constantemente altas y la compañía se preocupa por las composturas de los
generadores. En la actualidad emplea a cuatro reparadores con capacidades altas y salario alto ($30 por hora).
Cada uno trabaja un turno de 8 horas cada cuatro turnos. De esta manera, hay un técnico de reparaciones en
servicio las 24 horas del día, siete días a la semana
Aunque los salarios del personal de mantenimiento son costosos, las descomposturas son todavía más
costosas. Por cada hora que se descompone un generador, Three Hill pierde aproximadamente $75. Esta
cantidad es el cargo por la reserva de energía que Three Hill debe “pedir prestada” de la compañía de servicios
vecina.
Stephanie Robbins ha sido asignada para realizar un análisis de mantenimiento del problema de
descomposturas. Determina que la simulación es una herramienta con la que puede trabajar debido a la
naturaleza probabilística de este problema. Stephanie decide que su objetivo es determinar 1. El costo del
servicio de mantenimiento, 2. El costo de la descompostura de la máquina y 3. Los costos totales de estas
descomposturas y el mantenimiento (lo cual da el costo total de este sistema). Como se necesita el tiempo de
descomposturas total de las máquinas para calcular el costo de las descomposturas, Stephanie debe saber
cuándo se descompone cada una y cuándo regresa a servicio. Por lo tanto, tiene que usar un modelo de
simulación del siguiente evento. Para la planeación de esta simulación desarrolla un diagrama de flujo.
Stephanie identifica dos componentes importantes del sistema de mantenimiento. Primero, el tiempo entre la
descompostura sucesiva de un generador varia históricamente, desde tan poco como media hora hasta tanto
como tres horas. Para las últimas 100 descomposturas, Stephanie tabula la frecuencia de los diferentes tiempos
entre descomposturas. (Véase la tabla 1)
Robbins observa que después que las personas hacen reparaciones registra su tiempo de mantenimiento en
bloques de una hora. Debido al tiempo que toma llegar al generador descompuesto, los tiempos de reparación
en general se redondean a una, dos o tres horas. En la tabla 2 ella realiza un análisis estadístico de los tiempos
de reparación históricos, similar al realizado para los tiempos de descomposturas.
Robbins comienza con la simulación eligiendo una serie de números aleatorios para generar los tiempos
simulados entre descomposturas de los generadores, y una segunda serie para simular los tiempos requeridos
de reparación. Lleve a cabo una simulación de 15 fallas, utilizando la tabla 3 y calcule, el costo de servicio
de mantenimiento, costo de descomposturas simuladas, costo total de mantenimiento simulado del
sistema actual.
Tabla 1

Tiempo entre fallas de máquinas Número de veces observando


registradas (horas)
0.5 5
1.0 6
1.5 16
2.0 33
2.5 21
3.0 19
Total 100

Tabla 2

Tiempo de reparación requerido (horas) Número de veces observando


1 28
2 52
3 20
Total 100
Tabla 3
Número de Número Tiempo Hora de la Hora en que Número Tiempo Hora en Número
descompos aleatorio entre descomp el técnico aleatorio para requeri que de horas
turas para descompos ostura puede tiempo do de termina la de
descompos turas comenzar reparación reparaci reparación descomp
turas este ón ostura
reparación
1 57 07
2 17 60
3 36 77
4 72 49
5 85 76
6 31 95
7 44 51
8 30 16
9 26 14
10 09 85
11 49 59
12 13 85
13 33 40
14 89 42
15 13 52