Modelacin y Simulacin de Sistemas

Conferencia 1
www.norte.uni..edu.ni

Maestro Julio Rito Vargas Avils

LOGO

Programa de la Asignatura

LOGO

Objetivo General Crear modelos matemticos que describan los sistemas empresariales realizando la simulacin computacional de sus procesos. Objetivos especficos Conocer los conceptos bsicos de modelacin matemtica y de simulacin. Disear, codificar, verificar y validar simulacin.de sistemas Realizar la simulacin de los modelos diseados.. .

Programa de la Asignatura
Contenido del programa
No UNIDADES
FORMAS DE ORGANIZACIN DOCENE (F.O.E.)

LOGO

TEORIA
I Conceptos bsicos Construccin de Modelos Matemticos

C 4 16

S 2 2

PRACTICA C.P. LAB.

Total de horas 6

II

16

38

III Simulacin SUBTOTAL

16 36

2 6

10 12 26 16 Evaluaciones parciales y final TOTAL

40 84 4 88

Unidad I: CONCEPTOS BSICOS

Definicin de sistema. Definicin de modelo. Tipos de modelos a) Esttico b) Dinmico c) Determinstico d) Estocstico e) Discretos f) Continuos g) Fsicos
h) Matemticos (Analticos, Numricos)

LOGO

Unidad I: CONCEPTOS BSICOS

Estructura de un modelo. a) Componentes. b) Variables (Exgenas, Endgenas). Principios utilizados en un modelo a) Relevancia b) Exactitud c) Agregacin d) Formacin de bloques Definicin de Simulacin

LOGO

UNIDAD II: CONSTRUCCIN DE MODELOS MATEMTICOS

LOGO

Construccin de Modelos matemtico a.

b.

Definicin del problema

Desarrollo de un modelo matemtico y recoleccin de datos

c. d. e. f.

Resolucin del modelo matemtico Validacin Modificacin del modelo Implementacin

Construccin de Modelos empleando Regresin

UNIDAD II: CONSTRUCCIN DE MODELOS MATEMTICOS

LOGO

Modelos de sistemas y gestin ingenieril

a. b. c. d.

Algunos sistemas simples Funciones de transferencias Modelacin en variables de estado Tiempo de respuesta en sistemas en tiempo continuo e. Anlisis cualitativo en tiempo contino f. Anlisis de sistema en tiempo discreto

UNIDAD III. SIMULACIN

LOGO

Variables aleatorias Esperanza y Varianza Funciones de distribucin y de densidad (Uniforme, Beta, Erlang, Triangular, Exponencial, Gamma, Poisson, Johnson, Normal) Construccin de una simulacin a. Definicin del problema b Construccin del modelo de simulacin c. Programacin del modelo d. Simulacin del modelo e. Validacin del modelo f. Anlisis de resultados.

UNIDAD III. SIMULACIN

LOGO

Simulacin por medio de eventos discretos. Ambiente del Software de simulacin Arena Construccin de modelos de Simulacin de lneas de espera con Arena Construccin de modelos de simulacin de inventarios con Arena Creacin de simulacin con animacin en Arena.

FORMAS DE EVALUACIN

LOGO

Formas de evaluacin del curso.

C.P. Sistemticos Sem

UNIDAD
I II 4 2 III 6 2 10 4 30 Total

Lab

4 5
7

12
30 50

16 35
35 100

Primer Parcial
Proyecto de curso

30
5 43

Total

EVALUACN

LOGO

Sistemticos
Primer Parcial

: 30%
: 35%

Proyecto de Simulacin : 35%

Total :100 %

Bibliografa

LOGO

Kelton, W. Davis; Sadowski, Randall P.; Sadowski, Deborah A. Simulacin con Arena Arena. IV edicin McGraw Hill, 2008. Rodrigo Wadnimpar;Carlos Paternna; Simulacin de Sistemas productivos con Arena. Ediciones Barranquilla, Colombia. 2003 Wayne Wilson; Investigacin de Operaciones Captulos 21, 22 y 23. Jaime Barcel; Simulacin de Sistemas Discretos; Madrid, 1996.

SIMULACIN DE SISTEMAS
Introduccin al Modelado y Simulacin de Sistemas

Objetivo de la clase

LOGO

Definir conceptos de Ingeniera de Sistemas, la Investigacin de operaciones. Definir los conceptos de sistema y modelo. Identificar los tipos de modelos. Definir el concepto de simulacin. Identificar los tipos de modelos de simulacin.

Tabla de Contenido
Objetivo Sistemas Modelos Tipos de Modelos
Simulacin Pertinencia de la simulacin

LOGO

Mapa Conceptual del Curso

Modelado y Simulacin Proyectos Simulacin
Series de Nro. Aleato Validacin de Series Generaci n de VA Colas con un servidor

LOGO

Simulacin X Eventos

Colas en Serie Colas en Paralelo

Inventarios

Mapa Conceptual de la Sesin

Modelo Fsico Modelo Analgico
Tipos de Modelos Utilidad Modelo de Simulacin Modelo Matemtico Tipos de Simulacin

LOGO

continuo

S I S T E M A

M O D E L O

continuo
discreto

eventos

LOGO

SISTEMAS
SSistema:: conjunto de objetos que ordenadamente relacionadas entre si contribuyen a determinado objetivo.

Qu es un sistema?
Lmite del sistema
Parte del sistema Relacin

LOGO

Es un conjunto de partes inter-relaciondas. Existe en un medio ambiente separado por sus lmites. Persigue un objetivo. Dependen del observador.

Actividad 1
Todos los sistemas son iguales? De qu depende?

LOGO

Definicin de los sistemas

LOGO

Estructural: Se define el sistema identificando y describiendo cada una de sus partes. Se considera que luego de hacer esto se puede conocer al sistema. Funcional : Se define el sistema considerando cada una de sus partes como una caja negra y conociendo las interrelaciones que existen entre ellas. Se conoce el sistema, si es que se conoce su dinmica.

Actividad 2

LOGO

Diga a qu tipo de definicin corresponde cada uno de los siguientes sistemas.

1. 2. 3. 4. 5. 6. Diagrama de un circuito electrnico. Plano de una casa. Diagrama de procesos de una organizacin. Organigrama. Modelo de control de una planta. Modelo epidemiolgico de una enfermedad.

Propiedades de los sistemas

LOGO

Sinergia. La interrelacin de las partes es mayor o menor que la simple suma de las partes. Entropa Indica el grado de desorden del sistema. Se puede reducir la entropa ingresando informacin al sistema.

Actividad 3
Cul es un sistema?

LOGO

Dnde estn los sistemas?

Sistema?

LOGO

Dnde estn los sistemas?

LOGO

Los sistemas son constructos mentales.

Corresponden a la representacin mental de los objetos del mundo real.

Cada sistema depende del punto de vista del observador Diferentes Personas Diferentes Visiones (modelador). Sistemas Diferentes

Actividad 4
Qu observa?

LOGO

Actividad 5
Cul es el sistema? el plano de la casa, la casa, ambos o ninguno

LOGO

Ingeniera de Sistemas

LOGO

Tcnica para utilizar conocimiento procedentes de diferentes ramas de la ciencia y la ingeniera para introducir innovaciones tecnolgicas en las etapas de concepcin, planificacin, desarrollo y operacin de un sistema o lo que es lo mismo el ciclo de vida de un sistema.

Ingeniera de Sistemas

LOGO

Consideremos una fbrica que produce y ensambla diferentes piezas para fabricar un producto final. Sus dos componentes principales son el departamento de fabricacin que fabrica las piezas y el ensamblaje que produce los productos finales. Hay adems un departamento de compras que mantiene el suministro de materias primas y uno de expedicin distribuye los productos acabados. El departamento de control de produccin, recibe los pedidos y asigna las ordenes de trabajos a los otros departamentos.

Sistema productivo

LOGO

MODELOS

LOGO

Modelos

LOGO

Es una abstraccin de la realidad. Es una representacin de la realidad que ayuda a entender cmo funciona. Es una construccin intelectual y descriptiva de una entidad en la cual un observador tiene inters. Se construyen para ser transmitidos. Supuestos simples son usados para capturar el comportamiento importante.
Un modelo es un sistema desarrollado para entender la realidad y en consecuencia para modificarla. No es posible modificar la realidad, en cierta direccin, si es que no se dispone de un modelo que la interprete.

Actividad 6

LOGO

1. Indica mtodos/procedimientos alternativos para modificar la realidad, sin necesidad de usar modelos abstractos. Qu tan confiables son? Se puede desarrollar una teora que las respalde?
2. Indique dominios del conocimiento humano donde todava no se dispone de modelos que la interpreten.

Actividad 7
Modelar la siguiente realidad

LOGO

Modelos
Modelo

LOGO

Observador

Sistema Real

Para qu sirve un modelo?

LOGO

Ayuda para el pensamiento

Herramienta de prediccin

Para entrenamiento e instruccin

Ayuda para la experimentacin

Ayuda para la comunicacin

el modelo o la realidad?

Modelos Mentales y Formales

Modelos Mentales. Depende de nuestro punto de vista, suele ser incompletos y no tener un enunciado preciso, no son fcilmente transmisibles. Ideas, conceptualizaciones Modelo Formales. Estn basados en reglas, son transmisibles. Planos, diagramas, maquetas
Piedra de Sayhuite, Abancay

LOGO

Actividad 8

LOGO

Diga a qu categora (mental o formal) pertenecen los siguientes sistemas: 1. Opinin sobre el gobierno. 2. Opinin sobre el nuevo gabinete escrito en La prensa.. 3. Dibujo hecho a mano acerca de la nueva casa. 4. Plano de la nueva casa. 5. Modelo de clases o objetos del rea de ventas. 6. Orden en que llegan los insumos a una mquina. 7. Distribucin de probabilidad del orden en que llegan los insumos a una mquina. 8. Orden que sigue un documento para ser aprobado. 9. Flujo-grama de aprobacin de documentos.

Modelos Icnicos y Abstractos

Simulacin por computadora

LOGO
Modelos matemticos.

Modelos

5. Velocidad, ecuaciones diferenciales.

icnico Exactitud

Modelos analgicos

Modelos a escala

1. 2. 3. 4.

Planta piloto Modelo de un tomo, globo terrqueo, maqueta Reloj, medidores de voltaje, grfica de volumen/costo Modelos de colas, modelos de robots

fsicos

abstracto Abstraccin

1. Planta piloto 2. Modelo de un tomo, globo terrqueo, maqueta Modelo analgico. Son aquellos en los que una propiedad del objeto real est 3. Reloj, medidores de voltaje, grfica de volumen/costo representa-da por una4. Modelossustituida, por lo que en general se comporta de la propiedad de colas, modelos de robots misma manera. 5. Velocidad, ecuaciones diferenciales.

Modelo matemtico

LOGO

Es la representacin simplificada y manipulable numricamente de un sistema. La construccin del modelo del sistema comienza por la construccin de un modelo conceptual del sistema, representacin equivalente lgica aproximada del sistema real, que como tal constituye una abstraccin simplificada del msmo.

Proceso de Modelacin

LOGO

Estudio conjunto de dos variables

A la derecha tenemos una posible manera de recoger los datos obtenido observando dos variables en varios individuos de una muestra.
En cada fila tenemos los datos de un individuo Cada columna representa los valores que toma una variable sobre los mismos. Los individuos no se muestran en ningn orden particular. Altura en cm.
162 154

LOGO

Peso en Kg.
61 60

180
158

78
62

171
169

66
60

Dichas observaciones pueden ser representadas en un diagrama de dispersin (scatterplot). En ellos, cada individuos es un punto cuyas coordenadas son los valores de las variables. Nuestro objetivo ser intentar reconocer a partir del mismo si hay relacin entre las variables, de qu tipo, y si es posible predecir el valor de una de ellas en funcin de la otra.

166
176

54
84

163
...

68
...

43

Diagramas de dispersin o nube de puntos

LOGO

Tenemos las alturas y los pesos de 30 individuos representados en un diagrama de dispersin.

100 90 80 70 60 50 40 30 140
44

Pesa 76 kg.

Pesa 50 kg.
Mide 161 cm.
150 160 170 180

190

Mide 187 cm.

200

Relacin entre variables.

LOGO

Tenemos las alturas y los pesos de 30 individuos representados en un diagrama de dispersin.

100 90 80 70 60 50 40 30 140
45

150

160

170

180

190

200

Prediccin de una variable en funcin de la otra.

LOGO

Aparentemente el peso aumenta 10Kg por cada 10 cm de altura... o sea, el peso aumenta en una unidad por cada unidad de altura. 100
90 80 70 60 50 40 30 140
46

10 kg.

10 cm.
150 160 170 180 190 200

Cmo reconocer relacin directa e inversa.

330 280 230 180
100

LOGO

Incorrelacin

90 80 70 60 50 40 30

Fuerte relacin directa.

130 80
30 140 150 160 170 180 190 200

140

150

160

170

180

190

200

Para valores de X por encima de la media tenemos valores de Y por encima y por debajo en proporciones similares. Incorrelacin.

Para los valores de X mayores que la media le corresponden valores de Y mayores tambin.
Para los valores de X menores que la media le corresponden valores de Y menores tambin. Esto se llama relacin directa o creciente entre X e Y. Para los valores de X mayores que la media le corresponden valores de Y menores. Esto es relacin inversa o decreciente.

80 70 60 50 40 30 20 10 0 140 150 160 170 180 190 200

Cierta relacin inversa

47

Cmo reconocer buena o mala relacin

330 280 230 180 130 80 30 140 150 160 170 180 190 200

LOGO

100

Poca relacin

90

o
80 70 60

Fuerte relacin directa.

o o

50 40 30 140

o o
150 160 170 180 190 200

Dado un valor de X no podemos decir gran cosa sobre Y. Mala relacin. Independencia.

Conocido X sabemos que Y se mueve por una horquilla estrecha. Buena relacin.

80 70 60 50 40 30 20 10 0 140 150 160 170 180 190 200

Cierta relacin inversa

Lo de horquilla estrecha hay que entenderlo con respecto a la dispersin que tiene la variable Y por si sola, cuando no se considera X.

48

Covarianza de dos variables X e Y

La covarianza entre dos variables, Sxy, nos indica si la posible relacin entre dos variables es directa o inversa.
Directa: Sxy >0 Inversa: Sxy <0 Incorreladas: Sxy =0

LOGO

S xy

1 ( xi x )( yi y ) n i

El signo de la covarianza nos dice si el aspecto de la nube de puntos es creciente o no, pero no nos dice nada sobre el grado de relacin entre las variables.
49

Coeficiente de correlacin lineal de Pearson

La coeficiente de correlacin lineal de Pearson de dos variables, r, nos indica si los puntos tienen una tendencia a disponerse alineadamente (excluyendo rectas horizontales y verticales).

LOGO

tiene el mismo signo que Sxy por tanto de su signo obtenemos el que la posible relacin sea directa o inversa. r es til para determinar si hay relacin lineal entre dos variables, pero no servir para otro tipo de relaciones (cuadrtica, logartmica,...)

S xy SxS y
50

Propiedades de r

LOGO

Es adimensional Slo toma valores en [-1,1] Las variables son incorreladas r=0 Relacin lineal perfecta entre dos variables r=+1 o r=-1 Excluimos los casos de puntos alineados horiz. o verticalmente. Cuanto ms cerca est r de +1 o -1 mejor ser el grado de relacin lineal. Siempre que no existan observaciones anmalas.
Variables incorreladas

-1

+1

51

Entrenando el ojo: correlaciones positivas

330 280 230 180 130 80 30 140 130 120 110 100 90 80 70 60 50 40 30 140 100 90 80 70 60 50

LOGO

r=0,1
150 160 170 180 190 200

r=0,4
150 160 170 180 190 200

110 100 90 80 70 60 50 40 30 140 150 160 170 180

r=0,6
190 200

40 30 140 150 160 170 180

r=0,8
190 200

52

Entrenando el ojo: casi perfectas y positivas

100 90 80 70 60 50 40 30 140 100 90 80 70 60 50 40 30 140 150 160 170 180 150 160 170 180 100 90 80 70 60 50

LOGO

r=0,9
190 200

40 30 140 150 160 170 180

r=0,99
190 200

r=1
190 200

53

Entrenando el ojo: correlaciones negativas

90 80 70 60 50 40 30 20 10 0 140

LOGO

80 70 60 50 40 30 20

r=-0,5
150 160 170 180 190 200

10 0 140 80 70 60 50 40 30 20

r=-0,7
150 160 170 180 190 200

80 70 60 50 40 30 20 10 0 140

r=-0,95
150 160 170 180 190 200

10

r=-0,999
150 160 170 180 190 200

0 140

54

Preguntas frecuentes
Si r=0 eso quiere decir que las variables son independientes? En la prctica, casi siempre s, pero no tiene por qu ser cierto en todos los casos. Lo contrario si es cierto: Independencia implica incorrelacin. Me ha salido r=1.2 la relacin es superlineal[s/n]? Eso es un error de clculo. Siempre debe tomar un valor entre -1 y +1. A partir de qu valores se considera que hay buena relacin lineal? Es difcil dar un valor concreto (mire los grficos anteriores). Pero digamos que si |r|>0,6 hay buena relacin lineal y que si |r|>0,4 hay cierta o poca relacin (por decir algo... la cosa es un poco ms complicada: observaciones anmalas,...)

LOGO

55

Otros coeficientes de correlacin

LOGO

Cuando las variables en vez de ser numricas son ordinales, es posible preguntarse sobre si hay algn tipo de correlacin entre ellas.
Disponemos para estos casos de dos estadsticos, aunque no los usaremos en clase: (ro) de Spearman (tau) de Kendall No tenies que estudiar nada sobre ellos en este curso. Recuerde slo que son estadsticos anlogos a r y que los encontrara en publicaciones donde las variables no puedan considerarse numricas.
56

Regresin
El anlisis de regresin sirve para predecir una medida en funcin de otra medida (o varias). Y = Variable dependiente
predicha explicada

LOGO

X = Variable independiente
predictora explicativa

Es posible descubrir una relacin?

Y = f(X) + error
f es una funcin de un tipo determinado el error es aleatorio, pequeo, y no depende de X
57

Regresin
El ejemplo del estudio de la altura en grupos familiares de Pearson es del tipo que desarrollaremos en el resto del tema.
Altura del hijo = 85cm + 0,5 altura del padre (Y = 90 + 0,5 X)
Si el padre mide 200cm cunto mide el hijo?
Se espera (predice) 85 + 0,5x200=185 cm. Alto, pero no tanto como el padre. Regresa a la media.

LOGO

Si el padre mide 120cm cunto mide el hijo?

Se espera (predice) 85 + 0,5x120=145 cm. Bajo, pero no tanto como el padre. Regresa a la media.

Es decir, nos interesaremos por modelos de regresin lineal simple.

58

Modelo de regresin lineal simple

En el modelo de regresin lineal simple, dado dos variables Y (dependiente) X (independiente, explicativa)
buscamos encontrar una funcin de X muy simple (lineal) que nos permita aproximar Y mediante = b0 + b1X
b0 (ordenada en el origen, constante) b1 (pendiente de la recta)

LOGO

Y e rara vez coincidirn por muy bueno que sea el modelo de regresin. A la cantidad e=Y- se le denomina residuo o error residual.
59

LOGO
En el ejemplo de Pearson y las alturas, l encontr: = b0 + b1X
b0=85 cm (No interpretar como altura de un hijo cuyo padre mide 0 cm b1=0,5 (En media el hijo gana 0,5 cm por cada cm del padre.)
180 150 120 90 60 30 0
0 10 20 30 40 50 60 70 80 90 100 110 120 130 140 150 160 170 180 190 200 210 220
60

b1=0,5

b0=85 cm

La relacin entre las variables no es exacta. Es natural preguntarse entonces:

Cul es la mejor recta que sirve para predecir los valores de Y en funcin de los de X Qu error cometemos con dicha aproximacin (residual).

LOGO

180 150 120 90 60 30 0

0 10 20 30 40 50 60 70 80 90 100 110 120 130 140 150 160 170 180 190 200 210 220
61

b1=0,5

b0=85 cm

 El modelo lineal de regresin se construye utilizando la LOGO tcnica de estimacin mnimo cuadrtica:
Buscar b0, b1 de tal manera que se minimice la cantidad
i ei2

Se comprueba que para lograr dicho resultado basta SY con elegir:

b1 r SX b0 y b1 x

Se obtiene adems unas ventajas de regalo

El error residual medio es nulo La varianza del error residual es mnima para dicha estimacin. Traducido: En trmino medio no nos equivocamos. Cualquier otra estimacin que no cometa error en trmino medio, si es de tipo lineal, ser peor por presentar mayor variabilidad con respecto al error

medio (que es cero).

62

LOGO
Que el error medio de las predicciones sea nulo no quiere decir que las predicciones sean buenas. Hay que encontrar un medio de expresar la bondad del ajuste (bondad de la prediccin)

Cometi un error de -30 en su ltima prediccin

No importa. Con los dos ltimos clientes me equivoqu en +10 y +20. En trmino medio el error es cero.
63

Cmo medir la bondad de una regresin?

Imaginemos un diagrama de dispersin, y vamos a tratar de comprender en primer lugar qu es el error residual, su relacin con la varianza de Y, y de ah, cmo medir la bondad de un ajuste.

LOGO

64

Interpretacin de la variabilidad en Y
En primer lugar olvidemos que existe la variable X. Veamos cul es la variabilidad en el eje Y.
La franja sombreada indica la zona donde varan los valores de Y. Y

LOGO

Proyeccin sobre el eje Y = olvidar X

65

Interpretacin del residuo

Fijmonos ahora en los errores de prediccin (lneas verticales). Los proyectamos sobre el eje Y. Se observa que los errores de prediccin, residuos, estn menos dispersos que la variable Y original. Cuanto menos dispersos sean los residuos, mejor ser la bondad del ajuste.
Y

LOGO

66

Bondad de un ajuste
Resumiendo: La dispersin del error residual ser una fraccin de la dispersin original de Y Cuanto menor sea la dispersin del error residual mejor ser el ajuste de regresin.
2 Eso hace que definamos como medida de 2 e bondad de2un ajuste de regresin, o coeficiente de determinacin a: Y

LOGO
Y

S R 1 S
67

2 Se2 SY

Resumen sobre bondad de un ajuste

La bondad de un ajuste de un modelo de regresin se mide usando el coeficiente de determinacin R2 R2 es una cantidad adimensional que slo puede tomar valores en [0, 1]
por qu?

LOGO

Cuando un ajuste es bueno, R2 ser cercano a uno.

por qu?

Cuando un ajuste es malo R2 ser cercano a cero.

por qu?

A R2 tambin se le denomina porcentaje de variabilidad explicado por el modelo de regresin.

por qu? Difcil.

R2 puede ser pesado de calcular en modelos de regresin general, pero en el modelo lineal simple, la expresin es de lo ms sencilla: R2=r2
Es coherente lo dicho entonces sobre los valores de R2?
68

Otros modelos de regresin

Se pueden considerar otros tipos de modelos, en funcin del aspecto que presente el diagrama de dispersin (regresin no lineal) Incluso se puede considerar el que una variable dependa de varias (regresin mltiple).
recta o parbola?

LOGO

140

150

160

170

180

190

200

recta o cbica?

140

150

160

170

180

190

200

69

Modelos de anlisis de regresin

Tratamos los modelos de regresin lineal simple y mltiple. En todos los dems la bondad del ajuste se mide usando R2
Simple
Modelos de regresin

LOGO

Mltiple

1 variable explicativa

2+ variables explicativas

Lineal

No lineal

Lineal

No lineal

70

Qu hemos visto?
Relacin entre variables Diagrama de dispersin Covarianza Relacin directa, inversa e incorrelacin Correlacin lineal Relacin directa, inversa e incorrelacin
grado de relacin lineal entre variables

LOGO

Regresin, prediccin
Variable dependiente Variable(s) independientes Modelo lineal de regresin
Ordenada en el origen Pendiente

Residuo, error Bondad del ajuste, coef. determinacin

En el modelo lineal simple y mltiple: r2
71

Modelo de Regresin Simple y mltiple

LOGO

Actividad 9

LOGO

Relaciona las siguientes dos listas. Identificar qu modelo(s) se usa(n) para representar los siguientes aspectos de la realidad. modelo Indicar el tipo de modelo.
1. 2. 3. 4. 5. 6. 7. 8. 9. Oficina Bancaria Temperatura Edificio Pas Empresa Software Epidemia Reaccin Nuclear Energa

realidad

1.Termmetro 2.Mapa 3.Plano 4.Organigrama 5.Flujo Grama 6. Matemtico 7.E = mc2 8.metro

LOGO

TIPOS DE MODELOS

Tipos de modelos
curso
estocstico
tiempo-continuo tiempo-discreto

LOGO

determinstico

esttico dinmico
Estocstico. Uno o ms parmetros aleatorios. Entradas fijas produce salidas diferentes Determinstico. Entradas fijas producen salidas fijas Esttico. Estado del sistema como un punto en el tiempo Dinmico. Estado del sistema como cambios en el tiempo Tiempo-continuo. El modelo permite que los estados del sistema cambien en cualquier momento. Tiempo-discreto. Los cambios de estado del sistema se dan en momentos discretos del tiempo.

Estocstico - Determinstico
Estocstico (*) Si el estado de la variable en el siguiente instante de tiempo no se puede determinar con los datos del estado actual

LOGO

Determinstico Si el estado de la variable en el siguiente instante de tiempo se puede determinar con los datos del estado actual

xi

y
i

xi

y
i

Mtodo analtico: usa probabilidades para determinar la curva de distribucin de frecuencias

Mtodo numrico: algn mtodo de resolucin analtica

Continuo - Discreto
Continuo El estado de las variables cambia continuamente como una funcin del tiempo e = f (t)

LOGO Discreto (*) El estado del sistema cambia en tiempos discretos del tiempo e = f(nT)

Mtodo analtico: usa razonamiento de matemticas deductivas para definir y resolver el sistema

Mtodo numrico: usa procedimientos computacionales para resolver el modelo matemtico.

Esttico - Dinmico
Esttico Si el estado de las variables no cambian mientras se realiza algn clculo
f [ nT ] = f [ n(T+1) ]

LOGO Dinmico (*) Si el estado de las variables puede cambiar mientras se realiza algn clculo f [ nT ] f [ n(T+1) ]

Mtodo analtico: algn mtodo de resolucin analtica.

Mtodo numrico: usa procedimientos computacionales para resolver el modelo matemtico.

Actividad 10
Sistema Control de inventarios Variable de Inters Demanda, Pedido Continua / Discreta Estocstica/ Determinstica

LOGO

Para los siguientes sistemas, determine la variable de inters y el tipo de sistema:

Esttica/ Dinmica

Control de peaje
Diagnstico mdico Despacho de combustible Caja de un supermercado

Tiempo entre Llegada

Tiempo de atencin Tiempo entre llegadas Nmero de productos

Fbrica de carros
Biblioteca Mantenimiento de Maquinaria

Tiempo entre fallas

Libros prestados Tiempo sig. atencin

LOGO Funciones y estructura de un modelo

FUNCIONES MODELO

DEL

Comparar Predecir
Una pintura es una rplica de algo que existe Un carro de madera es la rplica de un original

ESTRUCTURA DEL MODELO El modelo se puede escribir de tal forma

E = F(Xi, Yi),

Donde

E: Es el efecto del comportamiento del sistema Xi: Son variables y parmetros que podemos controlar Yi: Las variables y parmetros que no podemos controlar F: Es la funcin con la cual relacionamos Xi con Yi con el fin de modificar o dar origen a E

SIMULACION

LOGO

Concepto de Simulacin
ROBERT SHANNON

LOGO

La simulacin es el disear y desarrollar un modelo computarizado de un sistema o proceso y conducir experimentalmente con este modelo con el propsito de entender el comportamiento del sistema del mundo real o evaluar varias estrategias con los cuales puedan operar el sistema.

Simulacin

LOGO

Es la construccin de modelos informticos que describen la parte esencial del comportamiento de un sistema de inters, as como disear y realizar experimentos con el modelo y extraer conclusiones de sus resultados para apoyar la toma de decisiones.
Se usa como un paradigma para analizar sistemas complejos. La idea es obtener una representacin simplificada de algn aspecto de inters de la realidad.

Permite experimentar con sistemas (reales o propuestos) en casos en los que de otra manera esto sera imposible o imprctico.

Simulacin
Sistema Actual entrada(t) parmetros

LOGO
salida(t)

=??

Sistema Simulado

salida(t)

El sistema simulado imita la operacin del sistema actual sobre el tiempo. La historia artificial del sistema puede ser generado, observado y analizado. La escala de tiempo puede ser alterado segn la necesidad. Las conclusiones acerca de las caractersticas del sistema actual pueden ser inferidos.

Estructura de un modelo de simulacin si = f(ci, ni)

ci ei si

LOGO

ei
ni ni

ei

si

ci: variable exgena controlable ni: variable exgena no controlable ei: variable endgena (estado del sistema) si: variable endgena (salida del sistema)

Actividad 11
Simular el comportamiento del siguiente sistema para 10 unidades de tiempo, k = 2 y y0 = -2, A qu tipo de modelo corresponde?
Yt 0 2 4 6 Yt-1 -2 0 2 4

LOGO
t 1 2 3 4

k yt = yt-1 + k yt

8 10
12 14 16 18

6 8
10 12 14 16

5 6
7 8 9 10

y0

Representacin grfica

LOGO

Cuando es apropiado simular?

Cuando el sistema an no existe (aviones, carreteras).

LOGO

No existe una completa formulacin matemtica del problema (lneas de espera, problemas nuevos).

Es necesario desarrollar experimentos, pero su ejecucin en la realidad es difcil o imposible (armas, medicamentos, campaas de marketing)
Se requiere cambiar el periodo de observacin experimento (cambio climtico, migraciones, poblacin). del

No se puede interrumpir la operacin del sistema actual (plantas elctricas, carreteras, hospitales).

Cundo no es apropiado simular?

LOGO

El desarrollo del modelo de simulacin requiere mucho tiempo. El desarrollo del modelo es costoso comparado con sus beneficios. La simulacin es imprecisa y no se puede medir su imprecisin. (El anlisis de sensibilidad puede ayudar).

Maneras de estudiar un sistema

Segn Law y Kelton
Sistema

LOGO

Experimentar con el sistema

Modelo fsico

Experimentar con un modelo del sistema Modelo matemtico

Solucin analtica

SIMULACIN

Actividad 12

LOGO

Diga qu problemas pueden ser estudiados mediante el uso de modelos de simulacin: 1. Decidir si construir o no la carretera entre Acoyapa y San Carlos. 2. Decidir la aplicacin de una nueva vacuna. 3. Probar la efectividad de un sistema de armamento. 4. Decidir si es conveniente o no construir un puente. 5. Decidir cuantas ventanillas de atencin colocar en una nueva oficina bancaria. 6. Decidir cuantos puntos de atencin a clientes colocar en una Farmacia. 7. Decidir si construir o no una central Hidroelctrica en la RAAS.

Actividad 13
Sistema real: Seccin de caja de un supermercado. Identificar: Elementos o entidades. Actividades por cada entidad. Variables exgenas: Controlables. No controlables. Variables endgenas: De estado De salida

LOGO

Actividad 14

LOGO

Sistema de colas con un solo servidor, por ejemplo una caja registradora.

El tiempo de llegada entre clientes esta distribuido uniformemente entre 1 y 10 minutos. El tiempo de atencin de cada cliente esta distribuido uniformemente entre 1 y 6 minutos. Calcular: Tiempo promedio en que un cliente permanece dentro del sistema. Porcentaje de tiempo desocupado del cajero.

Actividad 14
10 0 No 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 tiempo llegada 9 2 6 8 6 9 4 3 5 5 5 10 2 2 4 8 8 3 6 3 5.4 Hora llegada 9 11 17 25 31 40 44 47 52 57 62 72 74 76 80 88 96 99 105 108 Hora inicio servicio 9 12 17 25 31 40 44 47 52 57 62 72 75 76 80 88 96 99 105 110

LOGO
6 tiempo servicio 3 2 4 6 4 4 3 3 4 4 6 3 1 4 3 2 2 3 5 2 68 3.4 Hora fin servicio 12 14 21 31 35 44 47 50 56 61 68 75 76 80 83 90 98 102 110 112 Tiempo espera 3 3 4 6 4 4 3 3 4 4 6 3 2 4 3 2 2 3 5 4 72 3.6 Tiempo cajero inactivo 9 0 3 4 0 5 0 0 2 1 1 4 0 0 0 5 6 1 3 0 44 2.2

Conclusiones

LOGO

Los modelos se construyen para entender la realidad.

Los modelos de simulacin hacen uso intensivo del computador

El tipo de comportamiento de las variables determinan el comportamiento del sistema.

U N I - N O R T E - N I C A R A G U A

WWW.NORTE.UNI.EDU.NI