Simulación de eventos discretos

Simulacin de Sistemas
UNIVERSIDAD NACIONAL DE SAN AGUSTN DE AREQUIPA

FACULTAD DE INGENIERA DE PRODUCCIN Y SERVICIOS
Escuela Profesional de Ingeniera Industrial
APUNTES DE CLASE
SIMULACIN DE SISTEMAS DE EVENTOS DISCRETOS

Realizado por: Ing. Efran Rafael Murillo Quispe
AREQUIPA PERU
2010
Ing. Efran Murillo
1.
Introduccin a la Simulacin de Sistemas
INTRODUCCIN
La simulacin es una tcnica numrica que se aplica a cierta clase de problemas que surgen en la industria, planificacin de proyectos o en administracin. Como tal es una herramienta ms que se utiliza en el campo de la investigacin de operaciones. Es una tcnica que permite representar un sistema real mediante un modelo de simulacin basado en computadora. El modelo de simulacin debe imitar el funcionamiento del sistema real de tal forma que se pueda experimentar alternativas de optimizacin. Se recurre a la simulacin cuando no existen mtodos analticos que no pueden resolver el problema. Al simular el funcionamiento de un sistema o mejor dicho el modelo del sistema nuestro inters, es lograr obtener datos al respecto de su comportamiento frente a distintas situaciones relevantes.
DEFINICIN
ROBERT SHANNON 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. SHUBIK Es un modelo, dice que la simulacin de un sistema o de un organismo es la operacin de un modelo lo cual se va a llamar simulador el cual es una representacin del sistema. Este modelo o simulador estar sujeto a diversas manipulaciones, las cuales seran imposibles de realizar, demasiado costosas o imprcticas. La operacin de un modelo puede estudiarse y con ello conocer las propiedades concernientes al comportamiento del sistema o subsistema real costoso.
Ing. Efran Murillo
Simulacin de Sistemas QUE INTENTA LA SIMULACION
1. Descubrir el comportamiento de un sistema 2. Postular teoras o hiptesis que expliquen el comportamiento observado 3. Usar esas teoras para predecir el comportamiento futuro del sistema, es decir mirar los efectos que se produciran en el sistema mediante los cambios dentro de l o en su mtodo de operacin. PROPIEDADES DE LOS MODELOS DE SIMULACION DEFINICION DE MODELO Modelo es una representacin de un objeto, sistema o idea de forma diferente a la de identidad misma. Por lo general el modelo nos ayuda a entender y mejorar un sistema. El modelo de un objeto puede ser una rplica exacta de este, con la diferencia del material que lo compone o de su escala, inclusive puede ser una abstraccin de las propiedades dominantes del objeto. FUNCIONES DEL MODELO Comparar Predecir
Ejemplo: La pintura de un paisaje 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 las variables y parmetros que nosotros podemos controlar Yi: Las variables y los parmetros que nosotros no podemos controlar F: Es la funcin con la cual relacionamos Xi con Yi con el fin de modificar o dar origen a E.
PROPIEDADES DE LOS MODELOS 1. COMPONENTES: Generalmente son las partes o componentes de un conjunto que forman el sistema o definen la estructura fsica del sistema. 2. VARIABLES: Relacionan los componentes entre s y pueden ser de tres tipos: Exgenas: Son las variables independientes o de entrada del modelo. Estas se clasifican en controlables y no controlables. Las controlables estn sujetos a la
Ing. Efran Murillo
manipulacin de quienes toman decisiones por ejemplo la duracin de las fases del semforo. Las no controlables surgen del medio ambiente, como el intervalo entre llegada de los vehculos a la interseccin. Endgenas: Son variables dependientes o de salida del modelo como por ejemplo el tiempo promedio de espera de los vehculos en la interseccin. La duracin de este tiempo depende evidentemente del intervalo entre llegadas de los vehculos y los tiempos del semforo. De Estado: Estas definen el estado del sistema en un tiempo especfico. Su utilidad es proporcionar la informacin adecuada que permite determinar los valores de las variables exgenas del problema. Por ejemplo, la variable de estado tiempo de la llegada de n-simo vehiculo a la interseccin conjuntamente con los estados del semforo (rojo o verde) nos ayudan a afirmar si el vehculo se detiene a su llegada a la interseccin o no, y en caso de detenerse se puede calcular su tiempo de espera.
La naturaleza de cada sistema y el inters particular del investigador en simular su modelo proveen las pautas para identificar las variables relevantes y definir su tipo. 3. PARAMETROS: Son cantidades a las cuales el operador del modelo puede asignarle valores arbitrarios lo cual se diferencia de las variables. Si el intervalo entre llegada de los vehculos a la interseccin es una constante h este seria un parmetro. Los parmetros una vez establecidos se convierten en constantes. 4. RELACIONES FUNCIONALES: Describen a los parmetros de tal manera que muestran su comportamiento dentro de un componente o entre componentes de un sistema. Las relaciones funcionales pueden ser de tipo determinsticos o estocsticos. - Determinsticas: Sus definiciones que relacionan ciertas variables o parmetros donde una salida del proceso es singularmente determinada por una entrada dada. - Estocsticas: Cuando el proceso tiene una salida indefinida, para una entrada determinada las relaciones funcionales se representan por ecuaciones matemticas y salen del anlisis estadstico matemtico. 5. RESTRICCIONES: Estas son limitaciones impuestas a valores de las variables las cuales pueden ser de dos formas: Autoimpuestas: O sea asignadas por el mismo operador o
Ing. Efran Murillo
Simulacin de Sistemas Impuestas: O sea cuando son asignadas manualmente por el mismo sistema
6. FUNCIONES DE OBJETIVO: Son las metas del sistema o el como evaluar al sistema, existen retentivas por ejemplo: la conservacin de tiempo, energa y adquisitivas ejemplo: Ganancia en algo. CLASIFICACION DE LOS MODELOS Los modelos se pueden clasificar en forma general, pero los modelos de simulacin se pueden clasificar en forma ms especfica. De que forma podemos modelar un objeto o sistema desde lo ms real a lo ms irreal.
VENTAJAS Y DESVENTAJAS DE LA SIMULACION: VENTAJAS 1. El desarrollo del modelo de un sistema generalmente proporciona mejor conocimiento del sistema real. 2. La simulacin permite comprimir el tiempo; se pueden evaluar aos de experiencia en el sistema real en unos segundos de simulacin. 3. La simulacin no interrumpe las actividades del sistema real. 4. La simulacin ofrece una rplica ms realista del sistema que el anlisis matemtico. 5. La solucin responde a preguntas del tipo que pasa si. DESVENTAJAS 1. Aunque se invierta mucho tiempo y esfuerzo en el desarrollo de un modelo para simulacin, no hay garantas de que el modelo produzca buenas respuestas. 2. No es posible demostrar los resultados del modelo de simulacin. La simulacin implica numerosas repeticiones de secuencias que se basan en sucesos generados de manera aleatoria. 3. La construccin del modelo del sistema puede llevar de unas horas hasta aos-hombre, dependiendo del sistema que se simular. Los sistemas complejos pueden ser muy costosos y tardar mucho tiempo. 4. Las simulaciones pueden ser menos precisas que los modelos matemticos, ya que se basan en cuestiones aleatorias. Si el sistema se puede representar con un modelo matemtico, es mejor que usar una simulacin. 5. Aunque avanza la tcnica de las simulaciones, an no existe un mtodo normalizado. Por consiguiente, los modelos del mismo sistema pueden variar si los desarrollan distintas personas. La simulacin ms que una ciencia es un arte.
Ing. Efran Murillo
Simulacin de Sistemas CRITERIOS QUE SE DEBE TENER EN CUENTA PARA QUE UN MODELO DE SIMULACION SEA BUENO 1. 2. 3. 4.
Fcil de entender por el usuario. Que tenga el modelo metas y objetivos. Que el modelo no me de respuestas absurdas. Que sea fcil de manipular, la comunicacin entre el usuario y la computadora debe ser sencilla. 5. Que sea completa, tenga por lo menos las partes o funciones ms importantes del sistema. 6. Que sea adaptable, osea que podamos modificarlo, adaptarlo y actualizarlo. 7. Que sea evolutiva, osea que al principio sea simple y poco a poco empezamos a volverla compleja dependiendo de las necesidades de los usuarios ETAPAS DEL PROCESO DE SIMULACIN Para desarrollar un modelo de simulacin Kelton (2004) recomienda seguir los siguientes pasos: 1. Definicin del problema: Se debe definir el problema de estudio como primer paso, adems de delimitarlo y establecer los objetivos que se pretenda alcanzar. 2. Formulacin del problema: Se crea un modelo lgico del sistema. Se debe considerar la estructura de los datos o restricciones, el tipo de anlisis a llevar a cabo, el tipo de animacin requerida y la comprensin del software. 3. Todo proceso de simulacin tiene tres fases: Desarrollo del modelo, Ejecucin del Modelo y Anlisis de salidas del modelo:
Ing. Efran Murillo
Simulacin de Sistemas Ejemplo.- Para aclarar el concepto de la simulacin examinamos el siguiente sistema.
Un semforo en una interseccin tiene una fase verde que demora 1 minuto y una fase roja de 0.8 minutos. El intervalo entre llegada de los vehculos al la interseccin es una variable aleatoria X distribuida exponencialmente con un valor esperado R(X) = 0.2 minutos. Se debe determinar: a) El tiempo promedio de espera de los vehculos. b) El nmero promedio de los vehculos en espera durante la fase roja. Se puede plantear la cuestin en una forma ms til: Determinar el intervalo de la fase roja que resulte en un tiempo promedio de espera menor o igual a 10 segundos. El investigador puede variar la duracin de las fases del semforo y simulando lo ocurrido en la interseccin observar el efecto de los cambios en a) y b). Para poder simular el funcionamiento de este sistema primero debemos saber cmo generar los valores de X, y posteriormente la solucin al problema. Por ahora evitando los procedimientos de generacin suponiendo que X=2 segundos es una constante. Desarrollamos la siguiente tabla:
Tenemos que examinar lo que sucede con cada vehculo al llegar a la interseccin tomando en cuenta su tiempo de llegada y la fase en la cual se encuentra el semforo. En este ejemplo simple se observa que en un perodo de luz roja, 48 segundos, el tiempo total de espera es siempre igual a: TE = 46+44+42+...+2=2(23+22+21+...+1) La sumatoria de la serie es: n(n+1)/2 entonces: TE = 2(23(24)/2) = 552 El nmero de los vehculos en espera es 23, Por lo tanto el tiempo promedio de espera TP es: TP =TE/23 =24 Para determinar la duracin de la fase roja del semforo que permitira un tiempo promedio de espera menor o igual a 10 segundos se repiten los pasos anteriores para valores de R menor que 0.8 minutos, por ejemplo: Para R = 0.6 R = 0.4 TP = 18 TP = 12
Ing. Efran Murillo
Cuando X, el intervalo entre llegadas es aleatoria esencialmente se procede como antes para calcular el valor de las incgnitas en el problema. El aspecto computacin se vuelve tedioso y exige el uso de medios electrnicos. PROPIEDADES DEL MODELO 1. Los componentes.- Los vehculos llegando a la interseccin y el semforo. 2. Las variables: a) Variables Exgenas.- El intervalo entre llegada de los vehculos a la interseccin. b) Variables Endgenas.- El tiempo promedio de espera de los vehculos. c) Variables de Estado.- El tiempo de la llegada de n-simo vehiculo a la interseccin y el estado del semforo (rojo o verde). 3. Los parmetros.- La duracin de las fases del semforo y el tiempo de simulacin. 4. Relaciones funcionales: Tiempo de espera=R-T Donde R es el tiempo que termina la fase roja y T es el tiempo de la llegada de un vehiculo a la interseccin en la fase roja. Siendo X el intervalo entre llegadas de los vehculos, la funcin de densidad de probabilidad de X, f(x)=.e .x es una caracterstica de la operacin. El propsito de simular un modelo es examinar el efecto de los cambios en las variables exgenas y en los parmetros sobre las variables endgenas. En el problema anterior se propona estudiar el efecto del cambio en la duracin de la fase roja sobre el tiempo promedio de espera de los vehculos.
3. DIAGRAMA DE FLUJO EN SIMULACION

Mediante el diagrama de flujo se establece los pasos a seguir en el proceso de simular la operacin del modelo, las alternativas que pueden surgir en una situacin determinada y los clculos que se debe realizar. El diagrama de flujo facilita la tarea de la programacin. Para el problema del semforo (caso estocstico) primero procedemos a definir los smbolos y posteriormente viene el diagrama de flujo simulando la operacin del modelo durante un siclo del semforo (Fig.1). El semforo comienza a funcionar en la fase verde. X el intervalo entre llegada de los vehculos T tiempo de llegada de un vehculo a la interseccin V duracin de la fase verde, 60 segundos R duracin de la fase roja, 48 segundos TE tiempo de espera acumulada K contador de vehculos en espera TP tiempo promedio de espera
Ing. Efran Murillo
Fig 1. Diagrama de flujo del Problema del Semforo. En el diagrama de flujo no se detalla la generacin de los valores de la variable aleatoria X. Por (GENERAR X) se entiende que cada vez que se ejecute este paso, X toma un valor conforme a la distribucin de probabilidad que lo representa. Como se mostrar posteriormente se debe utilizar las frmulas correspondientes para reproducir valores de las variables aleatorias dada su distribucin y sus parmetros. Para entender mejor el diagrama supngase que primero: X=14, entonces T=14 Significa que el primer vehculo llega 14 segundos despus del comienzo del funcionamiento del semforo. T=14<60 Se supone que el siguiente valor de X es 20 T=14+20=34 representa el tiempo de la llegada del segundo vehculo. T=34<108, T<60 Se supone X=10, T=44<108, T<60 Se supone X=18, T=62<108, T>60 K=1 TE=108-62=46 el primer vehculo que llega en la fase roja y su tiempo de espera. De este modo se repite los pasos hasta que T toma un valor mayor que 108 sealando el fin de la simulacin y la impresin de TE.
Ing. Efran Murillo
10
2.
Modelado de la Aleatoriedad
VARIABLE ALEATORIA
Dado un experimento aleatorio cualquiera cuyos sucesos elementales posibles pueden identificarse fcilmente mediante un nmero real, se denomina Variable Aleatoria, X, al conjunto de estos nmeros. Tambin se le llama variable de azar o variable estocstica, y significa cantidad que puede tomar varios valores imprevistos. Ejemplo 1.- Sea el experimento aleatorio de lanzar un dado al aire. Los posibles resultados del experimento (sucesos elementales) son los siguientes: <<que salga 1>>, <<que salga 2>>, <<que salga 3>>, <<que salga 4>>, <<que salga 5>> y <<que salga 6>>. Resulta sencillo asociar a cada suceso elemental el nmero correspondiente a la cara del dado que haya salido. Por tanto, la variable aleatoria, X, ser: X= 1,2,3,4,5,6 Por el contrario, si dado un experimento aleatorio cualquiera no resulta inmediata la asociacin de un nmero para cada uno de los posibles sucesos elementales, se establece una correspondencia entre el conjunto de los posibles sucesos elementales y el conjunto de los nmeros reales, de manera que a cada suceso elemental le corresponda un nmero real arbitrario y que a sucesos elementales distintos les correspondan nmeros distintos. Se denomina variable aleatoria al conjunto imagen de esta correspondencia, es decir, al conjunto de los nmeros reales que se hayan hecho corresponder a cada uno de los sucesos elementales. Ejemplo 2.- Sea el experimento aleatorio de averiguar la marca de tabaco que preferir un individuo entre las posibles marcas: <<X>>, <<Y>>, <<Z>>. En este caso la asociacin de un nmero para cada suceso elemental posible del experimento no es inmediata. En consecuencia, se establece una correspondencia entre el conjunto de los sucesos elementales posibles y el conjunto de los nmeros reales, del modo siguiente:
Ing. Efran Murillo
11
Al suceso elemental <<preferir la marca X>> se le hace corresponder el nmero 1; al suceso elemental <<preferir la marca Y>> se le hace corresponder el nmero 2; al suceso elemental <<preferir la marca Z>> se le hace corresponder el nmero 3. La variable aleatoria X ser: X = (1,2,3).
CLASIFICACIN DE LAS VARIABLES ALEATORIAS

Las variables aleatorias pueden ser continuas o discontinuas. En este ltimo caso se denomina tambin discretas. a) VARIABLE ALEATORIA CONTINUA.Si X es una Variable aleatoria continua, puede tomar cualquier valor de un intervalo continuo o dentro de un campo de variacin dado. Las probabilidades de que ocurra un valor dado x estn dadas por una funcin de densidad de probabilidad de que X quede entre a y b. El rea total bajo la curva es 1. Ejemplo.- Sea el experimento aleatorio consistente en medir la altura que es capaz de saltar cada miembro de un conjunto de personas. En este experimento, cada miembro del conjunto observado da lugar a un nmero, por lo que se toma como variable aleatoria el conjunto de las medidas de las alturas que son capaces de saltar las distintas personas. En el supuesto que una persona hubiera saltado 105 cm y otra 106 cm, no existira ninguna razn para que otra no hubiera saltado un valor intermedio cualquiera entre las dos anteriores, como 105.5 cm. Se trata de una variable aleatoria continua. b) VARIABLE ALEATORIA DISCONTINUA O DISCRETA. Se dice que una Variable aleatoria Discreta o Discontinua X, tiene un conjunto definido de valores posibles x1,x2,x3,..xn con probabilidades respectivas p1,p2,p3,..pn., Es decir que slo puede tomar ciertos valores dentro de un campo de variacin dado. Como X ha de tomar uno de los valores de este conjunto, entonces p1 + p2 ++ pn=1. En general, una variable aleatoria discreta X representa los resultados de un espacio muestral en forma tal que por P(X = x)se entender la probabilidad de que X tome el valor de x. De esta forma, al considerar los valores de una variable aleatoria es posible desarrollar una funcin matemtica que asigne una probabilidad a cada realizacin x de la variable aleatoria X. Esta funcin recibe el nombre de funcin de la probabilidad. Ejemplo.- Sea el experimento aleatorio consistente en lanzar una moneda al aire. Los sucesos elementales del experimento, <<que salga cara>>, <<que salga cruz>>, no vienen representados por los nmeros, por lo que casa suceso elemental se le hace corresponder un nmero real. As al suceso elemental <<que salga cara>> se le hace corresponder el nmero 1 y al suceso elemental <<que salga cruz>> se le hace corresponder el nmero 2.
Ing. Efran Murillo
Simulacin de Sistemas La variable aleatoria ser: X = (1,2).
12
Se trata de una variable aleatoria discontinua o discreta, ya que nicamente puede adoptar los valores 1 y 2 Distribuciones de probabilidad Cuando las variables aleatorias toman diversos valores, la probabilidad asociada a cada uno de tales valores puede ser organizada como una distribucin de probabilidad, la cual es la distribucin de las probabilidades asociadas a cada uno de los valores de la variable aleatoria. Las distribuciones de probabilidad pueden representarse a travs de una tabla, una grfica o una frmula, en cuyo caso tal regla de correspondencia se le denomina funcin de probabilidad. Las distribuciones de probabilidad comunes en simulacin son: Bernoulli, Binomial, Poisson, Geomtrica, Hipergeomtrica, Exponencial, Normal, Triangular, Gamma, Erlang, Lognormal, Weibull. A continuacin se presenta 4 casos de distribucin de frecuencias:
Caso 1.
Sea x una variable aleatoria que representa los intervalos de llegada (en minutos) de vehculos a una estacin de gasolina. Se ha recopilado las siguientes observaciones correspondientes a los primeros 20 autobuses: 2 5 1 4 2 1 3 7 9 1 3 1 3 8 2 4 5 2 6 1 Se observa que el rango de los datos est entre 0 y 9, por lo tanto se puede establecer 9 clases. La distribucin de frecuencias de cada clase para esta muestra de datos sera la siguiente:
Se observa que la grfica se aproxima a una distribucin exponencial. Nota: Si el rango de los datos es muy grande, por ejemplo entre 0 y 100, se aconseja establecer intervalos de clase. Ing. Efran Murillo
13
Caso 2.
Sea x una variable aleatoria que representa la demanda en miles de unidades de un producto. Se ha obtenido los siguientes 20 datos: 3 0 5 1 9 5 2 6 3 4 7 4 10 5 6 4 6 7 5 8
La distribucin de frecuencias respectiva es la siguiente:
Se observa que la grfica se aproxima a una distribucin normal.
Caso 3.
Sea x una variable aleatoria con distribucin uniforme que representa el nmero de asientos vacos que trae un autobs al llegar a un paradero. Se ha obtenido los siguientes datos para la llegada de 20 autobuses: 2 7 1 9 6 2 3 7 4 10 4 5 1 9 6 3 8 5 8 10
La distribucin de frecuencias es la siguiente:
Se observa que la grfica corresponde a una distribucin uniforme.
Ing. Efran Murillo
14
Caso 4.
Sea x una variable aleatoria que representa la demanda diaria de un artculo. Se ha obtenido los siguientes datos para los primeros 20 das: 7 1 5 4 7 2 3 5 6 7 8 5 7 3 5 7 9 5 3 4
Se observa que la grfica no se aproxima a ninguna distribucin matemtica, por lo tanto se asume que es una distribucin emprica. Por lo tanto, la grfica de distribucin de frecuencias relativas nos da una idea de la expresin matemtica que representar a una variable aleatoria. En un modelo de simulacin es importante conocer las distribuciones de probabilidad de las variables aleatorias, ya que a travs de ellas se reproducirn los valores requeridos para imitar el funcionamiento del sistema en estudio. Para reproducir dichos valores se requiere nmeros aleatorios, por lo tanto hay que generar primeramente dichos nmeros.
NMEROS ALEATORIOS
Definicin: Son nmeros que deben de cumplir los requisitos de espacio equiprobable, es decir, que todo elemento tenga la misma probabilidad de ser elegido y que la eleccin de uno no dependa de la eleccin del otro. Para generar nmeros aleatorios hay que recurrir a los nmeros pseudoaleatorios por que fundamentalmente las sucesiones de nmeros pseudoaleatorios son ms rpidas de generar que las de nmeros aleatorios. Nmeros Pseudolaeatorios.- Son unos nmeros generados por medio de una funcin (determinista, no aleatoria) y que aparentan ser aleatorios. Criterios para que las secuencias de nmeros pseudoaleatorios sean aceptables: 1. Que sean uniformemente distribuidas Ing. Efran Murillo
Simulacin de Sistemas 2. 3. 4. 5.
15
Que sean estadsticamente independientes Que sean reproducibles Que sean no cclicas o no peridicas Que el mtodo con el cual se genera sea capaz de generar nmeros aleatorios a altas velocidades 6. Que sea capaz de ocupar el mnimo espacio en la memoria del computador Las tcnicas para generar nmeros aleatorios son: 1) Utilizando TABLAS DE NUMEROS ALEATORIOS: APNDICE B 2) Mediante FUNCIONES ESPECIFICAS 2.1 En EXCEL: Aleatorio( ) 2.2 En PASCAL: RANDOM 2.3 En Visual Basic: RND( ) 2.4 etc. 3) METODO DE CONGRUENCIA LINEAL: Genera nmeros uniformemente distribuidos y estadsticamente independientes. Xi+1 = (aXi + c) Mod m Donde: Para i=0, entonces Xo es la semilla, a es el multiplicador, c el incremento constante y m el mdulo. Ejemplo: para Xo=35, a=13, c=65 y m=100 X1= (13*35+65) mod 100 = 20 X2 = (13*20+65) mod 100 = 25 X3 = (13*25+65) mod 100 = 90 Etc. 4) OTROS Una serie de nmeros pseudoaleatorios requieren ser validados mediante pruebas de uniformidad y aleatoriedad. Los nmeros de una serie generada y validada servirn finalmente para generar valores para nuestras variables aleatorias.
GENERACIN DE VALORES DE VARIABLES ALEATORIAS

1. VARIABLES DISCRETAS Distribucin Emprica Distribucin Geomtrica VARIABLES CONTINUAS Distribucin Exponencial Distribucin Uniforme Distribucin Normal ETC.
2.
Ing. Efran Murillo
16
1. Generacin de Valores de Variables Aleatorias con:
DISTRIBUCIN EXPONENCIAL
Sea t una variable aleatoria que representa los intervalos de llegada (en minutos) de vehculos a una estacin de gasolina a la cual llegan a una tasa , por lo tanto para simular el sistema necesitamos generar valores para la variable aleatoria t, la cual sigue una distribucin exponencial. El procedimiento es el siguiente: 1 Generar un nmero aleatorio r entre 0 y 1 2 Usar el valor r para resolver la siguiente ecuacin para t: F(t) = r 1 - e- t = r e- t = 1 r t=1 *ln(1 r)

Por lo tanto para el ejemplo especfico que implica los intervalos entre llegadas de vehculos a la estacin de gasolina, en el que = 12 vehculos por hora (0.2 vehculos por minuto) y se genera un nmero aleatorio uniforme de, digamos, r = 0.3329, entonces el prximo vehculo llegar dentro de: t=1 *ln(1-0.3329)= 0.2
-5*ln(0.6671)= -5*(-0.4048) = 2.024 minutos
Ing. Efran Murillo
17
DISTRIBUCIN NORMAL
Suponga que necesita generar la demanda D de leche que sigue una distribucin normal con una media de 750 galones al da y una desviacin estndar de 100 galones. Para hacer eso con una variable aleatoria normalmente distribuda, con una media de y una desviacin estndar de , haga lo siguiente: 1 Genere un nmero aleatorio uniforme r entre 0 y 1. 2 Use este valor r para encontrar un valor de t para el que: F(t) = P(D t) = r Es decir, encontrar el valor de t para que el rea bajo la distribucin normal a la izquierda de t, en la figura siguiente, es t. Para hacer esto use la tabla estndar-normal del apndice A para encontrar el valor asociado; despus calcule t, de la siguiente manera: z= As :
t
t = + (*z)
Para el ejemplo especfico de la leche en el que r= 0.1515, = 750 y = 100, el valor z del apndice A es aproximadamente -1.03, y as: z (0.1515) = -1.03 t = 750 + 100*(-1.03) = 647 galones El uso de nmeros aleatorios para generar entradas probabilsticas a menudo se denomina simulacin de MonteCarlo. El mtodo obtuvo su nombre durante la Segunda Guerra Mundial cuando los cientficos usaron nmeros aleatorios para estimar, en un sentido estadstico, las soluciones a problemas matemticos complejos.
Ing. Efran Murillo
18
Los mtodos descritos aqu no son los ms eficientes disponibles, pero se usan por que son conceptualmente fciles de comprender. Ahora ver cmo se usan estas ideas en el diseo de una simulacin por computadora.
DISTRIBUCIN UNIFORME
Uno de los mtodos ms comnmente utilizados para generar nmeros aleatorios que siguen una distribucin conocida se basa en usar nmeros aleatorios uniformemente distribuidos entre 0 y 1. Como se ilustra en la figura siguiente, tales nmeros tienen la siguiente funcin de densidad, f(x), y la funcin de distribucin acumulativa, F(x): f(x)=1 F(x)=x
Por ejemplo si se quiere generar el nmero de asientos vacos que trae un autobs que llega a un paradero, los cuales estn uniformemente distribudos entre 5 y 15 asientos, y se tiene un nmero aleatorio r = 0.7, se tiene: min = 5 max = 15 r = 0.7 x = 15 - (15 - 5)*(1 r) x = 15 - (10)*(1 r) = 15 - 10(1 0.7) = 15 - 10(0.3) = 15 - 3 = 12 Entonces se tiene que el autobs trae 12 asientos vacos. Nota: Tambin podemos utilizar la frmula siguiente: min + (max min)*( r), los valores generados no coinciden en cuanto al orden, pero al final todos los nmeros saldrn con la misma frecuencia.
Ing. Efran Murillo
19
DISTRIBUCIN EMPRICA
Pasos: 1 Tomar muestra lo suficientemente grande de los valores de la variable aleatoria (mnimo 30 observaciones) 2 Clasificar en rangos. 3 Determinar frecuencia asociada a cada rango. 4 Calcular el porcentaje o probabilidad correspondiente. Ejemplo: Sea x una variable aleatoria que representa los intervalos de llegada de los vehculos a un semforo. Los 30 datos observados del sistema real son los siguientes:
Observacin 1 2 3 4 5 6 7 8 9 10
x 2 4 5 2 3 4 2 4 5 5
Observacin 11 12 13 14 15 16 17 18 19 20
x 4 2 3 4 5 3 4 5 4 3
Observacin 21 22 23 24 25 26 27 28 29 30
x 2 1 1 3 2 4 1 3 2 4
Las probabilidades de ocurrencia de cada rango son las siguientes: Rango 1 2 3 4 5 Frecuencia III IIIIIIII IIIIII IIIIIIIII IIIII Probabilidad 0.10 0.23 0.20 0.30 0.17 1.00
=3 =7 =6 =9 =5
5 Calcular la funcin acumulada y graficar i 1 2 Xi 1 2 p(Xi) 0.10 0.23 F(Xi) 0.10 0.33
Ing. Efran Murillo
Simulacin de Sistemas 3 4 5 3 4 5 0.20 0.30 0.17 0.53 0.83 1.00
20
6 Generar un nmero aleatorio entre 0 y 1 Por ejemplo r =0.58 7 Identificar el rango donde se encuentra r F(Xi)< r < F(Xi+1) F(Xi)< r < F(Xi+1) 8 Escoger el Xi+1 y volver al paso 6 Por lo tanto X = 4
CASO ESTUDIO 1: COSTO DE UN ITEM PERFECTO

En un proceso productivo en el cual se procesan aproximadamente 1000 piezas diarias, las piezas una vez procesadas son inspeccionadas para determinar si son rechazadas, reprocesadas o aceptadas para su posterior venta. Estadsticamente las piezas son rechazadas, reprocesadas o aceptadas con probabilidades de 5%, 10% y 85% respectivamente. Si el costo de un proceso es de $10 por pieza y el de reproceso $5. Cul seria el costo promedio de una pieza que termine en ventas?
Para determinar dicho costo, debemos imitar el funcionamiento del sistema y determinar el nmero de reprocesos, as como el porcentaje de piezas aceptadas.
Ing. Efran Murillo
21
Se asume que la distribucin de la variable exgena (hacia dnde se deriva la pieza una vez inspeccionada), es emprica, entonces se debe generar los eventos usando el procedimiento para generar valores para variables con distribucin emprica. Para efectos de explicacin del funcionamiento del sistema y obtener los resultados buscados, se fija como tiempo de simulacin el proceso de 20 piezas. Usaremos los nmeros aleatorios de la celda A3 de la tabla de nmeros aleatorios del apndice B. A continuacin se muestra la tabla de simulacin: TABLA DE SIMULACIN
RESUMEN DE RESULTADOS:
Como se observa:
Ing. Efran Murillo
Simulacin de Sistemas El costo acumulado para un total de 20 piezas es = 20*10 + 4*5 = 220 El costo unitario ser 220/18 = 12.2222 dlares El porcentaje de piezas aceptadas ser 18/20 = 0.9
22
Adems, dado que el sistema real procesa en promedio 1000 piezas diarias, entonces para tener resultados consistentes que permitan tomar decisiones, se tendr que realizar simulaciones para un mayor nmero de piezas. Por ejemplo para 200 piezas, 2000 piezas; los resultados se aproximarn ms al valor terico. Tal como se observa en la siguiente grfica:
Grfica del Costo de un tem perfecto
Ing. Efran Murillo
23
4.
Simulacin de Sistemas con Excel y Visual Basic
CASOS ESTUDIO 2: SIMULACIN DE SISTEMAS DE COLAS
Los usuarios llegan ALEATORIAMENTE a un telfono pblico. Si el telfono est desocupado, realizan la llamada, en caso contrario esperan en cola hasta que el sistema se desocupe. La duracin de cada una de las llamadas tambin es ALEATORIA. Se ha registrado durante 3 horas la informacin relacionada a la tasa de llegadas de los clientes al sistema, as como los tiempos de servicio (duracin de las llamadas), llegando a obtener los siguientes promedios: = 20 clientes por horas, los clientes llegan en promedio cada 3 minutos. = 15 clientes por hora, las llamadas duran en promedio 4 minutos. Al analizar las muestras de datos con el Input Analyzer del Arena, se ha determinado que ambas variables tienen distribucin exponencial. Con esta informacin se le pide analizar el sistema de colas, determinando lo siguiente:
Ing. Efran Murillo
Simulacin de Sistemas a) El tiempo promedio de espera en cola. b) El tiempo improductivo total del Telfono Pblico. c) La utilizacin de Telfono Pblico.
24
1.- Utilice la simulacin manual para determinar dichas inquietudes. Para ello deber simular el funcionamiento del sistema durante la llegada de los 15 primeros clientes. Nota: Los valores generados para sus variables aleatorias deben redondearse a cero decimales. 2.- Es bastante probable que los resultados anteriores no puedan ser validados, por lo que se le pide simular el sistema durante las primeras 4 horas de funcionamiento del da, para 50 das. Solucin: Al observar los datos >, por lo tanto no cumplen la condicin obligatoria para aplicar las frmulas de colas a fin de poder determinar las respuestas a las inquietudes planteadas, en consecuencia la nica herramienta a utilizar es la simulacin de sistemas. Por otro lado la simulacin para las 4 primeras horas, por la gran cantidad de datos, ya no es posible realizar la simulacin manual, por lo que podemos utilizar un lenguaje de programacin o una herramienta de software como el Excel o el Arena. 1.- Solucin manual para la llegada de 15 clientes: 1ro. Definimos las propiedades del modelo de simulacin: Propiedades del modelo COMPONENTES: Clientes y el Telfono VARIABLES EXOGENAS: x: Intervalo entre llegadas de los clientes y: Duracin de una llamada VARIABLES ENDOGENAS: Wq: Tiempo promedio de espera en cola por parte de los clientes TI: Tiempo Improductivo u Ocioso del telfono pblico U: Utilizacin de telfono pblico VARIABLES DE ESTADO: T: Tiempo de llegada de un cliente D: Tiempo de desocupacin del telfono PARMETROS:
Ing. Efran Murillo
25
Tiempo de Simulacin (TS)= 4 horas el tiempo que demande la llegada de 15 clientes. RELACIONES FUNCIONALES: x Distribucin Exponencial con media 3 minutos entre clientes. y Distribucin Exponencial con media 4 minutos por cliente. 2do. Generamos los valores para nuestras variables exgenas o aleatorias, utilizando la metodologa estudiada en el captulo 3. La expresin de la distribucin exponencial para ambas variables es: x = y = 1 ln (1- r) 1 ln(1- r)
donde r es un nmero aleatorio entre 0 y 1. Tomando valores aleatorios de las TABLAS DE NUMEROS ALEATORIOS, tenemos:
3ro. Construimos la Tabla de simulacin respectiva y en ella realizamos las operaciones necesarias para imitar el funcionamiento del sistema. La tabla final se muestra a continuacin:
Ing. Efran Murillo
Simulacin de Sistemas TABLA DE SIMULACIN:
26
En base a los resultados obtenidos, determinamos las inquietudes planteadas: Tiempo promedio de espera en cola (Wq) = 69 = 4.6 minutos/cliente 15
Tiempo Improductivo o Tiempo ocioso (TI) = 8 minutos Utilizacin del telfono (U) = 37 = 0.8222 (el sistema esta ocupado el 82.22% del tiempo 45 total de operacin)
2.- Solucin Utilizando el Excel o Visual Basic para las 4 primeras horas de funcionamiento: 1ro. Para entender la lgica del funcionamiento del sistema, utilizamos un diagrama de flujo: Diagrama de Flujo: Problema del Telfono
Ing. Efran Murillo
27
2do. En base al diagrama de flujo, codificamos el programa en Visual Basic: Codificacin del Programa en Visual Basic. Private Sub Command1_Click() T=0 TI=0 D=0 C=0 TE=0 A: Randomize r = rnd() x = -3*Log(1-r) Ing. Efran Murillo
28
T=T+x C=C+1 Randomize r = rnd() y = -4*Log(1-r) if T>D then TI=TI+(T-D) D=T+y else TE=TE+(D-T) D=D+y endif if t >= 240 then Wq=TE/C U=1- TI/D Text1.text=Wq Text2.text=U else Goto A endif End Sub Los resultados promedio de las 50 simulaciones son: Wq = 15.5 minutos por cliente TI = 0.3 minutos U = 0.97 sea 97%
Conclusiones: 1. La simulacin es una herramienta que permite imitar el funcionamiento de un sistema real, para luego experimentar con el sin necesidad de afectarlo fsicamente. 2. Permite a las empresas que lo apliquen, pronosticar comportamientos futuros acerca del sistema, lo cual permitir a los tomadores de decisin sugerir alternativas de optimizacin. 3. La simulacin exige un tratamiento estadstico de la informacin a efectos de validar el modelo y poder as sugerir la implementacin de alternativas de mejora.
Ing. Efran Murillo
Simulacin de Sistemas Ejercicio 1:
29
Un semforo en una interseccin vehicular tiene una fase verde que actualmente demora 50 segundos y una fase roja de 40 segundos. El intervalo entre las llegadas de los vehculos a la interseccin (en segundos) es una variable aleatoria con distribucin emprica: Intervalos entre llegadas (X): 10 11 12 13 14 Probabilidad: 0.1 0.3 0.2 0.3 0.1 Se pide: a) Suponiendo que acaba de iniciar la fase roja, mediante la simulacin de Montecarlo determine el tiempo promedio de espera de los vehculos en cola para esta interseccin en un tiempo de simulacin equivalente a la llegada de 10 vehculos. La cola desaparece una vez que el semforo cambia a la fase verde. Para generar los valores de la variable X, utilice los nmeros aleatorios indicados por el profesor. b) Las propiedades del modelo. c) El Diagrama de Flujo respectivo. SOLUCIN: a) Tiempo Promedio de Espera = 19.7 segundos. Fase Fase Roja Verde 1 1 1 1 1 1 1 1 1 1 6 36 24 11 118
Vehcul o 1 2 3 4 5 6 7 8 9 10
R 0,15 0,81 0,92 0,23 0,96 0,09 0,28 0,10 0,55 0,82
X T 11 11 13 24 14 38 11 49 14 63 10 73 11 84 10 94 12 106 13 119
TE 29 16 2
b) Propiedades del Modelo: 1. Componentes: Vehculos y Semforo 2. Variables Exgenas: 2.1 Controlables 2.2 No Controlables:
Ing. Efran Murillo
Simulacin de Sistemas X: Intervalo entre llegadas de los vehculos 3. Variables Endgenas: 3.1 De Estado T: Tiempo de llegada de un vehculo F: Fase del semforo 3.2 De Salida: Wq: Tiempo promedio de espera de los vehculos 4. Parmetros: X: DISC(10,0.1;11,0.3;12,0.2;13,0.3;14,0.1) TS: llegada de 10 vehculos FV: Fase Verde = 50 segundos FR: Fase Roja = 40 segundos2 C) Diagrama de flujo:
30
Ing. Efran Murillo
31
EJERCICIO 2: Los usuarios llegan exponencialmente a una estacin de gasolina con intervalos promedio entre llegadas de 3 minutos. El tiempo de servicio es una variable aleatoria distribuda uniformemente entre 1 y 5 minutos. Suponiendo que la capacidad del sistema y el nivel de paciencia de los usuarios son ilimitados, imite el funcionamiento del sistema durante la llegada de 10 vehculos y determine: Las propiedades del modelo. El tiempo promedio de espera de los clientes. La utilizacin del servidor. El tiempo acumulado ocioso del servidor. El diagrama reflujo respectivo. Nota 1: Para generar las variables aleatorias utilice los nmeros aleatorios siguientes: - Para los intervalos entre llegadas: 15, 81, 92, 23, 96, 75, 28, 10, 55 y 82 - Para los tiempos de servicio: 10, 7, 30, 91, 54, 32, 4, 46, 21 y 91. Nota 2: Los valores generados deben redondearse a cero decimales. EJERCICIO 3: Los usuarios llegan empricamente a una estacin de gasolina, bajo la siguiente distribucin de frecuencias: Intervalo Entre llegadas (minutos) 0 1 2 3 4 5
Frecuencia 5 5 30 5 50 5 100
El tiempo de servicio es una variable aleatoria distribuda normalmente con media de 3 minutos y desviacin estndar de 2 minutos. Suponiendo que la capacidad del sistema es ilimitada y el nivel de paciencia de los usuarios es de 2 minutos, imite el funcionamiento del sistema durante la llegada de 10 vehculos y determine: a) Las propiedades del modelo. b) El tiempo promedio de espera.
Ing. Efran Murillo
Simulacin de Sistemas c) El nmero de vehculos que abandonan el sistema. d) La utilizacin y el Tiempo ocioso del servidor. e) El diagrama de flujo respectivo. Nota 1: Para generar las variables aleatorias utilice los nmeros aleatorios siguientes: - Para los intervalos entre llegadas: 43, 8, 30, 39, 15, 3, 21, 97, 94 y 80 - Para los tiempos de servicio: 98, 35, 70, 93, 20, 50, 4, 46, 21 y 91. Nota 2: Los valores generados deben redondearse a cero decimales.
32
CASO ESTUDIO 2: SIMULACIN DE SISTEMAS DE COLAS EN PARALELO

Llegan exponencialmente a una estacin de combustible los vehculos con una media para los intervalos entre llegadas de 2 minutos. Existen 2 surtidores de combustible (A y B). Los tiempos de servicio de ambos surtidores estn distribuidos uniformemente entre 2 y 6 minutos. Los vehculos ocupan de preferencia el surtidor A, si es que ambos estn desocupados. La estacin de gasolina tiene espacio limitado para 3 vehculos incluidos los que estn recibiendo el servicio. El Vehculo que llega a la estacin y no encuentra espacio, abandona la estacin. La paciencia de los conductores es mximo 4 minutos de espera, en caso de superar su paciencia, estos tambin abandonan el sistema. Utilizando la simulacin de Montecarlo, imite el funcionamiento del sistema durante la llegada de 15 vehculos y determine: a) b) c) d) El tiempo promedio de espera de los vehculos en la estacin de gasolina. La utilizacin del surtidor de gasolina A. La utilizacin del surtidor de gasolina B. El nmero de vehculos que abandonan la estacin de gasolina.
Para generar los valores de las variables aleatorias, utilice los nmeros aleatorios de la tabla de nmeros aleatorios del Apndice B de la siguiente manera: - Intervalos entre llegadas de los vehculos a la estacin de gasolina: - Tiempos de servicio del surtidor A: - Tiempos de servicio del surtidor B: Nota: Los valores generados debe redondearse a cero decimales. SOLUCIN: celda A1 celda A3 celda C8
Ing. Efran Murillo
Simulacin de Sistemas 1ro. Definimos las propiedades del modelo: Propiedades del modelo COMPONENTES: Vehculos y Surtidores de combustible VARIABLES EXOGENAS: L: Intervalo entre llegadas de los vehculos TS(A): Tiempo de servicio del surtidor A TS(B): Tiempo de servicio del surtidor B VARIABLES ENDOGENAS: Wq: Tiempo promedio de espera en cola por parte de los vehculos U(A): Utilizacin del surtidor A U(B): Utilizacin del surtidor B AL: Nmero de vehculos que se alejan VARIABLES DE ESTADO: TL: Tiempo de llegada de un vehculo TD(A): Tiempo de desocupacin del surtidor A TD(B): Tiempo de desocupacin del surtidor B PARMETROS: Tiempo de Simulacin (TS)= El tiempo que demande la llegada de 15 clientes. Capacidad del sistema = 3 vehculos. Lmite de paciencia de los conductores = 4 minutos RELACIONES FUNCIONALES: L Distribucin Exponencial con media de 2 minutos entre vehculos. TS(A) TS(B) Distribucin Uniforme entre 2 y 6 minutos.
33
2do. Construimos la tabla de simulacin donde generaremos los valores para las variables aleatorias respectivas. TABLA DE SIMULACIN:
Ing. Efran Murillo
34
3ro. En base a los resultados obtenidos, determinamos las inquietudes planteadas: Tiempo promedio de espera en cola (Wq) = 4 = 0.333 minutos/vehculo 15 3
Tiempo Improductivo o Tiempo ocioso (TI) = 8 minutos Utilizacin del surtidor A (U(A)) = 27 = 0.8438 (el surtidor A esta ocupado el 84.38% del 32 tiempo total de operacin) 22 = 0.6875 (el surtidor B esta ocupado el 68.75% del 32 tiempo total de operacin)
Utilizacin del surtidor B (U(B)) =
Abandonan la estacin de gasolina = 3 vehculos
Ing. Efran Murillo
35
CASO ESTUDIO 3: SIMULACIN DE GESTIN DE INVENTARIOS EN EXCEL

A.- Introduccin En los mtodos para calcular cantidades de reposicin. (Anlisis de sensibilidad y lote econmico), se ha trabajado sobre costos de mantenimiento de inventarios y costos de realizar pedidos, pero no se ha considerado el costo asociado de no tener los artculos cuando la demanda excede el inventario disponible, quiz uno de los costos ms importantes en manejo de las existencias. Una de las maneras de atacar este problema de los costos de escasez es el uso de programas de simulacin (investigacin operativa en lugar de la tcnica del lote econmico. Adems como el mtodo del lote econmico exige, para ser confiable, demanda constante y tiempo de abastecimiento fijo, con la simulacin se puede trabajar con variabilidad en esos dos aspectos, ampliando la utilidad del sistema de simulacin. La simulacin que es una tcnica de evaluacin para sistemas complejos, es una herramienta importante tanto para el diseo, como para el anlisis de un sistema. En cuanto la complejidad del sistema de inventarios que se tiene aumenta, la simulacin llega a ser ms y ms atractiva como una ayuda para la toma de decisiones. Esto es particularmente cierto para sistemas dinmicos y/o probabilistas. Uno de los rasgos ms atractivos de un enfoque de simulacin es la oportunidad que da al analista de comprende, la naturaleza dinmica de un sistema. Con la simulacin se puede "mover" un modelo a travs del tiempo y observar como se, comporta el sistema en sentido dinmico; adems, una de las caractersticas de la simulacin es que puede tratar con elementos probabilsticos que sean a menudo difciles si no imposibles de manejar analticamente. Un rasgo no atractivo de la simulacin, es que no garantiza nada ms que una solucin que puede utilizarse para ciertos sistemas, puede ser difcil determinar cuan cercana est la solucin que se tiene a la solucin ptima real. Otra desventaja de la simulacin, se relaciona con las computadoras, pues la mayora de los estudios de simulacin se lleva en ellas. La cantidad de programacin de cmputo Y tiempo de ejecucin de computadoras requeridos para ejecutar un anlisis particular, podran ser muy grandes. An as, la simulacin es la nica forma conocida de analizar ciertos sistemas, su poder y versatibilidad a menudo sobrepasan su defecto. B.- Procedimiento general de simulacin Los pasos necesarios para disear un anlisis completo de Simulacin, son:
Ing. Efran Murillo
36
1.- Deber desarrollarse un modelo que intente capturar los rasgos esenciales del sistema bajo estudio. Al desarrollar tal modelo es importante pensar en trminos de variables controlables (tambin llamadas variables de decisin), variables incontrolables y la relacin existente entre ellas. 2.- El segundo paso es validar el modelo que ha sido desarrollado. Los modelos a menudo se operan y se comparan con el comportamiento pasado del sistema y con las esperanzas de los analistas. Cualquier modificacin necesaria debe realizarse antes que se obtenga resultado, tiles del modelo 3.- Habiendo terminado el paso de validacin. El analista entonces disea y ejecuta experimentos con el modelo, valores dados u otras representaciones para las variables no controlables, se experimentan con las variables de decisin y se observa como responde el sistema. Un Diagrama de Flujo para un Procedimiento de Simulacin
C.- El mtodo de Montecarlo Una herramienta til en muchos de los modelos de simulacin, es el mtodo de Montecarlo, para generar variables aleatorias de las distribuciones de probabilidad. La tcnica es tan simple como poderosa. Ejemplo :Suponiendo una salida (X) de un proceso probabilstico dado, es un entero entre 0 y 39, inclusive. Adems se est interesado en que X est en ciertos intervalos (0-9, 10-19,2029,30-39) y se conoce la probabilidad correspondiente de que X est en cualquier intervalo en un tiempo dado:
Ing. Efran Murillo
Simulacin de Sistemas Distribucin hipottica de probabilidad a,b p(a<X<b) 0,9 10,19 20,29 30,39 0.15 0.20 0.50 0.15 1.00
37
El primer paso es asociar con cada evento el nmero de los dgitos enteros uniformemente distribuidos (esto es, igual probabilidad) que corresponde a la probabilidad del evento. Distribucin hipottica junto con asignaciones de enteros de dos dgitos a,b p(a<X<b) enteros de dos dgitos 0,9 0.15 00-14 10,19 0.20 15-64 20,29 0.50 35-84 30,39 0.15 85-99 1.00 Por ejemplo el evento 0 < X < 9 tiene una probabilidad de 0.15 de acontecer. Por consiguiente se asocian 15 enteros aleatorios de dos dgitos con este evento (00-14). La numeracin consecutiva de los enteros aleatorios asignados es simplemente por conveniencia, de igual manera para el evento 20 < X < 29 se asignan 50 nmeros aleatorios. El nmero total de nmeros aleatorios utilizados para los cuatro eventos es 100. La idea es que la relacin de la cantidad de nmeros aleatorios asignados a un evento a la cantidad total de nmeros aleatorios asignados a la distribucin total sea igual a la probabilidad de ocurrencia del evento. As, se hubiere decidido asignar nmeros aleatorios a 3 cifras en lugar de los de dos, se habran necesitado 1,000 nmeros en total (debe haber al menos tantos dgitos como posiciones despus de punto decimal en la distribucin de probabilidad). Para las asignaciones de los nmeros aleatorios, la salida de este proceso se simula recogiendo nmeros de una tabla de nmeros aleatorios y simplemente determinando el evento correspondiente. Por ejemplo, suponiendo que se recurriera a un tabla de nmeros aleatorios y se obtuviera el nmero 27, ste indicara que el evento 10 < X < 19 ocurri. Se puede pensar de esto como una simulacin de un proceso cuya salida es una variable aleatoria que est presentada por la distribucin de probabilidad mostrada en la tabla anterior. Si se contina simulando este proceso y se registra la frecuencia con la cual ocurre cada evento, se acercara en el lmite cuando el nmero de ensayos en la simulacin creciera sin tope, a la probabilidad de ocurrencia de cada evento.
Ing. Efran Murillo
Simulacin de Sistemas a,b 0,9 10,19 20,29 30,39 p(a<X<b) 0.15 0.20 0.50 0.15 1.00 Asignaciones de entero 00-14 15-64 35-84 85-99 Nmero de ocurrencias 13 32 54 12 Frecuencia relativa 0.13 0.21 0.54 0.12
38
Con una gran cantidad de ensayos se producirn frecuencias relativas que sern ms cercanas a los nmeros de probabilidad originadas. D.- Sistema de inventarios Una forma de determinar los niveles (le reposicin (R) y las cantidades de reposicin (Q) considerando todos los elementos de costos que intervienen en un sistema de inventarios y adems de forma que se automatice la administracin del inventario de un almacn, es un sistema de simulacin. La eleccin de los valores numricos de las variables la decisin se infiere de buscar el intercambio entre: El costo de tener el inventaro El costo de colocar los pedidos para llenar el inventario El costo asociado, al no tener productos cuando la demanda excede al inventario disponible (costo de escasez).
Estos componentes de costo usualmente se suman juntos para proporcionar un costo variable total para un perodo, una semana un mes, un ao. El objetivo del administrador es determinar una poltica que minimice el valor promedio del costo total. Aunque estos modelos son relativamente fciles de desarrollar, a menudo son muy difciles de resolver matemticamente, pues con frecuencia contienen funciones no lineales de las variables de decisin y contienen uno o ms elementos estocsticos que resulten de la demanda y/o consideraciones de tiempo en que llegan los artculos despus de haber hecho el pedido. Como un resultado, el anlisis matemtico requerido para calcular una poltica ptima a menudo es extremadamente difcil, para muchos sistemas el anlisis matemtico es imposible. La simulacin sin embargo, trata fcilmente con las complejidades de los sistemas de inventario. Se puede simular el comportamiento para una variedad de polticas, entonces la administracin puede elegir la poltica que proporciona el comportamiento del sistema ms deseable en promedio. Las matemticas complejas no son necesarias. Ejemplo: Se presenta un sistema de inventario, en el que la demanda diaria es incierta, pero que puede representarse probabilsticamente en la distribucin siguiente:
Ing. Efran Murillo
39
Asignacin del Demanda Aleatorio 0 1 2 3 Probabilidad 0.1 0.3 0.5 0.1 1.0 Nmero 0 1,2,3 4,5,6,7,8 9
Adems se conoce que: a.- Cuando la demanda excede el inventario, se permite tener pedidos pendientes pero se carga el costo $1.00 por unidad, por no haber tenido el artculo en almacn (costo de escasez). b.-El tiempo que transcurre desde que se hace el pedido hasta que se reciben las cantidades es constante e igual a dos das. c.- El costo de colocar un pedido para volver a tener artculos en inventario es de $ 10.00 (independientemente de la cantidad ordenada). d.- El costo de tener el inventario es de 50 centavos por da por cada unidad en almacn al inicio del da. Se necesita instalar una poltica de reposicin, para lo cual se requiere establecer los valores de los niveles de reposicin (R) y cantidad de reposicin (Q) que definen esta poltica. El problema se resuelve simulando el comportamiento del costo del sistema para una variedad de polticas posibles y eligiendo aquellas polticas que proporcionen un costo mnimo. Por ejemplo, se podra probar la poltica " Toda vez que el inventario que se tiene al inicio de un da sea menor o igual a R=2, colocar un pedido para Q=6 unidades. Utilizando el enfoque de Montecarlo, se pueden generar demandas diarias, calcular los niveles de inventarios y de pedidos pendientes y calcular los costos diarios y correspondientes. Estos costos diarios se acumulan Y promedian para estimar el comportamiento en costo del sistema para la poltica R = 2, Q = 6. La tabla siguiente presenta la simulacin para 3 semanas
Ing. Efran Murillo
40
Da
Inventario inicial
Unida- Unidades Nmeros Unidades des recibidas aleatorios demanpedidadas das 0 0 0 6 0 0 6 0 0 6 0 0 6 0 0 0 0 6 0 0 6 0 0 0 0 0 6 0 0 6 0 0 6 0 0 6 0 0 0 0 6 0 5 0 9 1 9 8 7 5 1 8 6 9 0 3 8 1 9 7 1 3 4 2 0 3 1 3 2 2 2 1 2 2 3 0 1 2 1 3 2 1 1 2
Unidades pedidas que estn en espera para entregarse 0 0 0 0 3 0 1 2 0 0 2 0 0 0 0 0 0 2 1 0 0
Costo por mantener la unidad almacenada $3.00 2 2 0.5 0 0 0.5 0 0 1 0 0 0.5 0.5 0 2 1.5 0 0 0 1
Costo por no tener la unidad en almacn 0 0 0 0 3 0 1 2 0 0 2 0 0 0 0 0 0 2 1 0 0
Costo del Costo pedido total
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21
6* 4 4 1 0 0 1 0 0 2 0 0 1 1 0 4 3 0 0 0 2
0 0 0 10 0 0 10 0 0 10 0 0 10 0 0 0 0 10 0 0 10
$3.00 2 2 10.5 3 0 11.5 2 0 11 2 0 10.5 0.5 0 2 1.5 12 1 0 11
*Inventario inicial asignado arbitrariamente
La tabla anterior es un registro utilizado para llevar la simulacin durante 3 semanas. Los nmeros aleatorios utilizados en la simulacin fueron tomados arbitrariamente de una tabla de nmeros aleatorios. El primer da del perodo de simulacin comienza con un nivel de inventario de 6 unidades. Se pide cero unidades puesto que el inventario actual es mayor que R y se reciben cero unidades puesto que no hay ningn pedido pendiente de recibir. Ninguna unidad se necesita pedir, y el da dos se inicia con cuatro unidades. El costo asociado en el da 1 es simplemente $3.00 ya que no se tuvo escasez en el stock ni se curs ningn pedido. Sumando los resultados de costo en la hoja de trabajo y promediando sobre las tres semanas, se obtiene un costo promedio de $ 28.5 por semana para la poltica R = 2, Q = 6. La estimacin de costo para otras posibilidades se obtienen en forma similar y se utilizan para comparar polticas (para mejorar la confiabilidad de las comparaciones, se debera examinar el sistema para ms de 3 semanas) segn costos.
EJERCICIO 4:
La demanda diaria de un artculo (D) es una variable aleatoria con distribucin exponencial con una media de 50 unidades diarias. La cantidad inicial en el almacn es 100 unidades y se reduce diariamente.
Ing. Efran Murillo
41
Se tiene la poltica de pedir cada 3 das. Se solicita al inicio del da 250 unidades adicionales que llegan en un tiempo aleatorio (TR) con distribucin normal con media de 2 das y desviacin estndar de 1 da. Al llegar las unidades solicitadas primero se cumple con la demanda atrasada. El costo variable en el que se incurre es la suma del costo esperado de almacenamiento, el costo de pedido y el costo esperado de escasez. La escasez es acumulativa. Esto es, un cliente espera hasta que se tiene el artculo. El costo de inventario se estima en 0.5 dlares por unidad por da, y se carga a las unidades en inventario al final del da. La escasez cuesta 1.5 dlares por cada unidad que falte. El costo de pedido es 50 dlares por pedido. Los pedidos llegan al inicio del da. Simule el funcionamiento del negocio durante 10 das, y determine el costo total, as como el inventario final del da 10. Para generar los valores de las variables aleatorias D y TR, utilice los nmeros aleatorios indicados por el profesor. SOLUCIN:
Suministro T Recibid r Z R o Demanad a r 0,34 0,96 D 21 161 20 11 62 89 3 51 54 126 IF Csotos Escas Almac Escas ez en ez Costo Pedi do Total
Di a
II
Pedid o
1 2 3 4 5 6 7 8
100 79 0 0 137 75 0 233 250

0,37 0,33 2
79 0 0 0 75 0 0 182 128 2
0 82 20 11 0 14 3 0 0 0
39,5 0 0 0 37,5 0 0 91 64 1
0 123 30 16,5 0 21 4,5 0 0 0
0 0 50 0 0 50 0 0 50 0
39,5 123, 0 80,0 16,5 37,5 71,0 4,5 91,0 114, 0 1,0 578, 0
250 250 0,68 0,4 7

2
0,33 0,20 0,71 0,83 0,06 0,64 0,66 0,92
250 250 0,93 1,4 8

3
9 182 10 128
1. Costo total = 578 soles 2. Inventario Final = 2 unidades
CASO ESTUDIO 4:
SIMULACIN DE SISTEMAS DE CONGESTIN VEHICULAR
Los pasajeros llegan a un paradero de autobuses con tiempos medio entre llegadas de 2 minutos distribuidos exponencialmente. Un autobs llega con tiempos entre llegadas de 7+-2
Ing. Efran Murillo
42
minutos. El autobs tiene capacidad para 15 pasajeros y el nmero de asientos no ocupados cuando llega el autobs tiene igual probabilidad de estar entre 0 y 15. El autobs recibe tantos pasajeros como pueden sentarse y los que no puedan abordar se alejan. a) Emplee la simulacin de Montecarlo para determinar el nmero de pasajeros que se alejan durante la llegada de 20 pasajeros. Emplear los siguientes nmeros aleatorios: - Para las llegadas de los pasajeros: B9 - Para las llegadas de los autobuses: C1 - Para el nmero de asientos vacos: A10 b) Utilice un lenguaje de programacin para simular el funcionamiento del paradero de autobuses y determine el nmero de pasajeros que se alejan durante: b.1) Un tiempo de 8 horas. b.2) La llegada de 100 autobuses. Nota: En ambos casos construya los diagramas de flujo respectivos. SOLUCIN: Para dar respuesta a la parte a), construimos la siguiente tabla de simulacin:
Se concluye que no habr pasajeros que se alejen por falta de asientos vacos. Solucin Para un tiempo de simulacin de 8 horas: Propiedades del Modelo 3.1 COMPONENTES: Autobuses y Pasajeros. 3.2 VARIABLES EXOGENAS: Ing. Efran Murillo
Simulacin de Sistemas L: Tiempo entre llegadas de los pasajeros A: Tiempo entre arribos de autobuses NANO: Nmero de asientos no ocupados 3.3 VARIABLES ENDOGENAS: AL: Nmero de pasajeros que se alejan por falta de asientos 3.4 VARIABLES DE ESTADO: T: Tiempo de llegada de un pasajero TL: Tiempo de llegada de un autobs 3.5 PARMETROS: Tiempo de Simulacin = 8 horas o la llegada de 100 pasajeros Capacidad del autobs = 15 asientos 3.6 RELACIONES FUNCIONALES: L Distribucin Exponencial con media entre llegadas de 2 minutos A Distribucin Normal con media de 7 minutos y desviacin estndar de 2 minutos NANO Distribucin Uniforme entre 0 y 15 Diagrama de Flujo para un tiempo de simulacin de 8 horas.
43
Programa en Visual Basic (parte b.1) Ing. Efran Murillo
Simulacin de Sistemas Private Sub Command1_ Click () tl = 0 al = 0 t=0 p=0 n = 35 B: j=0 For i = 1 to n Randomize j = j + Rnd() Next i a = 7 + ( 2 ^ (1 / 2 ) ) * ( j ( n / 2 ) ) * ( ( 12 / n ) ^ (1 / 2 ) ) tl = tl + a While t < = 480 Randomize r = Rnd () L = -2 * Log (1 r ) t=t+L If < = tl them p=p+1 Else Randomize r = Rnd () nano = 15 * ( 1 r ) If nano > p Then al = al + p nano End if p=1 Go to B End if Wend Text1.Text = al End Sub
44
A continuacin se presenta el diagrama de flujo para un tiempo de simulacin de la llegada de 100 autobuses:
Ing. Efran Murillo
45
Programa en Visual Basic (parte b.2) Private Sub Command1_Click() t1 = 0 a1 = 0 t=0 p=0 n = 35 g=0 B: j=0 For i = 1 To n
Ing. Efran Murillo
Simulacin de Sistemas Randomize j = j + Rnd() Next i A = 7 + (( 2 ^ ( 1/2 ) * ( j - (n/2 )) * (( 12/n ) ^ ( 1/2 )) g=g+1 t1 = t1 + a While g <= 100 Randomize r = Rnd() L = -2 * Log( 1- r ) t=t+L If t <= t1 Then p=p+1 Else Randomize r = Rnd() nano = 15 * ( 1 - r ) If nano > p Then a1 = a1 + p - nano End if p=1 Go To B End if Wend Text1.Text = a1 End Sub
46
EJERCICIO 5:
Los pasajeros llegan a un paradero de autobuses con tiempos medio entre llegadas (L) de 2 minutos distribuidos exponencialmente. Un autobs llega con intervalos de tiempo (A) distribuidos uniformemente entre 5 y 7 minutos. El autobs tiene capacidad para 25 pasajeros y el nmero de asientos ocupados (AO) cuando llega el autobs tiene igual probabilidad de estar entre 20 y 25. El autobs recibe tantos pasajeros como pueden sentarse y los que no puedan abordar se alejan. Simule el funcionamiento del sistema durante la llegada de 10 pasajeros y determine: a) El nmero promedio de pasajeros que se alejan por no encontrar asiento disponible. (2 puntos) b) El tiempo promedio de espera de los pasajeros. (2 puntos)
Ing. Efran Murillo
Simulacin de Sistemas c) Construya el diagrama de flujo respectivo. (3 puntos)
47
Para generar los valores de las variables aleatorias L, A y AO, utilice los nmeros aleatorios indicados por el profesor. SOLUCIN: Pasajeros Pasajero r 1 0,82 2 0,62 3 0,13 4 0,08 5 6 7 8 9 10 Autobuses Asientos Cola r A TL r AO AV TE 1 0,41 6 6 0,54 23 2 3 2 1 3 1 4 1 1 1 1 2 3 4 0,92 7 13 0,07 20 0,05 5 18 0,92 25 0,44 6 24 0,12 21 5 0 4 3 2 4 4 4 3 26 3
L 3 2 0 0
0,92 5 0,95 6 0,86 4 0,11 0 0,16 0 0,52 1
T 3 5 5 5 1 0 1 6 2 0 2 0 2 0 2 1
A 2
0 1
a) b) c)
Nmero promedio de pasajeros que se alejan = 3/3 = 1 pasajero Tiempo promedio de espera = 26/10 = 2.6 minutos Diagrama de Flujo:
Ing. Efran Murillo
48
Ing. Efran Murillo
49
CASO ESTUDIO NRO 5: SIMULACIN DEL VAN DE UN PROYECTO DE INVERSIN

ACERCA DEL INVERSIONISTA: Ismael siempre fue un hombre de ideas claras y objetivas bien definidas. Tan luego se formo en una de las mejores escuelas de administracin, el demostr gran espritu emprendedor y energa. Ahora, a los 42 aos de edad, el viene invirtiendo su patrimonio de $ 4 000 000 de modo muy cauteloso y obteniendo 15% al ao. Actualmente, el se enfrenta con una inflacin adicional creciente y se esta preocupando con su efecto corrosivo sobre su patrimonio. De hecho Ismael esta pensando en alterar su comportamiento, procurando alternativas con mayores riesgos y esperando rendimientos ms atrayentes. LA DECISION Ismael pretende colocar $ 1 000 000 de su inversin seguro y cauteloso en una de las dos alternativas X o Y, siempre que el rendimiento sea mayor que los actuales 15% y los riesgos sean compatibles. Un modelo de simulacin seria el anlisis apropiado para tratar los valores aleatorios del proyecto X, en cuanto a las incertezas del proyecto Y podran ser mas bien visualizadas en un diseo de rbol de decisiones. El problema de la preferencia en el tiempo puede ser tratado utilizando los clculos del Valor Presente Neto (VAN), como recomiendan la mayora de los autores. La tasa de descuento es de 15%. De cualquier modo, dada la incerteza en relacin al tiempo de duracin del proyecto, otros anlisis no se justifican. EL PROYECTO X. El proyecto X consiste en el lanzamiento de un nuevo producto. La inversin inicial total es de $ 1 000 000 y el retorno depende de factores inciertos y valores aleatorios. i) Incerteza en relacin al costo variable unitario de produccin. Este costo depende de procesos mal controlados y de insumos con pocos proveedores, osea, factores inciertos. En tanto, un panel de especialistas atribuyo estimativos subjetivos (probabilidades como medida de incerteza) que resultaron para el primer ao de produccin, en: Probabilidad (%) 40 30 30 Costo Unitario ($) 3.00 3.50 4.00
No hay costos fijos importantes adems de la inversin inicial.
Ing. Efran Murillo
50
ii) Aleatoriedad en el total de las ventas anuales. Existen muchos datos estadsticos de comportamiento del mercado para productos semejantes, en el pasado. La aleatoriedad de los valores para las ventas anuales (durante el ciclo de vida del producto) puede ser modelada por una distribucin que, por nica vez, ser aproximada por tramos lineales. Las distribuciones son diferentes para cada uno de los 4 aos (de modo que refleje un ciclo de vida), en cada una de estas distribuciones, es aproximada por 5 rangos lineales. Cada rango lineal corresponde a una distribucin uniforme. Las distribuciones lineales utilizadas en el proceso de aproximacin son: Distribuciones de las 5 Distribuciones Uniformes Distribucin Uniforme 1 2 3 4 5 Lmites (1000 unidades vendidas) 70 a 360 360 a 410 410 a 490 490 a 630 630 a 900
Para cada ao, el comportamiento del mercado (tamao-participacin) ser tal que caiga en una de las distribuciones lineales arriba, con las siguientes probabilidades: Modelando las ventas anuales Distribucin uniforme 1 2 3 4 5 Probabilidad de ocurrencia (%) ao 1 ao 2 ao 3 ao 4 25 10 5 30 30 20 25 25 30 25 25 20 10 25 25 20 5 20 20 5
Por este proceso, se genera un valor de venta segn la siguiente secuencia: Seleccione un ao para el cual se desea generar un valor de ventas. Seleccione la distribucin uniforme siguiendo las probabilidades correspondientes a aquel ao.
Se recomienda el proceso acumulativo; por ejemplo, para el ao 1: genere un nmero aleatorio con distribucin uniforme 0 a 1 y si resulta entre 0 y 0.25 use la distribucin 1, hasta 0.55 use la 2, hasta 0.85 use la 3, hasta 0.95 use la 4 y encima de 0.95, use la 5. Observe cmo para los aos 1 y 4, inicio y fin del ciclo de vida del producto, la probabilidad de seleccionar distribuciones (1 y 2) con bajas ventas es mayor. Despus de seleccionar la distribucin segn el procedimiento anterior, genere el valor de las ventas dentro de la distribucin seleccionada.
iii) El tiempo de vida (ciclo del producto) depende del desempeo de las ventas: Si Ventas (ao 1) + Ventas (ao 2) < 600 000, entonces 2 aos. Si Ventas (ao 1) + Ventas (ao 2) + Ventas (ao 3) < 1 000 000, entonces 3 aos.
Ing. Efran Murillo
Simulacin de Sistemas El mximo es de 4 aos, despus de los cuales ser desactivado.
51
iv) El precio unitario de venta ya fue fijado en $ 5.00 . El producto tendr disponibilidad inmediata despus de la inversin inicial (esta es una simplificacin). La especificidad del producto es tal que despus de su tiempo de vida, no hay valor residual sobre la inversin inicial. v) Para efectuar los anlisis, Ismael pretende construir un modelo de simulacin con 100 casos y efectuar 10 simulaciones con el modelo de modo a obtener medias globales. Para los clculos financieros, despus de la inversin inicial, los otros valores sern todos concentrados al final de cada ao. PROYECTO Y El proyecto Y es mucho mas conservador. Se trata de una inversin inmobiliaria de 1 milln de dlares en edificaciones comerciales. El beneficio a ser recibido anualmente es bastante bueno y fue estimado en 35% de la inversin inicial. Hay incertezas en relacin al tiempo de reventa y al valor de reventa. i) Tiempo de reventa: Despus de tres aos, con probabilidad de 60%. Despus de cuatro aos, con probabilidad de 40%. ii) Valor de reventa (depende de las evoluciones del mercado inmobiliario y de la regin en particular): Factor de multiplicacin En relacin a la Inversin inicial 0,90 1,00 1,10 1,15 Probabilidad (%) 10 20 50 20
En qu proyecto deber invertir su dinero Ismael?
CASO ESTUDIO 6: SISTEMA DEL TERMINAL PESQUERO

OBJETIVOS:
Ing. Efran Murillo
52
- Probar las habilidades de los jugadores para establecer niveles de pedido de inventario para un horizonte de planificacin de diez semanas. El ganador ser aquel que al final tenga mayores ganancias. CASO.- El Terminal pesquero vende camarn fresco a diversos clientes de Arequipa. Al inicio de cada semana elabora los pedidos de cajas de camarn a los representantes de la flota en Matarani, para satisfacer la demanda de sus clientes a media semana. El camarn se entrega al Terminal y luego, a media semana, a los clientes. El suministro y la demanda del camarn son inciertos. El suministro puede variar hasta +-10% con respecto a la cantidad de pedido. La probabilidad relacionada con esta variacin es: -10% 0% +10% 30% de las veces 50% de las veces 20% de las veces
La demanda semanal del camarn se distribuye normalmente con media de 800 cajas y desviacin estndar de 100 cajas. El terminal pesquero paga 30 dlares por la caja de camarn y la vende a 50. El camarn que no se venda al final de la semana se vende a 4 dlares la caja a una compaa de alimento para gatos. El terminal pesquero, si lo desea, puede pedir que el proveedor congele el camarn en el muelle, pero esto eleva 4 dlares el costo por caja y, por lo tanto, le cuesta 34 dlares al Terminal pesquero. La congelacin permite que el terminal pesquero mantenga un inventario de camarn, pero el almacenamiento del camarn en el congelador de la empresa cuesta 2 dlares por caja a la semana. A los clientes no les importa si el camarn que reciben es el fresco o el congelado. El terminal pesquero calcula que su costo de inexistencias es igual al alza en precio; es decir, cada caja que pida y no pueda surtir le cuesta a la empresa $50 - $30 = $20. Procedimiento para el juego. El juego consiste en decidir cada semana cuntas cajas de camarn fresco y congelado hay que pedir. La cantidad que se pida puede ser cualquiera. El profesor acta como rbitro y proporciona los nmeros aleatorios. Los pasos para llevar a cabo el juego son: a) Decidir cul ser la cantidad de camarn fresco y congelado que se pedir y registrar las cantidades en la columna 3 de la hoja de trabajo (ver cuadro A). Suponga que no hay inventario inicial del camarn congelado.
Ing. Efran Murillo
53
b)
Determinar la cantidad que se entrega y registrarla como pedidos recibidos. Para esto, el profesor toma un nmero de la tabla de nmeros aleatorios uniformes y encuentra el nivel de variacin asociado en los siguientes intervalos de nmeros aleatorios: 0.00 0.30 = -10% 0.31 0.80 = 0% 0.81 1.00 = +10% Si el nmero aleatorio es, por ejemplo, 0.13, la cantidad de variacin sera 10%. Entonces, si decide pedir 1000 cajas de camarn fresco y 100 de camarn congelado, la cantidad que recibira sera 1000 0.10(1000), o 900 cajas de camarn fresco, y 100- 0.10(100), o 90 cajas de camarn congelado. (Observe que la cantidad de variacin es la misma para el camarn fresco y el congelado). Estas cantidades se registran en la columna 4.
c) Sumar la cantidad de camarn congelado en inventario (si hay) a la cantidad de camarn fresco y congelado que acaba de recibir, y registrar esta cantidad en la columna 5. Con base en las cifras anteriores, sera 990. d) Determinar la demanda de camarn. Para esto, el profesor obtiene un nmero aleatorio de la tabla de desviacin estndar y lo registra en la ecuacin que se encuentra en la parte superior de la columna 6. As, si el valor de desviacin es 1.76, la demanda para la semana es 800+100(1.76), o 624. e) Determinar la cantidad vendida. Esta cantidad ser la menor de la demanda (columna 6) y la cantidad disponible (columna 5). Entonces, si un jugador recibi 990 y la demanda es 624, la cantidad que se registre ser 624 (con un sobrante de 990-624, o 366). f) Determinar el excedente. La cantidad de excedente es sencillamente la cantidad que quede despus de satisfacer la demanda de una semana. Suponga siempre que se vende primero el camarn fresco y luego el congelado. Entonces, si utilizamos la cifra de 366 que se obtuvo en (e), el excedente incluira las 90 cajas originales de camarn congelado. g) Determinar la escasez. Es la cantidad de demanda no satisfecha en cada periodo y slo ocurre cuando la demanda es mayor a las ventas. (Como todos los clientes consumen el camarn en la semana en que se les entrega, no importan los pedidos atrasados). La cantidad de escasez (en cajas de camarn) se registra en la columna 9. Determinacin de ganancias. El cuadro B se usa para determinar las ganancias
Ing. Efran Murillo
54
al final del juego. Los valores que se registran en esta tabla se obtienen al sumar las columnas relevantes del cuadro A y hacer los clculos correspondientes. Tarea. Simular las operaciones de 10 semanas. Se sugiere que hagan una pausa al concluir la semana 5 para que los jugadores traten de evaluar la manera en que podran mejorar su rendimiento. Tambin podran planificar una estrategia de pedidos para la semana de veda, cuando no se proveer camarn. TABLA A: Hoja de trabajo para la simulacin.
TABLA B: Ganancias de las Operaciones Ingresos por ventas ($50 x col.7) $______ Ingresos por desecho ($4 x col.8 fresco) $______ Total de ingresos $_______ Costo de compras de camarn fresco ($30 x col.4 fresco) $______ Costo de compras de camarn congelado ($34 x col.4 congelado) $______ Costo de almacenamiento de camarn congelado ($2 x col.8 congelado) $______ Costo de escasez ($20 x col.9) $______ Costo total $_______ Ganancias $_______
Ing. Efran Murillo
55
APLICACIONES PROPUESTAS
APLICACIN 1.- Los buques tanque llegan a un puerto petrolero con la distribucin de tiempos entre llegadas que se ve en la tabla siguiente: Tiempo entre llegadas (das) Probabilidad 1 2 3 4 5 .20 .25 .35 .15 .05
El puerto tiene dos terminales, A y B. La terminal B es ms moderna y, por lo tanto, ms eficaz que la terminal A. El tiempo para descargar un buque tanque depende de la capacidad de ste. Un superbuque tanque necesita 4 das para descargar en la terminal A y 3 en la terminal B. Un buque tanque de tamao mediano necesita 3 das en la terminal A y 2 das en la terminal B. Los buques tanque pequeos se descargan en 2 das en la terminal A y en 1 en la terminal B. Los buques tanques que llegan se forman en una sola cola en el puerto hasta que se desocupa una terminal para descarga. El servicio se da sobre la base primero que llega primero en ser atendido. El tipo de buque tanque y la frecuencia con la que llegan a este puerto se presenta en la siguiente tabla: TIPO DE BUQUE TANQUE Superbuque tanque Superbuque tanque mediano Superbuque tanque pequeo PROBABILIDAD 0.40 0.35 0.25
Suponiendo que si los dos terminales estn desocupados, los buques eligen el Terminal A para ser atendido, utilice la simulacin de Montecarlo para la llegada de 15 buques y determine el nmero promedio de das que pasa un tanque en el puerto y el tiempo ocioso de cada una de las terminales. Utilice los nmeros aleatorios de las celdas E 7 y C 5 para generar los tiempos entre llegadas y el tipo de buque tanque que llega respectivamente. APLICACIN 2.- El gerente de una pequea oficina de correos teme que el crecimiento de la localidad sature el servicio que se ofrece con una sola ventanilla. Decide obtener datos de muestra con respecto a 100 individuos que solicitan servicio. A continuacin se presenta un resumen de los datos: Tiempo entre llegadas (minutos) 1 2 3 4 5 Tiempo de servicio (minutos) 1.0 1.5 2.0 2.5 3.0 3.5
Frecuencia 8 35 34 17 6 100
Frecuencia 12 21 36 19 7 5 100
Emplee la simulacin de Montecarlo para estimar el tiempo promedio de espera y el promedio de inactividad de los empleados durante la llegada de 15 clientes. Ing. Efran Murillo
Simulacin de Sistemas -
56
Utilice la secuencia de nmeros aleatorios de las celdas B1 y E3 para generar los intervalos entre llegadas de los clientes y los tiempos de servicio respectivamente.
APLICACIN 3.- La biblioteca de la universidad tiene una copiadora para uso de los estudiantes. Estos llegan a la mquina con una distribucin de tiempos entre llegadas mostradas en la siguiente tabla: Tiempo entre llegadas (minutos) 1 2 3 4 5 Probabilidad .20 .25 .40 .10 .05 El tiempo promedio que se tarda en hacer una copia es 15 segundos. Un anlisis de los datos acumulados muestra que el nmero de copias que hace un estudiante al pasar a la mquina tiene la distribucin siguiente: Nmero de copias Probabilidad 6 7 8 9 10 .20 .25 .35 .15 .05
El bibliotecario cree que con el sistema actual, la cola en la mquina copiadora es demasiado larga y que el tiempo que un estudiante pasa en el sistema (tiempo de espera + tiempo de servicio) es demasiado. Efecte una simulacin de Montecarlo para la llegada de 10 clientes y determine el tiempo promedio de espera y el tiempo ocioso de la mquina copiadora. Utilice los nmeros aleatorios de las celdas A7 y B9 (tabla de nmeros aleatorios) para generar los valores de los tiempos entre llegadas de los estudiantes y el nmero de copias solicitadas respectivamente. APLICACIN 4.- La demanda diaria de pollos en un minimarket es una variable aleatoria con distribucin exponencial con una media de 5 unidades diarias. El administrador comienza el da con 15 pollos. Cada pollo tiene un costo de 13 soles y se vende a 20 soles. Se reduce el inventario diariamente. Si al final de un da en particular el dueo tiene menos de 8 pollos en stock, ordena un pedido suficiente para tener 15 pollos al inicio del siguiente da. Adems se conoce que: - Cuando la demanda excede el inventario, no se permite tener pedidos pendientes pero se carga el costo de 3 soles por unidad, por no haber tenido el artculo en almacn (costo de escasez). - El costo de colocar un pedido para volver a tener artculos en inventario es de 10 soles (independiente de la cantidad ordenada). El costo de mantener inventario de un da para otro es de 1.5 soles. El costo de almacenamiento del inventario inicial fue cargado en la gestin anterior
-
Ing. Efran Murillo
57
Asumiendo que el costo de adquisicin e inventario de los 15 pollos con los que empieza el negocio fueron absorbidos en la gestin anterior, determine Ud. utilizando la tcnica de la simulacin de Montecarlo: a) La utilidad total para un periodo de 15 das. b) El nmero de pollos que sobran al final del ltimo da. Para generar la demanda diaria utilice los nmeros aleatorios de la celda E8 (tabla de nmeros aleatorios). APLICACIN 5.- Un lote de estacionamiento dispone de 30 espacios para el estacionamiento de los vehculos. Es abierto de 8 a.m. a 4 p.m.. El intervalo entre la llegada de vehculos al lote L tiene distribucin exponencial con un valor esperado de 3 minutos. La duracin de estada de un vehculo S es normalmente distribuida con un valor esperado de 90 minutos y una varianza de 30 minutos. Si al llegar un vehculo no hay espacio libre, se aleja. Se pide: a) Construya un modelo de simulacin (diagrama de flujo) que simule el funcionamiento del Lote de estacionamiento y determine el nmero de vehculos que se alejan durante un da de 8 horas (480 minutos). b) Suponiendo que el lote de estacionamiento tenga solamente 3 espacios y tomando en cuenta los intervalos de llegada (L) y las duracin de las estadas (S) generados, determinar el nmero de vehculos que se alejan durante la llegada de 10 vehculos. Utilice para generar L, los nmeros aleatorios de la celda C1 y para S los de la celda E8 (tabla de nmeros aleatorios). APLICACIN 6.- Un semforo en una interseccin vehicular tiene una fase verde que actualmente demora 50 segundos y una fase roja de 40 segundos. El intervalo entre las llegadas de los vehculos a la interseccin (en segundos) es una variable aleatoria con distribucin emprica: Intervalos entre llegadas probabilidad 5 6 7 8 9 0.1 0.3 0.2 0.3 0.1
a) Construya un modelo de simulacin (diagrama de flujo) para este sistema que permita determinar la duracin de la fase verde, de tal manera que el tiempo promedio de espera de los vehculos que llegan a dicha interseccin no sea mayor a 30 segundos. Utilice un tiempo de simulacin de 5 horas. b) Mediante la simulacin de Montecarlo determine la longitud promedio de vehculos en cola para esta interseccin en un tiempo de simulacin equivalente a la llegada de 15 vehculos. Utilice los nmeros de la celda B9 (tabla de nmeros aleatorios) para generar los valores de la variable aleatoria. APLICACIN 7.- En un proceso productivo las piezas una vez procesadas son inspeccionadas para determinar si son rechazadas, reprocesadas o aceptadas para su posterior venta. Estadsticamente el 70% de las piezas son aceptadas, el 10% son rechazadas y el 20% reprocesadas. Una pieza reprocesada puede volver nuevamente a ser reprocesada. Utilice la
Ing. Efran Murillo
58
tcnica de simulacin de Montecarlo para imitar el funcionamiento de este sistema durante la llegada de 15 piezas y responda las siguientes inquietudes: a) Si el costo de proceso es de $13 por pieza y el de reproceso $7. Cul seria el costo de un item que termine en ventas?. b) En un lote de 5000 piezas cuntas sern rechazadas?. Nota: Utilice los nmeros aleatorios de la celda C2 (tabla de nmeros aleatorios) para generar valores para la variable aleatoria de si la pieza es aceptada, descartada o reprocesada. APLICACIN 8.- En el puesto de gasolina El campen, ocurre lo siguiente: a) Los carros llegan al puesto a cada 12 a 16 minutos con una media de 14 minutos entre llegadas y distribucin uniforme. b) Juan Prez atiende exponencialmente, llevando en promedio15 minutos para atender un carro (4 minutos para llenar el tanque, 3 minutos para verificar el aceite y 8 minutos para contar el cambio). Se le sugiere las siguientes alternativas para mejorar el servicio: a) No hacer nada y dejar las cosas como estn. b) Someter a Juan Prez a un programa de capacitacin, de modo que mejore su aritmtica y de esta manera disminuir el tiempo de servicio de 15 a 6 minutos. c) Instalar una segunda bomba y contratar a un operario para operarla. El joven trabaja exactamente del mismo modo que Juan Prez. d) Sugerir a Juan Prez que descanse y contrate al mejor estudiante del grupo escolar de la nocturna, el empleara 5 minutos para atender un carro. NOTA: Observe que este proceso no es de optimizacin, ya que no es posible definir una funcin objetivo a ser maximizada o minimizada. a) Mediante la simulacin de Montecarlo determine la mejor alternativa de optimizacin en funcin al tiempo promedio de espera en cola. Utilice el tiempo de simulacin equivalente a la llegada de 15 vehculos al sistema. Utilice los siguientes nmeros aleatorios para generar los valores de las variables aleatorias: - Para la tasa de llegadas: Nmeros aleatorios de la celda C7 (tabla de nmeros aleatorios). - Para los tiempos de servicio: Nmeros aleatorios de la celda D4 (tabla de nmeros aleatorios).
Ing. Efran Murillo
59
APLICACIN 9.- Un vendedor compra peridicos al precio de 50 cntimos de sol por cada uno y los vende a 1 sol la unidad. Al final de cada da el agente de publicaciones le pagar 15 cntimos de sol por cada peridico que no haya vendido. La demanda diaria D de los peridicos tiene la siguiente distribucin de probabilidad (distribucin emprica): D p(D) b) 75 0.08 80 0.07 85 0.02 90 0.20 95 0.09 100 0.19 105 0.12 110 0.03 115 0.14 120 0.06
Suponiendo que el vendedor puede pedir cualquier cantidad de peridicos que se encuentre en el rango de valores de la demanda, construya un modelo de simulacin (diagrama de flujo) para este sistema logstico que permita determinar el nivel ptimo de aprovisionamiento (nmero de peridicos a pedir diariamente), en un tiempo de simulacin de 200 das. Mediante la simulacin de Montecarlo determine la utilidad total esperada para un nivel de aprovisionamiento de 95 peridicos diarios en un tiempo de simulacin de 20 das. Utilice los nmeros de la celda A5 (tabla de nmeros aleatorios) para generar los valores de la variable aleatoria.
c)
APLICACIN 10.- Suponga que estamos determinando el punto de reorden R de una poltica de inventarios (Q,R). Con esta poltica pedimos Q unidades cuando el nivel de inventario desminuye a R o menos. La distribucin de probabilidades de la demanda diaria se da en la siguiente tabla: DEMANDA DIARIA (unidades) 12 13 14 15 16 17 TIEMPO DE ENTREGA (Das) 1 2 3 4 PROBABILIDAD .05 .15 .25 .35 .15 .05
El tiempo de entrega tambin es una variable aleatoria y tiene la siguiente distribucin: PROBABILIDAD .20 .30 .35 .15
Suponemos que la cantidad pedir hasta tener permanece igual, en 100 unidades. Nuestro inters en este caso es determinar el valor del punto de reorden R que minimice el costo total de inventario. Este costo es la suma del costo esperado de almacenamiento, el costo esperado de pedido y el costo esperado de escasez. La escasez es acumulativa. Esto es, un cliente espera hasta que se tiene el artculo. El costo de inventario se estima en 0.20 dlares por unidad por da, y se carga a las unidades en inventario al final del da. La escasez cuesta 1 dlar por cada unidad que falte. El costo de pedido es 15 dlares por pedido. Los pedidos llegan al inicio del da.
Ing. Efran Murillo
60
a) Suponiendo que el punto de reorden R puede oscilar entre 0 y 50 unidades, construya un modelo de simulacin (diagrama de flujo) para este sistema de inventario que permita determinar el valor de R que minimice el costo total de inventario, en un tiempo de simulacin de 500 das. b) Mediante la simulacin de Montecarlo determine el costo total de inventario para un punto de reorden igual 30 unidades en un tiempo de simulacin de 20 das. Utilice los siguientes nmeros aleatorios para generar los valores de las variables aleatorias: Para la demanda: Nmeros aleatorios de la celda C1 (tabla de nmeros aleatorios). Para los tiempos de llegada de los pedidos: Nmeros aleatorios de la celda E8 (tabla de nmeros aleatorios).
Ing. Efran Murillo
61
Apndice A
rea bajo la curva normal estndar

Z 0.00 0.10 0.20 0.30 0.40 0.50 0.60 0.70 0.80 0.90 1.00 1.10 1.20 1.30 1.40 1.50 1.60 1.70 1.80 1.90 2.00 2.10 2.20 2.30 2.40 2.50 2.60 2.70 2.80 2.90 3.00 3.10 3.20 3.30 3.40 3.50 3.60 3.70 3.80 3.90 0.00 0.50000 0.53983 0.57926 0.61791 0.65542 0.69146 0.72575 0.75804 0.78814 0.81594 0.84134 0.86433 0.88493 0.90320 0.91924 0.93319 0.94520 0.95543 0.96407 0.97128 0.97725 0.98214 0.98610 0.98928 0.99180 0.99379 0.99534 0.99653 0.99744 0.99813 0.99865 0.99903 0.99931 0.99952 0.99966 0.99977 0.99984 0.99989 0.99993 0.99995 0.01 0.50399 0.54380 0.58317 0.62172 0.65910 0.69497 0.72907 0.76115 0.79103 0.81859 0.84375 0.86650 0.88686 0.90490 0.92073 0.93448 0.94630 0.95637 0.96485 0.97193 0.97784 0.98257 0.98645 0.98956 0.99202 0.99396 0.99547 0.99664 0.99752 0.99819 0.99869 0.99906 0.99934 0.99953 0.99968 0.99978 0.99985 0.99990 0.99993 0.99995 0.02 0.50798 0.54776 0.58706 0.62552 0.66276 0.69847 0.73237 0.76424 0.79389 0.82121 0.84614 0.86864 0.88877 0.90658 0.92220 0.93574 0.94738 0.95728 0.96562 0.97257 0.97831 0.98300 0.98679 0.98983 0.99224 0.99413 0.99560 0.99674 0.99760 0.99825 0.99874 0.99910 0.99936 0.99955 0.99969 0.99978 0.99985 0.99990 0.99993 0.99996 0.03 0.51197 0.55172 0.59095 0.62930 0.66640 0.70194 0.73536 0.76730 0.79673 0.82381 0.84849 0.87076 0.88965 0.90824 0.92364 0.93699 0.94845 0.95818 0.96638 0.97320 0.97882 0.98314 0.98713 0.99010 0.99245 0.99430 0.99573 0.99683 0.99767 0.99831 0.99878 0.99913 0.99938 0.99957 0.99970 0.99979 0.99986 0.99990 0.99994 0.99996 0.04 0.51595 0.55567 0.59483 0.63307 0.67003 0.70540 0.73891 0.77035 0.79955 0.82639 0.85083 0.87286 0.89251 0.90988 0.92507 0.93822 0.94950 0.95907 0.96712 0.97381 0.97932 0.98382 0.98745 0.99036 0.99266 0.99446 0.99585 0.99693 0.99774 0.99836 0.99882 0.99916 0.99940 0.99958 0.99971 0.99980 0.99986 0.99991 0.99994 0.99996 0.05 0.51994 0.55962 0.59871 0.63683 0.67364 0.70884 0.74215 0.77377 0.80234 0.82894 0.85314 0.87493 0.89435 0.91149 0.92647 0.93943 0.95053 0.95994 0.96784 0.97441 0.97982 0.98422 0.98778 0.99061 0.99286 0.99461 0.99598 0.99702 0.99781 0.99841 0.99886 0.99918 0.99942 0.99960 0.99972 0.99981 0.99987 0.99991 0.99994 0.99996 0.06 0.52392 0.56356 0.60257 0.64058 0.67724 0.71226 0.74537 0.77637 0.80511 0.83147 0.85543 0.87698 0.89617 0.91309 0.92785 0.94062 0.95154 0.96080 0.96856 0.97500 0.98030 0.98461 0.98809 0.99086 0.99310 0.99477 0.99609 0.99711 0.99788 0.99846 0.99899 0.99921 0.99944 0.99961 0.99973 0.99981 0.99987 0.99992 0.99994 0.99996 0.07 0.52790 0.56749 0.60247 0.64431 0.68082 0.71566 0.74857 0.77935 0.80785 0.83398 0.85769 0.87900 0.89796 0.91466 0.92922 0.94179 0.95254 0.96164 0.96926 0.97558 0.98077 0.98500 0.98840 0.99111 0.99324 0.99492 0.99621 0.99720 0.99795 0.99851 0.99893 0.99924 0.99946 0.99962 0.99974 0.99982 0.99988 0.99992 0.99995 0.99996 0.08 0.53188 0.57142 0.61026 0.64803 0.68439 0.71904 0.75175 0.78230 0.81057 0.83646 0.85993 0.88100 0.89973 0.91621 0.93056 0.94295 0.95352 0.96246 0.96995 0.97615 0.98124 0.98537 0.98870 0.99134 0.99343 0.99506 0.99632 0.99728 0.99801 0.99856 0.99896 0.99926 0.99948 0.99964 0.99975 0.99983 0.99988 0.99992 0.99995 0.99997 0.09 0.53586 0.57535 0.61409 0.65173 0.68793 0.72240 0.75490 0.78525 0.81327 0.83891 0.86214 0.88298 0.90147 0.91774 0.93189 0.94408 0.95449 0.96327 0.97062 0.97670 0.98169 0.98574 0.98899 0.99158 0.99361 0.99520 0.99643 0.99736 0.99807 0.99861 0.99900 0.99929 0.99950 0.99965 0.99976 0.99983 0.99989 0.99992 0.99995 0.99997
1 Fuente: Richard I. Levin and Charles A. Kirkpatrick, Quantitive Approaches to Management (New York: McGraw-Hill, 1978), p. 588.
Ing. Efran Murillo
62
Apndice B: Tabla de Nmeros Aleatorios

A 1581922396 0928105582 4112077556 7457477468 0099520858 7245174840 6749420382 5503161011 7164238934 3593969525 4192054466 9697426117 2007950579 4584768758 3840145867 0190453442 6766554338 6315116284 3908771938 5570024586 2999997185 7864375912 7065492027 0654683246 7830555058 7626984369 4785048453 4627791048 9376470693 1227991661 5582095589 4959397698 1824779358 7041092295 3555104281 9717595534 5571564123 4674262892 8461228715 1838538678 1834182305 1884227732 6791857341 3007929946 6085440624 7005051056 9846413446 0625457703 5457593922 4076486653 B 2068577984 7295088579 3440672486 5435810788 3090908872 2275698645 4832630032 7413686599 7666127259 0272759769 0700014629 6488888550 9564268448 2389278610 9120831830 4800088084 5585265145 9172824179 4035554324 9324732596 0135968938 8383232768 6349104233 4765104877 5255147182 4725370390 3646121751 5765558107 0441608934 7936797054 5535798279 1056981450 1333750468 5726289716 0903099163 1634107293 7344613447 2809456764 0746980892 3049068967 6203476893 2923727501 6696243386 4031562749 2875556938 3496332071 8306646692 4229164694 9751489574 8950826528 C 8262130892 9586111652 1882412963 9670852913 2039593181 8416549348 5670984959 1198757695 5263097712 0385998136 5169439659 4031652526 3457416988 3859431781 7228567652 1165628559 5089052204 5544814339 0840126299 1186563397 7678931194 1892857070 3382569662 8149224168 3519287786 9641916289 8436077768 8762592043 8749472723 9527542791 4764439855 8416606706 9434074212 3420847871 6827824899 8521057472 1129117244 5806554509 9285305274 6955157269 5937802079 8044389132 2219599137 5570757297 5496629750 5054070890 0661684251 7321363715 1799906380 4934582003 D 8374856049 7055508767 0684012006 1291265730 5973470495 4676463101 5432114610 0414294470 5133648980 9999089966 8408705169 8123543276 1531027886 3643768456 1267173884 5407921254 9780623691 0016943666 4942059208 4425143189 1351031403 2323673751 4579426926 5468631609 2481675649 5049082870 2928794956 6185670830 2202271078 4711871173 6279247618 8234013222 5273692238 1820481234 6383872737 1471300754 3204461091 8224980942 6331989646 5482964330 3445280195 4611203081 3193884236 6273785046 4841817356 7303867953 8875127201 7051128285 1989141062 4071187742 E 4637567488 6472382934 0933147914 4890031305 9776135501 2229367983 2966095680 0140121598 4011966963 7544056852 1074373131 0927534537 7016633739 4141314518 4020651657 3768932478 2195448096 3828538786 1475623997 3216653251 6002561840 3188881718 1513082455 6474393896 8907598697 7463807244 9956043516 6363845920 5897002653 8300978148 4446895088 6426813469 5902177065 0318831723 5901682626 3044151557 1699403490 5738031833 8764467686 2161984904 3694915658 6072112445 8224729718 1455349704 1443167141 6255181190 6251533454 1108468072 5595364247 1456207629 1
10
Ing. Efran Murillo

Simulación de eventos discretos

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Simulación de eventos discretos

Încărcat de

Drepturi de autor:

Formate disponibile

Simulacin de Sistemas

UNIVERSIDAD NACIONAL DE SAN AGUSTN DE AREQUIPA

Escuela Profesional de Ingeniera Industrial

SIMULACIN DE SISTEMAS DE EVENTOS DISCRETOS

Ing. Efran Murillo

Introduccin a la Simulacin de Sistemas

Ing. Efran Murillo

Simulacin de Sistemas QUE INTENTA LA SIMULACION

Ing. Efran Murillo

Ing. Efran Murillo

Ing. Efran Murillo

Ing. Efran Murillo

Ing. Efran Murillo

3. DIAGRAMA DE FLUJO EN SIMULACION

Ing. Efran Murillo

Ing. Efran Murillo

Ing. Efran Murillo

CLASIFICACIN DE LAS VARIABLES ALEATORIAS

Ing. Efran Murillo

Simulacin de Sistemas La variable aleatoria ser: X = (1,2).

La distribucin de frecuencias respectiva es la siguiente:

Se observa que la grfica se aproxima a una distribucin normal.

La distribucin de frecuencias es la siguiente:

Se observa que la grfica corresponde a una distribucin uniforme.

Ing. Efran Murillo

GENERACIN DE VALORES DE VARIABLES ALEATORIAS

Ing. Efran Murillo

1. Generacin de Valores de Variables Aleatorias con:

-5*ln(0.6671)= -5*(-0.4048) = 2.024 minutos

Ing. Efran Murillo

2. Generacin de Valores de Variables Aleatorias con:

Ing. Efran Murillo

3. Generacin de Valores de Variables Aleatorias con:

Ing. Efran Murillo

4. Generacin de Valores de Variables Aleatorias con:

Ing. Efran Murillo

Simulacin de Sistemas 3 4 5 3 4 5 0.20 0.30 0.17 0.53 0.83 1.00

CASO ESTUDIO 1: COSTO DE UN ITEM PERFECTO

Ing. Efran Murillo

Ing. Efran Murillo

Grfica del Costo de un tem perfecto

Ing. Efran Murillo

Simulacin de Sistemas con Excel y Visual Basic

CASOS ESTUDIO 2: SIMULACIN DE SISTEMAS DE COLAS

Ing. Efran Murillo

Ing. Efran Murillo

Ing. Efran Murillo

Simulacin de Sistemas TABLA DE SIMULACIN:

Ing. Efran Murillo

Ing. Efran Murillo

Simulacin de Sistemas Ejercicio 1:

Ing. Efran Murillo

Ing. Efran Murillo

Ing. Efran Murillo

CASO ESTUDIO 2: SIMULACIN DE SISTEMAS DE COLAS EN PARALELO

Ing. Efran Murillo

Ing. Efran Murillo

Utilizacin del surtidor B (U(B)) =

Abandonan la estacin de gasolina = 3 vehculos

Ing. Efran Murillo

CASO ESTUDIO 3: SIMULACIN DE GESTIN DE INVENTARIOS EN EXCEL

Ing. Efran Murillo

Ing. Efran Murillo

-5ln(0.6671)= -5(-0.4048) = 2.024 minutos