Modele de simulare.

Elemente de
baz.
1.Conceptul de simulare
2. Aplicaii economice ale simulrii
3. Etapele simulrii
4. Simularea Monte Carlo
5. Alte tipuri de simulare
CURS 13
MODELARE ECONOMICA
CONF. DR. NADIA CIOCOIU
1.Conceptul de simulare
Simulare = simulatio = capacitatea de a reproduce sau de a
imita.
Prin simulare, sistemul real este nlocuit cu un sistem
artificial.
n simulare, modelul sistemului real este utilizat ca obiect
asupra cruia se fac experimente, urmrind s se determine
efectele diferitelor variante decizionale asupra unor
indicatori de performan.
Simularea este recomandat n special n cazul problemelor
decizionale care NU pot fi abordate prin metode analitice de
optimizare.
Nu ofer soluie optim, ci se alege varianta care conduce la
cea mai bun valoare a criteriului de performan.
1.Conceptul de simulare
Simularea = o tehnic de realizare a experimentelor cu calculatorul
electronic i presupune utilizarea unor tipuri de relaii matematice i
logice necesare pentru descrierea comportamentului i structurii unui
sistem real complex de-a lungul unei perioade lungi de timp.
Simularea presupune utilizarea:
a 3 elemente principale:
sistemul real
calculatorul
modelul sistemului
i a 2 relaii: de modelare si de simulare
Tipuri de simulare:
Simularea Monte Carlo
Simularea evenimentelor discrete
Simularea tip Forrester
Simularea tip joc
2. Aplicaii economice ale simulrii
Lansarea unui nou produs pentru care cererea i/sau preul sunt
variabile aleatoare.
Determinarea politicilor de control al stocurilor (mrimea comenzii
de aprovizionat, nivelul stocului curent la care se lanseaz o nou
comand de aprovizionare, nivelul stocului de siguran etc.) n cazul
n care ritmul de aprovizionare i/sau cererea de consum sunt
variabile aleatoare.
Dimensionarea unor faciliti de servire (numrul staiilor de servire,
ritmul de servire) n procesele de ateptare caracterizate prin
intervale aleatoare ntre sosiri (solicitri de servicii) i durate
aleatoare de servire.
Analiza proceselor de reparaii ale utilajelor n vederea programrii
produciei i/sau investiiilor n funcie de distribuia de probabilitate
a defeciunilor i a ritmului de efectuare a reparaiilor.
Estimarea duratei de finalizare a unui proiect complex n care
duratele activitilor proiectului sunt mrimi aleatoare.
Probleme de programare operativ a produciei n care intervin
mrimi aleatoare referitoare la durata prelucrrii pe diferite maini,
ritmul aprovizionrii cu materiale, produse intermediare etc.
3. Etapele simulrii
1. Problema de rezolvat: formularea i analiza problemei,
instruirea persoanelor implicate asupra principiilor de
baz ale simulrii, construirea modelului conceptual,
colectarea datelor fundamentale, testarea validitii
modelului conceptual.
2. Modelul de simulare: transpunerea modelului
conceptual ntr-un model computerizat (programul de
simulare), verificarea modelului de simulare, validarea
modelului de simulare.
3. Proiectarea i realizarea experimentelor de simulare.
4. Analiza rezultatelor .
4. Simularea Monte Carlo
Denumirea: cercetatorii americani Metropolis i
Ulam n 1949.
Metoda Monte Carlo: sinonim cu metoda
experimentelor statistice.
Poate fi folosit ca metod de modelare a
variabilelor probabiliste n vederea determinrii
caracteristicilor repartiiei lor, atunci cnd
acestea nu pot fi stabilite prin expresii analitice.
Deoarece metoda nlocuiete procesul real cu un
process artificial obinut prin experimente
statistice, se impune ca variabilele probabiliste
estimate prin simulare s reprezinte ct mai fidel
procesul real.
4. Simularea Monte Carlo
Ideea de baz a metodei Monte Carlo:
Metoda MC genereaz selecii simulate utiliznd un
generator de numere aleatoare uniform distribuite n
intervalul [0, 1] i distribuia de probabilitate cumulat a
procesului analizat.
Un numr aleator este orice numr care poate fi obinut
ntr-un asemenea mod nct valoarea lui nu poate fi
prevzut dinainte.
Procedee de obinere a nr. aleatoare: bazate pe bilete cu
numere, zarurile, ruleta sau procese fizice (procese
radioactive, procese electronice, generatoare de zgomot
alb) care pot fi folosite pentru a construi tabele de numere
aleatoare utilizarea acestora nu este convenabil
pentru simularea pe calculator.
Numerele aleatoare necesare simulrii sunt obinute prin
proceduri aritmetice numite generatori.
4. Simularea Monte Carlo
De calitatea generatorului de numere aleatoare utilizat
depinde calitatea rezultatelor simulrii.
Se consider, c un generator de numere aleatoare este
bun dac ndeplinete urmtoarele condiii:
Numerele generate au o perioad lung de repetiie.
Numerele generate pot fi reproduse.
irul de numere nu conine unul sau mai multe numere care se
repet. Numerele generate sunt uniform distribuite n intervalul
[0, 1].
Procedura de generare este rapid i nu necesit mult memorie
intern de calcul.
Produce numere care verific testul caracterului aleator adic
numerele sunt stochastic independente.
Deoarece numerele generate cu calculatorul sunt
reproductibile -------->numere pseudoaleatoare.
5. Alte tipuri de simulare
Simularea evenimentelor discrete
Prin acest tip de simulare pot fi studiate situaiile n care sunt
definite diferite evenimente care sunt activate la anumite
momente de timp i care afecteaz starea sistemului studiat.
n cele mai multe cazuri, modelele de simulare a evenimentelor
discrete sunt utilizate pentru a crea sisteme operaionale detaliate
care s reprezinte situaiile n care, n anumite perioade de timp,
pot apare neconcordane ntre cererea de servicii sau activiti i
resursele disponibile pentru realizarea lor. (ex. fenomene de
ateptare).
Din cauza naturii dinamice a modelelor de simulare a
evenimentelor discrete, n timpul simulrii este necesar
cunoaterea valorii curente a timpului simulat i de asemenea,
este necesar un mecanism de avansare timpului simulat de la o
valoare la alta. n principal, exist dou abordri: avansul
timpului bazat pe regula evenimentului urmtor i avansul
timpului cu o valoare fix.
5. Alte tipuri de simulare
Simularea sistemelor continue cu tehnici Forrester
Jay Forrester, profesor la Massachusettes Institute of Technology, lucrarea
Industrial Dynamics, 1961.
E o tehnic de simulare pentru problemele complexe, globale care sunt
compuse din succesiuni de cauze i efecte.
Ciclul Informaie Decizie Aciune constituie elementul de baz al
modelelor de dinamic industrial.
In sistemele reale, decizia la un moment dat se bazeaz pe informaia despre
o stare anterioar a sistemului, adic informaia despre starea sistemului
alimenteaz napoi decizia = sistem cu bucl invers sau cu feedback.
Forrester arat c sistemele cu feedback rspund lent la variaia intrrilor n
sistem att din cauza structurii lor ct i din cauza ntrzierilor care apar la
transmiterea i recepionarea informaiilor, materialelor, produselor,
comenzilor, fondurilor bneti etc.
Pentru modelele de dinamic industrial, Forrester utilizeaz trei tipuri de
variabile: niveluri, ritmuri i ntrzieri. Modelul mai contine: variabile
auxiliare, constante sau parametri, diagrame de flux
Simularea sistemelor continue cu tehnici Forrester
5. Alte tipuri de simulare
5. Alte tipuri de simulare
Simularea tip joc
Se mai numeste: joc de ntreprindere, joc de conducere
(management game) sau joc de afaceri (business game).
reprezint un exerciiu de simulare dinamic a unor
decizii secveniale.
Jocurile de ntreprindere prezint particularitatea c
implic prezena decidentului uman i luarea deciziilor
pe parcursul desfurrii acestora, n timp ce simularea
Monte Carlo sau simularea evenimentelor discrete poate
fi realizat cu calculatorul, fr intervenia decidentului.

Reultate obtinute prin sondaj
(%)
Produsul ales la t+1. (Reorientri, %)
A1 A2 A3
Produsul ales la t
(Produs prsit)
A1 60 20 20
A2 15 70 15
A3 5 15 80
Cotele de piata la momentul initial: A1 - 50%, A2 - 35% si A3 - 15%
Se construiesc:
o
0
=(0,50; 0,35; 0,15)
|
|
|
.
|

\
|
=
80 , 0 15 , 0 05 , 0
15 , 0 70 , 0 15 , 0
20 , 0 20 , 0 60 , 0
P
Vectorul cotelor de piata la momentul initial
Matricea de tranzitie
Se va determina prin simulare Monte Carlo comportamentul consumatorilor
produsului A1.
Exemplu practic: Simularea comportamentului consumatorilor cu
ajutorul simularii Monte Carlo
(pt. Studiul de caz 3, p.90, carte Modelare economica, 2009)
Pasul 1. Pentru fiecare linie a matricei probabilitilor de tranziie se determin
distribuia de probabilitate cumulat (tabelul 1). Cu ajutorul probabilitilor
cumulate se asociaz fiecrui tip de produs un interval de numere aleatoare
uniform distribuite n acel interval.
Tabel 1
Produsul
curent
Produsul
imediat urmtor
Probabilitatea
de tranziie
Probabilitatea
cumulat
Intervale de numere
aleatoare

A1 A1 0,60 0,60 [0; 0,60)


A2 0,20 0,80 [0,60; 0,80)

A3 0,20 1,00 [0,80; 1,00)
A2 A1 0,15 0,15 [0; 0,15)


A2 0,70 0,85 [0,15; 0,85)

A3 0,15 1,00 [0,85; 1,00)
A3 A1 0,05 0,05 [0; 0,05)


A2 0,15 0,20 [0,05; 0,20)

A3 0,80 1,00 [0,20; 1,00)
Exemplu practic: Simularea comportamentului consumatorilor cu
ajutorul simularii Monte Carlo
(pt. Studiul de caz 3, p.90, carte Modelare economica, 2009)
Pasul 2. Se genereaz numere aleatoare situate in intrvalul [0, 1). Numerele
din tabelul 2 au fost generate cu funcia RAND din EXCEL.
Pasul 3. Pentru fiecare numr generat se caut intervalul (obinut la Pasul 1)
cruia i aparine i se determin tipul de produs ctre care se vor orienta
cumprtorii la momentul respectiv n funcie de cumprtura care o precede
direct (proces Markov). Daca se face simularea pt cumparatorul de A1 atunci
cautarea incepe de la intervalele de nr aleatoare ale produsului A1.

Nr. aleatoare Intervalul in care se incadreaza Ce produs cumpara
0.991498 e [0,80; 1,00) de la A1 > A3 A3
0.712340 e [0,20; 1,00) de la A3 > A3 A3
0.102334 e [0,05; 0,20) de la A3 > A2 A2
0.133321 e [0,15; 0,85) de la A2 > A1 A1
0.658959 e [0,60; 0,80) de la A1 > A2 A2
0.844149 e [0,15; 0,85) de la A2 > A2 A2
Exemplu practic: Simularea comportamentului consumatorilor cu
ajutorul simularii Monte Carlo
(pt. Studiul de caz 3, p.90, carte Modelare economica, 2009)
Pasul 4. Se decide oprirea sau reluarea
procesului de simulare de la Pasul 2, n
funcie de numrul dorit de experimente.
Pentru a extinde simularea la un numar mare de
experimente este necesara utilizarea unei aplicatii
informatice de simulare (ex. @RISK, Crystall
Ball) sau realizarea in Excel.

Exemplu practic: Simularea comportamentului consumatorilor cu
ajutorul simularii Monte Carlo
(pt. Studiul de caz 3, p.90, carte Modelare economica, 2009)