Simulacion de Sistemas

Simulacin de Sistemas
1. 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. e recurre a la simulacin cuando no e!isten mtodos anal"ticos que no pueden resolver el problema. #l simular el funcionamiento de un sistema o me$or dicho el modelo del sistema nuestro inters, es lograr obtener datos al respecto de su comportamiento frente a distintas situaciones relevantes. %uede resultar muy costoso o riesgoso poner el sistema real en tales condiciones, pero traba$ar el modelo nos permite preveer el resultado. Considere por e$emplo el problema de determinar la capacidad de una nueva central telefnica que se desea establecer en una ciudad. &espus de definir el modelo, las variables y los parmetros relevantes, se simula su operacin suponiendo una capacidad dada. 'l rendimiento ba$o este arreglo se compara con el rendimiento del sistema cuando la capacidad es otra( mediante este proceso iterativo se obtiene una buena apro!imacin a la capacidad ptima que debe poseer esa central. La solucin que proviene de aplicar la simulacin es pr!ima a la ptima, en comparacin con mtodos anal"ticos que son ptimos. %ero se debe tomar en cuenta que generalmente se someten aquellos modelos a la simulacin que demuestran rasgos probabil"sticos, como la frecuencia de llamadas telefnicas en el e$emplo anterior.
DEFINICIN
THOMAS NAYLOR 'stos e!perimentos requieren de operaciones lgicas y matemticas necesarias para descubrir el comportamiento y la estructura de sistemas comple$os del mundo real a travs de largo per"odo de tiempo. ROBERT SHANNON La simulacin es el dise)ar y desarrollar un modelo computarizado de un sistema o proceso y conducir e!perimentalmente 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. SHUBI 's 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. 'ste modelo o simulador
estar su$eto a diversas manipulaciones, las cuales ser"an imposibles de realizar, demasiado costosas o imprcticas. La operacin de un modelo puede estudiarse y con ello conocer las propiedades concernientes al comportamiento del sistema o subsistema real * costoso. !UE INTENTA LA SIMULACION 1. &escubrir el comportamiento de un sistema +. %ostular teor"as o hiptesis que e!pliquen el comportamiento observado ,. -sar esas teor"as para predecir el comportamiento futuro del sistema, es decir mirar los efectos que se producir"an en el sistema mediante los cambios dentro de l o en su mtodo de operacin.
"RO"IEDADES DE LOS MODELOS DE SIMULACION DEFINICION DE MODELO .odelo es una representacin de un ob$eto, sistema o idea de forma diferente a la de identidad misma. %or lo general el modelo nos ayuda a entender y me$orar un sistema. 'l modelo de un ob$eto puede ser una rplica e!acta de este, con la diferencia del material que lo compone o de su escala, inclusive puede ser una abstraccin de las propiedades dominantes del ob$eto. FUNCIONES DEL MODELO Comparar %redecir
'$emplo/ La pintura de un paisa$e es una rplica de algo que e!iste. -n carro de madera es la rplica de un original. ESTRUCTURA DEL MODELO 'l modelo se puede escribir de tal forma/ ' 0 123i, 4i5 &onde/ E# 's el efecto del comportamiento del sistema $i# on las variables y parmetros que nosotros podemos controlar Yi# Las variables y los parmetros que nosotros no podemos controlar F# 's la funcin con la cual relacionamos 3i con 4i con el fin de modificar o dar origen a '.
"RO"IEDADES DE LOS MODELOS

%& COM"ONENTES# 6eneralmente son las partes o componentes de un con$unto que forman el sistema o definen la estructura f"sica del sistema.
+. 'ARIABLES# 7elacionan los componentes entre s" y pueden ser de tres tipos/ -
E()enas# on las variables independientes o de entrada del modelo. 'stas se clasifican en controlables y no controlables. Las controlables estn su$etos a la manipulacin de quienes toman decisiones por e$emplo la duracin de las fases del semforo. Las no controlables surgen del medio ambiente, como el intervalo entre llegada de los veh"culos a la interseccin. End)enas# on variables dependientes o de salida del modelo como por e$emplo el tiempo promedio de espera de los veh"culos en la interseccin. La duracin de este tiempo depende evidentemente del intervalo entre llegadas de los veh"culos y los tiempos del semforo. De Estad*# 'stas definen el estado del sistema en un tiempo espec"fico. u utilidad es proporcionar la informacin adecuada que permite determinar los valores de las variables e!genas del problema. %or e$emplo, la variable de estado 8tiempo de la llegada de n9simo vehiculo a la interseccin: con$untamente con los estados del semforo 2ro$o o verde5 nos ayudan a afirmar si el veh"culo se detiene a su llegada a la interseccin o no, y en caso de detenerse se puede calcular su tiempo de espera.
La naturaleza de cada sistema y el inters particular del investigador en simular su modelo proveen las pautas para identificar las variables relevantes y definir su tipo. +& "ARAMETROS# on cantidades a las cuales el operador del modelo puede asignarle valores arbitrarios lo cual se diferencia de las variables. i el intervalo entre llegada de los veh"culos a la interseccin es una constante h este seria un parmetro. Los parmetros una vez establecidos se convierten en constantes. ,& RELACIONES FUNCIONALES# &escriben a los parmetros de tal manera que muestran su comportamiento dentro de un componente o entre componentes de un sistema. Las relaciones funcionales pueden ser de tipo determin"sticos o estocsticos. Dete-min.sticas# us definiciones que relacionan ciertas variables o parmetros donde una salida del proceso es singularmente determinada por una entrada dada. Est*c/sticas# Cuando el proceso tiene una salida indefinida, para una entrada determinada las relaciones funcionales se representan por ecuaciones matemticas y salen del anlisis estad"stico matemtico.
0& RESTRICCIONES# 'stas son limitaciones impuestas a valores de las variables las cuales pueden ser de dos formas/ Aut*im1uestas# ; sea asignadas por el mismo operador o Im1uestas# ; sea cuando son asignadas manualmente por el mismo sistema
2& FUNCIONES DE OB3ETI'O#
on las metas del sistema o el como evaluar al sistema, e!isten retentivas por e$emplo/ la conservacin de tiempo, energ"a y adquisitivas e$emplo/ 6anancia en algo. CLASIFICACION DE LOS MODELOS Los modelos se pueden clasificar en forma general, pero los modelos de simulacin se pueden clasificar en forma ms espec"fica. &e que forma podemos modelar un ob$eto o sistema desde lo ms real a lo ms irreal.
CLASIFICACION DE LOS MODELOS DE SIMULACION &entro de los modelos de simulacin estn/ %& MODELOS DETERMINISTICOS <i las variables endgenas y e!genas se pueden tomar como datos al azar. #qu" se permite que las relaciones entre estas variables sean e!actas o sea que no entren en ellas funciones de probabilidad. 'ste tipo determin"stico quita menos tiempo de cmputo que otros modelos 4& MODELOS ESTOCASTICOS Cuando por lo menos una variable es tomada como un dato al azar las relaciones entre variables se toman por medio de funciones probabil"sticas, sirven por lo general para realizar grandes series de muestreos, quitan mucho tiempo en el computador, son muy utilizados en investigaciones cient"ficas +& MODELOS ESTATICOS 'n los que no se toma en cuenta el tiempo dentro del proceso, por e$emplo/ los modelos de $uegos, modelos donde se observa las ganancias de una empresa '$emplo/ #rquitectnicos/ l"neas de telfono, tubos de agua ,& MODELOS DINAMICOS i se toma en cuenta la variacin del tiempo, e$emplo/ la variacin de la temperatura, del aire durante un d"a, movimiento anual de las finanzas de una empresa. 'ENTA3AS Y DES'ENTA3AS DE LA SIMULACION# 'ENTA3AS %& 'l desarrollo del modelo de un sistema generalmente proporciona me$or conocimiento del sistema real. 4& La simulacin permite comprimir el tiempo( se pueden evaluar a)os de e!periencia en el sistema real en unos segundos de simulacin. +& La simulacin no interrumpe las actividades del sistema real. ,& La simulacin ofrece una rplica ms realista del sistema que el anlisis matemtico. 0& La solucin responde a preguntas del tipo 8que pasa si=:.
DES'ENTA3AS
%& #unque se invierta mucho tiempo y esfuerzo en el desarrollo de un modelo para simulacin, no hay garant"as de que el modelo produzca buenas respuestas. 4& <o 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. +& La construccin del modelo del sistema puede llevar de unas horas hasta a)os9hombre, dependiendo del sistema que se simular. Los sistemas comple$os pueden ser muy costosos y tardar mucho tiempo. ,& Las simulaciones pueden ser menos precisas que los modelos matemticos, ya que se basan en cuestiones aleatorias. i el sistema se puede representar con un modelo matemtico, es me$or que usar una simulacin. 0& #unque avanza la tcnica de las simulaciones, a>n no e!iste un mtodo normalizado. %or consiguiente, los modelos del mismo sistema pueden variar si los desarrollan distintas personas. La simulacin ms que una ciencia es un arte. CRITERIOS !UE SE DEBE TENER EN CUENTA "ARA !UE UN MODELO DE SIMULACION SEA BUENO 1. +. ,. @. 1cil de entender por el usuario. ?ue tenga el modelo metas y ob$etivos. ?ue el modelo no me de respuestas absurdas. ?ue sea fcil de manipular, la comunicacin entre el usuario y la computadora debe ser sencilla. A. ?ue sea completa, tenga por lo menos las partes o funciones ms importantes del sistema. B. ?ue sea adaptable, osea que podamos modificarlo, adaptarlo y actualizarlo. C. ?ue sea evolutiva, osea que al principio sea simple y poco a poco empezamos a volverla comple$a dependiendo de las necesidades de los usuarios
FASES DEL "ROCESO DE SIMULACIN

Dodo proceso de simulacin tiene tres fases/ &esarrollo del modelo, '$ecucin del .odelo y #nlisis de salidas del modelo/
E5em1l*&6 %ara aclarar el concepto de la simulacin e!aminamos el siguiente sistema.

-n semforo en una interseccin tiene una fase verde que demora 1 minuto y una fase ro$a de E.F minutos. 'l intervalo entre llegada de los veh"culos al la interseccin es una variable aleatoria 3 distribuida e!ponencialmente con un valor esperado 7235 0 E.+ minutos. e debe determinar/ a5 'l tiempo promedio de espera de los veh"culos. b5 'l n>mero promedio de los veh"culos en espera durante la fase ro$a. e puede plantear la cuestin en una forma ms >til/ &eterminar el intervalo de la fase ro$a que resulte en un tiempo promedio de espera menor o igual a 1E segundos. 'l investigador puede variar la duracin de las fases del semforo y simulando lo ocurrido en la interseccin observar el efecto de los cambios en a5 y b5. %ara poder simular el funcionamiento de este sistema primero debemos saber cmo generar los valores de 3, y posteriormente la solucin al problema. %or ahora evitando los procedimientos de generacin suponiendo que 30+ segundos es una constante. &esarrollamos la siguiente tabla/
Denemos que e!aminar lo que sucede con cada veh"culo al llegar a la interseccin tomando en cuenta su tiempo de llegada y la fase en la cual se encuentra el semforo. 'n este e$emplo simple se observa que en un per"odo de luz ro$a, @F segundos, el tiempo total de espera es siempre igual a/ D' 0 @BG@@G@+G...G+0+2+,G++G+1G...G15 La sumatoria de la serie es/ n2nG15H+ entonces/ D' 0 +2+,2+@5H+5 0 AA+ 'l n>mero de los veh"culos en espera es +,, %or lo tanto el tiempo promedio de espera D% es/ D% 0D'H+, 0+@ %ara determinar la duracin de la fase ro$a del semforo que permitir"a un tiempo promedio de espera menor o igual a 1E segundos se repiten los pasos anteriores para valores de 7 menor que E.F minutos, por e$emplo/ %ara 7 0 E.B 7 0 E.@ D% 0 1F D% 0 1+
Cuando 3, el intervalo entre llegadas es aleatoria esencialmente se procede como antes para calcular el valor de las incgnitas en el problema. 'l aspecto computacin se vuelve tedioso y e!ige el uso de medios electrnicos.
"RO"IEDADES DEL MODELO
1. Los componentes.- Los veh"culos llegando a la interseccin y el semforo. 4& Las variables: a5 Variables Exgenas.- 'l intervalo entre llegada de los veh"culos a la interseccin. b) Variables Endgenas.- 'l tiempo promedio de espera de los veh"culos. c) Variables de Estado.- 'l tiempo de la llegada de n9simo vehiculo a la interseccin y el estado del semforo 2ro$o o verde5. 3. Los parmetros.- La duracin de las fases del semforo y el tiempo de simulacin. 4. Relaciones !ncionales: Diempo de espera079D &onde 7 es el tiempo que termina la fase ro$a y D es el tiempo de la llegada de un vehiculo a la interseccin en la fase ro$a. iendo 3 el intervalo entre llegadas de los veh"culos, la funcin de densidad de probabilidad de 3,
f2!50.e.! es una caracter"stica de la operacin.
'l propsito de simular un modelo es e!aminar el efecto de los cambios en las variables e!genas y en los parmetros sobre las variables endgenas. 'n el problema anterior se propon"a estudiar el efecto del cambio en la duracin de la fase ro$a sobre el tiempo promedio de espera de los veh"culos. 'n los problemas de simulacin cuando entran en $uego un gran n>mero de variables, es indispensable identificar y analizar los elementos del modelo y de este modo aclarar debidamente la naturaleza de interaccin entre varios componentes del modelo, las caracter"sticas de las variables y el propsito de la simulacin.
+& DIA7RAMA DE FLU3O EN SIMULACION

.ediante el diagrama de flu$o se establece los pasos a seguir en el proceso de simular la operacin del modelo, las alternativas que pueden surgir en una situacin determinada y los clculos que se debe realizar. 'l diagrama de flu$o facilita la tarea de la programacin. %ara el problema del semforo 2caso estocstico5 primero procedemos a definir los s"mbolos y posteriormente viene el diagrama de flu$o simulando la operacin del modelo durante un siclo del semforo 21ig.15. 'l semforo comienza a funcionar en la fase verde. 3 * el intervalo entre llegada de los veh"culos D * tiempo de llegada de un veh"culo a la interseccin I * duracin de la fase verde, BE segundos 7 * duracin de la fase ro$a, @F segundos D' * tiempo de espera acumulada J * contador de veh"culos en espera D% * tiempo promedio de espera
"ig 1. #iagrama de l!$o del %roblema del &em oro& 'n el diagrama de flu$o no se detalla la generacin de los valores de la variable aleatoria 3. %or 26'<'7#7 35 se entiende que cada vez que se e$ecute este paso, 3 toma un valor conforme a la distribucin de probabilidad que lo representa. Como se mostrar posteriormente se debe utilizar las frmulas correspondientes para reproducir valores de las variables aleatorias dada su distribucin y sus parmetros. %ara entender me$or el diagrama supngase que primero/ 301@ entonces D01@ ignifica que el primer veh"culo llega 1@ segundos despus del comienzo del funcionamiento del semforo. D01@KBE e supone que el siguiente valor de 3 es +E D01@G+E0,@ representa el tiempo de la llegada del segundo veh"culo. D0,@K1EF, DKBE e supone 301E, D0@@K1EF, DKBE e supone 301F, D0B+K1EF, DLBE J01 D'01EF9B+0@B el primer veh"culo que llega en la fase ro$a y su tiempo de espera. &e este modo se repite los pasos hasta que D toma un valor mayor que 1EF se)alando el fin de la simulacin y la impresin de D'.
10
,& ESTUDIO DE LAS 'ARIABLES E$7ENAS Cas* %&

ea ! una variable aleatoria que representa los intervalos de llegada 2en minutos5 de veh"culos a una estacin de gasolina. e ha recopilado las siguientes +E observaciones/ + A 1 @ + 1 , C M 1 , 1 , F + @ A + B 1 La distribucin de frecuencias es la siguiente/
e observa que la grfica se apro!ima a una distribucin e!ponencial.
Cas* 4&
ea y una variable aleatoria que representa la demanda en miles de unidades de un producto. e ha obtenido los siguientes +E datos/ , E A 1 M A + B , @ C @ 1E A B @ B C A F
La distribucin de frecuencias es la siguiente/
e observa que la grfica se apro!ima a una distribucin normal.
11
Cas* +&
ea ! una variable aleatoria con distribucin uniforme que representa el n>mero de asientos vac"os que trae un autob>s al llegar a un paradero. e ha obtenido los siguientes datos para la llegada de +E autobuses/ + C 1 M B + , C @ 1E @ A 1 M B , F A F 1E
La distribucin de frecuencias es la siguiente/
e observa que la grfica se apro!ima a una distribucin uniforme.
Cas* ,&
ea y una variable aleatoria que representa la demanda diaria de un art"culo. siguientes +E datos/ C 1 A @ C + , A B C F A C , A C M A , @ e ha obtenido los
12
e observa que la grfica no se apro!ima a ninguna distribucin matemtica, por lo tanto es una distribucin emp"rica.
0& N8MEROS ALEATORIOS

De9inicin# 'l trmino %seudoaleatorio se ha definido como n>meros que vienen de una secuencia en la cual cada trmino es imprescindible, cuyos d"gitos pasan una serie de pruebas estad"sticas. C-ite-i*s 1a-a :ue las secuencias de n;me-*s 1seud*aleat*-i*s sean ace1ta<les# 1. +. ,. @. A. ?ue sean uniformemente distribuidas ?ue sean estad"sticamente independientes ?ue sean reproducibles ?ue sean no c"clicas o no peridicas ?ue el mtodo con el cual se genera sea capaz de generar n>meros aleatorios a altas velocidades B. ?ue sea capaz de ocupar el m"nimo espacio en la memoria del computador Las tcnicas para generar n>meros aleatorios son/ 15 -tilizando D#NL# &' <-.'7; #L'#D;7O; / #%P<&OC' N +5 .ediante 1-<CO;<' ' %'CO1OC# +.1 'n '3C'L/ #leatorio2 5 +.+ 'n %# C#L/ 7#<&;. +., 'n Iisual Nasic/ 7<&2 5 +.@ etc. ,5 .'D;&; &' C;<67-'<CO# LO<'#L/ 6enera n>meros uniformemente distribuidos y estad"sticamente independientes. 3iG1 0 2a3i G c5 .od m &onde/ %ara i0E, entonces 3o es la semilla, 8 a= es el multiplicador, 8c: el incremento constante y 8m: el mdulo. '$emplo/ para 3o0,A, a01,, c0BA y m01EE 310 21,Q,AGBA5 mod 1EE 0 +E 3+ 0 21,Q+EGBA5 mod 1EE 0 +A 3, 0 21,Q+AGBA5 mod 1EE 0 ME 'tc. @5 ;D7; Con estos n>meros estaremos en condiciones de generar valores para nuestras variables aleatorias.
2& 7ENERACIN DE 'ALORES DE 'ARIABLES ALEATORIAS

1. I#7O#NL' &O C7'D# 1.1 &istribucin 'mp"rica 1.+ &istribucin 6eomtrica +. I#7O#NL' C;<DO<-# +.1 &istribucin '!ponencial +.+ &istribucin -niforme +., &istribucin <ormal
+.@ 'DC.
13
7ENERACIN DE 'ALORES DE 'ARIABLES ALEATORIAS CON
DISTRIBUCIN EM">RICA
"as*s# 1 Domar muestra lo suficientemente grande de los valores de la variable aleatoria 2m"nimo ,E observaciones5 + Clasificar en rangos. , &eterminar frecuencia asociada a cada rango. @ Calcular el porcenta$e o probabilidad correspondiente. '$emplo/ ea ! una variable aleatoria que representa los intervalos de llegada de los veh"culos a un semforo. Los ,E datos observados del sistema real son los siguientes/
;bservacin 1 + , @ A B C F M 1E
! + @ A + , @ + @ A A
;bservacin 11 1+ 1, 1@ 1A 1B 1C 1F 1M +E
! @ + , @ A , @ A @ ,
;bservacin +1 ++ +, +@ +A +B +C +F +M ,E
! + 1 1 , + @ 1 , + @
Las probabilidades de ocurrencia de cada rango son las siguientes/ Ran)* 1 + , @ A F-ecuencia III IIIIIIII IIIIII IIIIIIIII IIIII "-*<a<ilidad E.1E E.+, E.+E E.,E E.1C 1.EE
?+ ?@ ?2 ?A ?0
A Calcular la funcin acumulada y graficar
14
i 1 + , @ A
$i 1 + , @ A
1B$iC E.1E E.+, E.+E E.,E E.1C
FB$iC E.1E E.,, E.A, E.F, 1.EE
B 6enerar un n>mero aleatorio entre E y 1 %or e$emplo r 0E.AF C Odentificar el rango donde se encuentra r 123i5K r K 123iD%5 123i5K r K 123iD%5 F 'scoger el 3iD% y volver al paso B %or lo tanto 3 0 @
DISTRIBUCIN E$"ONENCIAL
ea t una variable aleatoria que representa los intervalos de llegada 2en minutos5 de veh"culos a una estacin de gasolina a la cual llegan a una tasa , por lo tanto para simular el sistema necesitamos generar valores para la variable aleatoria t, la cual sigue una distribucin e!ponencial. 'l procedimiento es el siguiente/ 1 6enerar un n>mero aleatorio r entre E y 1 + -sar el valor r para resolver la siguiente ecuacin para t/ 12t5 0 r 1 9 e9t 0 r e9t 0 1 * r t09
Qln21 * r5
15
%or lo tanto para el e$emplo espec"fico que implica los intervalos entre llegadas de veh"culos a la estacin de gasolina, en el que 0 1+ veh"culos por hora 2E.+ veh"culos por minuto5 y se genera un n>mero aleatorio uniforme de, digamos, r 0 E.,,+M, entonces el pr!imo veh"culo llegar dentro de/ t09
1 Qln219E.,,+M50 9AQln2E.BBC150 9AQ29E.@E@F5 0 +.E+@ minutos 0.2
DISTRIBUCIN NORMAL
uponga que necesita generar la demanda & de leche que sigue una distribucin normal con una media de CAE galones al d"a y una desviacin estndar de 1EE galones. %ara hacer eso con una variable aleatoria normalmente distribu"da, con una media de y una desviacin estndar de , haga lo siguiente/ 1 6enere un n>mero aleatorio uniforme r entre E y 1. + -se este valor r para encontrar un valor de t para el que/ 12t5 0 %2& t5 0 r 's decir, encontrar el valor de t para que el rea ba$o la distribucin normal a la izquierda de t, en la figura siguiente, es t. %ara hacer esto use la tabla estndar9normal del apndice # para encontrar el valor asociado( despus calcule t, de la siguiente manera/ z0 #s" /
t 0 G 2 Qz5
16
%ara el e$emplo espec"fico de la leche en el que r0 E.1A1A, 0 CAE y 0 1EE, el valor z del apndice # es apro!imadamente 91.E,, y as"/ z 2E.1A1A5 0 91.E, t 0 CAE G 1EEQ291.E,5 0 B@C galones 'l uso de n>meros aleatorios para generar entradas probabil"sticas a menudo se denomina simulacin de .onteCarlo. 'l mtodo obtuvo su nombre durante la egunda 6uerra .undial cuando los cient"ficos usaron n>meros aleatorios para estimar, en un sentido estad"stico, las soluciones a problemas matemticos comple$os. Los mtodos descritos aqu" no son los ms eficientes disponibles, pero se usan por que son conceptualmente fciles de comprender. #hora ver cmo se usan estas ideas en el dise)o de una simulacin por computadora.
DISTRIBUCIN UNIFORME
-no de los mtodos ms com>nmente utilizados para generar n>meros aleatorios que siguen una distribucin conocida se basa en usar n>meros aleatorios uniformemente distribuidos entre E y 1. Como se ilustra en la figura siguiente, tales n>meros tienen la siguiente funcin de densidad, f2!5, y la funcin de distribucin acumulativa, 12!5/ f2!501 12!50!
17
%or e$emplo si se quiere generar el n>mero de asientos vac"os que trae un autob>s que llega a un paradero, los cuales estn uniformemente distribu"dos entre A y 1A asientos, y se tiene un n>mero aleatorio r 0 E.C, se tiene/ min 0 A ma! 0 1A r 0 E.C ! 0 1A 9 21A 9 A5Q21 * r5 ! 0 1A 9 21E5Q21 * r5 0 1A 9 1E21 * E.C5 0 1A 9 1E2E.,5 0 1A 9 , 0 1+ entnces se tiene que el autob>s trae 1+ asientos vac"os. N*ta# Tambin podemos utilizar la frmula siguiente: min + (max min !("# r $ los valores generados no coinciden en cuanto al orden$ pero al final todos los n%meros saldr&n con la misma frecuencia.
CASO ESTUDIO %# COSTO DE UN ITEM "ERFECTO

'n un proceso productivo en el cual se procesan apro!imadamente 1EEE piezas diarias, las piezas una vez procesadas son inspeccionadas para determinar si son rechazadas, reprocesadas o aceptadas para su posterior venta. 'stad"sticamente las piezas son rechazadas, reprocesadas o aceptadas con probabilidades de AR, 1ER y FAR respectivamente. i el costo de un proceso es de S1E por pieza y el de reproceso SA. TCul seria el costo promedio de una pieza que termine en ventasU
%ara determinar dicho costo, debemos imitar el funcionamiento del sistema y determinar el n>mero de reprocesos, as" como el porcenta$e de piezas aceptadas. e asume que la distribucin de la variable e!gena 2hacia dnde se deriva la pieza una vez inspeccionada5, es emp"rica, entonces se debe generar los eventos usando el procedimiento para generar valores para variables con distribucin emp"rica. %ara efectos de e!plicacin del funcionamiento del sistema y obtener los resultados buscados, se fi$a como tiempo de simulacin el proceso de +E piezas.
-saremos los n>meros aleatorios de la celda #, de la tabla de n>meros aleatorios del apndice N. # continuacin se muestra la tabla de simulacin/ TABLA DE SIMULACIN
18
7' -.'< &' 7' -LD#&; /
Como se observa/ 'l costo acumulado para un total de +E piezas es 0 +EQ1E G @QA 0 ++E 'l costo unitario ser ++EH1F 0 1+.++++ dlares 'l porcenta$e de piezas aceptadas ser 1FH+E 0 E.M #dems, dado que el sistema real procesa en promedio 1EEE piezas diarias, entonces para tener resultados consistentes que permitan tomar decisiones, se tendr que realizar simulaciones para un mayor n>mero de piezas. %or e$emplo para +EE piezas, +EEE piezas( los resultados se apro!imarn ms al valor terico. Dal como se observa en la siguiente grfica/
19
'r ica del (osto de !n )tem per ecto
CASO ESTUDIO 4& MODELO DEL LOTE "TIMO DE "EDIDO

-n vendedor compra revistas, al precio de F nuevos soles cada una y las vende a 1E nuevos soles la unidad. #l final de cada d"a el agente de publicaciones le pagar @ nuevos soles por cada revista que no haya vendido. La demanda insatisfecha tiene un costo de oportunidad de + nuevos soles. La demanda diaria de las revistas tiene la siguiente distribucin de probabilidad/ &emanda/ %robabilidad/ a5 FE FA ME MA 1EE E.1E E.1A E.,E E.+A E.+E
i se elige hacer un pedido de FA revistas diarias, utilice la simulacin de .ontecarlo para determinar el ingreso diario esperado en un periodo de +E d"as. 'mplee los n>meros aleatorios de la celda C1 de la tabla de n>meros aleatorios 2#ne!o +5
b5
-tilice un lengua$e de programacin para simular el problema del vendedor en un periodo de ,BA d"as y determinar el n>mero ptimo de revistas que debe ordenar cada d"a. Construya el diagrama de flu$o respectivo.
;L-COV< %ara la parte a5, utilizando los valores aleatorios de la celda C1, generamos la demanda para cada uno de los +E d"as utilizando la distribucin acumulada de las distribucin de probabilidad alcanzada. Luego realizamos los clculos respectivos para determinar la utilidad promedio, tal como se observa en la tabla siguiente/
20
"a-a la 1a-te <CE c*nst-u.m*s el dia)-ama de 9lu5*E de9iniend* 1-eFiamente las 1-*1iedades del m*del*# "-*1iedades del M*del*# 1.1 C;.%;<'<D' / #rt"culos 1.+ I#7O#NL' '3;6'<# / $/ &emanda diaria 1., I#7O#NL' '<&;6'<# / NOO"TIMO/ <>mero ;ptimo de art"culos pedir I"MA$/ Ongreso promedio m!imo 1.@ I#7O#NL' &' ' D#&;/ T/ Diempo de simulacin 1.A %#7W.'D7; / Diempo de imulacin 0 ,BA d"as 1.B 7'L#CO;<' 1-<CO;<#L' / $ &istribucin 'mp"rica # continuacin de muestra el diagrama de flu$o del problema del lote ptimo de pedido.
21
#iagrama de l!$o del modelo del Lote ptimo de pedido.
"-*)-ama en 'isual Basic

%rivate ub Command1XClic2 5 &im d2A5, pa2A5 #s &ouble &im n #s Onteger %2a5 0 E 1or J0 1 Do A d2J5 0 OnputNo! 28ingrese &emanda:5 p2J5 0 OnputNo! 28ingrese %robabilidad:5 pa2J5 0 pa2J5 G p2J5
<e!t J n 0 FE O%.#3 0 E Yhile n K0 1EE OD 0 E 1or $ 0 1 Do ,BA 7andomize 7 0 7nd 2 5 1or J 0 1 Do A Of 7 K pa2J5 Dhen 3 0 d2J5 J0A 'nd Of <e!t J Of n L 3 Dhen OD 0 OD G 21E Q 35 * 2F Q n5 G 22n * 35 Q @5 'lse OD 0 OD G 21E Q n5 * 2F Q n5 * 223 * n 5 Q ,5 'nd Of <e!t $ O% 0 OD H ,BA Of O% L O%.#3 Dhen O%.#3 0 O% <;%DO.; 0 n 'nd Of n0nGA Yend De!t1.De!t 0 O%.#3 De!t+.De!t 0 <;%DO.; 'nd ub Los resultados de la simulacin, utilizando el Iisual Nasic, es pedir ME unidades, obtenindose una utilidad de H. A1B.AE.
22
CASO ESTUDIO +& MODELO DEL "ARADERO DE AUTOBUSES

Los pasa$eros llegan a un paradero de autobuses con tiempos medio entre llegadas de + minutos distribuidos e!ponencialmente. -n autob>s llega con tiempos entre llegadas de CG9+ minutos. 'l autob>s tiene capacidad para 1A pasa$eros y el n>mero de asientos no ocupados cuando llega el autob>s tiene igual probabilidad de estar entre E y 1A. 'l autob>s recibe tantos pasa$eros como pueden sentarse y los que no puedan abordar se ale$an. a5 'mplee la simulacin de .ontecarlo para determinar el n>mero de pasa$eros que se ale$an durante la llegada de +E pasa$eros.
'mplear los siguientes n>meros aleatorios/ - %ara las llegadas de los pasa$eros/ NM - %ara las llegadas de los autobuses/ C1 - %ara el n>mero de asientos vac"os/ #1E b5
23
-tilice un lengua$e de programacin para simular el funcionamiento del paradero de autobuses y determine el n>mero de pasa$eros que se ale$an durante/ b.15 -n tiempo de F horas. b.+5 La llegada de 1EE autobuses. N*ta/ 'n ambos casos construya los diagramas de flu$o respectivos.
SOLUCIN# %ara dar respuesta a la parte a5, construimos la siguiente tabla de simulacin/
e concluye que no habr pasa$eros que se ale$en por falta de asientos vac"os. S*lucin "a-a un tiem1* de simulacin de G H*-as# "-*1iedades del M*del* ,.1 C;.%;<'<D' / #utobuses y %asa$eros. ,.+ I#7O#NL' '3;6'<# / L/ Diempo entre llegadas de los pasa$eros A/ Diempo entre arribos de autobuses NANO/ <>mero de asientos no ocupados ,., I#7O#NL' '<&;6'<# / AL / <>mero de pasa$eros que se ale$an por falta de asientos ,.@ I#7O#NL' &' ' D#&;/ T/ Diempo de llegada de un pasa$ero TL/ Diempo de llegada de un autob>s ,.A %#7W.'D7; / Diempo de imulacin 0 F horas o la llegada de 1EE pasa$eros Capacidad del autob>s 0 1A asientos
,.B 7'L#CO;<' 1-<CO;<#L' / L &istribucin '!ponencial con media entre llegadas de + minutos A &istribucin <ormal con media de C minutos y desviacin estndar de + minutos NANO &istribucin -niforme entre E y 1A Dia)-ama de Flu5* 1a-a un tiem1* de simulacin de G H*-as&
24
"-*)-ama en 'isual Basic *parte b.1)

%rivate ub Command1X ClicZ 25 tl 0 E al 0 E t0E p0E n 0 ,A N/ $0E
1or i 0 1 to n 7andomize $ 0 $ G 7nd25 <e!t i a 0 C G 2 + [ 21 H + 5 5 Q 2 $ * 2 n H + 5 5 Q 2 2 1+ H n 5 [ 21 H + 5 5 tl 0 tl G a Yhile t K 0 @FE 7andomize r 0 7nd 25 L 0 9+ Q Log 21 * r 5 t0tGL Of K 0 tl them p0pG1 'lse 7andomize r 0 7nd 25 nano 0 1A Q 2 1 * r 5 Of nano L p Dhen al 0 al G p * nano 'nd if p01 6o to N 'nd if Yend De!t1.De!t 0 al 'nd ub
25
# continuacin se presenta el diagrama de flu$o para un tiempo de simulacin de la llegada de 1EE autobuses/
26
"-*)-ama en 'isual Basic *parte b.+)

%rivate ub Command1XClicZ25 t1 0 E a1 0 E t0E p0E n 0 ,A g0E N/ $0E 1or i 0 1 Do n 7andomize
$ 0 $ G 7nd25 <e!t i # 0 C G 22 + [ 2 1H+ 5 Q 2 $ 9 2nH+ 55 Q 22 1+Hn 5 [ 2 1H+ 55 g0gG1 t1 0 t1 G a Yhile g K0 1EE 7andomize r 0 7nd25 L 0 9+ Q Log2 19 r 5 t0tGL Of t K0 t1 Dhen p0pG1 'lse 7andomize r 0 7nd25 nano 0 1A Q 2 1 9 r 5 Of nano L p Dhen a1 0 a1 G p 9 nano 'nd if p01 6o Do N 'nd if Yend De!t1.De!t 0 a1 'nd ub
27
CASO ESTUDIO ,& MODELO DE IN'ENTARIO

La demanda diaria de un art"culo tiene la siguiente distribucin de probabilidades/ &emanda diaria 2unidades5 E 1 + , @ %robabilidad/ E.1E E.+A E.1E E.@E E.1A La cantidad inicial en el almacn es B unidades. e reduce el inventario diariamente. i la cantidad al inicio del d"a es menor o igual a 7, se solicita inmediatamente ? unidades, las cuales se reciben dentro de dos d"as. La escasez se recupera al llegar la cantidad solicitada. #dems se conoce que/ a5 Cuando la demanda e!cede el inventario, se permite tener pedidos pendientes pero se carga el costo de S1.EE por unidad, por no haber tenido el art"culo en almacn 2costo de escasez5. 'l costo de colocar un pedido para volver a tener art"culos en inventario es de S1E.EE 2independiente de la cantidad ordenada5. 'l costo de tener inventario es de SE.AE por d"a por cada unidad en almacn al inicio del d"a. uponiendo que se elige el stocZ de seguridad 70@ unidades y la cantidad de reposicin ?0C unidades, emplee la simulacin de .onte Carlo para determinar el costo total de inventario para la empresa en un tiempo de 1A d"as.
'mplee los siguientes n>meros aleatorios para generar la demanda diaria/ C1 b5
28
-tilice un lengua$e de programacin para simular el funcionamiento del almacn durante ,BA d"as y determine una pol"tica ptima de inventario, esto es, determinar el stocZ m"nimo de seguridad o reposicin 275 y la cantidad de reposicin 2?5. 7 puede ser una de las siguientes cantidades/ +, ,. @ A unidades y ? puede ser/ B, C, F, M 1E unidades. Construya el diagrama de flu$o respectivo.
SOLUCIN "a-te < "RO"IEDADES DEL MODELO @.1 C;.%;<'<D' / %roductos @.+ I#7O#NL' '3;6'<# / D/ &emanda diaria @., I#7O#NL' '<&;6'<# / R/ %unto de reorden 2stocZ m"nimo5 !/ Cantidad a pedir CT/ Costo total @.@ I#7O#NL' &' ' D#&;/ I/ Onventario S 01 pedido pendiente, 0E en caso contrario TL/ Diempo de llegada del pedido @.A %#7W.'D7; / I*/ Onventario inicial C%/ Costo unitario de inventario C4/ Costo unitario de escasez C+/ Costo de pedido Diempo de simulacin/ ,BA d"as @.B 7'L#CO;<' 1-<CO;<#L' / D/ &istribucin 'mp"rica
Dia)-ama de 9lu5*
29
"-*)-ama en 'isual Basic %rivate ub Command1X Clic25 &im pa2A5, !2A5 s0E i0B c1 0 E c+ 0 E c, 0 E ct 0 E tl 0 E di 0 E !215 0 E !2+5 0 1 !2,5 0 + !2@5 0 , !2A5 0 @ pa215 0 E.1
pa2+5 0 E.,A pa2,5 0 E.@A pa2@5 0 E.FA pa2A5 0 1 1or 7 0 + Do A 1or ? 0 B Do 1E 1or t 0 1 Do ,BA Of t 0 t1 Dhen i 0 i G q * di s0E di 0 E 'nd Of 7andomize Dd 0 7nd 25 1or Z 0 1 Do A Of raKpa2Z5 Dhen d 0 !2Z5 Z0A 'nd Of <e!t Z i0i*d Of iKE Dhen c+ 0 c+ G 21 Q i5 di 0 di * i i0E 'lse c10 c1 G 2E.AQi5 'nd Of Of i K r Dhen Of s 0 E Dhen tl 0 t G + s01 c, 0 c, G 1E 'nd Of 'nd Of <e!t t ct 0 c1 G c+ G c, Of ct K <O< Dhen .O< 0 ct 7;%D 0 7 ?;%D 0 ? 'nd Of <e!t ? <e!t 7 De!t1. De!t 0 7;%D De!t+. De!t 0 ?;%D De!t,. De!t 0 ct 'nd ub
30
31
C# ; ' D-&O; <ro A/
Los usuarios llegan #L'#D;7O#.'<D' a un telfono p>blico. i 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 #L'#D;7O#. a5 %ara un d"a cualquiera registre la informacin relevante para la llegada de los +E primeros clientes y determine/ la tasa de llegadas de los clientes al sistema, la tasa de servicio, el tiempo promedio de espera de los clientes y el nivel de utilizacin del telfono. b5 'mpleando las frmulas de colas determine el tiempo promedio de espera de los clientes, el tiempo ocioso y el nivel de utilizacin del telfono. c5 #nalice las diferencias en los resultados. d5 # -.O'<&; ?-' - O<1;7.#COV< ' L# #&'C-#&#, identifique la &O D7ON-COV< &' %7;N#NOLO&#& que se #\- D# a cada una de las variables aleatorias del problema. e5 -tilizando las funciones de las distribuciones de probabilidad identificadas anteriormente, 6'<'7' +E valores para sus variables aleatorias y determine nuevamente los parmetros y medidas de rendimiento del punto 2a5. f5 #nalice nuevamente las diferencias en los resultados.
g5 &efina las propiedades del modelo. h5 Construya un diagrama de flu$o que permita imitar el funcionamiento del telfono y a la vez determinar el tiempo promedio de espera de los clientes y el nivel de utilizacin del telfono. i5 -tilice un lengua$e de programacin para simular el funcionamiento del telfono y determine el tiempo promedio de espera de los clientes y el nivel de utilizacin del telfono para un tiempo de simulacin de F horas. 'mita sus conclusiones finales
$5
32
SOLUCION# a5 la siguiente tabla muestra las iteraciones realizadas para determinar el tiempo
total de espera y el tiempo ocios del telfono &
<C
ea ( el promedio de intervalos entre llegadas de los clientes al sistema 'ntonces
x=
70 = 3.5 minutosHcliente 20
%or lo tanto la tasa de llegadas ser/
1 1 = = 0.2857 clientesHminuto 1C.1@ clientesHhora x 3.5
ea I el promedio de tiempos de servicio 2duracin de las llamadas5 'ntonces
33
y=
%or lo tanto la tasa de servicio ser/
1 1 = = 0.3922 clientesHminuto +,.A, clientesHhora y 2.55
'n consecuencia/ Yq2real5 =
15 = 0.75 minutosHcliente, donde Yq es el tiempo promedio de espera en cola. 20
Diempo ;cioso 2real5 0 +, minutos -tilizacin del telfono 2real5 =
51 = 0.689 2el sistema esta ocupado el BF.MR del tiempo de 74

operacin5
UtiliJand* las 9-mulas de c*las# Yq 2terico5 =
0.2857 = = 6.84 minutosHcliente ( ) 0.3922(0.3922 0.2857)

0.2857 = = 0.7285 0.3922
-tilizacin del telfono 2terica5 =
cC La di9e-encia de l*s -esultad*s se de<e a# 1. 'l tama)o de la muestra para los clculos reales es muy peque)a. 2. Los parmetros y consecuentemente no son los adecuados para llegar a valores apro!imados mediante las frmulas de colas.
&i ,!isi-ramos anali.ar el comportamiento del sistema d!rante los sig!ientes d)as/ tendr)amos ,!e levantar la in ormacin correspondiente a cada !no de ellos/ lo c!al ser)a costoso 0 tedioso. #e otro lado si no se c!mpliera la condicin de estado estable donde 1 / ser)a imposible anali.ar el sistema con teor)a de colas. %or lo tanto e!iste la necesidad de 7'%7' '<D#7 'L %7;NL'.# 7'#L .'&O#<D' -< .;&'L; &' O.-L#COV< 4 6'<'7#7 I#L;7' %#7# L# I#7O#NL' #L'#D;7O# . %ara poder generar valores para las variables aleatorias, primeramente, se debe analizar el C;.%;7D#.O'<D; &' L# I#7O#NL' #L'#D;7O# y determinar la &O D7ON-COV< &' %7;N#NOLO&#& que se a$usta a los datos de la muestra.
dC An/lisis del COM"ORTAMIENTO DE LAS 'ARIABLES ALEATORIAS
34
-tilizando el soft]are #7'<# para determinar la distribucin de probabilidad que se a$usta a cada variable aleatoria, se lleg a los resultados siguientes/ ! 0 intervalo entre llegadas tiene distribucin '3%;<'<CO#L
y 0 tiempos de servicio tambin tiene distribucin '3%;<'<CO#L
%or lo tanto es factible la generacin de valores aleatorios e!ponenciales para el estudio del problema.
eC 7ENERACIN DE 'ALORES "ARA 'ARIABLES ALEATORIAS %ara generar valores para variables aleatorias, se requiere previamente de valores aleatorios entre E y 1. %ara nuestro e$emplo utilizaremos D#NL# &' <-.'7; #L'#D;7O; . (omo n!estro e$emplo tiene variables aleatorias exponenciales entonces !tili.amos la #2&3R245(267 E8%97E7(2:L para generar valores para n!estras variables aleatorias. La e!presin de la distribucin e!ponencial para ambas variables es/ ! 0 y 0
ln 219 r5 ln219 r5
donde r es un n>mero aleatorio entre E y 1. Domando valores aleatorios de las D#NL# &' <-.'7; #L'#D;7O; , tenemos/
35
Los valores de las variables generadas son cont"nuas, pero para efectos prcticos los hemos redondeado. 'ntonces con estos valores O.-L#.; 'L C;.%;7D#.O'<D; &'L O D'.#, tal como se muestra en la tabla siguiente/ D#NL# &' O.-L#COV<
ea ! el promedio de intervalos entre llegadas de los clientes al sistema 'ntonces
x=
1 1 = = 0.2532 clientesHminuto 1A.1M clientesHhora x 3.95
36
ea y el promedio de tiempos de servicio 2duracin de las llamadas5 'ntonces
y=
=
1 1 = = 0.3704 clientesHminuto ++.++ clientesHhora y 2.7
%or lo tanto/ Yq 2simulado5 =
Diempo ;cioso 2simulado5 0 +, minutos -tilizacin del telfono 2simulado5 =
54 = 0.667 2el sistema esta ocupado el BB.CR del tiempo de operacin5 81
9C NueFamenteE La di9e-encia en -elacin a l*s -esultad*s de l*s Fal*-es -eales I te-ic*s se de<e a l* si)uiente# ,. 'l tama)o de la muestra para los clculos reales es muy peque)a. 4. Los parmetros y consecuentemente no son los adecuados para llegar a valores apro!imados mediante las frmulas de colas. A. La longitud de la simulacin 2+E clientes5 es muy peque)a. Doda simulacin para que arro$e valores apro!imados a los tericos o reales deber tener una longitud lo suficientemente grande. )C "-*1iedades del m*del* COM"ONENTES# Clientes y el Delfono 'ARIABLES E$O7ENAS# !/ Ontervalo entre llegadas de los clientes y/ &uracin de una llamada 'ARIABLES ENDO7ENAS# Yq/ Diempo de espera en cola DO/ Diempo Omproductivo u ;cioso del servidor 'ARIABLES DE ESTADO# D/ Diempo de llegada de un usuario &/ Diempo de desocupacin del telfono "ARKMETROS# Diempo de imulacin 2D 50 F horas RELACIONES FUNCIONALES# ! &istribucin '!ponencial con media ,.A minutos por cliente.
y &istribucin '!ponencial con media +.AA minutos por cliente. HC &iagrama de 1lu$o del sistema. Dia)-ama de Flu5*# "-*<lema del TelL9*n*
37
iC C*di9icacin del "-*)-ama en 'isual Basic& %rivate ub Command1XClicZ25 D0E DO0E &0E C0E D'0E
38
#/ 7andomize r 0 rnd25 ! 0 9,.AQLog219r5 D0DG! C0CG1 7andomize r 0 rnd25 y 0 9+.AAQLog219r5 if DL& then DO0DOG2D9&5 &0DGy else D'0D'G2&9D5 &0&Gy endif if t L0 @FE then Yq0D'HC -019 DOH& De!t1.te!t0Yq De!t+.te!t0else 6oto # endif 'nd ub Resultad*s 1-*medi* de 0M simulaci*nes# N:?0&0 minut*s U?M&@ *sea @MO
PC 'mita sus conclusiones finales/ 1. La simulacin es una herramienta que permite imitar el funcionamiento de una situacin real, para luego e!perimentar con el sin necesidad de afectarlo f"sicamente. +. %ermite a las empresas que lo apliquen, pronosticar comportamientos futuros acerca del sistema, lo cual permitir a los tomadores de decisin sugerir alternativas de optimizacin. ,. La simulacin e!ige un tratamiento estad"stico de la informacin a efectos de validar el modelo y poder as" sugerir la implementacin de alternativas de me$ora. 'tc.
39
CASO ESTUDIO NRO 2# MODELO DEL TERMINAL "ES!UERO

OB3ETI'OS# %robar las habilidades de los $ugadores para establecer niveles de pedido de inventario para un horizonte de planificacin de diez semanas. 'l ganador ser aquel que al final tenga mayores ganancias.
CASO 'l Derminal pesquero vende camarn fresco a diversos clientes de #requipa. #l inicio de cada semana elabora los pedidos de ca$as de camarn a los representantes de la flota en .atarani, para satisfacer la demanda de sus clientes a media semana. 'l camarn se entrega al Derminal y luego, a media semana, a los clientes. 'l suministro y la demanda del camarn son inciertos. 'l suministro puede variar hasta G91ER con respecto a la cantidad de pedido. La probabilidad relacionada con esta variacin es/ 91ER ,ER de las veces ER AER de las veces G1ER +ER de las veces La demanda semanal del camarn se distribuye normalmente con media de FEE ca$as y desviacin estndar de 1EE ca$as. 'l terminal pesquero paga ,E dlares por la ca$a de camarn y la vende a AE. 'l camarn que no se venda al final de la semana se vende a @ dlares la ca$a a una compa)"a de alimento para gatos. 'l terminal pesquero, si lo desea, puede pedir que el proveedor congele el camarn en el muelle, pero esto eleva @ dlares el costo por ca$a y, por lo tanto, le cuesta ,@ dlares al Derminal pesquero. La congelacin permite que el terminal pesquero mantenga un inventario de camarn, pero el almacenamiento del camarn en el congelador de la empresa cuesta + dlares por ca$a a la semana. # los clientes no les importa si el camarn que reciben es el fresco o el congelado. 'l terminal pesquero calcula que su costo de ine!istencias es igual al alza en precio( es decir, cada ca$a que pida y no pueda surtir le cuesta a la empresa SAE 9 S,E 0 S+E. %rocedimiento para el $!ego. 'l $uego consiste en decidir cada semana cuntas ca$as de camarn fresco y congelado hay que pedir. La cantidad que se pida puede ser cualquiera. 'l profesor act>a como rbitro y proporciona los n>meros aleatorios. Los pasos para llevar a cabo el $uego son/ a5 &ecidir cul ser la cantidad de camarn fresco y congelado que se pedir y registrar las cantidades en la columna , de la ho$a de traba$o 2ver cuadro #5. uponga que no hay inventario inicial del camarn congelado. &eterminar la cantidad que se entrega y registrarla como pedidos recibidos. %ara esto, el profesor toma un n>mero de la tabla de n>meros aleatorios uniformes y encuentra el nivel de variacin asociado en los siguientes intervalos de n>meros aleatorios/ E.EE * E.,E 0 91ER E.,1 * E.FE 0 ER E.F1 * 1.EE 0 G1ER i el n>mero aleatorio es, por e$emplo, E.1,, la cantidad de variacin ser"a *1ER. 'ntonces, si decide pedir 1EEE ca$as de camarn fresco y 1EE de camarn congelado, la cantidad que recibir"a ser"a 1EEE * E.1E21EEE5, o MEE ca$as de camarn fresco, y 1EE9 E.1E21EE5, o ME ca$as de camarn congelado. 2;bserve que la cantidad de variacin es la misma para el camarn fresco y el
b5
congelado5. 'stas cantidades se registran en la columna @. c5
40
umar la cantidad de camarn congelado en inventario 2si hay5 a la cantidad de camarn fresco y congelado que acaba de recibir, y registrar esta cantidad en la columna A. Con base en las cifras anteriores, ser"a MME.
d5 &eterminar la demanda de camarn. %ara esto, el profesor obtiene un n>mero aleatorio de la tabla de desviacin estndar y lo registra en la ecuacin que se encuentra en la parte superior de la columna B. #s", si el valor de desviacin es *1.CB, la demanda para la semana es FEEG1EE2* 1.CB5, o B+@. e5 &eterminar la cantidad vendida. 'sta cantidad ser la menor de la demanda 2columna B5 y la cantidad disponible 2columna A5. 'ntonces, si un $ugador recibi MME y la demanda es B+@, la cantidad que se registre ser B+@ 2con un sobrante de MME9B+@, o ,BB5. f5 &eterminar el e!cedente. La cantidad de e!cedente es sencillamente la cantidad que quede despus de satisfacer la demanda de una semana. uponga siempre que se vende primero el camarn fresco y luego el congelado. 'ntonces, si utilizamos la cifra de ,BB que se obtuvo en 2e5, el e!cedente incluir"a las ME ca$as originales de camarn congelado. g5 &eterminar la escasez. 's la cantidad de demanda no satisfecha en cada periodo y slo ocurre cuando la demanda es mayor a las ventas. 2Como todos los clientes consumen el camarn en la semana en que se les entrega, no importan los pedidos atrasados5. La cantidad de escasez 2en ca$as de camarn5 se registra en la columna M. #eterminacin de ganancias. 'l cuadro N se usa para determinar las ganancias al final del $uego. Los valores que se registran en esta tabla se obtienen al sumar las columnas relevantes del cuadro # y hacer los clculos correspondientes. 3area. imular las operaciones de 1E semanas. e sugiere que hagan una pausa al concluir la semana A para que los $ugadores traten de evaluar la manera en que podr"an me$orar su rendimiento. Dambin podr"an planificar una estrategia de pedidos para la semana de veda, cuando no se proveer camarn. TABLA A# H*5a de t-a<a5* 1a-a la simulacin&
41
TABLA B# 7anancias de las O1e-aci*nes Ongresos por ventas 2SAE ! col.C5 Ongresos por desecho 2S@ ! col.F fresco5 T*tal de in)-es*s Costo de compras de camarn fresco 2S,E ! col.@ fresco5 Costo de compras de camarn congelado 2S,@ ! col.@ congelado5 Costo de almacenamiento de camarn congelado 2S+ ! col.F congelado5 Costo de escasez 2S+E ! col.M5 C*st* t*tal 7anancias SXXXXXX SXXXXXX QRRRRRRR SXXXXXX SXXXXXX SXXXXXX SXXXXXX QRRRRRRR QRRRRRRR
42
CASO ESTUDIO NRO @#

SIMULACIN DE IN'ENTARIOS
A&6 Int-*duccin 'n los mtodos para calcular cantidades de reposicin. 2#nlisis de sensibilidad y lote econmico5, se ha traba$ado sobre costos de mantenimiento de inventarios y costos de realizar pedidos, pero no se ha considerado el costo asociado de no tener los art"culos cuando la demanda e!cede el inventario disponible, quiz uno de los costos ms importantes en mane$o de las e!istencias. -na de las maneras de atacar este problema de los costos de escasez es el uso de programas de simulacin 2investigacin operativa en lugar de la tcnica del lote econmico. #dems como el mtodo del lote econmico e!ige, para ser confiable, demanda constante y tiempo de abastecimiento fi$o, con la simulacin se puede traba$ar con variabilidad en esos dos aspectos, ampliando la utilidad del sistema de simulacin. La simulacin que es una tcnica de evaluacin para sistemas comple$os, es una herramienta importante tanto para el dise)o, como para el anlisis de un sistema. 'n cuanto la comple$idad 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. 'sto es particularmente cierto para sistemas dinmicos yHo probabilistas. -no 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 caracter"sticas de la simulacin es que puede tratar con elementos probabil"sticos que sean a menudo dif"ciles si no imposibles de mane$ar anal"ticamente. -n rasgo no atractivo de la simulacin, es que no garantiza nada ms que una solucin que puede utilizarse para ciertos sistemas, puede ser dif"cil determinar cuan cercana est la solucin que se tiene a la solucin ptima real. ;tra desventa$a de la simulacin, se relaciona con las computadoras, pues la mayor"a de los estudios de simulacin se lleva en ellas. La cantidad de programacin de cmputo 4 tiempo de e$ecucin de computadoras requeridos para e$ecutar un anlisis particular, podr"an ser muy grandes. #>n as", la simulacin es la >nica forma conocida de analizar ciertos sistemas, su poder y versatibilidad a menudo sobrepasan su defecto. B&6 "-*cedimient* )ene-al de simulacin Los pasos necesarios para dise)ar un anlisis completo de imulacin, son/ 1.9 &eber desarrollarse un modelo que intente capturar los rasgos esenciales del sistema ba$o estudio. #l desarrollar tal modelo es importante pensar en trminos de variables controlables 2tambin llamadas variables de decisin5, variables incontrolables y la relacin e!istente entre ellas. +.9 'l segundo paso es validar el modelo que ha sido desarrollado. Los modelos a menudo se operan y se comparan con el comportamiento pasado del sistema y con las esperanzas de los analistas. Cualquier modificacin necesaria debe realizarse antes que se obtenga resultado, >tiles del modelo
43
,.9 _abiendo terminado el paso de validacin. 'l analista entonces dise)a y e$ecuta e!perimentos con el modelo, valores dados u otras representaciones para las variables no controlables, se e!perimentan con las variables de decisin y se observa como responde el sistema. -n &iagrama de 1lu$o para un %rocedimiento de imulacin
C&6 El mLt*d* de M*nteca-l* -na herramienta >til en muchos de los modelos de simulacin, es el mtodo de .ontecarlo, para generar variables aleatorias de las distribuciones de probabilidad. La tcnica es tan simple como poderosa.
E$emplo :
uponiendo una salida 235 de un proceso probabil"stico dado, es un entero entre E y ,M, inclusive. #dems se est interesado en que 3 est en ciertos intervalos 2E9M, 1E91M,+E9+M,,E9,M5 y se conoce la probabilidad correspondiente de que 3 est en cualquier intervalo en un tiempo dado/ &istribucin hipottica de probabilidad a,b p2aK3Kb5 E,M 1E,1M +E,+M ,E,,M E.1A E.+E E.AE E.1A 1.EE
'l primer paso es asociar con cada evento el n>mero de los d"gitos enteros uniformemente distribuidos 2esto es, igual probabilidad5 que corresponde a la probabilidad del evento. &istribucin hipottica $unto con asignaciones de enteros
de dos d"gitos p2aK3Kb5 enteros de dos d"gitos E.1A EE91@ E.+E 1A9B@ E.AE ,A9F@ E.1A FA9MM 1.EE
44
a,b E,M 1E,1M +E,+M ,E,,M
%or e$emplo el evento E K 3 K M tiene una probabilidad de E.1A de acontecer. %or consiguiente se asocian 1A enteros aleatorios de dos d"gitos con este evento 2EE91@5. La numeracin consecutiva de los enteros aleatorios asignados es simplemente por conveniencia, de igual manera para el evento +E K 3 K +M se asignan AE n>meros aleatorios. 'l n>mero total de n>meros aleatorios utilizados para los cuatro eventos es 1EE. La idea es que la relacin de la cantidad de n>meros aleatorios asignados a un evento a la cantidad total de n>meros aleatorios asignados a la distribucin total sea igual a la probabilidad de ocurrencia del evento. #s", se hubiere decidido asignar n>meros aleatorios a , cifras en lugar de los de dos, se habr"an necesitado 1,EEE n>meros en total 2debe haber al menos tantos d"gitos como posiciones despus de` punto decimal en la distribucin de probabilidad5. %ara las asignaciones de los n>meros aleatorios, la salida de este proceso se simula recogiendo n>meros de una tabla de n>meros aleatorios y simplemente determinando el evento correspondiente. %or e$emplo, suponiendo que se recurriera a un tabla de n>meros aleatorios y se obtuviera el n>mero +C, ste indicar"a que el evento 1E K 3 K 1M ocurri. e puede pensar de esto como una simulacin de un proceso cuya salida es una variable aleatoria que est presentada por la distribucin de probabilidad mostrada en la tabla anterior. i se contin>a simulando este proceso y se registra la frecuencia con la cual ocurre cada evento, se acercar"a en el l"mite cuando el n>mero de ensayos en la simulacin creciera sin tope, a la probabilidad de ocurrencia de cada evento. aE< E,M 1E,1M +E,+M ,E,,M 1BaS$S<C E.1A E.+E E.AE E.1A 1.EE Asi)naci*nes de ente-* EE91@ 1A9B@ ,A9F@ FA9MM N;me-* de *cu--encias 1, ,+ A@ 1+ F-ecuencia -elatiFa E.1, E.+1 E.A@ E.1+
Con una gran cantidad de ensayos se producirn frecuencias relativas que sern ms cercanas a los n>meros de probabilidad originadas. D&6 Sistema de inFenta-i*s -na forma de determinar los niveles 2le reposicin 275 y las cantidades de reposicin 2?5 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/ 'l costo de tener el inventar"o 'l costo de colocar los pedidos para llenar el inventario 'l costo asociado, al no tener productos cuando la demanda e!cede al inventario disponible 2costo de escasez5.
45
'stos componentes de costo usualmente se suman $untos para proporcionar un costo variable total para un per"odo, una semana un mes, un a)o. 'l ob$etivo del administrador es determinar una pol"tica que minimice el valor promedio del costo total. #unque estos modelos son relativamente fciles de desarrollar$ a menudo son muy dif"ciles 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 yHo consideraciones de tiempo en que llegan los art"culos despus de haber hecho el pedido. Como un resultado, el anlisis matemtico requerido para calcular una pol"tica ptima a menudo es e!tremadamente dif"cil, para muchos sistemas el anlisis matemtico es imposible. La simulacin sin embargo, trata fcilmente con las comple$idades de los sistemas de inventario. e puede simular el comportamiento para una variedad de pol"ticas, entonces la administracin puede elegir la pol"tica que proporciona el comportamiento del sistema ms deseable en promedio. Las matemticas comple$as no son necesarias. E$emplo: e presenta un sistema de inventario, en el que la demanda diaria es incierta, pero que puede representarse probabil"sticamente en la distribucin siguiente/ #signacin del <>mero E 1,+,, @,A,B,C,F M
&emanda #leatorio E 1 + ,
%robabilidad E.1 E., E.A E.1 1.E
#dems se conoce que/ a.9 Cuando la demanda e!cede el inventario, se permite tener pedidos pendientes pero se carga el costo S1.EE por unidad, por no haber tenido el art"culo en almacn 2costo de escasez5. b.9 'l tiempo que transcurre desde que se hace el pedido hasta que se reciben las cantidades es constante e igual a dos d"as. c.9 'l costo de colocar un pedido para volver a tener art"culos en inventario es de S 1E.EE 2independientemente de la cantidad ordenada5. d.9 'l costo de tener el inventario es de AE centavos por d"a por cada unidad en almacn al inicio del d"a. e necesita instalar una pol"tica de reposicin, para lo cual se requiere establecer los valores de los niveles de reposicin 275 y cantidad de reposicin 2?5 que definen esta pol"tica.
46
'l problema se resuelve simulando el comportamiento del costo del sistema para una variedad de pol"ticas posibles y eligiendo aquellas pol"ticas que proporcionen un costo m"nimo. %or e$emplo, se podr"a probar la pol"tica ^ Doda vez que el inventario que se tiene al inicio de un d"a sea menor o igual a 70+, colocar un pedido para ?0B unidades. -tilizando el enfoque de .ontecarlo, se pueden generar demandas diarias, calcular los niveles de inventarios y de pedidos pendientes y calcular los costos diarios y correspondientes. 'stos costos diarios se acumulan 4 promedian para estimar el comportamiento en costo del sistema para la pol"tica 7 0 +, ? 0 B. La tabla siguiente presenta la simulacin para , semanas &"a Onven9 tario inicial -nida9 des pedi9 das E E E B E E B E E B E E B E E E E B E E B -nidade s recibida s E E E E E B E E B E E B E E B E E E E B E <>mero s aleatorio s A E M 1 M F C A 1 F B M E , F 1 M C 1 , @ -nidade s deman9 dadas + E , 1 , + + + 1 + + , E 1 + 1 , + 1 1 + -nidades pedidas que estn en espera para entregarse E E E E , E 1 + E E + E E E E E E + 1 E E Costo por mantener la unidad almacenad a S,.EE + + E.A E E E.A E E 1 E E E.A E.A E + 1.A E E E 1 Costo por Costo no tener la del unidad en pedido almacn E E E E , E 1 + E E + E E E E E E + 1 E E E E E 1E E E 1E E E 1E E E 1E E E E E 1E E E 1E Costo total
1 + , @ A B C F M 1E 11 1+ 1, 1@ 1A 1B 1C 1F 1M +E +1
BQ @ @ 1 E E 1 E E + E E 1 1 E @ , E E E +
S,.EE + + 1E.A , E 11.A + E 11 + E 1E.A E.A E + 1.A 1+ 1 E 11
QOnventario inicial asignado arbitrariamente La tabla anterior es un registro utilizado para llevar la simulacin durante , semanas. Los n>meros aleatorios utilizados en la simulacin fueron tomados arbitrariamente de una tabla de n>meros aleatorios. 'l primer d"a del per"odo de simulacin comienza con un nivel de inventario de B unidades. e pide cero unidades puesto que el inventario actual es mayor que 7 y se reciben cero unidades puesto que no hay ning>n pedido pendiente de recibir. <inguna unidad se necesita pedir, y el d"a dos se inicia con cuatro unidades. 'l costo asociado en el d"a 1 es simplemente S,.EE ya que no se tuvo escasez en el stocZ ni se curs ning>n pedido. umando los resultados de costo en la ho$a de traba$o y promediando sobre las tres semanas, se obtiene un costo promedio de S +F.A por semana para la pol"tica 7 0 +, ? 0 B.
47
La estimacin de costo para otras posibilidades se obtienen en forma similar y se utilizan para comparar pol"ticas 2para me$orar la confiabilidad de las comparaciones, se deber"a e!aminar el sistema para ms de , semanas5 seg>n costos.
48
CASO ESTUDIO NRO G#

E'ALUACIN DE "ROYECTOS DE IN'ERSIN
ACERCA DEL IN'ERSIONISTA# Osmael siempre fue un hombre de ideas claras y ob$etivas bien definidas. Dan luego se formo en una de las me$ores escuelas de administracin, el demostr gran esp"ritu emprendedor y energ"a. #hora, a los @+ a)os de edad, el viene invirtiendo su patrimonio de S @ EEE EEE de modo muy cauteloso y obteniendo 1AR al a)o. #ctualmente, el se enfrenta con una inflacin adicional creciente y se esta preocupando con su efecto corrosivo sobre su patrimonio. &e hecho Osmael esta pensando en alterar su comportamiento, procurando alternativas con mayores riesgos y esperando rendimientos ms atrayentes. LA DECISION Osmael pretende colocar S 1 EEE EEE de su inversin seguro y cauteloso en una de las dos alternativas 3 o 4, siempre que el rendimiento sea mayor que los actuales 1AR y los riesgos sean compatibles. -n modelo de simulacin seria el anlisis apropiado para tratar los valores aleatorios del proyecto 3, en cuanto a las incertezas del proyecto 4 podr"an ser mas bien visualizadas en un dise)o de rbol de decisiones. 'l problema de la 8preferencia en el tiempo: puede ser tratado utilizando los clculos del Ialor %resente <eto 2I#<5, como recomiendan la mayor"a de los autores. La tasa de descuento es de 1AR. &e cualquier modo, dada la incerteza en relacin al tiempo de duracin del proyecto, otros anlisis no se $ustifican. EL "ROYECTO $& 'l proyecto 3 consiste en el lanzamiento de un nuevo producto. La inversin inicial total es de S 1 EEE EEE y el retorno depende de factores inciertos y valores aleatorios. i5 Oncerteza en relacin al costo variable unitario de produccin. 'ste costo depende de procesos mal controlados y de insumos con pocos proveedores, osea, factores inciertos. 'n tanto, un panel de especialistas atribuyo estimativos sub$etivos 2probabilidades como medida de incerteza5 que resultaron para el primer a)o de produccin, en/ %robabilidad 2R5 @E ,E ,E Costo -nitario 2S5 ,.EE ,.AE @.EE
<o hay costos fi$os importantes adems de la inversin inicial. ii5 #leatoriedad en el total de las ventas anuales. '!isten muchos datos estad"sticos de comportamiento del mercado para productos seme$antes, en el pasado. La aleatoriedad de los valores para las ventas anuales 2durante el ciclo de vida del producto5 puede ser modelada por una distribucin que, por >nica vez, ser apro!imada por tramos lineales. Las distribuciones son diferentes para cada uno de los @ a)os 2de modo que refle$e un ciclo de vida5, en cada una de estas distribuciones, es apro!imada por A rangos lineales. Cada rango lineal corresponde a una distribucin uniforme. Las distribuciones lineales utilizadas en el proceso de apro!imacin son/
&istribuciones de las A &istribuciones -niformes &istribucin L"mites -niforme 21EEE unidades vendidas5 1 CE a ,BE + ,BE a @1E , @1E a @ME @ @ME a B,E A B,E a MEE
49
%ara cada a)o, el comportamiento del mercado 2tama)o9participacin5 ser tal que caiga en una de las distribuciones lineales arriba, con las siguientes probabilidades/ .odelando las ventas anuales &istribucin uniforme 1 + , @ A %robabilidad de ocurrencia 2R5 a)o 1 a)o + a)o , a)o @ +A 1E A ,E ,E +E +A +A ,E +A +A +E 1E +A +A +E A +E +E A
%or este proceso, se genera un valor de venta seg>n la siguiente secuencia/ eleccione un a)o para el cual se desea generar un valor de ventas. eleccione la distribucin uniforme siguiendo las probabilidades correspondientes a aquel a)o.
e recomienda el proceso acumulativo( por e$emplo, para el a)o 1/ genere un n>mero aleatorio con distribucin uniforme E a 1 y si resulta entre E y E.+A use la distribucin 1, hasta E.AA use la +, hasta E.FA use la ,, hasta E.MA use la @ y encima de E.MA, use la A. ;bserve cmo para los a)os 1 y @, inicio y fin del ciclo de vida del producto, la probabilidad de seleccionar distribuciones 21 y +5 con ba$as ventas es mayor. &espus de seleccionar la distribucin seg>n el procedimiento anterior, genere el valor de las ventas dentro de la distribucin seleccionada.
iii5 'l tiempo de vida 2ciclo del producto5 depende del desempe)o de las ventas/ i Ientas 2a)o 15 G Ientas 2a)o +5 K BEE EEE, entonces + a)os. i Ientas 2a)o 15 G Ientas 2a)o +5 G Ientas 2a)o ,5 K 1 EEE EEE, entonces , a)os. 'l m!imo es de @ a)os, despus de los cuales ser desactivado.
iv5 'l precio unitario de venta ya fue fi$ado en S A.EE . 'l producto tendr disponibilidad inmediata despus de la inversin inicial 2esta es una simplificacin5. La especificidad del producto es tal que despus de su tiempo de vida, no hay valor residual sobre la inversin inicial. v5 %ara efectuar los anlisis, Osmael pretende construir un modelo de simulacin con 1EE casos y efectuar 1E simulaciones con el modelo de modo a obtener medias globales. %ara los clculos financieros, despus de la inversin inicial, los otros valores sern todos concentrados al final de cada a)o.
"ROYECTO Y
50
'l proyecto 4 es mucho mas conservador. e trata de una inversin inmobiliaria de 1 milln de dlares en edificaciones comerciales. 'l beneficio a ser recibido anualmente es bastante bueno y fue estimado en ,AR de la inversin inicial. _ay incertezas en relacin al tiempo de reventa y al valor de reventa. i5 Diempo de reventa/ &espus de tres a)os, con probabilidad de BER. &espus de cuatro a)os, con probabilidad de @ER. ii5 Ialor de reventa 2depende de las evoluciones del mercado inmobiliario y de la regin en particular5/ 1actor de multiplicacin 'n relacin a la Onversin inicial %robabilidad 2R5 E,ME 1E 1,EE +E 1,1E AE 1,1A +E T'n qu proyecto deber invertir su dinero OsmaelU
51
A"LICACIONES "RO"UESTAS
A"LICACIN %&6
Los buques tanque llegan a un puerto petrolero con la distribucin de tiempos entre llegadas que se ve en la tabla siguiente/ Diempo entre llegadas 2d"as5 1 + , @ A %robabilidad .+E .+A .,A .1A .EA 'l puerto tiene dos terminales, # y N. La terminal N es ms moderna y, por lo tanto, ms eficaz que la terminal #. 'l tiempo para descargar un buque tanque depende de la capacidad de ste. -n superbuque tanque necesita @ d"as para descargar en la terminal # y , en la terminal N. -n buque tanque de tama)o mediano necesita , d"as en la terminal # y + d"as en la terminal N. Los buques tanque peque)os se descargan en + d"as en la terminal # y en 1 en la terminal N. Los buques tanques que llegan se forman en una sola cola en el puerto hasta que se desocupa una terminal para descarga. 'l servicio se da sobre la base primero que llega primero en ser atendido. 'l tipo de buque tanque y la frecuencia con la que llegan a este puerto se presenta en la siguiente tabla/ TI"O DE BU!UE TAN!UE uperbuque tanque uperbuque tanque mediano uperbuque tanque peque)o "ROBABILIDAD E.@E E.,A E.+A
uponiendo que si los dos terminales estn desocupados, los buques eligen el Derminal # para ser atendido, utilice la simulacin de .ontecarlo para la llegada de 1A buques y determine el n>mero promedio de d"as que pasa un tanque en el puerto y el tiempo ocioso de cada una de las terminales. -tilice los n>meros aleatorios de las celdas ' C y C A para generar los tiempos entre llegadas y el tipo de buque tanque que llega respectivamente.
A"LICACIN 4&6 'l gerente de una peque)a oficina de correos teme que el crecimiento de la
localidad sature el servicio que se ofrece con una sola ventanilla. &ecide obtener datos de muestra con respecto a 1EE individuos que solicitan servicio. # continuacin se presenta un resumen de los datos/ Diempo entre Diempo de llegadas servicio 2minutos5 1recuencia 2minutos5 1 F 1.E + ,A 1.A , ,@ +.E @ 1C +.A A B ,.E ,.A 1EE
1recuencia 1+ +1 ,B 1M C A 1EE
'mplee la simulacin de .ontecarlo para estimar el tiempo promedio de espera y el promedio de inactividad de los empleados durante la llegada de 1A clientes. 9 -tilice la secuencia de n>meros aleatorios de las celdas N1 y ', para generar los intervalos entre llegadas de los clientes y los tiempos de servicio respectivamente.
A"LICACIN +&6
La biblioteca de la universidad tiene una copiadora para uso de los estudiantes. 'stos llegan a la mquina con una distribucin de tiempos entre llegadas mostradas en la siguiente tabla/ Diempo entre llegadas 2minutos5 1 + , @ A
%robabilidad .+E .+A .@E .1E .EA
52
'l tiempo promedio que se tarda en hacer una copia es 1A segundos. -n anlisis de los datos acumulados muestra que el n>mero de copias que hace un estudiante al pasar a la mquina tiene la distribucin siguiente/ <>mero de copias %robabilidad B C F M 1E .+E .+A .,A .1A .EA
'l 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 2tiempo de espera G tiempo de servicio5 es demasiado. 'fect>e una simulacin de .ontecarlo para la llegada de 1E clientes y determine el tiempo promedio de espera y el tiempo ocioso de la mquina copiadora. -tilice los n>meros aleatorios de las celdas #C y NM 2tabla de n>meros aleatorios5 para generar los valores de los tiempos entre llegadas de los estudiantes y el n>mero de copias solicitadas respectivamente.
A"LICACIN ,&6 La demanda diaria de pollos en un minimarZet es una variable aleatoria con
distribucin e!ponencial con una media de A unidades diarias. 'l administrador comienza el d"a con 1A pollos. Cada pollo tiene un costo de 1, soles y se vende a +E soles. e reduce el inventario diariamente. i al final de un d"a en particular el due)o tiene menos de F pollos en stocZ, ordena un pedido suficiente para tener 1A pollos al inicio del siguiente d"a. #dems se conoce que/ Cuando la demanda e!cede el inventario, no se permite tener pedidos pendientes pero se carga el costo de , soles por unidad, por no haber tenido el art"culo en almacn 2costo de escasez5. 'l costo de colocar un pedido para volver a tener art"culos en inventario es de 1E soles 2independiente de la cantidad ordenada5. 'l costo de mantener inventario de un d"a para otro es de 1.A soles.
#sumiendo que el costo de adquisicin e inventario de los 1A pollos con los que empieza el negocio fueron absorbidos en la gestin anterior, determine -d. utilizando la tcnica de la simulacin de .ontecarlo/ a5 La utilidad total para un periodo de 1A d"as. b5 'l n>mero de pollos que sobran al final del >ltimo d"a. %ara generar la demanda diaria utilice los n>meros aleatorios de la celda 'F 2tabla de n>meros aleatorios5.
53
A"LICACIN 0&6 -n lote de estacionamiento dispone de ,E espacios para el estacionamiento

de los veh"culos. 's abierto de F a.m. a @ p.m.. 'l intervalo entre la llegada de veh"culos al lote L tiene distribucin e!ponencial con un valor esperado de , minutos. La duracin de estad"a de un veh"culo es normalmente distribuida con un valor esperado de ME minutos y una varianza de ,E minutos. i al llegar un veh"culo no hay espacio libre, se ale$a.
e pide/ a5 Construya un modelo de simulacin 2diagrama de flu$o5 que simule el funcionamiento del Lote de estacionamiento y determine el n>mero de veh"culos que se ale$an durante un d"a de F horas 2@FE minutos5. b5 uponiendo que el lote de estacionamiento tenga solamente , espacios y tomando en cuenta los intervalos de llegada 2L5 y las duracin de las estad"as 2 5 generados, determinar el n>mero de veh"culos que se ale$an durante la llegada de 1E veh"culos. -tilice para generar L, los n>meros aleatorios de la celda C1 y para los de la celda 'F 2tabla de n>meros aleatorios5.
A"LICACIN 2&6
-n semforo en una interseccin vehicular tiene una fase verde que actualmente demora AE segundos y una fase ro$a de @E segundos. 'l intervalo entre las llegadas de los veh"culos a la interseccin 2en segundos5 es una variable aleatoria con distribucin emp"rica/ Ontervalos entre llegadas A B C F M probabilidad E.1 E., E.+ E., E.1 a5 Construya un modelo de simulacin 2diagrama de flu$o5 para este sistema que permita determinar la duracin de la fase verde, de tal manera que el tiempo promedio de espera de los veh"culos que llegan a dicha interseccin no sea mayor a ,E segundos. -tilice un tiempo de simulacin de A horas. b5 .ediante la simulacin de .ontecarlo determine la longitud promedio de veh"culos en cola para esta interseccin en un tiempo de simulacin equivalente a la llegada de 1A veh"culos. -tilice los n>meros de la celda NM 2tabla de n>meros aleatorios5 para generar los valores de la variable aleatoria.
A"LICACIN @&6
'n un proceso productivo las piezas una vez procesadas son inspeccionadas para determinar si son rechazadas, reprocesadas o aceptadas para su posterior venta. 'stad"sticamente el CER de las piezas son aceptadas, el 1ER son rechazadas y el +ER reprocesadas. -na pieza reprocesada puede volver nuevamente a ser reprocesada. -tilice la tcnica de simulacin de .ontecarlo para imitar el funcionamiento de este sistema durante la llegada de 1A piezas y responda las siguientes inquietudes/ a5 i el costo de proceso es de S1, por pieza y el de reproceso SC. TCul seria el costo de un item que termine en ventasU.
b5 'n un lote de AEEE piezas Tcuntas sern rechazadasU. <ota/ -tilice los n>meros aleatorios de la celda C+ 2tabla de n>meros aleatorios5 para generar valores para la variable aleatoria de si la pieza es aceptada, descartada o reprocesada.
54
A"LICACIN G&6
La vida de 1EE vlvulas electrnicas al vac"o, contenidas en una computadora digital, esta distribuida normalmente con un valor esperado igual a B meses y una desviacin estndar de + semanas. 'n el caso de que todas las vlvulas se reemplacen al mismo tiempo el costo de tal operacin ser al precio de S+.EE por cada vlvula. 'l costo de reemplazo de una vlvula que falle estando la computadora en servicio ser de SA.EE por unidad, mas el costo del tiempo en que la computadora queda fuera de servicio. 'n promedio, el costo que ocasiona una vlvula en tiempo de maquina fuera de servicio, se calcula como SAE.EE durante el d"a y S1EE.EE durante la noche. La probabilidad de falla durante el d"a es E.C y durante la noche de E.,. -tilice la tcnica de simulacin en computadora para comparar los costos de las siguientes pol"ticas de reemplazo/ a5 7eemplazar cada vlvula a medida que van fallando. b5 7eemplazar las 1EE vlvulas cada A meses, hacindolo con las vlvulas que fallan individualmente en el periodo interino. Construya un modelo de simulacin 2diagrama de flu$o5 para determinar una pol"tica ptima de reemplazo, en un tiempo de simulacin de 1EE meses.
A"LICACIN A&6 'n el puesto de gasolina 8'l campen:, ocurre lo siguiente/

a5 Los carros llegan al puesto a cada 1+ a 1B minutos con una media de 1@ minutos entre llegadas y distribucin uniforme. b5 \uan %rez atiende e!ponencialmente, llevando en promedio1A minutos para atender un carro 2@ minutos para llenar el tanque, , minutos para verificar el aceite y F minutos para contar el cambio5. e le sugiere las siguientes alternativas para me$orar el servicio/ a5 <o hacer nada y de$ar las cosas como estn. b5 ometer a \uan %rez a un programa de capacitacin, de modo que me$ore su aritmtica y de esta manera disminuir el tiempo de servicio de 1A a B minutos.
c5 Onstalar una segunda bomba y contratar a un operario para operarla. 'l $oven traba$a e!actamente del mismo modo que \uan %rez. d5 ugerir a \uan %rez que descanse y contrate al me$or estudiante del grupo escolar de la nocturna, el emplear"a A minutos para atender un carro.
<;D#/ ;bserve que este proceso no es de optimizacin, ya que no es posible definir una funcin ob$etivo a ser ma!imizada o minimizada. a5 .ediante la simulacin de .ontecarlo determine la me$or alternativa de optimizacin en funcin al tiempo promedio de espera en cola. -tilice el tiempo de simulacin equivalente a la llegada de 1A veh"culos al sistema. -tilice los siguientes n>meros aleatorios para generar los valores de las variables aleatorias/ 9 %ara la tasa de llegadas/ <>meros aleatorios de la celda CC 2tabla de n>meros aleatorios5.
55
9 %ara los tiempos de servicio/ <>meros aleatorios de la celda &@ 2tabla de n>meros aleatorios5.
A"LICACIN %M&6 -n vendedor compra peridicos al precio de AE cntimos de sol por cada
uno y los vende a 1 sol la unidad. #l final de cada d"a el agente de publicaciones le pagar 1A cntimos de sol por cada peridico que no haya vendido. La demanda diaria & de los peridicos tiene la siguiente distribucin de probabilidad 2distribucin emp"rica5/ & p2&5 a) CA E.EF FE E.EC FA E.E+ ME E.+E MA E.EM 1EE E.1M 1EA E.1+ 11E E.E, 11A E.1@ 1+E E.EB
uponiendo que el vendedor puede pedir cualquier cantidad de peridicos que se encuentre en el rango de valores de la demanda, construya un modelo de simulacin 2diagrama de flu$o5 para este sistema log"stico que permita determinar el nivel ptimo de aprovisionamiento 2n>mero de peridicos a pedir diariamente5, en un tiempo de simulacin de +EE d"as. .ediante la simulacin de .ontecarlo determine la utilidad total esperada para un nivel de aprovisionamiento de MA peridicos diarios en un tiempo de simulacin de +E d"as. -tilice los n>meros de la celda #A 2tabla de n>meros aleatorios5 para generar los valores de la variable aleatoria.
b)
A"LICACIN %%&6
uponga que estamos determinando el punto de reorden 7 de una pol"tica de inventarios 2?,75. Con esta pol"tica pedimos ? unidades cuando el nivel de inventario desminuye a 7 o menos. La distribucin de probabilidades de la demanda diaria se da en la siguiente tabla/ &'.#<&# &O#7O# 2unidades5 1+ 1, 1@ 1A 1B 1C DO'.%; &' '<D7'6# 2&"as5 1 + , @ %7;N#NOLO&#& .EA .1A .+A .,A .1A .EA
'l tiempo de entrega tambin es una variable aleatoria y tiene la siguiente distribucin/ %7;N#NOLO&#& .+E .,E .,A .1A
uponemos que la cantidad 8pedir hasta tener: permanece igual, en 1EE unidades. <uestro inters en este caso es determinar el valor del punto de reorden 7 que minimice el costo total de inventario. 'ste costo es la suma del costo esperado de almacenamiento, el costo esperado de pedido y el costo esperado de escasez. La escasez es acumulativa. 'sto es, un cliente espera hasta que se tiene el art"culo. 'l costo de inventario se estima en E.+E dlares por unidad por d"a, y se carga a las unidades en inventario al final del d"a. La escasez cuesta 1 dlar por cada unidad que falte. 'l costo de pedido es 1A dlares por pedido. Los pedidos llegan al inicio del d"a. a5 uponiendo que el punto de reorden 7 puede oscilar entre E y AE unidades, construya un modelo de simulacin 2diagrama de flu$o5 para este sistema de inventario que permita determinar el valor de 7 que minimice el costo total de inventario, en un tiempo de simulacin de AEE d"as.
56
b5 .ediante la simulacin de .ontecarlo determine el costo total de inventario para un punto de reorden igual ,E unidades en un tiempo de simulacin de +E d"as. -tilice los siguientes n>meros aleatorios para generar los valores de las variables aleatorias/ 9 9 %ara la demanda/ <>meros aleatorios de la celda C1 2tabla de n>meros aleatorios5. %ara los tiempos de llegada de los pedidos/ <>meros aleatorios de la celda 'F 2tabla de n>meros aleatorios5.
57
A1Lndice A
K-ea <a5* la cu-Fa n*-mal est/ndaT M&MM M&%M M&4M M&+M M&,M M&0M M&2M M&@M M&GM M&AM %&MM %&%M %&4M %&+M %&,M %&0M %&2M %&@M %&GM %&AM 4&MM 4&%M 4&4M 4&+M 4&,M 4&0M 4&2M 4&@M 4&GM 4&AM +&MM +&%M +&4M +&+M +&,M +&0M +&2M +&@M +&GM +&AM M&MM E.AEEEE E.A,MF, E.ACM+B E.B1CM1 E.BAA@+ E.BM1@B E.C+ACA E.CAFE@ E.CFF1@ E.F1AM@ E.F@1,@ E.FB@,, E.FF@M, E.ME,+E E.M1M+@ E.M,,1M E.M@A+E E.MAA@, E.MB@EC E.MC1+F E.MCC+A E.MF+1@ E.MFB1E E.MFM+F E.MM1FE E.MM,CM E.MMA,@ E.MMBA, E.MMC@@ E.MMF1, E.MMFBA E.MMME, E.MMM,1 E.MMMA+ E.MMMBB E.MMMCC E.MMMF@ E.MMMFM E.MMMM, E.MMMMA M&M% E.AE,MM E.A@,FE E.AF,1C E.B+1C+ E.BAM1E E.BM@MC E.C+MEC E.CB11A E.CM1E, E.F1FAM E.F@,CA E.FBBAE E.FFBFB E.ME@ME E.M+EC, E.M,@@F E.M@B,E E.MAB,C E.MB@FA E.MC1M, E.MCCF@ E.MF+AC E.MFB@A E.MFMAB E.MM+E+ E.MM,MB E.MMA@C E.MMBB@ E.MMCA+ E.MMF1M E.MMFBM E.MMMEB E.MMM,@ E.MMMA, E.MMMBF E.MMMCF E.MMMFA E.MMMME E.MMMM, E.MMMMA M&M4 E.AECMF E.A@CCB E.AFCEB E.B+AA+ E.BB+CB E.BMF@C E.C,+,C E.CB@+@ E.CM,FM E.F+1+1 E.F@B1@ E.FBFB@ E.FFFCC E.MEBAF E.M+++E E.M,AC@ E.M@C,F E.MAC+F E.MBAB+ E.MC+AC E.MCF,1 E.MF,EE E.MFBCM E.MFMF, E.MM++@ E.MM@1, E.MMABE E.MMBC@ E.MMCBE E.MMF+A E.MMFC@ E.MMM1E E.MMM,B E.MMMAA E.MMMBM E.MMMCF E.MMMFA E.MMMME E.MMMM, E.MMMMB M&M+ E.A11MC E.AA1C+ E.AMEMA E.B+M,E E.BBB@E E.CE1M@ E.C,A,B E.CBC,E E.CMBC, E.F+,F1 E.F@F@M E.FCECB E.FFMBA E.MEF+@ E.M+,B@ E.M,BMM E.M@F@A E.MAF1F E.MBB,F E.MC,+E E.MCFF+ E.MF,1@ E.MFC1, E.MME1E E.MM+@A E.MM@,E E.MMAC, E.MMBF, E.MMCBC E.MMF,1 E.MMFCF E.MMM1, E.MMM,F E.MMMAC E.MMMCE E.MMMCM E.MMMFB E.MMMME E.MMMM@ E.MMMMB M&M, E.A1AMA E.AAABC E.AM@F, E.B,,EC E.BCEE, E.CEA@E E.C,FM1 E.CCE,A E.CMMAA E.F+B,M E.FAEF, E.FC+FB E.FM+A1 E.MEMFF E.M+AEC E.M,F++ E.M@MAE E.MAMEC E.MBC1+ E.MC,F1 E.MCM,+ E.MF,F+ E.MFC@A E.MME,B E.MM+BB E.MM@@B E.MMAFA E.MMBM, E.MMCC@ E.MMF,B E.MMFF+ E.MMM1B E.MMM@E E.MMMAF E.MMMC1 E.MMMFE E.MMMFB E.MMMM1 E.MMMM@ E.MMMMB M&M0 E.A1MM@ E.AAMB+ E.AMFC1 E.B,BF, E.BC,B@ E.CEFF@ E.C@+1A E.CC,CC E.FE+,@ E.F+FM@ E.FA,1@ E.FC@M, E.FM@,A E.M11@M E.M+B@C E.M,M@, E.MAEA, E.MAMM@ E.MBCF@ E.MC@@1 E.MCMF+ E.MF@++ E.MFCCF E.MMEB1 E.MM+FB E.MM@B1 E.MMAMF E.MMCE+ E.MMCF1 E.MMF@1 E.MMFFB E.MMM1F E.MMM@+ E.MMMBE E.MMMC+ E.MMMF1 E.MMMFC E.MMMM1 E.MMMM@ E.MMMMB M&M2 E.A+,M+ E.AB,AB E.BE+AC E.B@EAF E.BCC+@ E.C1++B E.C@A,C E.CCB,C E.FEA11 E.F,1@C E.FAA@, E.FCBMF E.FMB1C E.M1,EM E.M+CFA E.M@EB+ E.MA1A@ E.MBEFE E.MBFAB E.MCAEE E.MFE,E E.MF@B1 E.MFFEM E.MMEFB E.MM,1E E.MM@CC E.MMBEM E.MMC11 E.MMCFF E.MMF@B E.MMFMM E.MMM+1 E.MMM@@ E.MMMB1 E.MMMC, E.MMMF1 E.MMMFC E.MMMM+ E.MMMM@ E.MMMMB M&M@ E.A+CME E.ABC@M E.BE+@C E.B@@,1 E.BFEF+ E.C1ABB E.C@FAC E.CCM,A E.FECFA E.F,,MF E.FACBM E.FCMEE E.FMCMB E.M1@BB E.M+M++ E.M@1CM E.MA+A@ E.MB1B@ E.MBM+B E.MCAAF E.MFECC E.MFAEE E.MFF@E E.MM111 E.MM,+@ E.MM@M+ E.MMB+1 E.MMC+E E.MMCMA E.MMFA1 E.MMFM, E.MMM+@ E.MMM@B E.MMMB+ E.MMMC@ E.MMMF+ E.MMMFF E.MMMM+ E.MMMMA E.MMMMB M&MG E.A,1FF E.AC1@+ E.B1E+B E.B@FE, E.BF@,M E.C1ME@ E.CA1CA E.CF+,E E.F1EAC E.F,B@B E.FAMM, E.FF1EE E.FMMC, E.M1B+1 E.M,EAB E.M@+MA E.MA,A+ E.MB+@B E.MBMMA E.MCB1A E.MF1+@ E.MFA,C E.MFFCE E.MM1,@ E.MM,@, E.MMAEB E.MMB,+ E.MMC+F E.MMFE1 E.MMFAB E.MMFMB E.MMM+B E.MMM@F E.MMMB@ E.MMMCA E.MMMF, E.MMMFF E.MMMM+ E.MMMMA E.MMMMC M&MA E.A,AFB E.ACA,A E.B1@EM E.BA1C, E.BFCM, E.C++@E E.CA@ME E.CFA+A E.F1,+C E.F,FM1 E.FB+1@ E.FF+MF E.ME1@C E.M1CC@ E.M,1FM E.M@@EF E.MA@@M E.MB,+C E.MCEB+ E.MCBCE E.MF1BM E.MFAC@ E.MFFMM E.MM1AF E.MM,B1 E.MMA+E E.MMB@, E.MMC,B E.MMFEC E.MMFB1 E.MMMEE E.MMM+M E.MMMAE E.MMMBA E.MMMCB E.MMMF, E.MMMFM E.MMMM+ E.MMMMA E.MMMMC
1 1uente/ 7ichard O. Levin and Charles #. JirZpatricZ, 'uantitive (pproac)es to *anagement
2<e] 4orZ/ .c6ra]9_ill, 1MCF5, p. AFF.
58
A1Lndice B# Ta<la de N;me-*s Aleat*-i*s

A 1AF1M++,MB EM+F1EAAF+ @11+ECCAAB C@AC@CC@BF EEMMA+EFAF C+@A1C@F@E BC@M@+E,F+ AAE,1B1E11 C1B@+,FM,@ ,AM,MBMA+A @1M+EA@@BB MBMC@+B11C +EECMAEACM @AF@CBFCAF ,F@E1@AFBC E1ME@A,@@+ BCBBAA@,,F B,1A11B+F@ ,MEFCC1M,F AACEE+@AFB +MMMMMC1FA CFB@,CAM1+ CEBA@M+E+C EBA@BF,+@B CF,EAAAEAF CB+BMF@,BM @CFAE@F@A, @B+CCM1E@F M,CB@CEBM, 1++CMM1BB1 AAF+EMAAFM @MAM,MCBMF 1F+@CCM,AF CE@1EM++MA ,AAA1E@+F1 MC1CAMAA,@ AAC1AB@1+, @BC@+B+FM+ F@B1++FC1A 1F,FA,FBCF 1F,@1F+,EA 1FF@++CC,+ BCM1FAC,@1 ,EECM+MM@B BEFA@@EB+@ CEEAEA1EAB MF@B@1,@@B EB+A@ACCE, A@ACAM,M++ @ECB@FBBA, B +EBFACCMF@ C+MAEFFACM ,@@EBC+@FB A@,AF1ECFF ,EMEMEFFC+ ++CABMFB@A @F,+B,EE,+ C@1,BFBAMM CBBB1+C+AM E+C+CAMCBM ECEEE1@B+M B@FFFFFAAE MAB@+BF@@F +,FM+CFB1E M1+EF,1F,E @FEEEFFEF@ AAFA+BA1@A M1C+F+@1CM @E,AAA@,+@ M,+@C,+AMB E1,AMBFM,F F,F,+,+CBF B,@M1E@+,, @CBA1E@FCC A+AA1@C1F+ @C+A,CE,ME ,B@B1+1CA1 ACBAAAF1EC E@@1BEFM,@ CM,BCMCEA@ AA,ACMF+CM 1EABMF1@AE 1,,,CAE@BF AC+B+FMC1B EME,EMM1B, 1B,@1EC+M, C,@@B1,@@C +FEM@ABCB@ EC@BMFEFM+ ,E@MEBFMBC B+E,@CBFM, +M+,C+CAE1 BBMB+@,,FB @E,1AB+C@M +FCAAABM,F ,@MB,,+EC1 F,EBB@BBM+ @++M1B@BM@ MCA1@FMAC@ FMAEF+BA+F C F+B+1,EFM+ MAFB111BA+ 1FF+@1+MB, MBCEFA+M1, +E,MAM,1F1 F@1BA@M,@F ABCEMF@MAM 11MFCACBMA A+B,EMCC1+ E,FAMMF1,B A1BM@,MBAM @E,1BA+A+B ,@AC@1BMFF ,FAM@,1CF1 C++FABCBA+ 11BAB+FAAM AEFMEA++E@ AA@@F1@,,M EF@E1+B+MM 11FBAB,,MC CBCFM,11M@ 1FM+FACECE ,,F+ABMBB+ F1@M++@1BF ,A1M+FCCFB MB@1M1B+FM F@,BECCCBF FCB+AM+E@, FC@M@C+C+, MA+CA@+CM1 @CB@@,MFAA F@1BBEBCEB M@,@EC@+1+ ,@+EF@CFC1 BF+CF+@FMM FA+1EAC@C+ 11+M11C+@@ AFEBAA@AEM M+FA,EA+C@ BMAA1AC+BM AM,CFE+ECM FE@@,FM1,+ ++1MAMM1,C AACECAC+MC A@MBB+MCAE AEA@ECEFME EBB1BF@+A1 C,+1,B,C1A 1CMMMEB,FE @M,@AF+EE, D F,C@FABE@M CEAAAEFCBC EBF@E1+EEB 1+M1+BAC,E AMC,@CE@MA @BCB@B,1E1 A@,+11@B1E E@1@+M@@CE A1,,B@FMFE MMMMEFMMBB F@EFCEA1BM F1+,A@,+CB 1A,1E+CFFB ,B@,CBF@AB 1+BC1C,FF@ A@ECM+1+A@ MCFEB+,BM1 EE1BM@,BBB @M@+EAM+EF @@+A1@,1FM 1,A1E,1@E, +,+,BC,CA1 @ACM@+BM+B A@BFB,1BEM +@F1BCAB@M AE@MEF+FCE +M+FCM@MAB B1FABCEF,E ++E++C1ECF @C11FC11C, B+CM+@CB1F F+,@E1,+++ A+C,BM++,F 1F+E@F1+,@ B,F,FC+C,C 1@C1,EECA@ ,+E@@B1EM1 F++@MFEM@+ B,,1MFMB@B A@F+MB@,,E ,@@A+FE1MA @B11+E,EF1 ,1M,FF@+,B B+C,CFAE@B @F@1F1C,AB C,E,FBCMA, FFCA1+C+E1 CEA11+F+FA 1MFM1@1EB+ @EC11FCC@+ E @B,CABC@FF B@C+,F+M,@ EM,,1@CM1@ @FMEE,1,EA MCCB1,AAE1 +++M,BCMF, +MBBEMABFE E1@E1+1AMF @E11MBBMB, CA@@EABFA+ 1EC@,C,1,1 EM+CA,@A,C CE1BB,,C,M @1@1,1@A1F @E+EBA1BAC ,CBFM,+@CF +1MA@@FEMB ,F+FA,FCFB 1@CAB+,MMC ,+1BBA,+A1 BEE+AB1F@E ,1FFFF1C1F 1A1,EF+@AA B@C@,M,FMB FMECAMFBMC C@B,FEC+@@ MMABE@,A1B B,B,F@AM+E AFMCEE+BA, F,EEMCF1@F @@@BFMAEFF B@+BF1,@BM AME+1CCEBA E,1FF,1C+, AME1BF+B+B ,E@@1A1AAC 1BMM@E,@ME AC,FE,1F,, FCB@@BCBFB +1B1MF@ME@ ,BM@M1ABAF BEC+11+@@A F++@C+MC1F 1@AA,@MCE@ 1@@,1BC1@1 B+AA1F11ME B+A1A,,@A@ 11EF@BFEC+ AAMA,B@+@C 1@AB+ECB+M %
%M

Simulacion de Sistemas

Încărcat de

Informații document

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

Simulacion de Sistemas

Încărcat de

Drepturi de autor:

Formate disponibile

Simulacin de Sistemas

"RO"IEDADES DE LOS MODELOS

2& FUNCIONES DE OB3ETI'O#

FASES DEL "ROCESO DE SIMULACIN

E5em1l*&6 %ara aclarar el concepto de la simulacin e!aminamos el siguiente sistema.

f2!50.e.! es una caracter"stica de la operacin.

+& DIA7RAMA DE FLU3O EN SIMULACION

,& ESTUDIO DE LAS 'ARIABLES E$7ENAS Cas* %&

e observa que la grfica se apro!ima a una distribucin e!ponencial.

La distribucin de frecuencias es la siguiente/

La distribucin de frecuencias es la siguiente/

e observa que la grfica se apro!ima a una distribucin uniforme.

0& N8MEROS ALEATORIOS

2& 7ENERACIN DE 'ALORES DE 'ARIABLES ALEATORIAS

7ENERACIN DE 'ALORES DE 'ARIABLES ALEATORIAS CON

A Calcular la funcin acumulada y graficar

1B$iC E.1E E.+, E.+E E.,E E.1C

FB$iC E.1E E.,, E.A, E.F, 1.EE

7ENERACIN DE 'ALORES DE 'ARIABLES ALEATORIAS CON

1 Qln219E.,,+M50 9AQln2E.BBC150 9AQ29E.@E@F5 0 +.E+@ minutos 0.2

7ENERACIN DE 'ALORES DE 'ARIABLES ALEATORIAS CON

7ENERACIN DE 'ALORES DE 'ARIABLES ALEATORIAS CON

CASO ESTUDIO %# COSTO DE UN ITEM "ERFECTO

7' -.'< &' 7' -LD#&; /

'r ica del (osto de !n )tem per ecto

CASO ESTUDIO 4& MODELO DEL LOTE "TIMO DE "EDIDO

#iagrama de l!$o del modelo del Lote ptimo de pedido.

"-*)-ama en 'isual Basic

CASO ESTUDIO +& MODELO DEL "ARADERO DE AUTOBUSES

"-*)-ama en 'isual Basic *parte b.1)

"-*)-ama en 'isual Basic *parte b.+)

CASO ESTUDIO ,& MODELO DE IN'ENTARIO

C# ; ' D-&O; <ro A/

%or lo tanto la tasa de llegadas ser/

1 1 = = 0.2857 clientesHminuto 1C.1@ clientesHhora x 3.5

%or lo tanto la tasa de servicio ser/

1 1 = = 0.3922 clientesHminuto +,.A, clientesHhora y 2.55

'n consecuencia/ Yq2real5 =

15 = 0.75 minutosHcliente, donde Yq es el tiempo promedio de espera en cola. 20

Diempo ;cioso 2real5 0 +, minutos -tilizacin del telfono 2real5 =

51 = 0.689 2el sistema esta ocupado el BF.MR del tiempo de 74

UtiliJand* las 9-mulas de c*las# Yq 2terico5 =

0.2857 = = 6.84 minutosHcliente ( ) 0.3922(0.3922 0.2857)

-tilizacin del telfono 2terica5 =

dC An/lisis del COM"ORTAMIENTO DE LAS 'ARIABLES ALEATORIAS

y 0 tiempos de servicio tambin tiene distribucin '3%;<'<CO#L

ea ! el promedio de intervalos entre llegadas de los clientes al sistema 'ntonces

ea y el promedio de tiempos de servicio 2duracin de las llamadas5 'ntonces

%or lo tanto/ Yq 2simulado5 =

Diempo ;cioso 2simulado5 0 +, minutos -tilizacin del telfono 2simulado5 =

54 = 0.667 2el sistema esta ocupado el BB.CR del tiempo de operacin5 81

CASO ESTUDIO NRO 2# MODELO DEL TERMINAL "ES!UERO

CASO ESTUDIO NRO @#

a,b E,M 1E,1M +E,+M ,E,,M

%robabilidad E.1 E., E.A E.1 1.E

S,.EE + + 1E.A , E 11.A + E 11 + E 1E.A E.A E + 1.A 1+ 1 E 11

CASO ESTUDIO NRO G#

A"LICACIN 0&6 -n lote de estacionamiento dispone de ,E espacios para el estacionamiento

A"LICACIN A&6 'n el puesto de gasolina 8'l campen:, ocurre lo siguiente/

1 1uente/ 7ichard O. Levin and Charles #. JirZpatricZ, 'uantitive (pproac)es to *anagement

A1Lndice B# Ta<la de N;me-*s Aleat*-i*s

S-ar putea să vă placă și

"-)-ama en 'isual Basic parte b.1)

"-)-ama en 'isual Basic parte b.+)

A1Lndice B# Ta<la de N;me-s Aleat-i*s