Sunteți pe pagina 1din 8

Unidad 6

MODELACIN Y SIMULACIN DE OPERACIONES Y PROCESOS


SIMULACIN
Introduccin.La palabra simulacin es un trmino genrico que describe muy diferentes tipos de
actividades incluyendo: roles que se juegan en la vida social o en experimentos
sicolgicos, juegos de videos complejos, modelos a escala creados por ingenieros que
describen la conducta de puentes o aeropuertos, etc.
Para un computlogo, estadstico, cientfico o gerente, se refiere a la construccin de
un modelo abstracto que representa algn sistema de la vida real, con la subsiguiente
descripcin a travs del tiempo de los pertinentes al sistema como una serie de
ecuaciones y relaciones, generalmente a travs de un programa de computadora.
Definimos como simulacin de sistemas a la exploracin de mundos posibles y al
estudio del desarrollo en el tiempo de esos mundos.
Recordemos que:
Sistema: es una porcin del universo respecto de un observador o colaborador
definido (interior o exterior al mismo), compuesta por un conjunto de elementos y
relaciones entre los mismos.

Pero para estudiar realmente un sistema se debe poder experimentar con l y ocurre
que no se podr experimentar con el sistema real siempre que:
a) El sistema an no exista.
b) La experimentacin con el sistema sea muy cara.
c) La experimentacin con el sistema sea inapropiada (ej: planificacin de las
actuaciones ante catstrofes por parte de hospitales, policas y servicio de
ambulancias).
En algunos de estos casos es posible construir un prototipo y probarlo. Pero esto
puede ser muy costoso, o poco prctico y a veces imposible.
En consecuencia los estudios de los sistemas se realizan con un modelo de los
mismos.
Modelos: Un modelo es el cuerpo de informacin relativa a un sistema recabado con
el fin de estudiarlo, un modelo no es slo un sustituto del sistema, es tambin su
simplificacin.
Adems no existe un modelo nico de un sistema, ya que cada objeto de estudio
establecido determinar la naturaleza de la informacin a reunir.

Simulacin de sistemas
Simulacin de sistemas es equivalente a la exploracin de mundos posibles. Es una
tcnica identificada con la resolucin simultnea de todas las ecuaciones del modelo con

valores continuamente crecientes del tiempo, es decir la tcnica de resolver problemas


siguiendo los cambios en el tiempo de un modelo dinmico de un sistema.

Cmo se enmarca la simulacin en la Investigacin de Operaciones?


La simulacin se ha convertido en la rama experimental del rea.
Se debe destacar que a medida que aparecieron computadoras ms rpidas se
comenz a experimentar ms y ms en la utilizacin de modelos numricos y en la
simulacin hasta que en la actualidad esta tcnica se usa en reas tan diversas como:
- construccin de prototipos de automviles, aviones, armas de guerra
- medicina
- procesos de produccin
- modelos economtricos
- problemas logsticos.
Ventajas de la simulacin en computadoras:
1) Permite estudiar y experimentar en las complejas relaciones e interacciones
que existen y ocurren en el interior de un sistema real.
2) Permite experimentar sobre un sistema que puede no existir en la realidad (de
otra manera sera imposible) y en este caso asiste a la decisin de construirlo o
no.
3) Se ahorra mucho tiempo y dinero y se evitan riesgos.

4) Se logra independencia de la duracin real del evento. Por ejemplo se puede


simular procesos muy largos como muy cortos:
- Estudiar el crecimiento de una cierta planta mediante simulacin en
poco tiempo, lo que en la realidad puede llevar ms de 400 aos.
- Estudiar las reacciones nucleares que son eventos que ocurren en
millonsimas de segundo.
5) Se puede estudiar cmo reacciona el sistema al introducir variantes, sin correr
riesgos (estudio de sensibilidad).
6) Se puede aplicar para verificar soluciones analticas (Montecarlo). Ofrece
mayor facilidad para estudiar sistemas dinmicos y no determinsticos
Etapas en el proceso de Simulacin de Sistemas
La simulacin se puede aplicar a una infinidad de tipos de sistemas lo que produce
una amplia variedad en la forma en que se desarrolla su aplicacin. A pesar de esta
variedad se pueden identificar determinados pasos bsicos en un proceso de (estudio de
la ) simulacin, en los que reconocemos los pasos de una metodologa cientfica.
Estas etapas, que se enumeran a continuacin, no son totalmente secuenciales dado
que muchas veces se debe reiterar y volver atrs, realizando nuevamente etapas
anteriores.
1) FORMULACIN DEL PROBLEMA
2) PLAN DE ESTUDIO
3) FORMULACIN DEL MODELO MATEMTICO
4) CONSTRUCCIN DEL PROGRAMA EN COMPUTADORA PARA EL MODELO

5) VALIDACIN DEL MODELO


6) DISEO DE EXPERIMENTOS
7) EJECUCIN DE LAS CORRIDAS DE SIMULACIN Y ANLISIS DE RESULTADOS

Clasificacin de tipos de simulacin


La simulacin se puede clasificar en tres tipos:
1. Simulacin Continua. Modela sistemas continuos, donde el inters
primordial son los cambios suaves.
2. Simulacin a eventos discretos. Se aplica en sistemas discretos, donde el
inters primario est en los eventos, siendo las ecuaciones que los describen
ecuaciones lgicas que expresan las condiciones para que ocurra un evento.
3. Simulacin estadstica o Mtodo Monte Carlo. Es el muestreo de los
mundos posibles de nuestro sistema

MTODO MONTECARLO
Los primeros experimentos de simulacin se realizaron en el ao 1940 en EEUU bajo el
nombre de anlisis MonteCarlo. Los pioneros fueron Von Neumann y Ulam que publicaron
un artculo intitulado "The MonteCarlo method" en 1949.
Las primeras aplicaciones realizadas fueron en el campo blico (2da guerra mundial)
para el estudio de la bomba atmica y las armas nucleares, estudiando el comportamiento
aleatorio de los neutrones y su difusin.
El mtodo en si ya era conocido en estadstica, disciplina donde muchos problemas se
resuelven utilizando muestras aleatorias (de hecho, aplicando este mtodo).
Entonces podemos definir el mtodo MonteCarlo como el mtodo numrico de
simulacin que permite resolver problemas matemticos mediante la simulacin de
variables aleatorias.
Propiedades y caractersticas importantes del M.M.C.
Es un algoritmo de estructura muy sencilla.
Como regla se elabora primero un programa para la realizacin de una prueba
aleatoria (una muestra, por ejemplo: escoger un punto aleatorio en una superficie, y
comprobar si ese punto pertenece o no a una figura de la superficie). Esta prueba se repite
N veces de modo que cada experimento sea independiente de los restantes, y se toma la
media de todos los resultados de los experimentos.
Un mismo problema puede ser resuelto utilizando distintas variantes del mtodo, es
decir mediante la simulacin de distintas variables aleatorias.

Es de notar que es imposible alcanzar una elevada exactitud en los mtodos de


simulacin, por eso el Mtodo Monte Carlo resulta especialmente eficaz en la solucin de
problemas en los que se necesita conocer los resultados con una exactitud del 5 al 10%
(intervalo de confianza 95%, 97,5%).
El mtodo es aplicable en situaciones de diversa ndole:
a) Problemas aleatorios diversos, orientados a eventos o no. Se resuelven creando un
modelo probabilstico artificial, que cumpla con las leyes de probabilidad que se dan en el
sistema real.
Ejemplos:
- juegos de azar
- estudio de la cantidad de barcos llegados a un puerto por da
b) Problemas matemticos determinsticos. Cuando los problemas determinsticos son
imposibles de resolver analticamente o muy complicados.
Ejemplos:
- clculo de integrales mltiples
- ecuaciones diferenciales de orden mayor que dos.
Por ello se puede hablar del MMC como un mtodo universal de resolucin de
problemas matemticos.