Documente Academic
Documente Profesional
Documente Cultură
1.1 INTRODUCCION
Modelos icnicos:
Modelos anlogos:
Son los modelos en los que una Propiedad del sistema real se puede
sustituir por una propiedad que se comporte de manera similar.
Modelos simblicos:
- Modelos determinsticos
En estos modelos los valores de las variables no se afectados por
variaciones aleatorias y se conocen en exactitud. Un ejemplo es
modelo de inventarios conocido como lote econmico
- Modelos estocsticos o probabilsticos
Los valores de las variables dentro de un modelo estocstico sufren
modificaciones aleatorias con respecto a un valor promedio: dichas
variaciones puedes ser manejadas mediante distribucin de
probabilidad. Un buen nmero de estos modelos se pueden encontrar
en la teora de lunes de espera
- Modelos dinmicos
Las caractersticas de estos modelos es el cambio que presentan las
variables en funcin del tiempo: son ejemplo de estos modelos de
series de tiempo, pronsticos y programacin dinmica
- Modelos estticos
En este tipo de modelos no se maneja la variable tiempo, esto es,
representan a un sistema en un punto particular del tiempo: son
ejemplo los modelos de programacin lineal.
- Modelos continuos
Son modelos en los que las variables puedes tomar valores reales y
manejarse mediante las tcnicas de optimizacin clsica. Son
ejemplos los modelos para el estudio de fluidos, intercambio de
temperatura, etctera.
- Modelos discretos
Las variables del sistema tomas valores solo en rangos de nmeros
enteros. Poe ejemplo los modelos que presenten la produccin de
piezas en una empresa metal mecnica
Confiabilidad
Sencillez
Bajos costo de desarrollo y operacin
Manejabilidad
De fcil entendimiento, tanto el modelo como los resultados
La relacin costo-beneficio deber ser positiva
1.2 DISTRIBUCION DE PROBABILIDAD
Uniforme
Exponencial Norma
Weibull Log normal
Triangular
Bernoulli
Discreta
Binomial
Poisson
Geomtrica
1.3 DETERMINACION DEL TIPO DE DISTRIBUCION
3. SIMULACION
3.1 INTRODUCCION
Ventajas
Desventajas
1. Los modelos de simulacin en una computadora son costosos y
requieren mucho tiempo para desarrollarse y validarse.
2. Se requiere gran cantidad de corridas computacionales para
encontrar soluciones ptimas, lo cual repercute en altos costos.
3. Es difcil aceptar los modelos de simulacin.
4. Los modelos de simulacin no dan soluciones ptimas.
5. La solucin de un modelo de simulacin puede dar al analista un
falso sentido de seguridad.