TEORIA RESUMEN SIMULACION

1.1 INTRODUCCION

Un modelado es una representacin de la realidad desarrollado con el

propsito de estudiarla. En la mayora de los anlisis no es necesario
considerar todos los detalles de la realidad, entonces, el modelo no solo es
un sustituto de la realidad sino tambin una simplificacin de ella. Tomando
en cuenta las herramientas que se utiliza, una clasificacin de los modelos
dara como resultado:

Modelos icnicos:

Son los modelos fsicos que se asemejan al sistema real, generalmente

manejados en otra escala.

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:

Son aquellos en los que se utiliza un conjunto de smbolos en lugar de una

entidad fsica para representar la realidad.

Los modelos simblicos, dentro de los cuales se encuentran los modelos de

simulacin, se clasifican a su vez en:

- 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

Independiente de las clasificacin de un modelo, existe un tendencia a

seleccionarlos dependiendo de ciertas caractersticas, las cuales hacen ms
deseables algunos modelos sobre otros. La siguiente lista muestra las
caractersticas principales que debe tener todo modelo:

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

Al modelar un sistema, se debe diferenciar entre dos tipos de datos:

PARAMETROS = permanecen sin cambiar a travs del tiempo

VARIABLES = presenta cambias a travs del tiempo

Por ejemplo, el modelado de un sistema mediante es til cuando la

informacin del sistema tiene carcter dinmico y probabilstico, debido
principalmente a que la interaccin de esa informacin es, por lo general,
difcil de analizar.

La variabilidad que representa el segundo tipo de datos debe

modelarse de acuerdo con ciertas ecuaciones matemticas que sean
capaces de reproducirla: en la mayora de los casos dicha variabilidad puede
clasificarse dentro de alguna distribucin de probabilidad. As pues, uno de
los pasos ms importantes de todo el proceso de modelado estocstico es la
bsqueda de informacin y su anlisis estadstico posterior basado
principalmente en la clasificacin de cada serie de datos dentro de alguna
distribucin de probabilidad. Algunas de las distribuciones ms comunes se
analizan a continuacin.

1.2.1 DISTRIBUCIONES CONTINUAS

Este tipo de distribuciones se utilizan para moldear la aleatoriedad en

aquellas actividades o eventos en los cuales los valores de las variables
pueden estar dentro de un rango de valores reales. Las funciones ms
utilizadas son:

Uniforme

Exponencial Norma
Weibull Log normal
Triangular


1.2.2 DISTRIBUCIONES DISCRETAS

Este tipo de distribuciones sirven para moldear la aleatoriedad de una

variable que solo puede tomar valores enteros. Las siguientes
distribuciones son algunas de las ms utilizadas

Bernoulli
Discreta
Binomial
Poisson
Geomtrica
1.3 DETERMINACION DEL TIPO DE DISTRIBUCION

En la mayor parte de los sistemas, al analizar la informacin, esta se

encuentra disponible en forma de series a travs del tiempo, como se
muestra en la figura.

Esta informacin, tabulada en dicho formato no es de utilidad cuando

se trata obtener un comportamiento basado en variabilidad con cierto
comportamiento probabilstico. As pues, si el analista desea conocer
el comportamiento, es necesario modificar la forma de presentacin
de datos y presentarlos como tabla de frecuencias, con la finalidad de
realizar cualquiera de las siguientes pruebas:

Prueba de bondad de ajuste (X2).

Prueba de kolmogorov-Smirnov.

3. SIMULACION

3.1 INTRODUCCION

Es el desarrollo de un modelo lgico matemtico de un sistema, de

tal forma que se obtiene una imitacin de la operacin de un proceso
 de la vida real o de un sistema a travs del tiempo. Sea realizado a
mano o en una computadora, la simulacin involucra la generacin
de una historia artificial de un sistema: la observacin de esta historia
mediante la manipulacin experimental, nos ayuda a inferir las
caractersticas operacionales de tal sistema. En la definicin anterior
se citan dos pasos bsicos de una simulacin:

a) Desarrollo del modelo

b) Experimentacin

El desarrollo del modelo incluye la construccin de ecuaciones lgicas

representativas del sistema y la preparacin de un programa
computacional. Una vez que se ha validad el modelo del sistema, la
segunda fase de un estudio de simulacin entra en escena,
experimentar con el modelo para determinar cmo responde el
sistema a un cambio en los niveles de algunas variables de entrada.

Los trminos sistema y modelos tambin son importantes en la

definicin descrita. Un sistema es una coleccin de variables que
interactan entre si dentro de ciertos lmites par lograra un objetivo.
El modelo por su parte es un representacin de los objetos del
sistema y refleja de una manera sencilla las actividades en las cuales
esos objetos se encuentran involucrados.

3.2 VENTAJAS Y DESVENTAS DE LOS MODELOS DE

SIMULACION

Ya que la simulacin en muchas ocasiones es una herramienta

apropiada de anlisis, es preciso considerar las ventajas y
desventajas de su utilizacin.

Ventajas

1. Una vez construido el modelo puede ser modificado de manera rpida

con el fin de analizar diferentes polticas o escenarios.
2. Generalmente es ms barato mejorar el sistema va simulacin, que
hacerlo directamente en el sistema real.
3. Es mucho ms sencillo comprender y visualizar los mtodos de
simulacin que los mtodos puramente analticos.
4. Los mtodos analticos se desarrollan caso siempre para sistemas
relativamente sencillos donde suele hacerse un gran nmero de su
pociones o simplificaciones, mientras que con los modelos de
simulacin es posible analizas sistemas de mayor complejidad o con
mayor detalle.
5. En algunos casos la simulacin es el nico medio para lograr una
solucin.

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.

3.3 PROCESO DE DESARROLLO DE UN MODELO DE

SIMULACION

La metodologa incluye los siguientes pasos:

1. Definicin del sistema. Cada estudio debe comenzar con una

descripcin del problema o del sistema. Si la descripcin es dad por
los tomadores de decisin, el analista debe asegurase que se
encuentre completamente. Es decir que exista una correcta
identificacin del objetivo. De las variables de decisin, las
restricciones, la medida de efectividad y las variables no controlables
y su comportamiento estadstico.
2. Anlisis del sistema. Deben describirse las interacciones lgicas
entre las variables de decisin, de tal manera que se optimice la
medida de efectividad en funcin de las variables no controlables, sin
olvidar las restricciones del sistema. Con el fin de analizar un sistema,
es indispensable definir algunos trminos. El estado de un sistema es
el conjunto de variables que definen al sistema en cualquier instante.
Un evento representa un acontecimiento instantneo que modifica el
estado del sistema. Una actividad representa el tiempo requerido
para llevar a cabo una operacin. Una entidad es cualquier objeto
dentro del sistema, esta entidad puede ser esttica o dinmica, en
este ltimo caso se denota como una transaccin y su principal
caracterstica es su movimiento a travs de las entidades estticas
del sistema. Las entidades contienen propiedades llamadas atributos
que permiten crear diferencia entre ellas.
3. Formulacin del modelo. Consiste en generar un cdigo lgico-
matemtico que defina en forma exacta las interacciones entre las
variables: debe ser una definicin sencilla pero completa del sistema.
Al generar las interacciones es importante tener en cuenta que se va
a llevar a cabo a travs del tiempo y que el uso de listas o cadenas de
eventos darn pautas en el manejo de las variables. Una lista es un
arreglo en el que se van ordenando las transacciones de acuerdo con
la secuencia de eventos en el tiempo. Existen dos tipos de listas, las
llamadas de eventos futuros donde la secuencia depende del tiempo
de ocurrencia del evento, y las de eventos actuales cuya secuencia
 depende de la ocurrencia en otro evento. Por ejemplo, el evento fin
de proceso de la pieza i, depende de la duracin del proceso de esa
pieza, por lo que debe acomodarse en la lista de eventos futuros: el
evento inicio de proceso de la pieza i, depende del evento maquina
disponible, por lo que debe acomodarse en la lista de eventos
actuales.
4. Seleccin del lenguaje. De la seleccin del lenguaje depender el
tiempo de desarrollo del modelo de simulacin, es importante utilizar
el lenguaje que mejor se adecue a las necesidades de la simulacin
que se requieran.
5. Codificacin del modelo. Consiste en generar las instrucciones o
cdigo computacional necesario para lograr que el modelo pueda ser
ejecutado en algn tipo de computadora. La duracin de este proceso
est directamente relacionado con la seleccin del lenguaje.
6. Validacin del modelo. Es el proceso que tiene como objetivo
determinar la habilidad que tiene un modelo para representar la
realidad. La validacin se lleva cabo mediante la comparacin
estadstica entre los resultados del modelo y los resultados reales.
7. Experimentacin. En este paso se determinan las diversas
alternativas que pueden ser evaluadas, seleccionando las variables
de entrada y sus diferentes niveles con la finalidad de optimizar las
variables de respuesta del sistema real. EVOP.
8. Implantacin.
9. Monitoreo y control.

3.4 DIAGRAMA DE RELACION MODELO - SISTEMA

El desarrollo detallado de un modelo de simulacin puede visualizarse

mediante en diagrama de actividades conocido como diagrama de
relacin modelo - sistema. El diagrama se muestra en la figura donde
 se pueden identificar seis actividades primordiales, algunas de las
cuales ya fueron mencionadas.

1. Informacin histrica. Es la bsqueda fsica de la informacin en el

caso de las variables estocsticas, la transformacin a distribuciones
de probabilidad. Esta transformacin se realiza mediante pruebas de
bondad de ajuste como la kolmogorov-smirnov o la de ji cuadrada.
2. Generacin de variables aleatorias. Es el modelado matemtico
de la informacin real que presenta variabilidad en su
comportamiento. Este modelado se realiza mediante la obtencin de
nmeros pseudoaleatorios, su validacin estadstica y posterior
transformacin a otro tipo de variables mediante mtodos como la
transformada inversa o composicin.
3. Generacin del modelo computacional.
4. Ejecucin del modelo.
5. Validacin de resultados.
6. Diseo experimental.