Documente Academic
Documente Profesional
Documente Cultură
IMPORTANCIA DE LA SIMULACIÓN
La importancia de la simulación radica en que las grandes empresas o empresas
pequeñas que necesitan saber el resultado de algún acontecimiento y para ello se
gastaría dinero o tiempo y posiblemente no diera un buen resultado por ello acuden
a la simulación para poder prevenir dichos resultados.
Las aplicaciones de la simulación parecen no tener límites. Actualmente se simulan
los comportamientos hasta las partes más pequeñas de un mecanismo, el desarrollo
de las epidemias, el sistema inmunológico humano, las plantas productivas,
sucursales bancarias, etc.
Cabe mencionar la creciente importancia de la Simulación en la Investigación de
operaciones y en sus aplicaciones industriales. En los países altamente
desarrollados la simulación es una herramienta principal de en los procesos de toma
de decisiones, en el manejo de empresas y el planeación de la producción. Además,
la Simulación es cada vez más “amigable” para el usuario, que no tiene que ser un
especialista en computación.
Recientes avances en las metodologías de simulación y la gran disponibilidad de
software que actualmente existe en el mercado, han hecho que la técnica de
simulación sea una de las herramientas más ampliamente usadas en el análisis de
sistemas. Además de las razones antes mencionadas, Thomas H. Naylor ha
sugerido que un estudio de simulación es muy importante para la ingeniería de
sistemas porque presenta las siguientes ventajas en el diseño de estos:
La simulación de sistemas complejos puede ayudar a entender mejor la peración
del sistema, a detectar las variables más importantes que interactuan en el sistema
y a entender mejor las interrelaciones entre estas variables.
La técnica de simulación puede ser utilizada para experimentar con nuevas
situaciones, sobre las cuales tiene poca o ninguna información. A través de esta
experimentación se puede anticipar mejor a posibles resultados no previstos.
MODELACION
La modelación es la habilidad para describir la situación problemática que confronta
un analista. Aunque genéricamente la modelación es crear una representación
explícita del entendimiento que una persona tiene de una situación, o simplemente
de las ideas que se tiene acerca de una situación. Puede expresarse a través de
matemáticas, símbolos o palabras, pero es esencialmente una descripción de
entidades y las relaciones entre ellas. Puede ser prescriptivo o ilustrativo, pero sobre
todo, debe ser útil.
MODELO
Un modelo es una representación de un objeto, idea, o sistema en una forma
diferente a la entidad misma. En nuestro caso el modelo es un conjunto de
relaciones matemáticas o lógicas derivadas de supuestos sobre el comportamiento
de un sistema.
Un modelo numérico es un algoritmo matemático que intenta describir fenómenos
que suceden en la naturaleza. Se trata de una herramienta que nos ayuda al estudio
de parámetros de interés científico. El algoritmo matemático de un modelo es
traducido a un lenguaje de programación para ser utilizado mediante equipo de
cómputo.
La existencia de modelos de análisis basados en el método de los elementos finitos
permite reproducir comportamientos estructurales complejos con ecuaciones
constitutivas no lineales e incluyendo linealidad geométrica.
MODELADO
Es el proceso de construcción de un modelo. Un modelo es una representación de
un objeto, sistema, o idea. El modelado es un arte. El arte de modelar consiste en
la habilidad para analizar un problema, resumir sus características esenciales,
seleccionar y modificar las suposiciones básicas que caracterizan al sistema, y
luego enriquecer y elaborar el modelo hasta obtener una aproximación útil.
También un modelado es una técnica cognitiva que consiste en crear una
representación ideal de un objeto real mediante un conjunto de simplificaciones y
abstracciones, cuya validez se pretende constatar. La validación del modelo se lleva
a cabo comparando las implicaciones predichas por el mismo con observaciones.
1.3. METODOLOGÍA DE LA SIMULACIÓN
La metodología se entenderá aquí como la parte del proceso de investigación que
sigue a la propedéutica y permite sistematizar los métodos y las técnicas necesarias
para llevarla a cabo.
Estructura, desarrollo secuencial para determinado sistemas o actividad.
La planeación de experimentos de simulación requiere un procedimiento que consta
de las etapas siguientes:
1.- DEFINICIÓN DEL SISTEMA: Cada estudio debe de comenzar con unas
descripción del problema o del sistema. Debe determinarse los límites o fronteras,
restricciones, y medidas de efectividad que se usarán.
2.- FORMULACIÓN DEL MODELO:Reducción o abstracción del sistema real a un
diagrama de flujo lógico .
3.- PREPARACIÓN DE DATOS: Identificación de los datos que el modelo requiere
y reducción de estos a una forma adecuada.
4.- SELECCIÓN DEL LENGUAJE: De la selección del lenguaje dependerá el
tiempo de desarrollo del modelo de simulación, es importante utilizar el lenguaje que
mejor se adecué a las necesidades de simulación que se requieran.
5.- TRANSLACIÓN DEL MODELO: Consiste en generar las instrucciones o código
computacional o necesario para lograr que el modelo pueda ser ejecutado en la
computadora.
6.- VALIDACIÓN DEL MODELO:Es el proceso que tiene como objetivo determinar
la habilidad que tiene un modelo para representar la realidad. La validación se lleva
a cabo mediante la comparación estadística de los resultados del modelo y los
resultados reales.
7.- PLANEACION ESTRATÉGICA: Diseño de un experimento que producirá la
información deseada
8.- PLANEACION TÁCTICA: Determinación de cómo se realizará cada una de las
corridas de prueba.
9.- EXPERIMENTACIÓN: Corrida de la simulación para generar los datos deseados
y efectuar análisis de sensibilidad.
10.- INTERPRETACIÓN: Obtención de inferencias con base en datos generados
por la simulación.
Definición de un sistema:
Es una colección de entidades relacionadas, cada una de las cuales se caracteriza
por atributos o características que pueden estar relacionados entre sí. Los objetivos
que se persiguen al estudiar uno o varios fenómenos en función de un sistema son
aprender cómo cambian los estados, predecir el cambio y controlarlo.
Donde los sistemas tienen su jerarquía que son los siguientes:
Subsistemas
Supra sistema
Frontera
Sistema parcial
DEFINICIÓN DE MODELO
Un modelo es una representación de un objeto, sistema o idea. El propósito de los
modelos es ayudarnos a explicar, entender o mejorar un sistema. Un modelo de un
objeto puede ser una réplica exacta de éste o una abstracción de las propiedades
dominantes del objeto.
CONTROL DE SIMULACIÓN
El control se entiende no como un proceso netamente técnico de seguimiento, sino
también como un proceso informal donde se evalúan factores culturales,
organizativos, humanos y grupales.
Establecimiento de estándares:
Estándares de cantidad:
Estándares de calidad:
Estándares de tiempo:
Estándares de costos:
Evaluación del desempeño:
Comparación del desempeño con el estándar establecido:
Acción correctiva:
Bueno estas vienen siendo las etapas de un estudio de simulación para poder
realizarlo correctamente cabe mencionar que hay bastantes tipos de simulaciones
a veces no todas las etapas se realizan.
1.6.-ETAPAS DE UN PROYECTO DE SIMULACIÓN
LENGUAJES DE PROGRAMACIÓN
Se describe el modelo en un lenguaje que sea aceptado por la computadora que se
va a usar.
Existen dos cursos de acción a seguir si no se tiene nada de software sobre
simulación.
.-desarrollar el software requerido para estudios de simulación .
.-comprar software (lenguajes de programación de propósito especial),para esta
aternativa es necesario analizar y evaluar varios paquetes de simulación
(GPSS,GASP,etc)antes de tomar la decisión final.
CONDICIONES INÍCIALES
Es necesario establecer claramente las alternativas o cursos de acción que existen
para resolver este problema. por ejemplo:
usar un tiempo de corrida lo suficientemente grande de modo que los periodos
transientes sean relativamente insignificantes con respecto a la condición de estado
estable.
.-excluir una parte apropiada de la parte inicial de la corrida
.-utilizar simulación regenerativa
TAMAÑO DE LA MUESTRA
Es el tamaño de la muestra (número de corridas en la computadora).la selección de
un tamaño apropiado que asegure un nivel deseado de precisión y a la vez minimice
el costo de operación del modelo ,es un problema algo difícil pero muy importante.
Es necesario que un análisis estadístico sea realizado para determinar el tamaño
de muestra requerido. El tamaño de la muestra puede ser obtenido de dos maneras:
DISEÑO DE EXPERIMENTOS
Existen varios tipos de análisis que pueden ser requeridos .entre los más comunes
e importantes se pueden mencionar los sig.
· Comparación de las medias y variancias de las alternativas analizadas.
· Determinación de la importancia y el efecto de diferentes variables en los
resultados de la simulación.
· Búsqueda de los valores óptimos de un conjunto de variables.
Para realizar el primer tipo de análisis al cual se le denomina comúnmente diseño
de experimentos de un factor simple. Es necesario tomar muy en cuenta el tamaño
de la muestra ,las condiciones iníciales y la presencia o ausencia de auto correlación
.
Para el segundo tipo de análisis , existe una gran cantidad de literatura ,puesto que
la gran mayoría de los libros de texto de diseño de experimentos ,explican o tratan
el tema de análisis de variancia y técnicas de regresión como medios para evaluar
la importancia y el efecto de varias variables en los resultados de operación de un
sistema.
Para el tercer tipo de análisis ,generalmente se requiere utilizar algoritmos heurístico
de búsqueda como por ejemplo el algoritmo de Hooke y Jeeves.
PASOS DE UN ESTUDIO DE SIMULACION
Historia de la simulación
1. Historia de la simulación Durante los últimos años los avances han posibilitado la
utilización de la simulación en la investigación. Uno de los procedimientos de
simulación más utilizados es el método de Monte Carlo. Este método se aplica en
la resolución de problemas matemáticos que resultan técnicamente inmanejables o
cuya solución requiere un alto costo en términos de tiempo de trabajo, mediante la
simulación de procesos aleatorios. Una limitación de este procedimiento es que las
conclusiones, por ser resultado de un procedimiento experimental, son relativas a
los procesos utilizados en la simulación. Bajo el nombre de “Método de Monte Carlo”
o “Simulación Monte Carlo” se agrupan una serie de procedimientos que analizan
distribuciones de variables aleatorias usando simulación de números aleatorios. El
Método de Monte Carlo da solución a una gran variedad de problemas matemáticos
haciendo experimentos con muestreos estadísticos en una computadora. El método
es aplicable a cualquier tipo de problema, ya sea estocástico o determinístico.
Generalmente en estadística los modelos aleatorios se usan para simular
fenómenos que poseen algún componente aleatorio. Pero en el método de Monte
Carlo, por otro lado, el objeto de la investigación es el objeto en sí mismo, un suceso
aleatorio o pseudo – aleatorio se usa para estudiar el modelo. La simulación de
Monte Carlo fue creada para resolver integrales que no se pueden resolver por
métodos analíticos, para resolver estas integrales se usaron números aleatorios.
Posteriormente se utilizó para cualquier esquema que emplee números aleatorios,
usando variables aleatorias con distribuciones de probabilidad conocidas, el cual es
usado para resolver ciertos problemas estocásticos y determinísticos, donde el
tiempo no juega un papel importante. Durante la Guerra Fría se intensificó el uso de
la simulación para resolver problemas de interés militar; trayectorias y dinámicas de
satélites artificiales, guiar mísiles, etc. Muchos de estos problemas exigen la
resolución de sistemas de ecuaciones diferenciales no lineales. Para abordar estos
problemas se utilizaron ordenadores analógicos que usaban elementos electrónicos
para resolver las operaciones matemáticas: integración, suma, multiplicación,
generación de funciones, etc. A partir de la década de los60 empiezan a aparecer
en el mercado programas de simulación de sistemas de acontecimientos discretos
que poco a poco se empezaron a utilizar para resolver problemas de ámbito civil.
Los más destacables fueron el GPSS de IBM (General Purpose System Simulator)
y el SIMSCRIPT. Los modelos de acontecimientos discretos son muy utilizados en
la actualidad para estudiar problemas de fabricación de procesos, logística,
transporte, comunicaciones y servicios. Estos problemas se caracterizan por centrar
su interés en los cambios que hay en el sistema como consecuencia de los
acontecimientos y en su capacidad para modelar los aspectos aleatorios del
sistema. Este simulador se utilizó para analizar el diseño de la terminal (Barcelona)
en lo que respecta a los distintos espacios, el movimiento de las personas en
situaciones normales y el análisis del plan de evacuación. La revolución que se
produjo en la informática a partir de los años 80, tiene un impacto importante en la
simulación por ordenador. El uso de simuladores se generaliza en prácticamente
todos los ámbitos de la ciencia y la ingeniería, por ejemplo: Predicción del tiempo:
el primer modelo numérico de predicción del tiempo que dio resultados positivos fue
desarrollado por J. G. Charney, R. Fjörtofty J. von Neumann con el ordenador
“ENIAC”(Electronic Numerical Integrator and Computer). Desde entonces, y
especialmente en las últimas dos décadas, se han popularizado estos simuladores
para la predicción a corto y largo plazo del tiempo.
https://es.slideshare.net/juliansolisherrera/historia-de-la-simulacion
https://simulacionis.es.tl/