Sunteți pe pagina 1din 27
INGENIERÍA INDUSTRIAL SIMULACIÓN DE SISTEMAS SIMULACIÓN DE MONTECARLO MODELOS DE SIMULACIÓN DE MONTECARLO: RANGOS

INGENIERÍA INDUSTRIAL SIMULACIÓN DE SISTEMAS

INGENIERÍA INDUSTRIAL SIMULACIÓN DE SISTEMAS SIMULACIÓN DE MONTECARLO MODELOS DE SIMULACIÓN DE MONTECARLO: RANGOS

SIMULACIÓN DE MONTECARLO

MODELOS DE SIMULACIÓN DE MONTECARLO:

RANGOS

Docente: Dr. Carlos Ortega Muñoz

DE SISTEMAS SIMULACIÓN DE MONTECARLO MODELOS DE SIMULACIÓN DE MONTECARLO: RANGOS Docente: Dr. Carlos Ortega Muñoz

DR. CARLOS ORTEGA MUÑOZ

Licenciado en Investigación Operativa

Magister en Administración

Mención en Gestión Empresarial

Doctor en Educación

Maestría en Investigación de Operaciones y Sistemas Mención en optimización de Sistemas de Gerencia Empresarial

Maestría en estadística

de Gerencia Empresarial  Maestría en estadística Experiencia profesional:  Gerente Administrativo en

Experiencia profesional:

Gerente Administrativo en MediCenter Le Femennie

Jefe de Operaciones en RONIDIAZ SAC (Empresa cafetera)

Jefe de Logística en CEMASA S.A.

Asesor en Millenium International Group

Experiencia académica:

Coordinador Administrativo del Postgrado de Administración UNMSM

MOTIVACIÓN

MOTIVACIÓN
MOTIVACIÓN
MOTIVACIÓN
MOTIVACIÓN

El gerente siempre buscará un esquema de

producción que

incremente las ganancias

de su compañía

MOTIVACIÓN El gerente siempre buscará un esquema de producción que incremente las ganancias de su compañía

SABERES PREVIOS

SABERES PREVIOS Experiencias personales.

Experiencias personales.

SABERES PREVIOS Experiencias personales.
SABERES PREVIOS Experiencias personales.
SABERES PREVIOS Experiencias personales.
LOGRO DE SESIÓN Al término de la unidad, el estudiante formula, resuelve y evalúa problemas
LOGRO DE SESIÓN Al término de la unidad, el estudiante formula, resuelve y evalúa problemas

LOGRO DE

SESIÓN

Al término de la unidad, el

estudiante formula, resuelve y

evalúa problemas empresariales, usando modelos de simulación de Montecarlo, estableciendo un

criterio técnico basado en la simulación de sistemas.

IMPORTANCIA DE LA SIMULACIÓN

IMPORTANCIA DE LA SIMULACIÓN En la actualidad, la modelización y la simulación es una actividad indispensable

En la actualidad, la modelización y la simulación es una actividad indispensable cuando

nos enfrentamos con el análisis y diseño de sistemas multidisciplinares de cierta complejidad. El objetivo es ayudar o dar el soporte necesario al diseñador durante el proceso de diseño, análisis y diagnosis de sistemas ingenieriles. El software debe complementar el talento del diseñador para que éste pueda modelar y simular de forma lo mas eficientemente posible. El software hace posible establecer una valoración final antes de que los sistemas sean construidos, y pueden aliviar la necesidad de experimentos caros y dar soporte a todas las etapas de un proyecto desde el diseño conceptual, pasando por el montaje hasta llegar a su funcionamiento

Es una totalidad articulada en la que los elementos o subsistemas se interrelacionan constantemente y
Es una totalidad articulada en la que los elementos o subsistemas se interrelacionan constantemente y

Es una totalidad articulada en la que los elementos o subsistemas se interrelacionan constantemente y se

encuentran distribuidos en ella según una organización

funcional de conjunto. Es ésta organización, la que determina la función de cada elemento dentro de la totalidad. Por lo tanto, un elemento o subsistema separado de la estructura (contexto) en la que se encontraba previamente, deja de tener el papel específico que desempeñaba en ella, es decir, no cumple el propósito para el cual fue creado.

Entiéndase como totalidad no a la suma de las partes, ya

que la suma de las partes no hace el todo.

Escuela de Investigación Operativa

Profesor Luis Durand

Transporte A l m a c é n Medio Fábrica Ambiente Escuela de Investigación Operativa

Transporte

Almacén

Transporte A l m a c é n Medio Fábrica Ambiente Escuela de Investigación Operativa Profesor
Medio
Medio

Fábrica

Ambiente

Transporte A l m a c é n Medio Fábrica Ambiente Escuela de Investigación Operativa Profesor

Escuela de Investigación Operativa

Profesor Luis Durand

Es un sistema que recibe y emite variables a su entorno o medio ambiente. Los
Es un sistema que recibe y emite variables a su entorno o medio ambiente. Los

Es un sistema que recibe y emite variables a su entorno o medio ambiente. Los sistemas abiertos, sujetos a cambio

constante debido a su propio funcionamiento y al medio

ambiente al cual pertenecen, tienen la capacidad de adaptarse a estos cambios. Por lo tanto, todo sistema abierto tiene un ciclo de: nacimiento-desarrollo-muerte.

Los ejemplos anteriores son sistemas abiertos.

Variables de

entrada

Sistema

Variables internas originadas por su funcionamiento.

Variables de

salida

originadas por su funcionamiento. Variables de salida Figura:: Sistema y diferentes tipos de variables. Escuela de
originadas por su funcionamiento. Variables de salida Figura:: Sistema y diferentes tipos de variables. Escuela de

Figura:: Sistema y diferentes tipos de variables.

Escuela de Investigación Operativa

Profesor Luis Durand

Es una abstracción de un determinado sistema (organización) de la vida real mediante diferentes técnicas,
Es una abstracción de un determinado sistema (organización) de la vida real mediante diferentes técnicas,

Es una abstracción de un determinado sistema (organización) de

la vida real mediante diferentes técnicas, que nos permiten analizar,

experimentar y sacar conclusiones del mismo. Un modelo puede ser:

matemático, una maqueta, un prototipo, etc.

puede ser: matemático, una maqueta, un prototipo, etc. Realidad Escuela de Investigación Operativa Modelo Profesor

Realidad

ser: matemático, una maqueta, un prototipo, etc. Realidad Escuela de Investigación Operativa Modelo Profesor Luis

Escuela de Investigación Operativa

ser: matemático, una maqueta, un prototipo, etc. Realidad Escuela de Investigación Operativa Modelo Profesor Luis Durand

Modelo

Profesor Luis Durand

La simulación, es una técnica de la investigación operativa que consiste en imitar los procesos
La simulación, es una técnica de la investigación operativa que consiste en imitar los procesos

La simulación, es una técnica de la investigación operativa que consiste en imitar los procesos o actividades relevantes de un

sistema de la vida real mediante modelos o prototipos matemáticos.

Mediante este modelo, podemos experimentar, analizar y sacar conclusiones del sistema en estudio y hacer las recomendaciones pertinentes que permitan optimizar el funcionamiento del mismo.

Aja Lo tengo
Aja
Lo
tengo

Escuela de Investigación Operativa

Profesor Luis Durand

• Modelo de simulación: conjunto de hipótesis acerca del funcionamiento del sistema expresado como relaciones

Modelo de simulación: conjunto de hipótesis acerca del funcionamiento

del sistema expresado como relaciones matemáticas y/o lógicas entre los

elementos del sistema.

Proceso de simulación: ejecución del modelo a través del tiempo en un

ordenador para generar muestras representativas del comportamiento.

MÉTODOS DE SIMULACIÓN

MÉTODOS DE SIMULACIÓN • Simulación estadística o Monte Carlo: Está basada en el muestreo sistemático de

Simulación estadística o Monte Carlo: Está basada en el muestreo sistemático de

variables aleatorias.

Simulación continua: Los estados del sistema cambian continuamente su valor. Estas simulaciones se modelan generalmente con ecuaciones diferenciales.

Simulación por eventos discretos: Se define el modelo cuyo comportamiento varía en instantes del tiempo dados. Los momentos en los que se producen los cambios son los que se identifican como los eventos del sistema o simulación.

Simulación por autómatas celulares: Se aplica a casos complejos, en los que se divide al comportamiento del sistema en subsistemas más pequeños denominadas células. El resultado de la simulación está dado por la interacción de las diversas células.

Existen algunos simuladores que podemos usar: • Promodel • Arena Para construir un modelo de
Existen algunos simuladores que podemos usar: • Promodel • Arena Para construir un modelo de

Existen algunos simuladores que podemos usar:

Promodel

Arena

Para construir un modelo de simulación grafico animado.

Para construir un modelo de simulación grafico animado. IO Modelo Grafico Dinámico Escuela de Investigación

IO

Para construir un modelo de simulación grafico animado. IO Modelo Grafico Dinámico Escuela de Investigación Operativa

Modelo

Grafico

Dinámico

Escuela de Investigación Operativa

Profesor Luis Durand

Arena Promodel Análisis y Conclusiones Escuela de Investigación Operativa Profesor Luis Durand
Arena Promodel Análisis y Conclusiones Escuela de Investigación Operativa Profesor Luis Durand
Arena Promodel Análisis y Conclusiones Escuela de Investigación Operativa Profesor Luis Durand
Arena
Arena
Promodel
Promodel

Análisis y Conclusiones

Escuela de Investigación Operativa

Profesor

Luis Durand

¿QUE ES LA SIMULACIÓN MONTECARLO?

¿QUE ES LA SIMULACIÓN MONTECARLO? • Método computacional usado para estudiar el comportamiento de sistemas

Método computacional usado para estudiar el comportamiento de sistemas matemáticos, físicos o de cualquier índole, a partir del uso de muestreo estadístico y números aleatorios.

Es iterativo -> requiere cálculos por computador.

Las técnicas de Montecarlo pueden ser usadas para encontrar soluciones aproximadas a problemas cuantitativos con o si incertidumbre.

Bajo el nombre de Método Monte Carlo o Simulación Monte Carlo se agrupan una serie

Bajo el nombre de Método 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 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

A veces la aplicación del método Monte Carlo se usa para analizar problemas que no

A veces la aplicación del método Monte Carlo se usa para analizar problemas que no

tienen un componente aleatorio explícito; en estos casos un parámetro determinista del problema se expresa como una distribución aleatoria y se simula dicha distribución. Un ejemplo sería el famoso problema de las Agujas de Bufón. La simulación de Monte Carlo también fue creada para resolver integrales que no se pueden resolver por métodos analíticos, para solucionar 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.

HISTORIA

HISTORIA El método fue llamado así por el principado de Mónaco por ser ``la capital del

El método fue llamado así por el principado de Mónaco por ser ``la capital del juego de

azar'', al tomar una ruleta como un generador simple de números aleatorios. El nombre y el desarrollo sistemático de los métodos de Monte Carlo datan aproximadamente de 1944 con el desarrollo de la computadora. Sin embargo hay varias instancias (aisladas y no desarrolladas) en muchas ocasiones anteriores a 1944. El uso real de los métodos de Monte Carlo como una herramienta de investigación, proviene del trabajo de la bomba atómica durante la Segunda Guerra Mundial. Este trabajo involucraba la simulación directa de problemas probabilísticos de hidrodinámica concernientes a la difusión de neutrones aleatorios en material de fusión.

Aún en la primera etapa de estas investigaciones, John von Neumann y Stanislao Ulam refinaron

Aún en la primera etapa de estas investigaciones, John von Neumann y Stanislao Ulam

refinaron esta curiosa ``Ruleta rusa'' y los métodos ``de división''. Sin embargo, el desarrollo sistemático de estas ideas tuvo que esperar el trabajo de Harris y Herman Kahn en 1948. Aproximadamente en el mismo año, Fermi, Metropolos y Ulam obtuvieron estimadores para los valores característicos de la ecuación de Schrödinger para la captura de neutrones a nivel nuclear. Alrededor de 1970, los desarrollos teóricos en complejidad computacional comienzan a proveer mayor precisión y relación para el empleo del método Monte Carlo. La teoría identifica una clase de problemas para los cuales el tiempo necesario para evaluar la solución exacta al problema crece con la clase, al menos exponencialmente con M.

La cuestión a ser resuelta era si MC pudiese o no estimar la solución al

La cuestión a ser resuelta era si MC pudiese o no estimar la solución al problema de tipo

intratable con una adecuación estadística acotada a una complejidad temporal polinomial en M. Karp(1985) muestra esta propiedad para estimar en una red plana multiterminal con arcos fallidos aleatorios. Dyer(1989) utiliza MC para estimar el volumen de un convex body en el espacio Euclidiano M-dimensional. Broder(1986), Jerrum y Sinclair (1988) establecen la propiedad para estimar la persistencia de una matriz o en forma equivalente, el número de matching perfectos en un grafo bipartito.

PASOS PARA LA SIMULACIÓN DE MONTECARLO

PASOS PARA LA SIMULACIÓN DE MONTECARLO 1. Diseñar el modelo matemático que representa el problema con

1.

Diseñar el modelo matemático que representa el problema con incertidumbre.

2.

Especificar distribuciones de probabilidad para las variables aleatorias relevantes.

3.

Incluir posibles dependencias entre variables.

4.

Muestrear valores de las variables aleatorias.

5.

Calcular el resultado del modelo según los valores del muestreo y registrar el resultado.

6.

Repetir el proceso hasta tener una muestra estadísticamente representativa.

7.

Obtener la distribución de frecuencias del resultado de las iteraciones.

¿POR QUÉ SIMULACIÓN EN INGENIERÍA INDUSTRIAL?

¿POR QUÉ SIMULACIÓN EN INGENIERÍA INDUSTRIAL? • Los responsables de la toma de decisiones necesitan información

Los responsables de la toma de decisiones necesitan información cuantificable,

sobre diferentes hechos que puedan ocurrir.

La simulación constituye una técnica económica que nos permite ofrecer varios escenarios posibles de un modelo del negocio, nos permite equivocarnos sin provocar efectos sobre el mundo real.

Podemos afirmar entonces, que la simulación es una rama experimental dentro de la Investigación Operativa y la ingeniería industrial.

Investigación de Operaciones 24

Investigue usando

las tecnologías de

la información y

comunicación

Responda las preguntas planteadas en la tarea de investigación

las tecnologías de la información y comunicación Responda las preguntas planteadas en la tarea de investigación
las tecnologías de la información y comunicación Responda las preguntas planteadas en la tarea de investigación

Tarea de investigación

Tarea de investigación ¿Qué otras aplicaciones en su especialidad tiene la Simulación de Montecarlo 26

¿Qué otras aplicaciones en su especialidad tiene la Simulación de Montecarlo

Administración de Operaciones 27