• Author / Uploaded
• Mhanny AltamIrano

Citation preview

Instituto Tecnológico de Tehuacán (ITT) Alumno: Altamirano Barragán Manuel Profesora: Cintia García Ortega Materia: Modelos de optimización de recursos

Matricula: 14360221 Tercer Semestre Grupo: D Fecha: viernes 29/05/15

MODELACION Y SIMULACION DE OPERACIONES Y PROCESOS

UNIDAD 6: MODELACION Y SIMULACION DE OPERACIONES Y PROCESOS DEFINICION La modelación y simulación de procesos permite desarrollar modelos virtuales y experimentar en forma dinámica con ellos. Lo que facilita identificar y cuantificar oportunidades de mejora en el desempeño actual, así como analizar el comportamiento del proceso bajo estudio en diferentes condiciones de operación y adelantarse proactivamente a cambios futuros. Modelar y simular un proceso es como tenerlo en la computadora y ponerlo a trabajar para observar y analizar su comportamiento durante diferentes periodos y condiciones de trabajo con el propósito de identificar oportunidades de mejora y responder a las preguntas ¿qué pasa si?, al realizar cambios y analizar su desempeño bajo diferentes entornos de operación. Algunas de las aplicaciones mas comunes son: el diseño, mejora y rediseño de líneas de manufactura.

METODOLOGÍA     

Diseño del proyecto de modelación y simulación Obtener, analizar y validar datos Construcción de un modelo adecuado Realizar experimentos de simulación Documentación y presentación de resultados del proyecto.

[Escriba texto]

Página 2

MODELACION Y SIMULACION DE OPERACIONES Y PROCESOS

OBTENCIÓN DE DATOS PARA EL MODELO Se definen los datos a recopilar conforme al objetivo y alcance del proyecto. CONSTRUCCIÓN DEL MODELO Se construye un modelo para el proceso en su “situación actual” y se modifica para simular el proceso mejorado EXPERIMENTOS CON EL MODELO  

 

El valor de los experimentos con el modelo desarrollado es el conocimiento adicional que se obtiene sobre los procesos. Un experimento de simulación tiene uno o mas de los siguientes objetivos: o encontrar el desempeño deseado de un proceso o encontrar el valor óptimo de una variable del proceso o determinar la sensibilidad del modelo a cambios. comparar diferentes alternativas de configuración del proceso. Al examinar el proceso se pueden observar muchos aspectos de su desempeño, tales como: o características de los estímulos de entrada. o características de las transacciones que influencian el flujo en el mapa de proceso. o cuellos de botella en el proceso. o utilización y aprovechamiento de los recursos. o costos incurridos en las diferentes actividades del proceso. o tiempos de ciclo en las diferentes actividades del proceso.

DOCUMENTACIÓN Y PRESENTACIÓN DE RESULTADOS Recomendaciones respecto a como el proceso en su “situación actual”, puede cambiarse para mejorar su desempeño. Los resultados se utilizan para justificar los beneficios y el costo en el que se incurrirá, al implementar las mejoras. Si la organización decide implementar los cambios al proceso, el modelo desarrollado y los resultados obtenidos representan una especificación de alto nivel operacional para el nuevo proceso.

[Escriba texto]

Página 3

MODELACION Y SIMULACION DE OPERACIONES Y PROCESOS

6.1: proceso de simulación CONCEPTO La técnica de simulación es desde hace mucho tiempo una herramienta importante para el diseñador. Durante muchos años, se han usado modelos a escala de máquinas, para simular la distribución de planta. La simulación común se uso inicialmente en la investigación de operaciones, surgió por primera vez en el trabajo de John Von Neumann y Stanislaw Ulam, en los últimos años de la década de los 40. Quienes a través del análisis de Montecarlo en conjunto con una técnica matemática, resolvieron problema relacionados con las barreras nucleares de protección, demasiado costosas para someterlas a pruebas de experimentación o demasiado complejas para realizar sus análisis. Un el advenimiento de las computadoras, en los primeros años de la década de los 50, la simulación experimentó un avance substancial. En la actualidad se resuelven incontables problemas de negocios, puesto que la simulación en la computadora es un método económico y rápido para efectuar la vasta cantidad de cálculos que se requieren. ELEMENTOS Y FACES Generalmente, la simulación implica la construcción de un modelo matemático que describa el funcionamiento de sistema en cuanto a eventos y componentes individuales. Además, el sistema se divide en los elementos y las interrelaciones de aquellos elementos de comportamiento previsible, al menos en función de una distribución de probabilidades, para cada uno de los diversos estados del sistema y sus insumos. La simulación es un medio de dividir el proceso de elaboración de modelos en parte componentes más pequeñas y combinarlas en el orden natural o lógico. Lo que permite el análisis en computadoras de los efectos de las interacciones mutuas entre esta. Debido al error estadístico, es imposible garantizar que se encontrará la respuesta óptima, no obstante la respuesta estará por lo menos próxima a la óptima si el problema se simula correctamente. En esencia, el modelo de simulación realiza experimentos sobre los datos de una muestra más que sobre el universo entero, ya que esto sería demasiado tardado, inconveniente y costoso. Planificar un proceso de simulación requiere de los siguientes pasos: a) Formulación del problema. [Escriba texto]

Página 4

MODELACION Y SIMULACION DE OPERACIONES Y PROCESOS b) Recollección y procesamiento de la información requerida. c) Formulación del modelo matematico. d) Evaluación de las caracteristicas de la información procesada. e) Formulación de un programa de computadora. f) Validación del programa de computadora. g) Diseño de experimentos de simulación. h) Analisis de resultados y validación de la simulación. A continuación se resumen las principales características asociadas a cada paso.

FORMULACIÓN DEL PROBLEMA Generalmente un problema se presenta por síntomas, no por el diagnostico. Por lo que antes de generar soluciones en un sistema, se deben buscar el mayor numero de síntomas. Según Acoff y Sasieni, las condiciones para que exista el mas simple de los problemas son:



Debe existir por lo menos un individuo que se encuentra dentro de un



marco de referencia, el cual se puede atribuir el problema del sistema. El individuo debe tener por lo menos un par de alternativas para resolver



su problema, en caso contrario no existe tal problema. Deben de existir por lo menos, un par de soluciones, una de las cuales debe tener mayor aceptación que la otra en el individuo. En caso contrario, no existe el problema. Esta preferencia esta asociada a un cierto objetivo dentro del marco de referencia en donde se encuentra el



individuo del sistema. La selección de cualquiera de las soluciones debe repercutir de manera diferente en los objetivos del sistema, es decir existe una eficiencia y/o efectividad

[Escriba texto]

asociada

con

cada

Página 5

solución.

Estas

eficiencias

y/o

MODELACION Y SIMULACION DE OPERACIONES Y PROCESOS efectividades deben ser diferentes, puesto que de lo contrario no existe 

problema. Por ultimo le individuo que toma las decisiones ignora las soluciones y/o



eficiencia y/o efectividades asociadas con las soluciones del problema. Si las cinco condiciones anteriores existen, entonces se tiene un

 

problema. Esta situación puede complicarse en los siguientes casos: El problema recae en un grupo, no en un individuo. El marco de referencia donde se encuentra el grupo, cambia en forma



dinámica. El numero de alternativas que el grupo puede escoger es bastante



grande, pero finito. El grupo dentro del sistema puede tener objetivos múltiples. Peor aun,



no necesariamente estos objetivos son consistentes entre si. Las alternativas que selecciona el grupo son ejecutadas por otro grupo ajeno, al cual no se le puede considerar como elemento independiente



del sistema. Los efectos de la decisión del grupo pueden sentirse por elementos que aun

siendo

ajenos

al

sistema

indirectamente, favorable

considerando,

o desfavorablemente

influyen hacia el

directa

o

(político,

   

consumidor, etc.). Para formular un problema se necesita la siguiente información: ¿Existe un problema?. ¿De quien es el problema?. ¿Cual es el marco de referencia del sistema donde se encuentra el

  

problema? ¿Quien o quienes toman las decisiones? ¿Cuales son sus objetivos?. Cuales son los componentes controlables del sistema y cuales no lo

 

son?. ¿Cuales son las interrelaciones más importantes del sistema?. ¿Como se emplearan los resultados del proyecto? ¿Por quien? ¿que

 

efectos tendrá? ¿Las soluciones tendrán efecto a corto o largo plazo? ¿Podrán los efectos de las soluciones modificarse



fácilmente? ¿Cuantos elementos del sistema se afectaran por las soluciones del proyecto? ¿En qué grado? FORMULAR UN PROBLEMA REQUIERE:

[Escriba texto]

Página 6

o

cambiarse

MODELACION Y SIMULACION DE OPERACIONES Y PROCESOS     

Identificar las componentes controlables de un sistema. Identificar posibles rutas de acción dadas por las componentes, controlables. Definir el marco de referencia, dado por las componentes no controlables Definir los objetivos que se persiguen y clasificarlos por su orden de importancia. Identificar las relaciones importantes entre las diferentes componentes del sistema, este paso equivale a encontrar las restricciones que existen, a la vez que permite más adelante



representar estas interrelaciones en forma matemática. La identificación de la estructura del sistema (componentes, canales, interrelaciones, etc.),

   

se hace a través de un proceso sistemático, que se conoce como diseño de sistemas. El diseño de sistemas se lleva a cabo de la siguiente manera: Se ubica al sistema considerando dentro de sistemas más grandes. Se determinan las componentes del sistema. Se determinan los canales de comunicación entre las componentes del sistema y de este



hacia los elementos de otros sistemas que van a tener influencia directa o indirecta. Se determinan de que manera se tiene acceso a la información requerida como se procesa esta y como se transmite entre las diferentes componentes del sistema.

IV.1.3 GENERACIÓN DE VALORES DE UNA VARIABLE ALEATORIA

INTRODUCCIÓN. Métodos más utilizados para generar números aleatorios y pseudoaleatorios con computadora. Antes de continuar, es necesario establecer la siguiente terminología. El término variable aleatoria se emplea para nombrar una función de valor real, definida sobre un espacio muestral asociado con los resultados de un experimento conceptual, de naturaleza azoroza. El valor numérico resultante de un experimento, de cada una de las variables aleatorias, se llama número aleatorio. Se utilizan letras mayúsculas para denotar las variables aleatorias y minúsculas, para denotar valores de éstas variables aleatorias y minúsculas, para denotar valores de éstas variables, es decir, para los números aleatorios. Por ejemplo, F(x); la función de distribución acumulada para una variable aleatoria X, indica la probabilidad de que X sea menor o igual al particular valor x de la función de probabilidad de la variable aleatoria X, cuando X= x. TECNICAS PARA GENERAR NÚMEROS ALEATORIOS. Se han venido usando cuatro métodos alternativos para generar las sucesiones de números aleatorios, estos son: 

Métodos manuales

[Escriba texto]

Página 7

MODELACION Y SIMULACION DE OPERACIONES Y PROCESOS       

Lanzamiento de monedas Lanzamiento de dados Barajas Dispositivos mecánicos Dispositivos electrónicos Ventajas: Son aleatorios Desventajas: No reproducibles

TABLAS DE BIBLIOTECA. Son números aleatorios que se han publicado; por ejemplo a Millon Random Digits, de la Corporación Rand, de los cuales podemos encontrar listas de los en los libros de probabilidad y tablas de matemáticas. Estos números fueron generados por alguno de los métodos de computación analógica, los cuales mencionados a continuación. Ventaja: Provienen de un fenómeno aleatorio y son reproducibles. Desventaja: No se obtiene en tiempo real. MÉTODOS DE COMPUTACIÓN ANALOGICA Los métodos de computación analógica dependen de ciertos procesos físicos aleatorios (por ejemplo, el comportamiento de una corriente eléctrica), por lo que se considera que conducen verdaderos números aleatorios. Ventaja: Aleatorios. Desventaja: No reproducible. MÉTODOS DE COMPUTACIÓN DIGITAL Se distinguen tres métodos para producir números aleatorio cuando se usa la computación digital (computadoras), los cuales son: PROVISIÓN EXTERNA. Consiste en grabar en la memoria de la computadora, las tablas Randa, a fin de tratar estos números como datos de entrada para un determinado problema. GENERACIÓN POR MEDIO DE PROCESOS FÍSICOS ALEATORIOS. Consiste en usar algún aditamento especial de la computadora, para registra los resultados de algún proceso aleatorio y además, reduzca estas resultados a sucesiones de dígitos.

[Escriba texto]

Página 8

MODELACION Y SIMULACION DE OPERACIONES Y PROCESOS GENERACIÓN INTERNA POR MEDIO DE UNA RELACIÓN DE RECURRENCIA. Consiste en generar números pseudoaleatorios por medio de ecuaciones de rrecurrencia, en las que necesariamente se tiene que dar un valor inicial o semilla, para generar los siguientes valores. Vamos ha centrar nuestra atención en este último método de computación digital, y los describiremos ampliamente. Ventaja: Son reproducibles. Desventaja: Son pseudoaleatorios. CARACTERISTICAS DE LOS NÚMEROS PSEUDOALEATORIOS    

Uniformemente distribuidos Estadísticamente independientes Reproducibles Sin repetición dentro de una longitud determinada

METODOS QUE UTILIZAN ECUACUACIONES DE RECURRENCIA PARA GENERAR NUMEROS PSEUDOALEATORIOS. Aquí describiremos los métodos de generación de números pseudoaleatorios, usando ecuaciones de recurrencia. METODOS DE GENERACIÓN DE NUM. PSEUDOALEATORIOS U(0,1). -Métodos congruenciales “69” reglas:  

C debe ser un entero impar, no divisible ni por 3 ni por 5 a usualmente puede ser cualquier constante sin embargo para asegurar buenos resultados, seleccione a de tal forma que (a) mod 8= 5 para una computadora binario a o (a) mod 200 =

 

21 para una computadora decimal. M debe ser el número entero más grande que la computadora acepte De acuerdo con Hull y Debell, los mejores resultados par un generador congruencial mixto



en una computadora binaria son: a=8*c

[Escriba texto]

Página 9

MODELACION Y SIMULACION DE OPERACIONES Y PROCESOS

6.2 LAS TECNICAS MONTECARLO La simulación Monte Carlo es una técnica matemática computarizada que permite tener en cuenta el riesgo en análisis cuantitativos y tomas de decisiones. Esta técnica es utilizada por profesionales de campos tan dispares como los de finanzas, gestión de proyectos, energía, manufacturación, ingeniería, investigación y desarrollo, seguros, petróleo y gas, transporte y medio ambiente. La simulación Monte Carlo ofrece a la persona responsable de tomar las decisiones una serie de posibles resultados, así como la probabilidad de que se produzcan según las medidas tomadas. Muestra las posibilidades extremas —los resultados de tomar la medida más arriesgada y la más conservadora— así como todas las posibles consecuencias de las decisiones intermedias. Los científicos que trabajaron con la bomba atómica utilizaron esta técnica por primera; y le dieron el nombre de Monte Carlo, la ciudad turística de Mónaco conocida por sus casinos. Desde su introducción durante la Segunda Guerra Mundial, la simulación Monte Carlo se ha utilizado para modelar diferentes sistemas físicos y conceptuales.

FUNCION DE LA TECNICA DE MONTECARLO La simulación Monte Carlo realiza el análisis de riesgo con la creación de modelos de posibles resultados mediante la sustitución de un rango de valores —una distribución de probabilidad— para cualquier factor con incertidumbre inherente. Luego, calcula los resultados una y otra vez, cada vez usando un grupo diferente de valores aleatorios de las funciones de probabilidad. Dependiendo del número de incertidumbres y de los rangos especificados, para completar una simulación Monte

[Escriba texto]

Página 10

MODELACION Y SIMULACION DE OPERACIONES Y PROCESOS Carlo puede ser necesario realizar miles o decenas de miles de recálculos. La simulación Monte Carlo produce distribuciones de valores de los resultados posibles. El análisis de riesgo se puede realizar cualitativa y cuantitativamente. El análisis de riesgo cualitativo generalmente incluye la evaluación instintiva o “por corazonada” de una situación, y se caracteriza por afirmaciones como “Eso parece muy arriesgado” o “Probablemente obtendremos buenos resultados”. El análisis de riesgo cuantitativo trata de asignar valores numéricos a los riesgos, utilizando datos empíricos o cuantificando evaluaciones cualitativas. Vamos a concentrarnos en el análisis de riesgo cuantitativo. Mediante el uso de distribuciones de probabilidad, las variables pueden generar diferentes probabilidades de que se produzcan diferentes resultados. Las distribuciones de probabilidad son una forma mucho más realista de describir la incertidumbre en las variables de un análisis de riesgo. Las distribuciones de probabilidad más comunes son: Normal – O “curva de campana”. El usuario simplemente define la media o valor esperado y una desviación estándar para describir la variación con respecto a la media. Los valores intermedios cercanos a la media tienen mayor probabilidad de producirse. Es una distribución simétrica y describe muchos fenómenos naturales, como puede ser la estatura de una población. Ejemplos de variables que se pueden describir con distribuciones normales son los índices de inflación y los precios de la energía. Lognormal – Los valores muestran una clara desviación; no son simétricos como en la distribución normal. Se utiliza para representar valores que no bajan por debajo del cero, pero tienen un potencial positivo ilimitado. Ejemplos de variables descritas por la distribución lognormal son los valores de las propiedades inmobiliarias y bienes raíces, los precios de las acciones de bolsa y las reservas de petróleo. Uniform – Todos los valores tienen las mismas probabilidades de producirse; el usuario sólo tiene que definir el mínimo y el máximo. Ejemplos de variables que se distribuyen de forma uniforme son los costos de manufacturación o los ingresos por las ventas futuras de un nuevo producto. Triangular – El usuario define los valores mínimo, más probable y máximo. Los valores situados alrededor del valor más probable tienen más probabilidades de producirse. Las variables que se pueden describir con una distribución triangular son el historial de ventas pasadas por unidad de tiempo y los niveles de inventario.

[Escriba texto]

Página 11

MODELACION Y SIMULACION DE OPERACIONES Y PROCESOS PERT – El usuario define los valores mínimo, más probable y máximo, como en la distribución triangular. Los valores situados alrededor del más probable tienen más probabilidades de producirse. Sin embargo, los valores situados entre el más probable y los extremos tienen más probabilidades de producirse que en la distribución triangular; es decir, los extremos no tienen tanto peso. Un ejemplo de uso de la distribución PERT es la descripción de la duración de una tarea en un modelo de gestión de un proyecto. Discrete – El usuario define los valores específicos que pueden ocurrir y la probabilidad de cada uno. Un ejemplo podría ser los resultados de una demanda legal: 20% de posibilidades de obtener un veredicto positivo, 30% de posibilidades de obtener un veredicto negativo, 40% de posibilidades de llegar a un acuerdo, y 10% de posibilidades de que se repita el juicio. Durante una simulación Monte Carlo, los valores se muestrean aleatoriamente a partir de las distribuciones de probabilidad introducidas. Cada grupo de muestras se denomina iteración, y el resultado correspondiente de esa muestra queda registrado. La simulación Monte Carlo realiza esta operación cientos o miles de veces, y el resultado es una distribución de probabilidad de posibles resultados. De esta forma, la simulación Monte Carlo proporciona una visión mucho más completa de lo que puede suceder. Indica no sólo lo que puede suceder, sino la probabilidad de que suceda. La simulación Monte Carlo proporciona una serie de ventajas sobre el análisis determinista o “estimación de un solo punto”: Resultados probabilísticos. Los resultados muestran no sólo lo que puede suceder, sino lo probable que es un resultado. Resultados gráficos. Gracias a los datos que genera una simulación Monte Carlo, es fácil crear gráficos de diferentes resultados y las posibilidades de que sucedan. Esto es importante para comunicar los resultados a otras personas interesadas. Análisis de sensibilidad. Con sólo unos pocos resultados, en los análisis deterministas es más difícil ver las variables que más afectan el resultado. En la simulación Monte Carlo, resulta más fácil ver qué variables introducidas tienen mayor influencia sobre los resultados finales. Análisis de escenario. En los modelos deterministas resulta muy difícil modelar diferentes combinaciones de valores de diferentes valores de entrada, con el fin de ver los efectos de situaciones verdaderamente diferentes. Usando la simulación Monte Carlo, los analistas pueden ver

[Escriba texto]

Página 12

MODELACION Y SIMULACION DE OPERACIONES Y PROCESOS exactamente los valores que tienen cada variable cuando se producen ciertos resultados. Esto resulta muy valioso para profundizar en los análisis. Correlación de variables de entrada. En la simulación Monte Carlo es posible modelar relaciones interdependientes entre diferentes variables de entrada. Esto es importante para averiguar con precisión la razón real por la que, cuando algunos factores suben, otros suben o bajan paralelamente. Una ventaja de la simulación Monte Carlo es el uso del muestreo Latino Hipercúbico, que muestrea con mayor precisión a partir de un rango completo de funciones de distribución.

6.3 APLICACIONESDE LA SIMULACION EN PROBLEMAS DE LINEA DE ESPERA E INVENTARIOS Simulación y Análisis de Inventarios Anteriormente se estudiaron los modelos de inventarios determinísticos donde se asume que la demanda de los productos así como el tiempo promedio para reodenar son valores conocidos y constantes. En muchas situaciones de la vida real la demanda y el tiempo promedio de uso (lead time) son variables. Si la ayuda de la simulación es muy difícil calcular análisis precisos. Se presenta un ejemplo (ver presentación en PowerPoint) en donde se analiza un problema de inventarios con dos variables de decisión y dos componentes probabilístico: El propietario de una ferretería desea establecer las decisiones de cantidad de pedido y punto de reorden para un producto que tiene una demanda diaria probabilística y un tiempo promedio de reorden.

[Escriba texto]

Página 13

MODELACION Y SIMULACION DE OPERACIONES Y PROCESOS Simulación de un Problema de Línea de Espera La modelación de una línea de espera es una aplicación de simulación muy importante. Las suposiciones de un modelo de líneas de espera son muy restrictivas. Algunas veces la simulación es el único enfoque que se puede utilizar. Se presenta un ejemplo (ver presentación en PowerPoint) en donde las llegadas no siguen una distribución de Poisson y las tasas de descargue no son exponenciales ni constantes. Los problemas de líneas de espera se pueden modelar en QM para Windows y Excel.

Modelos de Simulación de Incremento de Tiempos Fijos y de Próximo Evento. Los modelos de simulación a menudo se clasifican como modelos de incremento de tiempo fijo y modelos de incremento de próximo evento. Estos términos se refieren a la frecuencia en la cual el estado del sistema se actualiza. Los incrementos de tiempo fijo actualizan el estado del sistema a intervalos de tiempo fijo. Los modelos de incremento de próximo evento actualizan el sistema sólo cuando el estado del sistema cambia. Los modelos de evento fijo aleatoriamente generan el número de eventos que ocurren durante un período de tiempo. Los modelos de próximo evento generan aleatoriamente el tiempo que transcurre hasta cuando ocurre el próximo evento.

Modelo de Simulación para una Política de Mantenimiento La simulación se puede usar para analizar diferentes políticas de mantenimiento antes de implementarlas realmente. Muchas opciones que consideran niveles de asesorías, programación de partes de reemplazo, tiempo de equipos fuera de servicio y costos de mano de obra es posible compararlas con la simulación. Esto incluye hasta el cierre completo de una plata para mantenimiento Se presenta el análisis de una situación que encara una compañía generadora de energía eléctrica para analizar el problema administrativo de las fallas de los equipos generadores.

Otros Dos Tipos de Modelos de Simulación Los Modelos de simulación a menudo se clasifican en tres categorías: [Escriba texto]

Página 14

MODELACION Y SIMULACION DE OPERACIONES Y PROCESOS n Método de Monte Carlo n Juegos Operacionales y n Simulación de Sistemas Aunque teóricamente diferentes, la simulación computadorizada tiende a esconder esas diferencias.

Juegos Operacionales Estos hacen refencia a una simulación que implica la competencia entre dos o más jugadores. Los mejores ejemplos son los juegos militares y los juegos gerenciales. Estos tipos de simulación permiten las pruebas de las habilidades y toma de decisiones en un ambiente competitivo. Simulación de Sistemas Esta es similar a las otras en el sentido que permite a los usuarios verificar las diversas políticas y decisiones gerenciales para evaluar su efecto en el ambiente operacional. Este tipo de simulación modelan la dinámica de sistemas grandes. Un sistema operativo corporativo puede modelar ventas, niveles de producción, políticas de mercadeo, inversiones, contratos con los sindicatos, factores de utilidad, finanzas y otros factores. Las simulaciones económicas, a menudo denominadas modelos econométricos, son usadas por los gobiernos, la banca y grandes organizaciones para predecir tasas de inflación, suministro de dinero doméstico y extranjero y niveles de desempleo. La simulación de un sistema económico típico incluye insumos o entradas tales como: Niveles de impuestos sobre los ingresos, tasas de impuestos corporativos, tasas de interés, gasto gubernamental y políticas de comercio exterior. A su vez genera salidas o resultados tales como: Producto nacional bruto, tasas de inflación, tasas de desempleo, suministros de dinero y tasas de crecimiento de la población.

Verificación y Validación Es importante que los modelos de simulación sean verificados para ver si trabaja propiamente y si provee una buena representación de una situación del mundo real.

[Escriba texto]

Página 15

MODELACION Y SIMULACION DE OPERACIONES Y PROCESOS El proceso de verificación comprende la determinación del modelo de computadora que sea internamente consistente y que siga la lógica del modelo conceptual. La verificación debe contestar la pregunta “Construímos el modelo correctamente?” La validación es el proceso de comparar un modelo de simulación con el sistema real que representa para estar seguro que es preciso. La validación responde la pregunta “Construímos el modelo correcto?”.

Papel de las Computadoras en la Simulación Las computadoras son críticas en tareas complejas de simulación. Tres tipos de lenguajes de programación de computadoras están disponibles para los procesos de simulación: n Lenguajes de Propósito-General n Lenguajes de Simulación de Propósito-Especial: Estos requieren menos programación, son más eficientes y más fáciles para verificar los errores y tienen generadores propios de números aleatorios. n Programas de Simulación Pre-Escritos construídos para manejar un gran número de problemas comunes. Excel y programas de “add-ins” se pueden usar para problemas de simulación.

[Escriba texto]

Página 16