• Author / Uploaded
• lido cardenas vargas

Citation preview

Introducción • Qué es simulación?

– Modelación para imitar un proceso o el funcionamiento de un sistema

• Por qué simular? – Para entender sistemas complejos – Para evaluar mejoras en un sistema definido – Para estimar el cumplimiento de compromisos productivos

• Aplicaciones – Sistemas físicos – Sistemas de transporte y comunicaciones – Sistemas de información

4

Introducción • Cómo simulamos? – Papel – Planillas de calculo y bases de datos – Lenguajes de programación – Software especializados de simulación

• Software de simulación – Arena – GPSS – AutoSched – Crystal Ball

Simulación ≠ Sensibilización 5

Conceptos generales • Se puede utilizar optimización sobre simulaciones para buscar la mejor combinación de parámetros • Muchas aplicaciones de simulación poseen software de optimización Parametros

Simulación

Resultados

What-IF? Parámetros de funcionamiento deseados

Simulación ≠ Sensibilización

Tipos de Simulación • Eventos discretos vs tiempo discreto (continuos) • Deterministico vs Estocastico • Estado normal vs Terminación

7

Tipos de Simulación • Eventos discretos: Se indexa en el tiempo

• Tiempo discretos: Indexado en el tiempo o intervalos de tiempo • i.e. Arribo de clientes Eventos Discretos

Tiempo Discreto 8

Tipos de Simulación • Deterministico: Los tiempos de llegada de entidades y el tiempo de procesamiento no varia en el tiempo • Estocastico: Los tiempo de llegada y proceso son variable aleatorias Deterministic: 1 customer per minute

Time Stochastic: 1 customer per minute (+/- 0.5 minutes)

Time

9

Modelos de Simulaciones • Estado Normal: Funcionamiento normal en la vida del proceso • Terminación: La condicion final es la de interes

Estado Normal: Cuantas personas hay en la cola en promedio durante el dia Terminación: Cuantas personas hay en la cola al final del día? 10

Proceso en la Construcción de un Modelo • Comprensión del sistema a modelar

• Construir un sistema representativo • Validar la precisión y confiabilidad del modelo • Evaluar diferentes escenarios y diseños

Porto & Lobao (1999) 11

Aleatoriedad • Fenomeno aleatorio – Incapaz de reproducir resultados – Una distribución es aparente despues de muchas repeticiones – i.e. tirar una moneda

• La mayoria de los procesos productivos y de ingeniería poseen elementos aleatorios – Llegadas: Camiones a una cola o a una tolva en un chancador – Servicio: el carguío o el vaciado en la tolva

• Se debe entender la evidencia empirica para estimar las distribuciones – Deterministica o estocastica

12

Distribuciones de Probabilidad y Modelación de Datos Distribucion Normal

• Distribución simétrica caracterizada por una media y una desviación estandar • Z = (X – Mean) / (Standard Deviation) • Prob(|Z|