Modelos+Matematicos+de+Simulacion (Reparado)

ESCUELA TCNICA SUPERIOR DE INGENIERA DEPARTAMENTO DE ORGANIZACIN INDUSTRIAL
Modelos matemticos de simulacin

Andrs Ramos
Andres.Ramos@iit.icai.upcomillas.es
Universidad Pontificia Comillas Begoa Vitoriano

bvitoriano@mat.ucm.es
Universidad Complutense de Madrid
ndice
Sistemas, modelos y simulacin

Elementos de la simulacin Metodologa de un estudio de simulacin Generacin de variables aleatorias Software de simulacin Anlisis de resultados
Modelos matemticos de simulacin - 1

Inicio Simulacin: 1949 Mtodo de Monte Carlo (John Von Neumann, Stanislaw Ulam) SIMULACIN (Shannon, 1975)
proceso de disear un modelo de un sistema real y llevar a cab o experiencias con l, con la finalidad de aprender el comportamiento de l sistema o de evaluar diversas estrategias para el funcionamiento de l sistema.
SISTEMA
Conjunto de objetos o ideas que estn interrelacionadas entre s com o una unidad para la consecucin de un fin. Forma parte de la vida real.
MODELO
Representacin simplificada de un sistema. Es una abstraccin del sistema.
Observaci Ob servacin Sistema Sistema Modelo Modelo
ESCUELA TCNICA SUPERIOR DE INGENIERA
Procedimientos de obtencin de modelos

Anlisis terico o mtodo deductivo:
Estudio cualitativo de los fenmenos que caracterizan el comportamiento del sistema Relaciones matemticas concretas ecuaciones descriptivas del proceso.
Anlisis experimental o mtodo inductivo

Construir un modelo matemtico a partir de medidas realizadas sobre el sistema Descripcin detallada de cmo evoluciona a lo largo del tiempo Observar el comportamiento del modelo Llevar a cabo experiencias con l
SIMULACIN DEL MODELO OBJETIVO: NO conocer el sistema en s, sino comportamiento ante diversas situaciones LOS MODELOS DE SIMULACIN SE HACEN FUNCIONAR, NO SE RESUELVEN,!!!
ESCUELA TCNICA SUPERIOR DE INGENIERA DEPARTAMENTO DE ORGANIZACIN INDUSTRIAL Modelos matemticos de simulacin - 3
Ejemplo (i)
Construir una carretera, y se ha de hacer tnel a travs de montaa. Dos puntos posibles donde hacer tnel, M1, M2. M1: longitud del tnel L1, y en la montaa M2, L2. En la primera de ellas, se perforara a razn de x1 unidades por jornada de trabajo, en la otra a razn de x2 unidades. La empresa debe recibir una maquinaria nueva con una probabilidad 0.71. La probabilidad de que la nueva maquinaria se avere en M1 es 0.14, y en M2 es 0.16. Para la maquinaria vieja son 0.28 y 0.19. Las averas pueden ser de dos tipos: graves probabilidad 0.35 y 4 jornadas de trabajo de reparacin, o leves con 1 jornada de trabajo de reparacin Dnde perforar para tardar lo menos posible en construir carretera? T S I O I
E SCUELA CNICA UPERIOR DE NGENIERA DEPARTAMENTO DE RGANIZACIN NDUSTRIAL
Ejemplo (ii)
Anlogo para M2
Mtodo terico E[DT/M1] = 19.37 E[DT/M2] = 20.34
50 simulaciones E[DT/M1] = 19.3 4 E[DT/M2] = 20.2 2
Modelo de simulacin
1. Se definen los parmetros aleatorios
llegada de nueva maquinaria avera gravedad de la avera
2. Se simulan o muestrean los parmetros aleatorios 3. Se recopilan los resultados 4. Se detiene el proceso de muestreo
Cando conviene utilizar la simulacin?

Si no existe formulacin matemtica del modelo o mtodos analticos resolucin. (sistemas complejos) S existen, pero resulta ms sencillo y barato simular. Si se desea experimentar con el sistema antes de su uso o construccin. (Simulador de vuelo) Es imposible experimentar sobre el sistema Prevencin de eventualidades. Razones ticas impiden experimentacin (S. biolgicos H.) Se desea reducir escalas de tiempo, pues la evolucin del sistema es muy lenta (capa de ozono, polticas de talas de rboles) Permite estudiar sistemas dinmicos en tiempo real.
Inconvenientes
La construccin del modelo puede ser compleja y costosa. Es frecuente despreciar elementos o relaciones sin importancia aparente y obtener resultados falsos. Es difcil establecer el grado de precisin de los resultados y su anlisis. NO OPTIMIZA, slo evala
Tipos de sistemas Estado de un sistema

Conjunto de variables necesarias para describir un sistema en un instante de tiempo y relativo a los objetivos de un estudio
Tipos de Sistemas:
Continuos: Las variables de estado cambian de forma continua con el tiempo Discretos: Las variables de estado cambian en ciertos instantes de tiempo
Tipos de modelos de simulacin Clasificacin segn evolucin de tiempo

ESTTICOS: representan un sistema en un instante particular. A menudo se le llama simulacin de Monte Carlo. DINMICOS: representan un sistema que evoluciona con el tiempo.
Clasificacin segn la aleatoriedad

DETERMINISTAS: no variables aleatorias. Unos datos entrada, nica salida. ESTOCSTICOS/PROBABILISTAS: contienen variables aleatorias, las salidas son aleatorias (estimar).
Clasificacin segn las variables de estado

CONTINUOS DISCRETOS HBRIDOS O COMBINADOS
Ejemplo modelo continuo: presa-depredador (modelo Lotka-Volterra)

X(t) : nmero individuos presa en instante t Y(t) : nmero de individuos depredador en instante t r: tasa crecimiento sin depredadores s: tasa variacin en ausencia de presas
dX = rX (t ) a X (t ) y (t ), dt dY = s Y ( t ) + b X ( t )Y ( t ) , dt a > 0 b > 0
ndice
Elementos de la simulacin
Metodologa de un estudio de simulacin Generacin de variables aleatorias Software de simulacin Anlisis de resultados
Elementos de la simulacin
EVENTOS: Sucesos que pueden producir un cambio en el estado del sistema MECANISMO DE TRANSICIN: Mecanismo que muestra los cambios que se producen en el estado del sistema cuando se produce un evento Un sistema de colas con un servidor
Variable de estado: nmero de clientes en el sistema, N(t) Eventos:
Llegada de un nuevo cliente Fin del servicio de un cliente
Mecanismo de transicin N (t ) + 1 si llegada cliente N (t ) = N (t ) 1 si fin de servicio de un cliente

Tratamiento del tiempo (i)

RELOJ DE SIMULACIN: Variable que registra la cantidad de tiempo que ha sido simulada NO tiene relacin con el tiempo requerido para llevar a cabo simulacin!!! Mtodos para incrementar el reloj de simulacin
INCREMENTO EN TIEMPO FIJO (time step):
Reloj simulacin se incrementa en t unidades tiempo Cada vez que se incrementa tiempo se actualizan las variables de estado, comprobando si es por eventos si alguno ha ocurrido en ese intervalo Los eventos que hayan podido ocurrir en ese intervalo, se considera que ocurren al final del intervalo, momento en que se actualizan las variables. Desventajas: Simultaneidad de eventos, error, lentitud.
S1
2 t s2 s2
s3 s3
3 t
4 t
Tratamiento del tiempo (ii)

INCREMENTO AL PRXIMO EVENTO (event step):
El reloj de simulacin se inicializa a cero y se determinan los instantes en que sucedern los futuros eventos (todos o los ms inmediatos que puedan ocurrir). El reloj de simulacin se avanza hasta el instante del suceso ms inminente de los futuros eventos, actualizando en ese instante el estado del sistema dependiendo del evento de que se trate (Si es necesario se genera el siguiente evento de ese tipo)
s1
s2
s3
Ventajas:
los periodos de inactividad son saltados MENOR EJECUCIN tiene en cuenta instantes exactos (no error)
TIEMPO
DE
Organizacin de un modelo de simulacin

Estado del sistema: variables describen sistema en un instante particular Reloj de simulacin: variable valor actual de tiempo simulado Lista de eventos: lista de instantes en que ocurrirn los prximos eventos de cada tipo Contadores: variables para almacenar informacin sobre el comportamiento del sistema Rutina de tiempo: determina el siguiente evento y avanza el reloj de simulacin al instante en que va a ocurrir Rutina de evento: actualiza las variables cuando ha ocurrido un evento. Hay una por cada tipo de evento. Generador de informes o resultados: realiza los clculos o estimaciones de las caractersticas que se desean medir, cuando la simulacin acaba. Programa principal: enlaza todas las rutinas anteriores. E T S I
SCUELA CNICA UPERIOR DE NGENIERA
DEPARTAMENTO DE ORGANIZACIN INDUSTRIAL
Organizacin de un modelo de simulacin

Rutina inicializacin Reloj simulacin = 0 Inicializar estado y contadores Inicializar lis ta de eventos
Deter minar tipo prximo evento i 1 L lamar rutina t iempo Program a principal Actualizar estado 2 L lamar rutina evento Actualizar contadores G enerar futuros eventos y actualizar lista de eventos Rutina evento i Avanzar r eloj de s imulacin Rutina tiem po
Regla de parada
Fin de simulacin? SI
NO
G enerador res ultados

Clculos finales (estimaciones) Impr imir infor me
Simulacin por incremento de tiempo fijo

t = 0.1 h Tasa media de llegadas de clientes: 3 clientes/hora. Tasa media de servicio: 5 clientes/hora Hiptesis
Es suficientemente pequeo para que no haya simultaneidad de eventos. Slo hay una llegada o salida en cada intervalo
Probabilidad de una llegada en t Probabilidad de una salida en t
Pe = P {T t + t | T > t} = 1 e t = 1 e 0.3 = 0.26
Ps = P {T t + t | T > t} = 1 e t = 1 e 0.5 = 0.39
Generador de eventos generador nmeros aleatorios uniformemente distribuidos U[0,1] U < 0.26 ocurre una llegada U 0.26 no ocurre una llegada U < 0.39 ocurre una salida U 0.39 no ocurre una salida Estado inicial: ningn cliente en el sistema
Ejemplo: Sistema lnea de espera con un servidor

Objetivo: Estimar el nmero medio de clientes en el sistema Hiptesis y datos:
Tiempos entre llegadas de clientes: Distribucin F Tiempos de servicio: Distribucin G Tiempos independientes T, tiempo mximo de simulacin
Variables de estado:
N : Nmero de clientes en el sistema
Eventos:
Llegada de un cliente Servicio de un cliente
Mecanismo de transicin:
Llegada : N N+1 Servicio: N N-1
N (t ) + 1 si es llegada de un cliente N (t ) N (t ) 1 si es final de servicio

Modelado de sistemas mediante simulacin

Otras variables:
TM : Reloj de simulacin DL : Tiempo entre llegadas =d F DS : Tiempo de servicio =d G TL : Instante de la prxima llegada TS : Instante del prximo fin de servicio SUMA: contador acumulando suma de reas de clientes en el sistema por tiempo de permanencia TANT : Variable auxiliar (Instante de ltimo evento)
Traza del modelo

DL: 3 2 5 1 2 6 6 2 8;
N even evento to TL TS TL TS 0 1 0+ 0+0*3= 0*3=0 0 2 0+ 0+1*2= 1*2=2 2 3 2+ 2+2*2= 2*2=6 6 4 6+ 6+1*1= 1*1=7 7 5 7+ 7+0= 0=7 7 6 7+ 7+1*1= 1*1=8 8 7 8+ 8+2*2= 2*2=12 12 8 12 12+3 +3* *1=15 =15 9 15 15+2 +2* *1=17 =17 10 10 17 17+3 +3* *1=20 =20 11 11 20+0=20 20+0=20
DS: 4 1 4 1 3 2 3 5;
0 1 2 1 0 1 2 3 2 1 0 1 3 5 10 10 10 10 10 10 11 11 13 13 19 19
T= 35
N 0
RELOJ RELOJ Simulac Simulaci in Suma Suma 0 Inicio Inicio 3 Lleg Llegad ada a 5 7 8 10 10 11 11 13 13 14 14 15 15 18 18 19 19 Lleg Llegad ada a Servicio Servicio Servicio Servicio Lleg Llegad ada a Lleg Llegad ada a Lleg Llegad ada a Servicio Servicio Servicio Servicio Servicio Servicio Lleg Llegad ada a
Tipo Tipo Evento Evento
7
7 8
14 14 14 14 14 14 15 15 18 18
19 19 19 19 19 19 25 25
21 21

Tiempo de simulacin T=35 Nmero medio de clientes en el sistema: Media=31/35=0.89
N
7 8
10 11
13 14 15
18
Si el tiempo de simulacin hubiera sido T=18 Nmero medio de clientes en el sistema: Media=20/18=1.11

PROGRAMA PRINCIPAL
Inic Inicializ ializar ar N=0, N=0, TM=0 TM=0 SU SUMA MA=0 =0, , TS=
Programa Principal 1. Inicializar N= 0, TM = 0, SUM A=0, = Generar DL, poner 2. Avanzar reloj de simulacin: TM= min(TL,TS) 3. Identificar prximo evento y llamar subrutina de evento
Ll Llega egad da
Gen Gene erar DL
TS
TL=DL TL=DL
TL=DL
TM TM=m =min in(TL,TS) (TL,TS)
A. CIO
NO NO Se Servic rvicio io
SI SI TL< TL<TS? TS?
Si TL< TS,
llam ar LLEGAD
TANT=TM TANT=TM
En otro caso, llam ar SERVI 4. Regla de parada: Si TM < T, ir a 2.

SUBRUTINAS
Ser vicio N=N-1
NO TS=
N> 0?
SI
Generar D S TS=TM+ DS
Llegada
SUM A=SUMA+ (N+1)(TM-TANT) NO
N=N+ 1
Servicio 1. Variables de estado N=N-1 2. Actualizar prximos eventos: Si N>0, Generar DS, poner TS=TM+DS. En otro caso, poner TS= . 3. Actualizar contadores y auxiliares Poner SUMA=SUMA+(N+1)(TM-TANT) Poner TANT=TM 4. Volver
SI
Volver
N> 1?
Generar D S TS=TM+ DS
G enerar D L TL=TM+ DL
SUM A=SUMA+ (N-1)(TM-TANT)
Volver
Llegada 1. Variables de estado N=N+1 2. Actualizar prximos eventos: Si N=1, Generar DS, poner TS=TM+DS. Generar DL, poner TL=TM+DL 3. Actualizar contadores y auxiliares Poner SUMA=SUMA+(N-1)(TM-TANT) Poner TANT=TM 4. Volver
ndice
Sistemas, modelos y simulacin Elementos de la simulacin
Metodologa de un estudio de simulacin

Generacin de variables aleatorias Software de simulacin Anlisis de resultados
Metodologa en un estudio de simulacin

CREACIN DEL MODELO O SIMULADOR
1. FORMULAR EL PROBLEMA (fase de especificacin)
Objetivos, hiptesis, parmetros, variables de estado,...
2. REUNIR DATOS Y CREAR UN MODELO

Diagrama de flujo
3. PROGRAMAR EL MODELO
Lenguaje general o lenguaje de simulacin
4. VERIFICAR LA PROGRAMACIN (depuracin) 5. VALIDAR EL MODELO
NO NO
Verificar que lo que se ha programado coincide con lo que se haba modelado Ejecutar y comparar con sistema o solucin terica casos sencillos
METODOLOGA EN UN ESTUDIO DE SIMULACIN USO DEL MODELO O SIMULADOR

6. DISEAR EL EXPERIMENTO Estrategias, pruebas, nmero de simulaciones,... Tcnicas de Reduccin de la Varianza 7. LLEVAR A CABO LAS EJECUCIONES DE SIMULACIN 8. ANALIZAR LOS RESULTADOS Muestra simulada Anlisis estadstico 9. DECIDIR SI DAR POR TERMINADA LA SIMULACIN 10. DOCUMENTAR Y ORGANIZAR LAS EJECUCIONES
NO
ndice
Sistemas, modelos y simulacin Elementos de la simulacin Metodologa de un estudio de simulacin
Generacin de variables aleatorias

Software de simulacin Anlisis de resultados
Generacin de variables aleatorias

Aleatoriedad Obtener modelos desde los datos:
anlisis estadsticos clsicos (distribuciones empricas y contrastes de bondad de ajuste)
Simular valores de las variables aleatorias modeladas:

1. Distribucin uniforme (0,1) Nmeros pseudoaleatorios 2. Distribuciones discretas 3. Distribuciones absolutamente continuas
Generacin de muestras uniformes

Secuencia de nmeros aleatoria: si cualquier secuencia finita, seleccionada previamente a su diseo, es igualmente factible que est incluida en aquella. Mtodos fsicos (la ruleta) tablas de nmeros: No eficiente uso ordenador Nmeros pseudoaleatorios: Mtodos aritmticos.
Producir una secuencia de nmeros que siguen una distribucin de probabilidad especfica y tienen apariencia y propiedades de aleatoriedad.
Propiedades:
Distribucin uniforme Estadsticamente independientes Reproducibles Capaces de producir diferentes secuencias de nmeros Rpidos de generar y no requerir almacenamiento Tener un ciclo no repetitivo tan largo como se desee
Generacin de muestras uniformes

MTODOS CONGRUENCIALES (LEHMER(1951))
xn +1
ES EL RESTO DE DIVIDIR yn +1 = axn + b ENTRE m.
LEY RE REC CURRENTE nx = +1 EJEMPLO:
yn+1 yn +1 m n . m m m = 9 a = 5 b = 1 x0 = 1 y1 = 5 1 + 1 = 6 x1 = 6 y2 = 5 6 + 1 = 31 x2 = 4 y3 = 5 4 + 1 = 21 x3 = 3 y4 = 5 3 + 1 = 16 x4 = 7 y5 = 5 7 + 1 = 36 x5 = 0 y6 = 5 0 + 1 = 1 x6 = 1 = x0
m mdulo, a multiplicador. Si b=0, multiplicativo, si no, mixto. X0 semilla de sucesin (dado por programador: reproducible) Propiedades estadsticas: uniformidad e independencia. Buenos generadores: m = 231 1 , a = 16807 o 63036016 (Ciclo m-1) Muestras uniformes en intervalo (0,1): dividir nmeros por m ESCUELA TCNICA SUPERIOR DE INGENIERA Si se dispone de diferentes cadenas, una para cada parmetro aleatorio DEPARTAMENTO INDUSTRIAL DE O RGANIZACIN Modelos matemticos de simulacin - 33
Generacin de variables aleatorias discretas

Mtodo general o estndar X variable aleatoria discreta
x1 con prob p1 x con prob p 2 X = 2 x3 con prob p3 #
p1+p2+p3 1
p =1
k k
p1
p1+p2
Generar u =U (0,1) , Ejemplo:

0 1 X = 2 3 con prob p1 = 0.1 con prob p2 = 0.2 con prob p3 = 0.5 con prob p4 = 0.2
X = xi
si pk u < pk o sea,
k =1 k =1
i 1
Fx ( xi 1 ) u < Fx ( xi )
F (x ) 1 0.8 0.3 0.1 0

0 1 2 3
1 2
3
DEPARTAMENTO DE ORGANIZACIN INDUSTRIAL
U= 0.27, 0.54, 0.06, 0.89, 0.15, x = 1, 2, 0, 3, 1
Generacin de variables aleatorias continuas

3 ) G E N E R A C I N V A R IA B L E S A L E A T O R I A S A B S . C O N T I N U A S
M TODO
D E L A T R A N S F O R M A C I N I N V E R S A
X V .A . F U N C I N DE D E DI D IS S T R IB U C I N AC A CU U M U L A D A ES ES F ( x ) = P { x X } . G E N E R A R U U (0 ,1 ), Y DE D ET T E R M I N A R AN A NT T IIM A G E N , X TA T AL L QU Q UE E F ( x) = u . D IS T R IB U C I N EX E XP P O N E N C IA L : F ( x) = 1 e
x
x 0 (1 ME M ED D IA ).
U TA T AL L QU Q UE E F ( x ) = u= x
ln (1 d u)
ln (u )
D IS T R IB U C I N UN U NI IF O R M E EN EN ( a , b ) : F ( x) = xa SI S I x ( a , b ) . U TA T AL L QU Q UE E F ( x ) = u , S E TI T IE E N E QU Q UE E x = a + (b a )u . ba 1
1 ( x ) (1 / ) Y DE ,x) D EN N S ID A D f ( x ) = x e
D IS T R IB U C I N W E IB U L L ( , ) : (M E D IA 0
x= 1
F ( x ) = 1 e ( x ) , x 0 . U TA T AL L QU Q UE E F ( x ) = u , S E TI T IE ENE 1/ ) .
( ln(1 u )d)
1/
( ln(u )

M T O D O D E A C E P T A C I N - R E C H A Z O : M T O D O S IM P L E D E R E C H A Z O
X v. v . a. a . de d en n s id a d f( f(x x ) so s op p o r te ac a co o ta d o (a ( a, ,b ). )} . P u n t o un u ni if o r m e (a ( a, ,b ) x ( 0 , c ), si s i p o r e n c i m a d e l a c u r v a r e c h a z a r , si s i no n o, , a c e p ta r A lg o r it m o : 1) 1 ) Ge G en n e r a r u1 , u 2 U( U (0 0 ,1 ) C a l c u la r x = a + ( b a )u1 . Ca C al lc u la r y = cu 2 2 ) Ca C al lc u la r f ( x ) . Si S i y > f ( x ) ir i r a 1) 1) f ( x) 3 ) Sa S al lid a : X
F (X )
c max { f ( x ) : x ( a1 , a 2
P (Aceptar un valor dado por ( x 1, y 1)) = E je m p lo : x 0 x 1 f ( x ) = 1 ( x 1) 1 x 2 0 fuera de [ 0,2 ]

d d
1 c = max { f ( x ) : x ( a , b )} c ( b a)
1 ) Ge G en n e r a r r1 = U (0,1) y r2 = U (0,1) . Ca C al l c u l a r x = 2 r1 e y = r2 2 ) Ac A ce e p ta r x si s i r2 f ( x ) , si s i no n o, , r2 > f ( x ) y vo v ol lv e r al a l pa p as s o 1) 1)

Algunas distribuciones particulares Normal (,)
Normal(0,1), multiplicar por y sumar . No expresin funcin distribucin: no transformada inversa
Mtodo del Teorema Central del Lmite

X1, ..., Xnv.a.i.i.d media y desviacin
Aplicado a U(0,1):
X
i =1
N(0,1) n
ui
n 2 i =1 n /12
Con n=12,
u
i =1
12
(12 pequeo)
Mtodo de Box-Mller
Algoritmo:
u1, u2 U(0,1) 1) Generar 2) Salida: x = 2 ln u cos(2 u ) 1 2

y = 2 ln u1 sen(2 u2 ) v.a.i.i.d. N(0,1)
Mtodo polar de Marsaglia: evita evaluar cosenos y senos

ndice
Sistemas, modelos y simulacin Elementos de la simulacin Metodologa de un estudio de simulacin Generacin de variables aleatorias
Software de simulacin
Anlisis de resultados
Caractersticas comunes al codificar modelos de simulacin:
Generacin de muestras de nmeros aleatorios U(0,1) Generacin muestras variables aleatorias con distribuciones especficas Mecanismos de control y flujo del tiempo Determinacin del siguiente evento Actualizacin listas sucesos (adicin, supresin, actualizacin registros) Recogida y anlisis de datos generados por la simulacin Elaboracin de informes, grficas, ...
Lenguajes de simulacin de propsito general Gran desarrollo Incremento del uso de la SIMULACIN
Lenguaje simulacin versus lenguaje propsito general Ventajas de los lenguajes de simulacin
Proporcionan la mayora de caractersticas necesarias para programar un modelo simulacin reduccin de esfuerzo de programacin Entorno de trabajo natural para el uso de modelos de simulacin bloques bsicos de programacin ms afines Ms sencillos de codificar ms fcil de modificar para experimentos Facilitan deteccin errores, especialmente en lgica de proceso
Ventajas de los lenguajes de propsito general

En general, los modeladores conocen algn lenguaje de propsito general, pero no suelen conocer lenguajes de simulacin Suelen estar disponibles en cualquier ordenador, no los de simulacin. El coste del software es menor. El tiempo de ejecucin es menor (ms eficientes) Mayor flexibilidad.
TIPOS DE SOFTWARE DE SIMULACIN
Lenguaje de simulacin: Lenguaje de programacin que es general por naturaleza pero con desarrollos especiales para cierto tipo de aplicaciones. Ejemplo: SIMAN, GPSS, etc. Un modelo se desarrolla en un lenguaje de simulacin escribiendo un programa usando estructuras de modelado del lenguaje Experto programador Simulador: Programa que permite simular un sistema de una clase especfica de sistemas con poca o ninguna programacin Poca o ninguna experiencia en PROGRAMACIN Limitadas las posibles configuraciones de los sistemas. Ejemplo: simulador de vuelo, simulador de un centro de control de una central nuclear.
ndice
Sistemas, modelos y simulacin Elementos de la simulacin Metodologa de un estudio de simulacin Generacin de variables aleatorias Software de simulacin
Anlisis de resultados
Anlisis de resultados de simulacin

Un estudio de simulacin busca respuestas a preguntas sobre el sistema a travs de la informacin que proporcionan los experimentos con el modelo Los experimentos responden a preguntas: Qu pasara s? (What-if) Las respuestas servirn de soporte a una decisin sobre el sistema variable respuesta (numrica) Cada alternativa es una variante del modelo o escenario de simulacin para el experimento estimacin variables respuesta estadstica
Muestreo, reduccin varianza, estimacin, diseo experimentos
Estimacin de medias (esperanzas)

En general, valor esperado de variable respuesta se estima mediante media muestral de las observaciones. Tambin intervalo confianza (precisin) Intervalo de confianza
S2 =
i =1
(Y Y )
i
Y=
i=1
n 1
Y t n 1, / 2
(De 100 intervalos confiamos en que en al menos % estar la media)
Muestreo de dimensin fija:

n fijado antemano precisin la que resulte
Muestreo secuencial:
precisin fijada antemano (anchura del intervalo) tamao de muestra indeterminado (fijar y si no se alcanza precisin, seguir)
Modelos matemticos de simulacin

Andrs Ramos
Andres.Ramos@iit.icai.upcomillas.es
Universidad Pontificia Comillas Begoa Vitoriano

bvitoriano@mat.ucm.es
Universidad Complutense de Madrid


Modelos+Matematicos+de+Simulacion (Reparado)

Caricato da

Informazioni sul documento

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Modelos+Matematicos+de+Simulacion (Reparado)

Caricato da

Copyright:

Formati disponibili

ESCUELA TCNICA SUPERIOR DE INGENIERA DEPARTAMENTO DE ORGANIZACIN INDUSTRIAL

Modelos matemticos de simulacin

Universidad Pontificia Comillas Begoa Vitoriano

Universidad Complutense de Madrid

Sistemas, modelos y simulacin

ESCUELA TCNICA SUPERIOR DE INGENIERA DEPARTAMENTO DE ORGANIZACIN INDUSTRIAL

Modelos matemticos de simulacin - 1

Sistemas, modelos y simulacin

Observaci Ob servacin Sistema Sistema Modelo Modelo

ESCUELA TCNICA SUPERIOR DE INGENIERA

Procedimientos de obtencin de modelos

Anlisis experimental o mtodo inductivo

E SCUELA CNICA UPERIOR DE NGENIERA DEPARTAMENTO DE RGANIZACIN NDUSTRIAL

Mtodo terico E[DT/M1] = 19.37 E[DT/M2] = 20.34

50 simulaciones E[DT/M1] = 19.3 4 E[DT/M2] = 20.2 2

ESCUELA TCNICA SUPERIOR DE INGENIERA DEPARTAMENTO DE ORGANIZACIN INDUSTRIAL

Modelos matemticos de simulacin - 5

ESCUELA TCNICA SUPERIOR DE INGENIERA DEPARTAMENTO DE ORGANIZACIN INDUSTRIAL

Modelos matemticos de simulacin - 6

Cando conviene utilizar la simulacin?

Modelos matemticos de simulacin - 7

ESCUELA TCNICA SUPERIOR DE INGENIERA DEPARTAMENTO DE ORGANIZACIN INDUSTRIAL

Modelos matemticos de simulacin - 8

Tipos de sistemas Estado de un sistema

ESCUELA TCNICA SUPERIOR DE INGENIERA DEPARTAMENTO DE ORGANIZACIN INDUSTRIAL

Modelos matemticos de simulacin - 9

Tipos de modelos de simulacin Clasificacin segn evolucin de tiempo

Clasificacin segn la aleatoriedad

Clasificacin segn las variables de estado

ESCUELA TCNICA SUPERIOR DE INGENIERA DEPARTAMENTO DE ORGANIZACIN INDUSTRIAL

Ejemplo modelo continuo: presa-depredador (modelo Lotka-Volterra)

ESCUELA TCNICA SUPERIOR DE INGENIERA DEPARTAMENTO DE ORGANIZACIN INDUSTRIAL

Modelos matemticos de simulacin - 11

Sistemas, modelos y simulacin

ESCUELA TCNICA SUPERIOR DE INGENIERA DEPARTAMENTO DE ORGANIZACIN INDUSTRIAL

Modelos matemticos de simulacin - 12

Mecanismo de transicin N (t ) + 1 si llegada cliente N (t ) = N (t ) 1 si fin de servicio de un cliente

Tratamiento del tiempo (i)

ESCUELA TCNICA SUPERIOR DE INGENIERA DEPARTAMENTO DE ORGANIZACIN INDUSTRIAL

Modelos matemticos de simulacin - 14

Tratamiento del tiempo (ii)

Modelos matemticos de simulacin - 15

Organizacin de un modelo de simulacin

DEPARTAMENTO DE ORGANIZACIN INDUSTRIAL

Modelos matemticos de simulacin - 16

Organizacin de un modelo de simulacin

G enerador res ultados

Clculos finales (estimaciones) Impr imir infor me

Modelos matemticos de simulacin - 17

Simulacin por incremento de tiempo fijo

Probabilidad de una llegada en t Probabilidad de una salida en t

Pe = P {T t + t | T > t} = 1 e t = 1 e 0.3 = 0.26

Ps = P {T t + t | T > t} = 1 e t = 1 e 0.5 = 0.39

Modelos matemticos de simulacin - 18

Ejemplo: Sistema lnea de espera con un servidor

Llegada : N N+1 Servicio: N N-1

N (t ) + 1 si es llegada de un cliente N (t ) N (t ) 1 si es final de servicio

Modelado de sistemas mediante simulacin

ESCUELA TCNICA SUPERIOR DE INGENIERA DEPARTAMENTO DE ORGANIZACIN INDUSTRIAL

Modelos matemticos de simulacin - 22

Traza del modelo

Tipo Tipo Evento Evento

Modelado de sistemas mediante simulacin

ESCUELA TCNICA SUPERIOR DE INGENIERA DEPARTAMENTO DE ORGANIZACIN INDUSTRIAL