Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
estticas del problema; es decir, se asume que las condiciones son constantes en el tiempo durante el perodo de estudio' Ejemplo: las programaciones lineal y no Iineal.
Los resuliados llevan a obtener una solucin ptima para el problema
pa'a lograr
la
un solo objetivo, con lo cual se sacrifican otros objetivos secundarios, Ejemplo: programacin lineal.
En los modelos analticos no es posible considerar situaciones aleatorias que podran ocurrir en un sistema; por lo tanto, el analista se ve forzado a usar tiempos promedios de proceso u otros indicadores que pueden producir resultados engaosos. Ejemplo: las tcnicas PERT-CPM.
del desempeo del sistema, tal como el porcentaje de utilizacin de los recursos, o los tiempos de ciclo, etctera. La simulacin es una herramienta de evaluacin de escenarios que permite al diseador del
. .
ambiente, o
La simulacin es usada para probar la efectividad de un sistema en pafticular, Pero por s misma no resuelve un problema u optimiza un disec. Ayuda a evaluar una
solucin pero no genera solucin alguna. La solucin solo puede ser conseguida
. .
las
eliminar las ineficiencias ocultas en un modelo analtico, que solo se detectan cuando el sistema est en operacin; es decir, cuando es demasiado
Ayuda
ta rd e.
a
ffi=,'.
F".i 4.
g?.;--
FA5E5 DE
r.'h PR.OYECTO DE
SIMULAC:ru2
La simulacin es mucho ms que la conslruccln del modeio y su ejecucin. Conro cualquier proyecto, requiere de planeamiento, coorclinacin y un entendimiento de los requerimientos de cada una de ias tareas involucradas. Ei modelado de sistemas requiere de capacidades o habilidades analiica, estadstica, organizacional y de ingeniera, El modelador debe ser capaz de entender el sistema que est siendo investigado y debe orcienar relaciones complejas causa-efecto. No hay reglas estrictas de cmo conducir un proyecto de simulacin; sin embargo, a ccntinuacin se presenta una secuencia de etapas, generalmente recomendadas:
Definir el problema, Ios objetivos y los requertmentos'
Diseo del modelo conceptual. Obtencin y anlisis estadstico de los datos para el modeio' Construccin del modelo de simulacin,
n .
Diseo del experimento de simuiacin, ejecucin y anlisis estadstico' Entrega de documenlacin y presentacin de resultados.
til 1 210
ene
|F-.
l
iFr
F.
?li
iF I
+
2silI
A continuacin se desarrollarn los aspectos que se involucran en cada etapa; en ciertos casos se analizarn con mayor profundidad algunas de estas etapas en captulos
2,1
CApiuLc
biema sera, por ejemplo: En la medida en queridas para satisfacer la demanda estimada para un viaje areo?"' del modelo se qr:e el pi.oblema se formule de una manera ms precisa, la construccin har ms sencilla.
Su contexto, identificanCo los Al inicio, es importanie definir el probiema entendiendo para llevar a cabo el proyeclo de simulaobjetivos que definen la razn y el propsiio sobre el sstema que se est incin. Una forma de conocer el prcblenna es saber ms produccin, las medidas de desempevestigando; por ejemplo, su capacidad actual de de espera, entre otros); o actuales del sistema (utilizacin, tiempo de ciclo, tiempo boteila" y ver la factibilidad de alcancon0cer cules son las restricciones o "cuellos de mejorar mtodos' eictera); zar indicadores meta de desempeo (adicin de recursos, global del sistema' El qu variables de decisin son ms sensibles en el desempeo ser ejecutado, y sus objetivo de la simulacin debe ser reaiista y factible de tiempo y presupuesto' requerimientos deben definirse en trminos de recursos,
y Arango, i993):
"
n
del modelo? Para quin es el modelo?, cquin ser el usuario final cQu
. . . .
del
modelo de simulacin?
Cules son las expectativas del cliente? Cul es el presupue6to? Cul es la fecha lmite para flnalizar el proyecto?
sean El proyecto de simulacin ser exitoso en la medida en que los objetivos solo simulacin La definidos en forma ctara y las restricciones sean bien entendidas' del proyecto y se debera ser ejecutada cuando se hayan definido el o los objetivos
para adquirir haya determinado que la simulacin es la herramienta ms conveniente regresar a los dichos objetivos, Durante la ejecucin del proyecLo' es necesario que es impodcante' Algunas veces objetivos, para mantener la atencin enfocada en lo ejecucin del proyecto' los objetivos cambian o se expanden durante el avance en Ia
4.2
del mundo real en un modelo En esta et,lpa, el modelador debe traducir el sistema eslablecer la lgica de las concepiual, En el diseo del modeio conceptual se debe estructui'ales del sistema y del cireraciones en el modelo en trminos de los elementos el modelador ilujo de entidades que pasarn a travs del sislema, En este sentido,
35
PEDRJ
L ToRRs
VEcA
debe entencjer la est'uctura y las reglas de operacin del sistema que se investiga y ser capaz de extraer su esencia, sus caractersijcas rmporiantes. En esia etapa se deben toma'en cuenia aspectos como:
' . '
Los componentes que deben ser incluicios en el modelo y cules son las inleracciones posibies entre estos.
La secuencia de operaciones. Los 'ecurscs e n dispula por las entidades.
Los alcances del modelo. El nivel de detalle que debe ser incluido en el modeio de-
pende de los objetivos planteados para el proyecto, En todo caso, solo aquellos componentes que causan diferencias significativas en la toma de decisiones deben ser considerados, Identifica los requerimientos de datos para cada componente del modelo, por ejemplo,'atencin al cliente', Para un buen entendimiento, los requerimientos de datos pueden ser proyectad0s, con ellos se pueden consjderar programas o Schedule, algoritmos y controles requeridos para el modelo,
Planeamiento de experimentos. Definir, en forma tentativa, el nmero y la naturaleza de los escenarios o alternativas de configuracin que ser evaluada.
formato de presentacin de los resuitados. Este aspecto influye significativamente en el tiempo y el esfuerzo involucrado en el estudio de simulacin. Si se requiere un detallado nivel de animacin o si se espera un extenso reporte, entonces el proyecto se puede prolongar por varias sernanas extras despus de que la etapa de experimentacin haya concluido. En algunos casos se requiere como resuliado solo un vaior, con el cual se verifica si el sistema es capaz de alcanzar los requerimientos de niveles de produccin o servicio; en estos casos, un solo valor es suficiente. En otras situaciones se requiere una completa documentacin en la que se detallen todos los objetivos, las fuentes de datos, las suposiciones, los procedimientos de modelado, los experimentos, los anlisis de resultados y las recomendaciones. Una pauta para establecer la ciase y la cantidad de informacin por presentar es pregunlar al tomador de decisiones qu decisin est siendo respaldada por la simulacin y los aspectos de fondo involucrados; as, se focalizar en los tems impcrtantes y se proveer de efectiva visualizacin de informacin que facilite un duecuado proceso de toma de decisiones. Algunas veces la animacin de la simulacin puede ser efecliva para mostrar reas congestionadas o "cuellos de botella"; tambin la presentacin de grficas o esquemas.
Dete rminar el
36
CrpirLrrc 1. CcNcEPTcs
FUi\lDAl,lElifAr.Fs
DE LA
sll"luLAcioi\i
DE
sisiEMAS
ti-ucrin del modelo. Una inapropiada especlficacin en el modeio nos conducir a una prclida irreversible de tiempo y esiuerzo. Por ello, los dalos deben ser obtenidos en orma sisiemtica, clasificad os y a na izacios estad stica mente.
I
Lcs datos que conciernen al sislema son los involucrados con su estructura, con los y las componentes individuales existenies, las interacciones entre los componentes partir de esoperaciones del sistema. Los posibles estados del sistema se establecen a
. . . .
tiempos, de entrevistas personales con los operadores del sistema, o de otras fuentes' El proceso de obtencin de datos es vilal e implica tiempo y costo; por lo tanto, debe ejecutarse en forma inteligente y sistemtica para asegurar la construccin del modelo
apropiado,
para Una vez obtenidos los datos, estos deben pasar por ciertas pruebas estadsticas, ver si se ajustan a alguna distribucin de probabilidad. La informacin de un sistema liene carcter dinmico y estocstico, la variabilidad de este debe modelarse con cier-
tas ecuaciones matemlicas que sean capaces de reproducir su comportamiento; en la mayora de los casos es posible clasificar dicha variabilidad dentro de alguna distribu-
y se debe recurrir a
distribuciones empricas. La representacin en el modelo de una variable aleatoria se da por medio de una distribucin de probabilidad. Si luego de realizar las pruebas a los datos obtenidos se alcanza un ajuste significalivo, entonces es posible representar en el modelo estos datos por medio de una distribucin de probabilidad "terica" (exponencial, uniforme, triangular, normal, etctera)'
Aspectos importantes de esta etapa se desarrollarn, con delalle, ms adelante, cuando se aborde el captulo de obtencin y anlisis cie los datos para el modelo'
lacin que se prepara en la computadora y se basa en las reglas del sistema seleccionado, por ejemplo, los software Arena, Pi'oModel, etctera' lJn buen modelo no es aquel que necesariamente eS real, pero s lo suficientemente tjl. Un modelc es til sr tiene suficiente detalle y exactitud para encontrar los objeti-
37
PEDF.O
].
IoRRs VEGA
vos de la simulcin, El grado al iual el modelo cor:-esponde en detalle y exactiiud al slstema actual est asocado al nivel de fide!idad. Atos niveles de fidelidad requieren la;-gcs desari-oilos, depuraciones y tiempos de ejecucin, Por eilo, se recomienda estabiecer un mnimo requei-ido de fidelidacJ para lograr los objetivos del esiudio, Se debe tener en cuenia que los modelos n0 tenen que incluir todo ei detalle necesario para que puedan ejecutarse. Mediante un progresivo refinamiento estratgico puede adicionarse el detalle y nc todo a la vez, Estc posibilita que el modelo se ejecute rpido y sea fcil la depuracin de errores, En la etapa inicial, poi' ejempio, no son necesarios los grficos muy atractivos, como s lo seran en la presentacin linal del modelo. En cuanlo a la comple;'idad del modelo, se debe tomar en cuenta que es mejor empezar con un modelo simple y adicionar conrplejidad, en lugar de ci'ear un modelo complejo enseguida. Es ms fcil adicionar que extraer complejidad al modelo,
minado la construccin del modelo es necesaria la comprobacin, la confirmacin de que el modelo trabaja correctamente.
Durante este proceso el modelador trata de deteclar errores involuntarios en el modeio (de datos, de lgica u otros) y eliminarlos. Es recomendable investigar ias regiones extremas de los parmetros de entrada, verificar que sucedan las cosas correctas con entradas obvias y seguir la secuencia lgica con las personas familiarizadas con el sistema. En esta etapa se debe continuar con ei proceso de depuracin y refinacin del modelo, pero en una proporcin menor que en la etapa de
construccin.
ei cual el modelador traza conclusiones acerca de la precisin del modelo, basado en alguna evidencia disponible. La vaiidez del modelo se reflere a si este corresponde al sistema real, o si por lo menos representa con precisin la data recolectada y las supcsiciones hechas con relacin a la manera en que opera el sistema real. Durante el proceso de construccin del modelo, el modelador debe estar constantemente ccmpi-omei-ido con la validacin del modeio. Un ejemplo de va{idacin es comparar la medicin de un indicador de desempeo obtenido de la simuiacin, con la medicin del mismo indicador tomado del sistema real, y ver si estas corresponden.
La recoleccin de evidencias que determinan la validez del modelo es extensamente llevado a cabo examinando la eslructura del modelo y evaluando la informacin esiaastica qre se obtiene del modelo. La estructura del modelo (los algoritmos y las relactones) debe ser rerificada para ver cun cerca esta corresponCe a la definicin actual del sistema. Para aquelios modeios que tienen una lgica de control compleja, la ant-
3B
CApiTULO
1. COICprOS
FUNDANTEN-|AiES
DE LA SIPIUr-AClOll DE siSTEl'lAS
de macin gi-fica puede ser utlizada en forma efectiva como una herramlenla para validacin. Finalmenie, ia inforrnacin de salida cjel modelo debe ser analizada procedimientos son ejeculados obsei-var si los resuitados parecen razcnables. Si estos dice sin encontrarse una discrepancia entre el sistema real y el modelo, entonces se que el mocjelo tiene una precisa representacin del sistema'
t:
.irj t,::a,:-_ ::,r:r
:,,1t
i:, i:,:i:-
r:,1-
i:
rj::::.1:i::::::1:::ja::l:
: j!::J: i ::::i..;.: 'r :-:.:i : :.t;:;=,.ti::::itt: : ::i:l :il l::::! :::'ii.:: !i .:i
Sistema Real
Modelo de Simulacin
Traduccin en dos etapas para convertir el sistema del mundo real en un modelo de simulacin'
La verificacin y valldacin del modelo representan factores crticos para el xito del proyecto de simulacin. Importantes decisiones se basan en la informacin obtenida de la del experimento de simulacin y, por lo tanto, esto es una evidencia demostrable validez del modelo,
4.7 Experimento
de En esta etapa se planea qu es lo que se desea saber. Mediante los experimentos simulacin obtendremos las respuestas de una manera precisa y eficaz.
En un experimento de simulacin hay ciertas variables llamadas "independientes" 0 ',variables de entrada", que pueden ser manipuladas o variadas, Los efectos que causa esla manipulacin en otras variables denominadas "dependientes" o "variables de respuesta,, son medidos. Las variables independientes son manejadas o manipuladas en ia experimentacin; se les llarna tambin variables de decisin o variables de experimento. Desde que el experimentador est interesado en variables dependientes estas son llamadas variables de respuesta o variables de desempeo'
Varios tipos de experimentos pueden ser conducidos usando simulacin:
. , .
Encontrando el desempeo esperado del diseo particular de un sistema' Encortrando el valor ptimo para una variable de decisin.
Enconti-ando
LleLl5lulL
)^-i^i:-^
39
PEDRLT
i.
Tonr.is
VEGA
sistema. Desafortunadamente, la informacin obtenida de la simulacin muy pocas veces identifica las causas de los problemas, solo reporta el componamiento sintomtjco del problema. Poi- ejemplo, las actividades "cuello de botella" son usuaimente identficadas porque determinado proceso posee siempre una cola larga, comparadas con los
procesos cuyas colas estn vacas. Esto es un snioma de que existe un "cuello de botella" en el sistema,
El conjunto de valores de cada indicador, que resulta de la ejecucin del experimento de simulacin, sea de estado estable o transitorio, deber ser sometido a pruebas estadsticas de bondad de ajuste a la distribucrn Normal, es decir, bsicamente a las pruebas de Chi-cuadrado, Kolmogorov-Smirnov y Anderson Darling, El objetivo de esta prueba es veriflcar que se aplica el Teorema dei Lmite Central (TLC) para el
indicador del estudio, es decir, que los N valores promedio que se logren producto de las N rplicas forman un conjunto de valores que se ajustan a una distribucin de
probabilidad Normal,
ind icador.
estadstica al
En la conduccin de un experimento de simulacin el modelador debe tener cuidado en la correcta interpretacin de la nformacrn obtenida de la ejecucin de la simulacin. A continuacin se presentan aigunos puntos para tomar en cuenta en el diseo del experimento de simulacin,
Aspectos ciaves en el diseo del experimento de simulacin:
. . ' . . . .
Est el inters localizado en analizar el comportamiento del estado estabie del sistema, o existe un determinado perodo de tiempo que se desea medir?
Cul es la mejor manera de asegurar que los resultados reflejen solo el perodo de
tiempo de inters
condiciones iniciales?
Cul es el mejor mtodo para obtener una muestra de observaciones que pueden ser usadas para estimar el corportamiento del modelo?
Cul es la longitud apropiada para ejecutar la simulacin?
Ncrmal?
Las respuestas a estas pi-eguntas dependern del gr-ado de precisin requerido Cel proyecto de simulacin, Todos estcs aspectos claves sern desarrollados en forma
AA
Cplrriro 1.
experimentc de detaliada ms adelante, en el captulo corresponiiente al diseo del simuiacin, su ejecucrn y anlisis estadslico de los resultados.
o reporte final, en Estas recomendaciones deben ser alcanzadas mediante un informe ejecuy el cual se adjunta la data utilizada, el desai-rollo Cel modelo los experimentos la tacos, Los resultados deben ser presentados de forma que sean fciles de evaluar;
resultados del animactn y las grficas son muy tiles como ayuda para comunicar ios estudio de simulacin' que analizar, y si es Cuando se ha terminado la presentacin y no hay ms aspectos adecuaaprobada, entonces est lista para la implementacin, Si la simulacin ha sido
para ei damente documentada, esta proveer buenas especificaciones funcionales equipo de implementacin'
ffi
s.
de imitar Una de las caractersticas ms importantes de ia simulacin es la capacidad el compoftamiento aleatorio que existe en los sistemas estocsticos, Para simular este comporlamiento aleatorio se requiere de un mtodo que provea la generacin de estos
nmeros aleatorios, as como de rutinas para generar variaciones aleatorias, basadas en rlistribuciones de probabilidad. para crear Un generador de nmeros aleatorios es un algoritmo determinstico, usado lo siconsiderar < debe 1. se valores reales distribuidos entre 1y 0, tal que 0 <= x guiente:
. .
La ocurrencia de
El valor de la muestra previa no afecta la probabilidad del valor de la prxima muestra (independencia).
da distribucin puerar nmeros aleatorios, los ms populares son los mt;J;: congruenciales, que den ser: aditivos, multiplicatlvos o mixtos.
mixto: A continuacin se presenta la expresin general de un generador congruencial
Xn+1
Estos nmeros pueden ser transformados en valores que Se ajustan a una determinade probabiiidad. Existen varios mtodos que son utilizados para gene-
= (a*Xn + c) mod m
donde:
A1 +I
PE'RO
],
TORRES VEGA
a: muitiplicador c: incremento m:
l"
^h
donde b>2
dadoque:
Xn+1
= ( a*Xn + c) mod m
Xr=(axX6*c)modm
Xz=(axX1
fc)modnr
:,=,dxX2*c)modm
Los nmeros generados no son estrictamente aleatorios porque ellos son predecibles y reproducibles, por esta razn estos nmeros generados son Ilamados pseudoaleatorios. No obstante, ellos se adecuan en forma aproximada a la aleatoriedad del mundo real, para propsitos de simulacin.
Ejemplo:
De acuerdo con la informacin siguiente, determinar la secuencia completa de nmeros aleatorios; es decir, hasta que se alcance el perodo correspondiente,
Xo:6
a: 6 c: 6 m: 10
Solucin:
I
X-t
6
(axX-t + c)
A1 AL
1B
X =(axX-1 + c) mod m 2
Nmero Aleatorio R=
Xi/m
_t
2
J
I
4
0 6
I
4
0
6
2
B
54 30
6
4
5
0.6
0.2 0.8 0,4
0
6
7
42
1B
B
54 30
6
4
0 6
4
0
10
0.6
42