SIMULATION MODELING AND ANALYSIS WITH ARENA

CAPTULO 1. INTRODUCCIN A LOS MODELOS DE SIMULACIN

Los modelos de simulacin se utilizan para el anlisis de sistemas complejos. Se
experimenta con el sistema, con objetivos como mejorar el diseo del sistema, el anlisis de
costo-beneficio, entre otros. Se trata de observar el comportamiento del sistema en el
tiempo y sus estadsticas. Por lo tanto, se describe la estructura del sistema cuando las
historias generadas describen el comportamiento del sistema. Este libro en general habla
sobre los modelos de simulacin de sistemas industriales como lneas de produccin,
sistema de inventarios, sistemas de comunicacin cliente-servidor y sistemas de transporte
como puertos martimos, aeropuertos, etc.


1.1 SISTEMAS Y MODELOS

El modelado de una empresa se realiza mediante la representacin de un sistema con el
fin de proporcionar predicciones de medida del rendimiento de este mismo, dicha
representacin se le conoce como modelo, quien est diseado para captar aspectos del
comportamiento del sistema.
Tal representacin simplificada se llama modelo. Un modelo esta diseado para captar
ciertos aspectos del comportamiento del sistema de inters, todo esto debe ser con detalle.
Cuando un modelo es motivado econmicamente se obtiene los siguientes puntos:
Evaluacin del rendimiento del sistema y escenarios inusuales. Un modelo puede
ser una necesidad si el sistema no es interrumpido gravemente, este debe ser evitado
a toda costa. Con esto se refiere a las actualizaciones de una lnea de produccin,
entre otras.
Predicen el comportamiento de los diseos experimentales de sistemas. Cuando el
sistema subyacente no existe an, la construccin de modelos (y manipulacin) es
mucho ms barato (y ms seguro) que la construccin del sistema de la vida real, o
incluso su prototipo.
Clasifican mltiples diseos y analizan sus ventajas y desventajas.cuandola
motivacin econmica es an mayor surge cuando la requisicin de un sistema caro
(con especificaciones detalladas) se adjudica al postor con los mejores indicadores
de costo-beneficio.
Los modelos pueden asumir una variedad de formas:
Un modelo fsico es un objeto fsico simplificado o reducido.
Un modelo matemtico o analtico es un conjunto de ecuaciones o relaciones entre
las variables-matemticos.
Un modelo de computadora es slo una descripcin del programa del sistema. Un
modelo de ordenador con elementos aleatorios y una lnea de tiempo se denomina
un modelo de simulacin de Monte Carlo (por ejemplo, la operacin de un proceso
de fabricacin durante un perodo de tiempo).
La simulacin de Monte Carlo ocupa los modelos de simulacin de sistemas de
produccin, transporte y de informacin de la computadora. Los ejemplos incluyen las
lneas de produccin, sistemas de inventario, operaciones portuarias, y los sistemas de
bases de datos.


1.2 ANLISIS VS MODELO DE SIMULACIN

Un modelo de simulacin se implementa en un programa de de computadora. es un
modelado barato el cual se usa como alternativa para un modelo analtico. Lo que hace
un modelo analtico y un modelo de simulacin es presentar soluciones de las cuales:

I. Un modelo analtico exige la solucin de un problema matemtico, y la
derivacin de 'frmulas matemticas, o ms en general, los procedimientos
algortmicos. La solucin se utiliza entonces para obtener medidas de
rendimiento de inters.
II. Un modelo de simulacin se ejecuta mediante un programa de simulacin para
producir historias de muestra. Un conjunto de estadsticas calculadas a partir de
estas historias se utiliza para formar las medidas de desempeo de inters.

Para comparar y contrastar ambos enfoques, se supone que una lnea de produccin
es conceptualmente modelado como un sistema de colas. El enfoque analtico creara
un sistema de colas analtica (representado por un conjunto de ecuaciones) y procede a
resolverlos.
Un modelo de anlisis es preferible a un modelo de simulacin cuando se tiene una
solucin, ya que su clculo es ms rpido. Desafortunadamente, los sistemas complejos
rara vez se prestan para los modelos analticos suficientemente detallados. De vez en
cuando, aunque en raras ocasiones. el clculo numrico de una solucin analtica es en
realidad ms lento que una simulacin correspondiente. En la mayora de los casos, un
modelo analtico con una solucin manejable es desconocido.
Cuando el sistema es complejo, es preferible un modelo de simulacin debido a varias
razones. En primer lugar, en el caso en que un modelo de anlisis no se pueda
encontrar, el tiempo empleado en los modeladores puede ser excesivo. En segundo
lugar el modelador puede juzgar que un intento de una solucin analtica es una apuesta
pobre, debido a las dificultades matemticas aparentes. Por ltimo, el modelador puede
incluso no ser capaz de formular un modelo de anlisis con el poder suficiente para
captar los aspectos de comportamiento del sistema de inters.
Otra forma de contrastar los modelos de anlisis y de simulacin es a travs de la
clasificacin de los modelos en los modelos descriptivos y prescriptivos. Los modelos
descriptivos producen estimaciones para un conjunto de medidas de desempeo
correspondientes a un conjunto especfico de datos de entrada. Los modelos de
simulacin sirven como modelos de anlisis de rendimiento. Los Modelos
prescriptivos se orientan hacia el diseo o la optimizacin. Los modelos analticos son
prescriptivas, mientras que la simulacin no lo es. Los mtodos de anlisis pueden
servir como herramientas de optimizacin efectivos, mientras que la optimizacin
basada en la simulacin por lo general requiere una bsqueda de la optimizacin.
En particular. la complejidad de los sistemas industriales y de servicios a menudo
obliga a la seleccin de la simulacin como la metodologa.

1.3 MODELO Y ANLISIS

Desde la segunda guerra mundial la simulacin se ha convertido en una herramienta
indispensable. Los modelos de simulacin se han aplicado para estimar el rendimiento,
para responder a "qu pasara si", y para capacitar a los trabajadores en el uso de los
nuevos sistemas. Ejemplos:
La estimacin de un conjunto de medidas de productividad en sistemas de
produccin, los sistemas de inventarios, procesos de fabricacin, manipulacin de
materiales, y las operaciones de logstica
El diseo y la planificacin de la capacidad de los sistemas informticos y redes de
comunicacin a fin de minimizar los tiempos de respuesta
Llevar a cabo juegos de guerra para entrenar a personal militar o para evaluar la
eficacia de las operaciones militares propuestas
Evaluacin y mejora de las operaciones portuarias martimas, como los puertos de
contenedores o terminales martimos a granel de materiales (carbn, petrleo o
minerales), dirigidos a la bsqueda de formas de reducir los tiempos de los puertos de
los buques
Mejorar las operaciones de la salud, las operaciones financieras y bancarias, y los
sistemas de transporte y aeropuertos, entre muchos otros

La simulacin es ahora utilizado por una variedad de trabajadores de la tecnologa,
que van desde los ingenieros de diseo a los operadores de planta y gerentes de
proyectos. Se emplea la simulacin para seleccionar los parmetros de diseo, plan de
distribucin de la planta fbrica y equipo compras, e incluso evaluar los costos
financieros y el retorno de la inversin (por ejemplo, reorganizacin. nuevas
instalaciones, nuevos productos, y los proyectos de inversin de capital).


1.4 LA SIMULACIN Y SUS VISIONES EN EL MUNDO

Cada herramienta informtica tiene dos visiones del mundo asociadas: una visin
del mundo al desarrollador y otra al usuario. La primera visin del mundo pertenece los
creadores de la herramienta de software de simulacin (los diseadores e ingenieros de
software). La segunda visin del mundo se refiere a la forma en que el sistema se emplea
como una herramienta para los usuarios finales ( los analistas que crean modelos de
simulacin como el cdigo escrito en un lenguaje de simulacin).

La mayora de las modernas herramientas de simulacin por ordenador es
implementar una cosmovisin de sistema, llamado el paradigma de simulacin. En este
sistema de visin del mundo, el modelo de simulacin posee una mirada en cualquier
punto en el tiempo. La trayectoria travs del tiempo se abstrae como una funcin a
trozos constante, cuyos saltos (discontinuidades) son provocados por eventos discretos.
el estado de simulacin se mantiene sin cambios a menos que ocurra un evento de
simulacin, momento en el que el modelo se somete a una transicin de estado. La
evolucin del modelo se rige por un reloj y una lista de eventos en orden cronolgico.
Cada evento se lleva a cabo con un procedimiento (cdigo de computadora) cuya
ejecucin puede cambiar las variables y programar otros eventos. Una ejecucin de la
simulacin se inicia mediante la colocacin de un evento inicial en la lista de eventos,
procede como un bucle infinito que ejecuta el caso actual y termina cuando un evento se
detiene o la lista de eventos se convierte en vaca.


1.5 MODELO DE EDIFICIO

El modelado es una actividad complicada que se combina el arte y la ciencia. Sin
embargo se puede distinguir por los siguientes pasos principales:

1. Problema analtico y coleccin de informacin. El primero interviene construyendo
un modelo de simulacin de analizando el problema as mismo. Para facilitar una
solucin, el analista primero junta la informacin estructural que tiene que ver con
el problema, y lo representa convenientemente. Esta actividad incluye la
identificacin de parmetros de entrada, las medidas de funcionamiento de inters,
relaciones entre parmetros y variables, reglas que gobiernan la operacin de
componentes de sistema, etctera. La informacin entonces es representada como
organigramas lgicos, rboles de jerarqua, narrativa, o cualquier otro medio
conveniente de representacin. Una vez que informacin suficiente sobre el sistema
subyacente es juntado, el problema puede ser analizado y con una solucin
planeada.
2. Coleccin de datos. La coleccin de datos es necesaria para estimar parmetros de
entrada al modelo. El analista puede formular suposiciones sobre las distribuciones
de variables aleatorias en el modelo
3. Modelo de construccin. Una vez que el problema es totalmente estudiado, el
analista procede a construir un modelo e implementarlo en un programa de
computadora. El lenguaje de programacin empleado puede ser una lengua de uso
general (p.ej., C ++, Visual Bsico, el lenguaje FORTRAN) o en lenguajes de
simulacin (por ejemplo.. Arena. Promodel, GPSS).
4. Verificacin del modelo. El objetivo de verificacin del modelo es de asegurarse
que el modelo es correctamente construido de manera diferente indicado, la
verificacin hace que sea seguro el modelo y se comporte a su especificacin y
haga lo que se supone que debe de hacer. la verificacin es conducida en gran parte
por la inspeccin, y consiste en comparar el cdigo modelo para modelar la
especificacin.
5. Validacin del modelo. Cada modelo al principio debera ser visto como una mera
oferta. sujeto a validacin. La validacin modela examina el modelo a datos
empricos. Un modelo bueno encaja con medidas de funcionamiento importantes,
predichas por el modelo., es comn examinar mltiples ciclos de construccin del
modelo: verificacin, validacin, y modificacin.
6. Diseo y conduccin de experimentos de simulacin. Una vez que el analista juzga
un modelo para ser vlido, l o ella puede continuar diseando un juego de
experimentos de simulacin para estimar el funcionamiento del modelo y la ayuda
en la solucin del problema del proyecto. El analista selecciona un nmero de
argumentos y controla la simulacin para Lograr fiabilidad suficiente.
7. Anlisis de salida. El funcionamiento estimado mide el anlisis cuidadoso lgico y
estadstico. Un problema tpico es identificar el mejor diseo entre un nmero de
alternativas que compiten. Un anlisis estadstico controlara pruebas de inferencia
estadsticas para determinar si uno de los diseos alternativos disfruta de medidas de
funcionamiento superiores,
8. Recomendaciones finales. Finalmente, el analista usa el anlisis de salida para
formular las recomendaciones finales para el problema de sistemas.


1.6 SIMULACION DE RIESGOS Y COSTOS

El modelo de simulacin, aunque en general es eficaz, no es gratis. Los costes ms
importantes del modelo de simulacin, y los riesgos asociados a la misma, se enumeran
aqu.
Costo de modelado. Un buen modelo de simulacin es un requisito previo a las
soluciones eficaces. el modelado es con frecuencia ms que una ciencia, y la
adquisicin de buenas habilidades de modelado requiere mucha prctica y
experiencia. El arte del modelado consiste en la construccin del modelo se
detalla a menos que puede hacer el trabajo (produccin de respuestas adecuadas
a las cuestiones de inters).

Costo de codificacin. Los modelos de simulacin requiere un software de
escritura. Esta actividad puede ser propenso a errores y costosa en trminos de
tiempo y trabajo humano (proyectos de software complejos son conocidos por
frecuencia no completar a tiempo y dentro del presupuesto).

Simulationruns. Los modelos de simulacin hacen un amplio uso de las
estadsticas. El analista debe tener cuidado para disear los experimentos de
simulacin, a fin de lograr la fiabilidad estadstica adecuada. Esto significa que
tanto el nmero de carreras de simulacin (repeticiones) y su longitud deben ser
de magnitud adecuada. algunos modelos de simulacin pueden requerir enormes
recursos informticos (espacio de memoria y tiempo de CPU). El modelador
debe tener cuidado de no llegar a un modelo de simulacin que requiere
prohibiciones

Anlisis de salida. La Simulacin de salida debe ser analizada y correctamente
interpretado. Laspredicciones errneas, con base en el anlisis estadstico
defectuoso y comprensin inadecuada del comportamiento del sistema son los
riesgos siempre presentes.





1.7 EJEMPLO: UN PROBLEMA DE CONTROL DE LA PRODUCCIN


Se presenta un problema simple de control de la produccin como un ejemplo de la
clase de sistemas susceptibles de modelos de simulacin. Este ejemplo ilustra la
definicin del sistema y los problemas de rendimiento asociados












Considere la posibilidad de un proceso de envasado / almacenamiento con los
siguientes pasos:
1. El producto se llena y se sella.
2. Las unidades selladas se colocan en cajas y pegatinas se colocan en las cajas.
3. Las cajas son transportadas al almacn para satisfacer la demanda del cliente.

El sistema representado en la figura 1.1 est sujeto a las siguientes suposiciones:

1. Siempre hay suficiente materia prima para el proceso.
2. El procesamiento se lleva a cabo en lotes, cinco unidades a un lote. Unidades
terminadas se colocan en el almacn. Los datos recogidos indican que los tiempos de
procesamiento de la unidad se distribuyen de manera uniforme entre 10 y 20
minutos.
3. El proceso pasa por fallos aleatorios que pueden ocurrir en cualquier punto en el
tiempo. Tiempo entre fallos se distribuyen de forma exponencial con una media de
200 minutos. La recoleccin de datos tambin mostr que los tiempos de reparacin
se distribuyen normalmente, con una media de 90 minutos y una desviacin estndar
de 45 minutos.
4. El almacn tiene una capacidad (nivel objetivo) de R = 500 unidades. El proceso se
detiene cuando el inventario en el almacn alcance el nivel deseado. A partir de
ahora, el proceso de produccin se bloquea y permanece inactivo hasta que el nivel
de inventario baja al punto de pedido, que se supone que r = 150 unidades. El
proceso se reinicia con un nuevo lote tan pronto como el nivel de pedido est abajo
tachado. Esta es una poltica conveniente cuando un recurso tiene que ser distribuido
entre los distintos tipos de productos.
5. La recoleccin de datos muestra que los tiempos entre llegadas entre clientes
sucesivas se distribuyen de manera uniforme entre 3 y 7 horas, y que los tamaos de
demanda individuales se distribuyen de manera uniforme entre 50 y 100 unidades.
Este problema tambin se conoce como un problema de produccin / inventario.
Algunas cuestiones de diseo y de funcionamiento y medidas de desempeo asociados de
inters son:
1. Podemos mejorar el nivel de servicio al cliente?
2. Est la maquinaria sobre utilizado?
3. Es el nivel de mantenimiento adecuado?
4. Cul es el equilibrio entre el nivel de inventario y el nivel de servicio al cliente?


1.8 INFORME DEL PROYECTO

Una vez que un sistema ha sido modelado, simulado, y analizado, el estudio y sus
conclusiones se escriben a menudo como un informe del proyecto. el informe escrito
correctamente es esencial para el xito del estudio, ya que su valor radica en sus
conclusiones y su difusin al personal tcnico y de gestin. El objetivo de esta seccin es
ayudar al lector en la estructuracin de un informe genrico para un estudio de anlisis de
rendimiento.
Un informe del proyecto genrico de simulacin se ocupa en las etapas de construccin
del modelo descrito y consiste en los siguientes apartados:

Portada. Incluye un ttulo del proyecto, nombre del autor, la fecha y la informacin
de contacto en este orden.
Resumen ejecutivo. Proporciona un resumen del problema estudiado, los resultados
de los modelos, y las conclusiones.
Tabla de contenidos. Enumera los ttulos de seccin, cifras y tablas con los nmeros
de pgina correspondientes.
Introduccin. Configura la escena con informacin bsica sobre el sistema en
estudio, los objetivos del proyecto, y los problemas a resolver. En su caso, incluir
una breve resea de la empresa correspondiente, su ubicacin, y los productos y
servicios.
Descripcin del sistema. Describe en detalle el sistema a estudiar, utilizando la
prosa, los grficos y las tablas. Incluye todos los detalles pertinentes.
Ultima entrada. Describe la recopilacin de datos empricos y datos estadsticos.
Descripcin del modelo de simulacin. Describe el enfoque de modelado del
modelo de simulacin, y describe su estructura en trminos de sus componentes
principales y la lgica de funcionamiento.
Verificacin y validacin. Proporciona evidencia de apoyo para el modelo de la
bondad a travs de la verificacin y validacin de modelos para justificar su uso en
la prediccin de las medidas de rendimiento del sistema en estudio. Para ello,
asegrese de abordar al menos las siguientes dos cuestiones: 1. Aparece el modelo
para funcionar correctamente y para proporcionar las estadsticas pertinentes? Si
existe el sistema de modelado, qu tan cerca estn sus estadsticas a las
estimaciones de los modelos correspondientes?
Anlisis de la salida. Describe los resultados del modelo de simulacin, incluyendo
escenarios de funcionamiento, nmero de repeticiones, y el anlisis estadstico de
las observaciones de simulacin-producido.
Los resultados de simulacin. Recopila y muestra las estadsticas de resumen de
mltiples escenarios de replicacin.
Modificaciones del sistema sugeridos. Una motivacin comn para el modelado de
un sistema existente es de llegar a modificaciones en los parmetros del sistema o
configuraciones que produzcan mejoras tales como un mejor rendimiento y costes
reducidos, se asume para discutir a fondo el impacto de las modificaciones
sugeridas por la cuantificacin de las mejoras y el anlisis de las compensaciones en
su caso.
Conclusiones y recomendaciones. Resume los resultados del estudio y proporciona
una serie de recomendaciones.
Apndices. Contiene cualquier material pertinente que pudiera proporcionar
digresin no deseado en el cuerpo del informe.


CAPITULO 2. SIMULACION DE EVENTOS DISCRETOS


La mayora de las herramientasde los simuladores modernos implementan un una
simulacin de eventos discretos (DES). Este paradigma es tan general y de gran alcance
que proporciona un marco de aplicacin para la mayora de lenguajes de simulacin,
independientemente de la cosmovisin de usuario admitido por ellos.
En el DES, el modelo de simulacin posee un estado en cualquier punto en el
tiempo. Un estado del sistema es un conjunto de datos que captura las variables ms
destacadas del sistema y nos permite describir la evolucin del sistema en el tiempo. En un
programa de simulacin por ordenador el estado se almacena en una o ms variables de
programa que representan diversas estructuras de datos (por ejemplo, el nmero de clientes
en una cola, o su secuencia exacta en la cola). Un estado "grueso" del sistema es el empleo
de nmeros en el almacenamiento. Por otro lado, el estado ms refinado que consta de las
identidades de los clientes en una cola y los datos asociados s permite el clculo de los
tiempos de espera.
La trayectoria de estado a travs del tiempo, se abstrae como una funcin
escalonada, cuya saltos (discontinuidades) son provocados por eventos discretos, que
inducen las transacciones estatales (cambios en el estado del sistema) en determinados
puntos en el tiempo. Un evento es una estructura de datos que siempre tiene un campo que
contiene su tiempo y cualquier nmero de otros campos. Adems, la "aparicin" de un
evento en un simulador de DES se implementa como la ejecucin de un procedimiento
correspondiente (cdigo de ordenador) en el evento de tiempo de ocurrencia programada.
Cuando se ejecuta este procedimiento, se dice que el evento se procesa o se ejecuta.






En el ms alto nivel de generalizacin, un simulador DES ejecuta el algoritmo siguiente:
1. Establecer el reloj de simulacin para un tiempo inicial (normalmente 0) y luego
generar uno o ms eventos iniciales y el calendario.
2. Si la lista de eventos est vaco, termine la ejecucin de la simulacin de lo
contrario encontrar el suceso ms inminente y desvincular de la lista de eventos.
3. Haga avanzar el reloj de la simulacin a la hora del evento ms inminente, y
ejecutarlo (el evento puede detener la simulacin).
4. Volver al paso 2. Este algoritmo sencillo es muy general. Su complejidad est
oculta en las rutinas que implementan la ejecucin de eventos y las estructuras de
datos utilizadas por ellos. El poder y la versatilidad del algoritmo de simulacin
DES puede construir jerarquas de sistemas cada vez ms complejos a partir de
componentes del subsistema, adems, el procesamiento de cualquier evento puede
ser tan complejo como se desee.

2.2 EJEMPLOS DE MODELOS DES
Los ejemplos ilustran cmo progresivamente modelos complejos DES se pueden
construir a partir de otras ms simples, ya sea mediante la introduccin de nuevas arrugas
de modelado que aumentan la complejidad de los componentes, o mediante la adicin de
componentes para crear modelos DES grandes.

2.2.1 MQUINA SIMPLE
Considere la posibilidad de una mquina nica a prueba de fallos en el taller,
alimentada por un bfer. llegan y encuentran la mquina ocupada (procesando otro trabajo)
deben esperar su turno en la memoria intermedia. y, finalmente, se procesan en el orden de
llegada. Tal disciplina servicio se llama FIFO (primero en entrar primero en salir) o FCFS
(por orden de llegada), y el sistema resultante se llama una cola o sistema de colas. (La
palabra "cola" se deriva del francs y en ltima instancia de una palabra latina que significa
"cola". Lo que explica su significado tcnico como una "lnea de espera.") Supongamos que
se emplean tiempos entre llegadas y tiempos de procesamiento (posiblemente al azar). Para
representar este sistema como DES, definir el estado SO) que es el nmero de puestos de
trabajo en el sistema en el momento:. As, S (t) = 5 significa que a la hora de r, la mquina
est ocupado procesando el primer empleo y 4 puestos de trabajo ms estn esperando en el
bfer. Hay dos tipos de eventos: llegadas y terminaciones de procesos. Supongamos que
una llegada tuvo lugar en el tiempo t. cuando haba S (t) = n puestos de trabajo en el
sistema. A continuacin, el valor de S salta en el tiempo t desde ella a n + 1, y esta
transicin se denota por n n +1. De manera similar, una terminacin proceso se describe
por la transicin n n -1. Ambas transiciones se implementan en el programa de
simulacin como parte del correspondiente procesamiento de eventos.

2.2.2 MQUINA INDIVIDUAL CON FALLAS
Considere la mquina sola anterior en el taller, ahora sujeta a fallos. Adems de los
procesos de llegada y de servicios, ahora tambin necesitamos describir veces para










el fracaso, as como los tiempos de reparacin. Suponemos que la mquina no slo al
procesar un trabajo, y que, al finalizar la reparacin, el trabajo tiene que ser reprocesado a
partir de cero. Los eventos son llegadas, terminaciones de procesos, fallos de la mquina y
reparacin de la mquina. Las transiciones de estado correspondientes siguen:
llegada trabajo
completar el proceso de servicio
llegada fracaso
finalizacin de reparacin

2.2.3 MAQUINA CON UNA ESTACIN DE INSPECCIN E INVENTARIOS
ASOCIADOS
Considere la mquina sola en un piso de la tienda, y sin fallos. Trabajos que
finalizan el procesamiento van a una estacin de inspeccin con su propio buffer, donde se
comprueban los trabajos acabados por defectos los trabajos que pasan la inspeccin se
almacenan en un inventario de almacenes, los trabajos que no se inspeccionan se dirigen
de nuevo al final de la cola de la memoria intermedia de la mquina para su
reprocesamiento. I(t) es el nmero de elementos en la estacin de inspeccin, y K (t) es el
contenido de almacenamiento, todo en el tiempo t. Eventos consisten en llegadas,
terminaciones de proceso, fallo de la inspeccin y la inspeccin de pasar (seguido de
almacenamiento en el almacn). Las transiciones de estado correspondientes siguen:







El modelo de simulacin de Monte Carlo incorpora aleatoriamente mediante el
muestreo de valores aleatorios de distribuciones especificadas. Los algoritmos y / o
cdigos utilizan generadores de nmeros aleatorios (RNG) que emitan valores distribuidos
de manera uniforme ("de igual probabilidad") entre 0 y 1; estos valores se transforman
entonces para ajustarse a una distribucin prescrito. Agregamos entre parntesis, que el
trmino es RNG indican que los nmeros generados no son al azar (pueden ser
reproducidos algortmicamente), pero slo al azar en un sentido estadstico. Este
procedimiento de muestreo en general se conoce como muestreo de Monte Carlo,el nombre
se atribuye a von Neumann y Ulam, probablemente como una alusin al famoso casino de
Monte Carlo y el relacin entre la generacin de nmeros aleatorios y el juego de casino.
En particular, los valores aleatorios muestrearon mediante RNGs se utilizan
programar eventos en momentos aleatorios. Para las horas de los eventos se determinan
mediante el muestreo de un tiempo (por ejemplo, los tiempos entre llegadas, los tiempos
hasta el fallo, los tiempos de reparacin, etc) a travs de un generador de nmeros
aleatorios y luego aadir ese valor a la hora actual.
La ejecucin del DES hace que use un enfoque estadstico para evaluar el
rendimiento del sistema. Un procedimiento estadstico estndar se desarrolla de la siguiente
manera:
1. El modelador realiza mltiples ejecuciones de simulacin del modelo en
estudio, el uso de secuencias independientes de nmeros aleatorios. Cada
ejecucin se denomina replicacin.
2. Una o ms medidas de rendimiento se calculan a partir de cada repeticin.
3. Los valores de rendimiento obtenidos son realmente aleatorios y
mutuamente independientes, y juntos forman una muestra estadstica.

2.3 HISTORIAS Y MUESTREO DE MONTE CARLO

Los modelos de simulacin de Monte Carlo incorporan la aleatoriedad por el muestreo
de valores arbitrarios de distribuciones especificadas. Los algoritmos y/o su cdigo usan
generadores de nmero aleatorio (RNG) entre 0 y 1; estos valores entonces son
transformados para conformarse a una distribucin prescrita.
En consecuencia las medidas de funcionamiento precisas del modelo en el estudio no
son calculadas exactamente, pero ms bien son estimados en un juego de historias. Un
procedimiento estndar estadstico se revela as:
1. El modelo realiza mltiples carreras de simulacin del modelo en el estudio, usando
las secuencias independientes de nmeros aleatorios. Llaman una rplica a cada carrera.
2. Una o varias medidas de funcionamiento son calculadas de cada rplica.
3. Los valores de funcionamiento obtenidos son en realidad arbitrarios y mutuamente
independientes, y juntos forman una muestra estadstica.

2.3.1 EJEMPLO: PUESTO DE TRABAJO SUJETO A FALLAS Y CONTROL DE
EXISTENCIAS

Nuestro objetivo es estudiar el comportamiento del sistema y funcionamiento de la
estimacin de inters. Considere el terminal de trabajo representado en la Figura 2.5. El
sistema es comprendido de una mquina, que nunca se inclina (siempre tiene un trabajo
para trabajar) y un depsito que almacena productos finales (empleos).


Note que un trabajo debe residir en la mquina, siempre que su estado est ocupado o abajo
Por ejemplo, el estado TAN = (2, 3) indica que en el temporizador de tiempo la mquina
est abajo (por lo visto siendo reparada), y el depsito tiene un inventario de tres unidades
de producto final. El cliente ordena (exigen) al depsito, y las rdenes llenas agotan el
inventario por la cantidad ordenada.
La unidad de producto que procesa en tiempo es de 10 minutos. En este ejemplo, la
mquina no funciona por separado, pero ms bien es controlada por el depsito as.
Historia De la muestra.
Suponga que los acontecimientos ocurren en el modelo de DES del terminal de trabajo
encima en el otro mostrado en la Figura 2.6. donde los grficosactuan en el depsito como
una funcin en el tiempo, y tambin rastrea el estado de la mquina.




Estadstica De la muestra
Habiendo generado una historia de la muestra de operacin de sistema, ahora
podemos continuar calculando la estadstica asociada (medidas de funcionamiento), la
Distribucin de probabilidad de estado de mquina.
El rendimiento es una medida de tarifa de tratamiento eficaz, a saber, el nmero
esperado de terminaciones de trabajo (y, por lo tanto, las salidas) por unidad de tiempo,
estimada por la Informacin y reclamaciones prestadas.

2.4 LENGUAJES DES
Un modelo de simulacin en ltima instancia debe ser transcrito en el cdigo de
ordenador, usando algn lenguaje de programacin. Una lengua de simulacin puede ser el
objetivo general o el objetivo especial. Un lenguaje de programacin de uso general, como
C ++ o Visual Bsico no proporciona objetos de simulacin empotrados (como un reloj de
simulacin o la lista de acontecimiento), y ningn servicio de simulacin (p.ej., ninguna
puesta al da de reloj o planificacin). Ms bien el modelo debe cifrar estos objetos y
rutinas desde el principio; sobre ocasiones raras, sin embargo, la generalidad de tales
lenguas y la capacidad decifraralgo que queremos es en realidad ventajoso. en contraste,
una lengua de simulacin con destino especial pone en prctica una cierta simulacin y
proporciona los objetos de simulacin correspondientes y servicios como lo construye.
Adems, una lengua buena apoya una variedad de otros rasgos relacionados con la
simulacin, como el muestreo de Monte Carlo y el reportaje conveniente. El propsito
general de los lenguajes de simulacin tales como Arena(Kelton, 1998), PROMODEL
(Benson 1996), GPSS (Schriber 1990), SLAM (Pritsker 1986) y MODSIM (Belanger 1989)
se pueden utilizar eficientemente de manera virtual en cualquier Sistema.
Otras lenguas de simulacin son especializados de una u otra manera a un dominio
de modelado particular (p.ej., telecomunicaciones. fabricacin. etc.) entre ms
especializado sea la lengua, ms fcil debe usarse dentro de su dominio natural de
aplicacin, y el ms difcil debe usarse fuera de ello. Por ejemplo, COMNET (CACI 1988)
es una lengua de simulacin con destino especial adaptada al modelado de simulacin de
redes de comunicacin.