Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Continuas:
n
Uniforme- Triangular
n
Exponencial
n
Gamma-Weibull
n
Tiempo de fallas
Normal
n
SPGR
Nmeros Aleatorios
n
SPGR
Fixed I ncrement
Next-Event
SPGR
Contina ....
Tiempo
Eventos
Next-Event
Tiempo
Eventos
SPGR
SPGR
Contadores Estadsticos
n
Contadores Estadsticos
Contadores que dependen del n mero de entidades (piezas) se calculan
como un promedio de la variable de inters.
n
d$ ( n ) =
Di
i =1
Contadores Estadsticos
Los contadores que dependen del tiempo de la simulaci n se calculan
ponderando los diferentes valores de la variable por el porcentaje del
tiempo en el cual ocurre dicho valor.
q(n) =
i pi
i= o
Contadores Estadsticos
Cola
q (n) =
i pi =
i= o
i*T
i =0
T (n )
T (n)
Q (t )
T (n)
Q(t)
4
3
2
1
tiempo
T(n)
SPGR
Ejemplo No. 1:
Representacin I nterna de
un Modelo de Simulacin de
una Cola de un Banco.
Desarrollado por Germn Riao M .
SPGR
Estudios de Simulacin.
SPGR
Pasos en un Estudio de
Simulacin.
Formulacin del problema y
planeacin del estudio
Definicin del modelo y
recoleccin de datos
No
Vlido?
Si
No
Vlido?
Si
SPGR
continua ...
Pasos en un Estudio de
Simulacin.(...)
Diseo de Experimentos
Conclusiones e implementacin
de resultados
SPGR
Software de simulacin.
SPGR
continua ...
Disponibilidad de informaci n
Restricciones computacionales
Medidas de desempeo
SPGR
continua ...
Baja Resolucin
SPGR
continua ...
Cobrar
cheque
Prstamo
Hay un
tocador?
SPGR
continua ...
Utilidad
SPGR
continua ...
CRUNCH!!
SPGR
3. Validacin y mejoramiento
de la credibilidad
n
n
n
Fcilmente entendible.
Fcil de implementar.
4. Construccin de un
programa de computador y
verificacin
n
5. y 6. Pruebas piloto y
validacin del modelo
n
Condiciones I niciales
SPGR
Simulacin en Sistemas de
Manufactura
SPGR
Aumento en la utilizacin de
herramientas de simulacin ...
n
n
n
Beneficios de la simulacin en
sistemas de manufactura
O
SPGR
continua ...
Beneficios de la simulacin en
sistemas de manufactura
n
Aspectos de manufactura
sobre los cuales la simulacin
ha sido exitosa ...
n
n
n
Aspectos de manufactura
sobre los cuales la simulacin
ha sido exitosa ...
n
Evaluacin de desempeo
n
Anlisis de throughput
Secuenciacin de produccin
Estrategias de control
Anlisis de confiabilidad
Medidas de desempeo
n
Throughput
Tiempo en el sistema
Tiempos de transporte
WI P
Fuentes de Aleatoreidad en
sistemas de manufactura
n
Reloj
Operacin
Cambios de piezas
ANLI SI S DE DATOS
ENTRADA.
SPGR
Porqu
Porqu
preocuparse?
Cmo lo hago?
SPGR
Objetivos Generales
n
I . Cmo incluir la
variabilidad en un modelo
de simulacin?
Experimentos Aleatorios
n
Probabilidad y Variables
Aleatorias
n
Distribuciones de Probabilidad
Distribucin Poisson
0.19
1.03
0.09
0.51
0.00
0.0
2.6
5.2
7.8
10.4
13.0
0.00
0.0
2.8
4.1
5.5
6.9
Distribucin Erlang(c,d)
Distribucin Normal(a,b)
0.4
0.04
0.2
0.02
0.0
-3.09 -2.47 -1.85 -1.24 -0.62 0.00 0.62 1.24 1.85 2.47 3.09
1.4
0.00
0.0
14.8
29.6
44.4
59.2
74.0
SPGR
Distribuciones de Probabilidad
Discretas:
n
Bernoulli
n
Uniforme Discreta
n
Poisson
n
Distribuciones de Probabilidad
Continuas:
n
Uniforme- Triangular
n
Exponencial
n
Normal
n
Gamma-Weibull
n
SPGR
Solucin ...
n
I I I . Cmo determinar la
distribucin de probabilidad?
Cul es la distribucin?
n
Estadstica Descriptiva
n
Primeras aplicaciones de
estadstica consistieron en la
presentacin de la
informacin en forma de
tablas y grficas.
100
80
60
40
20
0
Actualmente son un
componente muy pequeo de
la estadstica.
Mquina 1
Mquina 2
SPGR
I nferencia I nductiva.
Progreso de la ciencia generalmente le es
atribuido a la experimentacin.
Datos de
Experimentos
Generalizaci n
Generalizaci
Anlisis de
An
Resultados
Conclusiones
El desarrollo de la estad
estadstica en los ltimos a
aos ha
sido encaminado en el desarrollo t
tcnicas para
generalizar las conclusiones de datos experimentales.
SPGR
I nferencia Estadstica
Poblaci n: Un conjunto de elementos
Poblaci
sobre los cu
cu les se desea obtener cierto
tipo de informaci
informaci n (variables aleatorias).
Muestra: Un subconjunto
de la poblaci
poblaci n. Muestra
aleatoria (datos) .
SPGR
Estimacin Puntual
Objetivo: Determinar el valor de un
parmetro de la distribucin a partir de la
muestra.
n
Estimacin Puntual.
Propiedades de un buen estimador:
n
SPGR
Estimacin Puntual.
n
Estimadores ms comunes:
M uestra
Poblaci
Poblaci
n
Media Muestral
x =
x 1 + x 2 +L+ x n
n
Varianza Muestral
s2 =
( xi x )
n1
Media Poblacional
Ej:: Tiempo promedio de
Ej
ejecuci n de cierta tarea.
ejecuci
Varianza Poblacional
Ej: Variabilidad del
Ej:
tiempo de revisi
revisi n de una
SPGR
pieza.
Pruebas de Hiptesis
n
n
n
SPGR
Pruebas de Hiptesis
n
H o es verdadera
Acepta H o
1-
( Nivel de Confianza)
Rechaza Ho
Ho es falsa
1-
(Potencia)
SPGR
I nterpretar.
SPGR
H1 : 1 < > 2
Los tiempos de operacin promedios son diferentes
SPGR
H1
La distribucin de mis datos no es exponencial
n
Solucin ...
n
n
I V. La I mportancia de un Buen
Anlisis de Datos de Entrada
Porqu preocuparse?
Un momento! Estoy muy
ocupado para analizar datos!
SPGR
SPGR
Tiempo promedio
de operacin 30 minutos
Contina ...
Tiempos Exponenciales
Utilizaci
Utilizaci
n Operarios
97%
6868
-71%
30
28.92
5.43
38.87
.32
Desempe
Desempe
o
(max
max.)
.)
Nmero Pzas Espera (prom.)
(max
max.)
.)
Tiempo de Operaci
Operacin
8 hr
hr/15
/15 min
8 hr
hr/57
/57 min
SPGR
Exponencial
Logstica
Beta
Normal
Poisson
Gamma
SPGR
Contina ...
Desempe
Desempe
o
Utilizaci
Utilizaci
n Operarios
6868
-71%
9393
-100%
Tiempo en el sistema(prom
sistema(prom.)
.) 28.92
75.46
5.43
45.43
38.87
133.97
.32
(max
max.)
.)
Nmero Pzas Espera (prom.)
(max
max.)
.)
Tiempo de Operaci
Operacin
8 hr
hr/57
/57 min
8 hr
hr/16
/16 min
SPGR
V. Procedimiento para el
Anlisis de Datos de
Entrada.
I ntroduccin
Si se dispone de datos de las variables de inters entonces
se puede escoger uno de los siguientes mtodos
para escoger las distribuciones de entrada:
n
Desventajas
n
Desventajas
n
Desventajas
n
n
Estadstica.
Se encuentra limitado a un nmero finito de
distribuciones.
SPGR
51
9
54
22
3 27
8
10
43
43
12
SPGR
n
n
Descriptivas
n
Mnimo, Mximo.
Grficos.
n
Serie.
Correlogramas.
Histogramas
Histograma
0.4
Estimadores.
0.2
SPGR
Serie.
80
Valor
70
60
50
40
30
20
10
0
0
20
40
60
80
100
Dato
SPGR
Serie
70
60
Valor
50
40
30
20
10
0
0
20
40
60
80
100
120
Dato
SPGR
Correlograma.
$
0.5
+
+
+
+ +
+
+
+
+
+
-0.5
-1
SPGR
Correlograma.
$
1
j
+
+
0.5
+
0
+
+
+
+
+
+
-0.5
-1
SPGR
Scatter Plot.
Xi +1
Xi +1
Xi
Xi
SPGR
Histograma.
0 Si bk x < b0
h(x) =
hj Si bj 1 x < b j j= 1,2...k
hx
k= 1+ Log
k= (4n) 2/ 5 .
n.
b0 b1
bj
SPGR
Test.
n
SPGR
bk
Fn(x)
F$ (x)
SPGR
Normal
1.0
0.8
0.6
0.4
0.2
0.00.0
0.2
0.4
0.6
0.8
1.0
Erlang
1.0
0.8
0.6
0.4
0.2
0.0
0.0
0.2
0.4
0.6
0.8
1.0
SPGR
Normal
4.0
3.2
2.4
1.6
0.8
0.0
-0.8
-1.6
-2.4
-3.2
-3.2 -2.4 -1.6 -0.8 0.0 0.8
4.0
Erlang
0.0
-0.8
-1.6
-2.4
SPGR
-3.2
-4.0
-4.0
-3.2
-2.4
-1.6
-0.8
0.0
0.8
1.6
2.4
3.2
4.0
Comparacin Grfica
Comparison of Input Distribution and
Erlang(6.00,0.56) + -2.11
0.4
Input
0.2
Erlang
-2.4
-1.6
-0.8
0.0
0.8
1.6
2.4
3.2
4.0
0.4
Input
0.2
0.0
-2.4
Normal
SPGR
-1.6
-0.8
0.0
0.8
1.6
2.4
3.2
4.0
Pruebas de hiptesis
H0 :
La distribucin es f(x)
H1 :
La distribucin no es f(x)
Rechace Ho ssi el valor p < 0.05 (0.10)
Chi-cuadrado
n
SPGR
Contina ...
Pruebas de hiptesis
n
Entrevistas.
Unidades
No sugerir valores
Sensibilidad.
n
Nmeros Aleatorios
n
110
Stat::Fit
Stat::Fit
u
SPGR
Stat::Fit
Stat::Fit
u
SPGR
Stat::
Stat::
Fit
Fit
Seleccionar
Seleccionar el
elconjunto
conjunto de
dedatos
datos
yy estadsticas
descriptivas
estadsticas descriptivas
SPGR
Stat::
Stat::
Fit
Fit
Click
Click Auto::Fit
Auto::Fit yy seleccionar
seleccionar el
el tipo
tipo
de
distribucin
y
parmetro
de distribucin y parmetro
SPGR
Stat::Fit
Stat::Fit
Seleccionar
Seleccionar una
una
distribucin
distribucin
aceptada
aceptada yyver
ver que
que
tan
tan bien
bienajusta
ajusta
SPGR
Stat::Fit
Stat::Fit
Seleccionar
Seleccionar la
la
distribucin
distribucin yy
copiar
copiar el
el
formato
formato al
al
clipboard.
clipboard.
Despus
Despus
pegarlo
pegarlo en
en
ServiceModel.
ServiceModel.
SPGR
Stat::Fit
117
118
119
Referencias
n
SPGR
EJEMPLO.
Sistema de Cmputo.
Tanteo.
Batch Arrival.
n
n
400
300
200
100
0
26833.3
41500.0
34166.7
56166.7
48833.3
63500.0
LULLE
400
300
200
100
0
26833.3
41500.0
34166.7
56166.7
48833.3
63500.0
SPGR
JUELLE
Conexiones de usuarios.
Anlisis y ajuste de datos de
entrada.
n
n
Tiempo en segundos
Tanteo:
n TI EMPO PROMEDI O ENTRE ARRI BOS
7:00 - 8:00
24.61
Lunes = 25.5
Viernes =
8:00 - 4:30
11.03 seg
Lunes = 10.74
Viernes =
4:30 - 7:00
15.58
Lunes = 15.20
Viernes =
SPGR
I ndependencia
n
LUT ENT_1
20 0
10 0
0
0
1 0 0
2 0 0
3 0 0
L U T E N T
SPGR
I ndependencia.
u Correlograma: Lunes
LUTE N 122
1,0
,5
0,0
L m i t e s c o n fi d e n c i a l
ACF
-, 5
es
-1 , 0
C o e fi c ie n t e
1
3
2
5
4
7
6
9
8
11
10
13
12
15
14
16
N d e r e ta r d o s
SPGR
Homogeneidad.
n
Test de Kruskal-Wallis
Conexiones de usuarios:
funciones de distribucin
Tiempo entre arribos: Lunes-Viernes ( 7am - 8 am )
Comparison of Input Distribution and PearsonVI(1,92;2,52;9,90)
0.08
Input
0.04
PearsonVI
0.00
0.0
0.5
1.0
1.5
2.0
2.5
Values in 10^2
SPGR
Conexiones de usuarios:
funciones de distribucin
Tiempo entre arribos: Lunes-Viernes ( 7am - 8 am )
SPGR
Conexiones de usuarios:
funciones de distribucin
Tiempo entre arribos: Lunes-Viernes ( 8 am - 4:30pm )
Comparison of Input Distribution and Expon(11,21)
0.10
Input
0.05
Expon
0.00
0.1
1.6
3.0
4.5
5.9
7.4
Values in 10^1
SPGR
Toma de datos:
n
Datos requeridos:
n
Comandos ms probables
Probabilidad de ejecutarlo
SPGR
COMANDOS MAS
FRECUENTES
n
pine
0.66403626
finger
0.23817132
talk
0.05947761
t elnet
0.04861904
gopher
0.02990185
SPGR
Tiempos en el sistema:
Anlisis de autocorrelacin
Pine
1.0
DLUNES
.5
ACF
0.0
Confidence Limits
-.5
-1.0
Coefficient
1
3
2
5
4
7
6
9
8
11
10
13
12
15
14
16
Lag Number
SPGR
Viernes ( PI NE) :
Mean
363.741
Mode .190
Lunes ( PI NE) :
Mean
392.729
Mode
.220
Histogram
n
Frequency
2000
1000
Std dev
662.283
Minimum
.060
Std. Dev = 662.28
Mean = 392.7
N = 3907.00
115.000
Std dev
608.329
Variance 370064.214
Minimum
.040 Maximum 7613.440
3000
Median
Median
131.920
Histogram
3000
Variance 438618.176
2000
Maximum
8883.200
Frequency
1000
.0
00 .0
90 00 .0
85 00 .0
80 00 .0
75 00 .0
70 00 .0
65 00 .0
60 00 .0
550 00 .0
55 00 .0
4 00 .0
40 00 .0
35 00 .0
30 00 .0
25 00 .0
20 00 .0
15 000
10 0.
500
0.
.0
00 0
7 50 0.
0
7 00 0. 0
6 50 0.
0
6 00 0.
0
5 5 0. 0
0
5 00 0.
0
4 50 0.
0
4 00 0. 0
3 50 0. 0
3 00 0.
0
2 50 0. 0
2 00 0. 0
1 50 0.
1 00 .0
50
0
0.
DLUNES
DVIERNES
SPGR
Pine
Comparison of Input Distribution and
PearsonVI(0.34,3.43e+3,3.85e+6) + -4.05e-7
0.003
Input
0.002
PearsonVI
0.000
0.0
1.8
3.6
5.3
7.1
8.9
Values in 10^3
SPGR
Fuentes:
n
Logs
Administradores
Monitoreo
Servicios principales
n
http (WEB)
tacacs (Autenticacin)
SPGR