Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
1.1 Introducción
1.1 INTRODUCCIÓN
Las primeras referencias sobre simulación se encuentran hacia el año 1940, cuando
Von Neumann y Ullman trabajaron sobre la simulación del flujo de neutrones para la
construcción de la bomba atómica en el proyecto “Montecarlo”. Desde entonces se
conocían las técnicas de simulación como procesos Montecarlo, aunque en la
actualidad se diferencian ambas cosas, siendo los segundos un tipo particular de
simulación. También se realizó un proceso de simulación para el proyecto APOLLO
dentro del plan espacial de la N.A.S.A, acerca del movimiento dentro de la atmósfera
de la luna.
Actualmente, la simulación es una poderosa técnica para la resolución de
problemas. Sus orígenes están en la teoría de muestreo estadístico y análisis de
sistemas físicos probabilísticas complejos. El aspecto común de ambos es el uso de
números y muestras aleatorias para aproximar soluciones.
Una de las más famosas aplicaciones de muestras aleatorias, ocurre durante la
segunda guerra mundial, cuando la simulación se utilizó para estudiar el flujo de
neutrones dentro del desarrollo de la bomba atómica. Esta investigación era secreta
y le dieron un nombre en código: MonteCarlo. Este nombre se mantiene, y durante
mucho tiempo se usaba para hacer referencia a algunos esfuerzos en simulación.
Pero el término métodos MonteCarlo, se refiere actualmente a una rama de las
matemáticas experimentales que trata con experimentos de números aleatorios,
mientras que el término simulación, o simulación de sistemas, cubre una técnica de
análisis más práctico.
Vamos a ver técnicas que utilizan los computadores para imitar, o simular, el
comportamiento de sistemas del mundo real. Para estudiar científicamente estos
sistemas, a menudo se han de hacer una serie de suposiciones acerca de cómo
trabaja éste. Estas suposiciones que usualmente toman la forma de relaciones
matemáticas o lógicas, constituyen un modelo que va a ser usado para intentar
comprender el comportamiento del sistema correspondiente.
Enfoque de sistemas.
El enfoque de sistemas establece que "el mundo y cualquiera de sus partes puede
visualizarse como un conjunto de sistemas en interacción dinámica". Es un punto de
vista, una forma de pensar, que en la confrontación de una situación problemática,
busca no ser reduccionista. Es decir visualizar la situación desde un punto en donde
se consideren todos los elementos que intervienen en un problema.
Sistema.
Por sistema; se entiende una colección de entidades relacionadas, cada una de las
cuales se caracteriza por atributos o características que pueden estar relacionados
entre sí. Los objetivos que se persiguen al estudiar uno o varios fenómenos en
función de un sistema son aprender cómo cambian los estados, predecir el cambio y
controlarlo. Todo sistema consta de tres características. Tienen fronteras, existe
dentro de un medio ambiente y tiene subsistemas. El medio ambiente es el conjunto
de circunstancias dentro de las cuales está una situación problemática, mientras que
las fronteras distinguen las entidades dentro de un sistema de las entidades que
constituyen su medio ambiente. Por lo tanto podemos definir a un sistema como:
“una estructura dinámica de personas, objetos y procedimientos organizados para el
propósito de lograr ciertas funciones".
El conjunto de elementos que forman un sistema tiene las siguientes tres
propiedades:
Entidad.
Una entidad es algo que tiene realidad física u objetiva y distinción de ser o de
carácter. Las entidades tienen ciertas propiedades que las distinguen a unas de
otras.
Relación.
Relación es la manera en la cual dos o más entidades dependen entre sí. Relación
es la unión que hay entre las propiedades de una o más entidades; por consiguiente,
el cambio en alguna propiedad de una entidad ocasiona un cambio en una propiedad
de otra entidad.
Estructura.
Una estructura es un conjunto de relaciones entre las entidades en la que cada
entidad tiene una posición, en relación a las otras, dentro del sistema como un todo
Estado.
El estado de un sistema en un momento del tiempo, es el conjunto de propiedades
relevantes que el sistema tiene en este momento. Cuando se habla del estado de un
sistema, se entiendes los valores de los atributos de sus entidades. Analizar un
sistema supone estudiar sus cambios de estado conforme transcurre el tiempo.
Jerarquía De Sistemas.
SISTEMA DE MANUFACTURA
ENTRADA PROCESO SALIDA EVALUACIÓN
1. EFICIENCIA
FACILIDADES 2. COSTOS DE TRANSFORMACIÓN
MATERIA PRIMA SISTEMA DE PRODUCTO 3.INVENTARIO EN PROCESO
PRESUPUESTO TRANSFORMACIÓN TERMINADO 4.TIEMPO DE PROCESO
INFORMACIÓN (distribución y asignación) 5.PRODUCCIÓN/HORA
6.AREA OCUPADA
SISTEMA DE SERVICIO
ENTRADA PROCESO SALIDA EVALUACIÓN
2. Modelado del sistema: se trata de crear el diseño del sistema que permita su
simulación por ordenador. El modelo deberá reflejar convenientemente la estructura
interna del sistema y sus características, de modo que los resultados que se deriven
sean extrapolables al sistema real. Por ejemplo, resultará fundamental modelar los
fenómenos aleatorios del sistema mediante distribuciones estadísticas, como la
interrupción del tratamiento, la hospitalización por urgencias u otro evento. Para
llevar esto a cabo, sería interesante disponer de una serie histórica de
observaciones sobre el comportamiento de dichos fenómenos aleatorios, como los
resultados de un ensayo clínico, un metaanálisis o un registro de pacientes.
3. Implementación del modelo en el ordenador. El modelo desarrollado desde el
punto de vista teórico ha de ser implementado en el ordenador a través de
algún software específico. Más adelante, se describen las principales características
de cada una de las herramientas informáticas disponibles.
4. Verificación del programa: comprobación de la correcta implementación del
modelo en el ordenador. Para ello, debemos comprobar que el programa resultante
se comporta según lo deseado, es decir, que los resultados deben ser coherentes
para las diversas combinaciones de variables de entrada(inputs) del modelo, y no ha
habido ningún error sintáctico a la hora de programar las diferentes instrucciones.
5. Validación del modelo. Consiste en comprobar que el modelo refleja
convenientemente el mundo real. Para ello, se procede a comparar, para distintas
combinaciones de variables de entrada, los resultados que produce el modelo con
los observables en el sistema real. En dicho proceso de validación es frecuente el
uso de técnicas estadísticas que permitan comparar dos conjuntos de datos.
6. Diseño de la simulación y pruebas piloto. Una vez aceptado el modelo como
válido, el siguiente paso es diseñar las características del experimento o
experimentos de simulación que se van a llevar a cabo, es decir, responder a
preguntas como cuál será el número de iteraciones, las variables de entrada
empleadas, la conveniencia de usar técnicas de reducción de la varianza. Suele ser
de gran utilidad la realización de pruebas piloto (simulaciones cortas) que
proporcionen orientaciones sobre cómo conviene afrontar el estudio y calcular el
número de réplicas necesarias.
7. Ejecución de la simulación. Se procede a llevar a cabo la simulación establecida
en el paso anterior.
8. Análisis de resultados. Los resultados procedentes de un experimento de
simulación suelen requerir un análisis estadístico no trivial que permita obtener
información útil sobre el comportamiento analizado.
9. Documentación del experimento. Una vez finalizado el experimento, éste debe ser
convenientemente documentado, de modo que se fomente su credibilidad y la
validez de las conclusiones obtenidas.
1.4 SISTEMAS MODELOS Y CONTROL
Los modelos deben contener sólo los aspectos esenciales del sistema real que
representan. Aquellos aspectos del sistema que no contribuyen significativamente en
su comportamiento no se deben incluir, ya que lo que harían sería obscurecer las
relaciones entre las entradas y las salidas. ¿En qué punto se debe parar de incluir
realismo en el modelo? Esto depende del propósito para el cual el modelo se haya
desarrollado.
Otros dos factores inciden en la construcción del diagrama de flujo del programa:
elegir un mecanismo de avance del tiempo y el lenguaje de programación que se
seleccione.
Hay fundamentalmente dos formas de considerar el avance del tiempo en un modelo
de simulación:
Incrementos por los eventos (N.E.T.A., Next Event Time Advance): las
comprobaciones y modificaciones de las variables afectadas se realizan sólo
después de la ocurrencia de un evento. Aquí el incremento de tiempo es variable,
va desde la ocurrencia de un evento a otro.
En ese momento puede ocurrir que no haya sucedido ningún cambio o que por el
contrario que hayan ocurrido más de un suceso con lo cual se tendrá que decidir
cuál atender antes (por ejemplo dando prioridad a los sucesos).
Variables endógenas: son variables internas y las variables de salida del modelo.
Son función de las variables exógenas y de la estructura del modelo.
Desarrollar una estructura preliminar del modelo que interrelacione las variables del
sistema y las medidas de ejecución.
Los métodos de recogida de datos son tan variados como los problemas a los que
éstos se pueden aplicar. Si se clasifican por su sencillez, se puede ir desde las
aproximaciones manuales hasta las técnicas más sofisticadas de alta tecnología. En
la selección de un método se pueden tener en cuenta los siguientes factores:
El lenguaje seleccionado puede influir en la forma exacta del diagrama de flujo del
programa de computador.
La Verificación del modelo consiste en ver cuál es la consistencia interna del modelo.
Análisis de la salida
En la interpretación de las salidas del modelo, hay algunos aspectos que son únicos
de la simulación. Mientras que los modelos analíticos proporcionan soluciones con
medidas de ejecución completamente definidas, los modelos de simulación producen
estimaciones de las medidas que están sujetas a error.
Este paso final es uno de los más importantes y el que más se descuida de todo el
proceso. Parece obvio que los beneficios de un largo y costoso análisis no se
realizarán sin una implementación apropiada y una aceptación por parte de los
usuarios.
Entre las razones por las que los esfuerzos de implantación son a menudo inútiles,
se incluyen las siguientes:
Existe un vacío de comunicación entre el analista de la simulación y los
encargados y usuarios del sistema.
Falta de entendimientos por parte de los encargados del sistema debido a los
tecnicismos utilizados.
El compromiso de implementación es tardío.
Resistencia al cambio.
Falta de coincidencia entre el personal disponible y los objetivos marcados
por el modelo.
Lentos, simples y
Manuales Facil generación
poco prácticos
Lentos y no
Tablas Fácil implementación
reproducibles
Comp Analógica Rápidos “ verdaderos” No reproducibles
Comp Digital Rápidos No son verdaderos
Ejemplos de aplicación
2) NO Correlación Serial.
La aparición de un número en la secuencia, no afecta la probabilidad de sortear otro
(o el mismo) número.
1. Utilización de tablas.
2. Dispositivos especiales.
3. Procedimientos, funciones que generan números pseudoaleatorios.
Por ejemplo, el fallido método del cuadrado medio es como sigue: se parte de un
número de cuatro cifras y se eleva al cuadrado. De este número de ocho cifras que
se obtiene, nos quedamos con las cuatro centrales y repetimos el proceso las veces
que necesitemos. El problema de este método es que puede dar ciclos muy cortos
(en cualquier caso, aspiramos a lo sumo a una longitud de diez mil):
A partir de aquí siempre se obtiene el valor cero. A la vista de este ejemplo, nos
planteamos unas propiedades mínimas que deberán satisfacer los números
pseudoaleatorios:
Podemos distinguir dos tipos de estos generadores que se diferencian en el valor del
incremento.
Los primeros presentan la ventaja de ser más rápidos, al tener que realizar menos
operaciones en el cálculo de los elementos. Sin embargo, la longitud de periodo que
se alcanza en las series generadas por ellos son menores que la alcanzadas en las
series generadas por los segundos.
y así para todos los términos. Vamos obteniendo que un término es siempre la
semilla más un múltiplo de c y todo módulo m, y esta serie no es aleatoria.
2.3 PRUEBAS DE ALEATORIEDAD
Para comprobar si los números aleatorios obtenidos cumplen las propiedades
deseadas de uniformidad e independencia se deben realizar una serie de pruebas.
Prueba de frecuencia.
Pruebas de series.
Prueba de autocorrelación.
Prueba de saltos.
Prueba de poker.
H0: Ri ~ U[0,1]
H1: Ri ≠ U[0,1]
Prueba de Kolmogorv-Smirnov.
Prueba de chi-cuadrado.
Para una muestra de R1, R2, ...,RN la función de distribución acumulada, SN(x),
está definida por: SN(x) = (número de R1, R2, ...,RN que son ≤ 1)/N
Sean 5 números 0,44, 0,81, 0,14, 0,05, 0,93 generados por algún método.
Para aplicar esta prueba se necesita un conjunto de (N) aleatorios que sean
calculados con el generador que se desea probar, y ejecutar los siguientes
pasos: (N >= 50)
2.- Calcular el número de datos esperados en cada clase del histograma suponiendo
aleatorios idealmente uniformes.
3.- Calcular el estadístico Chi-cero cuadrado con las diferencias entre las cantidades
de aleatorios esperados (Ei) y los observados realmente (Oi) en cada una de las (n)
clases del histograma, según la muestra que se inspecciona.
4.- Se establece el nivel máximo de variación del estadístico que se calcula (ji-cero)
cuando los grados de libertad son iguales al número de clases menos uno; y la
significación de la prueba es alfa. Estos valores se encuentran tabulados para la
prueba de la Chi-cuadrada.
5.- Se compara el estadístico calculado con el máximo permitido que leyó de tablas;
si es menor entonces se concluye que no hay evidencia estadística para afirmar que
los aleatorios de la muestra no tienen una distribución uniforme. Si es mayor no se
acepta la hipótesis de uniformidad en los aleatorios generados.
2.4 MÉTODO DE MONTECARLO
El método de Monte Carlo es un método no determinístico o estadístico numérico
usado para aproximar expresiones matemáticas complejas y costosas de evaluar
con exactitud. El método se llamó así en referencia al Casino de Montecarlo
(Principado de Mónaco) por ser “la capital del juego de azar”, al ser la ruleta un
generador simple de números aleatorios. El nombre y el desarrollo sistemático de los
métodos de Monte Carlo datan aproximadamente de 1944 y se mejoraron
enormemente con el desarrollo de la computadora.
Bajo el nombre de Método Monte Carlo o Simulación Monte Carlo se agrupan una
serie de procedimientos que analizan distribuciones de variables aleatorias usando
simulación de números aleatorios.
A veces la aplicación del método Monte Carlo se usa para analizar problemas que
no tienen un componente aleatorio explícito; en estos casos un parámetro
determinista del problema se expresa como una distribución aleatoria y se simula
dicha distribución. Un ejemplo sería el famoso problema de las Agujas de Bufón.
La simulación de Monte Carlo también fue creada para resolver integrales que no se
pueden resolver por métodos analíticos, para solucionar estas integrales se usaron
números aleatorios. Posteriormente se utilizó para cualquier esquema que emplee
números aleatorios, usando variables aleatorias con distribuciones de probabilidad
conocidas, el cual es usado para resolver ciertos problemas estocásticos y
determinísticos, donde el tiempo no juega un papel importante.
Algoritmos
Otra opción para trabajar con Monte Carlo, cuando la variable aleatoria no es
directamente el resultado de la simulación o tenemos relaciones entre variables es la
siguiente:
Estimación Error: Con que error trabajamos, cuanto error podemos aceptar para
que una corrida sea válida?
Existe una gran cantidad de áreas donde la técnica de simulación puede ser
aplicada. Algunos ejemplos podrían ser los siguientes:
Los simuladores son actualmente muy utilizados para análisis en alto nivel,
requiriéndose únicamente agregar detalles en un cierto nivel, puesto que lo demás
es estándar.
GASP IV
SIMSCRIPT 11.5, producido por CACI Products Company (La Jolla, California), fue
utilizado en el pasado en grandes y complejas simulaciones, como es el caso de los
modelos no orientados a colas; por ejemplo modelos de combates militares. Se
encuentra disponible en versión PC destacando su ambiente de S 11 VIGRAPHICS.
La versión original del SIMAN (Simulation and Analysis) fue desarrollada por Dennis
Pegden, en la Universidad de Alabama, cuando era líder del grupo de desarrollo de
la versión original de SLAM (basada en los software de GASP y Q~GER-r de Pristker
and Associates). Más tarde, Pegden inicia su trabajo en el Pennisylvania State
University donde lo diseña como un lenguaje de modelamiento para propósitos
generales, incluyendo facilidades de manufactura muy útiles en modelamiento de
sistemas complejos de manufactura.
GPSS/H
(GENERAL PURPOSE SIMULATION SYSTEM)
• Lenguaje de simulación discreta
• Fue diseñado con un lenguajes emsamblador
• Diseñado por geofrey gordon en la decada de los 80’as
• Existen diferentes presentaciones
• Considera los procesos como entidades que se mueven dentro del sistema estos
procesos se conocen como transacciones
DESCRIPCION GENERAL
• Un bloque representa una accion o evento que puede afectar a una o mas
transacciones y cambiar el estado del sistema
VARIABLES
Cuando es necesario realizar un cálculo se define una variable (expresión aritmética que
devuelve un valor). Es decir, en GPSS, una variable devuelve un valor cada vez que se la
invoca. A diferencia de otros lenguajes, no es posible asignar valor a una variable, ya que
esta define una expresión aritmética, la cual se evalúa cada vez que una transacción hace
referencia a la variable así definida.
SINTAXIS DEL BLOQUE VARIABLE
La sintaxis de este bloque es la siguiente:
nombr VARIABLE operandos y operadores
numer VARIABLE operandos y operadores
nombr : es el nombre de la variable
numer : es el número de la variable (Sólo en main frames)
operadores: # para multiplicar (* en main frames)
/ para dividir
@ para obtener el resto de la división
+ para sumar
- para restar
^ para colocar el exponente (sólo para PC)
operandos: cualquier atributo numérico estandar (SNA).
SIMNET
El diseño de simnet se basa en la idea general de los modelos de simulación discreta
pueden crearse de una u otra manera como sistemas de líneas de espera.
Los nodos en sinnet II estan conectados por ramas. Conforme las transacciones recorren las
ramas estas ejecutan importantes funciones en las entre las que se encuentran.
• Simnet se basa en el uso de cuatro nodos solamente lo que hace muy fácil de
aprender y usar a pesar de la simplicidad el lenguaje es simplemente poderoso para
abordar las situaciones mas complejas
• Simnet es total mente interactivo tanto como para depurar así como parar también
obtener resultados estadísticos globales, permite la estimación del periodo de
transmisión y luego la implementación del método estadístico global del subintervalo
o de replica siempre sin salir del método interactivo de ejecución.
Una vez hecho el modelo, éste puede ser optimizado para encontrar los valores
óptimos de los parámetros claves del modelo. Algunos ejemplos incluyen determinar
la mejor combinación de factores para maximizar producción minimizando costo,
minimizar el número de camiones sin penzliar el servicio, etc.
Beneficios Clave
Ventajas:
El FLEXSIM viene con una extensa librería de objetos robustos listos para usarse.
Los usuarios pueden rápidamente modificarlos usando el editor de objetos
integrado, o puede crear el propio partiendo de la nada usando el C++ o el
poderoso Flexscript una librería precompilada del código C++ que puede controlar
virtualmente cada aspecto del programa.
Toda la animación es OpenGL y todas las gráficas son del estándar industrial
de objetos 3DS, DXF, WRL, o STL. Los resultados pueden ser exportados vía
DDE, ODBC, y conectores Windows. Otras aplicaciones complementarias como
Expert Fit, OptQuesy, y VISIO™ están también compiladas para agregar
flexibilidad y facilidad de uso.
4.2.1 CARACTERÍSTICAS DEL SOFTWARE
1. El software se desarrolla o construye; no se manufactura en el sentido clásico.
2. El software no se desgasta.
El software es inmune a los males ambientales que desgasten el hardware. Por lo
tanto la curva de tasas de fallas para el software debería tener la forma de la “curva
idealizada”. Los defectos sin descubrir causan tasas de fallas altas en las primeras
etapas de vida de un programa. Sin embargo, los errores se corrigen y la curva se
aplana: el software no se desgasta, pero si se deteriora.
Para cualquier modelo en general, la figura inicial que adoptan las entidades que
ingresan al sistema se define en la hoja de de trabajo de la entidad (Entity). Si se
requiere un posterior cambio de figura, éste se puede realizar mediante el módulo
Assign.
Las diferentes figuras que se van emplear en el modelo se pueden definir y editar en
la ventana de remplazo de figuras (Entity picture placement). Se accede a esta
ventana desde la barra de menús mediante las instrucciones Edit/Entity pictures.
Animación de un recurso
Consiste en asignar una figura específica a cada estado que el recurso pueda
adoptar, por ejemplo, ocupado, ocioso, en reparación, etc. Para esto se cuenta con
la barra Animate, la cual contiene el icono que permite acceder a la ventana de
animación de recursos.
Gráficas
Es un recurso de animación de variables en forma de gráfico en un plano
coordenado cuyo eje X es el tiempo y el eje Y, el valor de una variable. En otras
palabras, se trata de un recurso que grafica el valor de la variable de interés en el
tiempo.
CONSTRUCCIÓN DE LOCACIONES
•El nombre, unidades, capacidad, et. Pueden entonces ser modificados al dar click
en el cuadro apropiado y tecleando los cambios.
2.- EDTIDADES.- Que son aquellas cosas que son procesadas dentro del
sistema, es decir, son aquellas personas, partes, insumos, documentos, productos,
etc. que ingresan al sistema para ser transformados en productos finales o clientes
atendidos. Como es de esperarse, estas entidades son altamente dinámicas, ya que
pasan de una estación de servicio o máquina, a otra.
3.- ARRIBOS.- Este componente define cómo será alimentado el sistema con
entidades; es decir define parámetros tales como la cantidad, tipo, frecuencia y lugar
de arribo de las entidades.
4.- PROCESO.- Define la forma cómo se moverán las entidades entre las
locaciones, más aún, se encarga de proveer las reglas que determinan cómo
procesará cada máquina una entidad y el tiempo de ese procesamiento.
El menú de proceso define las rutas y las operaciones que se llevan a cabo en las
locaciones para las entidades en su viaje por el sistema. También puede decirse que
generalmente se conocen o hacen parte de la información recolectada del sistema,
los diagramas de proceso u operación, estos se transcribirán al computador para
formar el proceso. Antes de crear el proceso es necesario definir entidades,
locaciones, recursos y path networks.
Es posible asignar costos para todos los componentes, de forma que no sólo se
pueda determinar el tiempo de producción, sino también el costo de cada producto
terminado o cliente atendido.
o Las especificaciones permiten definir la red física por la que viaja el recurso, los
nodos sobre los cuales se estaciona y el movimiento del recurso.
Interpretación de resultados
RULA FUNCTION RN2,C2 (RN2 nunca alcanza el valor 1, por 0,0/1,37 lo que nunca
puede salir el 37)
Ambas funciones son continuas. El sistema interpola linealmente entre los dos
puntos definidos, entregando un valor entero (trunca los decimales). Un hecho
común es tener arribos de transacciones en forma totalmente al azar ("random"). El
arribo puede ocurrir en cualquier momento; la probabilidad de arribo aumenta con el
tiempo. Es decir la probabilidad p de un arribo se define:
p = valor medio x t
y=1-e-valor medio.t
t = -ln(1-y)
Se puede definir la función POISS basándose en lo anterior:
0.0,0.0/0.1,0.104/0.2,0.222/0.3,0.355/0.4,0.509/0.5,0.69
0.6,0.915/0.7,1.2/0.75,1.38/0.8,1.6/0.84,1.83/0.88,2.12
0.9,2.3/0.92,2.52/0.94,2.81/0.95,2.99/0.96,3.2/0.97,3.5
0.98,3.9/0.99,4.6/0.995,5.3/0.998,6.2/0.999,7.0/0.9997,8.0
GENERATE 60,FN$POISS
TRANSFER ,FN$UNO
Parámetros y Savevalues
Los atributos de las entidades de un sistema pueden variar a lo largo de una
simulación. Por ejemplo, la cantidad de cajas habilitadas en un lugar de atención al
público ó la cola que elige cada persona a la salida de un supermercado.
ASSIGN A,B
ASSIGN A+,B
ASSIGN A-,B
Aviones de Carga
Considere el servicio terminal de una compañía de carga aérea que tiene muchos aviones de
carga. Los aviones de carga son programados llegar a la terminal uno al principio del día, para una
posible operación de mantenimiento. Cada avión es inspeccionado conforme arriba. Asuma que la
duración de la inspección es mínima. Una vez que es inspeccionado, la probabilidad de encontrar
un avión con necesidad de servicio de mantenimiento es de 0.5; que es, un promedio del 50% de
los aviones tienen necesidad del servicio de mantenimiento. Sí un avión necesita servicio, la
operación de mantenimiento puede tomar ya sea 0.5, 1, 1.5, 2, 2.5, o 3 días. La posibilidad de que
un avión requiera cualquiera de estos servicios es de 1/6.
ProbabilidadAcumuladaDuración
1/6 0 0.5
1/6 0.166670 1
1/6 0.500010 2
1/6 0.833350 3
Para determinar si un avión al aterrizar requiere o no servicio, se considera por existir dos
posibilidades; que existe un 50% de probabilidad de que requiera servicio y un 50% de que no
requiera. Se analiza en la tabla siguiente el comportamiento de este sistema para una y dos
instalaciones de servicio para 100 días de operación.
Una Instalación
de Servicio Dos Instalaciones
100 0.6454 No 0.0000 0.00 0.00 101 0.00 0.00 99 93.00 0.00
Tiempo Total
Ocioso 251.00 78.00
Tiempo
Promedio
Ocioso 2.510 0.780
Costo Promedio
Total $15,050.00 $8,900.00
DDS=Duración de los días de servicio, DIS=Día que inicio del servicio, DTS=Día que termina
el servicio, NDO= Numero de días ociosos, DTS1,DTS2=DTS para la instalación 1 o 2.
A continuación se muestran 10 corridas del sistema y el promedio del análisis del costo con
una y dos instalaciones, resultando más conveniente tener dos instalaciones
1 14625 1 9175
2 10150 2 9050
4 29950 4 9600
5 16350 5 8325
6 7550 6 8375
7 18075 7 9225
8 8450 8 9025
9 14175 9 9725
10 19375 10 8925
REFERENCIAS
Http://fis.unab.edu.co/docentes/gbarrera/introduccion_simulacion.pdf
www.itson.mx/dii/atorres/Introd.doc
http://es.wikipedia.org/wiki/Simulaci%C3%B3n_por_eventos_discretos
http://fis.unab.edu.co/docentes/gbarrera/Introduccion_Simulacion.pdf
http://scielo.isciii.es/scielo.php?pid=S0213-91112008000200012&script=sci_arttext
http://fis.unab.edu.co/docentes/gbarrera/Introduccion_Simulacion.pdf
http://www.material_simulacion.ucv.cl/en%20PDF/aleator11.pdf
http://teorica.fis.ucm.es/programas/MonteCarlo.pdf
http://docencia.udea.edu.co/ingenieria/isi-494/contenido/exposicion.html
http://www.um.es/or/ampliacion/node16.html
http://www.exa.unicen.edu.ar/catedras/inv_op/apuntes/Apunte_Teorico_MC_2005.pdf
http://www.investigacion-operaciones.com/conceptos_modelos.htm
http://www.promodel.com.mx/promodel.php
http://www.foroswebgratis.com/mensaje-elementos_basicos_de_un_modelo_en_promodel-143351-1656199-1-
5660941.htm
http://unitecnicasjenny01.files.wordpress.com/2011/04/promodel.pdf
http://es.scribd.com/doc/72312861/2/COMO-CREAR-ELEMENTOS-DEL-MODELO-EN-PROMODEL?
http://www.promodel.com.mx/promodel.php