Investigación de

Operaciones II

6. SIMULACION

Ing. Mgp. Grover Sánchez Eid

Docente ® 2018
 Contenido
6.1 Conceptos básicos sobre simulación
6.2 Campos de aplicación
6.3 Variables aleatorias y funciones de probabilidad
6.4 Pruebas de bondad del ajuste
6.5 Números aleatorios
6.6 Discretización de funciones continuas
6.7 Validación y estabilización
6.8 Técnica de simulación de Monte Carlo
6.9 Sistemas de simulación
6.10 Aplicaciones
 Conceptos

SIMULACION
- Muestreo simulado
- Simulación numérica
- Proceso de simulación
- Modelo de simulación
- Simulación de procesos
- Realidad virtual
 Esquema conceptual
Sistema
real
Sistema Operación o situación
conceptual

Decisión Modelo Modelo

matemático Físico - Analógico

Validación Simulación Resolución Simulación

numérica - Analítica Física
- Numérica
Resultados
Simulación - Aplicación
En general es una herramienta útil cuando la
experimentación en el sistema real o en el
modelo, es costosa o el uso de algoritmos de
solución analítica desvirtúa el modelo

- Procesos de decisión
- Procesos de colas
- Control de inventarios
- Reemplazo y confiabilidad
- Control estadístico de calidad
- Procesos productivos
- Modelos complejos
Simulación de procesos
Experimentación
-Árboles de decisión
Probabilidad condicional

Temperatura en el
reactor

Composición de los
lodos

Composición de la
solución
Variables y funciones de probabilidad

Variable aleatoria: Un resultado de un

experimento en un espacio muestral

m = Q*f(x,y)*g(z)

UNIVERSO

Parámetros MUESTRA

Estadígrafos
Proceso de simulación

1 Definición conceptual del sistema

2 Definición de la situación o problema
3 Formulación del modelo
4 Colección de datos
5 Implementación del modelo en la computadora
6 Verificación del ajuste de los datos/modelo
7 Experimentación - PROCESO
8 Resultados e Interpretación
9 Validación con el Sistema
10 Documentación e informe
 Simulación numérica
Distribución Poisson 0,300

0,250
Discreta
0,200
X f(X) F(X)
0,150
0 0,135 0,135
0,100
1 0,271 0,406
0,050
2 0,271 0,677
0,000
3 0,180 0,857
0 1 2 3 4 5 6 7 8
4 0,090 0,947
5 0,036 0,983 1,2
6 0,012 0,995 1
7 0,004 0,999
0,8
8 0,001 1 # RAM
0,6

0,4

Muestreo 0,2

simulado 0 1 2 3 4 5 6 7 8

Valor x=3
 Simulación numérica
0,300
Distribución empírica 0,250

Contínua 0,200

0,150
X f(X) F(X)
0,100
0 0,135 0,135
0,050
1 0,271 0,406
0,000
2 0,271 0,677
0 1 2 3 4 5 6 7 8
3 0,180 0,857
4 0,090 0,947 1,2
5 0,036 0,983
1
6 0,012 0,995
7 0,004 0,999 0,8

8 0,001 1 # RAM 0,6

0,4

Muestreo 0,2

0
simulado 0 1 2 3 4 5 6 7 8

Valor x = 2,35
 Funciones discretas

- Bernoulli - x: variable
- Binomial - f(x): función de
- Poisson distribución de
probabilidad
- Geométrica
- F(x): función acumulada
- Uniforme
- Parámetros (μ,σ)
- Otras
- Generación muestra
- Estadígrafos (x, s)
 Funciones continuas

- Uniforme - x: variable
- Exponencial - f(x): función de densidad
- Normal de probabilidad

- Triangular - F(x): función acumulada

- Gamma - Parámetros (μ,σ)

- Erlang - Generación muestra

- Otras - Estadígrafos (x, s)

 Números aleatorios

Un número aleatorio es un valor al azar

proveniente de una función de distribución
rectangular uniforme.
1
f(x) = -----------
b - a

a b

Un valor entre 0 y 1
Generación de números aleatorios

- Proceso físico analógico (longitud de onda)

- Proceso físico muestral (ánfora)
- Generación numérica
- Progresiones simples
- Progresiones congruenciales
- Cadenas de Markov

- Números aleatorios (verdaderamente)

- Números pseduoaleatorios
 Muestreo y Validación

Tamaño de muestra:
- Para una σ conocida, error y confiabilidad
establecidas
- Para un σ desconocida, error y confiabilidad
establecidas
Ajuste de la prueba y pronósticos:
- Prueba estándar de hipótesis Ho
- Prueba de Ji cuadrado X2
- Kolmogorov Smirrov
- Pruebas de congruencia - correlación
 Uso de computadoras

- Hojas de cálculo
- Lenguajes de simulación
- Fortran, Algol, Lisp

- Sistemas informáticos de simulación

- WINQSB, Promodel, Vensim, Stella, iThink,
- GPSS, Simula, Simscript, Rockwell, Arena, Flexsim
 Bibliografía

- HILLIER - LIEBERMAN - Investigación de operaciones.

- DAVIS K Roscoey - MC KEOWN Patrick. Modelos
cuantitativos para administración.
- PRAWDA Juan – Investigación de Operaciones
- Lopez-Kalenatich - Técnicas de Simulación en Producción
- PROYECTOS DE GRADO
- ESTUDIOS DE CASO
- WEB