Proyect SIMU PDF

PROYECTO SIMULACIN.
Pgina 1

ndice.

Introduccin 2
Descripcin 3
Tipos de modelo de simulacin 8
Datos de la empresa 19
Descripcin general de las operaciones 20
Modelo de simulacin 24
Programa de simulacin 32
Validacin y experimentacin 35
Conclusiones 39
Referencias 40
Anexo A (evidencias) 41
Anexo B (constancia de actividad en la empresa) 45
Anexo C (modelo de trabajo en Flexsim) 46

PROYECTO SIMULACIN. Pgina 2

Introduccin.
La creciente capacidad de las computadoras y la inmensa investigacin en
el campo de la Ciencia de la Computacin otorgan nuevas herramientas para
apoyar el proceso de la toma de decisiones en diversas disci plinas y reas de
diseo y manejo de la industria.

La Simulacin es una de las herramientas ms importantes y ms
interdisciplinarias. En pocas palabras podemos decir, que la computadora realiza
una simulacin cuando finge ser una tienda, un avin o un mercado de abarrotes.
El usuario define la estructura del sistema y las diversas variables que quiere
simular. Una corrida del programa de simulacin correspondiente le dice cul ser
el comportamiento dinmico de su empresa o de la mquina que est diseando.
As podemos ver los pronsticos para la demanda y utilidad de nuestro producto, o
ver cuando un mecanismo pueda fallar en las condiciones adversas del ambiente
donde funcionar.

Las aplicaciones de la simulacin parecen no tener lmites. Actualmente se
simulan los comportamientos hasta las partes ms pequeas de un mecanismo, el
desarrollo de las epidemias, el sistema inmunolgico humano, las plantas
productivas, sucursales bancarias, el sistema de reparticin de pizzas en la
Ciudad de Mxico, crecimiento de poblaciones de especies de animales, partidos
y torneos de ftbol, movimiento de los planetas y la evolucin del universo, para
mencionar unos pocos ejemplos de las aplicaciones de esta herramienta. Cabe
mencionar la creciente importancia de la Simulacin en la Investigacin de
operaciones y en sus aplicaciones industriales. En los pases altamente
desarrollados la simulacin es una herramienta principal de en los procesos de
toma de decisiones, en el manejo de empresas y el planeacin de la produccin.
Adems, la Simulacin es cada vez ms amigable para el usuario, que no tiene
que ser un especialista en computacin.
Este documento contiene el desarrollo del proyecto, en forma escrita y de la
misma manera tratar de mostrar al lector el proceso tcnico que fue seguido de
principio a fin de este mismo, de la forma ms clara y concreta posible.
Se trata de abordar los temas en un orden coherente, de tal manera que
formen una estructura slida para sustentar todo el proyecto a continuacin
presentado, sin ms prembulos es ahora pertinente iniciar en tiempo y forma con
este reporte general de resultados .

Descripcin.

Comenzamos exponiendo la informacin conceptual y dems generalidades
necesarias, esto a fin de servir cmo marco terico de este documento.

CONCEPTOS BSICOS DE SIMULACIN.

La simulacin es una tcnica muy poderosa y ampliamente usada en las
ciencias para analizar y estudiar sistemas complejos. En Investigaciones se
formularon modelos que se resolvan en forma analtica. En casi todos estos
modelos la meta era determinar soluciones ptimas. Sin embargo, debido a la
complejidad, las relaciones estocsticas, etc., no todos los problemas del mundo
real se pueden representar adecuadamente en forma de modelo. Cuando se
intenta utilizar modelos analticos para sistemas como stos, en general necesitan
de tantas hiptesis de simplificacin que es probable que las soluciones no sean
buenas, o bien, sean inadecuadas para su realizacin. En eso caso, con
frecuencia la nica opcin de modelado y anlisis de que dispone quien toma
decisiones es la simulacin. Simular, es reproducir artificialmente un fenmeno o
las relaciones entrada-salida de un sistema. Esto ocurre siempre cuando la
operacin de un sistema o la experimentacin en l son imposibles, costosas,
peligrosas o poco prcticas, como en el entrenamiento de personal de operacin,
pilotos de aviones, etc.

Si esta reproduccin est basada en la ejecucin de un programa en una
computadora digital, entonces la simulacin se llama digital y usualmente se
conoce como simulacin por computadora, aunque esto incluye la simulacin en
las computadoras analgicas. La simulacin por computadora est relacionada
con los simuladores. Por simulador entendemos no slo un programa de
simulacin y la computadora que lo realiza, sino tambin un aparato que muestra
visualmente y a menudo fsicamente las entradas y salidas (resultados) de la
simulacin, como es el caso de los simuladores profesionales de vuelo, aunque en
este curso no se hablar sobre los simuladores ni sobre la simulacin analgica. A
partir del advenimiento de las computadoras electrnicas, la simulacin ha sido
una de las herramientas ms importantes y tiles para analizar el diseo y
operacin de complejos procesos o sistemas. Simular, segn el Diccionario
Universitario Webster, es fingir, llegar a la esencia de algo, prescindiendo de la
realidad.

Se puede definir a la simulacin como la tcnica que imita el funcionamiento
de un sistema del mundo real cuando evoluciona en el tiempo. Esto se hace por lo
general al crear un modelo de simulacin. En sntesis, cada modelo o
representacin de una cosa es una forma de simulacin. La simulacin es un tema
muy amplio y mal definido que es muy importante para los responsables del
diseo de sistemas, as como para los responsables de su operacin.

Shannon define la simulacin como el proceso de disear un modelo de un
sistema real y realizar experimentos con l para entender el comportamiento del
sistema o evaluar varias estrategias (dentro de los lmites impuestos por un criterio
o por un conjunto de criterios) para la operacin del sistema. Por lo que se
entiende que el proceso de simulacin incluye tanto la construccin del modelo
como su uso analtico para estudiar un problema. Un modelo de simulacin
comnmente toma la forma de un conjunto de hiptesis acerca del funcionamiento
del sistema, expresado con relaciones matemticas o lgicas entre los objetos de
inters del sistema. En contraste con las soluciones matemticas exactas
disponibles en la mayora de los modelos analticos, el proceso de simulacin
incluye la ejecucin del modelo a travs del tiempo, en general en una
computadora, para generar nuestras representativas de las mediciones del
desempeo o funcionamiento. En este aspecto, se puede considerar a la
simulacin como un experimento de muestreo acerca del sistema real, cuyos
resultados son puntos de muestra. Por ejemplo, para obtener la mejor estimacin
del promedio de la medicin del funcionamiento, calculamos el promedio de los
resultados de muestra. Es claro que tanto ms puntos de muestra generemos,
mejor ser nuestra estimacin. Sin embargo, hay otros factores que tienen
influencia sobre la bondad de nuestra estimacin final, como las condiciones
iniciales de la simulacin, la longitud del intervalo que simula y la exactitud del
modelo mismo.
ALGUNOS USOS DE LA SIMULACIN

Las reas de aplicacin de la simulacin son muy amplias, numerosas y
diversas, basta mencionar slo algunas de ellas: Anlisis del impacto ambiental
causado por diversas fuentes Anlisis y diseo de sistemas de manufactura
Anlisis y diseo de sistemas de comunicaciones. Evaluacin del diseo de
organismos prestadores de servicios pblicos (por ejemplo: hospitales, oficinas de
correos, telgrafos, casas de cambio, etc.). Anlisis de sistemas de transporte
terrestre, martimo o por aire. Anlisis de grandes equipos de cmputo. Anlisis de
un departamento dentro de una fbrica. Adiestramiento de operadores (centrales
carbo-elctricas, termoelctricas, nucleoelctricas, aviones, etc.).Anlisis de
sistemas de acondicionamiento de aire. Planeacin para la produccin de bienes.

Anlisis financiero de sistemas econmicos. Evaluacin de sistemas tcticos o de
defensa militar.
La simulacin se utiliza en la etapa de diseo para auxiliar en el logro o
mejoramiento de un proceso o diseo o bien a un sistema ya existente para
explorar algunas modificaciones. Se recomienda la aplicacin de la simulacin a
sistemas ya existentes cuando existe algn problema de operacin o bien cuando
se requiere llevar a cabo una mejora en el comportamiento. El efecto que sobre el
sistema ocurre cuando se cambia alguno de sus componentes se puede examinar
antes de que ocurra el cambio fsico en la planta para asegurar que el problema
de operacin se soluciona o bien para determinar el medio ms econmico para
lograr la mejora deseada. Todos los modelos de simulacin se llaman modelos de
entrada-salida. Es decir, producen la salida del sistema si se les da la entrada a
sus subsistemas interactuantes. Por tanto los modelos de simulacin se corren
en vez de resolverse, a fin de obtener la informacin o los resultados deseados.
Son incapaces de generar una solucin por si mismos en el sentido de los
modelos analticos; solos pueden servir como herramienta para el anlisis del
comportamiento de un sistema en condiciones especificadas por el
experimentador. Por tanto la simulacin es una teora, sino una metodologa de
resolucin de problemas. Adems la simulacin es solo uno de varios
planteamientos valiosos para resolver problemas que estn disponibles para el
anlisis de sistemas. Pero Cundo es til utilizar la simulacin? Cuando existan
una o ms de las siguientes condiciones:
1.- No existe una completa formulacin matemtica del problema o los
mtodos analticos para resolver el modelo matemtico no se han desarrollado
an. Muchos modelos de lneas de espera corresponden a esta categora.
2.- Los mtodos analticos estn disponibles, pero los procedimientos
matemticos son tan complejos y difciles, que la simulacin proporciona un
mtodo ms simple de solucin.
3.- Las soluciones analticas existen y son posibles, pero estn ms all de
la habilidad matemtica del personal disponible El costo del diseo, la prueba y la
corrida de una simulacin debe entonces evaluarse contra el costo de obtener
ayuda externa.
4.- Se desea observar el trayecto histrico simulado del proceso sobre un
perodo, adems de estimar ciertos parmetros.
5.- La simulacin puede ser la nica posibilidad, debido a la dificultad para
realizar experimentos y observar fenmenos en su entorno real, por ejemplo,
estudios de vehculos espaciales en sus vuelos interplanetarios.
6.- Se requiere la aceleracin del tiempo para sistemas o procesos que
requieren de largo tiempo para realizarse. La simulacin proporciona un control

sobre el tiempo, debido a que un fenmeno se puede acelerar o retardar segn se
desee.

En general podemos concluir, que la simulacin es la recreacin total o parcial de
uno o varios aspectos dinmicos de un sistema de la vida real.
Por tanto podemos abordar ahora un tema importante que es

EXPERIMENTO CON EL SISTEMA REAL VS. EXPERIMENTO CON EL
MODELO DEL SISTEMA.

Cuando es posible (y el costo lo permite) modificar fsicamente el sistema y
operarlo en las nuevas condiciones es probable lo ms adecuado sin embargo no
existen muchas preguntas acerca de la relevancia del estudio.

Esta situacin raramente es factible dado el alto costo asociado con
experimento o bien porque interrumpe por demasiado tiempo la operacin del
equipo.

Puede darse el caso que el sistema no exista, sin embargo se requiere
saber su comportamiento para diferentes configuraciones, para observar cual es la
que ofrece mayor ventaja, tal como se da en los modernos centros de maquinado
flexible de diversos tipos de componentes, o en los sistemas tcticos de defensa
de un pas. Por esta razn se hace necesario construir un modelo que aproxime
de la mejor manera posible el sistema real.
Siempre que se usa un modelo, existe la pregunta de qu tan precisamente
refleja el comportamiento del sistema real para propsitos de la toma de
decisiones, esto tiene que ver con la validez del modelo.

Independientemente de cmo y con qu hagamos nuestro modelo, en
cualquier caso involucra un proceso de abstraccin, que consiste bsicamente en:

a) Seleccin de la realidad, los elementos ms importantes que intervienen en el
problema y desechar aquellos que consideramos no juegan un papel determinante
en el mismo.

b) Establecer con precisin las distintas relaciones que guarden entre si dichos
elementos.

Una vez realizado este proceso de abstraccin estamos en condiciones de
elaborar un modelo, dependiendo de cmo y con qu lo hagamos tomar distintas
caractersticas. Construido el modelo, podemos manipular elementos y sobre todo
buscar posibles soluciones. Resolver el problema en el modelo significa haber
contestado las siguientes preguntas:

a) Existe solucin? Si la respuesta es negativa habremos terminado, el modelo
construido no tiene solucin podemos replantearnos la pregunta y/o replantear el
modelo. Si la respuesta es afirmativa la siguiente pregunta es:

b) La solucin es nica? Si la respuesta es afirmativa habremos acabado, si
resulta negativa, significa que existe ms de una solucin, y tendramos que
formularnos la tercera pregunta:

c) Cul de todas es la que ms nos conviene? Para contestar esta ltima,
muchas veces tenemos que volver a reflexionar sobre la realidad y/o sobre
nuestro modelo, para establecer los criterios que nos permitan decir cul es mejor.

Despus de resolver el problema en el modelo, podemos trasladar la
solucin encontrada a la realidad, este proceso recibe el nombre de aplicacin.
En el anlisis de sistemas los tipos de modelos de inters son los modelos
matemticos, el cual representa al sistema en trminos de variables (enteras,
reales, lgicas, etc.) y sus relaciones mutuas, las cuales se manipulan y modifican
a placer para poder determinar la forma como responde el sistema modelado o
bien como debe de comportarse, siempre y cuando el modelo sea vlido.


TIPOS DE MODELOS DE SIMULACIN.
MODELOS DE SIMULACIN ESTTICA VS. DINMICA
Un modelo de simulacin esttica, se entiende como la representacin de
un sistema para un instante (en el tiempo) en particular o bien para representar un
sistema en el que el tiempo no es importante, por ejemplo la simulacin
Montecarlo; en cambio un modelo de simulacin dinmica representa a un sistema
en el que el tiempo es una variable de inters, como por ejemplo en el sistema de
transporte de materiales dentro de una fbrica, una torre de enfriamiento de una
central termoelctrica, etc..

MODELOS DE SIMULACIN DETERMINISTA VS ESTOCASTICA

Si un modelo de simulacin no considera ninguna variable importante,
comportndose de acuerdo con una ley probabilstica, se le llama un modelo de
simulacin determinista. En estos modelos la salida queda determinada una vez
que se especifican los datos y relaciones de entrada al modelo, tomando una
cierta cantidad de tiempo de cmputo para su evaluacin. Sin embargo, muchos
sistemas se modelan tomando en cuenta algn componente aleatorio de entrada,
lo que da la caracterstica de modelo estocstico de simulacin.

Un ejemplo sera un sistema de inventarios de una fbrica, o bien el sistema
de lneas de espera de una fbrica, etc. Estos modelos producen una salida que
es en s misma de carcter aleatorio y sta debe ser tratada nicamente para
estimar las caractersticas reales del modelo, esta es una de las principales
desventajas de este tipo de simulacin.

MODELOS DE SIMULACIN CONTINUOS VS DISCRETOS

Los modelos de simulacin discretos y continuos, se definen de manera
anloga a los sistemas discretos y continuos respectivamente. Pero debe
entenderse que un modelo discreto de simulacin no siempre se usa para modelar
un sistema discreto. La decisin de utilizar un modelo discreto o continuo para
simular un sistema en particular, depende de los objetivos especficos de estudio.
Por ejemplo: un modelo de flujo de trfico en una supercarretera, puede ser
discreto si las caractersticas y movimientos de los vehculos en forma individual

es importante. En cambio si los vehculos pueden considerarse como un
agregado en el flujo de trfico entonces se puede usar un modelo basado en
ecuaciones diferenciales presentes en un modelo continuo.

Otro ejemplo: Un fabricante de comida para perros, requiere el auxilio de
una compaa consultora con el objeto de construir un modelo de simulacin para
su lnea de fabricacin, la cual produce medio milln de latas al da a una
velocidad casi constante. Debido a que cada una de las latas se represent como
una entidad separada en el modelo, ste resulto ser demasiado detallado y por
ende caro para correrlo, hacindolo poco til. Unos meses ms tarde, se hizo una
reformulacin del modelo, tratando al proceso como un flujo continuo. Este nuevo
modelo produjo resultados precisos y se ejecut en una fraccin del tiempo
necesario por el modelo original.

VENTAJAS Y DESVENTAJAS DEL USO DE LA SIMULACIN

Aunque la tcnica de simulacin generalmente se ve como un mtodo de
ltimo recurso, recientes avances en la metodologa de simulacin y la gran
disponibilidad de software que actualmente existe en el mercado, han hecho que
la tcnica de simulacin sea una de las herramientas ms ampliamente usadas en
el anlisis de sistemas. Adems de las razones antes mencionadas, Thomas H.
Naylor ha sugerido que un estudio de simulacin es muy recomendable porque
presenta las siguientes ventajas:

- A travs de un estudio de simulacin, se puede estudiar el efecto de cambios
internos y externos del sistema, al hacer alteraciones en el modelo del sistema
y observando los efectos de esas alteraciones en el comportamiento del
sistema.

- Una observacin detallada del sistema que se est simulando puede conducir a
un mejor entendimiento del sistema y por consiguiente a sugerir estrategias que
mejoren la operacin y eficiencia del sistema.

- La tcnica de simulacin puede ser utilizada como un instrumento pedaggico
para ensear a estudiantes habilidades bsicas en anlisis estadsticos, anlisis
terico, etc.


- La simulacin de sistemas complejos puede ayudar a entender mejor la
operacin del sistema, a detectar las variables ms importantes que interactan
en el sistema y a entender mejor las interrelaciones entre estas variables.

- La tcnica de simulacin puede ser utilizada para experimentar con nuevas
situaciones, sobre las cuales tiene poca o ninguna informacin. A travs de
esta experimentacin se puede anticipar mejor a posibles resultados no
previstos.

- La tcnica de simulacin se puede utilizar tambin para entrenamiento de
personal. En algunas ocasiones se puede tener una buena representacin de
un sistema (como por ejemplo los juegos de negocios), y entonces a travs de
l es posible entrenar y dar experiencia a cierto tipo de personal.

- Cuando nuevos elementos son introducidos en un sistema, la simulacin puede
ser usada para anticipar cuellos de botella o algn otro problema que puede
surgir en el comportamiento del sistema.

- Los sistemas los cuales son sujetos de investigacin de su comportamiento no
necesitan existir actualmente para ser sujetos de experimentacin basados en
la simulacin. Solo necesitan existir en la mente del diseador.
A diferencia de las ventajas mencionadas, la tcnica de simulacin presenta
importantes desventajas, stas son:

- Falla al producir resultados exactos. S supone que un sistema sta compuesto
de uno o ms elementos que estn sujetos a un comportamiento al azar.
Cuando una simulacin es desarrollada con un modelo del sistema, los valores
de cada variable son registrados y los promedios de estos valores son dados en
un pos simulacin. Pero el promedio en una muestra de observacin solo a
veces provee un estimado de lo esperado, es decir, una simulacin solo provee
estimados, no resultados exactos.

- Fallas al optimizar. La simulacin es usada para contestar preguntas del tipo
Qu pasa si?, pero no d, Qu es lo mejor?. En este sentido, la
simulacin no es una tcnica de optimizacin. La simulacin no generar
soluciones, solo evala esas que han sido propuestas.

- Largo tiempo de conduccin. Un estudio de simulacin no puede ser conducido
o llevado a cabo en solo un fin de semana. Meses de esfuerzo pueden ser
requeridos para reunir informacin, construir, verificar y validar modelos, disear
experimentos y evaluar e interpretar los resultados.

- Costos para proveer capacidad de simulacin. El establecimiento y
mantenimiento de capacidad de simulacin, envuelve tener mejor personal ,
software, hardware, entrenamiento y otro tipo de costos.

- Abuso de simulacin. Hay muchas facetas para un balanceo y comprensivo
estudio de la simulacin. Ya que una persona debe tener conocimiento de una
gran variedad de reas antes de llegar a ser un practicante de la simulacin.
Este hecho es algunas veces ignorado, sin embargo como resultado, cada
estudio puede incorrectamente ser desarrollado, o podra estar incompleto, o
podra caer en otro tipo de caminos, quiz resultado de una falla del esfuerzo de
la simulacin.

En conclusin la simulacin ofrece poderosas ventajas pero sufre de
mayores desventajas tambin. Afortunadamente muchas de estas desventajas
estn disminuyendo en importancia en el tiempo, gracias a las herramientas que
emplean simulacin. Metodologas, desarrollo de computadoras y de software y
decrementos en los costos de los mismos.

Como nosotros hemos visto la simulacin tiene una categora
extremadamente buena, aun ahora en medio de tantas alternativas y sus mritos
podran continuar a travs del tiempo.

METODOLOGIA DEL PROCESO DE SIMULACIN.
PLANIFICAR UN PROCESO DE SIMULACIN REQUIERE DE LOS
SIGUIENTES PASOS:
A) FORMULACIN DEL PROBLEMA.
B) RECOLLECCIN Y PROCESAMIENTO DE LA INFORMACIN REQUERIDA.
C) FORMULACIN DEL MODELO MATEMATICO.
D) EVALUACIN DE LAS CARACTERISTICAS DE LA INFORMACIN
PROCESADA.
E) FORMULACIN DE UN PROGRAMA DE COMPUTADORA.
F) VALIDACIN DEL PROGRAMA DE COMPUTADORA.
G) DISEO DE EXPERIMENTOS DE SIMULACIN.
H) ANALISIS DE RESULTADOS Y VALIDACIN DE LA SIMULACIN.


A continuacin explicaremos brevemente dos de los elementos ms importantes
de la etapa: RECOLECCIN Y PRECESAMIENTO DE LOS DATOS, estos son,
las pruebas estadsticas (KS y Ji-cuadrada) y las distribuciones de probabilidad.
PRUEBA DE KOLMOGOROV SMIRNOV

Esta es otra prueba de bondad y ajuste. Surgi en 1939.
Kolmogorov y Smirnov supusieron que la distribucin de probabilidad que se
encontraba a prueba era continua y que se conoca la media y la varianza de la
poblacin.

La prueba se emplea para probar el grado de concordancia entre la distribucin de
datos empricos de la muestra y alguna distribucin terica especfica.

Desarrollo de la prueba.

1.- Se desarrolla la distribucin acumulativa de la distribucin terica y la de
los datos empricos.
2.- Se comparan y se selecciona aquel intervalo de clase que tenga mayor
desviacin absoluta entre las desviaciones tericas y observadas.
3.- Se compara la desviacin con los valores crticos de la tabla de
Kolmogorov Smirnov

Si la desviacin observada es menor que la desviacin crtica tabulada se acepta
el Ho; es decir que los datos observados no presentan ninguna diferencia
significativa, con los que proporciona la distribucin terica, con ciertos
parmetros.

CUANDO USAR CADA PRUEBA?
En general:
Para muestras pequeas, debe usar Kolmogorv-Smirnov o cuando tenemos
que combinar clases adyacentes a fin de usar la
X
2
(ji-cuadrada);


Para muestras grandes, la prueba
X
2
es poderosa (
n 100
) la seleccin del
nmero de clases es importante, ya que esta determina los grados de libertad de
la prueba, y mientras ms grados de libertad puede usar uno, ms discriminadora
ser la prueba.

Distribuciones de probabilidad en Simulacin
La mayora de sistemas reales que pueden ser simulados responden a un
comportamiento aleatorio (definido por el azar) por tanto se puede simular un
punto o estado de un sistema conociendo el comportamiento que este presenta,
y an ms importante conociendo las distribuciones de probabilidad que se
requiere para simular este edo. Dentro del sistema.
Una distribucin no es ms que una funcin con un comportamiento conocido que
con la implementacin de nmeros seudoaleatorios (sustituyndose como
parmetros de forma y escala en estas) genera valores que asemejan los del
sistema real es decir generan un resultado final sin poner en riesgo recursos
materiales.
Pero formalmente podemos definir y explicar lo anterior de la siguiente manera.

Generacin de variables aleatorias

Funciones de probabilidad

Definicin: sea f(x) una funcin de variable real continua o discreta. F(x) es una
funcin de probabilidad, si satisface las condiciones siguientes:

1)

f x x R
f x m m R
( ) ;
( ) ; ;
> e
s e
0 (positiva y acotada)
m infinito

2)

Funcin acumulada

Definicin: Sea f(x) una funcin de probabilidad continua o discreta. Se define la
funcin acumulada de f(x) denotada F(x) como:

a)

MTODOS PARA SIMULAR VARIABLES ALEATORIAS
* MTODO DE LA TRANSFORMACIN INVERSA
El mtodo de la Transformacin Inversa se basa en la propiedad de que la
funcin de distribucin o funcin acumulativa de cualquier variable aleatoria x con
funcin de probabilidades f(x) es una variable rectangular, es decir, aleatoria
uniforme en [0, 1], por lo que un nmero seudoaleatorio r la simula. Por lo tanto, si
F(x) = r, entonces x=F
-1
(r).
PASO 1) Producir un nmero aleatorio r.
PASO 2) Averiguar qu x satisface F(x) = r.
A veces, en algunas distribuciones continuas, x se puede despejar de F(x) = r.

f x dx
f x
x D
( )
( )
=
=
e
z
1
1
en caso continuo
en caso discreo; D es el dominio de f(x)
a) en caso continuo
b) en caso discreto
F x f t dt
F x f t
x
t D
x
( ) ( )
( ) ( )
=
=
=
z

La figura 1 ilustra el mtodo para una variable continua.
*Fuente: Notas sobre mtodos de simulacin de variables.pdf

*MTODO DE RECHAZO.
Sirve para distribuciones dadas por f(x) con dominio acotado: Dom (x) = [a,
b]; y unimodales: M = MAX (f(x)).
PASO 1) Producir r1 y r2.
PASO 2) Producir un nmero uniforme entre a y b: x = a+ (b-a) r
1

PASO 2) Slo si r2 <= f(x)/M acptese a x como un valor simulado vlido.
Una vez desarrollados los conceptos anteriores, podemos comenzar con la
descripcin y visualizacin del problema que se realiz para desarrollar el modelo
de simulacin.
*MTODO DE COMPOSICIN.
El mtodo de Composicin divide a la funcin de probabilidades f(x) original
en un nmero finito de regiones, a modo de particin, y ajusta a cada regin una
distribucin de probabilidades especfica: f
1
(x
1
) para la regin 1; f
2
(x
2
) para la
regin 2; etc. Luego procede as: 1) Con un nmero rectangular r
1
simula la
regin; y 2) Con un segundo nmero seudoaleatorio r
2
simula a x de acuerdo con
la distribucin de la regin especificada en el paso 1.
Las figuras 2-6 muestran grficamente el mtodo.

Fig. 2 Distribucin original

Fig. 3 Divisin en regiones


Fig. 4 Distribucin de la primera regin

Fig. 5 Distribucin de la segunda regin

Fig. 6 Distribucin de la tercera regin

Una vez que hemos concluido con el breve repaso de los temas necesarios
para poder abordar debidamente nuestro proyecto de simulacin comenzaremos
con la informacin y el planteamiento del problema y el anlisis hecho en la
empresa: FERREACERO LEN S.A. DE C.V.


SIMULACINES EN FLEXIM.
Es un software que permite realizar simulaciones de sistemas basados en
objetos que simulan diferentes recursos del sistema. Como un buen ejemplo
tenemos al objeto llamado Queue, el cual acta como un buffer o un rea de
almacenamiento, puede representar una fila de personas esperando o algn otro
objeto que est en espera de ser procesado. Otro ejemplo es el Processor, que
simula el tiempo de demora o de proceso, puede representar una maquina de una
fbrica, un cajero atendiendo un cliente, etc.

A todos los objetos en Flexsim se les puede modificar su apariencia, ya sea
fsica o analticamente, ya que cada objeto puede adquirir varias restricciones de
entradas y salidas de datos con el objetivo de parecerse ms a la realidad.
Para un buen uso de Flexsim se debe conocer como principales datos de
generalizacin: el flujo de un proceso, estructura para la construccin de modelos,
los datos de entrada, las posibles animaciones y saber analizar los resultados.

Fig. 7 rbol de la familia de objetos de
Flexsim.
*Fuente:
http://www.slideshare.net/jmasini/elementos-
bsicos-de-flexsim


Datos de la empresa.
Nombre: FERREACERO LEN S.A. DE C.V. Todo para el herrero y la
industria
Visin: Promover oportunidades de negocio a nivel nacional e
internacional, en el ramo acerero y ferretero; otorgando toda la asesora posible a
nuestros clientes, basada en especializacin de las normas de calidad, estipuladas
en nuestros manuales tanto en la recepcin como en la distribucin de nuestros
productos.
Misin: Buscar esquemas equitativos en lo comercial, canalizando ofertas,
condiciones de venta y mantener inventarios confiables y suficientes para efectuar
las entregas justo a tiempo y as satisfacer las necesidades de nuestros clientes.
Filosofa: El objetivo principal de FERREACERO LEN S.A. C.V. es
siempre brindar el mejor servicio y precio en base al mercado tan competido que
existe en estos momentos.
No nos conformamos con ser mejor que otras compaas, constantemente
buscamos la mejora continua, ventaja que ha dado la capacitacin de todo nuestro
personal y por lo tanto hemos adquirido una gran agilidad de respuesta hacia los
cambios drsticos del mercado. Constantemente buscamos aumentar le eficiencia
de las funciones con el propsito de lograr un mejor lugar en el consumidor.
El trabajo constante y la voluntad de la voluntad del personal de
FERREACERO LEN S.A. de C.V. han llevado un crecimiento dinmico y
sostenido debido al gran trabajo de equipo, es por esto que hoy en da nuestra
empresa est posicionada en un lugar estratgico en el mercado.

Meta de la organizacin
Para el mejor servicio a nuestros clientes, entregando el material que se
requiri en la fecha, el lugar, y con las caractersticas solicitadas.
Poltica de calidad de la empresa.
Comercializar productos de acero y de ferretera de acuerdo a las
necesidades, presupuesto y satisfaccin del cliente mediante la integracin y
compromiso de nuestro personal en mejora continua.


Descripcin General de las operaciones.
Esta es una empresa que se dedica a la venta de material para diversas
empresas y particulares, que requieren llevar a cabo proyectos relacionados con el
ramo acerero y la herrera, estas labores tambin suelen denominarse forja en
ambientes menos formales.
Formulacin del problema y conceptualizacin del modelo
A continuacin definiremos un breve anlisis de las operaciones realizadas y
explicaremos el origen naturaleza del problema, as pues definiremos el modelo de
este mismo.
En esta empresa como en prcticamente todas las de este rubro se enfrenta
un problema comn con respecto al producto esto se debe al hecho de que los
altos costos de fabricacin de los productos en venta, provocan as mismo un
precio de venta elevado de los mismos.
Si bien se cuenta con la oferta necesaria para satisfacer las demandas de los
clientes, estos no requieren de todo el material con que cuenta la empresa,
haciendo as que este, dentro del inventario entre en una lnea de espera hasta
ser requerido por un cliente.
Por lo tanto en un primer contexto, esto no representa un inconveniente o un
problema pues esto ocurre en cualquier lugar dedicado al giro de ventas, el
inconveniente se presenta en un momento especfico con nuestro material en
espera.

Si el material pasa demasiado tiempo almacenado es demasiado probable
caer en una serie de conflictos que pueden tornarse difciles de resolver.
Especficamente hablando, el material se quedar esttico en el almacn
ocasionando que no sea necesario resurtir este hasta que el primero no sea
vendido, sin embargo si pasa demasiado tiempo este puede devaluar su valor por
varios factores relacionados con su almacenamiento tales como:

*Daos fsicos al material almacenado.

Esto puede causar desde un obligado descuento por la compra de
material daado hasta la cancelacin de una venta por la falta de
existencia en el almacn de este mismo producto, que en caso de querer
adquirir en ese momento, enfrenta la incertidumbre de ser comprado a un
precio diferente del original.

*Devaluacin del precio por agentes externos a la empresa.

En general este tipo de productos tiene un precio cambiante (en
porcentajes completamente indefinidos) Aproximadamente cada 6 meses
causando as casi un total de las veces que la empresa se vea obligada a
vender en un precio ms bajo que no permite recuperar la inversin original
y en ocasiones generar una prdida que segn el volumen de la venta
puede ser en verdad muy serio.

Objetivo: Con la implementacin y desarrollo de este trabajo se
pretende generar los modelos de simulacin de ventas (oferta, demanda
ms adecuada) de la empresa FERREACERO LEON S.A. DE C.V. para
posteriormente realizar experimentos dirigidos a obtener la informacin en
relacin con el comportamiento de las ventas-inventario tratando de evitar
as la mayor cantidad de prdidas econmicas posibles, para ello el
sistema debe simular las operaciones de ventas, oferta y demanda ms
adecuado para armar as un inventario que no se quede esttico, es decir
sea susceptible a prdidas financieras ms grandes de lo que se pueda
resolver.

Conceptualizacin del problema.

Despus de un requerido proceso de anlisis dedujimos que lo ms
adecuado es considerar nuestro sistema de inters como una cola
imaginaria de productos adquiridos esperando a entrar al edo. Vendido en
un tiempo t, que al excederse, entra en una lnea de espera virtual que se
desva de la anterior llamada en devaluacin, hasta ser vendida al pasar
por el estado devaluado.


Figura 8:
Primera aproximacin del modelo conceptual
Fuente: Elaboracin propia

Entonces, continuando con el anlisis, podemos intuir que una vez que un
lote o lotes de un producto x entran al sistema descrito anteriormente, no hay
forma de asegurar que no entrar en la fila de devaluacin o que no ser vendido
a un precio, devaluado.

Podra decirse que al adquirir material, se entra en juego de azar, ya varios
factores implican que un material se rezague dentro del inventario, puede deberse
a estados transitorios, es decir que la demanda de producto, disminuya o aumente
en una o varias pocas del ao rezagando algunos materiales o sobre-
demandando otros, o simplemente la aleatoriedad que implica cualquier negocio
de ventas.

ADQUIRIDO VENDIDO
EN
DEVALUACIN
Tiempo normal esperado para la venta.
Transicin a fla de
Devaluacin
Fila de devaluacin.
Espera indefnida.
Re-incorporacin y
venta a precio
devaluado
Tiempo Total en que puede
ocurrir una venta.

Sin embarga la conclusin anterior no sirve para dar solucin alguna, por lo
tanto se aprovecharan las experiencias anteriores de ventas (buenas y malas),
tomado datos histricos como muestra para poder as simular un modelo que nos
permita predecir y aproximar un comportamiento, lo ms confiable posible del
sistema real.


Modelo de Simulacin.

Una vez terminada la etapa anterior de anlisis, observacin y conocimiento
del sistema real pasamos a la fase de captura de muestras.

Cabe mencionar que la empresa cuenta con un inventario de
aproximadamente 5000 productos, todos en la condicin de riesgo a devaluacin.
Por tanto para este estudio decidimos comenzar analizando la ventas de los
productos ms vendidos, para este fin acudimos con la seora Yesica Ziga
Zamora (gerente de ventas de la empresa) para tener acceso a los datos de
ventas, con fin de poder comprobar cuales son los productos ms vendidos.

A continuacin se muestran las capturas de pantalla de los archivos en
Excel de dichos registros, los cuales tomamos como histricos (brindados por la
empresa) y muestras tomadas por nosotros desde el mes de septiembre del
presente ao, cabe mencionar que estas se presentan en su forma mensual. Solo
se muestran los inicios, para consultar los registros completos puede verificarse el
archivo Ferretera.xls.

Fig. 9 Registros de venta de FERREACERO LEON S.A. de C.V.
*fuente, elaboracin propia.


Seguidamente por medio de los registros anteriores podemos destacar 3
productos como los ms vendidos, estos son:

*Clavos de 2
*Tubo Galvanizado de 1
*Lmina galvanizada de 1.1 x 3.66 m.
A continuacin se muestran las grficas con las que obtuvimos los
resultados anteriores.

Fig. 10 Grficas de ventas mensuales de los productos ms vendidos.
*Fuente, elaboracin propia.

Una vez terminada la captura y comparacin de los datos necesarios
seleccionamos como producto de estudio a las lminas galvanizadas de 1.1 x 3.66
m. Una vez que esta fue seleccionada se necesitan algunos indicadores que son:

*Lista de ventas (por da) de las lminas empezando desde el mismo da en que
comenzaron a tomarse las muestras.

*Lista de das (huecos) entre cada venta.

*Qu tipo de reposicin tiene el inventario?


Ahora se muestran las capturas de los datos (solo el inicio) referentes a los
puntos anteriores, posteriormente comenzaremos con la explicacin de los ajustes
realizados a estos datos para nuestra simulacin.

Fig. 11 Tablas de venta, por da de lminas galvanizadas.
*fuente, elaboracin propia


Fig. 12 Grafica de ventas de las lminas galvanizadas.
*Fuente elaboacin propia

Fig. 13 Grafica de los tiempos entre ventas de lminas galvanizadas.
*Fuentes elaboracin propia.

Para el punto nmero tres, el inventario sigue una regla muy simple que se
imlementara hasta el programa de simulacin, se comienzaa con un nmero X

en el inventario, a este se le van restando las ventas y cada mes se adquieren 60
piezas nuevas sin importar cuantas queden en existencia.

En la figura 11 y 12 se muestran los histogramas de los dos procesos a
simular (ventas, y dias sin ventas) por simple apreciacn aparentan tener una
distribucin de Poisson, sin embargo parapoder ajustar nuestras muestras a esta
distribucin debemos restar los mnimos (cantidad minima obtenida en la muestra)
en este caso fueron 2 para la venta de laminas y 1 para los dias transcurridos
entre cada venta, as podra iniciar desde cero como requiere nuestra distribucin
seleccionada.

Fig. 14 Ajuste a la muestrade los dias de ventas y prueba de Carl Pearson para comprobar que es
una distribucin Poisson.

Fig. 15 Ajuste a la muestra de dias transcurridos entre las ventas y prueba de Carl Pearson para
comprobar que es una distribucin Poisson.


Para poder comenzar con la simulacin del modelo debemos conocer un
esquema general en el cual basar nuestro trabajo despues de la obtencin y
anlisis de los datos e indicadores necesarios.

* Fig. 16 Esquema general de la simulacin.
Aereopuerto Cd Mxico simulacin.pdf


Aunque el esquema anterior es similar al encontrado en muchos libros de
simulacin y podemos decir que es genrico lo ms recomendable es describir el
esquema que fue seguido para nuestro caso en especfico que fue desarrollado en
Hoja de clculo MS Excel.

Inicio del estudio
(Conocimiento y observacin del
sistema)
Es sufciente el
conocimiento actual?
Recoleccin de
muestras
Anlisis de los datos
Y seleccin de
distribucin. De
probabilidad
Construccin del modelo
de simulacin
Validaciones
y pruebas
Conclusiones
recomendaciones.
No
Si
Satsface nuestro
modelo los
cuestonamientos
iniciales?
No
Si
* Fig. 17 Esquema implementado para
nuestra simulacin.
Fuentes: Elaboracin Propia.


Programa de Simulacin.

Se dividi toda la simulacin en tres partes fundamentales, la simulacin de
las ventas, de los das transcurridos entre las ventas y del inventario de nuestros
productos.

Al tratarse de una distribucin de Poisson se dividi las ocurrencias de
venta en intervalos (con la muestra modificada como se describi anteriormente),
es decir de cero a uno, de dos a tres y as sucesivamente hasta llegar a 5 clases
para las ventas y 7 para los das entre las ventas.
Lo anterior se mostr en forma grfica en las figuras 13 y 14. Para el
inventario se realizo una validacin que cubriera ventas solo de lunes a sbado y
marcara cuando debe resurtirse mercanca (a final de cada mes).

Ahora se muestra la primera vista de la simulacin:

* Fig. 18 Primera Vista de simulacin.

Se distinguen claramente nueve columnas, a continuacin se explicar la funcin
de cada una y como funcionan las frmulas que estas contienen.
Fecha: Aqu podemos ver el da, el mes y el ao en que se efectu la
venta. En la primer celda (con fecha del 5 de diciembre del 2012), se coloca
simplemente con formato date el da en que se quiere iniciar la simulacin, para
los siguientes solo debemos sumar la fecha anterior con los das sin venta de la
columna Das seguidos sin venta (como si fuera una operacin entera) y en la
columna de fecha aparecer el da en que se efectu la siguiente venta.
Por tanto la frmula en la celda A4 es 5/12/2012 y la frmula en la celda A5
ser =A4+C4 as para el resto de fechas a simular basta con arrastrar la frmula
de la celda A5.
Piezas Vendidas: Esta aloja al primer simulador, es decir el de ventas
basado en una distribucin de Poisson, junto con otros parmetros de validacin la
frmula es:

=SI(TEXTO(A4,"DDDD")="DOMINGO",0,2+SI(H4<=Q$6,ALEATORIO.ENT
RE(0,1),SI(Y(H4>Q$6,H4<=Q$7),ALEATORIO.ENTRE(2,3),SI(Y(H4>Q$7,H
4<=Q$8),ALEATORIO.ENTRE(4,5),SI(Y(H4>Q$8,H4<=Q$9),ALEATORIO.E
NTRE(6,7),ALEATORIO.ENTRE(8,10))))))

Das seguidos sin ventas: Aqu se aloja el segundo simulador, el de los
das que deben transcurrir entre cada venta, su frmula es:

=1+SI(I4<=Q$15,ALEATORIO.ENTRE(0,1),SI(Y(I4>Q$15,I4<=Q$16),ALEA
TORIO.ENTRE(2,3),SI(Y(I4>Q$16,I4<=Q$17),ALEATORIO.ENTRE(4,5),SI(
Y(I4>Q$17,I4<=Q$18),ALEATORIO.ENTRE(6,7),SI(Y(I4>Q$18,I4<=Q$19),
ALEATORIO.ENTRE(8,9),SI(Y(I4>Q$19,I4<=Q$20),ALEATORIO.ENTRE(1
0,11),ALEATORIO.ENTRE(12,13)))))))

Entrada al almacn: En esta columna se lleva el control de piezas en el
almacn, pero debe validarse, respecto a la regla de resurtido (60 piezas entrantes
por mes) debe aparecer RESURTIRSE segn fecha el ltimo da de venta que
halla en el mes, su frmula es:

=SI (TEXTO (A6,"MMMM")=TEXTO (A7,"MMMM"),"","RESURTIRSE")


En la siguiente columna, que no tiene nombre solo se valida si es domingo,
debe aparecer VENTA NO VALIDA aqu es conveniente mencionar que aunque los
domingos no hay ventas puede que toque resurtir el almacn.
La frmula en esta columna es:
=SI (TEXTO (A4,"DDDD")="DOMINGO","VENTA NO VALIDA","")
En almacn: En esta columna solo se van sumando las piezas existentes
con las que entran en l a fin de mes y requiere referencia de la columna Entrada
almacn, su frmula es:

=SI(Y(E15="",D15="RESURTIRSE"),F14-B15+60,SI(E15="",F14-
B15,SI(D15="RESURTIRSE",F14+60,F14)))

Se quedan como pedido: En este esquema consideramos que como en el
sistema real, cabe la posibilidad de que se termine con el inventario antes de
resurtir por tanto las piezas que no puedan venderse por no haber en existencia se
quedan como pedido, as que esta columna sirve como lista de pedidos, esto con
una validacin en base a la columna descrita anteriormente, su frmula es:

=SI (F3<0, ABS (F3),"")

Auxiliar y a Auxiliar 2: Son las referencias (externas) para los simuladores
de ventas y das entre ventas respectivamente, y son generados por Excel con la
funcin:

Aleatorio ().


Validacin y Experimentacin.

Se simularon 200 ventas, es decir, las ventas variables aproximadas al mes
de abril del 2016, obtenindose como resultado, que pese a que el simulador
maneja nmeros seudoaleatorios, sus resultados son aproximados a los que se
obtendran en el sistema real.

* Fig. 19 Comparacin entre la muestra original (izquierda) y la simulada de 200 dias (derecha).

Podemos constatar que el simulador mantiene el comportamiento del
sistema actual en la mejor forma que pudimos desarrollarlo lo consideramos
confiable para dar un pronostico de ventas a largo plazo.
Nos dimos cuenta de que la politica de ingreso de piezas al almacen no es
muy efectiva debido a que en su mayoria se cuenta con mucho material
acumulado en el almacn y por lo tanto deberan adquirirse una cantidad menor a
60 piezas nuevas. Se refleja una falta de optimizacion principalmente economica,
pues podriamos evitar que varias de estas entren en estado de devaluacion por no
ser vendidas en un tiempo razonable.


Al final de una simulacin de los 200 casos posibles de venta, se tiene en
almacn un cantidad de 1475 piezas acumuladas.

* Fig. 20 Simulacin finalizada con una entrada de almacen de 60 piezas.
Gracias a lo anterior se puede tomar como sugerencia unica disminuir la cantidad
de pedido por mes (cantidad menor a 60).
Simulando con entradas a almacn de 35 piezas por mes, se tiene al final
de los 200 casos de posibles ventas un total de 286 piezas en el almacen.


de los 200 casos de posibles ventas un total de 215 piezas en el almacn.

de los 200 casos de posibles ventas un total de 84 piezas en el almacn.



Encontramos que la cantidad adecuada de suministro mensual es de 30
piezas en almacn, ya que no contamos con una certeza real de que las ventas
no pudiesen incrementarse en algn determinado momento y solo por unas
cuantas ocasiones.
Por lo tanto no parece viable disminuir demasiado el suministro mensual asi
mismo tampoco es viable o recomendable el incrementarlo o incluso mantenerlo
en 60 (Poltica actual).

CUADRO COMPARATIVO

PIEZAS ENTRANTES EN ALMACN PIEZAS AL FINAL DE LA
SIMULACIN
60 1475
35 286
32 215
30 84

Podemos concluir que la poltica adecuada sera con un remplazo mensual
de 30 piezas debido a que se evita la degradacin del material y se ahorra el
espacio que genera la acumulacin de un inventario excesivo.


CONCLUSIONES.
Al finalizar la simulacin y terminar la validacin pudimos constatar que la
mejor alternativa que parece viable debido a la restriccin que se tiene en cuanto a
el inventario y dems polticas de la empresa, es reducir la adquisicin de piezas
entrantes en el almacn.
Esto es debido a las consecuencias acarreadas por el exceso de piezas en
almacn, las principales son:
- La prdida econmica que conlleva la devaluacin del material que se
almacena por demasiado tiempo.
- Falta de espacio para ubicar otras piezas u productos nuevos en el
almacn
- Reduccin de la venta de otros productos debido al exceso en la
existencia de este

Durante el desarrollo de este proyecto enfrentamos varias dificultades la
principal fue el exceso de tiempo que nos tomo administrar los registros anterior
de las ventas (proporcionadas desde el mes febrero por la empresa).
Despus fue el tiempo que nos tomo recolectar nuestras propias muestras
hasta tener una cantidad adecuada de ellas para poder realizar con una mayor
exactitud la simulacin adecuada del sistema de este proyecto.
Otro conflicto un poco ajeno al desarrollo tcnico del proyecto fue la
desercin de un integrante del equipo para la realizacin del proyecto, al cual se le
haba asignado administracin de archivos, las cuales entrego incompletos y con
algunas fallas.
Podemos considerar este un buen curso y as mismo que hemos alcanzado
bastantes competencias acordadas al inicio del curso.
Creemos conveniente que la participacin del catedrtico ha influido en
gran mayora a la adquisicin de las mismas.
A travs de este proyecto hemos conocido la suntuosidad de la simulacin y
su aplicacin en un problema de la vida diaria. Sabemos de antemano que el
proceso de muestreo es tardado pero las ventajas de esta en cuanto al mbito de
optimizacin de recursos (econmico, material, productivo) son considerablemente
cuantiosas.


REFERENCIAS.
Estadstica y Probabilidad para Ingenieros, 6 Edicin, Editorial Prentice-
Hall, Walpole Ronald E., Myers Raymond H., Myers Sharon L.,
http://es.wikipedia.org/wiki/Distribucion_de_Poisson
http://www.slideshare.net/jmasini/elementos-bsicos-de-flexsim
Notas sobre Densidades de Probabilidad.pdf, M. I. Carlos Manuel Prez Ramrez.
Mtodo Especial de Composicion.pdf, M. I. Carlos Manuel Prez Ramrez.
Notas Sobre el Mtodo de Montecarlo.pdf, M. I. Carlos Manuel Prez Ramrez.
Simuladores de Patrones Aleatorios.pdf, M. I. Carlos Manuel Prez Ramrez.
Pruebas a Seudoaleat.pdf, M. I. Carlos Manuel Prez Ramrez.


ANEXO A (Evidencias).

VISTA DESDE EL EXTERIOR DE LA EMPRESA
LLEGADA A LA EMPRESA
LLEGADA A LA EMPRESA VISTA FRONTAL IZQUIERDA DEL INTERIOR

DISEOS DECORATIVOS ROLLOS DE POLICARBONATO
TUBOS Y PERFILES
TUBOS Y PERFILES

MONTACARGAS USADO PARA TRANSPORTE
LMINAS Y MONTENES
LAMINAS GALVANIZADAS
PLACAS PLANAS Y TELA CICLONICA

LAMINAS A PUNTO DE TRANSPORTAR ENTREVISTA CON LA GERENTE DE VENTAS
ENTREVISTA CON LA GERENTE DE VENTAS ENTREVISTA CON LA GERENTE DE VENTAS

ANEXO B (Constancia de actividad en la
empresa).


ANEXO C (Modelo de objetos en
Flexsim).

*Modelo de trabajo desarrollado en Flexim, solo muestra el fujo de trabajo no se uso para anlisis.

*Se utliz un objeto source para simular la entrada de clientes.

*Con un processor se simula la atencin a los clientes y con un segundo Queue la espera por el
material.

*Con un Queue y un Sink se simula la
espera por servicio y los clientes que se
van antes de recibirlo


*Aqu se representa la llegada de nuevo material al almacn (source), el almacn mismo (Rack) y a
Don Manuel nuestro almacenista.

*Por ltmo con un combiner se representa la entrega del material al cliente y su salida de la tenda
con un segundo Sink.

Proyect SIMU PDF

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Proyect SIMU PDF

Uploaded by

Copyright:

Available Formats

PROYECTO SIMULACIN.

PROYECTO SIMULACIN. Pgina 15

You might also like