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.