Professional Documents
Culture Documents
CEAIS HUARAZ
ESCUELA PROFESIONAL DE INGENIERA
INFORMTICA Y DE SISTEMAS
SIMULACION DE SISTEMAS
UNIVERSIDAD SAN PEDRO
CAPITULO I
MODELO DE SISTEMAS
1.1.
MODELO
Un modelo es una representacin de un objeto, idea, o sistema en una forma
diferente a la entidad misma. En nuestro caso el modelo es un conjunto de
relaciones matemticas o lgicas derivadas de supuestos sobre el
comportamiento del sistema.
Es una Abstraccin de algn sistema real, que tiene la posibilidad de
emplearse para propsitos de prediccin y control.
Es una descripcin lgica de cmo un sistema, proceso o componente se
comporta. La simulacin incluye el diseo de un modelo de un sistema, proceso
o componente, y la realizacin de experimentos sobre el mismo. El propsito de
los experimentos es determinar cmo el sistema real se desempea, y
pronosticar el efecto de los cambios sobre el mismo en el tiempo.
Es una construccin intelectual y descriptiva de una entidad en la cual un
observador tiene inters.
Un modelo es un sistema desarrollado para entender la realidad y en supuestos
simples son usados para consecuencia para modificarla.
No es posible capturar modificar la realidad, en cierta direccin, si es que no
dispone de un modelo que la interprete.
Un modelo de un objeto puede ser una rplica exacta de ste (aunque en un
material diferente y a escala diferente), o puede ser una abstraccin de las
propiedades dominantes del objeto.
Pg. 2
SIMULACION DE SISTEMAS
UNIVERSIDAD SAN PEDRO
1.2.
1.3.
SIMULACION DE SISTEMAS
UNIVERSIDAD SAN PEDRO
EJEMPLO
Considere el modelo de un fenmeno de espera de un Banco que
tiene 3 cajeros y una sola lnea de espera.
Los componentes de este modelo son clientes que llegan al banco
a solicitar un servicio. El propsito del Modelo es relacionar el
tiempo total que requiere un cliente para llevar a cabo su
operacin, con la forma en que llegan los clientes al sistema.
C1
C2
C3
Variables Exgenas:
TAi: Tiempo de Arribo de los clientes i.
TSij: Tiempo de Servicio de la caja j, para atender al cliente i.
Variables de Estado:
TEij: Tiempo de Espera del cliente i, para pasar a la caja j.
TOij: Tiempo de Ocio de la caja j, en espera del cliente i.
Variables Endgenas:
Ti: Tiempo Total que el isimo cliente est en el sistema.
Parmetros:
E(TAi): Media del tiempo de Arribo.
VAR(TAi): Varianza del tiempo de arribo.
E(TSj):Media del tiempo de Servicio.
VAR(TSj):Varianza del tiempo de servicio.
Caractersticas de Operacin:
f(TAi): Funcin de densidad de probabilidad para el tiempo de
arribo.
F(TSij): Funcin de densidad de probabilidad para el tiempo de
servicio.
Identidades:
Para los 3 primeros clientes:
TEij = 0
TO11 = TA1, TO22 = TA2, TO33 = TA3
T1 = TS11, T2 = TS22, T3 = TS33.
Si la diferencia D = TSij TAi, es:
: Existe espera en el sistema.
: Existe ocio en el sistema.
: No existe, ni espera ni ocio.
1.4. CLASIFICACION DE LOS MODELOS
Pg. 4
SIMULACION DE SISTEMAS
UNIVERSIDAD SAN PEDRO
Pg. 5
SIMULACION DE SISTEMAS
UNIVERSIDAD SAN PEDRO
Modelo Dinmico
Pg. 6
SIMULACION DE SISTEMAS
UNIVERSIDAD SAN PEDRO
Ejemplo
Modelos de sistema de computacin generalmente son de tiempo continuo, estado
discreto, probabilsticos, dinmicos y no-lineales. Algunos son abiertos y otros
cerrados. Tambin pueden ser estables o inestables.
1.5. CARACTERISTICAS DE UN SISTEMA
Estructura: Est dada por la secuencia de formas en el espacio. Ejemplo: auto,
hombre, pas, etc.
Funcionamiento: Est definido por las propiedades del sistema. Para el ejemplo
del auto, sera la velocidad, tipo de combustin, simple o doble traccin, etc.
Comportamiento: Consiste en analizar cul ser la reaccin del sistema
cuando recibe un estmulo externo ya sea de carcter natural o no natural.
Ejemplo: falta de gasolina, cambio de combustible, cambio de llantas, aceitar,
cambio de bujas, etc.
Estabilidad de sistemas: Habilidad para permanecer cercano a un punto
de equilibrio o para retornar a l despus de un disturbio.
Resistencia: Habilidad para resistir desplazamientos desde su estado
inicial, siguiendo un disturbio (cambio brusco de uno o ms variables)
Resiliencia: Habilidad para retornar al estado inicial despus de una
disturbio (recuperacin)
1.6. COMPONENTES DEL SISTEMA:
Entidad: Es un objeto de inters del Sistema: Unidades de: Entrada,
Central de Procesamiento y de Salida.
Atributo: Es una propiedad de la Entidad: Velocidad y
almacenamiento.
Actividad: Es todo proceso que provoque cambios en el sistema:
Clculos Matemticos Lgicos y resultados.
Estado del Sistema: Es una descripcin de todas las Entidades,
Atributos y Actividades de acuerdo con su existencia en algn punto del
tiempo.
Pg. 7
SIMULACION DE SISTEMAS
UNIVERSIDAD SAN PEDRO
2.
3.
4.
5.
6.
7.
8.
9.
Pg. 8
SIMULACION DE SISTEMAS
UNIVERSIDAD SAN PEDRO
CAPITULO II
SIMULACION DE SISTEMAS
2.1. DEFINICIONES
Segn Robert Shannon, la simulacin es el disear y desarrollar un modelo
computarizado de un sistema o proceso y conducir experimentalmente con este
modelo con el propsito de entender el comportamiento del sistema del mundo real o
evaluar varias estrategias con los cuales puedan operar el sistema.
Para Thomas Taylor, Estos experimentos requieren de operaciones lgicas y
matemticas necesarias para descubrir el comportamiento y la estructura de sistemas
complejos del mundo real a travs de lago perodo de tiempo.
Para Shubik, la simulacin de un sistema o de un organismo es la operacin de un
modelo lo cual se va a llamar simulador el cual es una representacin del sistema.
Este modelo o simulador estar sujeto a diversas manipulaciones, las cuales seran
imposibles de realizar, demasiado costosas o imprcticas. La operacin de un modelo
puede estudiarse y con ello conocer las propiedades concernientes al comportamiento
del sistema o subsistema real - costoso.
Para el autor, la simulacin es la aplicacin de la ciencia y la tcnica en un modelo
abstrado en parte o en su totalidad del sistema real a simular con la finalidad de
analizar sus resultados y predecir cmo se comportar el sistema real simulado.
2.2. IMPORTANCIA DE LA SIMULACION
La simulacin es importante porque permite:
Evaluar cambios en modelos de un sistema existente, frecuentemente es el
mejor camino para reducir el riesgo de las principales decisiones.
Obtener un conocimiento preciso de la naturaleza del proceso.
Identificar problemas especficos o reas problemticas de un sistema.
Desarrollar planes o polticas especficas de un proceso.
Evaluar nuevos conceptos o sistemas antes de su implementacin.
Predecir el comportamiento de un nuevo sistema, sin necesidad de
construirlo fsicamente.
Predecir cambios de un sistema existente sin necesidad de afectar su
operacin.
Evaluar cualquier sistema ante un conjunto de condiciones experimentales
2.3. CUANDO SIMULAR
Sistema actual no existe o es dificultoso observarlo
El sistema actual es muy complejo para analizarlo.
El sistema actual no puede ser interrumpido.
Es costoso construir el sistema actual.
2.4. OBJETIVOS DE LA SIMULACION
Visualizacin: Ver lo que est pasando en el sistema
Clculos (Analizar/Optimizar) : Cuantificar lo que est pasando en el sistema
Pg. 9
SIMULACION DE SISTEMAS
UNIVERSIDAD SAN PEDRO
Salidas (Respuestas)
EXPERIMENTACION
Pg. 10
SIMULACION DE SISTEMAS
UNIVERSIDAD SAN PEDRO
SIMULACION DE SISTEMAS
UNIVERSIDAD SAN PEDRO
Pg. 12
SIMULACION DE SISTEMAS
UNIVERSIDAD SAN PEDRO
CAPITULO III
NUMEROS ALEATORIOS
3.1. DEFINICIN
Un nmero es aleatorio cuando no se conoce su generacin y tiene
caracterstica uniformes, independientes y corresponden a una cierta
distribucin de probabilidad.
Si se desea desarrollar un Modelo eficiente de Simulacin, se deben de
tomar en cuenta 6 factores importantes
1. Uniformemente distribuidos.
2. Estadsticamente independientes.
3. Reproducibles, que se puedan copiar de un dispositivo a otro (CD, USB,
etc.).
4. Con perodos amplios (que no se repitan frecuentemente).
5. Con grandes velocidades de generacin.
6. Con un mnimo de capacidad de almacenamiento.
3.2. PROPIEDADES DE NMEROS ALEATORIOS
Una secuencia de nmeros aleatorios R1, R2, ..., Rx debe tener dos
importantes propiedades estadsticas: uniformidad e independencia. Cada
nmero aleatorio Ri es una muestra independiente tomada de una
distribucin continua uniforme entre cero y uno. Esto es, la funcin de
densidad de probabilidad es:
0 < X< 1
En otro caso
3.4. GENERACIN DE NMEROS PSEUDOS ALEATORIOS
La palabra pseudos se refiere a que los nmeros generados no son
completamente aleatorios puesto que se conoce el mtodo de generacin.
3.4.1. MTODO DE CUADRADOS CENTRALES
Fue uno de los primeros mtodos para generar nmeros aleatorios,
creado por J. Von Neumann en 1946. Consiste en el siguiente
procedimiento:
1. Elegir un nmero X0 aleatorio de 2n dgitos, llamado semilla.
2. Elevarlo al cuadrado.
3. El nuevo nmero aleatorio se elige de la parte media (central), con
2n dgitos.
4. Repetir indefinidamente la operacin
Ejemplo:
X0 = 4122
x20 = 16 | 9908 | 84
X1 = 9908
x21 = 98 | 1684 | 64
X2 = 1684
x22 = 2 | 8358 | 56
X3 = 8358
x23 = 69 | 8561 | 64
Pg. 13
SIMULACION DE SISTEMAS
UNIVERSIDAD SAN PEDRO
Entre las desventajas de este mtodo est que tienen perodos breves
(pocos nmeros aleatorios), no satisfacen completamente las pruebas
estadsticas de aleatoriedad.
IMPLEMENTACION DEL ALGORITMO DEL METODO DE CUADRADO
MEDIO EN VISUAL BASIC.NET
BOTON EJECUTAR
Dim i, n As Integer
Dim x, k, w, y, z, v, t, nlimp As Double
Randomize()
k = Val(TextBox1.Text) REM nmero de simulaciones
x = Val(TextBox2.Text) REM primer nmero tomado al azar
de "N cifras
n = Val(TextBox3.Text) REM nmero de dgitos
nlimp = 0
i = 0
TextBox4.Text = TextBox4.Text & "X [" & i & "] = " & x &
Chr(13) & Chr(10)
For i = 1 To k
y = x * x
z = Int(y / 100)
Pg. 14
SIMULACION DE SISTEMAS
UNIVERSIDAD SAN PEDRO
v = Int(z / 10 ^ (2 * n))
t = v * (10 ^ (2 * n))
w = z - t
TextBox5.Text = TextBox5.Text & "Y [" & i & "] = " &
y & Chr(13) & Chr(10)
If i < nlimp * 10 + 10 Then
TextBox6.Text = TextBox6.Text & "W [" & i & "] = "
& w & Chr(13) & Chr(10)
End If
If i = nlimp * 10 + 10 Then
nlimp = nlimp + 1
TextBox6.Text = TextBox6.Text & "W [" & i & "] =
" & w & Chr(13) & Chr(10)
End If
x = w
TextBox4.Text = TextBox4.Text & "X [" & i & "] = " &
x & Chr(13) & Chr(10)
Next
BOTON NUEVO
Private Sub Button2_Click(ByVal sender As System.Object, ByVal e
As System.EventArgs) Handles Button2.Click
TextBox1.Text = ""
TextBox2.Text = ""
TextBox3.Text = ""
TextBox4.Text = ""
TextBox5.Text = ""
TextBox6.Text = ""
TextBox1.Focus()
End Sub
BOTON SALIR
Private Sub Button3_Click(ByVal sender As System.Object, ByVal e
As System.EventArgs) Handles Button3.Click
End
End Sub
La ejecucin da como resultado:
Pg. 15
SIMULACION DE SISTEMAS
UNIVERSIDAD SAN PEDRO
Pg. 16
SIMULACION DE SISTEMAS
UNIVERSIDAD SAN PEDRO
b ( a 3+1 )
( mod m )
( a1 )
x n=a n x 0 +
b ( an +1 )
( mod m) (n m1)
( a1 )
En donde los x son enteros entre 0 y m-1, y las constantes a y b son nonegativas. La seleccin de a, b, y m afectan el periodo y la
autocorrelacin en la secuencia. Entre los resultados de los estudios
realizados con estos generadores tenemos:
1. El modulo m debe ser grande. Dado que los x estn entre 0 y m-1, el
periodo nunca puede ser mayor que m.
2. Para que el computo de mod m sea eficiente, m debe ser una
potencia de 2, es decir, 2k. En este caso mod m puede ser obtenido
truncando el resultado y tomando en k bits a la derecha.
Pg. 17
SIMULACION DE SISTEMAS
UNIVERSIDAD SAN PEDRO
EJEMPLO 02
Elaborar un programa en Visual Basic.Net o Visual Basic 6.0 para generar
nmeros pseudos aleatorios por el mtodo congruencial.
BOTON EJECUTAR
Private Sub Button1_Click(ByVal sender As System.Object, ByVal e As
System.EventArgs) Handles Button1.Click
Dim I, S, R, A, B, M As Integer
Dim X1 As Double
S = Val(TextBox1.Text) REM ingresa numero semilla
A = Val(TextBox2.Text) REM ingresa valor de a numero primo
B = Val(TextBox3.Text) REM ingresa valor de b numero primo <>b
M = Val(TextBox4.Text) REM igreso del modulo
R = Val(TextBox5.Text) REM ingrese veces a generar el n aleatorio
For I = 1 To R
X1 = (A ^ I * S + B * (A ^ I - 1) / (A - 1)) Mod M
TextBox6.Text = TextBox6.Text & "NA[" & I & "] = " & X1 & Chr(13)
& Chr(10)
Next
End Sub
BOTON NUEVO
Private Sub Button2_Click(ByVal sender As System.Object, ByVal e As
System.EventArgs) Handles Button2.Click
Pg. 18
SIMULACION DE SISTEMAS
UNIVERSIDAD SAN PEDRO
TextBox1.Text = ""
TextBox2.Text = ""
TextBox3.Text = ""
TextBox4.Text = ""
TextBox5.Text = ""
TextBox6.Text = ""
TextBox1.Focus()
End Sub
BOTON SALIR
Private Sub Button3_Click(ByVal sender As System.Object, ByVal e As
System.EventArgs) Handles Button3.Click
End
End Sub
SIMULACION DE SISTEMAS
UNIVERSIDAD SAN PEDRO
2.
3.
4.
5.
6.
Hipotecario
Techo Propio
Vehculos
Libre disponibilidad
MONTO MINIMO
100,000.00
50,000.00
30,000.00
10,000.00
MONTO MAXIMO
10,000.00
10,000.00
5,000.00
5,000.00
De pide calcular las sumatorias por cada tipo de prstamo, promedio, varianza,
desviacin estndar, covarianza y hacer sus respectivas interpretaciones.
Pg. 20
SIMULACION DE SISTEMAS
UNIVERSIDAD SAN PEDRO
BOTON SIMULAR
Dim np, i, j, m As Integer
Dim ph(0 To 100), ptp(0 To 100), pv(0 To 100), pld(0 To 100) As
Double
Dim sp(0 To 100) As Double
Dim t As Double
Randomize()
Dim sph, sptp, spv, splp, spld As Double
Randomize()
np = Val(TextBox1.Text)
t = Val(TextBox2.Text)
For i = 0 To np - 1
ph(i) = (Rnd() * (100000 - 10000) + 10000) * (1 + t / 100) ^
((Rnd() * (10 - 0.5) + 0.5))
sph = sph + ph(i)
ptp(i) = (Rnd() * (50000 - 10000) + 10000) * (1 + t / 100) ^
((Rnd() * (10 - 0.5) + 0.5))
sptp = sptp + ptp(i)
pv(i) = (Rnd() * (30000 - 5000) + 5000) * (1 + t / 100) ^ ((Rnd()
* (10 - 0.5) + 0.5))
spv = spv + pv(i)
pld(i) = (Rnd() * (10000 - 5000) + 5000) * (1 + t / 100) ^
((Rnd() * (10 - 0.5) + 0.5))
splp = spld + pld(i)
Next
REM pone sumas a un vector
sp(1) = sph : sp(2) = sptp : sp(3) = spv : sp(4) = splp
For i = 0 To np - 1
tabla.Rows.Add(np)
Next
For i = 0 To np - 1
tabla.Rows(i).Cells(0).Value = i + 1
tabla.Rows(i).Cells(1).Value = Format(ph(i), "#####.00")
tabla.Rows(i).Cells(2).Value = Format(ptp(i), "#####.00")
tabla.Rows(i).Cells(3).Value = Format(pv(i), "#####.00")
tabla.Rows(i).Cells(4).Value = Format(pld(i), "#####.00")
Next
BOTON NUEVO
Private Sub Command2_Click()
Dim k As Integer
k = tabla.Rows.Count
For i = 0 To k
tabla.Rows.Clear()
Next
TextBox1.Text = ""
TextBox2.Text = ""
TextBox1.Focus()
End Sub
BOTON SALIR
Private Sub Command3_Click()
Me.Close()
Pg. 21
SIMULACION DE SISTEMAS
UNIVERSIDAD SAN PEDRO
End Sub
PROGRAMAR TAMBIEN EVENTO FORM LOAD PARA CENTRAR EL FORMULARIO
Private Sub Form_Load()
Dim k As Integer
'Sita el formulario en el centro de la pantalla
Move (Screen.Width - Width) / 2, (Screen.Height - Height) / 2
End Sub
EJEMPLO 01
La demanda de un producto est en funcin del tiempo en aos, dicha demanda tiene
un rango de aleatoriedad en un lmite de Ls y Li y presenta una funcin Y=a+bX.
Elaborar un programa para determinar la ecuacin de ajuste y simular el pronstico de
la demanda para este producto para N aos.
Pg. 22
SIMULACION DE SISTEMAS
UNIVERSIDAD SAN PEDRO
BOTON SIMULAR
Dim n, ns, ls, li, i As Integer
Dim y(0 To 100), x(0 To 100) As Double
Dim v, des, r As Double
Dim xy(0 To 100), x2(0 To 100), y2(0 To 100), sumas(0 To 100) As
Double
Randomize()
n = Val(Text1.Text)
ls = Val(Text2.Text)
li = Val(Text3.Text)
ns = Val(Text4.Text)
Pg. 23
SIMULACION DE SISTEMAS
UNIVERSIDAD SAN PEDRO
Pg. 24
SIMULACION DE SISTEMAS
UNIVERSIDAD SAN PEDRO
BOTON NUEVO
Dim k As Integer
k = DGV1.Rows.Count
For i = 0 To k
DGV1.Rows.Clear()
Next
Text1.Text = ""
Text2.Text = ""
Text3.Text = ""
Text4.Text = ""
Text5.Text = ""
Text6.Text = ""
Text7.Text = ""
Text8.Text = ""
Text9.Text = ""
Text10.Text = ""
Text11.Text = ""
Text12.Text = ""
Text13.Text = ""
Text14.Text = ""
Text15.Text = ""
Text1.Focus()
BOTON SALIR
Private Sub Command3_Click()
Me.Close()
End Sub
Pg. 25
SIMULACION DE SISTEMAS
UNIVERSIDAD SAN PEDRO
EJEMPLO 4
Resolver el mismo problema del ejemplo 2 utilizando el modelo de regresin exponencial
BOTON PRONOSTICAR
Dim n, I, NS As Integer
Dim y(0 To 100), x(0 To 100) As Double
Dim v, des, r As Double
Dim logy(0 To 100), xlogy(0 To 100), x2(0 To 100), logy2(0 To 100),
sumas(0 To 100), prono(0 To 100) As Double
Randomize()
Dim m, sx, sy, sxy, sx2, sy2 As Double
n = Val(Text1.Text)
m = Val(Text2.Text)
sx = 0 : sy = 0 : sxy = 0 : sx2 = 0 : sy2 = 0
Dim Log(0 To 100) As Double
Dim slogy, sxlogy, slogy2 As Double
For I = 1 To n
x(I) = I 'ingrese nmero de datos
y(I) = Val(InputBox("INGRESE DATOS HISTORICOS"))
sy = sy + y(I)
logy(I) = Log(y(I))
xlogy(I) = x(I) * logy(I)
x2(I) = x(I) * x(I)
Pg. 26
SIMULACION DE SISTEMAS
UNIVERSIDAD SAN PEDRO
BOTON NUEVO
Dim k As Integer
k = DGV1.Rows.Count
For i = 0 To k
DGV1.Rows.Clear()
Next
Dim N As Integer
k = DGV2.Rows.Count
For i = 0 To N
DGV2.Rows.Clear()
Next
Pg. 27
SIMULACION DE SISTEMAS
UNIVERSIDAD SAN PEDRO
Text1.Text = ""
Text2.Text = ""
Text3.Text = ""
Text4.Text = ""
Text5.Text = ""
Text6.Text = ""
Text7.Text = ""
Text8.Text = ""
Text9.Text = ""
Text10.Text = ""
Text11.Text = ""
Text1.Focus()
BOTON SALIR
Me.Close()
EJEMPLO 5
Una empresa tiene una demanda aleatoria que oscila entre 200 y 100 unidades por da para
un determinado producto. El costo de hacer un pedido es de k soles, el costo de inventario es
de c soles y el costo de almacenamiento es de h soles por da. Tambin se sabe que el tiempo
de entrega para este producto es de L das. Si pide hacer un programa para que simule NS
Pg. 28
SIMULACION DE SISTEMAS
UNIVERSIDAD SAN PEDRO
BOTON SIMULAR
Dim i, ns, mvy, post As Integer
Dim k, h, l As Double
'dando valor a las variables de las cajas de texto
ns = Val(TextBox1.Text)
k = Val(TextBox2.Text)
h = Val(TextBox3.Text)
l = Val(TextBox4.Text)
Dim d(0 To 100), y(0 To 100), c(0 To 100), t(0 To 100), n(0 To 100),
le(0 To 100) As Double
For i = 0 To ns
d(i) = Rnd() * (200 - 100) + 100 'genera demanda de prodcuto
inventario
y(i) = (2 * k * d(i) / h) ^ 1 / 2 'genera lote economico
c(i) = k / (y(i) / d(i)) + h * (y(i) / 2) 'costo
t(i) = y(i) / d(i) 'coloca valores
n(i) = Int(l / t(i))
le(i) = l - n(i) * t(i) 'tiempo de entrega
Next
mvy = y(i)
For i = 0 To ns - 1
tabla.Rows.Add(ns)
Next
'utilizando un for para aser la simulasiones
For i = 0 To ns - 1
tabla.Rows(i).Cells(0).Value = i
Pg. 29
SIMULACION DE SISTEMAS
UNIVERSIDAD SAN PEDRO
tabla.Rows(i).Cells(1).Value
tabla.Rows(i).Cells(2).Value
tabla.Rows(i).Cells(3).Value
tabla.Rows(i).Cells(4).Value
tabla.Rows(i).Cells(5).Value
Next
=
=
=
=
=
Format(d(i), "###.00")
Format(y(i), "###.00")
Format(c(i), "###.00")
Format(t(i), "###.00")
Format(le(i), "###.00")
For i = 1 To ns
If mvy < y(i) Then
mvy = (i)
post = i
End If
Next
TextBox5.Text = Format(mvy, "###.0")
TextBox6.Text = Format(l, "###.0")
TextBox7.Text = Format(t(post), "###.0")
TextBox8.Text = Format(le(post), "###.0")
TextBox9.Text = Format(c(post), "###.0")
TextBox10.Text = Format(le(post) * d(post), "###.0")
BOTON NUEVO
Dim k As Integer
k = tabla.Rows.Count
For i = 0 To k
tabla.Rows.Clear()
Next
TextBox1.Focus()
TextBox1.Text = ""
TextBox2.Text = ""
TextBox3.Text = ""
TextBox4.Text = ""
TextBox5.Text = ""
TextBox6.Text = ""
TextBox7.Text = ""
TextBox8.Text = ""
TextBox9.Text = ""
TextBox10.Text = ""
BOTON SALIR
Me.Close()
Pg. 30
SIMULACION DE SISTEMAS
UNIVERSIDAD SAN PEDRO
3.
4.
5.
6.
7.
Elaborar un programa para simular el clculo de reas bajo curvas. Utilizar base
de datos y grficos.
8.
9.
Pg. 31
SIMULACION DE SISTEMAS
UNIVERSIDAD SAN PEDRO
10.
11.
12.
Pg. 32
SIMULACION DE SISTEMAS
UNIVERSIDAD SAN PEDRO
Llegadas
Cola
Aeropuerto
Dpto. de bomberos
Compaa telefnica
Panadera
Fbrica
Pasajeros
Alarmas de incendio
Nmeros marcados
Clientes
Piezas para ensamblar
Sala de espera
Incendios
Llamadas
Clientes con nmeros
Inventario en proceso
Mecanismo de
Servicio
Avin
Dpto. De Bomberos.
Conmutador
Vendedor
Estacin de trabajo
Pg. 33
SIMULACION DE SISTEMAS
UNIVERSIDAD SAN PEDRO
Pg. 34
SIMULACION DE SISTEMAS
UNIVERSIDAD SAN PEDRO
Este costo puede reflejar prdida de productividad de los operarios que estn
esperando que compongan sus equipos o puede ser simplemente un estimado
de los clientes perdidos a causa de mal servicio y colas muy largas.
En ciertos servicios (Bancos) el costo de la espera puede ser intolerablemente
alto.
3.6.4. CARACTERSTICAS DE UNA LINEA DE ESPERA
Una
Estos tres componentes tienen ciertas caractersticas que deben ser examinadas
antes de desarrollar el aspecto matemtico de los modelos de cola.
a. CARACTERISTICAS DE ARRIBO:
La fuente de ingreso que genera los arribos o clientes para el servicio tiene tres
caractersticas principales:
a. Tamao de la poblacin que arriba
b. Patrn de llegada a la cola
c. Comportamiento de las llegadas.
Tamao de la Poblacin:
El tamao de la poblacin puede ser: infinito (ilimitado) o limitado (finito). La
mayora de los modelos asume arribo infinito. Poblacin de arribo limitada o finita:
cuando se tienen muy pocos servidores y el servicio es restringido. Ejemplo: los
pacientes en un consultorio mdico.
Patrn de arribo al sistema:
Los clientes arriban a ser atendidos de una manera programada (un
paciente cada 15 minutos) o de una manera aleatoria.
Se consideran que los arribos son aleatorios cuando stos son
independientes de otros y su ocurrencia no puede ser precedida
exactamente.
Frecuentemente en problemas de colas, el nmero de arribos por unidad de
tiempo pueden ser estimados por medio de la Distribucin de Poisson que
es una distribucin discreta de probabilidad.
DISTRIBUCION DE POISSON:
x=
nmero de arribos por unidad de tiempo
l =
ratio promedio de arribo
e = 2.71828
Comportamiento de los arribos:
La mayora de los modelos de colas asume que los clientes son pacientes o sea
que esperan en la cola hasta ser servidos y no se pasan entre colas.
Desafortunadamente, la vida es complicada y la gente reniega. Aquellos que se
impacientan por la espera, se retiran de la cola sin completar su transaccin.
Pg. 35
SIMULACION DE SISTEMAS
UNIVERSIDAD SAN PEDRO
Entrada
SERVIDOR
Salida
Servidor F2
Salida
Entrada
Servidor F1
Pg. 36
SIMULACION DE SISTEMAS
UNIVERSIDAD SAN PEDRO
CANAL1
Entradas
CANAL2
Salidas
CANAL3
Fase 1
Canal 1
Fase 2
Canal 1
Salidas
Entradas
Fase 1
Canal 2
Fase 2
Canal 2
Pg. 37
SIMULACION DE SISTEMAS
UNIVERSIDAD SAN PEDRO
Pg. 38
SIMULACION DE SISTEMAS
UNIVERSIDAD SAN PEDRO
SIMBOLO/FORMULA
N
Ls = / ( )
=/
Ws = 1 / ( )
Lq = 2 / ( ( ))
Lq = Ls
Wq = / ( ( ))
W q = Ws
Pn = (1 / )*( / )n
Pn = (1 ) * n
Po = 1 / = (1 )
Pn>k = ( / )k+1
SIMBOLO/FORMULA
Po
Pg. 39
SIMULACION DE SISTEMAS
UNIVERSIDAD SAN PEDRO
n M 1
n 0
Ls
n !
M !
M
M
para M
1.!. M
M
LS
Po
Po
Po
n M 1
n 0
n !
M !
M
M
p ara M
1. !. M
M
LS
Po
Ejemplo 01
Elaborar un programa que simule un sistema de colas M/M/1/1 dado un rango de
tiempo entre llegadas de los clientes y un rango de tiempo de servicio. Estos rangos
son aleatorios. Se pide calcular: promedio de clientes en el sistema, factor de
utilizacin del sistema, promedio de cliente en cola, servicio, tempo promedio en el
sistema, tiempo promedio en cola, tiempo en el sistema, tiempo en cola y
probabilidades de que haya N clientes en el sistema, ningn cliente en el sistema y
ms de K clientes en el sistema.
Pg. 40
SIMULACION DE SISTEMAS
UNIVERSIDAD SAN PEDRO
BOTON SIMULAR
Dim i, tsll, till, tsa, tia, ns, n, k, pos As Integer
Dim tll(0 To 50), ta(0 To 50), pcs(0 To 50), fu(0 To 50) As Double
Dim tpcs(0 To 50), npuc(0 To 50), tpcc(0 To 50), mvy, pn, po, pk As
Double
Randomize()
tsll = Val(TextBox1.Text)
till = Val(TextBox2.Text)
tsa = Val(TextBox3.Text)
tia = Val(TextBox4.Text)
ns = Val(TextBox5.Text)
n = Val(TextBox11.Text)
k = Val(TextBox12.Text)
For i = 0 To ns - 1
tll(i) = Rnd() * (tsll - till) + till 'generacion aleatoria de
lambda
ta(i) = Rnd() * (tsa - tia) + tia ' generacion aleatoria de mu
pcs(i) = tll(i) / (ta(i) - tll(i)) ' N promedio clientes en el
sistema
fu(i) = tll(i) / ta(i) ' Factor de utilizacion del sistema
tpcs(i) = tll(i) / (ta(i) - tll(i)) 'Tiempo promedio de cliente
en sistema
npuc(i) = tll(i) ^ 2 / (ta(i) * (ta(i) - tll(i))) ' N promedio
clientes en cola
tpcc(i) = tll(i) / (ta(i) * (ta(i) - tll(i))) ' Tiempo promedio
cliente esta en cola
Next i
For i = 0 To ns - 1
DGV.Rows.Add()
'COLOCA NUMERO A LAS FILA DE LA REJILLA
DGV.Rows(i).Cells(0).Value = i + 1
'COLOCA VALORES DE TIEMPO DE LLEGADA (LAMDA) EN REJILLA
DGV.Rows(i).Cells(1).Value = Format(tll(i), "###.00")
'COLOCA VALORES DE TIEMPO DE SERVICIO (MU) EN REJILLA
DGV.Rows(i).Cells(2).Value = Format(ta(i), "###.00")
'COLOCA VALORES DE N PROMEDIO CLIENTES EN SISTEMA EN REJILLA
DGV.Rows(i).Cells(3).Value = Format(pcs(i), "###.00")
'COLOCA VALORES DE FACTOR DE UTILIZACION DEL SISTEMA EN REJILLA
DGV.Rows(i).Cells(4).Value = Format(fu(i), "###.00")
'COLOCA VALORES DE TIEMPO PROMEDIO CLIENTE EN SISTEMA REJILLA
DGV.Rows(i).Cells(5).Value = Format(tpcs(i), "###.0")
'COLOCA VALORES DE NUMERO PROMEDIO DE CLIENTES EN COLA
DGV.Rows(i).Cells(6).Value = Format(npuc(i), "###.0")
Pg. 41
SIMULACION DE SISTEMAS
UNIVERSIDAD SAN PEDRO
BOTON NUEVO
Dim k As Integer
k = DGV.Rows.Count
For i = 0 To k
DGV.Rows.Clear()
Next
TextBox1.Text = ""
TextBox2.Text = ""
TextBox3.Text = ""
TextBox4.Text = ""
TextBox5.Text = ""
TextBox6.Text = ""
TextBox7.Text = ""
TextBox8.Text = ""
TextBox9.Text = ""
TextBox10.Text = ""
TextBox11.Text = ""
TextBox12.Text = ""
TextBox13.Text = ""
TextBox14.Text = ""
TextBox15.Text = ""
'TextBox1.SetFocus()
'CheckBox1.cheked = False
'CheckBox2.cheked = False
'CheckBox3.cheked = False
BOTON SALIR
End
Pg. 42
SIMULACION DE SISTEMAS
UNIVERSIDAD SAN PEDRO
CAPITULO IV
Pg. 43
SIMULACION DE SISTEMAS
UNIVERSIDAD SAN PEDRO
como las condiciones iniciales para efectuar otra simulacin Entonces se compila y
registra un segundo conjunto de estadsticas
El anlisis estadstico se usa para determinar la longitud adecuada de la ejecucin de
la simulacin en el paso 2 y el periodo inicial T en el paso 3. Esto anlisis estn ms
all de nuestro alcance pero pueden encontrarse en cualquier libro sobre simulacin
por computadora
La obtencin del valor de salida de una sola corrida de simulacin es estadsticamente
anloga a extraer una sola muestra de una poblacin. Esto se debe a que la
secuencia de nmeros aleatorios usados en la ejecucin de la simulacin se basa en
el nmero aleatorio uniforme inicial elegido y es slo uno de muchos resultados
posibles.
4.1. CARACTERISTICAS DE UNA DISTRIBUCIN DE FRECUENCIAS
4.1.1. MEDIDAS DE POSICION
Son aquellas medidas que nos ayudan a saber dnde estn los datos pero
sin indicar como se distribuyen.
Media aritmtica
La media aritmtica o simplemente media, que denotaremos por X , es el
nmero obtenido al dividir la suma de todos los valores de la variable entre el
nmero total de observaciones, y se define por la siguiente expresin:
Media aritmtica para datos no tabulados
n
xi
x = i=1
n
f i xi
x = i=1
n
Media aritmtica para datos tabulados por intervalos
f i mi
x = i=1
n
Media aritmtica ponderada
Es una media aritmtica que se emplea en distribuciones de tipo unitario, en
las que se introducen unos coeficientes de ponderacin, denominados i ,
que son valores positivos, que representan el nmero de veces que un valor
de la variable es ms importante que otro.
Pg. 44
SIMULACION DE SISTEMAS
UNIVERSIDAD SAN PEDRO
xi w i
w=
i=1n
wi
i=1
Media geomtrica
Sea una distribucin de frecuencias que se simboliza por G. se define como
la raz N-sima del producto de los N valores de la distribucin.
N
N
x1 ni
i=1 i
n
Varianza
Es una medida que cuantifica el grado de dispersin o de variacin de los
valores de una variable con respecto a su media aritmtica. Si los valores
tienden a concentrarse alrededor de su media, la varianza ser pequea, de
lo contrario es grande. La variancia de muestra se simboliza por S 2 y de la
poblacin por 2.
Varianza para datos no tabulados
n
( x ix i )2
S 2= i=1
f i ( x ix i )2
S 2= k=1
SIMULACION DE SISTEMAS
UNIVERSIDAD SAN PEDRO
f i ( mi x i )2
S 2= k=1
Desviacin estndar
Es una medida de centralizacin o dispersin para variables de razn (ratio o
cociente) y de intervalo. Se define como la raz cuadrada de la varianza.
Junto con este valor, la desviacin tpica es una medida (cuadrtica) que
informa de la media de distancias que tienen los datos respecto de su media
aritmtica, expresada en las mismas unidades que la variable. Se simboliza
con s minscula.
Indica cunto tienden a alejarse los valores concretos del promedio en una
distribucin. De hecho, especficamente, la desviacin estndar es "el
promedio de la distancia de cada punto respecto del promedio".
s= S2
4.3. CONCEPTOS BASICOS DE LA TEORA MUESTRAL
Pg. 46
SIMULACION DE SISTEMAS
UNIVERSIDAD SAN PEDRO
NO PROBABILSITICAS
Errtica
Por Cuotas
Intencional
Bola de Nieve
Pg. 47
SIMULACION DE SISTEMAS
UNIVERSIDAD SAN PEDRO
CAPITULO V
Pg. 48
SIMULACION DE SISTEMAS
UNIVERSIDAD SAN PEDRO
DERECHA
ARRIBA
(50 , 100)
(0, 50)
ABAJO
(100 , 50)
(50, 0)
Pg. 49
SIMULACION DE SISTEMAS
UNIVERSIDAD SAN PEDRO
5.
CAPITULO VI
LA SIMULACIN EN LA PLANIFICACIN, PROGRAMACIN Y
CONTROL DE PROYECTOS
6.1. FUNDAMENTOS DE LA REPRESENTACIN GRFICA DE UN PROYECTO
6.1.1. PROYECTO
Es un conjunto de tareas u operaciones elementales bien diferenciables que se
ejecutan segn un orden determinado.
Los fundamentos de los sistemas PERT y CPM son las representaciones grficas del
proyecto mediante diagramas de flechas, o tambin lo podemos llamar red de flechas.
La red se crea segn el orden de realizacin de las tareas u operaciones, paso a paso,
hasta el final del proyecto. Originalmente estas tareas u operaciones se llaman
actividades. Un trabajo encargado a una persona responsable, bien lo realice
personalmente o bien lo hagan operarios a sus rdenes es lo que podemos definir
como actividades.
Una actividad puede comprender una sola tarea o bien una serie de ellas. Todo
depende de la designacin del responsable de los trabajos que se realizan bajo sus
rdenes segn la conveniencia de la realizacin del proyecto. Por tanto habr tantas
actividades como responsables.
Grficamente una actividad est compuesta de dos partes: la primera que es la
ejecucin del trabajo y est representada con una flecha con orientacin de izquierda
a derecha y la segunda se llama suceso que generalmente se dibuja con dos crculos
o dos rectngulos ponindolos en los dos extremos de la flecha:
i
El suceso que esta al final de la flecha se llama suceso inicial y el suceso que
conecta al comienzo de la flecha se le denomina suceso final. El suceso es un
instante de la actividad que sirve como el punto de control, describiendo el momento
de comienzo o terminacin de una actividad. La actividad es un smbolo de trabajo en
proceso. Por tanto, todas las actividades requieren tiempo y recursos.
La longitud de la flecha no representa la cantidad de tiempo como en los grficos de
GANTT. Por ejemplo, en la siguiente figura, la actividad A no es ms corta de duracin
que la B, aunque la longitud de las flechas lo sea:
Pg. 50
SIMULACION DE SISTEMAS
UNIVERSIDAD SAN PEDRO
A
1
Tampoco es preciso que la flecha sea una lnea recta, sino que pueden dibujarse en
curva:
Esto depende de la facilidad que haya para representar las actividades en una red de
flechas que refleje el orden y secuencias de las relaciones del proyecto. Una actividad
debe estar terminada para que la subsiguiente pueda comenzar. Como todas las
actividades tienen sus sucesos iniciales y finales, el suceso final de la actividad
precedente es el mismo suceso inicial de la subsiguiente:
B
A
1
Sin embargo, hay una excepcin en los sucesos iniciales y finales. El primer suceso
inicial del proyecto no tiene una actividad que la preceda y el ltimo suceso final
tampoco tiene una actividad que la subsiga.
6.1.2. ENUMERACIN DE LOS SUCESOS
La enumeracin de los sucesos es otro es otro sistema para la identificacin de la
actividad. Pero para facilitar el clculo en el computador es conveniente asignar
nmeros naturales a los sucesos iniciales y finales. El siguiente grafico ser numerado
como sigue:
3
B
1
D
C
Pg. 51
SIMULACION DE SISTEMAS
UNIVERSIDAD SAN PEDRO
Pg. 52
SIMULACION DE SISTEMAS
UNIVERSIDAD SAN PEDRO
1. i = i
2. j = j
3. j - i = j - i = Dij
Las tres condiciones plantean que la primera y la ltima fecha de ocurrencia de los
eventos finales i y j son iguales y que la duracin D ij ocupa exactamente su lapso. Por
tanto, una actividad que satisface las tres condiciones es no crtica. Las actividades
crticas de una red deben construir una ruta ininterrumpida que abarca toda la red de
principio a fin.
15
45
18
E - 12
B - 10
K - 15
D - 15
A-6
0
F - 20
I - 30
60
60
10
C - 10
30
G-7
30
10
J - 13
6
H - 26
21
47
10
36
SIMULACION DE SISTEMAS
UNIVERSIDAD SAN PEDRO
Nodo 1. Determine 1 = 0.
Nodo 2. 2 = 1 + D12 = 0 +6 = 6
Nodo 3. 3 = 1 + D13 = 0 + 10 = 10
Nodo 4. 4 = 1 + D14 = 0 + 10 = 10
Nodo 5. 5 = max{ 2 + D25, 3+D35, 4 +D45} = max{6+15, 10+20, 10+7}= 30
Nodo 6. 6 = 4 + D46 = 10 + 26 = 36
Nodo 7. 7 = 2 + D27= 6+12 =18
Nodo 8. 8 = max {5 + D58, 6 + D68, 7 + D78}= max{30+30, 36+13, 18+15}= 60
Los clculos muestran que el proyecto se puede terminar en 60 das.
Paso hacia atrs
Nodo 8. Determine 8 = 8 = 60
Nodo 7. 7 = 8 - D78 = 60 -15 = 45
Nodo 6. 6 = 8 - D68 = 60 -13 = 47
Nodo 5. 5 = 8 - D58 = 60 - 30 = 30
Nodo 4. 4 = min {5 - D45, 6 - D46}= min {30 -7, 47 - 26} = 21
Nodo 3. 3 = 5 - D35 = 30 - 20 = 10
Nodo 2. 2 = min {5 - D25, 7 - D27} = min {30 -15, 45 -12} = 15
Nodo 1. 1 = min {2 - D12, 3 - D13, 4 - D14} = min {15 - 6, 10 -10, 21 - 10} = 0
La ruta crtica es: 1 3 5 8
6.3. HOLGURAS
Es la diferencia ente los valores del rectngulo con el tringulo. Estas representan e
indican que el proyecto tiene esa diferencia de unidades de tiempo para realizar el
proyecto con comodidad.
6.4. DIAGRAMA DE GANTT
Permite visualizar grficamente la ruta crtica y las actividades que tienen holguras,
cada una de ellas con sus magnitudes.
El diagrama de Gantt para el ejemplo anterior es el siguiente:
Pg. 54
SIMULACION DE SISTEMAS
UNIVERSIDAD SAN PEDRO
B-5
D-10
A-4
1
E-7
I-3
M-11
O-3
K-12
F-8
J-4
H-5
C-6
N-8
L-5
G - 15
B-8
1111
E-4
C - 11
A-6
I-5
H-4
2
F-9
D - 12
K-7
5
L-3
J-8
6
Pg. 55
SIMULACION DE SISTEMAS
UNIVERSIDAD SAN PEDRO
LIMPIAR
Y PINTAR
BASE
3
B
C
SACAR
Y
DESARMAR
EL MOTOR
REBOBINAR LA
ARMADURA
Pg. 56
Reemplazar
los anillos
FICTICIA
FICTICIA
E
ENSAMBLAR
E INSTALAR
EL MOTOR
EN LA BASE
SIMULACION DE SISTEMAS
UNIVERSIDAD SAN PEDRO
[E]
[C]
2
[A]
DISEAR
PROD.
ORD. Y REC.
[ ]
FABR.
PROD.
[ ]
[G]
ENVASAR
PROD.
[ ]
8
[B]
[ ]
[H]
DISEAR
ENVASE
[D]
6
[ ]
[J]
9
ENTREGA
10
PRUEBA
PROD.
[F]
ORD. Y REC.
[I]
PRUEBA
MERCADO
FABR.
ENV.
[3]
[CODIGO]
DESCRIPCION
CLAVE:
DURACION
Dij
2.-
Pg. 57
SIMULACION DE SISTEMAS
UNIVERSIDAD SAN PEDRO
te =
to + 4tm + tp
6
Veamos que ocurre con el tiempo con el caso de una empresa X en el cual se
proporcionan tres estimaciones de los tiempos que se requieren para terminar cada
una de las actividades del proyecto.
TABLA
Cdigo de
la actividad
A
B
C
D
E
F
G
H
I
J
Tiempo
optimista(to)
3.0
1.0
1.5
1.2
2.0
1.8
3.0
2.0
0.5
0.8
Tiempo mas
probable(tm)
5.5
1.5
3.0
3.2
3.5
2.8
6.5
4.2
0.8
2.1
Tiempo
pesimista(tp)
11.0
5.0
4.5
4.0
8.0
5.0
7.0
5.2
2.3
2.8
Pg. 58
SIMULACION DE SISTEMAS
UNIVERSIDAD SAN PEDRO
Varianza de los
Tiempos de actividad
t2 =
(tp to) 2
36
Varianza
A
B
C
D
E
F
G
H
I
J
1.78
0.44
0.56
0.22
1.00
0.28
0.44
0.28
0.09
0.11
t2
Pg. 59
SIMULACION DE SISTEMAS
UNIVERSIDAD SAN PEDRO
Como es probable que cada actividad vare en duracin en vez de ser fija. El
tiempo de terminacin del proyecto ser variable, y en particular si existen
variaciones considerables en las actividades de la ruta crtica.
Es probable que el tiempo de duracin del proyecto vare positivamente como
negativamente.
La influencia en el tiempo de duracin del proyecto no solo es de las
actividades de la ruta crtica, sino que se puede generar otra ruta crtica debido
a la variabilidad de las actividades.
Puesto que la varianza de una actividad da una medida de la variacin en la
incertidumbre, puede utilizarse para calcular la variacin total en el tiempo
esperado del trmino del proyecto.
Al calcular el tiempo esperado de terminacin del proyecto, se toman las
varianzas ( t2), de las actividades que forman la ruta crtica. Al igual que con
una calcular la varianza del tiempo de terminacin del proyecto ( t2)
simplemente se suman las varianzas ( t2) de las actividades que forman la ruta
crtica.
Caso Sharp: recordemos que la ruta crtica era la que inclua las actividades A,
C, E, G, I y J, con un tiempo esperado de terminacin de 22 semanas.
La varianza del proyecto es:
2 = tA2 + tC2 + tE2 + tG2 + tI2 + tJ2
2 = 1.78 + 0.56 + 1.00 + 0.44 + 0.09 + 0.11
2 = 3.98 semanas
La desviacin estndar es igual a la raz cuadrada de la varianza; por tanto, la
desviacin estndar para la terminacin del proyecto es
= ( 2)1/2 = (3.98)1/2 2 semanas
En estadstica, se sabe que los tiempos de terminacin de un proyecto no estn
descritos por una distribucin beta sino que siguen una distribucin aproximadamente
normal o en forma de campana.
(En el desarrollo del PERT se utilizaron una distribucin beta para describir las
variaciones en los tiempos de actividades)
Utilizando la distribucin normal podemos hacer planteamientos de probabilidades con
respecto a fecha de trmino del proyecto; dada una fecha especfica de terminacin,
puede calcularse la probabilidad de que el proyecto se termine en esa fecha o antes.
Ejemplo se desea saber cul es la probabilidad de que el proyecto termine antes de 6
meses (26 semanas).
Primero.Convertir 26 semanas a un valor de Z. (X = 26, = 22 y = 2)
Pg. 60
SIMULACION DE SISTEMAS
UNIVERSIDAD SAN PEDRO
Z=
X-
Z=
26 22
=2
2
Pg. 61