Professional Documents
Culture Documents
VERACRUZ
ANTOLOGA
MODELOS DE SIMULACIN
ME y ISC OSCAR FRIAS COELLO
INTRODUCCIN
OBJETIVO GENERAL
Aplicar el desarrollo de modelos de simulacin estocstica para el estudio de
sistemas y las teoras subyacentes, diseos y alternativas de solucin que
permitan optimizar
investigacin de operaciones
OBJETIVO DE LA UNIDAD
Determinar el nivel de servicio, ya sea por cantidad de entidades o por la velocidad
de ellas, proporcionar para minimizar el costo total de un sistema.
LINEAS DE ESPERA
Una lnea de espera es el efecto resultante en un sistema cuando la demanda de
un servicio supera la capacidad de proporcionar dicho servicio. Este sistema est
formado por un conjunto de entidades en paralelo que proporcionan un servicio a
las transacciones que aleatoriamente entran al sistema. Dependiendo del sistema
que se trate, las entidades pueden ser cajeras, mquinas, semforos, gras,
etctera, mientras que las transacciones pueden ser: clientes, piezas, autos,
barcos, etctera. Tanto el tiempo de servicio como las entradas al sistema son
fenmenos que generalmente tienen asociadas fuentes de variacin que se
encuentran fuera del control del tomador de decisiones, de tal forma que se hace
necesaria la utilizacin de modelos estocsticos que permitan el estudio de este
tipo de sistemas.
Una lnea de espera puede modelarse como un proceso estocstico en el cual la
variable aleatoria se define como el nmero de transacciones en el sistema en un
momento dado; el conjunto de valores que puede tomar dicha variable es {O, 1, 2,
. . . , N\ y cada uno de ellos tiene asociada una probabilidad de ocurrencia .
Objetivo
En las lneas de espera, existen dos costos perfectamente identificados: el costo
de las transacciones, que representa la cuantificacin monetaria de la prdida de
tiempo al esperar recibir un servicio o la prdida de clientes por abandono del
sistema, y el costo de proporcionar el servicio, que representa la cantidad de
dinero que hay que pagar por cuestin de sueldos y salarios, energa,
mantenimiento y depreciacin del personal o equipo.
De tal forma que en un estudio de lneas de espera el objetivo es determinar qu
nivel de servicio, ya sea por cantidad de entidades o por la velocidad de ellas,
proporcionar para minimizar el costo total del sistema. Este costo est formado
tanto por costo de servicio como por el que causa la espera. Matemticamente
podemos representarlo de la siguiente forma:
Estructura
Un sistema de espera se representa mediante la llegada de transacciones a un
sistema con el fin de recibir un servicio por cualquiera de una o ms entidades
dispuestas para ello, conocidas como servidores. En caso de que todas las
entidades se encuentren ocupadas, la transaccin permanece en espera en la fila
hasta que decide abandonar la fila sin ser atendido, o bien, es seleccionado de
acuerdo con cierta regla para recibir atencin. Una vez que el servicio ha sido
completamente proporcionado, la transaccin sale del sistema y se convierte de
nuevo en una transaccin potencial.
Servidores
Representan al mecanismo por el cual las transacciones reciben de una manera
completa el servicio deseado. Estas entidades se encuentran dispuestas en forma
paralela a la fila, de tal manera que las transacciones pueden seleccionar a
cualquiera de ellas para el suministro de dicho servicio. Las dos caractersticas
principales de los servidores son: la cantidad asignada por cada fila existente en el
sistema y la distribucin de probabilidad del tiempo de atencin a las
transacciones o de la velocidad de servicio; dentro de las distribuciones ms
comunes estn la exponencial, la Erlang, la hiperexponencial, la degenerada.
Transacciones potenciales
Representan el nmero total de clientes que podran requerir el servicio
proporcionado por el sistema y es necesario definir dos caractersticas para este
conjunto de elementos; la primera tiene que ver con el tamao del conjunto
potencial de clientes, dando, en consecuencia, conjuntos limitados o finitos y en
otros casos conjuntos ilimitados o infinitos.
La segunda caracterstica se refiere a la distribucin de probabilidad del tiempo
entre llegadas o bien a la tasa de entrada promedio. Es comn encontrarse la
suposicin de tasas de llegada que siguen un proceso Poisson, el cual ocurre
cuando las llegadas a un sistema se llevan a cabo de forma aleatoria; es
importante hacer notar que una de las propiedades de esta distribucin es su
relacin con el tiempo entre llegadas consecutivas, que se representa en forma
paralela, de acuerdo con un proceso de tipo exponencial.
Existen algunos sistemas donde la tasa de llegadas se ve afectada por la decisin
de una transaccin de rehusar su entrada al sistema por razones diversas, por
ejemplo del tamao de la fila.
Fila
Es el conjunto de transacciones que espera ser atendido por alguno de los
servidores del sistema. Una fila tiene tres caractersticas principales, la primera se
refiere a la capacidad, o sea, al nmero mximo de transacciones que pueden
permanecer en ella en un mismo instante y de acuerdo con este nmero se
clasifican como finitas o infinitas. Hay que hacer notar que en el caso de los
OBJETIVO DE LA UNIDAD
Predecir una situacin mostrando lo que suceder en un sistema real cuando se
realicen determinados cambios bajo determinadas condiciones que se pueden
presentar, para de estar forma minimizar los gastos tanto econmicos como de
tiempo para el personal o empresa que lo requiera.
Introduccin a la simulacin
En aos recientes, el advenimiento de nuevos y mejores desarrollos en el rea de
la computacin ha trado consigo innovaciones igualmente importantes en los
terrenos de la toma de decisiones y el diseo de procesos y productos. En este
sentido, una de las tcnicas de mayor impacto es la simulacin.
Hoy en da, el analista tiene a su disposicin una gran cantidad de software de
simulacin que le permite tomar decisiones en temas muy diversos. Por ejemplo,
determinar la mejor localizacin de una nueva planta, disear un nuevo sistema de
trabajo o efectuar el anlisis productivo de un proceso ya existente pero que
requiere mejoras. Sin duda, la facilidad que otorga a la resolucin de stas y
muchas otras problemticas, ha hecho de la simulacin una herramienta cuyo uso
y desarrollo se han visto significativamente alentados.
Cada vez resulta ms sencillo encontrar paquetes de software con gran capacidad
de anlisis, as como mejores animaciones y caractersticas para generacin de
reportes. En general, dichos paquetes ya sea orientados a procesos, a servicios
o de ndole genera nos proveen de una enorme diversidad de herramientas
estadsticas que permiten un manejo ms eficiente de la informacin relevante
bajo anlisis, y una mejor presentacin e interpretacin de la misma.
El concepto de simulacin engloba soluciones para muchos propsitos diferentes.
Por ejemplo, podramos decir que el modelo de un avin a escala que se introduce
a una cmara por donde se hace pasar un flujo de aire, puede simular los efectos
que experimentar un avin real cuando se vea sometido a turbulencia. Por otro
lado, algunos paquetes permiten hacer la representacin de un proceso de
fresado o torneado: una vez que el usuario establezca ciertas condiciones
iniciales, podr ver cmo se llevara a cabo el proceso real, lo que le permitira
revisarlo sin necesidad de desperdiciar material ni poner en riesgo la maquinaria.
Entre los distintos tipos de procesos de simulacin que podemos utilizar, en este
libro nos ocuparemos del que se basa en el uso de ecuaciones matemticas y
estadsticas, conocido como simulacin de eventos discretos. Este proceso
consiste en relacionar los diferentes eventos que pueden cambiar el estado de un
sistema bajo estudio por medio de distribuciones de probabilidad y condiciones
lgicas del problema que se est analizando.
Por ejemplo, un proceso de inspeccin donde sabemos estadsticamente que
0.2% de los productos tiene algn tipo de defecto puede simularse con facilidad
OBJETIVO DE LA UNIDAD
Adquirir la capacidad de comparar y contrastar mtodos para la generacin de
nmeros aleatorios que permitan ser incorporados con el mnimo error en software
de simulacin de procesos.
del centro que se seleccionaron para obtener el primer r. Este mtodo se repite
hasta obtener n nmeros rr A continuacin se presentan con ms detalle los pasos
para generar nmeros con el algoritmo de cuadrados medios.
1. Seleccionar una semilla (X0) con D dgitos (D > 3).
2. Sea X0 = resultado de elevar XQ al cuadrado; sea X, = los D dgitos del centro,
y sea r(. = 0.D dgitos del centro.
3. Sea Y. = resultado de elevar X al cuadrado; sea XM = los D dgitos del centro,
y sea f = 0.D dgitos del centro para toda / = 1,2,3,..., n.
4. Repetir el paso 3 hasta obtener los n nmeros r deseados.
Nota: Si no es posible obtener los D dgitos del centro del nmero Y-, agregue
ceros a la izquierda del nmero Y.
Para ilustrar la mecnica del algoritmo de cuadrados medios se presenta el
siguiente ejemplo.
Ejemplo 2
Generar los primeros 5 nmeros r a partir de una semilla XQ = 5 735, de donde
se puede observar que D = 4 dgitos.
una semilla, y la otra se multiplica por el primer nmero de D dgitos, para luego
seleccionar del producto los D dgitos que conformarn un segundo nmero r(..
Entonces se elimina la segunda semilla y se multiplican el primer nmero de D
dgitos por el segundo nmero de D dgitos; del producto se obtiene el tercer
nmero r. Siempre se ir eliminando el nmero ms antiguo, y el procedimiento
se repetir hasta generar los n nmeros pseudo aleatorios. A continuacin se
presentan con ms detalle los pasos del mtodo para generar nmeros con el
algoritmo de producto medios.
1. Seleccionar una semilla (X0) con D dgitos (D > 3).
2. Seleccionar una semilla (X}) con D dgitos (D > 3).
3. Sea V0 = XQ*X:; sea X2 = los D dgitos del centro, y sea r. = 0.D dgitos del
centro.
4. Sea f = X*X+1; sea X+2 = los D dgitos del centro, y sea r+1 = 0.D dgitos del
centro para toda f= 1,2,3,...,/?;
5. Repetir el paso 4 hasta obtener los n nmeros r deseados.
Nota: Si no es posible obtener los D dgitos del centro del nmero agregue ceros a
la izquierda del nmero Y.
Para ilustrar la mecnica del algoritmo de productos medios se presenta el
siguiente ejemplo.
Ejemplo 2
Generar los primeros 5 nmeros r a partir de las semillas X0 = 5 015 y X, = 5 734;
observe que ambas semillas tienen D = 4 dgitos.
Elementos bsicos
En ProModel podemos distinguir una serie de mdulos que permiten al analista
hacer un estudio ms completo sobre el modelo que quiere simular. Cada uno de
estos mdulos cuenta con herramientas de trabajo que hacen de ProModel uno de
los mejores paquetes de simulacin que existen en el mercado. A continuacin
daremos una breve descripcin de cada uno de ellos.
ProModel. Es el rea de trabajo donde se definirn el modelo y todos sus
componentes. En este mdulo se programa todo lo que tiene que ver con las
relaciones entre las variables del modelo, tanto contadores como relaciones
lgicas, flujos, actividades y ciclos de produccin, por ejemplo.
Editor grfico. El editor grfico de ProModel cuenta con una serie de bibliotecas
que permiten dar una mejor presentacin visual a los modelos realizados. Adems
cuenta con la capacidad de importar y crear las imgenes necesarias para
representar con mayor propiedad el problema a simular. Incluso pueden
importarse dibujos hechos con algn software para dicho propsito.
Resultados. ProModel cuenta con una interfaz de resultados que facilita la
administracin, el manejo y el anlisis de la informacin. En este mdulo se
pueden ver los resultados de todas las variables del modelo. Algunas de ellas se
reportan de manera automtica, y otras se obtienen bajo solicitud expresa del
analista. Adems, el mdulo permite la interaccin con programas de hoja de
clculo, como Excel. Stat: :Fit. El software incluye una herramienta estadstica
llamada Stat::Fit (algunas de cuyas funciones se comentaron ya en el captulo 3),
que permite hacer pruebas de bondad de ajuste sobre datos muestra, produciendo
informacin muy importante para determinar las distribuciones asociadas a las
variables aleatorias del modelo. Adems, constituye una gran ayuda si se
desconoce cmo alimentar distribuciones complejas de la biblioteca de ProModel
en el modelo de simulacin.
Editor de turnos. El editor de turnos permite asignar turnos de trabajo a los
elementos del modelo que lo requieran, por ejemplo, descansos programados,
como el tiempo de comida.
Simrunner. sta es una herramienta muy til en el anlisis posterior del modelo.
Con ella se pueden disear experimentos destinados a conocer el impacto de
factores crticos que se generan a partir de la variacin en los valores de las
variables aleatorias seleccionadas para ello. Asimismo, permite discernir cul es la
mejor combinacin de factores para obtener el mximo beneficio al mejorar un
proceso.
Referencias y Ayuda. Estos mdulos de ProModel facilitan el uso y la
programacin del software.
Estructura de programacin en ProModel
En ProModel, la programacin para la simulacin constituye slo una parte del
proceso de construccin del modelo ya que, como se ha mencionado, el software
tambin cuenta con diversas herramientas de animacin, por ejemplo que el
analista debe aprender a manejar para obtener los mejores resultados.
A fin de ayudarle a lograr una comprensin integral acerca del uso de ProModel,
en este captulo utilizaremos varios ejemplos que nos llevarn de lo ms simple a
lo ms complejo. A pesar de lo anterior, esta obra no pretende cubrir de manera
exhaustiva todos y cada uno de los elementos que componen el producto. Si
desea obtener ms detalles respecto de su funcionamiento, le recomendamos
consultar los manuales de referencia que acompaan al paquete.
Construccin de un modelo
En esta seccin comenzaremos nuestro anlisis de algunas de las instrucciones
de programacin del paquete. Para empezar, comentaremos algunos modelos
bsicos de lneas de espera.
Modelo M/M/1 de lneas de espera
Un modelo sencillo de lneas de espera podra describirse como aquel en donde el
tiempo entre llegadas y el tiempo de servicio son exponenciales. Consideraremos
que el orden de atencin (clientes en espera de algn servicio, piezas
involucradas en un proceso de ensamble, etc.) sigue la estructura "primero que
llega, primero en recibir atencin" Por otro lado, daremos por sentado que tanto la
Distribuciones utilizadas:
o Exponencial. Si los tiempos de servicio son completamente
aleatorios.
o Normal. Si los tiempos de servicio son constantes pero existe una
variabilidad que produce fluctuaciones positivas y negativas.
o Normal Truncada. Si existen valores de la variable que deben ser
mayores o menores que un cierto valor y el resto siguen una
distribucin normal.
o Gamma y Weibull. Se utilizan para modelar Tiempos de Servicio.
Prueba Chi-cuadrado
Esta prueba puede utilizarse incluso con datos medibles en una escala nominal. La
hiptesis nula de la prueba Chi-cuadrado postula una distribucin de probabilidad
totalmente especificada como el modelo matemtico de la poblacin que ha generado la
muestra.
Para realizar este contraste se disponen los datos en una tabla de frecuencias. Para cada
valor o intervalo de valores se indica la frecuencia absoluta observada o emprica (Oi). A
continuacin, y suponiendo que la hiptesis nula es cierta, se calculan para cada valor o
intervalo de valores la frecuencia absoluta que cabra esperar o frecuencia esperada
(Ei=npi , donde n es el tamao de la muestra y pi la probabilidad del i-simo valor o
intervalo de valores segn la hiptesis nula). El estadstico de prueba se basa en las
diferencias entre la Oi y Ei y se define como:
Este estadstico tiene una distribucin Chi-cuadrado con k-1 grados de libertad si n es
suficientemente grande, es decir, si todas las frecuencias esperadas son mayores que 5.
En la prctica se tolera un mximo del 20% de frecuencias inferiores a 5.
Si existe concordancia perfecta entre las frecuencias observadas y las esperadas el
estadstico tomar un valor igual a 0; por el contrario, si existe una gran discrepancias
entre estas frecuencias el estadstico tomar un valor grande y, en consecuencia, se
rechazar la hiptesis nula. As pues, la regin crtica estar situada en el extremo
superior de la distribucin Chi-cuadrado con k-1 grados de libertad.
Para realizar un contraste Chi-cuadrado la secuencia es:
o Analizar
o Pruebas no paramtricas
o Chi-cuadrado
OBJETIVO DE LA UNIDAD
Aprender a identificar si los datos de una investigacin estadstica provienen de una
poblacin que tiene la distribucin terica que se ha especificado, de esta manera ofrece
la fiabilidad que sin ella no se proporcionada.
Contrastes de normalidad
Un caso especfico de ajuste a una distribucin terica es la correspondiente a la
distribucin normal. Este contraste se realiza para comprobar si se verifica la hiptesis de
normalidad necesaria para que el resultado de algunos anlisis sea fiable, como por
ejemplo para el ANOVA.
Para comprobar la hiptesis nula de que la muestra ha sido extrada de una poblacin con
distribucin de probabilidad normal se puede realizar un estudio grfico y/o analtico.
PRUEBA DE KOLMOGOROV-SMIRNOV
Cuando la prueba Kolmogorov-Smirnov kolmogorov se aplica para contrastar la hiptesis
de normalidad de la poblacin, el estadstico de prueba es la mxima diferencia:
En este caso para realizar el contraste Chi-cuadrado es necesario definir las cuatro
categoras contempladas en la hiptesis nula. Para ello, se crea una nueva variable,
Trans2, a partir de Trans con las siguientes categoras: Metro, Bus, Privado (que resultar
de agregar Coche y Moto) y Otros (que agrupar Tren y Otros).Una vez creada la nueva
variable, con la secuencia Analizar > Pruebas no paramtricas > Chi-cuadrado se llega al
cuadro de dilogo en donde se selecciona la variable Trans2 y se introduce en Valores
esperados las frecuencias relativas de cada categora segn la hiptesis nula
correctamente ordenadas: 0,4 para la categora 1; 0,3 para la 2; 0,2 para la 3 y 0,10 para
la 4. Al aceptar se obtienen los siguientes resultados:
Como todas las categoras presentan frecuencia esperada mayor que 5 se puede aplicar
el contraste Chi-cuadrado sin modificar el nmero de categoras. El valor del estadstico
Chi-cuadrado permite rechazar la hiptesis nula para niveles de significacin superiores al
2,7%. As pues, al 5% de significacin se llega a la conclusin de que la distribucin del
tipo de transporte que utilizan los alumnos no se adapta a la publicada por el
ayuntamiento.
Ejemplo 2.
Con la informacin correspondiente a la variable Pla de la base de datos Encinf.sav, se
desea comprobar si la valoracin que realizan los alumnos del plan de estudios sigue una
distribucin uniforme.
OBJETIVO DE LA UNIDAD
Aprender a utilizar un programa que permita simular procesos y eventos que
pudieran ser optimizados o bien ayuden a la toma de decisiones dentro de una
empresa.
PROMODEL
Para hacer una simulacin con ProModel se deben cumplir dos eventos:
1. Los elementos que conforman el modelo han de estar correctamente definidos,
porque el programa antes de hacer la simulacin comprueba la correccin en la
definicin del modelo.
2. El modelo debe contener al menos los siguientes elementos: Locaciones,
entidades, arribos y proceso.
La simulacin con ProModel es la forma como se animan las interacciones entre
los elementos (locaciones, entidades, ...) y la lgica definida. En la figura, se
presenta un esquema de las interacciones de los elementos del software
ProModel y el modelador.
Esquema del funcionamiento del software ProModel (en azul los elementos
indispensables para hacer una simulacin con este software).
Locaciones
Las locaciones representan los lugares fijos en el sistema a dnde se dirigen las
entidades por procesar, el almacenamiento, o alguna otra actividad o fabricacin.
Deben usarse locaciones para modelar los elementos como las mquinas, reas
de espera, estaciones de trabajo, colas, y bandas transportadoras.
Para acceder al Editor de locaciones: clic "Build>Locations" o Crtl+L.
Editor de locaciones
El Editor de locaciones consiste en tres ventanas: la ventana de Grficos ubicada
hacia la esquina inferior izquierda de la pantalla, la tabla de edicin de
locaciones a lo largo de la parte superior de la pantalla, y la ventana de Layout
(Esquema) ubicada hacia la esquina inferior derecha de la pantalla. Estas
ventanas pueden moverse y ajustar su tamao usando el ratn.
Tabla de edicin de locaciones
Las caractersticas de una locacin pueden modificarse con la Tabla de edicin de
locaciones.
Dts...
Un tiempo fuera de servicio detiene una locacin o recurso de su operacin. Los
tiempos fuera de servicio pueden representar las interrupciones fijadas como
cambios, descansos o mantenimientos. O pueden representar los no
programados, como interrupciones por el azar fallas del equipo.
Para locaciones de capacidad simple, los tiempos fuera de servicio pueden ser
basados en tiempo de reloj, tiempo de uso, nmero de entidades procesadas, o un
cambio en el tipo de entidad. Las locaciones de multi-capacidad tienen un nico
tiempo fuera por reloj. Al seleccionar el botn en la etiqueta o ttulo se definen los
tiempos fuera de servicio de la locacin.
Entry...
Sirve para modelar los tiempos fuera de servicio cuando una locacin necesita ser
reparada despus de procesar un cierto nmero de entidades. Por ejemplo, si una
mquina que pinta automviles necesita ser tanqueada despus de pintar 100,
entonces debera definirse un tiempo fuera de servicio por entradas. El tiempo
fuera de servicio ocurre despus de que la entidad que lo activa deja la locacin.
El editor de tiempos fuera por entradas consiste en una tabla de edicin para
acceder a el seleccione Entry... del men que aparece luego de seleccionar el
encabezado DTs....
Frequency.
El nmero de entidades a ser procesadas entre ocurrencias de tiempo fuera de
servicio. Este puede ser un valor constante o una expresin numrica y es
evaluado durante la simulacin.
First Occurrence.
El nmero de entidades a ser procesadas antes del primer tiempo fuera de
servicio. ste puede ser un valor o una expresin numrica. Si el espacio es
dejado en blanco, el primer tiempo fuera de servicio ser basado en la frecuencia
entrada.
el
Rules...
La caja de dialogo de reglas, se selecciona pulsando el botn de encabezado en
la tabla de edicin de locaciones, es usado para escoger la regla que ProModel
seguir cuando toma las siguientes decisiones:
1. Seleccionar las entidades entrantes.
2. Hacer cola para salir.
3. Seleccionar una unidad.
Selecting Incoming Entities.
Cuando una locacin esta disponible y hay ms de una entidad esperando para
entrar, deber ser tomada una decisin respecto a cual admitir.
Selecting Incoming Entities>Oldest by Priority.
Selecciona la entidad que a esperado ms para asignarle la mas alta prioridad de
ruta.
Selecting Incoming Entities>Random.
Selecciona aleatoriamente la entidad siguiente con igual probabilidad del grupo de
todas las entidades que esperan.
Selecting Incoming Entities>Least Available Capacity.
Selecciona la entidad que viene de la locacin que tiene la menor capacidad
disponible.
Selecting Incoming Entities>Last Selected Location.
Selecciona la entidad que viene de la locacin que se seleccion la ultima vez.
Selecting Incoming Entities>Highest Attribute Value.
Selecciona la entidad con el valor del atributo ms alto de un atributo especificado.
Selecting Incoming Entities>Lowest Attribute Value.
Selecciona la entidad con el valor del atributo ms bajo de un atributo
especificado.
Queuing For Output.
Cuando una entidad ha finalizado su operacin en una locacin y otras que han
finalizado adelante de ella no han partido. Una decisin debe tomarse, permitir a la
entidad salir o esperar segn alguna regla de formacin de colas de espera.
Si no se especifica alguna de las reglas de formacin de colas de espera,
"Ninguna formacin de colas de espera" ser usada.
Queuing For Output.>No Queuing.
Entidades que han completado su proceso en la locacin actual son libres de
dirigirse a otras locaciones independientemente de otras entidades que han
Tiempo de uso antes de que el primer tiempo fuera ocurra. Si se deja en blanco el
primer tiempo es basado en la frecuencia entrada.
Priority.
La prioridad entre 0 y 999 de que el tiempo fuera ocurra.
Logic.
Cualquier estamento lgico a ser procesado mientras el tiempo fuera ocurre,
usualmente este campo contiene un estamento que define la duracin del tiempo
fuera.
Disable. Seleccionando YES se desactiva temporalmente sin eliminarlo de la
tabla.
Setup...
Puede ser usado para modelar locaciones donde se pueden procesar diferentes
tipos de entidades pero necesita ser ajustada o preparada para hacerlo, como
cuando una estacin de taladrado procesa varios tipos de partes, cada una con
una herramienta adecuada. Estos tiempos fuera no se traslaparan o ocurrirn dos
a la vez sobre la misma locacin.
Un tiempo fuera por ajuste ocurrir solo cuando una entidad arriba a la locacin y
es diferente de la entidad anterior que arrib a la locacin. El editor de tiempos
fuera por ajuste consiste en una tabla de edicin; para acceder a el seleccione
Setup del men que aparece luego de seleccionar el encabezado DTs....
Entity.
Entidad entrante para que el ajuste ocurra.
Prior Entity.
Entidad precedente a la entidad por la cual el tiempo fuera por ajuste ocurrir.
Logic.
Se entra cualquier estamento lgico para ser procesado cuando el tiempo fuera
ocurra.
Disable.
Seleccionar YES para desactivar temporalmente el tiempo fuera por Setup sin
borrarlo de la tabla.
Passing es un tipo de ruta en la que las entidades pueden pasar a otras entidades,
es una forma de modelar algunas redes en las que los recursos se adelantan o se
traslapan sin ningn inconveniente;
Non-Passing es un tipo de ruta en la que las entidades no se adelantan unas a
otras, como una carrilera para vagones o cualquier otro tipo de casos en los que
fsicamente los adelantos o traslapos no puedan darse, esta es la opcin para
modelarlos;
Crane es especial para modelar gras y puentes gras.
T/S.
Se puede definir el movimiento en la ruta mediante dos tipos de unidades: Time,
Speed & Distance.
Paths.
El numero de segmentos de ruta en la red, consta de una tabla de edicin.
Paths>From.
El nodo de comienzo del segmento de ruta.
Paths>To.
El nodo de final del segmento de ruta.
Paths>BI.
Se ajusta con BI-direccional Uni-direccional dependiendo si el trafico puede
darse en una o en las dos direcciones.
Paths>Time.
Si el viaje a travs de la ruta va ha ser medido ms en trminos del tiempo que de
la distancia, entonces es el tiempo que un recurso o entidad tomara en recorrer el
segmento de ruta.
Paths>Distance.
Si el viaje a travs de la ruta va ha ser medido en trminos de la velocidad y
distancia muestra la longitud del segmento de ruta, el tiempo de viaje entonces se
determinara por la velocidad del recurso o la entidad.
Interfaces.
En
donde
PMt es
Pt+1 es
Xt es
el
el
el
promedio
mvil
valor
pronosticado
valor
real
en
para
observado
el
el
en
periodo
siguiente
el
t.
periodo.
periodo
t.
P14 = 82.54
En la siguiente tabla podemos observar el total de los valores pronosticados
obtenidos.
Tabla 3.2 Valores Pronosticados por el Mtodo del Promedios Mvil Simple.
CONCLUSION