Professional Documents
Culture Documents
i
ii
Contenido
Introduccin v
iii
Captulo 4: Lenguajes de simulacin y simuladores de eventos discretos.
4.1 Lenguajes de simulacin y simuladores 84
4.2 Introduccin al uso de ProModel 84
4.3 Elementos bsicos 85
4.4 Estructura de programacin en ProModel 85
4.5 Construccin de modelos en ProModel 87
4.5.1 Construccin de un modelo paso a paso 87
4.5.2 Refinamiento progresivo del modelo 105
4.5.2.1 Uso de atributos, variables y comandos de decisin 105
4.5.2.2 Uso del comando ROUTE 116
4.5.3 Modelado de un proceso que incluye ms de un proceso 119
4.5.3.1 Modelo con bandas de transporte y filas de espera 119
4.5.3.2 Modelo con estatutos JOIN y LOAD/UNLOAD 127
4.5.3.3 Modelo con recursos 133
4.5.3.4 Modelo de manufactura con varios procesos e inspeccin 144
4.6 Comentarios adicionales 184
4.7 Ejercicios propuestos 185
Anexos
Tablas de distribuciones de probabilidad 237
Generadores para distribuciones de probabilidad en ProModel 240
Bibliografa 241
iv
Largo es el camino de la enseanza por medio de teoras; breve y eficaz por medio de ejemplos.
Sneca
Introduccin
v
Capitulo 1:
Introduccin a la simulacin de
eventos discretos
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Pgina 2
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Figura 1.1
Pgina 3
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Shannon, Robert; Johannes, James D. (1976), precisan que simulacin es el proceso de disear y
desarrollar un modelo computarizado de un sistema o proceso y conducir experimentos con este
modelo con el propsito de entender el comportamiento del sistema o evaluar. Varias estrategias
con las cuales se puede operar el sistema.
Como se puede observar existen elementos bsicos que no han cambiado a lo largo del tiempo, y
podran generarse diversas definiciones de ac uerdo a l o que se ha m encionado y a los elementos
bsicos que deben considerarse dentro del proceso de simulacin, se pueden desarrollar de manera
individual mas definiciones por ejemplo: Simulacin es la representacin de un sistema de
produccin a travs de un modelo, apoyados en algn lenguaje informtico que ayude en la
toma de decisiones para hacerlo ms eficiente y productivo.
Una pregunta que puede considerarse clave durante el estudio de la simulacin es: Por qu
simular?, algunas razones podrn ser las siguientes:
Porque
La observacin detallada del sistema que s e est simulando, conduce a un mejor entendimiento
del mismo y proporciona sugerencias para mejorarlo.
La simulacin proporciona una manera de validar si s est tomando o no la decisin adecuada al
problema que se ha presentado.
La simulacin evita el costo y tiempo que implica hacer decisiones basadas en prueba y error, es
decir, los costos de experimentacin del sistema actual son mayores que los costos de simular el
sistema (ver figura 1.2).
Cuando las actividades o eventos son interdependientes y manifiestan variabilidad.
Figura 1. 2
Pgina 4
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Otra pregunta frecuente es: Cundo la simulacin es apropiada?, para contestarla, es muy
importante la habilidad y capacidad de anlisis de la persona que est analizando el sistema y que es
lo que se espera obtener con el modelo que se pretende realizar, pueden considerarse algunas
razones como las siguientes:
La simulacin puede utilizarse en cualquier tipo de sistema productor de bienes y/o servicios, pero
especficamente en el rea de ingeniera industrial pueden considerarse los siguientes usos:
Para la realizacin de un modelo es necesario familiarizarse con los trminos ms utilizados para
construir los modelos:
Pgina 5
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Las variables que constituyen un sistema son condiciones cuyos valores se crean y modifican por
medio de ecuaciones matemticas y relaciones lgicas. Estas pueden ser continuas como el tiempo
de operacin de una mquina o el tiempo entre llegadas de los clientes o pedidos, tambin pueden ser
discretas como el nmero de productos a empacar en un lote, nmero de unidades producidas en un
turno de operacin, etc.
Para entender como los elementos del sistema se afectan unos a otros e influyen en el
desempeo de las metas globales es necesario definir tres tipos de variables:
Variables de respuesta. Las variables de r espuesta son variables que m iden el desempeo del
sistema en r espuesta al establecimiento de una variable de d ecisin particular. Una variable de
respuesta puede ser el nmero de piezas o entidades procesadas en un determinado tiempo, o el
porcentaje de utilizacin de un r ecurso, el tiempo de es pera de u n cliente en la fila, etc. En un
experimento la variable de respuesta es la variable dependiente, la cual depende de un
determinado valor de una variable independiente.
Variables de estado (cuando se utiliza un software de uso especfico). Las variables de estado
son variables que indican el estado del sistema en cualquier punto del tiempo. Por ejemplo el
nmero actual de entidades que esperan ser procesadas o el estado actual de un recurso (ocioso,
ocupado, etc.)
Por su parte en lo referente a la definicin de los modelos, hay muchas clasificaciones o formas de
clasificarlos, por ejemplo si son fsicos, continuos o discretos, dinmicos o estticos, determinsticos o
probabilsticos, etc. pero de manera prctica se puede decir que si el modelo es meramente didctico,
se pueden considerar modelos tabulares o matriciales que incluyen relaciones matemticas y
probabilsticas (ver tabla 1.3).
Tiempo
Aleatorio Tiempo Aleatorio Tiempo de Hora de
entre Hora de fin
Cliente tiempo entre medido de tiempo de servicio Inicio de
llegadas de servicio
llegadas llegadas servicio (min) servicio
(min)
1 0.2569 2 2 0.7892 4 2 6
2 0.5874 3 5 0.4565 7 6 13
3 0.9863 5 10 0.3214 8 13 21
4 0.0047 1 11 0.9874 1 21 22
5 0.4236 4 15 0.7543 4 22 26
Tabla 1.3
Pgina 6
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Por su parte, si el modelo a realizar se hace utilizando un software especfico como el ProModel,
ARENA o cualquiera que exista en el mercado, primeramente se desarrolla un modelo conceptual que
incluya la informacin lgica secuencial y las variables que influyen en el proceso, posteriormente se
realiza este utilizando generalmente una interfaz grfica del simulador que lo hacen muy fcil de
utilizar (ver figuras 1.4 y 1.5).
Fresadora
Torno Salida y
Recepcin de enviar a salida
materia prima Mover con en banda embarque
operador transportadora
Figura 1.4
Figura 1.5
Pgina 7
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
La simulacin no deja de ser una estimacin del sistema real, por lo que el muestreo de las
variables de entrada del modelo debe ser justificado estadsticamente.
Se puede requerir mucho tiempo para hacer un buen estudio de simulacin.
Se requiere dominar algn software especfico de simulacin.
La simulacin no pr oporciona una solucin ptima como otras herramientas de an lisis, solo
muestra lo que puede suceder y queda bajo la responsabilidad del analista elegir la mejor
alternativa para la mejora de algn proceso.
Anlisis de Recomendaciones
resultados finales
Figura 1.6
Pgina 8
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
a) Identificar las restricciones del sistema. Es importante identificar las restricciones bajo las
cuales el estudio debe ser conducido, por ejemplo:
El hecho de que haya restricciones no quiere decir que no se pueda realizar el proyecto, esto
significa que debe considerarse la manera de subsanar o compensar dicha restriccin.
Si se est considerando un sistema de servicio tal como el de un cajero en un banco, puede ser un
problema determinar cuntos cajeros se van a necesitar durante un da pico (como el de pago de
quincena) aqu el objetivo especfico sera: Determinar el nmero de cajeros ptimo para que
el cliente no pase ms de 10 minutos en fila durante un da pico.
En el caso de un proceso de manufactura podra ser un objetivo: Determinar el porcentaje de
tiempo ocioso en la operacin del torno as como el nmero de piezas producidas.
Considerando el caso de una empresa que vende gasolina: Determinar el nmero de bombas
de gasolina adecuado para que no estn ms del 30% del tiempo ociosas durante el turno
vespertino.
El alcance del modelo. Es decir que parte del sistema se desea simular, ya que cada sistema
est integrado a la vez por subsistemas, puede analizarse de manera modular o integral, claro que
entre ms amplio sea el sistema mayor ser la complejidad del modelo. Por ejemplo en un aut o
baos puede simularse solamente el rea de lavado y secado sin considerar a las dems etapas
del proceso, o si es necesario desde que llegan los clientes hasta que se les proporciona el
servicio y abandonan el sistema, depende del objetivo del modelo.
Nivel de detalle. Este punto es muy importante ya que le proporciona al modelo el parecido con el
sistema real, entre mas detalles se deseen incorporar, mayor ser la cantidad de v ariables de
entrada al modelo que posteriormente tendrn que muestrearse. Generalmente se comete el error
de querer incorporar ciertas actividades que no agregan valor al modelo como por ejemplo simular
considerando fallos en la energa elctrica o ciertos vicios metodolgicos que desarrollan los
Pgina 9
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
operadores o par os imprevistos por falta de m ateria prima, etc. si no es necesario no d eben
incorporarse este tipo de variables al modelo.
a) Determinar los principales subsistemas y reas fsicas que integran el sistema analizado. En
este caso, se pretende determinar las principales reas productivas que integran el sistema
considerado, es una b uena opcin describir brevemente cual es la razn de ser de cada
departamento o rea (incluir croquis de distribucin de planta).
b) Determinar los diferentes tipos de servicios y/o productos que se realizan en el sistema.
Enumerar todos los productos y/o servicios que proporciona la empresa.
c) Establecer diagramas de anlisis de procesos general y particular para cada uno de los
bienes/servicios producidos.
d) Determinar los horarios y das de trabajo regulares as como los horarios y das de que
sern sujetos de estudio.
e) Determine los datos requeridos. Este se refiere a que t ipo de informacin se puede necesitar
para realizar el estudio. Algunas preguntas que ayudan a determinar estos pueden ser:
f) Determine la fuente apropiada de los datos. Buenas fuentes de obtencin de datos del sistema
pueden ser las siguientes:
Diagramas de flujo.
Estudio de tiempos.
Observacin directa.
Tiempos estndar predeterminados.
Registros internos.
Pronsticos del mercado.
Reportes de mantenimiento.
Registros de produccin.
Experiencia del personal de piso.
Comparaciones con operaciones similares.
Tickets de compra, etc.
g) Haga supuestos donde sea necesario. Es necesario realizar supuestos cuando se est
experimentando en el modelo que representa la realidad del sistema, hasta obtener los resultados
deseados o alcanzar el objetivo planteado.
Pgina 10
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Es importante recordar que los supuestos hacen ms sencillo un modelo, pero debe haber
congruencia entre los supuestos y lo que se espera obtener del modelo, por que entre ms supuestos
se agreguen, ms se aleja este de la realidad. Ejemplos ms comunes de supuestos pueden ser:
Los clientes que lleguen al sistema se van a ir atendiendo conforme llegan ( primeras entradas
primeras salidas).
No se interrumpir el servicio por falta de insumos o materia prima.
No se interrumpir la produccin por apagones o falta de energa elctrica.
El tiempo ocioso por negligencia del operador de la mquina se considerar dentro del muestreo
de campo realizado a la variable de entrada tiempo de operacin, etc.
Pgina 11
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Llegadas
(tasa de llegadas)
Lotes de 20 piezas
Materia prima
Materia prima
Tiempo de
traslado entre Cortadora
operaciones = 1 (Tiempo de operacin)
Pieza en proceso
Torno
(Tiempo de operacin)
Pieza en proceso
Fresadora
(Tiempo de operacin)
Producto terminado
Exit
Figura 1.7
b) Determinar las variables de entrada del modelo. Estas se deben determinar de acuerdo a la
informacin que se espera obtener del sistema que se desea modelar, pueden considerarse como
ejemplos para el caso de sistemas de servicios :
Considerando el ejemplo del modelo por bloques de l a figura 1.7 el cual es un pr oceso de
produccin o manufactura, las variables de entrada seran las siguientes:
Pgina 12
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
a) Realizar el muestreo de las variables de entrada del modelo. Se debe realizar el muestreo de
cada variable de entrada considerando el turno, el da de trabajo, el operador, mquina utilizada,
etc. es tambin muy importante disear formatos u hojas de chequeo que se consideren
adecuados para la toma de datos.
En la siguiente tabla se puede apreciar el ejemplo de un formato para toma de datos de una
gasolinera:
b) Convierta los datos de entrada en una forma conveniente para su uso. Los datos raramente
estn listos para ser usados tal y como se encuentran. Generalmente se tiene que hacer un
anlisis estadstico en ellos para determinar sus parmetros y as poder usarlos correctamente,
estos deben ser agrupados para simplificar su anlisis y de esta manera determinar su
comportamiento en el sistema, en es te caso se hace uso de la estadstica descriptiva
especficamente en la construccin de d istribuciones de f recuencia e hi stogramas para poder
apreciar la tendencia grfica de las variables.
Pgina 13
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Los datos muestreados como se muestran en la tabla anterior no se pueden aplicar directamente
en la elaboracin del modelo, por lo que se deben convertir para poder utilizarlos, si se est
considerando la variable: Tiempo entre llegadas entonces los datos muestreados fueron: 3, 2, 7, 5, 5,
8, 3, 7, 5, y 3 minutos entre la llegada de un auto al otro al sistema. Si la hora de inicio de toma de
datos empez a las 8:00 y el primer auto lleg a las 8:03 pasaron tres minutos, el segundo auto lleg a
las 8:05 pasaron dos minutos desde la llegada del auto anterior y as sucesivamente. Es importante
sealar que el periodo de muestreo y el tamao de la muestra debe ser representativo, pueden
muestrearse turnos, das, semanas, etc. segn se considere en el impacto que debe tener el periodo
en el modelo a representar.
Posteriormente debe realizarse el proceso de construccin de una distribucin de frecuencias para
observar cual puede ser la distribucin terica a la cual pueden ajustarse los datos (ver tabla 1.10 y
grfico 1.11):
Frecuencia
Intervalo
Observada
1 X 5 5
5 < X 10 12
10 < X 15 20
15 < X 20 10
20 < X 25 3
Tabla 1.10
Pgina 14
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Histograma
20
20
12
Frecuencia
15 10
10 5
3
5
0
1 2 3 4 5
Clases
Grfico 1.11
Figura 1.12
Pgina 15
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
a) Refinamiento progresivo. Una forma prctica dentro de l a simulacin, es que no siempre todos
los modelos tienen toda la informacin al nivel de detalle deseado en su primer construccin, esto
permite utilizar una estrategia de refinamiento progresivo la cual nos permitir ir agregando
complejidad en el modelo en c ada uno de sus estados. Por lo general el nivel de det alle est
relacionado con la cantidad de variables de entrada que se incorporan al modelo, entre ms
variables tenga ms detallado se considera el modelo. Se recomienda comenzar con los elementos
bsicos del modelo y posteriormente agregar mayor complejidad para un mejor entendimiento del
sistema a analizar.
b) Expansin incremental. Para agregar complejidad a un modelo en cada uno de sus estados, el
modelo debe tener un alcance bien definido el cual permita su construccin en secciones que son
agregadas incrementalmente a s te. Este mtodo de permite que una por cin del modelo s ea
construido, depurado y probado antes de ser agregado a nuevas secciones del modelo que lo
hagan ms largo, mejor manejable y comprensible. A esto se le conoce como particin de
modelo.
c) Verificacin del modelo. Una vez que el modelo ha sido construido, ste debe ser sometido a un
proceso de verificacin para demostrar que trabaje correctamente, es decir verificar que el
modelo corra como se dise.
Para este inciso se sugiere lo siguiente:
Pgina 16
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Wq
W
Wq = Tiempo en la fila W= Tiempo en el sistema
Wq = Hora de inicio de servicio Hora de Llegada W = Hora de salida Hora de llegada
Figura 1.13
Pgina 17
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Figura 1.14
Figura 1.15
Pgina 18
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Figura 1.15
Es muy comn que dentro de un sistema productivo existan combinaciones de los modelos tpicos
de lneas de espera dependiendo del tipo de actividad o proceso realizado.
1. Suponga un sistema tal como el de una estacin de trabajo en una fbrica donde se realiza un
proceso de ensamble para conformar una pieza, las piezas llegan cada 5 minutos y el tiempo que
tarda el operador en ensamblar es de 7 minutos, simule 10 llegadas a este sistema y calcule lo
siguiente:
a) Cul es el tiempo promedio en el sistema que permanece cada pieza desde que llegan los
componentes de esta hasta que sale ensamblada?
b) Cul es el tiempo promedio en la fila que permanecen las piezas antes de ser ensambladas?
c) Cul es el porcentaje de tiempo ocioso del servidor?
d) Suponga que se tienen 2 operadores en esa lnea, realice el ejercicio anterior y comente.
Solucin:
En este caso los nicos datos que se tienen son el tiempo entre llegadas y el tiempo de operacin,
tienen la particularidad de que son constantes pero por tratarse de un modelo inicial es vlido para
entender el concepto de la simulacin.
No existe una forma nica de realizar los modelos, tiene mucho que ver la experiencia y habilidad
del analista, pero como una m anera metodolgica de desarrollo, el modelo debe contener toda la
informacin para responder a l a problemtica que se desea resolver. Se pide informacin sobre
algunos indicadores bsicos como el tiempo en el sistema (W), el tiempo en la fila (Wq) y porcentaje
de tiempo ocioso del servidor, adems deben incluirse columnas para las variables de salida: hora de
llegada, hora de inicio y la hora de terminacin, el modelo quedara de la siguiente manera (ver tabla
1.17):
Pgina 19
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Operador Piezas
Tiempo
Grupo Tiempo Hora Tiempo Hora Hora Tiempo Tiempo
Ocioso
de entre de de de de en el en
del
piezas Llegadas Llegada Operacin inicio Terminacin Sistema Fila
operador
1 5 5 7 5 12 5 7 -
2 5 10 7 12 19 - 9 2
3 5 15 7 19 26 - 11 4
4 5 20 7 26 33 - 13 6
5 5 25 7 33 40 - 15 8
6 5 30 7 40 47 - 17 10
7 5 35 7 47 54 - 19 12
8 5 40 7 54 61 - 21 14
9 5 45 7 61 68 - 23 16
10 5 50 7 68 75 - 25 18
5 160 90
Tabla 1.17
Recurdese que:
el tiempo en el sistema (W) = la hora de terminacin la hora de llegada
el tiempo en la fila (Wq) = hora de inicio hora de terminacin.
Es lgico que se est generando un cuello de botella, ya que las piezas llegan cada 5 minutos y el
tiempo de operacin es de 7 minutos, en esta corrida de tamao diez se puede apreciar cmo se va
incrementando tanto el tiempo en el sistema como el tiempo en la fila.
Para el inciso d, la matriz quedara de la siguiente manera (ver tabla 1.18):
Pgina 20
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
70
=
a) Tiempo promedio en el sistema: = 7
10
0
=
b) Tiempo promedio en la fila: = 0
10
22
c) Porcentaje de tiempo ocioso del operador 1: = = 0.3859 = 38.59%
57
22
Porcentaje de tiempo ocioso del operador 2: = = 0.3859 = 38.59%
57
Evaluando las dos alternativas tenemos el resumen que se muestra en la tabla 1.19:
%
Alternativa
Ocioso
promedio
1 operador 16 minutos 9 minutos 6.6%
2 operadores 7 minutos 0 minutos 38.59%
Tabla 1.19
Qu se puede concluir de la tabla anterior?, depende el objetivo que se tenga planteado, si lo que
se desea es optimizar el tiempo de operacin del operador sin importar los niveles de produccin, solo
reducir costos de mano de obra, entonces se recomienda un solo servidor.
Por otra parte si se tuvieran compromisos de produccin y lo que se desea es producir volmenes
ms elevados entonces se recomendaran dos operadores.
2. Considere un sistema de formacin de colas de un solo canal (lnea de espera) tal como el de un
servidor de comida rpida (McDonalds), y se quiere simular la hora pico de llegadas en el rea de
cajas, suponga por simplicidad que el tiempo entre llegadas de l os clientes vara e ntre 1 a 5
minutos y que el tiempo de servicio del cajero es de 3 a 7 minutos por cada cliente, estos tiempos
son distribuidos de manera uniforme. Suponga que el gerente no desea que los clientes duren ms
de 5 m inutos haciendo fila en l a caja, Cuntos servidores son necesarios? Con base en u na
corrida de tamao 10 clientes primeramente conteste lo siguiente:
Solucin:
La diferencia fundamental entre el ejemplo 1 y el 2 es que en es te ltimo las llegadas no s on
constantes, lo que le proporciona un efecto aleatorio al modelo el cual se entiende como el parecido
con la realidad del sistema real con el que se desea representar. Una forma aleatoria de representar
las llegadas por ejemplo es utilizando el mtodo del sombrero, el cual consiste en escribir los minutos
uno en cada pedazo de papel, doblarlos y sacarlos aleatoriamente de un recipiente con reposicin
para asignarlos a cada cliente que entra al sistema. Pero como no siempre es factible este mtodo se
puede entonces imitar utilizando los nmeros aleatorios que sabemos estn ubicados en el rango 0-
1 y utilizando el concepto probabilstico de que la suma de l as probabilidades de c ada posible
resultado para un experimento dado siempre es 1(probabilidad acumulada), se puede entonces
Pgina 21
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
emular el experimento de asignar aleatoriamente un tiempo entre llegadas o tiempo de servicio para
cada cliente que entra al sistema.
Las variables de entrada del modelo se pueden generar utilizando nmeros aleatorios y buscando
el correspondiente valor en las tablas 1.20 y 1.21 que se muestran a continuacin:
144
=
a) Tiempo promedio en el sistema: = 14.4
10
97
=
b) Tiempo promedio en la fila: = 9.7 por lo tanto no se cumple el objetivo establecido por
10
el gerente en el cual se especifica que no se desea ms de 5 minutos en promedio de espera en la
fila.
3
c) Porcentaje de tiempo ocioso del servidor: = = 0.06 = 6%
50
d) Realizar el ejercicio con 2 servidores (ver tabla 1.23).
Pgina 22
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
63
=
a) Tiempo promedio en el sistema: = 6.3
10
8
=
b) Tiempo promedio en la fila: = 0.8 1 si se cumple el objetivo establecido por el
10
gerente,
6
c) Porcentaje de tiempo ocioso del servidor 1: = = 0.1578 = 15.78%
38
15
Porcentaje de tiempo ocioso del servidor 2: = = 0.3947 = 39.47%
38
El porcentaje promedio de tiempo ocioso es: 27.63%. En la siguiente tabla 1.24 se puede ver una
comparativa de las dos alternativas:
%
Alternativa
Ocioso
promedio
Tabla 1.24
Lgicamente el tiempo ocioso promedio se increment, pero el objetivo principal era que los
clientes no permanecieran ms de 5 minutos en fila y con dos servidores se cumple ampliamente.
3. Suponga que una empresa est considerando el lanzamiento de un nuevo producto para nios, se
sabe que los costos fijos sern de $20,000 durante el primer trimestre del ao y que el precio de
venta debe ser de $5 pesos por unidad (esto por razones competitivas). La empresa quiere por lo
menos alcanzar el punto de equilibrio en el primer trimestre de ventas. Existe incertidumbre en
cuanto a l os costos variables y a l a demanda del producto se refiere, es por eso que s e desea
evaluar que puede suceder. Las mejores estimaciones son que los costos variables estarn entre
$2.0 y $2.9 pesos por unidad con incrementos de 0.10 pesos. Se piensa que la demanda depende
de la reaccin de los competidores, si reaccionan rpidamente el primer trimestre se espera que
las ventas sean de 8,000, 9,000 y 10,000 unidades. Si no hay reaccin rpida las ventas pueden
llegar a 10,000, 11,000 y 12,000, la empresa percibe que existen un 50% de posibilidades de que
sus competidores reaccionen rpidamente. La ad ministracin desea seguir adelante con el
producto.
Pgina 23
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Qu posibilidad existe de llegar por lo menos al punto de equilibrio durante el primer trimestre de
ventas del producto?
Solucin:
Este tipo de problema es totalmente diferente a las aplicaciones bsicas de lneas de espera, por lo
que se tendrn que buscar los indicadores para realizar el modelo tabular. Como la finalidad que
persigue cualquier empresa, el objetivo es obtener ganancias o utilidades, por lo que el objetivo
principal es verificar si se espera obtener alguna utilidad con los elementos que se conocen (costos
variables, precio de venta, costos fijos, etc.)
Considerar los siguiente.
Pgina 24
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Costo Probabilidad
Probabilidad Clases
Variable Acumulada
2.00 0.10 0.10 0.00 Rnd 0.10
2.10 0.10 0.20 0.10 < Rnd 0.20
2.20 0.10 0.30 0.20 < Rnd 0.30
2.30 0.10 0.40 0.30 Rnd 0.40
2.40 0.10 0.50 0.40 < Rnd 0.50
2.50 0.10 0.60 0.50 < Rnd 0.60
2.60 0.10 0.70 0.60 Rnd 0.70
2.70 0.10 0.80 0.70 < Rnd 0.80
2.80 0.10 0.90 0.80 < Rnd 0.90
2.90 0.10 1.00 0.90 < Rnd 1.00
Tabla 1.28
Egresos
Ingresos
Rnd Costo
Rnd Rnd Por Costo Costo
Trimestre Reaccin Demanda Costo variable Utilidad
Reaccin demanda Ventas Fijo Variable
variable ($)
($5.0 u)
1 0.267 Rpida 0.636 9,000 0.499 2.40 45,000 20,000 21,600 3,400
2 0.494 Rpida 0.524 9,000 0.569 2.50 45,000 20,000 22,500 2,500
3 0.379 Rpida 0.072 8,000 0.106 2.10 40,000 20,000 16,800 3,200
4 0.734 Lenta 0.664 11,000 0.454 2.40 55,000 20,000 26,400 8,600
5 0.895 Lenta 0.282 10,000 0.442 2.40 50,000 20,000 24,000 6,000
6 0.586 Lenta 0.486 11,000 0.998 2.90 55,000 20,000 31,900 3,100
7 0.490 Rpida 0.181 8,000 0.867 2.80 40,000 20,000 22,400 -2,400
8 0.271 Rpida 0.163 8,000 0.961 2.90 40,000 20,000 23,200 -3,200
9 0.982 Lenta 0.757 12,000 0.113 2.10 60,000 20,000 25,200 14,800
10 0.588 Lenta 0.416 11,000 0.620 2.60 55,000 20,000 28,600 6,400
Tabla 1.29
De acuerdo a la simulacin anterior existe un 80% de posibilidades de lograr por lo menos el punto
de equilibrio, lo que es alentador para la empresa siempre y cuando los datos de entrada sean
confiables.
Se puede considerar otro indicador como la utilidad promedio, incluso hacer un anlisis de
sensibilidad evaluando con diferentes precios de venta para verificar hasta que tanto se puede reducir
este y seguir obteniendo utilidades, pero eso depende de la profundidad del anlisis y del tiempo con
que se disponga para tomar la decisin ms adecuada.
Pgina 25
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
1. Simule un sistema en el cual se realiza un operacin de ensamble para conformar una producto,
las piezas llegan 4 cada minutos y el tiempo que tarda el operador en ensamblar es de 7 minutos,
simule 10 llegadas a este sistema y calcule lo siguiente:
a) Cul es el tiempo promedio en el sistema que permanece cada pieza desde que llegan los
componentes de esta hasta que sale ensamblada?
b) Cul es el tiempo promedio en la fila que permanecen las piezas antes de ser ensambladas?
c) Cul es el porcentaje de tiempo ocioso del servidor?
d) Suponga que se tienen 2 operadores en esa lnea, realice el ejercicio anterior y comente.
2. Considere un sistema de lneas de espera tal como el de un cajero automtico, suponga por
simplicidad que el tiempo entre llegadas de los clientes vara entre 2 a 5 minutos y que el tiempo
de servicio del cajero varia de de 3 a 7 minutos por cada cliente, estos tiempos son distribuidos
de manera uniforme. Suponga que el gerente del banco no desea que los clientes duren ms de 4
minutos haciendo fila en la caja, Cuntos cajeros son necesarios? Con base en una corrida de
tamao 10 clientes primeramente conteste lo siguiente:
3. Una compaa desea establecer un negocio de renta de autos, el gerente quiere saber el nmero
de autos ptimo a comprar. El costo promedio anual es de $200,000 por auto, la renta diaria por
auto se fijar en $700. El costo de no tener un auto disponible cuando se solicita es de $300 y el de
tener un a uto ocioso durante el da es de $ 200. De acuerdo a u na investigacin realizada, se
encontr que el nmero de autos rentados por da as como el nmero de das rentados es como
se muestra a continuacin:
4. La panadera la Trinidad satisface la demanda del da con pan recin horneado. El pan se produce
en lotes de docenas de panes, cada pan tiene un costo de pr oduccin de $2 Suponga que l a
demanda diaria total de pan tambin se presenta en mltiplos de 12. Los datos muestran que la
demanda vara de 36 a 96 panes diarios. Un pan se vende a $4 y si sobra pan al final del da, este
se vende a una cocina de beneficencia a un precio de recuperacin $1 cada pan. Si la demanda es
mayor que la oferta, suponemos un c osto por ganancia prdida. Los registros de l a panadera
Pgina 26
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
muestran que l a demanda diaria se puede clasificar en t res tipos: alta, media y baja, estas se
presentan con probabilidades de 0.30, 0.45 y 0.25 respectivamente. La empresa quisiera saber el
nmero ptimo de panes que se deben producir cada da para maximizar las ganancias.
Distribucin de la Demanda
Demanda Alta Media Baja
36 0.15 0.10 0.15
48 0.10 0.20 0.25
60 0.25 0.30 0.35
72 0.30 0.25 0.15
84 0.10 0.10 0.05
96 0.10 0.05 0.05
Pgina 27
Captulo 2:
Nmeros pseudoaleatorios
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Pgina 29
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
1 01
() =
0
c) Se le llama periodo a la cantidad de nmeros que pue den generarse con una f rmula o
31 64
algoritmo determinado, son deseables periodos de vida mnimos de n=2 o n=2 aunque en la
actualidad se cuenta con generadores y procesadores capaces de construir una secuencia de
200
nmeros con periodo de vida de n=2 .
Pgina 30
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
= ()( )
1 = ( ) ()
1
=
1
() =
1 1 1 2 1
() = = = 0 = =2
10 2
Figura 2.1
1 1
1 2
2 = ( )2 =
0 0 2
1 1 3 2 1
2 = 0 2 + = +
4 3 2 4
1 1 1 1
2 = + =
3 2 4 12
1
=
12
Pgina 31
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
3. Sea Yi = resultado de elevar Xi al cuadrado; y sea Xi+1= los d dgitos del centro y ri=0.d del
centro para toda i = 1,2,3,,n.
4. Repetir el paso 3 hasta obtener los n nmeros ri deseados.
Nota: Si no es posible obtener los d dgitos del centro del nmero Yi se pueden tomar los d dgitos
cargados un dgito hacia la derecha o hacia la izquierda.
Ejemplo 2.1
Generar los primeros 5 nmeros ri de 4 dgitos (d) a partir de la semilla X0=9876, ver tabla 2.2:
Nota: Si no es posible obtener los d dgitos del centro del nmero Yi se pueden tomar los d dgitos
cargados un dgito hacia la derecha o hacia la izquierda.
Ejemplo 2.2
Generar los primeros 5 nmeros ri de 4 dgitos (d) a partir de las semillas X0=9638 y X1=8527, ver
tabla 2.3:
Pgina 32
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Donde:
X0 = Semilla
a = Factor multiplicador
c = Constante aditiva
m = magnitud del mdulo
Los requisitos mnimos que estos parmetros deben satisfacer son: X0, a, c, m 0; enteros y m
>a, m >c, m >X0. Aqu mod representa a la operacin aritmtica mdulo entre enteros a y b tal que
el resultado de a mod b es el residuo entero de la divisin a entre b.
Es muy importante aclarar que en la seleccin de los parmetros de l os generadores
congruenciales deben seguirse reglas y teoremas muy estrictos pero como todos los lenguajes de
uso especfico de s imulacin ya incluyen sus propios generadores de nm eros pseudoaleatorios
solo se expondrn ejemplos meramente didcticos para ver cmo funcionan los generadores
congruenciales.
Ejemplo 2.3
Genere 8 nmeros a partir del generador congruencial mixto: considere X0 = 4, a=5, c=7 y mod=8.
Los resultados son como se muestran en la tabla 2.4:
Pgina 33
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Ejemplo 2.4
Genere 8 nmeros a par tir del generador congruencial multiplicativo: considere X0 = 51, a=3 y
mod=100. Los resultados son como se muestran en la tabla 2.5
Figura 2.6
Pgina 34
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
| | 2 0
2 < ,
2
0
Ejemplo:
Existe suficiente evidencia para decir que los nmeros se distribuyen uniformemente ya
que Zc < Z/2 considerando n = 100 y = 0.05
1. H0: = 0.5
H1: 0.5
2. Calcular la de los n nmeros generados: =
3. Estadstico de prueba:
( 0.5)
=
1
12
4. Determinar las regiones de rechazo y no rechazo para los valores de considerados.
5. Tomar la decisin para cada valor de .
6. Concluir.
Ejemplo 2.5
Realice la prueba de los promedios a los 40 nmeros aleatorios de la tabla 2.7 de abajo
considerando: a) = 1%, b) = 5% y c) = 10% y concluya.
Pgina 35
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Solucin:
1. H0: = 0.5
H1: 0.5
2. Calcular la de los n nmeros generados: = = 0.42913
3. Estadstico de prueba:
(0.42913 0.5)
= (40)1/2 = 1.55
1
12
a) = 0.01
rea de no 0.005
0.005
rechazo
- 2.575 + 2.575
ZC = - 1.55
6. Conclusin:
Existe suficiente evidencia para decir que los nmeros aleatorios se distribuyen
uniformemente considerando n=40 y =0.01
Pgina 36
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
b) = 0.05
- 1.96 + 1.96
ZC = - 1.55
c) = 0.10
- 1.96 + 1.96
ZC = - 1.55
Conclusin general:
Como la hiptesis nula no se rechaza con ninguno de los tres valores de , entonces se trata de
una prueba altamente significativa para decir que los nmeros se distribuyen uniformemente
considerando n=40.
Pgina 37
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
7. Determinar las regiones de rechazo y no r echazo para los valores de considerados (por
omisin =0.05)
8. Tomar la decisin.
9. Concluir.
Ejemplo 2.6
Aplicar la prueba de l as frecuencias a los 50 nmeros que se muestran en la tabla 2.8 de abajo
considerando a) k=5 y b) k=10:
Pgina 38
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
5. Calculo de 2 :
2 ( )
Clases FO FE FO-FE (FO-FE)
0 r 0.2 6 10 -4 16 1.6
0.2 < r 0.4 12 10 2 4 0.4
0.4 < r 0.6 5 10 -5 25 2.5
0.6 < r 0.8 11 10 1 1 0.1
0.8 < r 1.0 16 10 6 36 3.6
50 50 = 8.2
Tabla 2.9
6. Para obtener el valor de tablas, es necesario primero calcular los grados de libertad:
V = k-1, y el valor de = 0.05
V = 5 1 = 4 grados de libertad,
2
,2 = 4,0.05 = 9.49
1-
0.95 = 0.05
0 2 =8.2 9.49
b) Para k = 10 Solucin:
2. K=10
3. FE= 50/10 = 5
4. AC= 1/10 = 0.1
5. Calculo de 2 : ver tabla 2.10
Pgina 39
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
2 ( )
Clases FO FE FO-FE (FO-FE)
0.0 r 0.1 1 5
6 10 -4 16 1.6
0.1 < r 0.2 5 5
0.2 < r 0.3 8 5
12 10 2 4 0.4
0.3 < r 0.4 4 5
0.4 < r 0.5 3 5
5 10 -5 25 2.5
0.5 < r 0.6 2 5
0.6 < r 0.7 3 5
11 10 1 1 0.1
0.7 < r 0.8 8 5
0.8 < r 0.9 6 5 1 1 0.2
0.9 < r 1.0 10 5 5 25 5.0
50 50 = 9.8
Tabla 2.10
Nota: una condicin de la prueba de bondad y ajuste es que debe existir un nmero mnimo de
observaciones por celda (5) es por esto que se tienen que agrupar los valores de celda que sean
menores de 5 con el valor de celda inmediato superior o inferior segn sea el caso. Tambin se
pueden agrupar varias celdas menores de 5 par a sumar entre todas 5 o un v alor mayor. Por
supuesto que esto modifica tambin el clculo de los grados de libertad.
6. Para obtener el valor de tablas, es necesario primero calcular los grados de libertad: V = k-1, y
el valor de = 0.05. En este caso quedan 6 clases una vez que se agruparon los valores de las
celdas menores a 5.
2
V = 6 1 = 5 grados de libertad, ,2 = 5,0.05 = 11.07
1-
0.95 = 0.05
0 2 =9.8 11.07
Conclusin general:
Como con los dos valores de k no se rechaza H0 entonces se considera una prueba altamente
significativa, para decir que los nmeros siguen una distribucin uniforme
Pgina 40
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Pasos:
1. H0: Los nmeros se distribuyen uniformemente.
H1: Los nmeros no se distribuyen uniformemente
Probabilidad de
Jugadas
Ocurrencia
(x)
f(x)
Todos diferentes 0.3024
Un par 0.5040
Dos pares 0.1080
Tercia 0.0720
Full 0.0090
Pker 0.0045
Quintilla 0.0001
Tabla 2.11
Ejemplo 2.7
Aplicar la prueba del pker a los 100 nmeros que se muestran a continuacin en la tabla 2.12:
0.80772 0.17791 0.13522 0.33942 0.51952 0.56367 0.30992 0.53029 0.32886 0.22031
0.99704 0.37347 0.56938 0.72269 0.23036 0.36737 0.64306 0.06359 0.48597 0.93187
0.10688 0.58583 0.32024 0.07030 0.84387 0.56090 0.14836 0.59700 0.76514 0.38088
0.94045 0.52118 0.81727 0.88695 0.39582 0.27950 0.90993 0.04543 0.33388 0.13548
0.21890 0.44946 0.99206 0.10144 0.09683 0.96107 0.78364 0.63935 0.10515 0.21707
0.24923 0.29121 0.31590 0.48642 0.36869 0.40785 0.85366 0.91186 0.38562 0.81903
0.65589 0.70207 0.03764 0.80680 0.33174 0.57563 0.66228 0.60460 0.36740 0.67429
0.66905 0.05462 0.24422 0.74264 0.31128 0.81286 0.26439 0.28189 0.54555 0.98381
0.37665 0.24623 0.46671 0.82446 0.26924 0.75091 0.04372 0.33886 0.81618 0.75224
0.94338 0.31334 0.86353 0.42163 0.30297 0.21871 0.28123 0.01430 0.55963 0.22901
Tabla 2.12
Pgina 41
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Solucin:
1. H0: Los nmeros se distribuyen uniformemente.
H1: Los nmeros no se distribuyen uniformemente
2. Tamao de la muestra: n = 100
3. Calculo de 2 ver la tabla 2.13:
Jugadas Probabilidad 2 ( )
FO FE FO-FE (FO-FE)
(x) f(x)
Todos diferentes 0.3024 27 30.24 -3.24 10.50 0.347
Un par 0.5040 53 50.40 2.60 6.76 0.134
Dos pares 0.1080 12 10.80 1.20 1.44 0.133
Tercia 0.0720 5 7.20
Full 0.0090 2 0.90
8 8.56 -0.56 0.314 0.037
Pker 0.0045 1 0.45
Quintilla 0.0001 0 0.01
1 100 100 = 0.651
Tabla 2.13
4. Como se mencion anteriormente, para obtener el valor de tablas, es necesario primero calcular
los grados de libertad: V = k-1, y el valor de =0.05. En este caso quedan 4 clases una vez que
se agruparon los valores de las celdas menores a 5.
2
V = 4 1 = 3 grados de libertad, ,2 = 3,0.05 = 7.81
1-
0.95 = 0.05
0 2 =0.651 7.81
Pgina 42
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Ejemplo 2.8
Aplique la prueba de Kolmogorov-Smirnov a los nmeros que s e muestran a c ontinuacin en la
tabla 2.14 considerando =0.05.
Solucin:
1. H0: Los nmeros se distribuyen uniformemente.
H1: Los nmeros no se distribuyen uniformemente
2. Ordenar los nmeros aleatorios y aplicar las operaciones correspondientes. Ver tabla 2.15
Pgina 43
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
ri Valor absoluto
i
Ordenado () = (ri)-(fi)
1 0.0430 0.0250 0.0180
2 0.0648 0.0500 0.0148
3 0.0740 0.0750 0.0001
4 0.0889 0.1000 0.0111
5 0.1528 0.1250 0.0278
6 0.1602 0.1500 0.0102
7 0.1623 0.1750 0.0127
8 0.1757 0.2000 0.0243
9 0.2110 0.2250 0.0140
10 0.2522 0.2500 0.0022
11 0.2560 0.2750 0.0190
12 0.2965 0.3000 0.0035
13 0.3072 0.3250 0.0178
14 0.3219 0.3500 0.0281
15 0.3337 0.3750 0.0413
16 0.3454 0.4000 0.0546
17 0.3611 0.4250 0.0639
18 0.4502 0.4500 0.0002
19 0.4595 0.4750 0.0155
20 0.4683 0.5000 0.0317
21 0.4732 0.5250 0.0518
22 0.5009 0.5500 0.0491
23 0.5324 0.5750 0.0426
24 0.5691 0.6000 0.0309
25 0.5820 0.6250 0.0430
26 0.6107 0.6500 0.0393
27 0.6218 0.6750 0.0532
28 0.6632 0.7000 0.0368
29 0.6807 0.7250 0.0443
30 0.7292 0.7500 0.0208
31 0.7512 0.7750 0.0238
32 0.7706 0.8000 0.0294
33 0.8715 0.8250 0.0465
34 0.8760 0.8500 0.0260
35 0.9058 0.8750 0.0308
36 0.9240 0.9000 0.0240
37 0.9579 0.9250 0.0329
38 0.9652 0.9500 0.0152
39 0.9840 0.9750 0.0090
40 0.9898 1.0000 0.0102
Tabla 2.15
De la tabla anterior obtenemos que l a diferencia mayor absoluta es de Dn = 0.0639 y el valor de
tablas de l a distribucin Kolmogorov-Smirnov con n= 40 y un n ivel de significacin = 0.05 es:
d40,0.05=0.215 y puesto que 0.0639<0.215, entonces no se puede rechazar H0.
Conclusin:
Existe suficiente evidencia para decir que los nmeros se distribuyen uniformemente considerando
n=40 y =0.05
Pgina 44
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
1. Genere los primeros 7 nmeros aleatorios ri de 4 dgitos con el algoritmo de cuadrados medios
a partir de la semilla X0=9576.
2. Genere los primeros 5 nmeros aleatorios ri de 4 dgitos con el algoritmo de productos medios a
partir de las semillas X0=8543 y X1=7433.
4. Genere y anote con su calculadora 50 nmeros aleatorios y aplique la prueba de los promedios
con:
a) =1%
b) =5%
c) =10%.
Concluir.
5. Genere y anote 100 nmeros aleatorios y aplique la prueba de las frecuencias con k=5, k=10 y
concluir.
6. Realice la prueba del pker a los 100 nmeros del ejercicio 5 y concluir.
Pgina 45
Captulo 3:
Variables aleatorias
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Pgina 47
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
1) () 0
2)
=0 = 1
3) ( ) = = + +
Pgina 48
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Distribucin de Bernoulli
Distribucin Binomial
Distribucin Uniforme Discreta
Distribucin de Poisson
Distribucin Hipergeomtrica
En las siguientes figuras 3.2 y 3.3 se pueden ver los grficos de dos distribuciones discretas
comunes.
Figura 3.2
Figura 3.3
Pgina 49
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
1. () 0
2. ( = ) = 0
3. () = 1
4. ( ) = ( < < ) = ()
Distribucin Normal
Distribucin uniforme continua
Distribucin de Exponencial
Distribucin Log Normal
Distribucin Erlang
En las siguientes figuras 3.4 y 3.5 se pueden ver los grficos de dos distribuciones continuas:
Distribucin Normal
P(X) 0.30
0.20
0.10
0.00
1 2 3 4 5 6 7
X
Figura 3.4
Distribucin Exponencial
P(x)
1
0.8
0.6
0.4
0.2
0
1 2 3 4 5
X
Figura 3.5
Pgina 50
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
1. Determinar Variables de entrada del modelo y muestrear en horarios y das de inters. Deben
muestrearse por lo menos 30 datos (n 30).
2. Organizar los datos en una forma conveniente para su uso.
3. Determinar el Rango de los datos muestreados (R = Vmax Vmin)
4. Determinar el ancho del intervalo aproximado. Se recomienda la frmula siguiente:
=
1 + 3.322 (log )
FEi = n Pi
( )2
2 =
=1
Pgina 51
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
2
Para la obtencin del valor de tablas de , el valor de V=K m 1 donde m es el nmero de
parmetros estimados en la distribucin considerada.
La prueba de Kolmogorov-Smirnov compara directamente las probabilidades tericas contra las
relativas y utiliza sus propias tablas para diferentes valores de . El procedimiento se ver un poco
ms adelante.
Ejemplo 3.1
Los siguientes datos (ver tabla 3.6) representan el tiempo en horas que se requieren para realizar
las reparaciones y/o mantenimientos en un taller automotriz. Se tom una muestra de los ltimos
50 autos que ingresaron al taller:
8.223 0.836 2.634 4.778 0.406 0.517 2.330 2.563 0.511 6.426
2.230 3.810 1.624 1.507 2.343 1.458 0.774 0.023 0.225 3.214
2.920 0.968 0.333 4.025 0.538 0.234 3.323 3.334 2.325 7.514
0.761 4.490 1.514 1.064 5.088 1.401 0.294 3.491 2.921 0.334
1.064 0.186 2.782 3.246 5.587 0.685 1.725 1.267 1.702 1.849
Tabla 3.6
Realice lo siguiente:
a) Obtenga el Rango.
b) Construya una distribucin de frecuencias y realice el histograma correspondiente.
c) Mencione que tipo de distribucin terica pueden seguir los datos (establecer H0 y H1).
d) Aplicar la prueba de bondad y ajuste con =0.05 y concluya.
e) Aplicar la prueba de Kolmogorov-Smirnov con =0.05 y concluya.
Solucin:
8.2
= = 1.23
1 + 3.322 (log 50)
Este valor es solamente una referencia, por lo que puede considerarse un ancho adecuado de
clase para 50 datos 1.2. En la siguiente figura 3.7 se puede ver la distribucin de frecuencias y el
histograma correspondientes:
Pgina 52
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Figura 3.7
c) De la figura anterior, los datos parece que siguen una distribucin exponencial negativa, por lo
tanto las hiptesis nula y alternativa son:
H0 = Las horas de reparacin y/o mantenimiento siguen una distribucin Exponencial negativa.
H1 = Las horas de reparacin y/o mantenimiento no siguen una distribucin Exponencial
negativa
1
() = 0 =
En este caso como se obtuvo una muestra de tamao n= 50 se utilizar como un estimador de
.
=1 113.397 1
= = = 2.27 = = 0.4405
50 2.27
Por lo tanto:
1 ( 0.00 < < 1.15) = (0.4405)(1.15) + (0.4405)(0) = 0.6026 + 1.0000 = .
2 (1.15 < < 2.35) = (0.4405)(2.35) + (0.4405)(1.15) = 0.3552 + 0.6026 = .
3 (2.35 < < 3.55) = (0.4405)(3.55) + (0.4405)(2.35) = 0.2093 + 0.3552 = .
4 (3.55 < < 4.75) = (0.4405)(4.75) + (0.4405)(3.55) = 0.1234 + 0.2093 = .
Pgina 53
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
( )
Clases FO
2
Pi FE=nPi FO-FE (FO-FE)
0.0 X 1.2 18 0.3974 20 -2 4 0.2000
1.2 < X 2.4 13 0.2474 12 1 1 0.0833
2.4 < X 3.6 10 0.1459 7 -3 9 1.2857
3.6 < X 4.8 4 0.0859 4
4.8 < X 6.0 2 0.0507 3
9 11 -2 4 0.3636
6.0 < X 7.2 1 0.0298 1
7.2 < X 8.4 2 0.0429 3
50 1 50 2 = 1.9326
Tabla 3.8
2
V=4-1-1=2 grados de libertad ,2 = 2,0.05 = 5.99
En la figura 3.9 se puede ver la regin de rechazo y no r echazo para la prueba de bond ad y
ajuste:
1- = 0.05
0.95
0 2 =1.9326 5.99
Figura 3.9
Conclusin:
Existe suficiente evidencia para decir que las horas de reparacin y/o mantenimiento siguen una
distribucin exponencial negativa, considerando n = 50, y = 0.05
Pgina 54
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
H0: Las horas de reparacin y/o mantenimiento siguen una distribucin Exponencial negativa.
H1: Las horas de reparacin y/o mantenimiento no siguen una distribucin Exponencial negativa
Conclusin:
Existe suficiente evidencia para decir que las horas de reparacin y/o mantenimiento siguen una
distribucin exponencial negativa, considerando n = 50, y = 0.05
Ejemplo 3.2
Los siguientes datos de la tabla 3.11 representan el nmero de pac ientes que ingresan a un
consultorio mdico, se tom una muestra de 30 d as a partir de u n martes y terminando el
mircoles tal como se muestra a continuacin:
Pgina 55
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Realice lo siguiente:
a) Obtenga el Rango.
b) Construya una distribucin de frecuencias y realice el histograma correspondiente.
c) Mencione que tipo de distribucin terica pueden seguir los datos (establecer H0 y H1).
d) Aplicar la prueba de bondad y ajuste con =0.05 y concluya.
e) Aplicar la prueba de Kolmogorov-Smirnov con =0.05 y concluya.
Solucin:
a) Calculo del rango:
= 8 1 = 7
b) Calculo del ancho de clase:
7
= = 1.18
1 + 3.322 (log 30)
En este caso los datos son discretos y el rango es pequeo (Rango=7) as que el ancho de
clase no es una referencia adecuada ya que quedaran clases de 12, 23, etc. y como los datos
son discretos nunca se darn valores intermedios solo enteros por lo que en este caso en
particular es ms conveniente tomar los valores puntuales y ajustar a alguna distribucin terica
discreta.
Figura 3.12
H0 = El nmero de pacientes que ingresan al consultorio por da siguen una distribucin Poisson
H1 = El nmero de pacientes que ingresan al consultorio por da no siguen una distribucin
Poisson
Pgina 56
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
En este caso la distribucin considerada es discreta por lo que simplemente basta utilizar la
ecuacin de la distribucin de Poisson directamente para obtener las probabilidades
correspondientes.
() = = 0,1,2,3,4, , =
!
=1 104
= = = 3.4667 = 3.4667
30
(3.4667)1 3.4667
1 ( = 1) = = 0.1082
1!
(3.4667)2 3.4667
2 ( = 2) = = 0.1876
2!
(3.4667)3 3.4667
3 ( = 3) = = 0.2168
3!
(3.4667)4 3.4667
4 ( = 4) = = 0.1879
4!
(3.4667)5 3.4667
5 ( = 5) = = 0.1303
5!
(3.4667)6 3.4667
6 ( = 6) = = 0.0753
6!
(3.4667)7 3.4667
7 ( = 7) = = 0.0373
7!
7
8 ( = 8) = 1 = 1 0.9434 = 0.0566
=1
( )
Clases FO
2
Pi FE=nPi FO-FE (FO-FE)
1 4 0.1082 3
10 9 1 1 0.1111
2 6 0.1876 6
3 7 0.2168 7 0 0 0 0.0000
4 5 0.1879 6 -1 1 0.1666
5 4 0.1303 4
6 2 0.0753 2
8 8 0 0 0
7 1 0.0373 1
8 1 0.0566 1
30 1 30 2 = 0.2777
Tabla 3.13
Pgina 57
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
1- = 0.05
0.95
0 2 =0.2777 5.99
Figura 3.14
Conclusin:
Existe suficiente evidencia para decir que el nmero de pacientes que ingresan al consultorio por
da sigue una distribucin discreta de Poisson, considerando n=30, y =0.05
H0 = El nmero de pacientes que ingresan al consultorio por da siguen una distribucin Poisson
H1 = El nmero de pacientes que ingresan al consultorio por da no siguen una distribucin
Poisson
Pgina 58
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Conclusin:
Existe suficiente evidencia para decir que el nmero de pacientes que ingresan al consultorio por
da sigue una distribucin discreta de Poisson, considerando n=30, y = 0.05
Ejercicio 3.3
Los siguientes datos de la tabla 3.16 representan el tiempo en segundos que tarda un operador en
realizar una operacin de ensamble, mencione que tipo de distribucin pueden seguir estos
mediante la prueba de Kolmogorov-Smirnov.
Solucin:
Figura 3.17
Pgina 59
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Los datos parece que siguen una distribucin Normal por lo tanto las hiptesis son:
Para estimar se utiliza y para estimar se utiliza S. Utilizando la hoja de clculo se puede
estimar la media y la desviacin estndar de la muestra con la cual se obtiene la siguiente
informacin: = 146.8 y = 13.05.
Para el clculo de las probabilidades se consideran los lmites reales de clase. La probabilidad
de la primera clase es: P1(x<128.5) por lo tanto se tiene que transformar a unidades estndar el
valor 128.5 con la frmula:
128.5 146.8
1 = = 1.40
13.05
El valor negativo indica que 128.5 esta -1.4 desviaciones estndar por debajo de la media
(146.8) y haciendo uso de las tablas de la distribucin normal estndar (ver el anexo de este texto)
finalmente se obtiene la probabilidad de la primera clase:
La segunda probabilidad es: P2 (128.5<x<138.5). Aqu se tienen que considerar dos valores de
Z, el primero: Z1 = -1.40 que se calculo anteriormente y el nuevo valor Z2:
138.5 146.8
2 = = 0.64
13.05
Es importante recordar que cuando los valores de Z sean del mismo signo, se debe r estar la
probabilidad del valor menor al valor mayor de Z, por su parte cuando los valores obtenidos de Z
sean de signo diferente, las probabilidades del rea bajo la curva se suman. Siguiendo con este
proceso, en resumen las probabilidades seran:
Pgina 60
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
El valor de tablas para =0.05 (tabla de Kolmogorov-Smirnov) es: 0.252. Como |0.0483| < |0.252|
entonces no se rechaza H0.
Conclusin:
Existe suficiente evidencia para decir que el tiempo para realizar la operacin de ensamble sigue
una distribucin Normal, considerando n=40, y = 0.05
Otra consideracin importante que se debe tener en cuenta es que las variables muestreadas
pueden seguir varias distribuciones pero siempre se van a ajustar mejor a una en particular, si se
emplea la prueba de bondad y ajuste por ejemplo para verificar si un grupo de datos sigue una o
varias distribuciones, se recomienda utilizar la que tenga el valor de 2 mas pequeo ya que este
presenta una menor dispersin entre los valores observados y esperados.
Pgina 61
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Existen varias versiones del ProModel profesionales, pero en este caso, el texto que se
desarrolla es meramente para uso acadmico, se har referencia a la versin estudiantil que ya se
incluye en el libro: Garca Dunna et. al. (2006) titulado Simulacin y anlisis de s istemas con
ProModel primera edicin, de editorial PEARSON (ver figura 3.19):
Figura 3.19
Esta versin tiene ciertas limitantes en c uanto nmero de locaciones, recursos, atributos, etc.
pero funciona perfectamente para su uso acadmico (ver figura 3.20):
Figura 3.20
Para utilizar el Stat:Fit, se puede ejecutar desde la pantalla inicial de ProModel o desde los
comandos del men Tools (ver figura 3.21):
Pgina 62
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Figura 3.21
Dentro de la ejecucin del Stat:Fit se debe iniciar un nuevo documento (hoja en blanco de la
barra de herramientas) e introducir los datos de la variable a analizar, el uso de esta herramienta
es muy amigable e intuitivo (ver figura 3.22):
Figura 3.22
Una vez que se introdujo la informacin se inicia el proceso mediante el botn Auto::Fit o
utilizando la barra de herramientas en el comando Fit. Para el caso de los datos del ejemplo 3 los
datos ya introducidos y su correspondiente informacin de estadstica descriptiva serian como se
ve en las figura 3.23 y 3.24:
Pgina 63
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Figura 3.23
Figura 3.24
Una vez que se dio clic en el botn Auto: FIT se despliegan las distribuciones a las cuales se
ajustan los datos, incluso se puede ver el histograma y los polgonos de frecuencia de las
distribuciones a las cuales se hizo el ajuste (ver figuras 3.25 y 3.26):
Pgina 64
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Figura 3.25
Figura3.26
Pgina 65
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
3.3.3 Ajuste de curvas manual a tendencias lineales para distribuciones empricas continuas
Para el caso en que se considere una variable aleatoria continua emprica (que no sigue
ninguna distribucin terica conocida), se puede utilizar el enfoque de ajuste a u na tendencia
lineal con el mtodo de mnimos cuadrados.
Como es conocido, existen diversos tipos de t endencias: lineal, parablica, logartmica, etc.
pero en este caso se ver el ajuste a la tendencia lineal para verificar si esta puede utilizarse en la
obtencin del generador de la variable (posteriormente) en lugar de la distribucin original.
Ejemplo 3.4
Se toma una muestra de 100 llamadas a un centro de atencin telefnico, la variable considerada
es el tiempo de atencin en minutos de un servidor. Los datos ordenados en una distribucin de
frecuencias, el histograma y el diagrama de dispersin son como se muestran a continuacin en la
figura 3.27:
Figura 3.27
Para obtener la ecuacin de la recta es necesario conocer los valores de las constantes a y b
obteniendo las sumatorias necesarias (ver tabla 3.28):
Pgina 66
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
FO
X XY X2 Y2
(Y)
3 12 36 9 144
4 14 56 16 196
5 17 85 25 289
6 16 96 36 256
7 21 147 49 441
8 20 160 64 400
33 100 580 199 1726
Tabla 3.28
100 = 6 + 33
580 = 33 + 199
a = 7.24, b = 1.7143
=7.24 + 1.7143
Sustituyendo los valores de X se obtienen los valores ajustados de Y
Estos valores se grafican sobre el polgono de f recuencias y originando la recta de aj uste tal
como se ve en la siguiente figura 3.29:
Poligono de frecuencias
25
y = 1.7143x + 7.24
20
15
10
5
0
3 4 5 6 7 8
Figura 3.29
Pgina 67
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
2
El valor de R es el coeficiente de d eterminacin y este mide la dispersin de l os datos
2
originales respecto de la recta de ajuste. Un valor de R =1 hace un ajuste perfecto por lo que entre
ms se acerque a 1 mejor ser el ajuste que la recta haga de los datos. Un valor mayor de 0.85 es
considerado como bueno y podra considerarse la ecuacin de la recta como la nueva f(x) de los
datos. La manera de obtenerlo es calculando primero el coeficiente de correlacin y luego elevarlo
al cuadrado.
=
[ 2 ()2 ][ 2 ()2 ]
6(580) (33)(100)
=
[6(199) (33)2 ][6(100) (1726)2 ]
= 0.9310 2 = 0.8668
2
De aqu el valor de R= 0.9310 y por lo tanto R =0.8668, con este valor se puede decir que la
tendencia lineal hace un b uen ajuste de l os datos muestreados para posteriormente obtener un
generador de esta variable.
Pgina 68
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Mtodo de Montecarlo:
1. Obtener las probabilidades relativas de cada valor
Si los datos de X.
analizados 2. Acumular las probabilidades hasta que la suma sea
tienen una. 1.
Discreta 3. Establecer clases o rangos con la probabilidad
acumulada.
4. Generar nmeros aleatorios y verificar que valor
corresponde de X para introducir al modelo.
Regresin y correlacin.
o Transformada inversa
2
1. Ajustar a una tendencia lineal para checar si R
Distribucin Continua hace un buen ajuste de los datos.
Emprica.
2
2. Si R 0.85 aplicar Transformada inversa.
Mtodo de Composicin:
Si el rea f(x) se puede dividir en dos o ms reas, se
aplica la transformada inversa a cada fi(x), siempre y
cuando Ai=1
2
Si R <0.85 entonces ordenar los valores de X i
en forma ascendente y encontrar la frecuencia
observada de cada uno.
Aplicar el Mtodo de Montecarlo
Figura 3.30
Pgina 69
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Nota:
Es muy importante mencionar que l o expuesto en es te punto corresponde a la obtencin
manual de los generadores, la mayora de los lenguajes especficos simulacin traen su propio
generador y solo se tiene que introducir el tipo de distribucin deseado y los parmetros que
incluya dicha distribucin.
Ejemplo 3.5
Obtenga un generador de forma manual para la variable aleatoria discreta del ejercicio 3.2
Utilizando:
a) La frmula de Poisson (distribucin terica a la cual se ajustaron los datos).
b) El mtodo de Montecarlo (considerando los datos como distribucin emprica).
Solucin:
a) Se sabe que, la frmula es:
() = = 0,1,2,3,4, , = 3.4667
!
Por lo que se aplicar a cada valor posible de X hasta que la suma de l as probabilidades
(considerndola en este caso de 4 d gitos) sea 1. El generador es como se muestra en l a tabla
3.31:
Pgina 70
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Probabilidad
X FO Acumulada Clases
Relativa
1 4 0.1333 0.1333 0.0000 R 0.1333
2 6 0.2000 0.3333 0.1333 <R 0.3333
3 7 0.2333 0.5667 0.3333 <R 0.5667
4 5 0.1667 0.7333 0.5667 <R 0.7333
5 4 0.1333 0.8667 0.7333 <R 0.8667
6 2 0.0667 0.9333 0.8667 <R 0.9333
7 1 0.0333 0.9667 0.9333 <R 0.9667
8 1 0.0333 1.0000 0.9667 <R 1.0000
30 1.0000
Tabla 3.32
Ejemplo 3.6
Obtenga el generador para la distribucin terica exponencial continua y genere 5 v alores con
=5.
f(x
() = > 0
0 X
Figura 3.33
() = = = + 1
0
Pgina 71
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
+ 1 =
= 1
= 1
ln( ) = ln( 1 )
= ln( 1 )
1
= ln( ) nota: 1-R R
Ejemplo 3.7
Obtenga el generador de una distribucin uniforme continua y genere 5 valores si a=3 y b=7.
Solucin, recurdese que la f(x) de la distribucin uniforme es como se muestra en la figura 3.34:
1
() =
Figura 3.34
Puesto que se trata de una distribucin uniforme continua terica, se aplicar el mtodo de la
transformada inversa.
1
() = = =
Pgina 72
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Ejemplo 3.8
Los datos que se muestran en la distribucin de frecuencias de abajo (tabla 3.35), representan el
tiempo en m inutos para realizar una operacin de ensamble. Obtenga un generador para dicha
variable.
FO 3 7 11 15
X 1 2 3 4
Tabla 3.35
Solucin:
Para tener una idea del tipo de distribucin primeramente se trazar el histograma
correspondiente a los datos muestreados (ver figura 3.36):
Figura 3.36
El polgono de frecuencias, los datos ajustados a la tendencia lineal y el valor del coeficiente de
determinacin se muestra a continuacin en la figura 3.37:
Pgina 73
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
R2=1
Figura 3.37
Con el coeficiente de determinacin se puede concluir que la tendencia lineal hace un ajuste
perfecto de l os datos (en realidad no importa la ecuacin de la recta para este punto lo que
interesa es que tanto se ajustan los datos a la tendencia lineal), por lo tanto para obtener el
generador de esta variable continua (suponiendo que interesa generar valores cualquiera entre dos
valores enteros) se considera la forma lineal de la distribucin y se traza nuevamente la
distribucin pero en terminos de distribucin de probabilidad (ver figura 3.38):
B
3 1 A=1
=
36 12 b
1 2 3 4
X
h
Figura 3.38
Se tiene que recalcular la base mayor del trapecio ( para cerrar el rea a 1):
1
(+) + 3 7
= 1= 12
= =
2 2 12
Pgina 74
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Con este valor se puede obtener la nueva f(x) ajustada con la ecuacin de la pendiente:
2 1 1
=
2 1 1
7 1 1
12 12 = 12 = 1 1
41 1 6 12
1 1 1 2 1 1(12 ) 1 1 2 1
() = = (1) =
1 6 12 12 12 12 12 12 12
Como se est calculando la distribucin acumulada debe esperarse que al sustituir con el valor
de x superior (en este caso 4) se obtenga un valor de 1 que es la probabilidad total acumulada de
1 1
cualquier tipo de evento: 42 4 = 1.
12 12
1 2 1 1 2 1
= =0
12 12 12 12
Como no se trata de una ecuacin lineal se utilizar la frmula general para conocer el valor de x.
Se puede multiplicar por 12 toda la ecuacin para eliminar las fracciones:
1 2 1
= 0 12 = 2 12 = 0
12 12
2 4 1 12 4(1)(12) 1 48 + 1
= = =
2 2(1) 2
Para saber cul de los dos signos (+ o -) es el adecuado se puede evaluar la frmula con los
extremos de los nmeros R para los que aplica ( 0 R 1) se supone que con R= 0 la ecuacin
debe proporcionar un v alor de X = 1 y con R= 1 debe dar X= 4, esto sucede con el signo + de la
ecuacin y el generador finalmente queda de la siguiente manera:
1 + 48 + 1
= 0 1
2
Si se generan 10 valores con este generador el resultado sera como se muestra a continuacin en
la tabla 3.39:
Pgina 75
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
n R X
1 0.000 1
2 1.000 4
3 0.946 3.90
4 0.759 3.55
5 0.476 2.94
6 0.954 3.92
7 0.809 3.66
8 0.607 3.24
9 0.011 1.11
10 0.255 1.82
Tabla 3.39
Ejemplo 3.9
La siguiente figura 3.40 representa la distribucin de una variable aleatoria continua emprica que
ya ha sido ajustada a tendencias lineales mismas que hacen un buen ajuste de los datos
originales. Determine un generador para esta variable aleatoria.
1/5 A1 A2
1 2 3
Figura 3.40
Solucin:
a) Primeramente hay que encontrar el valor desconocido d para cerrar las reas a 1. En este caso
la distribucin puede dividirse en dos reas A1 y A2, debe recordarse que A1 + A2=1. Son dos
trapecios, por lo tanto:
1 + 2 = 1
1 1
+ 1 + 1
5 + 5 =1
2 2
Despejando B se obtiene:
1 1 1 1 1 4
+ + + =1 =1 =
2 10 2 10 5 5
Pgina 76
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Para f1(x):
2 1 1
=
2 1 1
4 1 1
5 5= 5 = 3 2 3 2
: 1 () = 1 2
21 1 5 5 5 5
Para f2(x):
2 1 1
=
2 1 1
1 4 4
5 5= 5 = 3 + 2 3
: 2 () = + 2 2 < 3
32 2 5 5
c) El siguiente paso es aplicar la transformada inversa a cada f(x). Cuando se aplica este mtodo
a ms de un rea, se le llama mtodo de Composicin.
3 2 3 2 2 3(12 ) 2 3 2 2 1
1 () = = (1) = +
1 5 5 10 5 10 5 10 5 10
Como la distribucin total de esta variable se puede dividir en dos reas, se puede evaluar esta
primer distribucin acumulada con el valor de X superior para el cual aplica f1(x) (1X2) y debe
dar el valor en rea de la primer figura, en este caso es simtrica y el A1=1/2. Por lo tanto si se
evala la primer acumulada con X=2 el resultado es:
3 2 2 1 1
1 () = 2 2+ =
10 5 10 2
3 1 3 2 3(22 )
2 () = 1 ( = 2) + + 2 = + 2 + 2(2)
2 5 2 10 10
3 2 23
2 () = + 2
10 10
Si se evala con X= 3 ya que l a f2(x) aplica para 2<X3 entonces el valor a obtener debe ser 1
puesto que es la distribucin acumulada total:
3 2 23 27 23 10
2 () = 3 + 2(3) = +6 = =1
10 10 10 10 10
Pgina 77
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Para F1(x):
3 2 2 1
+ =
10 5 10
3 2 1
( 2 + = 0)10
10 5 10
3 2 4 + 1 10 = 0
2 4 4 42 4(3)(1 10) 4 4 + 120
1 = = =
2 2(3) 6
Debe recordarse que este generador aplicar para valores 0R0.5 por lo tanto con R=0 debe
dar X= 1 y con R=0.5, X= 2 por lo tanto evaluando con los dos valores de R el primer generador
queda as:
4 + 4 + 120
1 = 0 0.5
6
Para F2(x):
3 2 23
+ 2 =
10 10
3 23
2 + 2 = 0 10
10 10
3 2 20 + 23 + 10 = 0
20 124 120
2 = 0.5 < 1
6
Pgina 78
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
4 + 4 + 120
0 0.5
6
X=
20 124 120
0.5 < 1
6
10 11 12 10 11 14 12 14 14 11
12 10 13 11 10 11 12 11 14 12
13 14 10 12 13 10 11 13 14 13
14 11 13 10 12 14 14 11 14 11
11 13 12 13 10 13 12 13 11 13
19 11 18 37 33 28 29 14 17 10
20 19 23 59 13 20 14 18 17 11
11 22 29 42 15 19 14 12 20 10
11 30 20 15 15 38 13 12 21 22
28 12 12 12 16 31 12 17 22 27
3. Considere una empresa que vende seguros para autos. Existen 5 opciones diferentes de
beneficios, por lo que cada cliente puede elegir si compra o no desde ninguna hasta comprar
las 5 opc iones que le presentan. Las probabilidades para venta y no venta son iguales. Los
datos obtenidos son los siguientes:
No. de
Frecuencia
opciones
Observada
vendidas
0 38
1 144
2 342
3 287
4 164
5 25
Pgina 79
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
1,170 ,207 1,581 1,277 1,305 1,472 1,077 1,319 1,537 1,849
1,332 1,418 1,949 1,403 1,744 1,532 1,219 896 1,500 1,671
1,471 1,399 1,041 1,379 821 1,558 1,118 1,533 1,510 1,760
1,826 1,309 1,426 1,288 1,394 1,545 1,032 1,289 695 803
1,440 1,421 1,329 1,407 718 1,457 1,449 1,455 2,051 1,677
1,119 1,020 1,400 1,442 1,593 1,962 1,263 1,788 1,501 1,668
1,352 1,340 1,459 1,823 1,451 1,138 1,592 982 1,981 1,091
1,428 1,603 1,699 1,237 1,325 1,590 1,142 1,425 1,550 913
1,470 1,783 1,618 1,431 1,557 896 1,662 1,591 1,551 1,612
1,249 1,419 2,162 1,373 1,542 1,631 1,567 1,221 1,972 1,714
949 1,539 1,634 1,637 1,649 1,607 1,640 1,739 1,540 2,187
1,752 1,648 1,978 640 1,736 1,222 1,790 1,188 2,091 1,829
5. Verifique si los siguientes datos pueden ajustarse a una tendencia lineal para posteriormente
obtener un generador considerndolos como variable continua emprica.
X FO
1 12
2 16
3 14
4 20
5 18
6. Obtenga un generador manual para una distribucin Binomial con n=10 y p=0.5
7. Obtenga un generador manual para una distribucin Uniforme Continua entre 1 y 10.
1/3
1 2 3
Pgina 80
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
0 1 2 3
1/5
A1 A2
3 4 5
Pgina 81
Captulo 4:
Lenguajes de simulacin
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Pgina 83
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Es importante aclarar que en trminos generales todos tienen el mismo fundamento, varan
principalmente los grficos de l as versiones profesionales, pero con la versin estudiantil del
ProModel se pueden simular prcticamente todos los sistemas de produccin solo se requiere de
creatividad y un anlisis a fondo del sistema bajo estudio como se ver ms adelante en los
ejemplos diseados para este texto.
Para conocer de primera mano las ltimas noticias respecto a este producto, visite la pgina
web http: //www.promodel.com, la cual tambin contiene informacin sobre productos adicionales
relacionados con la simulacin de sistemas, artculos recientes, empresas que lo utilizan, etc.
Pgina 84
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
ProModel: Es aqu donde se realiza todo el modelo, desde las variables entrada, el proceso de
operacin, uso de recursos, flujo de las actividades, etc.
Mdulo de reporte de resultados: Al finalizar las corridas del modelo de s imulacin creado,
esta interfaz es de suma importancia por la gran cantidad de informacin estadstica que genera
para su anlisis, adems este mdulo permite la interaccin con programas de hoja de clculo
como Excel.
Editor grfico: Este cuenta con una s erie de b ibliotecas que a yudan a mejorar los modelos
visualmente. Se pueden importar imgenes de otros paquetes compatible como la galera de
imgenes de Word, Corel Draw, etc., modificar las imgenes existentes e i ncluso crear las
propias de acuerdo a las necesidades del modelo.
Stat::Fit: Esta es una h erramienta de a nlisis estadstico muy til como ya se coment en el
captulo3.
Editor de Turnos: Este como su nombre lo dice, permite crear y asignar turnos de trabajo a los
elementos del modelo que as lo requieran.
Simrunner: Esta herramienta es muy til en el anlisis posterior del modelo. Permite conocer el
impacto que tiene en el modelo la variacin de los valores de las variables aleatorias
seleccionadas. Permite tambin deducir cual es la mejor combinacin de factores para obtener
el mximo beneficio al mejorar el proceso.
El software tambin cuenta con un sistema de ayuda (en idioma ingls) en todo momento al
presionar la tecla F1que tambin resulta muy til.
Figura 4.1
Pgina 85
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Como todas las aplicaciones que s e manejan en l a base de Windows, tiene las opciones
comunes de la barra de herramientas como:
FILE: Nuevo archivo, abrir, guardar, guardar como, y algunas opciones especficas como
combinar modelos (merge), imprimir texto, imprimir rea de trabajo (layout), crear un paquete de
un modelo, etc.
EDIT: Considera aspectos relacionados con la edicin del modelo como borrar, insertar, mover
elementos.
VIEW: Considera las diferentes opciones para cambiar el aspecto del rea de trabajo.
BUILD: Esta opcin es una de las ms importantes ya que a travs de esta se construye todo el
modelo de simulacin, aqu se consideran las locaciones, entidades, redes, recursos, el
procesamiento, las llegadas, turnos, variables, atributos, etc.
SIMULATION: Esta ventana considera aspectos relacionados con las corridas de simulacin.
OUTPUT: Esta se utiliza para ver datos estadsticos de l as corridas y rastreo durante los
tiempos de ejecucin.
TOOLS: Esta considera varias herramientas como el editor grfico, anlisis estadstico para
ajuste de curvas, etc.
HELP: Aqu est el ndice de contenido de la ayuda con la que cuenta el software y que como
se mencion anteriormente, a la que se puede tener acceso a travs de la tecla F1.
Figura 4.2
Para lograr un mejor entendimiento del uso del software, se desarrollarn varios ejemplos que
conducirn de lo ms simple a lo ms complejo, aunque es necesario aclarar que no se vern
absolutamente todos los elementos que lo componen, el nivel al que se aspira que los estudiantes
manejen el software permitir analizar los sistemas ms comunes tanto de servicios como
productivos por ejemplo:
Lneas de espera.
Atributos como: tipo de cliente, tipo de producto/servicio, tipo de materia prima, etc.
Procesos de produccin con maquinaria en secuencia y en paralelo.
Uso de recursos como operadores, montacargas, vehculos.
Bandas transportadoras de cinta y de rodillos.
Procesos de manufactura en general.
Pgina 86
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Locations (locaciones).
Entities (entidades).
Arrivals (llegadas).
Processing (proceso).
Existen otros comandos que se pueden ir agregando posteriormente y que proporcionan cierto
grado de s ofisticacin al modelo. Generalmente estos comandos son los que a yudan a
proporcionar el parecido del modelo a los sistemas reales. Algunos de estos comandos que se
pueden agregar posteriormente o que requiere el modelo son:
Resources (recursos).
Path Networks (redes).
Attributes (atributos).
Variables.
Backgroun Graphics (grficos de fondo).
Ejemplo 4.1
Suponga que se quiere simular un sistema de lneas de espera bsico como el de un cajero en un
restaurant de comida rpida al cual los clientes llegan de acuerdo a una distribucin uniforme
continua entre 4 y 8 minutos y el servidor tarda en promedio 6 minutos en atenderlos siguiendo una
distribucin exponencial. En este caso se supone que una vez que son atendidos, los clientes se
dirigen a una salida y de ah abandonan el sistema. Desarrolle el modelo correspondiente en el
software ProModel, haga 30 corridas de tamao 8 horas y conteste lo siguiente:
En el ProModel, existe una secuencia lgica en el desarrollo del modelo, es decir, no se puede
por ejemplo, definir las llegadas de los clientes al sistema sin antes haber definido a dnde
llegarn, por lo anterior, la secuencia sera la siguiente:
1. Definir locaciones
Lo primero que se debe definir son las locaciones del modelo, esto se hace a travs del men
Build, de hecho todo el modelo se construye en l os comandos que este ofrece: Locations
(locaciones), Entities (entidades), Arrivals (tasa de llegadas) Processing (proceso), y otros que
se comentarn ms adelante. Enseguida haga clic en el comando Locations, o por medio de los
botones de acceso directo que ofrece la versin estudiantil 7, vea las figuras 4.3 y 4.4:
Pgina 87
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Figura 4.3
Figura 4.4
Cada que se utiliza un c omando, se ver que adems de la ventana del rea de t rabajo
(Layout) se despliega otra ventana en la parte superior donde se registra la informacin de cada
locacin del modelo: el cono (Icon), nombre (Name), capacidad de la locacin (Cap.), unidades
(Units), tiempos muertos (DTs), informacin estadstica (Stats), reglas de entrada de las entidades
(rules) y algunas notas que quieran agregarse a la locacin (notes). En la parte izquierda se abre
una ventana de herramientas grficas vertical (Graphics) que incluye los grficos, botones con
comandos ya definidos y opciones de edicin y borrado, vase la figura 4.5.
Pgina 88
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
rea de Trabajo
Grficos
Figura 4.5
Supuestos:
La fila tendr una capacidad para mximo 15 entidades que lleguen.
El cajero atender solamente de una en una persona (capacidad de 1).
Los clientes tardan un minuto en trasladarse del rea de caja a la salida.
La capacidad de la locacin de la salida es infinita.
Se recomienda dejar activada la casilla New en la ventana Graphics y elegir cada una de las
locaciones necesarias, slo se tiene que dar clic en el grfico deseado y posteriormente dar clic
en el Layout. Otra forma de elegir las locaciones es dar clic sobre el grfico y arrastrar hacia el
Layout y soltar el botn. Ntese que por cada locacin elegida, se crea un registro en la
ventana superior conteniendo informacin pre asignada.
Una vez que se eligen las locaciones necesarias, se puede desactivar la casilla New y modificar
los campos de cada una de l as locaciones individualmente: nombre, capacidad, nmero de
unidades, etc.
Pgina 89
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Contador
Indicador grfico
de barras
Filas/Bandas
Ttulos/etiquetas
Luz de estado
Indicador de posicin
Figura 4.6
Para este ejercicio, la primera locacin elegida es la fila (se traza en el Layout con el ratn
como si se tratara de una flecha con la direccin deseada y para terminarla se da doble clic) , por
lo tanto hay que modificar las caractersticas de es ta en el Layout, haciendo doble clic sobre el
grfico se despliega un cuadro de d ilogo en e l cual se marca como fila (Queue) se asigna la
longitud de esta (en este caso 25 ft) y hacer otros cambios fsicos como el color de relleno, slido o
en barras, etc. vea la siguiente figura 4.7:
Pgina 90
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Figura 4.7
Posteriormente con los botones de comando especfico se asignan etiquetas a cada locacin, a
la fila se puede agregar adems un gr fico de barras para contabilizar en pantalla como se va
llenando la fila. Es necesario hacer notar que una locacin puede contener varias funciones
grficas, en este caso la fila tiene su nombre (etiqueta, que tambin se puede editar dando doble
clic sobre esta) y un indicador numrico (que tambin se puede editar) adems de la locacin
misma. Todo lo que contiene una sola locacin est delimitado por una lnea punteada cuando est
activa dicha locacin, ver la figura 4.8:
Figura 4.8
Pgina 91
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
2. Definir entidades
Se definen las Entities (entidades) que entraran al sistema, en este caso llegan clientes a la fila
de entrada de acuerdo a una distribucin uniforme entre 4 y 8 minutos. Para hacer esto primero se
da clic sobre el comando Entities en el men de botones o travs del men Build, ver figura 4.9:
Entities
Figura 4.9
Tambin aqu se despliegan dos ventanas adems del Layout, una para los grficos y otra para
los registros y sus campos. Se elige en este caso la entidad Clientes se le asigna un grfico (se
puede navegar entre estos con la barra de desplazamiento ubicada en la parte posterior) que en
este caso es una m ujer de l ado, tambin se puede editar: cambiar tamao, color etc. Ver figura
4.10:
Figura 4.10
Los campos que se pueden modificar son: Name (nombre), Speed (la velocidad de
desplazamiento) y Stats (estadsticos) que se desea que aparezcan en e l reporte de s alida, en
este caso no es necesario cambiar los valores pre asignados.
Pgina 92
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Llegadas
Figura 4.11
La ventana Arrivals tiene varios campos como: la entidad (Entity), locacin (Location) a la que
llegan las entidades, el tamao del lote que llega (Qty Each), en que minuto comienzan a llegar las
entidades (First Time), nmero de ent idades que llegarn (Occurrences), la tasa de llegadas
(Frequency) y la lgica a seguir durante la llegada de las entidades (Logic).
Existen dos maneras de llenar los campos de l as llegadas: una es dando clic en c ada botn
superior de la ventana e ir eligiendo cada una de las opciones existentes para ese campo. La otra
es simplemente dar clic sobre la locacin a la que llegaran las entidades sobre el Layout y se
llenarn los campos con los valores pre asignados y posteriormente cambiar solo lo que se
requiera, ver figura 4.12:
Figura 4.12
Un campo que merece una especial atencin es el de la tasa de llegadas (Frequency) ya que
como en es te caso se trata de una distribucin de p robabilidad terica (uniforme entre 4 y 8) se
debe esta por medio del Constructor de Estatutos o Constructor Lgico (Logic Builder), el
cual es una poderosa herramienta para crear cdigo de simulacin sin tener que escribir
literalmente.
Simplemente se abre el constructor de estatutos al presionar el botn derecho del ratn o
presionar el icono de construccin (representado por un martillo) en la ventana de lgica. Se abre
una ventana estilo plantilla para escribir comandos en formato apropiado.
Funciona en l a lgica de m ovimiento, o en ot ros muchos campos donde pu eden ser vlidas
mltiples entradas.
En este caso sobre el campo Frequency se da clic derecho y aparece directamente en las
funciones, se elige: distribucin de probabilidad (Distribution Functions) y se elige la uniforme,
aclarando que los parmetros a llenar son: la media (Mean) = (4+8)/2 = 6 y el rango medio (half
range) = 2 qu e es la distancia que existe entre el valor mnimo y la media y de es ta al valor
mximo. En las siguientes figura 4.13 y 4.14se puede ver el Constructor de Estatutos:
Pgina 93
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Figura 4.13
Figura 4.14
Una vez que se introducen los valores de la media y el rango medio se da clic en el botn
regresar (Return) y posteriormente en pegar (Paste). Vea la figura 4.15:
Pgina 94
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Figura 4.15
4. Definir el proceso
Enseguida se completar el modelo definiendo la lgica de la simulacin; para ello abra el men
Build y elija Processing o por medio del icono de acceso directo correspondiente, ver figura 4.16:
Processing
Figura 4.16
En esta ocasin se desplegarn dos ventanas en las que se programar de manera secuencial
el proceso que siguen los clientes una vez que llegan al sistema: Process y Routing. En la
primera se definen las operaciones que se harn sobre la entidad, y en la segunda indicaremos la
ruta secuencial en el proceso. Analizando el ejemplo, los pasos son los siguientes:
Como en esta locacin los clientes solo esperan para ser atendidos, no se programa nada en la
columna Operation. A continuacin se definir la ruta de salida en la ventana Routing:
En este caso la entidad de salida sigue siendo el cliente por lo que se hace clic en el botn
Output y se selecciona cliente.
Pgina 95
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Una vez completada la primera lnea de programacin, deber quedar como se ilustra en la
figura 4.17
Figura 4.17
Continuando con el proceso, es necesario definir el proceso que se llevar a cabo con la
atencin del cliente. Se debe posicionar el cursor con el mouse en el lado del Process sobre la
lnea existente y oprimir la tecla Enter para que se genere un nuevo registro en blanco y una vez
ms se repite el proceso de seleccin de la entidad que ahora se encuentra con el servidor y aqu
el tiempo de atencin es de acuerdo a una distribucin exponencial con media de 6 minutos. Para
conocer los comandos necesarios para especificar el tiempo de s ervicio, hacer clic en el botn
Operation de la ventana Process. Enseguida se desplegar la ventana Operation (ver la figura
4.18) en dnde se escribir la lgica del proceso.
Es necesario comentar que existe una manera ms rpida de realizar toda la secuencia lgica
del modelo, sobre el Layout se hace clic sobre la primera locacin y se lleva esa lnea de
secuencia hacia la siguiente locacin se da clic otra vez para indicar que se termin esa primera
ruta lgica, posteriormente de ah mismo se repite el proceso hacia la siguiente locacin y as
sucesivamente, es importante que en la ltima ruta se haga clic sobre el botn Route to Exit que
se encuentra en la parte posterior de la ventana Tools. Solamente resta cambiar los campos pre
asignados con las entidades y valores correspondientes.
Pgina 96
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Cortar Imprimir
Copiar
Pegar Compilar
Constructor
Deshacer
Lgico
Buscar
Figura 4.18
Para programar el tiempo de servicio (o de operacin) hacer clic en el cono del martillo para
comenzar la construccin lgica. Al hacerlo se abrir otra ventana la cual contiene todos los
comandos de programacin que incluye el ProModel (ver figura 4.19):
Figura 4.19
El comando que est pre asignado es el WAIT el cual se utiliza para simular los tiempos de
procesamiento (servicio/operacin). Para construir la expresin de la distribucin de probabilidad,
se hace clic sobre el botn Time y enseguida aparece la venta de las funciones del constructor
Pgina 97
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Figura 4.20
La sintaxis general del comando es: WAIT<unidades de tiempo> y en este caso la instruccin
queda: WAIT E (6).
Para definir la ruta de salida de este registro, se selecciona el cliente de la columna Output y la
siguiente locacin a la cual se dirige la entidad es hacia la salida (seleccionar de columna
Destination) el campo Rule queda igual (FIRST 1) y en este caso como de la locacin del servidor
hacia la salida le toma a l a entidad un tiempo de 1 minuto, se debe dar clic en el botn MOVE
LOGIC aqu aparecern el constructor lgico, se da clic sobre el martillo y aparecen otra ventana
con los comandos de movimiento, se elige MOVE FOR que es el que asigna el tiempo de traslado
a la entidad y se le llena el campo con 1 minuto, se pega y se cierra para finalmente terminar esta
instruccin (ver figura4.21):
Figura 4.21
Pgina 98
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
La programacin completa de este registro debe lucir como se aprecia en la figura 4.22:
Figura 4.22
Observe que al definir el segundo registro, la ventana de la ruta de salida empieza de cero. Esto
significa que la ventana de programacin permite ver los procesos de manera secuencial, aunque
la ventana correspondiente a la ruta de salida del proceso slo mostrar la programacin
correspondiente a la lnea seleccionada en la ventana del procesamiento.
Para finalizar el modelo, el ltimo registro es cuando el cliente de la salida abandona el sistema,
en este caso no hay nada en operacin y solamente en la ventana Route en el botn Destination
debe seleccionarse la instruccin Exit que es la que indica que las entidades abandonan el
sistema, el modelo completo queda de la siguiente manera (ver figura 4.23):
Figura 4.24
Pgina 99
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Abra el men Simulation y haga clic en el comando Options. Enseguida se abrir la ventana
correspondiente, en cuyo campo Run Time se escribir 8 (por que la corrida est determinada
como solamente tiempo) y en el campo Number of Replications se puede escribir el nmero
de veces que s e desea correr el modelo durante 8 horas, en es te caso se anotar 30, para
especificar que se desea realizar 30 corridas de tamao 8 horas cada una. Tambin se puede
marcar la casilla Pause para que per mita ajustar la velocidad de l a animacin antes de qu e
inicie la corrida. Ver figura 4.25
Figura 4.25
El modelo est listo para ejecutarlo. Una vez que este corriendo puede ajustarse la velocidad
con la barra que aparece en la parte superior de la ventana, o cancelar la animacin mediante el
comando Animation Off del men Options para acelerar el tiempo de ejecucin.
Al terminar la simulacin de las 30 corridas de tamao 8 horas, se desplegar un c uadro de
mensaje confirmando la finalizacin del tiempo programado y las opciones para ver los resultados
(puede ser individual por cada corrida o el promedio de todas), para ver los resultados se debe
hacer clic en el botn Si. Enseguida se abrir una ventana con varias fichas que m uestran los
resultados estadsticos de la simulacin. Los datos pueden leerse y graficarse de inmediato con las
herramientas que of rece ProModel, o guar darse en ar chivos con formato de E xcel para
personalizarlos posteriormente. Las diferentes fichas que se despliegan en el reporte de salida son:
Pgina 100
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Ficha General: Algunos de los datos que despliega muestran la fecha y hora de la corrida, la
ruta donde se encuentra ubicado el archivo y el titulo del modelo. Ver la figura 4.26
Figura 4.26
Ficha Locations: Aqu se presenta la informacin de cada una de las locaciones, las horas
simuladas, la capacidad (cuando es infinita se representa con 999999), el nmero total de
entidades que entraron durante la simulacin, el tiempo promedio por entrada, el promedio de
contenido por locacin, el contenido mximo por locacin, el nmero actual de entidades al
momento de f inalizar la simulacin y el porcentaje de utilizacin de cada locacin (vea figura
4.27).
Figura 4.27
Pgina 101
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Figura 4.28
Figura 4.29
Ficha Failed Arrivals. Esta ficha lista las entidades del modelo que no pudieron entrar al
sistema. Esto puede ocurrir cuando existe alguna locacin con capacidad limitada y esta est
completa, alguna entidad que llegue al no poder entrar es destruida y eliminada del sistema (ver
figura 4.30).
Figura 4.30
Pgina 102
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Ficha Entity Activity: Esta refleja las estadsticas de cada entidad definida en el modelo, tales
como el total de entidades que salieron del sistema, cantidad actual en el sistema al momento
de finalizar la simulacin, tiempo promedio en el sistema (W), tiempo promedio de espera (W q),
tiempo promedio en op eracin, tiempo promedio en movimiento y el tiempo promedio que
permaneci bloqueada la entidad (ver figura 4.31)
Figura 4.31
Ficha Entity States: En esta ficha se puede encontrar un resumen de los datos de la ficha
Entity Activity pero en trminos porcentuales (ver figura 4.32).
Figura 4.32
b) Cul es el tiempo promedio que permanece un cliente en la fila antes de ser atendido?
Respuesta: de la ficha Entity Activity se puede ver que el tiempo promedio en espera (fila) que
permanecen los clientes es de 20.19 minutos.
c) Suponga que el gerente del establecimiento no quiere que los clientes permanezcan ms de 7
minutos en promedio haciendo fila, Se logra esto con un servidor?
Respuesta: No, ya que el tiempo promedio de espera es muy largo como se mencion en el
inciso anterior.
Pgina 103
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Figura 4.33
Figura 4.34
Pgina 104
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Men Probabilidad
1 0.20
2 0.35
3 0.25
4 0.10
5 0.10
Tabla 4.36
c) Poner variables visibles en el Layout para checar cuantos clientes entran de cada tipo y
etiquetarlas.
d) Poner variables visibles en el Layout para los tipos de alimentos seleccionados y etiquetarlas.
1. Definir Variables
Para realizar esto, se pueden definir dichas variables por medio del men Build y dar clic en el
comando Variables Global o dando clic en el botn de acceso directo que se encuentra debajo de
los mens (ver figura 4.37).
Figura 4.37
Pgina 105
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Figura 4.38
Para editar las variables se abre el men Build y se da c lic en el comando Background
Graphics en el submen Front of Grid, aparecern 2 ventanas, una de herramientas grficas y
otra superior con los grficos que c ontiene la biblioteca d el editor grfico (Graphic Editor) que
incluye el ProModel. Observe la figura 4.39.
Figura 4.39
Pgina 106
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Enseguida se da clic sobre el botn para texto (el que tiene la A) y posteriormente dar clic en
el Layout, aparece un cuadro en el cual se puede anotar el nombre, modificar el color de relleno, la
forma de la etiqueta, etc. tal como se ve en la figura 4.40.
Figura 4.40
Finalmente las etiquetas para la variable quedan de la siguiente manera (ver figura 4.41):
Figura 4.41
Pgina 107
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Figura 4.42
Se despliega una ventana con opciones para modificar el nombre de las distribuciones, el tipo
(en este caso discretas), si son acumulativas o n o y para definir las tablas con los valores
probabilsticos (dar clic en el botn Table) tal como se ilustra en la figuras 4.43 y 4.44.
Figura 4.43
Figura 4.44
Pgina 108
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
1(que son los que piden para llevar), ahora se da c lic en el lugar inmediato a la derecha para
indicar que se seleccionar otro icono de la misma entidad. De preferencia se recomienda
seleccionar el mismo icono para los clientes tipo 2 solo cambiando el color de este a t ravs del
botn Edit de la misma ventana (vea la figura 4.45)
Figura 4.45
4. Definicin de atributos
Los atributos en este caso son: tipo de cliente y tipo de men que un cliente puede ser o
seleccionar, el atributo nos ayuda a q ue las entidades se puedan clasificar o a r esaltar alguna
caracterstica que s e considere importante para el modelo, en es te caso se consideran los dos
tipos de atributos mencionados anteriormente. Para hacer esto, dar clic en el botn A que se
encuentra debajo del men o ir a Build y luego Attributes, vea la figura 4.46.
Figura 4.46
Pgina 109
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Figura 4.47
Figura 4.48
Pgina 110
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Figura 4.49
Figura 4.50
Pgina 111
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Figura 4.51
Una vez cerrado el constructor de estatutos las expresiones en el campo Logic quedan de la
siguiente manera (ver figura 4.52):
Figura 4.52
6. Modificar el proceso
Finalmente solo queda modificar el proceso del modelo. Para esto primero dar clic en el
comando Processing del men Build o en el botn destinado para ello debajo del men. Como
los clientes cuando entran al sistema se supone que ya saben si su pedido es para llevar o comer
ah mismo, en la Fila de entrada se indicar lo siguiente:
Si el tipo de cliente es para llevar (1) entonces incrementar la variable Clientes para llevar y
utilizar el grfico1 para esta entidad.
Si el tipo de cliente es para consumo ah mismo (2) entonces incrementar la variable Clientes
para consumo local y utilizar el grfico 2 para esta entidad.
Para esto, hacer clic en el botn Operation de la ventana Process en el registro de la fila de
entrada, aparece la ventana Operation y haga clic en el martillo para comenzar las instrucciones
lgicas. Al hacerlo se abrir el constructor de estatutos, que contiene todos los comandos de
programacin existentes. Como son varias instrucciones, se enlistan a continuacin la secuencia
de las instrucciones:
Pgina 112
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Figura 4.53
Pgina 113
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Figura 4.54
Si el tipo de men que pide el cliente es igual a 1 entonces se incrementa la variable: Men tipo 1
Si el tipo de men que pide el cliente es igual a 2 entonces se incrementa la variable: Men tipo 2
Si el tipo de men que pide el cliente es igual a 3 entonces se incrementa la variable: Men tipo 3
Si el tipo de men que pide el cliente es igual a 4 entonces se incrementa la variable: Men tipo 4
Si el tipo de men que pide el cliente es igual a 5 entonces se incrementa la variable: Men tipo 5
Pgina 114
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Figura 4.55
El modelo est listo para correrlo nuevamente. En la siguiente figura 4.56 se ilustra el Layout
con las variables agregadas durante la corrida. Corresponde al estudiante analizar la informacin
obtenida en el reporte de salida para hacer las recomendaciones pertinentes acerca de es te
modelo.
Figura 4.56
Pgina 115
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Figura 4.57
2. Modificar el Proceso
En el segundo registro cuando los clientes estn con el servidor, hacer clic en el botn
Operation y debajo de l as instrucciones existentes agregar otra decisin lgica que haga lo
siguiente:
Pgina 116
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Para hacer esto en el campo Operation dar clic en el martillo y utilizar el estatuto IF-THEN-
ELSE con el atributo correspondiente, en este caso Tipo de cliente como se ha mencionado
anteriormente, solo que en la condicin Statement se utiliza el estatuto ROUTE y anotar el nmero
de bloque para el Routing for correspondiente , ver la figura 4.58.
Figura 4.58
En el Routing for correspondiente en la primer salida se tiene marcado el bloque por defecto
como 1 y la locacin es Salida con un MOVE FOR 1, aqu es a donde se dirigirn los clientes tipo
1. Vea figura 4.59
Figura 4.59
Para crear la locacin a donde se dirigirn los clientes tipo 2, se debe dar Enter para crear otro
registro en blanco y posteriormente seleccionar la entidad de salida, en el destino ser a la
locacin comedores, en lo referente a el botn Rule, hacer clic para que se despliegue la ventana
de opciones y en la casilla Start New Block marcarla para indicar que ser el nuevo bloque, ver la
figura 4.60.
Pgina 117
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Figura 4.60
Figura 4.61
Falta agregar en el proceso cuando los clientes estn en los comedores y luego se dirigen a la
salida. Para esto se puede insertar un r egistro en b lanco entre la locacin Servidor y Salida,
simplemente situar el curso en la locacin Salida y en el men Edit hacer clic en Insert. En el
registro en blanco seleccionar la entidad (dando clic en los botones correspondientes superiores),
la locacin que en este caso es Comedores y en el campo Operation dar clic para que se
despliegue la ventana Operation, posteriormente dar clic en el martillo para que aparezca el
constructor de estatutos y con el estatuto WAIT y el botn Time indicar el tiempo que t arda en
dicha locacin (es una distribucin normal con media de 25 y desviacin estndar de 5), lo anterior
se describi a detalle en paso 4 del punto 4.5.1. Por su parte en Routing For, tambin se elige la
entidad de salida, la locacin que ser la Salida y en el campo Move Logic tambin se agrega un
tiempo de traslado de un minuto (Move For 1) como se describi en el mismo punto y paso antes
mencionado. En la figura 4.62 se puede apreciar completa la insercin de este registro.
Pgina 118
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Figura 4.62
El modelo qued terminado y se puede correr para su anlisis. En la siguiente figura 4.63 se
puede ver el Layout durante la corrida del modelo.
Figura 4.63
Proceso:
Pgina 119
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Llega al sistema tanto a la fila de cajas como a la fila de monitores una caja. La caja que sale de
ambas filas pasa a una estacin de trabajo en donde se realiza una operacin que consume un
tiempo de un minuto con distribucin exponencial. De esta estacin, pasan a una fila de empaque
que conducir a la caja hasta una zona de carga en donde el tiempo de carga ser de0.5 a 1.5
minutos con distribucin uniforme. A la zona de carga, tambin llega una caja procedente de una
banda de tarimas. Una vez que se realiza la operacin en zona de carga, la caja se dirige a una
banda de embarque que a s u vez sta la llevar a una zona de embarque. Para realizar la
operacin de embarque se lleva un tiempo de 2 minutos con distribucin de poison. Ya que se ha
realizado la operacin anterior, la caja abandona el sistema.
Llegadas:
Al sistema llega una caja a la fila de m onitor, a la fila de caja y a la banda de tarimas; con una
ocurrencia infinita en todas. A la fila monitor llega la caja en un tiempo cero y despus llegar cada
tres minutos. A la fila cajas llega una caja y esta llegar al sistema un minuto despus de haber
iniciado la corrida de pr oduccin y despus llegar cada tres minutos. A la banda de tarimas
llegar una caja cuando haya corrido la produccin cinco minutos y despus llegar cada cinco.
Utilizar el estatuto GRAPHIC en fila de cajas y en banda de tarimas para cambiar la apariencia de
la entidad en estas dos locaciones. Utilizar tambin el estatuto INC para contabilizar los productos
embarcados. Ejecutar el modelo por 8 horas.
Realizacin del modelo conceptual o esquemtico del sistema
Antes de realizar el modelo en ProModel, es muy til hacer un anlisis del sistema utilizando un
modelo conceptual o un esquema con la toda la informacin existente del sistema que se desea
modelar. El modelo conceptual o esquemtico es como se muestra en la figura 4.64.
Estacin de Zona de
Trabajo Fila Empaque empaque
Wait = 1 Wait = 0.5
Fila Cajas
Banda de
Embarque
Zona de
Embarque
Exit Wait = 2
Figura 4.64
Pgina 120
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
1. Definir locaciones
Recurdese que el primer paso en ProModel es definir las locaciones fsicas del modelo, en
este caso:
Para definir las locaciones abrir el men Build y elegir Locations o directamente en el botn
destinado para ello mencionado anteriormente (el cubo azul que se encuentra ubicado debajo del
men). Debe recordarse que se tiene que dar clic en cada grfico de la ventana Graphics y luego
clic en el Layout para crear cada registro. Es importante para evitar errores de duplicidad elegir
todas las locaciones primeramente con la casilla New activada (de la ventana Graphics) y luego
editar adecuadamente cada una de las locaciones elegidas.
Figura 4.65
Pgina 121
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Figura 4.66
En las siguientes figuras 4.67 y 4.68 se ilustran los registros de las locaciones del modelo y el
Layout con los grficos respectivamente.
Figura 4.67
Pgina 122
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Figura 4.68
2. Definicin de entidades
El siguiente paso en la construccin del modelo ser la definicin de las entidades. Para ello es
necesario desplegar la ventana apropiada mediante el comando Entities del men Build. En este
caso la entidad es una caja que se mover en todo el sistema con dimensiones de 1 metro por
1metro. Se definirn adems tres grficos para la misma entidad como se mencion anteriormente
en el paso 3 del ejercicio 4.2. Recuerde que en el botn Edit se puede cambiar el color del grfico
seleccionado. La definicin de la entidad y los tres grficos seleccionados se muestran en la figura
4.69.
Figura 4.69
Pgina 123
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Figura 4.70
4. Definir Variable
Dar clic en el botn de acceso directo o por medio del men Build y Variables (global). En el
campo name se nombrar a la variable como Embarcados, si se desea que la variable aparezca
fsicamente solo se tiene que dar clic en el lugar deseado en el Layout (ver figura 4.71).
Figura 4.71
Pgina 124
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
5. Definir el proceso
Este es el paso ms importante porque es donde se establece la lgica de procesamiento del
modelo. Ejecutar el comando Processing del men Build. Para programar las operaciones y rutas
que se aplicarn a las entidades, se proceder como en los ejemplos anteriores, seleccionando del
botn superior de la ventana Process, las entidades, a que locacin llegan, que operacin se
realiza en estas y en la ventana de Routing for cual es la entidad de salida, la locacin de destino,
bajo que regla de salida se ajustar y en este caso no hay nada que cambiar en Move Logic ya
que es solamente una caja que se desplaza por todo el sistema. Cuando llega la entidad a cada
locacin asignada se utilizar el estatuto GRAPHIC para asignar el nmero de gr fico
correspondiente, en el campo Operation.
Recurdese que para programar los tiempos de pr ocesamiento se realiza en el campo
OPeration, dar clic en el martillo y aparece el constructor de estatutos, la instruccin para el tiempo
de proceso es WAIT y el tiempo es de acuerdo a alguna distribucin de probabilidad por lo que en
el botn Time del mencionado constructor de estatutos manda directamente a los elementos
lgicos dnde se encuentran las distribuciones de p robabilidad (Distribution Functions). En el
ltimo registro del campo Operation adems del tiempo de proceso (Poisson con media de 2) se
utilizar el estatuto INC para incrementar la variable Embarcados que se pide.
En la siguiente figura 4.72 se puede ver el procesamiento completo del modelo y en la figura
4.73 se ve la ltima instruccin que incluye el incremento de la variable.
Figura 4.72
Figura 4.73
Pgina 125
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Finalmente el modelo est listo para correrlo. Es importante sealar que en el men File en el
comando View Text, se puede ver toda la programacin en texto, o enviarla como un archivo de
texto (con el comando Print Text) a al gn directorio y posteriormente abrirlo con la aplicacin
Word. En el siguiente cuadro 4.74 se puede ver las instrucciones de procesamiento del modelo.
Locations .
Name Cap Units Stats Rules Cost .
Fila_de_Monitores 5 1 Time Series Oldest, FIFO,
Fila_de_Cajas 5 1 Time Series Oldest, FIFO,
Estacion_de_Trabajo 1 1 Time Series Oldest, ,
Fila_de_Empaque 5 1 Time Series Oldest, FIFO,
Zona_de_Empaque 1 1 Time Series Oldest, ,
Banda_de_tarimas INFINITE 1 Time Series Oldest, FIFO,
Banda_de_Embarque INFINITE 1 Time Series Oldest, FIFO,
Zona_Embarque 1 1 Time Series Oldest, ,
Entities .
Name Speed (mpm) Stats Cost .
Caja_Vacia 20 Time Series
Processing .
Process Routing
Entity Location Operation Blk Output Destination Rule .
Caja_Vacia Fila_de_Monitores GRAPHIC 1 1 Caja_Vacia Estacion_de_Trabajo FIRST 1
Caja_Vacia Fila_de_Cajas GRAPHIC 2 1 Caja_Vacia Estacion_de_Trabajo FIRST 1
Caja_Vacia Estacion_de_Trabajo WAIT E(1) 1 Caja_Vacia Fila_de_Empaque FIRST 1
Caja_Vacia Fila_de_Empaque 1 Caja_Vacia Zona_de_Empaque FIRST 1
Caja_Vacia Banda_de_tarimas GRAPHIC 3 1 Caja_Vacia Zona_de_Empaque FIRST 1
Caja_Vacia Zona_de_Empaque WAIT U(1,0.5) 1 Caja_Vacia Banda_de_Embarque FIRST 1
Caja_Vacia Banda_de_Embarque 1 Caja_Vacia Zona_Embarque FIRST 1
Caja_Vacia Zona_Embarque WAIT P(2) 1 Caja_Vacia EXIT FIRST 1
INC Embarcados
Arrivals .
Entity Location Qty Each First Time Occurrences Frequency Logic .
Caja_Vacia Fila_de_Monitores 1 0 INF 3
Caja_Vacia Fila_de_Cajas 1 1 INF 3
Caja_Vacia Banda_de_tarimas 1 5 INF 5
Variables (global) .
ID Type Initial value Stats .
Embarcados Integer 0 Time Series
Cuadro 4.74
Pgina 126
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Figura 4.75
Ejemplo 4.5
Se modificar el sistema de f ilas y bandas del ejercicio anterior para desarrollar operaciones de
ensamble y carga de piezas en otra pieza.
Guarde el ejercicio 4.4 como ejercicio 4.5 para iniciar la modificacin.
1. Agregar Entidades.
Las entidades que s e incorporarn al modelo, adems de l a caja vaca que ya se tena son.
Monitor, Caja Llena, Tarima y Tarima Llena, la dimensin que se considerar para las entidades
que entran a las bandas es de 1 por 1 metros.
Para realizar esto, se habr observado que en el men de grficos no existe el monitor ni la caja
cerrada. Existen dos opciones para incorporar estos grficos:
Pgina 127
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
b) Importar el grfico de otra aplicacin como la galera de imgenes de Word, Corell Draw,
Paintbrush, etc.
1. En el primer caso, para crear el grfico, dar clic en el men Tools en la opcin Graphic Editor,
se abre una ventana como la que se muestra en la figura 4.76.
Figura 4.76
Enseguida, se modificar la caja vaca para insertar el grfico caja llena. Primero se hace doble
clic en la caja vaca para aparezca en el rea de trabajo y en el men Options se incrementa el
zoom al 400% para verlo ms grande y se modifica este marcando las hojas de la caja con el
mouse y dando en la tecla suprimir, hasta que la caja parezca que est cerrada, ver figura 4.77.
Figura 4.77
Para incorporar esta nueva figura a la biblioteca de grficos, se hace clic en e l ltimo cuadro
que est a la derecha del ltimo grfico en la parte superior, posteriormente en la parte inferior en
el recuadro de la izquierda se pone el nombre de la figura, finalmente se da clic en el botn Save
de los botones que se encuentran la parte superior a la derecha. Para salir del editor grfico se
cierra la ventana principal y se guarda la biblioteca. Ver figura 4.78
Pgina 128
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Figura 4.78
En el segundo caso, si se crea completamente la figura, se pueden elegir las figuras que se
encuentran a la izquierda, se puede insertar una figura en otra, cambiar colores de relleno, pegar
una figura a otra, etc. Ver figura 4.79
Figura 4.79
2. Para importar un grafico de otra aplicacin como Word, slo se tiene copiar la imagen y en el
editor grfico de ProModel en el men Edit, se elige la opcin Paste BMP y aparece el grafico
en el rea de trabajo, para incorporarlo a la biblioteca se hace como se mencion anteriormente
en el inciso anterior.
Figura 4.80
Pgina 129
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
2. Arribos.
Al sistema llega un monitor, una caja vaca y una tarima vaca; con una ocurrencia infinita en todos.
Llega un monitor a la fila de monitor en un tiempo de cero, y despus llegar cada tres minutos. A
la fila cajas llega una caja vaca un minuto despus de haber iniciado la corrida de produccin y
despus llegar cada tres minutos. A la banda de tarimas llegar una tarima cuando haya corrido
la produccin 5 m inutos y despus llegar cada 5 m inutos. Como ya se tienen las llegadas del
ejercicio anterior, solo hay que c ambiar la entidad en la Fila de Monitores y en l a Banda de
tarimas por el monitor y la tarima vaca respectivamente. Las llegadas modificadas (Arrivals)
quedan de la siguiente manera (ver figura 4.81):
Figura 4.81
3. Proceso.
Llega a la fila de cajas una caja vaca y a la fila de monitores, un monitor que ser ensamblado en
la caja vaca. Ambas piezas (caja vaca y monitor) se dirigen a la siguiente estacin de trabajo en
donde se realiza una operacin que consume un t iempo de c uatro minutos para empacar el
monitor en la caja; de esta estacin sale una caja llena. De aqu, pasa la caja llena a una fila de
empaque que conducir a esta hasta una zona de carga en donde se cargar sobre una tarima
vaca, el tiempo de carga ser de 1 minuto. Posteriormente, sale la tarima llena con destino a la
banda de embarque y de aqu a zona de em barque, en dond e se descargar la caja llena de l a
tarima en un t iempo de 1. 5 minutos. La t arima vaca regresar para ser reciclada a l a banda de
tarimas en un tiempo de 3 minutos, y la caja llena sale del sistema.
Para modificar el Processing, se revisar registro por registro para ir haciendo los cambios
gradualmente.
1. En el primer registro debe entrar una caja vaca a la fila de cajas y salir una caja vaca con
destino a la estacin de trabajo, solo se debe eliminar el estatuto GRAPHIC que s e tena
anteriormente, ya que ahora se tiene un grfico para cada entidad.
2. En el segundo registro entra un monitor a la fila de monitores y sale un monitor con destino a la
estacin de trabajo. Es importante sealar que en el campo Rule debe marcarse la opcin If
Join Request para indicar que esta entidad se unir a otra. Ver figura 4.82.
Pgina 130
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Figura 4.82
3. En el tercer registro entra una caja vaca a la estacin del trabajo y en el campo Operation se
da clic sobre el martillo para que aparezca el constructor de estatutos, antes del estatuto WAIT,
debe seleccionarse el estatuto JOIN, en el campo Quantity se asigna 1 y enseguida aparece
otra ventana donde aparecen tres botones en l a parte superior, en l a que dice Entity se
selecciona el monitor y luego se pega con el botn Paste. El tiempo de operacin puede
modificarse ah directamente, por simplicidad los tiempos ahora son constantes, la entidad de
salida es la Caja Llena, as es, cuando se utiliza el estatuto JOIN entra una entidad y debe
salir otra.
4. En el cuarto registro, entra una caja llena a la fila de empaque y sale una caja llena con destino
a la zona de empaque, tambin aqu se debe modificar el campo Rule, como esta caja llena se
cargar sobre la tarima vaca, debe indicarse marcando la opcin If Load Request. Ver figura
4.83.
Figura 4.83
Pgina 131
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
5. En el quinto registro entra una tarima vaca a la banda de tarimas y sale una tarima vaca con
destino a la zona de empaque.
6. En el sexto registro entra una tarima vaca a la zona de empaque, se carga esta con una caja
llena y sale una tarima llena. Para hacer esto, en el campo Operation se da clic sobre el
martillo para que aparezca el constructor de estatutos, antes del estatuto WAIT, debe
seleccionarse el estatuto LOAD, en el campo Quantity se asigna 1 y luego se pega c on el
botn Paste aqu no es necesario especificar de cual entidad se trata, con el If Load Request
asignado previamente es suficiente para indicar que esa entidad es la que s e cargar en l a
entidad que se encuentra a la locacin actual. Es importante comentar que t ambin existe un
estatuto UNLOAD que se aplica para descargar, a diferencia del JOIN que lo que se uni como
otra entidad no se puede desunir despus. El tiempo de operacin se modifica ah directamente
en este caso el tiempo carga ser de un minuto (WAIT 1).
7. Enseguida entra una tarima llena a la banda de embarque y sale una tarima llena a la zona de
embarque.
8. En el siguiente registro, entra una tarima llena a la zona de embarque y en el campo Operation
se descarga la caja con el estatuto UNLOAD (dar clic en el martillo, seleccionar el estatuto y en
cantidad poner 1), el tiempo de operacin (WAIT) es de 1.5 minutos y sale una tarima vaca con
destino a la banda de tarimas (en un tiempo de 3 minutos), esta operacin es con el estatuto
MOVE FOR en el campo Move Logic. El incremento de la variable que se tiene ah se borra
por que va en otro registro.
9. En el siguiente registro, del lado izquierdo en el Process se oprime la tecla Enter para crear un
registro en blanco. Se elige la caja llena que tambin est en la zona de embarque, aqu en el
campo Operation se incrementar la variable embarcados con el estatuto INC y finalmente la
caja llena abandona el sistema (EXIT) para as dar por terminado el modelo.
En el siguiente cuadro 4.84 se muestra el Processing del modelo como debe qu edar
finalmente, recurdese que esta opcin es posible en el men File en la opcin View Text o Print
Text.
Processing .
Process Routing
Cuadro 4.84
Pgina 132
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Figura 4.85
Ejemplo 4.6
En este modelo se aadirn recursos al ejercicio anterior. En ProModel cuando se desea utilizar
recursos, primeramente se tiene que desarrollar la ruta por donde se mover este (Path network)
y con cuales locaciones va a i nteractuar (Interfaces). Posteriormente se crea el recurso y se
especifica por donde se va a mover (Path network).
Se harn los siguientes cambios al modelo:
Crear dos redes fsicas de caminos las cuales se llamarn Red 1 que ser para el Operario1 y
Red 2 que ser para el operario 2.
La Red 1 permite que un operario viaje de la estacin de trabajo a zona de carga. Distancia
15 metros. La R ed 2 permite que u n operario viaje de zona de embarque a zona de carga, y
hasta la parte superior de la banda tarimas. La distancia entre zona de c arga y embarque: 30
metros; la distancia de la banda de tarimas a la zona de carga es de 20 metros.
Crear las siguientes interfaces:
Pgina 133
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Poner los estatutos GET, FREE y MOVE WITH/THEN FREE en las locaciones apropiadas, de
manera que se lleven a cabo las siguientes actividades:
El operario 1 realiza el JOIN y el WAIT en la estacin de trabajo.
El operario 1 y el operario 2 realizan el LOAD y el WAIT en la zona de carga.
El operario 2 consigue las tarimas de embarque y las regresa a la banda de tarimas.
1. Definicin de Redes
Para definir las redes, se puede tener acceso por el men Build en el comando Path Networks
o utilizando el botn de acceso directo que se encuentra a un lado del de las entidades. Ver Figura
4.86.
Figura 4.86
Igual que en los comandos utilizados anteriormente, existe una ventana para los registros de las
redes en la parte superior donde se especifica el nombre de la red, el tipo de red, la ruta (Path), las
interfaces, etc., y otra ventana en la parte izquierda donde se va estableciendo de donde a dnde
va la red, si es bidireccional y la distancia de esta.
Para trazar la red se tiene que utilizar el mouse, se hace clic cerca de la locacin inicial donde
har interface y aparecer un punto pequeo (llamado nodo) y se arrastra el mouse hasta la otra
locacin donde tambin interactuar el recurso, para finalizar se hace doble clic, en l a parte
izquierda se puede ver de donde a dnde va la red (del nodo1 al nodo 2), ser bidireccional (BI) y
la distancia se puede corregir ah mismo, en este caso es de 15 metros. Si es necesario que la red
presente cambios de direccin, esto se hace dando otra vez clic y moviendo el mouse en l a
direccin deseada. Ver figura 4.88 para observar como que da la primera red. La red 1 est situada
de la estacin de trabajo a l a zona de empaque y como se mencion anteriormente, no es
necesario que toque las locaciones con las que har interface, eso se mostrar enseguida (ver
figura 4.87):
Pgina 134
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Figura 4.87
Figura 4.88
Pgina 135
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Para definir la segunda red se procede de manera similar, se pone el cursor en el registro que
dice Red 1 y se da Enter para generar otro registro en blanco. Enseguida como se va a interactuar
con tres locaciones se harn dos segmentos (Paths) para construir la red 2, uno va de la zona de
embarque a la zona de carga dejando nodos 1 y 2 respectivamente, luego del mismo nodo 2 (se
sita el puntero del mouse en ese nodo) se traza otra ruta hacia la banda de embarque para hacer
el nodo tres cerca de l a locacin mencionada, posteriormente se definen las interfaces como se
hizo en la red anterior y listo. Ver las siguientes figuras 4.89 y 4.90.
Figura 4.89
Pgina 136
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Figura 4.90
3. Definicin de Recursos
En el men Build en el comando Resources se puede acceder a la definicin de los recursos o
travs del botn de acceso directo que est a un lado del de las redes, vea la figura 4.91.
Figura 4.91
Una vez que se entra al comando Resources, tambin tiene una ventana superior donde se
especifica el grfico del recurso, el nombre, el nmero de unidades, si tiene tiempos muertos, etc.
en la ventana de la izquierda se elige a un operador que es uno de los grficos que se incluyen en
la biblioteca de grficos, se puede cambiar el tamao, el color de este, la orientacin, etc. Vea
figura 4.92.
Pgina 137
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Figura 4.92
Enseguida se le asignar la ruta por la que se mover el recurso, eso es a travs del campo
Specs, aparecer un cuadro de dialogo en el cual primero se elige la Red 1 del recuadro donde
dice Path Network, ah vienen varias opciones para cambiar como en l a parte de los nodos se
marca el nodo base (Home) y si se desea que regrese a este si el recurso est ocioso, en la parte
del movimiento (Motion) se asignan la velocidad del recurso cargando, vacio, el tiempo para
depositar y recoger, etc., vea la figura 4.93.
Pgina 138
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Figura 4.93
Al dar OK, aparecer en el Layout el recurso que se acaba de asignar con su respectiva ruta.
Ver figura 4.94.
Figura 4.94
Para definir el siguiente recurso se sita el cursor en el registro de la ventana superior donde
dice Operador 1 y se da Enter para generar otro registro en blanco, y se repite todo el proceso
anterior para elegir otro recurso y asignarle la red 2 por donde se mover. Ver figuras 4.95 y 4.96.
Pgina 139
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Figura 4.95
Figura 4.96
Pgina 140
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
GET Operador_1
JOIN 1 Monitor
WAIT 4
FREE Operador_1
Finalmente, solo falta modificar cuando se descarga la caja de la tarima llena y el operador 2 se
lleva las tarimas vacas hasta la banda de tarimas. Para hacer esto, ir al registro donde llegan las
tarimas llenas a la zona de embarque y en el campo Operacin hacer clic para que se despliegue
el cuadro de dialogo donde se establecen los estatutos a u tilizar. Se supone que el operador 2
descargar la tarima llena y el mismo se llevar las tarimas vacas hacia la banda de tarimas, as
que se recorren hacia abajo un espacio los estatutos existentes y se utiliza nuevamente el estatuto
GET como se mencionado para capturar el operador 2, pero no se utilizar el estatuto FREE al
final de este grupo de instrucciones sino que cuando sale la tarima vaca hacia la banda de
tarimas, en el campo Move Logic, se hace clic para que aparezca el constructor de estatutos que
manda directamente a los tipos de movimientos. Se utiliza el MOVE WITH y se selecciona el
mismo operador 2 y luego se da clic en el botn THEN FREE y es hasta ese momento que se
libera el recurso, el grupo de instrucciones en el campo Operation queda de la siguiente manera:
Pgina 141
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
GET Operador 2
UNLOAD 1
WAIT 1.5
En la siguiente figura 4.97 se puede ver el grupo de instrucciones para el campo Operation y
para el campo Move Logic:
Figura 4.97
Finalmente el modelo queda listo para correrlo y evaluarlo. En la siguiente figura 4.98 se puede
ver el modelo durante la corrida.
Figura 4.98
Pgina 142
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
En el siguiente cuadro 4.99, se pueden ver las instrucciones agregadas para el modelo en texto.
Locations .
Name Cap Units Stats Rules
Fila_de_cajas 5 1 Time Series Oldest, FIFO,
Fila_de_Monitores 5 1 Time Series Oldest, FIFO,
Estacion_de_trabajo 1 1 Time Series Oldest, ,
Fila_de_empaque 5 1 Time Series Oldest, ,
Zona_de_empaque 1 1 Time Series Oldest, ,
Banda_tarimas INF 1 Time Series Oldest, FIFO,
Banda_de_embarque INF 1 Time Series Oldest, FIFO,
Zona_de_embarque 1 1 Time Series Oldest, ,
Entities .
Name Speed (mpm) Stats .
Caja_vacia 20 Time Series
Monitor 20 Time Series
Caja_Llena 20 Time Series
Tarima_vacia 20 Time Series
Tarima_Llena 20 Time Series
Path Networks .
Name Type T/S From To BI Dist/Time Speed Factor
Red_1 Passing Speed & Distance N1 N2 Bi 30 1
Red_2 Passing Speed & Distance N1 N2 Bi 60 1
N2 N3 Bi 30 1
Interfaces .
Net Node Location
Red_1 N1 Estacion_de_trabajo
N2 Zona_de_empaque
Red_2 N1 Zona_de_embarque
N2 Zona_de_empaque
N3 Banda_tarimas
Resources .
Pgina 143
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
1. Llega la materia prima a un almacn inicial de acuerdo a una distribucin normal con media de
10 minutos y una desviacin estndar de 2. La capacidad del almacn es para 50 piezas.
2. Enseguida la materia prima pasa a una cortadora de dnde salen 5 piezas en proceso por
cada unidad de materia prima que entra, el tiempo de operacin es de 4 minutos con
distribucin exponencial. Crear una variable piezas en pr oceso para contabilizar estas e
incrementarla cuando son enviadas a la siguiente locacin.
3. La siguiente locacin es un torno donde son trabajadas las piezas en un tiempo que consume 3
minutos con distribucin Poisson. Cambiar tambin el grfico de l a entidad pieza en proceso
cuando sale de esta locacin.
4. Posteriormente las piezas en proceso pasan a un molino dnde se trabajan en un tiempo que
sigue una distribucin uniforme entre 1 y 3 minutos. Cambiar el grfico tambin cuando salen de
esta locacin.
5. Despus las piezas pasan por un proceso de inspeccin que consume un tiempo constante de
un minuto. De aqu el 75% pasa a la siguiente locacin y el resto sale fuera del sistema como
producto rechazado. Crear una variable para contabilizar las piezas que son rechazadas fuera
del sistema.
6. Enseguida las piezas en proceso aceptadas despus de la inspeccin, pasan a un horno dnde
se combinan 10 de estas piezas y salen como un lote. El tiempo de operacin es de acuerdo a
una distribucin log normal con media de 7 minutos y desviacin estndar de 2.
7. Finalmente los lotes pasan a un almacn de producto terminado dnde se combinan 5 de
estos para conformar un producto terminado. Decrementar la variable piezas en proceso y crear
e incrementar la variable piezas terminadas.
Existe un t iempo de t raslado entre cada operacin de 0.5 minutos. Edite y agregue indicadores
numricos en las locaciones con capacidad mltiple. Corra el modelo durante 40 horas y analice el
reporte de salida.
Solucin:
1. Definir locaciones
En el men Build comando Locations o a travs del botn de acceso directo, seleccionar las
locaciones pedidas. Recuerde que es recomendable seleccionar todos los grficos de las
locaciones pedidas con la casilla New activada de la ventana Graphics y posteriormente
desmarcar la casilla para editarlas (agregue etiquetas y grficos de barras para las locaciones de
capacidad mltiple). Cambie la capacidad de las locaciones que tienen capacidad mltiple. Las
locaciones quedan como se muestra en las siguientes figuras 4.100 y 4.101.
Pgina 144
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Figura 4.100
Figura 4.101
Pgina 145
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
En las siguientes figuras 4.102 y 4.103 se pueden ver las entidades seleccionadas para este
modelo y los grficos diferentes de la entidad Pieza en Proceso respectivamente.
Figura 4.102
Figura 4.103
Pgina 146
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Figura 4.104
4. Definicin de variables
Para definir las variables, ir al men Build comando Variables (global) o por medio del botn
de acceso directo, definir las variables: inventario en proceso, piezas rechazadas y producto
terminado.
Recuerde que adems de def inir las variables y asignarles un nombre en el campo ID, para
que se vean grficamente en el Layout, solo se tiene que dar clic en el espacio de este que se
desea que aparezca el icono. En la siguiente figura 4.105 se presenta como quedaron definidas las
variables:
Figura 4.105
Pgina 147
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
5. Definir el Proceso
Para este paso ir al men Build comando Processing, o por el botn de acceso directo. Es
recomendable ir paso a paso en el proceso de entrada-operacin-salida de cada registro, en este
caso:
1. Entra la materia prima al almacn de m ateria prima, no existe operacin alguna y sale la
materia prima (una unidad) con destino a la cortadora, existe un tiempo de traslado (MOVE
FOR) de 0.5 minutos.
2. Entra la materia prima a la cortadora, el tiempo de operacin es de 4 minutos con distribucin
exponencial (en el campo Operation), aqu mismo utilizar el grfico 1 y salen 5 pi ezas en
proceso cortadas (campo Rule en Quantity) con destino al torno, existe el movimiento de
traslado entre cada locacin de 0. 5 minutos (utilizar el campo Move Logic) tambin en este
campo incrementar la variable Inventario en proceso.
3. Entra la pieza en proceso al torno, el tiempo de operacin es de acuerdo a una distribucin de
Poison con media de 3, utilizar el grfico 2 y sale la pieza en proceso con destino al molino de
uno en uno y el tiempo de traslado de 0.5 minutos.
4. Entra la pieza en proceso al molino, el tiempo de operacin es entre 1 y 3 minutos con
distribucin uniforme, utilizar grfico 3 y sale la pieza en proceso con destino a la inspeccin.
5. Entra la pieza en proceso a la inspeccin, el tiempo de operacin es de 1 minuto constante y de
aqu hay dos posibles salidas:
a. Pieza en proceso con destino al horno con una probabilidad del 0.75. Utilizar en el campo
Rule la opcin Probability y asignar el porcentaje mencionado, en el campo Move Logic
asignar el tiempo de traslado de 0.5 minutos.
b. Ah mismo del lado derecho (Routing for) se da Enter para generar un nuevo registro y se
elige la pieza rechazada del campo Output con destino a Exit y en el campo Rule asignar
el 0.25 restante en la opcin Probability, en el campo Move Logic incrementar la variable
Piezas rechazadas y decrementar la variable Inventario en proceso.
6. Al horno entran las piezas en proceso y se hornean en un tiempo que sigue una distribucin
LogNormal con media de 7 minutos y desviacin estndar de 2 minutos, utilizar el estatuto
COMBINE para consolidar 10 piezas en proceso y conformar un Lote que sale con destino al
almacn de producto terminado.
7. Al almacn de pr oducto terminado entran lotes y ah se realiza una ltima operacin que
consume un t iempo de 3 minutos constantes para combinar 5 de estos como un pr oducto
terminado (estatuto COMBINE). Decrementar la variable Inventario en proceso en 50
unidades e incrementar la variable Producto terminado de uno en uno al salir esta entidad
hacia Exit.
Todas las instrucciones quedan como se muestra en el siguiente cuadro 4.106 que se muestra
a continuacin:
Pgina 148
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Locations .
Name Cap Units Stats Rules
Almacen_de_Materia_Prima 1 1 Time Series Oldest, ,
Cortadora 1 1 Time Series Oldest, ,
Torno 1 1 Time Series Oldest, ,
Molino 1 1 Time Series Oldest, ,
Inspeccion 1 1 Time Series Oldest, ,
Horno 10 1 Time Series Oldest, , First
Almacen_de_Producto_Terminado 5 1 Time Series Oldest, ,
Entities .
Name Speed (fpm) Stats .
Materia_Prima 150 Time Series
Pieza_en_Proceso 150 Time Series
Producto_Terminado 150 Time Series
Lote 150 Time Series
Pieza_rechazada 150 Time Series
Processing .
Process Routing
Entity Location Operation Blk Output Destination Rule Move Logic .
Materia_Prima Almacen_de_Materia_Prima 1 Materia_Prima Cortadora FIRST 1 MOVE FOR 0.5 Materia_Prima
Cortadora WAIT E(4)
GRAPHIC 1 1 Pieza_en_Proceso Torno FIRST 5 MOVE FOR 0.5
INC Inventario_en_Proceso
Pieza_en_Proceso Torno WAIT P(3)
GRAPHIC 2 1 Pieza_en_Proceso Molino FIRST 1 MOVE FOR 0.5
Pieza_en_Proceso Molino WAIT U(2, 1)
GRAPHIC 3 1 Pieza_en_Proceso Inspeccion FIRST 1 MOVE FOR 0.5
Pieza_en_Proceso Inspeccion WAIT 1 1 Pieza_en_Proceso Horno 0.75 MOVE FOR 0.5
Pieza_rechazada EXIT 0.25 INC Piezas_Rechazadas
DEC Inventario_en_Proceso
Pieza_en_Proceso Horno WAIT L(7, 2)
COMBINE 10 1 Lote Almacen_de_Producto_Terminado FIRST 1 MOVE FOR 0.5
Lote Almacen_de_Producto_Terminado WAIT 3
COMBINE 5
DEC Inventario_en_Proceso,50
INC Piezas_Terminadas 1 Producto_Terminado EXIT FIRST 1
Arrivals .
Entity Location Qty Each First Time Occurrences Frequency Logic
Materia_Prima Almacen_de_Materia_Prima 1 0 INF N(10, 2)
Variables (global) .
ID Type Initial value Stats .
Inventario_en_Proceso Integer 0 Time Series
Piezas_Rechazadas Integer 0 Time Series
Piezas_Terminadas Integer 0 Time Series
Cuadro 4.106
Pgina 183
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Figura 4.107
Bancos
Cajeros automticos
Restaurantes de comida rpida
Servicios administrativos
Cajeros de tienda de autoservicio
Auto lavados
Talleres de manufactura
Centros de servicios para autos
Consultorios mdicos/urgencias
Etc.
Pgina 184
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
En general todos los sistemas tienen el proceso bsico: entrada, procesamiento y salida, solo
se tiene que analizar y adaptar el modelo del sistema que s e desea simular, claro que esa
habilidad se va adquiriendo con la experiencia y el uso del software. ProModel cuenta con muchos
ms estatutos pero corresponde al estudiante experimentar y manejar otros estatutos que pueden
enriquecer los modelos a realizar. Es importante puntualizar que el ProModel incluye siempre
ayuda en lnea oprimiendo solamente la tecla F1 (la cual viene en idioma ingls), dicha ayuda se
despliega con la informacin del comando que se est usando en ese momento adems incluye
un ndex para buscar algo de manera especfica.
2. A un taller de manufactura llegan piezas con media de 8 minutos y distribucin exponencial. Las
piezas entran a un almacn con capacidad para 50 unidades, donde esperan a ser procesadas
en un torno. Ah son torneadas por 3 minutos con distribucin exponencial. El tiempo de
transportacin del almacn al torno tiene una distribucin normal con media de 4 m inutos y
desviacin estndar de 1 minuto. Posteriormente, las piezas son transportadas a una estacin
de inspeccin donde se encuentran 2 operarios, cada uno trabajando de manera independiente.
La inspeccin de cada pieza tarda de 4 a 8 m inutos con distribucin uniforme. El tiempo de
transporte entre el torno y los operarios es de 3 a 5 minutos con distribucin uniforme.
a) Simule el sistema por 30 das de 8 horas de trabajo cada uno y analice el reporte de salida.
b) Incluya un contador y una grfica de barra para las piezas en el almacn.
c) Observe el porcentaje de utilizacin de cada operador en la inspeccin Cul trabaja ms?
3. Suponga un sistema de lneas de espera tal como el de un cibercaf, la tasa de llegadas de los
clientes es de acuerdo a una distribucin normal con media de 7 minutos y desviacin estndar
de 2 minutos. Existen 3 tipos de servicios :
a) Renta de PC
b) Venta de consumibles
c) Impresiones
Las probabilidades respectivas de que un cliente seleccione cualquiera de los tres servicios
anteriores son 60%, 10% y 30% respectivamente. El tiempo de permanencia en PC es de 50
minutos con distribucin exponencial, el tiempo que tarda el servidor en atender a un c liente
para cualquiera de los otros dos servicios es de acuerdo a una distribucin uniforme entre 2 y 8
minutos (incluyendo el pago).
El local cuenta con 10 computadoras y despus de usarlas los clientes pasan con el servidor a
pagar y posteriormente se dirigen hacia la salida, el tiempo de esta transaccin es de acuerdo a
una distribucin uniforme entre 1 y 3 minutos, el tiempo que duran los clientes en trasladarse
del rea de pago a la salida es de 1 minuto.
Los clientes que c ompran consumibles o i mprimen despus se dirigen hacia la salida en un
tiempo de 1 minuto.
Pgina 185
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Desarrolle un modelo para este sistema, que incluya atributos, distribuciones de usuario,
variables para cada servicio, etiquete las locaciones adecuadamente y cambie el grfico de la
entidad de acuerdo al servicio que solicitan.
Corra el modelo durante 40 horas y determine:
5. En un taller se estn produciendo piezas de madera para proveer una fbrica. Llegan troncos
de madera (a una tasa de llegadas normal con media de 20 minutos y desviacin estndar de 2
minutos) a una fila de materia prima la cual tiene una longitud de 15 metros y una capacidad de
10, de ah se llevan por medio de un montacargas a u na sierra donde de cada tronco se
obtienen 5 piezas en proceso las cuales pasan a una banda transportadora (que tiene una
longitud de 20 metros y una velocidad de 20 mpm), de esta banda las piezas en proceso van a
un torno que tiene una capacidad de procesar una sola pieza a la vez (cambiar la grfica de la
pieza en proceso cuando sale de esta mquina), de ah pasan las piezas a u na pulidora que
tiene tambin una c apacidad de pr oceso de un a pieza, cambiar nuevamente la grfica de l a
pieza cuando sale de la pulidora. De las mquinas mencionadas, pasan las piezas en proceso
por una inspeccin donde se tiene un 90% de posibilidades de que las piezas estn correctas,
las piezas que no es tn bien se mandan nuevamente a l a banda transportadora para
retrabajarlas. Las piezas buenas se van a una rea de empacado donde se combinan 4 de
estas para que salga un lote con destino a una banda de salida (longitud de 15 metros y una
velocidad de 20 mpm). De la banda de salida se cargan los lotes con un segundo montacargas
a un camin y de ah salen fuera del sistema.
Pgina 186
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Incrementar las piezas en proceso cuando salgan de la sierra y decrementarla cuando salga un
lote hacia el camin. Crear dos redes para los montacargas 1 y 2. La red 1 ser de la fila de
materia prima a la sierra la cual tendr una longitud de 20 metros con interfaces en estas dos
locaciones. La red 2 ser de la banda de salida al camin con una longitud de 20 metros
igualmente con interfaces en estas dos locaciones. Las dimensiones de las piezas en bandas
transportadoras son de 2 x 2 metros. Incrementar las piezas a ser re trabajadas cuando de la
inspeccin se dirijan nuevamente a la banda transportadora, incrementar la variable
embarcados cuando se suban los lotes al camin.
La velocidad de ambos montacargas cuando estn vacos es de 20 mpm y cuando estn llenos
es de 15 mpm, Los tiempos para recoger las entidades son de 10 segundos y para depositarlas
es de 20 segundos.
Editar las locaciones adecuadamente, agregar indicador numrico en el rea de empacado y las
variables deben estar visibles en el Layout. La capacidad de las bandas transportadoras es
infinita.
6. Una compaa que manufactura pequeos componentes electrnicos tiene varias estaciones de
trabajo a t ravs de l as cuales las partes son procesadas: ensamble, soldadura, pintura e
inspeccin son las operaciones principales. La materia prima llega a un rea de recepcin de
materia prima de acuerdo a u na distribucin exponencial con media de 20 minutos. Las
distribuciones del tiempo de proceso son como se muestran a continuacin:
Actividad Distribucin
Ensamble Poison (12) minutos
Soldadura Normal (36,10) minutos
Pintura Log normal (40,10) minutos
Inspeccin Exponencial (8) minutos
Pgina 187
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
La operacin de soldadura puede realizarse en tres trabajos a la vez, la pintura puede realizarse
en 4 a l a vez. El ensamble y la inspeccin se realizan de u no a la vez. De la inspeccin se
acepta aproximadamente el 80% y pasa a una rea de empaque donde se combinan 5 piezas
para hacer un producto terminado en un tiempo que sigue una distribucin Normal con media
de 10 minutos y desviacin estndar de 2 minutos, finalmente del rea de empaque el producto
es trasladado a un almacn final por medio de un operador, la velocidad vaco de este es de
15 mpm y cargado es de 12 mpm, el tiempo de recoger el producto es de 3 segundos y el de
depositarlo es de 5 s egundos, la distancia del empaque al almacn final es de 20 metros. El
resto sale como producto rechazado fuera del sistema A gregar variables para controlar el
nmero de piezas que se van trabajando en cada una de las operaciones, otra variable para los
productos rechazados as como el total de producto terminado. Finalmente cambiar los grficos
de las entidades cuando sale de cada proceso de ensamble, soldadura y pintura. E xiste un
tiempo de 1 minuto de traslado entre cada operacin.
7. Durante las horas pico, los clientes llegan a l a fila de entrada de una cafetera escolar de
acuerdo a una tasa que sigue una distribucin normal con media de 3 m inutos y desviacin
estndar de minuto. Posteriormente son atendidos por un cajero y el tiempo en que se realiza
esta operacin es de acuerdo a una distribucin Normal con media de 4 minutos y desviacin
estndar de 1 minuto. En el prrafo siguiente se enlistan los diversos tipos de productos que
pueden elegir y la secuencia que siguen para la obtencin de estos:
Pgina 188
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Del rea de comedores, los clientes salen del sistema. La fila de entrada tiene una longitud
de 5 m etros y una capacidad de 10, las dems filas tienen una longitud de 1 metro y una
capacidad de 3.
Las probabilidades de eleccin de cualquiera de los productos son como se muestra en la
siguiente tabla:
Producto Probabilidad
Dulces y golosinas 10%
Refrescos 10%
Golosinas y refresco 20%
Jugos o caf 5%
Alimentos preparados 25%
Jugos o caf y alimentos preparados 10%
Refrescos y alimentos preparados 20%
Pgina 189
Captulo 5:
Desarrollo de un proyecto de
simulacin
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Pgina 191
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Una vez que se ha visto el marco terico que concierne a la simulacin, las etapas para
desarrollar un proyecto as como el uso de un lenguaje especfico, lgicamente se espera poner
en prctica todo lo anterior desarrollando un pr oyecto final, el cual consiste en el anlisis,
modelado y simulacin de sistemas de servicios o productivos de una empresa, para detectar las
mejoras posibles a realizar, y plantear acciones que mejoren el desempeo de sistemas y que en
caso de poder implementarse se lleve hasta ese nivel.
Como este texto est orientado principalmente a estudiantes de ingeniera industrial del
sistema tecnolgico, se sugiere desarrollar el proyecto en equipos de trabajo para aplicar las
etapas descritas en el captulo 1 adems de otra informacin complementaria y relevante para
conformar el documento final.
Es importante aclarar que los captulos que se mencionarn a continuacin no
necesariamente corresponden exactamente en nmero con las etapas para realizar un proyecto
de simulacin, esto significa que algn capitulo puede contener dos o m s etapas segn se
considere necesario para el desarrollo del proyecto.
El proyecto se sugiere entregar secuencialmente al avance del programa, es decir, cuando se
termine de ver la unidad 1 del programa, se debe entregar el captulo 1 d el proyecto, para su
revisin y correccin si es necesario, posteriormente se van entregando los dems captulos
conforme se vaya avanzando en el programa durante el semestre. Tambin se sugiere entregar
cada captulo con lo siguiente:
Pgina 192
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Pgina 193
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Carrera:
INGENIERA INDUSTRIAL
Materia:
SIMULACIN
Proyecto:
SIMULACION DE UN SISTEMA MEDICO GUBERNAMENTAL
Presentan:
Adriana Alejandra Insunza Morado
Samuel Jatzaquiel Grajeda Mendoza
Linda Rebeca Guerrero Crdenas
Grupo:
K2
Profesor:
Pgina 194
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Introduccin
Con este proyecto se pretende realizar un modelo de simulacin para analizar el funcionamiento de un sistema
mdico gubernamental conocido como Centro de Salud. Se aplicar la metodologa vista en clase y se desarrollarn
cada una de las etapas para desarrollar un proyecto de simulacin de un sistema real de la comunidad.
El objetivo es analizar dicho sistema a travs de un modelo desarrollado en un lenguaje especfico de simulacin
(ProModel) para poder hacer las recomendaciones pertinentes para que se incremente la calidad en la entrega de los
servicios de salud, es decir, que los servicios sean oportunos, eficaces, eficientes, con respeto y con amabilidad. Por esta
razn es importante saber si el personal con que se cuenta actualmente es el suficiente para brindar los servicios
adecuadamente.
El proyecto se compone de 4 captulos que gradualmente conllevarn al conocimiento, anlisis y representacin del
sistema sujeto de estudio finalizando con las sugerencias adecuadas para hacerlo ms eficiente.
Figura 1.1
En la siguiente figura 1.2 se presenta el mapa del Estado de Colima, para acercarse un poco ms al objetivo de
estudio, ya que existen Tres Jurisdicciones, la primera se encuentra en Colima, la segunda en Tecomn y la tercera en
Manzanillo.
Figura 1.2
Pgina 195
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
En la siguiente figura 1.3 se encuentra el municipio dnde se ubica el sistema objeto de estudio: Centro de Salud
Rural Cuauhtmoc Colima.
Figura 1.3
Pgina 196
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
A continuacin se presenta en la siguiente figura 1.4 la estructura organizacional del Centro de Salud Rural
Cuauhtmoc Colima:
Director
Mdicos
Generales Jefa de enfermera
Enfermeras pasantes
Figura 1.4
El objetivo de la preparacin del proyecto es hacer un ejercicio de planeacin del proyecto identificando las
restricciones del sistema, determinando el objetivo general y especfico as como el alcance y el nivel de detalle que se
espera incluir en el modelo a desarrollar.
La intencin de la definicin del sistema es estudiarlo dividindolo en los diversos sistemas y subsistemas que lo
conforman utilizando diversas herramientas emanadas de la ingeniera industrial como diagramas de flujo de procesos,
croquis de distribucin de planta, para conocer este a fondo. Tambin se determina el proceso productivo para cada tipo
de producto o servicio ofrecido, determinar las fuentes posibles de obtencin de la informacin, establecer supuestos
que no afecten el modelo y que lo hagan ms fcil de desarrollar sin perder efectividad para lograr los objetivos
planteados.
El objetivo de la construccin del modelo es, proveer una representacin valida que describa el comportamiento del
sistema analizado, se deben obtener las variables de entrada que proveen la informacin necesaria para cumplir con los
objetivos de la simulacin.
La recoleccin y anlisis de los datos es sumamente importante ya que estos constituyen el soporte estadstico que le
proporciona el parecido con la realidad al modelo a travs de las variables de entrada. Aqu convergen tanto la
estadstica descriptiva como la inferencial, ya que se toman muestra. Las variables, se organizan en distribuciones de
frecuencia, se hacen histogramas y polgonos para observar la forma bsica de la distribucin y posteriormente con la
teora de prueba de hiptesis se verifican si siguen alguna distribucin de probabilidad terica o no.
Pgina 197
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
El siguiente paso es desarrollar el modelo en algn lenguaje especfico de simulacin, correrlo y validarlo
adecuadamente para verificar que la informacin con que se aliment este sea congruente con el sistema real. Como con
la ayuda del modelo se busca resolver alguna problemtica detectada en el sistema, se deben establecer diferentes
alternativas, experimentar con estas y analizarlas a fondo.
El ltimo paso en el procedimiento de la simulacin es el hacer recomendaciones para mejorar el actual sistema,
basado en los resultados del modelo simulado. Estas recomendaciones deben ser estadsticamente soportadas y
claramente presentadas en un informe de resultados de la simulacin.
Desarrollar un modelo de simulacin para el Centro de Salud Rural de Cuauhtmoc, Colima, especficamente en las
reas de enfermera, medicina y farmacia, para que con el anlisis del mismo apoye en la toma de decisiones que
optimicen los distintos recursos que lo integran.
Partiendo de hecho de que la simulacin ha sido aplicada con xito en diversos sistemas productores de bienes y /
servicios, luego entonces es factible aplicarla en una unidad mdica para optimizar sobre todo los tiempos de espera de
los pacientes, mejorando los servicios brindados.
Pgina 198
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Direccin
Asesor y promotor del seguro mdico popular
Mdicos generales
Personal de farmacia
Jefa de enfermera
Enfermeras de base
Enfermeras pasantes
MPSS.
c) Servicio final
En el Centro de Salud se atiende a los usuarios de manera gratuita, donde se otorgan los distintos servicios mdicos
adems de proveer de los medicamentos necesarios.
En la figura 2.1 se muestra la distribucin de planta del Centro de Salud. En la entrada est la oficina de la jefa de
mdicos y a la izquierda est la oficina de promotora, en seguida esta la sala de espera; al lado de la promotora est a
oficina de la jefa de enfermeras, a un lado se encuentra los baos. A un lado de la sala de espera se encuentra el rea
Pgina 199
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
dental, seguido esta las farmacias, despus el rea de curaciones, seguida de servicios, en seguida el rea de camas y por
ltimo los dos consultorios. Frente al ltimo consultorio se encuentra la cocina, y a un lado el cuarto de lavado.
Sala de espera
Cocina
Oficina jefa Oficina Oficina jefa
de mdicos promotora de WC WC
enfermeras Cuarto
de
lavado
Entrada
Figura. 2.1
a) Salud reproductiva: Planificacin familiar, control prenatal, atencin de parto (si llegara a necesitarse de
urgencia) y puerperio.
b) Salud del nio y del adolescente: Enfermedades diarreicas, Infeccin respiratoria aguda y estado de nutricin.
c) Aplicacin de biolgicos.
d) Detecciones: Diabetes Mellitus, Hipertensin Arterial, Sfilis, Obesidad, Osteoporosis, Hiperplasia Prosttica.
e) Salud del adulto y el anciano: Control de pacientes con diabetes mellitus, hipertensin arterial y obesidad.
f) Microbacteriosis: Detecciones y tratamiento de Tuberculosis y Lepra.
g) Infecciones de Transmisin Sexual.
h) Enfermedades Transmitidas por Vector: Dengue, Paludismo.
i) Picaduras de alacrn.
j) Zoonosis: Rabia, Brucelosis, Teniosis y Cisticercosis.
k) Salud Bucal.
Como ya se mencion, en conjunto, los cinco servicios mencionados, colaboran para la realizacin de las siguientes
actividades: Se da consulta, asesora, promocin de todos los servicios y programas de salud (vacunacin, control
prenatal, estimulacin temprana, control del nio sano, control de enfermedades crnico degenerativas, como son:
diabetes, hipertensin, obesidad, etctera; entre otros). En la siguiente figura 2.2 se puede ver el flujo de las entradas de
los pacientes a los diversos servicios ofertados.
Pgina 200
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
rea
Curaciones Servicios Camas Consultorio Consultorio
Dental Farmacia
1 2
Sala de espera
Cocina
Figura 2.2
En la figura 2.2 se muestra la ruta que debe de hacer un paciente al visitar el centro de salud. Primeramente debe de
llegar con la jefa de mdicos por su ficha, posteriormente esperar que llegue su turno en la sala de espera, en cuanto este
llega pasa al consultorio correspondiente. Dependiendo del diagnstico del mdico, el paciente pasar al rea dental,
farmacia, curaciones o servicios donde ser atendido por el personal respectivo. Dependiendo de la enfermedad o del
tipo de atencin del paciente, es trasladado al rea de camas, si no se le da salida. Cabe aclarar que en casos de
enfermedad que la atencin esta fuera del alcance del centro de salud, se les recomienda trasladar al paciente a un
hospital de segundo nivel, como son el Hospital Regional o el Hospital del IMSS, ambos ubicados en la ciudad de
Colima.
En la siguiente figura 2.3 se muestra un diagrama de flujo del proceso que hace el paciente al visitar el Centro de
Salud.
Pgina 201
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Inicio
Llegada del
paciente
Si
Urgencias?
No
Pasa el paciente a
consulta
Servicio Servicio
Dental General
Paciente pasa a
farmacia
Salida
Fin
Figura 2.3
Pgina 202
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
2.1.4 Determinar los horarios y das de trabajo regulares as como los horarios y das de que sern sujetos de
estudio.
Se espera tomar muestras del turno vespertino durante una semana completa de labores con la ayuda del personal
que labora en el centro y con hojas de verificacin diseadas para tal efecto.
Se aplicar la observacin directa y el estudio de tiempos con cronmetro a los servicios de salud otorgados a los
pacientes, as como al acceso permitido a registros internos y bitcoras con los que cuentan en los departamentos de
medicina y enfermera, se sugieren stas alternativas como las adecuadas, por lo cual fueron las tomadas para la
realizacin del presente proyecto.
Los siguientes supuestos ayudarn a realizar un modelo ms fcil de manejar y que de respuesta a los objetivos
planteados:
Atender a los pacientes conforme van llegando a las instalaciones, excepto urgencias.
No interrumpir la atencin a cada paciente por causas ajenas al sistema como fallas en el suministro de energa
elctrica, falta de personal, negligencia etc. excepto si se trata de una urgencia.
Evidentemente, no se deja de atender a un paciente por negligencia, sino nicamente si se presenta un paciente en
una condicin urgente.
Pgina 203
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
En sta captulo se pretende construir el modelo de simulacin gracias a que se da por entendido que la informacin
obtenida es suficiente, ya ha sido previamente analizada y validada para describir claramente el comportamiento del
sistema.
La siguiente figura 3.1, muestra el modelo conceptual del sistema en estudio, en el se representan cada uno de los
servidores disponibles: una enfermera en recepcin, 2 enfermeras para consulta general y/o urgencias, 2 mdicos ya sea
para consulta general o para urgencias, 1 dentista, una trabajadora social en farmacia), as como las variables de entrada
requeridas, por ejemplo, en la llegada de pacientes en el rea de recepcin se toman en cuenta dos variables: el tiempo
entre llegadas de los pacientes y el tipo de paciente (si ste va a consulta o debe ser atendido en urgencias); en el rea de
urgencias, en lo referente a la enfermera responsable se registra el tiempo de servicio de la misma, mientras que los
mdicos que normalmente estn en consulta tambin atienden urgencias cuando stas se presentan y en se caso, se
muestrea el tiempo de atencin al paciente; ahora bien, en lo que respecta a la enfermera encargada de consultas, se
registra el tiempo de servicio de la misma y, mientras ella toma signos vitales al paciente, una vez atendido pasa a
consulta, ya sea con uno de los dos mdicos generales o con el dentista, la variable en comn con los 3 profesionales
mencionados es el tiempo de atencin; ahora bien, una vez que los pacientes fueron atendidos, ya sea en urgencias o en
consultas, el paciente es pasado a farmacia a que le surtan su receta.
Mdico 1
Enfermeras
Fila de Fila de
Recepcin Atencin a Fila de Farmacia
Entrada Farmacia
Pacientes
Mdico 2
Fin
Tiempo entre
llegadas Tiempo de Tiempo de
Tipo de servicio servicio
Tiempo de
paciente Atencin
Dentista
Tiempo de Atencin
Figura 3.1
Pgina 204
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Las variables a muestrear son las siguientes en las diferentes reas y turnos:
Para la variable del tiempo de servicio en enfermera ya sea para consulta general o urgencias, se utilizar la
siguiente hoja de verificacin:
Pgina 205
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Para la variable tiempo de atencin de mdicos en consulta general se dise la siguiente hoja de verificacin.
Para la variable tiempo de atencin en el rea Dental se dise la siguiente hoja de verificacin:
Para la variable tiempo de servicio en el rea de farmacia se dise la siguiente hoja de verificacin:
1
2
3
n
Tabla 3.6
Para la variable tiempo de atencin en el rea de urgencias se dise la siguiente hoja de verificacin:
1
2
3
n
Tabla 3.7
Pgina 206
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
3.2.2 Realizar el muestreo de las variables de entrada del modelo en los horarios y das considerados para su
estudio.
Se realiz un muestreo aleatorio de las diversas variables consideradas en cada una de las reas en estudio, como se
mencion anteriormente se consider el turno vespertino y tuvo que asistirse varios das: 26, 28, 29, 30 de abril y 2, 3, 4
de mayo) a registrar las variables rea por rea.
A continuacin, se muestran las hojas de verificacin realizadas a las distintas reas del Centro de Salud en estudio,
en la primera tabla 3.8 se ilustra el muestreo hecho en el rea de recepcin.
Pgina 207
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
La siguiente tabla 3.9 muestra el tiempo de servicio en enfermera, recurdese que este tiempo corresponde a la
enfermera que atendi a los pacientes tanto de consulta general como de urgencias.
Llegadas Enfermera
Tiempo de
Hora de Hora de
Paciente servicio
Inicio salida
(min)
1 1:07 PM 1:13 PM 6
2 1:30 PM 1:34 PM 4
3 1:58 PM 2:03 PM 5
4 2:05 PM 2:10 PM 5
5 2:12 PM 2:16 PM 4
6 2:19 PM 2:22 PM 3
7 2:27 PM 2:34 PM 7
8 2:43 PM 2:48 PM 5
9 2:55 PM 2:59 PM 4
10 3:04 PM 3:09 PM 5
11 3:13 PM 3:18 PM 5
12 3:25 PM 3:32 PM 7
13 3:34 PM 3:41 PM 7
14 3:48 PM 3:53 PM 5
15 3:56 PM 3:59 PM 3
16 4:04 PM 4:07 PM 3
17 4:13 PM 4:18 PM 5
18 4:22 PM 4:27 PM 5
19 4:34 PM 4:50 PM 16
20 4:59 PM 5:03 PM 4
21 5:10 PM 5:20 PM 10
22 5:27 PM 5:34 PM 7
23 5:45 PM 5:54 PM 9
24 6:13 PM 6:22 PM 9
25 6:31 PM 6:38 PM 7
26 6:59 PM 7:01 PM 2
27 7:07 PM 7:13 PM 6
28 7:20 PM 7:27 PM 7
29 7:30 PM 7:34 PM 4
30 7:41 PM 7:48 PM 7
31 7:52 PM 7:56 PM 4
32 8:01 PM 8:04 PM 3
33 8:07 PM 8:13 PM 6
34 8:15 PM 8:29 PM 14
Tabla 3.9
Pgina 208
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
En la siguiente tabla 3.10 se consider el tiempo de servicio o atencin de los 2 mdicos generales con que cuenta
el Centro de Salud.
Pgina 209
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
En la siguiente tabla 3.11 se puede ver el tiempo de atencin del dentista que labora en el Centro de salud.
Pgina 210
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Pgina 211
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
La tabla 3.13 contiene los tiempos muestreados en el rea de urgencias durante el periodo considerado.
Pgina 212
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
3.2.3 Organizacin y anlisis de los datos muestreados (convierta los datos de entrada en una forma conveniente
para su uso).
Para un mejor manejo de los datos muestreados, se elaboraron las siguientes tablas conteniendo los valores de cada
variable en las distintas reas del Centro de Salud, asimismo se calcularon tanto el rango de los datos como el ancho de
clase para cada caso y se elaboraron las tablas de distribucin de frecuencias y los histogramas correspondientes.
2 5 5 2 6 5 13
3 2 2 4 4 12 7
8 1 5 4 6 3 7
5 5 2 5 5 7
2 4 10 4 5 8
Tabla 3.14
Como el tamao de la muestra es pequeo, se considera el ancho de clase de 3, para que resulten 5 clases que es lo
que se considera adecuado para 33 datos.
Frecuencia
Clases
Observada
1- 3 6
46 8
79 10
10 12 6
13 15 1
Tabla 3.15
Figura 3.16
Pgina 213
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
8 2 2 4 8 5 4
1 2 3 5 6 5 4
4 2 2 3 4 3 5
5 2 4 5 4 6 5
3 3 6 5 4 6
Tabla 3.17
Como el rango de la muestra es pequeo, se recomienda tomar los datos puntuales para poder apreciar mejor la
distribucin de los datos.
Frecuencia
Clases
Observada
1 1
2 6
3 5
4 8
5 8
6 3
7 0
8 2
Tabla 3.18
Figura 3.19
Pgina 214
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
6 3 5 3 10 2 4
4 7 7 5 7 6 3
5 5 7 5 9 7 6
5 4 5 16 9 4 14
4 5 3 4 7 7
Tabla 3.21
Frecuencia
Clases
Observada
24 11
57 18
8 10 3
11 13 0
14 16 2
Tabla 3.22
Figura 3.23
Pgina 215
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
15 15 15 16 13 13 11 12 10 17 19 9 17 14
17 15 10 7 11 18 6 7 16 13 10 15 15 14
15 15 11 14 16 17 7 12 14 14 16 8 15 7
17 17 10 11 15 20 7 10 16 16 15 14 18
5 10 17 13 18 15 10 10 13 14 15 11 13
Tabla 3.24
Frecuencia
Clases
Observada
57 7
8 10 10
11 13 13
14 16 26
17 19 11
20 22 1
Tabla 3.25
30
25
20
15
10
5
0
5 8 11 14 17 20
Figura 3.26
Pgina 216
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
27 34 34 36 39 25
34 35 41 26 36 28
31 32 24 28 36 34
34 30 28 25 42 32
36 38 26 15 18 52
Tabla 3.27
Como el rango es amplio y son pocos datos, se considerar el ancho de clase de tamao 8 para obtener 5 clases en la
realizacin de la distribucin de frecuencias.
Frecuencia
Clases
Observada
15 22 2
23 30 10
31 38 14
39 46 3
47 - 54 1
Tabla 3.28
Figura 3.29
Pgina 217
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
3 1 2 1 1 1 2
1 3 1 1 3 2 2
2 1 2 2 2 2 2
1 2 1 1 2 1 1
2 1 2 2 1 2
Tabla 3.30
En este caso como se tienen solamente 3 valores distintos se proceder a tomar los valores puntuales y contar
cuantos hay de cada uno para ver si se ajustan a una distribucin terica.
Frecuencia
Clases
Observada
1 15
2 16
3 3
Tabla 3.31
10 21 30 39 36 21
38 28 19 43 27 13
32 20 25 21 31 24
39 19 25 33 24 46
32 42 50 44 50 42
Tabla 3.32
Como el rango es amplio y son pocos datos, se considerar el ancho de clase de tamao 9 para obtener 5 clases en la
realizacin de la distribucin de frecuencias (ver tabla 3.33):
Frecuencia
Clases
Observada
10 18 2
19 27 11
28 36 7
37 45 7
46 - 54 3
Tabla 3.33
Pgina 218
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Figura 3.34
3.2.4 Determinacin de las distribuciones de probabilidad tericas de las variables de entrada (si es que la tienen)
con el Stat::Fit del ProModel.
Figura 3.35
Pgina 219
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Con la ayuda del Stat::Fit se obtiene que esta variable se ajusta tanto a distribuciones continuas como discretas, tal
como se puede apreciar en las siguientes figuras 3.36 y 3.37.
Figura 3.36
Figura 3.37
De las figuras anteriores se puede ver que esta variable se ajusta perfectamente a una distribucin continua Normal
con media de 4.12 y desviacin estndar de 1.66. Tambin se ajusta a una distribucin discreta terica Binomial, pero en
este caso se tomar como la distribucin para crear el modelo a la Normal.
Esta variable se ajusta a una distribucin de Poisson, con media de 5.97, tal como se puede ver en la siguiente figura
3.38.
Figura 3.38
Pgina 220
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
De acuerdo al Stat::Fit de ProModel ,esta variable se ajusta a la distribucin Normal, con media 13.12 y desviacin
estndar 3.5 (ver figura 3.39).
Figura 3.39
Esta variable se ajusta tambin a una distribucin Normal con media 31.9 y desviacin estndar 7.2 tal como se
puede apreciar en la siguiente figura 3.40:
Figura 3.40
Variable: Tiempo de atencin en farmacia
Esta variable se ajusta una distribucin Binomial, con n= 3 y p =0.549 tal como se puede apreciar en la siguiente
figura 3.41.
Figura 3.41
Pgina 221
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Esta variable se ajusta a una distribucin de Poisson con una media de 30.8, ver figura 3.42.
Figura 3.42
En el siguiente cuadro 3.43 se muestra el resumen de las variables de entrada del modelo y la distribucin a la cual
se ajustaron considerando los estimadores de los parmetros para cada distribucin.
En lo referente a este punto, ya se hizo una explicacin detallada en el captulo 3 especficamente en el punto 3.4 de
cmo se obtienen los generadores de las variables de entrada de acuerdo al tipo de distribucin que sigan estas. Por lo
tanto en este punto la intencin es mostrar el generador ya determinado previamente para cada variable de acuerdo al
mtodo que corresponda
1
12
2 2 2
= 6 1 + 2 +
2 + 2
=1
Pgina 222
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Por lo tanto el generador especfico para la variable tiempo entre llegadas sera:
1
12
(2.77)2 2 (5.09)2
= 6 1 + +
(5.09)2 (5.09)2 + (2.77)2
=1
1 ()2
() = 2 2
2
Como es una distribucin continua, se puede aplicar el mtodo de la transformada inversa y el generador general
sera:
12
= + 6
=1
12
= 4.12 + 6 1.66
=1
El generador para esta variable se obtiene con el mtodo de Montecarlo y se muestra en la tabla 3.44:
Pgina 223
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Nota: Recurdese que en este generador se consideran valores incluso que no se hayan muestreado, esto por la razn de
que ya que se tiene la certeza estadstica que los datos siguen una distribucin terica.
= 13.12 + 6 3.5
=1
= 31.90 + 6 7.2
=1
Probabilidad Binomial
X Acumulada Clases
(p = 0.549)
0 0.0917 0.0917 0 R 0.0917
1 0.3350 0.4267 0.0917 <R 0.4267
2 0.34078 0.8345 0.4267 <R 0.8345
3 0.1655 1.0000 0.8345 <R 1.0000
Tabla 4.46
Nota: Este generador se realiz considerando 3 ensayos, el valor cero que se puede ver en la tabla es parte del tipo de
experimento, ya que una distribucin Binomial es una serie de experimentos de Bernoulli. De cualquier manera, el cero
significa que dos personas llegaron al mismo tiempo. Esa puede ser la interpretacin del tiempo entre llegadas cero.
Pgina 224
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Probabilidad Poisson
X Acumulada Clases
(=30.80)
12 0.0001 0.0001 0.0000 <R 0.0001
13 0.0001 0.0002 0.0001 <R 0.0002
14 0.0003 0.0005 0.0002 <R 0.0005
15 0.0007 0.0012 0.0005 <R 0.0012
16 0.0013 0.0026 0.0012 <R 0.0026
17 0.0024 0.0049 0.0026 <R 0.0049
18 0.0041 0.0090 0.0049 <R 0.0090
19 0.0066 0.0156 0.0090 <R 0.0156
20 0.0102 0.0258 0.0156 <R 0.0258
21 0.0150 0.0408 0.0258 <R 0.0408
22 0.0209 0.0618 0.0408 <R 0.0618
23 0.0280 0.0898 0.0618 <R 0.0898
24 0.0360 0.1258 0.0898 <R 0.1258
25 0.0443 0.1701 0.1258 <R 0.1701
26 0.0525 0.2227 0.1701 <R 0.2227
27 0.0599 0.2826 0.2227 <R 0.2826
28 0.0659 0.3485 0.2826 <R 0.3485
29 0.0700 0.4185 0.3485 <R 0.4185
30 0.0719 0.4904 0.4185 <R 0.4904
31 0.0714 0.5618 0.4904 <R 0.5618
32 0.0687 0.6306 0.5618 <R 0.6306
33 0.0642 0.6947 0.6306 <R 0.6947
34 0.0581 0.7528 0.6947 <R 0.7528
35 0.0511 0.8040 0.7528 <R 0.8040
36 0.0438 0.8477 0.8040 <R 0.8477
37 0.0364 0.8841 0.8477 <R 0.8841
38 0.0295 0.9137 0.8841 <R 0.9137
39 0.0233 0.9370 0.9137 <R 0.9370
40 0.0180 0.9549 0.9370 <R 0.9549
41 0.0135 0.9684 0.9549 <R 0.9684
42 0.0099 0.9783 0.9684 <R 0.9783
43 0.0071 0.9854 0.9783 <R 0.9854
44 0.0050 0.9904 0.9854 <R 0.9904
45 0.0034 0.9937 0.9904 <R 0.9937
46 0.0023 0.9960 0.9937 <R 0.9960
47 0.0015 0.9975 0.9960 <R 0.9975
48 0.0010 0.9985 0.9975 <R 0.9985
49 0.0006 0.9991 0.9985 <R 0.9991
50 0.0004 0.9994 0.9991 <R 0.9994
51 0.0002 0.9997 0.9994 <R 0.9997
52 0.0001 0.9999 0.9997 <R 0.9999
53 0.0001 1.0000 0.9999 <R 1.0000
Tabla 4.47
Nota: Los valores generados dependen del nmero de dgitos considerados en el clculo de la probabilidad, en este caso
se consideran 4 dgitos de manera ilustrativa, pero en el software puede existir incluso mayor precisin al generar las
variables.
Pgina 225
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Obviamente el objetivo de este punto es desarrollar el modelo en el software incluyendo la edicin de las
locaciones, atributos, estatutos necesarios, variables para cada tipo de servicio solicitado, as como realizar la lgica
adecuada para que el modelo represente fielmente al sistema real. Se agregar el supuesto de que cada fila tiene una
capacidad mxima de 10 personas para ayudar a tomar una decisin que optimice el sistema de acuerdo a la demanda de
los servicios y la capacidad instalada. Se realizarn 30 corridas de tamao 8 horas para el turno considerado (vespertino)
del modelo.
En la siguiente figura 4.48, se muestra la distribucin fsica de las locaciones que componen el modelo en
ProModel.
Figura 4.48
Pgina 226
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
En los siguientes cuadros 4.49, 4.50 y 4.51 se muestra el cdigo fuente del modelo realizado.
********************************************************************************
* Formatted Listing of Model: *
********************************************************************************
********************************************************************************
* Entities *
********************************************************************************
Pgina 227
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
********************************************************************************
* Processing *
********************************************************************************
Process Routing
********************************************************************************
* Arrivals *
********************************************************************************
Cuadro 4.50
Pgina 228
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
********************************************************************************
* Attributes *
********************************************************************************
ID Type Classification
---------------- ------------ --------------
Tipo_de_paciente Integer Entity
********************************************************************************
* Variables (global) *
********************************************************************************
ID Type Initial value Stats
----------------- ------------ ------------- -----------
Consulta_General Integer 0 Time Series
Dental Integer 0 Time Series
Urgencia Integer 0 Time Series
Pacientes_totales Integer 0 Time Series
********************************************************************************
* User Distributions *
********************************************************************************
Enseguida se muestran las tablas con el reporte de salida de las 30 corridas ya promediadas:
Tabla 4.52
De la tabla anterior se puede observar que el porcentaje de utilizacin en recepcin es del 91%, las enfermeras en
promedio es del 95.37%, los mdicos generales es del 82.58%, el dentista es de 64.38% y solamente la persona que
atiende en farmacia presenta el porcentaje ms bajo con un 20.14%, lo que significa que tanto las enfermeras como los
mdicos generales estn trabajando a un ritmo muy alto. Esto puede entenderse ya que estos atienden tanto consulta
general como urgencias.
Pgina 229
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Tabla 4.53
Aqu se puede observar que tanto la fila de entrada como la fila de atencin a pacientes estn totalmente llenas el
18.37% y el 55.07%, esto significa que el personal con que se cuenta no es suficiente y en un momento dado ms de
diez personas hacen fila.
Tabla 4.54
Esta tabla es muy importante ya que muestra que existe un cuello de botella debido a los porcentajes de bloqueo de
la recepcin (28.50%) y enfermeras (56.81%), esto significa que los mdicos generales no trabajan a un ritmo
equilibrado entre las llegadas de los pacientes y el tiempo que requieren atencin, por esa razn tanto la recepcin como
las enfermeras no pueden continuar su trabajo hasta que los mdicos terminen.
Llegadas fallidas
Tabla 4.55
Aqu se observa que en promedio 11.6 pacientes no pueden entrar al sistema por la razn mencionada anteriormente.
Pgina 230
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Tabla 4.56
Salieron en total 58 (promedio redondeado) pacientes del sistema, se quedaron actualmente en el sistema 25 al
momento de terminar la simulacin, el tiempo promedio en el sistema es de 108.02 minutos, en espera para ser
atendidos esperan en promedio 55 minutos y el tiempo que son atendidos es en promedio 31.17 minutos. Si se agrega el
tiempo que el paciente permanece bloqueado ms el tiempo de espera: 55 + 21.04 = 76.04 minutos de demora total.
Tabla 4.57
Tabla 4.58
En total el paciente est en espera el 49.71% del tiempo, bloqueado el 19.54% y en atencin solamente el 29.98%
del tiempo.
Variables
Tabla 4.59
Aqu se puede observar que a consulta general en promedio llegan aproximadamente 50 pacientes, a dental 13 y a
urgencias 10 en el turno vespertino del Centro de Salud.
Pgina 231
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
En este caso se puede considerar como una alternativa la contratacin de 1 mdico general ms y ver que tanto
mejora la atencin a los pacientes. No se considera la contratacin de otra enfermera ya que estas estn bloqueadas por
los mdicos generales.
Figura 4.60
En este caso lo nico que cambia del modelo es la cantidad de mdicos generales que se encuentran en las
locaciones por lo que se mostrar solamente esa parte del cdigo fuente.
********************************************************************************
* Locations *
********************************************************************************
Name Cap Units Stats Rules Cost
------------------------- --- ----- ----------- --------------- ------------
Fila_de_Entrada 10 1 Time Series Oldest, FIFO,
Recepcin 1 1 Time Series Oldest, ,
Fila_Atencion_a_Pacientes 10 1 Time Series Oldest, FIFO,
Enfermeras 1 2 Time Series Oldest, , First
Enfermeras.1 1 1 Time Series Oldest, ,
Enfermeras.2 1 1 Time Series Oldest, ,
Medico_General 1 3 Time Series Oldest, , First
Medico_General.1 1 1 Time Series Oldest, ,
Medico_General.2 1 1 Time Series Oldest, ,
Medico_General.3 1 1 Time Series Oldest, ,
Dentista 1 1 Time Series Oldest, ,
Fila_Farmacia 10 1 Time Series Oldest, FIFO,
Farmacia 1 1 Time Series Oldest, ,
Salida 1 1 Time Series Oldest, ,
Cuadro 4.61
Pgina 232
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
En las siguientes tablas se muestra el reporte de salida de la alternativa considerada: Contratar un mdico general
adicional:
Tabla 4.62
De la tabla anterior se puede observar que el porcentaje de utilizacin en recepcin baj del 91% al 84.95%, las
enfermeras bajaron su porcentaje de utilizacin de 95.37% al 90.56%, para los mdicos generales baj del 82.58% al
72.93%, tanto el dentista como la persona de farmacia incrementaron su porcentaje de utilizacin de 64.38% a 73.35%
y del 20.14% al 26.15%, respectivamente, lo que significa que tanto las enfermeras como los mdicos generales estn
trabajando a un ritmo ms equilibrado (baj ligeramente su porcentaje de utilizacin) con la incursin del mdico
adicional. El porcentaje tanto del dentista como la persona de farmacia aumentaron ya que el sistema increment su
productividad.
Tabla 4.63
Aqu se puede observar que tanto la fila de entrada como la fila de atencin a pacientes estn totalmente llenas el
2.42% y el 20.45%, esto es significativamente menor que el sistema actual que es del 18.37% y el 55.07%,
respectivamente.
Pgina 233
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Tabla 4.64
Esta tabla muestra que todava existe un cuello de botella, pero los porcentajes bajaron: en recepcin es de 8.81%
(anteriormente era 28.50%) y enfermeras 41.39% (anteriormente era de 56.81%), esto significa que los mdicos
generales trabajan a un ritmo ms equilibrado entre las llegadas de los pacientes y el tiempo que requieren atencin.
Llegadas fallidas
Tabla 4.65
Tabla 4.66
En esta tabla se puede apreciar de mejor manera el impacto positivo de la contratacin de un mdico ms para el
Centro de salud, el tiempo en el sistema bajo de 108.02 a 69.46 minutos, el tiempo de espera cay de 55 a 25.22 minutos
y el tiempo de operacin prcticamente no sufri cambio de 31.17 a 30.98 minutos.
Pgina 234
Simulacin, anlisis y modelacin de sistemas discretos; un enfoque prctico
Tabla 4.67
Variables
Tabla 4.68
Aqu se puede ver que se increment la atencin a los pacientes que van a consulta general de 50 a 61 (que es dnde
se tiene el impacto ms fuerte) los pacientes que van a consulta con el dentista se increment de 13 a 14 y urgencias se
increment de 10 a 13 en el turno vespertino del Centro de Salud.
Se recomienda gestionar la contratacin de un mdico general adicional para que el Centro de Salud ofrezca un
servicio ms eficiente con ms calidad y a su vez se incremente la productividad del sistema considerado.
Con base en los objetivos especficos, se puede decir que se cumplieron ampliamente ya que en los reportes de
salida se consideraron todos estos y otras medidas estadsticas adicionales que apoyaron fuertemente en la
recomendacin hecha anteriormente.
Por su parte en el objetivo general, en el cual se plante desarrollar un modelo de simulacin para el Centro de
Salud Rural de Cuauhtmoc, Colima, especficamente en las reas de enfermera, medicina y farmacia, se concluye que
efectivamente se realiz este con xito el cual se pudo correr y analizar adecuadamente para proponer alguna alternativa
de mejora que lo hiciera ms eficiente y productivo.
Nota: La informacin estadstica que refuerza las recomendaciones y la conclusin de los objetivos se mencion en el
punto 4.4.1.
Pgina 235
Anexos
237
Valores crticos para la Distribucin X2
grados
de
2 2 2 2 2 2
libertad 0.10 0.05 0.025 .1 0.005 0.001
1 2.706 3.841 5.024 6.635 7.879 10.828
2 4.605 5.991 7.378 9.210 10.597 13.816
3 6.251 7.815 9.348 11.345 12.838 16.266
4 7.779 9.488 11.143 13.277 14.860 18.467
5 9.236 11.070 12.833 15.086 16.750 20.515
6 10.645 12.592 14.449 16.812 18.548 22.458
7 12.017 14.067 16.013 18.475 20.278 24.322
8 13.362 15.507 17.535 20.090 21.955 26.124
9 14.684 16.919 19.023 21.666 23.589 27.877
10 15.987 18.307 20.483 23.209 25.188 29.588
11 17.275 19.675 21.920 24.725 26.757 31.264
12 18.549 21.026 23.337 26.217 28.300 32.909
13 19.812 22.362 24.736 27.688 29.819 34.528
14 21.064 23.685 26.119 29.141 31.319 36.123
15 22.307 24.996 27.488 30.578 32.801 37.697
16 23.542 26.296 28.845 32.000 34.267 39.252
17 24.769 27.587 30.191 33.409 35.718 40.790
18 25.989 28.869 31.526 34.805 37.156 42.312
19 27.204 30.144 32.852 36.191 38.582 43.820
20 28.412 31.410 34.170 37.566 39.997 45.315
21 29.615 32.671 35.479 38.932 41.401 46.797
22 30.813 33.924 36.781 40.289 42.796 48.268
23 32.007 35.172 38.076 41.638 44.181 49.728
24 33.196 36.415 39.364 42.980 45.559 51.179
25 34.382 37.652 40.646 44.314 46.928 52.620
26 35.563 38.885 41.923 45.642 48.290 54.052
27 36.741 40.113 43.195 46.963 49.645 55.476
28 37.916 41.337 44.461 48.278 50.993 56.892
29 39.087 42.557 45.722 49.588 52.336 58.301
30 40.256 43.773 46.979 50.892 53.672 59.703
Fuente: Valores calculados con Excel.
238
Valores crticos de la prueba de Kolmogorov-Smirnov
grados
de D =0.10 D =0.05 D =0.01
libertad
1 0.950 0.975 0.995
2 0.776 0.842 0.929
3 0.642 0.708 0.828
4 0.564 0.624 0.733
5 0.510 0.565 0.669
6 0.470 0.521 0.618
7 0.438 0.486 0.577
8 0.411 0.457 0.543
9 0.388 0.432 0.514
10 0.368 0.410 0.490
11 0.352 0.391 0.468
12 0.338 0.375 0.450
13 0.325 0.361 0.433
14 0.314 0.349 0.418
15 0.304 0.338 0.404
16 0.295 0.328 0.392
17 0.286 0.318 0.381
18 0.278 0.309 0.371
19 0.272 0.301 0.363
20 0.264 0.294 0.356
25 0.250 0.270 0.320
30 0.220 0.240 0.290
35 0.210 0.230 0.270
Para
valores . . .
mayores a
35
239
Generadores para distribuciones de probabilidad en ProModel
Las siguientes expresiones se muestran como se codifican las distribuciones tericas de
probabilidad en el software ProModel.
240
Bibliografa
GARCA DUNNA Eduardo, GARCA REYES Heriberto, CRDENAS BARRN Leopoldo
E., (2006). Simulacin y anlisis de s istemas con ProModel. Primera edicin. Mxico.
Pearson Prentice Hall.
HARREL Charles R., GHOSH Biman K., BOWDEN Royce O., (2004). Simulation using
ProModel w/CD Rom (Hardcover). Second Edition. United States of America. McGraw-Hill.
241