SIMULACIN DE SISTEMAS DE MANUFACTURA

En la actualidad existen en el Mercado aplicaciones con

interfase graficas tan ponderosas que permiten a
muchos usuarios con inclinaciones tcnicas desarrollar
modelos en el rea de la simulacin.

Un inconveniente es que los usuarios es que ponen

muy poca atencin al anlisis correcto de los resultados,
por lo cual muchos estudios son interpretados de
manera errnea conduciendo a tomar decisiones
errneas.
 Existen personas
que despus de
similar un Sistema El nmero de piezas
estocstico que se acumulan ante
aseguran de manera una maquina es tan
bastante ingenua solo el promedio de la
que el resultado de variable, dejando de
la variable de lado un complete
respuesta es un anlisis estadstico de
valor nico. dicha variable.

.
 Tienen como caracterstica principal la ocurrencia de
un evento que da por terminada la simulacin.
*

Ejemplo:
Supongamos que nos interesa conocer el tiempo que
* lleva procesar un lote de 10 piezas.

Entonces el anlisis estadstico recomendado para

este tipo de simulacin involucra la utilizacin de
intervalos de confianza y la determinacin de la
* distribucin de probabilidad de la variable de salida.
 Debido a la naturaleza aleatoria de los
Intervalo resultados de este tipo de modelos, es
necesario determinar su distribucin de
de confianza probabilidad y su intervalo de confianza.

Variable

aleatoria =

, , +

,
sigue una

distribucin
normal
r= Nmero de Variable
Replicas
= nivel de rechazo
aleatoria = X
, +

X= media con otra /2 /2

S= desviacin distribucin
estndar
EJEMPLO

Los resultados de 10 rplicas de la simulacin de un sistema de inventario promedio en

un almacn son: 190.3, 184.2, 182.4, 195.6, 193.2, 190.5, 191.7, 188.5, 189.3, 188.4.
Determinar el intervalo de confianza con un nivel de aceptacin de 95 por ciento.
La media y la desviacin estndar de la muestra son:
x = 189.41
s = 3.916
BAJO LA PREMISA DE QUE EL INVENTARIO PROMEDIO
SIGUE UNA DISTRIBUCIN NORMAL, EL INTERVALO DE
CONFIANZA SE CALCULARA DE LA SIGUIENTE FORMA:

= X ,1 , +
2 2 ,1

3.916 3.916
= 189.41 0.025,9 , 189.41 + 0.025,9
10 10

3.916 3.916
= 189.41 2.685 , 189.41 + 2.685
10 10

= 186.08 , 192.73 Piezas promedio en el almacn

SI LA VARIABLE ALEATORIA NO FUERA NORMAL, O SI LA
SUPOSICIN DE NORMALIDAD SE CONSIDERARA
INADECUADA, EL INTERVALO DE CONFIANZA SE
CALCULARA AS:

= X , +
/2 /2

3.916 3.916
= 189.41 , 189.41 +
10 0.025 10 0.025

= 181.57 , 197.24 Piezas promedio en el almacn

CONCLUSIN

En consecuencia, si la variable aleatoria sigue una distribucin normal y

realizamos 100 rplicas del experimento, esperamos que el resultado de
95% de las mismas se encuentre entre 186.08 y 192.73, a diferencia de lo
que ocurrira en una variable no normal, en donde tras 100 rplicas del
experimento esperamos que 95% de ellas se encuentren entre 181.57 y
197.24, lo cual implica mucho menos exactitud.
 4.2 SIMULACIONES NO TERMINALES O DE ESTADO
ESTABLE.
Involucran una ocurrencia de la simulacin en la que no se deba finalizar en el tiempo.

Simulacin para conocer el

numero de maquinas que
deban instalarse en un
sistema de produccin cuya
operacin tiene que
mantenerse activa durante
todo el ao.
 LONGITUD DE LAS REPLICAS
Para que una variable aleatoria se estabilice, es necesario que sus
rplicas sean lo suficientemente grandes para no diferir de cierta
exactitud. Donde
= Desviacin Estndar
= estadstico de prueba
2
=Rango
2 = Nivel de aceptacin
=

EJEMPLO

Determinar la longitud de la rplica para estimar, dentro de un rango de 2, el valor de

una variable normal con desviacin estndar 4 y un nivel de aceptacin de 5 por ciento.
Solucin.

2
= 2

40.025 2
=
2

= 2(1.96) 2 = 15.36
= .
 MODELOS DE SIMULACIN

MODELO DE UNA LNEA DE ESPERA CON UN SERVIDOR

Ejemplo 4.8

El tiempo que transcurre entre la llegada de ciertas piezas a una

estacin de inspeccin sigue una distribucin exponencial con
media de 5 minutos/pieza. El proceso est a cargo de un operario,
y la duracin de la inspeccin sigue una distribucin normal con
media de 4.0 y desviacin estndar de 0.5 minutos/pieza. Calcular
el tiempo promedio de permanencia de las piezas en el proceso
de inspeccin.
Para solucionar el problema anterior se debe:
1. Construir una tabla de eventos en la que se
describa la relacin entre las variables
involucradas en el proceso. Para la
construccin de dicha tabla es preciso
identificar los elementos que se listan a
continuacin.
2. Definir las
relaciones lgico-
matemticas
entre los
elementos;
describen, por
ejemplo, las
siguientes
relaciones:
 El tiempo entre llegadas es una variable
aleatoria, simulada utilizando el generador
RAND( ) o ALEATORIO( ) de la hoja de clculo
de Excel y la funcin generadora de variables
exponenciales f = -5 ln(1 - r),

El fin de la inspeccin se calcula El evento tiempo de llegada

sumando el tiempo de de la pieza corresponde al
inspeccin (4) al tiempo valor acumulado de la
de inicio de la inspeccin (3). columna (1).

El tiempo de inspeccin es una variable Tomando en cuenta que solamente

aleatoria normal con media 4 y desviacin
estndar 0.5, generada mediante la funcin
interna normal acumulada
inversa (NORMINV o DISTNORMINV) y
como probabilidad el generador
de nmeros aleatorios RAND( ) o
ALEATORIO( ).
existe un operario encargado de la tarea,
el inicio de la inspeccin puede ocurrir
cuando la pieza entra al sistema, en caso
de que el operario est ocioso (2), o
bien cuando termina de inspeccionar
la pieza anterior (5).
 Si bien no forma parte del
objetivo del ejemplo, tambin
es posible determinar
La variable tiempo en el tiempo de espera de una
inspeccin se calcula, pieza antes de ser
finalmente, como la diferencia inspeccionada, ya que es
entre el tiempo de llegada (2) y
igual a la diferencia entre el
el fin de la inspeccin (5).
tiempo de inicio de inspeccin
(3) y el tiempo de
llegada de la pieza (2).
Esta ltima columna permite
calcular el tiempo promedio
de inspeccin como
promedio mvil: cada vez que
una nueva pieza es simulada, el
tiempo
promedio de inspeccin se
recalcula.
 Variable Valor cuando la Tiempo de
aleatoria, acumulado pieza entra inspeccin es 4+3 5-2 3-2
f = -5 ln(1 - r) de la al sistema, una variable
columna 1 2o5 aleatoria
normal con
media 4 y
desviacin
estndar 0.5
3. Una vez definidas las relaciones se simula el proceso,
teniendo cuidado de que el tamao de la rplica o
experimento sea lo suficientemente grande para
asegurar la estabilidad del resultado final.
4.3.2 MODELO DE UN PROCESO DE ENSAMBLE E INSPECCIN

Dos barras metlicas de diferente longitud son unidas mediante un proceso de

soldadura para formar una barra de mayor longitud. La longitud del primer
tipo de barra sigue una distribucin uniforme entre 45 y 55 cm. La longitud del
segundo tipo de barra sigue una distribucin 4 Erlang con media de 30 cm. Las
especificaciones del producto final son de 80 10cm. Determinar el
porcentaje de barras fuera de la especificacin.

1.- Identificacin de elementos

2.- Construccin de la tabla de eventos
3.- Simulacin del Sistema
4.- Construccin de la Grfica de
Estabilizacin
5.- Replicas
6.- Anlisis estadstico de la variable de estado
 Identificacin de elementos

Construccin de la tabla de
eventos
Simulacin del Sistema
 Construccin de la grfica de
estabilizacin

Muestra la informacin de probabilidad, y permite

visualizar que la replica entra a la zona de estado
estable despus de 200 ensambles.

Replicas

Resultados al replicar el experimento 42 veces, modificando

los nmeros pseudoaleatorios.
 Anlisis estadstico de las
variables de estado

Realizado con la ayuda de la herramienta STAT::FIT,

de promodel.

Media: 0,509
Desviacin estndar: 0,0175
Valor mnimo en la muestra: 0,46
Valor mximo e la muestra: 0,54
Coeficiente de asimetra: -0,124
Curtosis: 0,014
 MODELO DE UN SISTEMA DE INVENTARIO

La demanda de azcar en una tienda sigue una distribucin exponencial con media de 100 kg/da.
El dueo de la tienda revisa el inventario cada 7 das, y hace un pedido a la planta igual a la
capacidad de la bodega menos la cantidad de azcar que tiene disponible en ese momento; la
entrega es inmediata. La demanda no surtida por falta de existencias representa ventas perdidas.
La capacidad de almacenamiento de la bodega es de 700kg. El costo de ordenar es de
$1000/orden. El costo de faltante es de $6/kg, y el costo de llevar el inventario es de $1/kg.
Determinar el comportamiento del inventario a lo largo del tiempo y el costo promedio/da para
un horizonte de dos meses.
DEFINIMOS LOS ELEMENTOS DEL SISTEMA

Variable de estado Inventario en el almacn

Entidades Clientes
Evento Demanda
Ventas
Entrega de material por parte del
proveedor
Actividades Clculo de los costos
 INTERVALOS DE CONFIANZA

PROMEDIO DESVIACIN /2
= NIVEL DE RECHAZO
291,68 24,17758572 0,05

= [ , + ]
2 2

24,1775 24,1775
= [291,68 , 291,68+ ]
50,05 50,05

= [243,325 , 340,035 ] $/da

Costo promedio de operacin de la tienda

 Los programas de simulacin se elaboraban utilizando
algn lenguaje de propsito general

ASSEMBLER FORTRAN ALGOL LP/1

Aparecen los lenguajes especficos para simulacin

Permiten a los programadores desarrollar modelos de forma rpida
Incorporaban mdulos estandarizados

GPSS GASP SLAM SIMSCRIPT SIMAN

 Generales:
Hojas de clculo
Visual Basis
C++
FORTRAM

Especficos de simulacin:
Nacen simuladores GPSS
Aparecen las interfaces que facilitan la SLAM
grficas programacin de los SIMAN
modelos SIMSCRIPT
GAS
SSED
Del simulador
Hay que utilizar la Para objetivos especficos:
escogido depender el
aplicacin que mejor SIMPROCESS
tiempo de desarrollo
se adecue al tiempo ProModel
del modelo de
del sistema a simular Witness
simulacin
Taylos II
Crystal Ball
 Los mercados Inclusin de
Requerimientos
primarios a los herramientas
de equipo
que atender complementarias

Administracin Plataforma Para realizar:

estratgica Sistemas Pruebas de bondad de ajuste en
Logstica operativos forma automtica
Telecomunicacin RAM Anlisis de las variables de respuesta
Manufactura Utilizacin de disco Creacin de diseos de
Sistemas militares duro experimentos
Anlisis de riesgos Optimizacin del sistema simulado
Manejo de materiales
 Costo y tipo de
Animacin del Otras
licencia
sistema consideraciones
Considerando otorgada
aspectos como:

Soporte
Velocidad
tcnico Distribucin a
otros usuarios
Usos de Facilidad de
diferentes vistas entrenamiento

Facilidad de Uso de
exportacin manuales Capacidad de
la empresa
para actualizar
Compatibilidad Ayudas en lnea el producto
 Analytica AnyLogic 5.0 Arena AutoMod PASION ProcessModel
Simulation
Crystal Ball DecisioPro eM-Plant Enterprise ProVision SAIL
Dynamics 5.0

DecisionScript Extend Factory FirstSTEP ShowFlow ProModel

Explorer Designer

Flexsim GAUSS GoldSim GPSS VisSim SAS Software

MAST Micro Saint Mystrategy NAG SMP PIMSS System SIMUL8
Library

Resource SIGMA Witness SLIM SIMPROCESS

Manager