Objetivos

Aplicar los mtodos cuantitativos para la toma de decisiones.

Entender y aplicar los modelos de simulacin.

(Render, Stair & Hanna, 2009).

Temas Principales a Estudiar

Ventajas y desventajas de la simulacin
Simulacin de Mtodo de Montecarlo
Simulacin y anlisis de inventarios
Simulacin con problemas de lneas de espera
Modelos de simulacin de incremento de tiempo fijo y de
incremento de prximo evento
Modelos de simulacin de un mantenimiento
Otros dos tipos de modelos de simulacin
Verificacin y validacin
Papel de la computadora en la simulacin

Resumen

Modelacin de Simulacin

Introduccin

La simulacin es una de las herramientas de anlisis cuantitativo de

mayor uso. Cerca de la mitad de las grandes corporaciones en los
Estados Unidos hacen uso de sta para la planificacin corporativa.

Simular es tratar de duplicar las caractersticas, los componentes y la

apariencia de un sistema real. Para esto se construye un modelo
matemtico que represente tan cercano como sea posible la realidad del
sistema.

Tambin se pueden construir modelos fsicos para verificar los sistemas.

La idea detrs de la simulacin es imitar matemticamente una situacin
de la vida real. De esta manera se puede estudiar sus propiedades y
caractersticas de operacin, sacar conclusiones y tomar decisiones.

Al usar la simulacin un gerente debe:

 1. Definir el problema
2. Introducir las variables asociadas con el problema
3. Construir un modelo matemtico
4. Definir posibles cursos de accin para verificarlo
5. Correr el experimento
6. Considerar los resultados
7. Decidir qu curso de accin tomar

Ventajas y Desventajas de la Simulacin

Es til porque:

1. Es relativamente directa y flexible

2. Los avances recientes en el rea de programas de computadora
hacen los modelos de simulacin muy fciles de desarrollar
3. Se puede usar para analizar situaciones del mundo real grandes y
complejas
4. Permite preguntas de Qu-pasa-Si?
5. No interfiere con los sistemas reales
6. Permite estudiar las interacciones entre los componentes
7. Permite la compresin
8. Permite la inclusin de complicaciones del mundo real

Las principales desventajas son:

1. A menudo es costosa ya que requiere procesos largos y

complicados para desarrollar el sistema
2. No genera soluciones ptimas, es un proceso de prueba y error
3. Requiere que los gerentes generen todas las condiciones y
restricciones de los problemas del mundo real
4. Cada modelo es nico y las soluciones e inferencias usualmente
no son trasferibles a otros problemas

Simulation de Monte Carlo

Cuando los sistemas contienen elementos que exhiben probabilidades en

su comportamiento, el mtodo de simulacin de Monte Carlo se puede
aplicar. Algunos ejemplos:

Demanda de inventario
 Tiempo promedio de uso (lead time) del inventario
Tiempo entre fallas de mquinas
Tiempos de servicio
Tiempo para completar las actividades de un proyecto
Nmero de empleados ausentes

La base de la simulacin de Monte Carlo es la experimentacin en los

elementos probabilsticos a travs del muestreo al azar. Esta se basa en
los cinco pasos siguientes:

1. Determinacin de una distribucin probabilstica para variables

importantes
2. Construccin de una distribucin probabilstica cumulativa para
cada variable
3. Establecimiento de un intervalo de nmeros aleatorios para cada
variable
4. Generacin de los nmeros aleatorios
5. Simulacin real de un nmero de intentos

QM para Windows y Excel se pueden usar para la simulacin de Monte

Carlo.

Simulacin y Anlisis de Inventarios

Anteriormente se estudiaron los modelos de inventarios determinsticos

donde se asume que la demanda de los productos as como el tiempo
promedio para reodenar son valores conocidos y constantes. En muchas
situaciones de la vida real la demanda y el tiempo promedio de uso
(lead time) son variables. Si la ayuda de la simulacin es muy difcil
calcular anlisis precisos.

Se presenta un ejemplo (ver presentacin en PowerPoint) en donde se

analiza un problema de inventarios con dos variables de decisin y dos
componentes probabilstico: El propietario de una ferretera desea
establecer las decisiones de cantidad de pedido y punto de reorden para
un producto que tiene una demanda diaria probabilstica y un tiempo
promedio de reorden.

Simulacin de un Problema de Lnea de Espera

La modelacin de una lnea de espera es una aplicacin de simulacin
muy importante. Las suposiciones de un modelo de lneas de espera son
muy restrictivas. Algunas veces la simulacin es el nico enfoque que se
puede utilizar.

Se presenta un ejemplo (ver presentacin en PowerPoint) en donde las

llegadas no siguen una distribucin de Poisson y las tasas de descargue
no son exponenciales ni constantes.

Los problemas de lneas de espera se pueden modelar en QM para

Windows y Excel.

Modelos de Simulacin de Incremento de Tiempos Fijos y de Prximo

Evento.

Los modelos de simulacin a menudo se clasifican como modelos de

incremento de tiempo fijo y modelos de incremento de prximo evento.
Estos trminos se refieren a la frecuencia en la cual el estado del
sistema se actualiza.

Los incrementos de tiempo fijo actualizan el estado del sistema a

intervalos de tiempo fijo. Los modelos de incremento de prximo evento
actualizan el sistema slo cuando el estado del sistema cambia.

Los modelos de evento fijo aleatoriamente generan el nmero de

eventos que ocurren durante un perodo de tiempo. Los modelos de
prximo evento generan aleatoriamente el tiempo que transcurre hasta
cuando ocurre el prximo evento.

Modelo de Simulacin para una Poltica de Mantenimiento

La simulacin se puede usar para analizar diferentes polticas de

mantenimiento antes de implementarlas realmente. Muchas opciones
que consideran niveles de asesoras, programacin de partes de
reemplazo, tiempo de equipos fuera de servicio y costos de mano de
obra es posible compararlas con la simulacin. Esto incluye hasta el
cierre completo de una plata para mantenimiento
Se presenta el anlisis de una situacin que encara una compaa
generadora de energa elctrica para analizar el problema administrativo
de las fallas de los equipos generadores.

Otros Dos Tipos de Modelos de Simulacin

Los Modelos de simulacin a menudo se clasifican en tres categoras:

Mtodo de Monte Carlo

Juegos Operacionales y

Simulacin de Sistemas

Aunque tericamente diferentes, la simulacin computadorizada tiende a

esconder esas diferencias.

Juegos Operacionales

Estos hacen refencia a una simulacin que implica la competencia entre

dos o ms jugadores. Los mejores ejemplos son los juegos militares y
los juegos gerenciales. Estos tipos de simulacin permiten las pruebas
de las habilidades y toma de decisiones en un ambiente competitivo.

Simulacin de Sistemas

Esta es similar a las otras en el sentido que permite a los usuarios

verificar las diversas polticas y decisiones gerenciales para evaluar su
efecto en el ambiente operacional. Este tipo de simulacin modelan la
dinmica de sistemas grandes.

Un sistema operativo corporativo puede modelar ventas, niveles de

produccin, polticas de mercadeo, inversiones, contratos con los
sindicatos, factores de utilidad, finanzas y otros factores.

Las simulaciones econmicas, a menudo denominadas modelos

economtricos, son usadas por los gobiernos, la banca y grandes
organizaciones para predecir tasas de inflacin, suministro de dinero
domstico y extranjero y niveles de desempleo.
La simulacin de un sistema econmico tpico incluye insumos o
entradas tales como: Niveles de impuestos sobre los ingresos, tasas de
impuestos corporativos, tasas de inters, gasto gubernamental y
polticas de comercio exterior. A su vez genera salidas o resultados tales
como: Producto nacional bruto, tasas de inflacin, tasas de desempleo,
suministros de dinero y tasas de crecimiento de la poblacin.

Verificacin y Validacin

Es importante que los modelos de simulacin sean verificados para ver

si trabaja propiamente y si provee una buena representacin de una
situacin del mundo real.

El proceso de verificacin comprende la determinacin del modelo de

computadora que sea internamente consistente y que siga la lgica del
modelo conceptual. La verificacin debe contestar la pregunta
Construmos el modelo correctamente?

La validacin es el proceso de comparar un modelo de simulacin con el

sistema real que representa para estar seguro que es preciso. La
validacin responde la pregunta Construmos el modelo correcto?.

Papel de las Computadoras en la Simulacin

Las computadoras son crticas en tareas complejas de simulacin. Tres

tipos de lenguajes de programacin de computadoras estn disponibles
para los procesos de simulacin:

Lenguajes de Propsito-General
Lenguajes de Simulacin de Propsito-Especial: Estos requieren
menos programacin, son ms eficientes y ms fciles para
verificar los errores y tienen generadores propios de nmeros
aleatorios.
Programas de Simulacin Pre-Escritos construdos para manejar
un gran nmero de problemas comunes. Excel y programas de
add-ins se pueden usar para problemas de simulacin.

(Render, Stair & Hanna, 2009).

Trminos Claves
Fixed Time Increment Model
Flow Diagram, or Flowchart
General-Purpose Languages
Monte Carlo Simulation
Operational Gaming
Prewritten Simulation Programs
Radom Number
Radom Number Interval
Simulation
Special-Purpose Simulation Languages
Systems Simulation
Validation
Verification

Material de Referencia para Estudio

Libro de texto de Render, Stair & Hanna (2009), C15.
http://www.sg.inter.edu/mis/badm5010/gmc-unid-06.htm

Simulacin de lneas de espera.

Al principio de este libro se mencion que el tipo de simulacin que

realizaramos es de procesos dinmicos discretos. En esta parte
veremos precisamente la aplicacin de la simulacin a procesos
discretos de lneas de espera e inventarios, sustancialmente. En el
desarrollo del marco terico de la simulacin se han establecido dos
puntos de vista relativos a la consideracin o tratamiento de los eventos
discretos . En el primer punto de vista, orientado al proceso la atencin
se centra en las entidades del sistema y se considera a la simulacin
como la tarea de seguir los cambios que ocurren conforme las entidades
pasan de una actividad a otra. El segundo punto de vista, al que se le
refiere como orientado al evento o basado en la mquina, la atencin se
centra en las actividades conforme se aplican a distintas entidades.

EJEMPLO 3. A continuacin se presentan dos versiones de la simulacin

del funcionamiento de una gasolinera segn el enfoque de flujo de
proceso y una con el enfoque de la programacin de eventos . (El lector
ya tendr conocimiento de que la programacin y por tanto el trazado de
diagramas tiene que ver con la personalidad individual de quin la
realiza. Lo importante es lograr plasmar la lgica del proceso en el
diagrama).
Es importante hacer notar que la ejecucin de una simulacin se
mantiene igual sin importar el punto de vista que se tome.
El mecanismo de tiempo reloj.

En el proceso de la simulacin se requiere llevar registros de todas las

actividades que se ejecuten y de las entidades involucradas, y se deben
de actualizar repetidamente para reflejar la sucesin de la ocurrencia de
los eventos en el sistema. Para eso se requiere de un dispositivo que
registre los tiempos de eventos futuros de acuerdo a la evolucin de la
simulacin.

El registro del tiempo se hace con un mecanismo virtual que reconoce

como tiempo reloj (CLOCK). Al inicio de una corrida de simulacin, como
parte de las condiciones iniciales se le da el valor de cero para ir
registrando las unidades de tiempo simulado que han transcurrido desde
que la simulacin esta corriendo.

Se consideran dos mecanismos para el registro del tiempo reloj. El

primero que se conoce como avance variable de tiempo, consiste en
avanzar el reloj a la hora a que debe de ocurrir el siguiente evento. El
segundo mtodo conocido como incremento fijo de tiempo, consiste en
avanzar el reloj en intervalos pequeos uniformes de tiempo y determinar
en cada intervalo si deben de ocurrir eventos en ese lapso.

La generacin de llegadas exgenas a travs del cordn de botas

(bootstrapping).

La llegada exgena de una entidad se define como un evento y la hora

de llegada de la siguiente entidad se registra como uno de los tiempos
del evento. Cuando el tiempo reloj llega a este tiempo de evento, se
ejecuta el evento de entrada de la entidad al sistema y de inmediato se
calcula el tiempo de llegada de la siguiente entidad con base en la
funcin de distribucin de tiempos entre llegadas. A este proceso se le
denomina cordn de botas.

EJEMPLO 4. La gerencia de operaciones de la compaa transportista

de pasajeros El Gallo Qu, Qu, ha programado la operacin de sus
autobuses de primera clase para que pasen por la poblacin conocida
como El Mango cada quince minutos pero debido a diversas
circunstancias como pueden ser las condiciones climticas y el estado
del camino, el tiempo de arribo de los autobuses a la terminal camionera
de dicha poblacin, sigue una distribucin de probabilidad normal con
media de 15 minutos y desviacin estndar de 3 minutos. El nmero de
asientos vacos en los autobuses se distribuye segn un proceso de
Poisson con tasa media de 1.5 por autobs. Los pasajeros que llegan a
abordar los autobuses lo hacen tambin segn una distribucin de
Poisson con tasa media de 4 por hora. Se supone una disciplina de
servicio del tipo PEPS y adems no se permiten viajeros de pie, as
mismo, los pasajeros que llegan a esperar los autobuses estn
dispuestos a esperar el tiempo que sea necesario para abordar. Se
considera que la empresa proporciona el servicio a una poblacin infinita
y que la capacidad de la sala de espera tambin es infinita. Efecte una
corrida de simulacin para los primeros diez pasajeros y registre el
tiempo reloj, as como una estimacin del tiempo medio de espera de los
pasajeros y la longitud promedio de la cola.

Este problema a pesar de su cotidianeidad, realmente no puede ser

resuelto al menos, fcilmente por mtodos analticos. Entonces
usaremos la simulacin para tener una descripcin del comportamiento
del sistema y basados en el tiempo medio de espera de los pasajeros,
poder tomar decisiones respecto al tiempo entre llegadas de los
autobuses o ms an, respecto de la distribucin del mismo.

Las condiciones iniciales se establecen de manera que se ajusta el

tiempo reloj a cero y se avanzar hasta el tiempo simulado de la primera
llegada ya sea de un pasajero o de un autobs. Tambin se supone que
al inicio de la simulacin no hay pasajeros esperando en la cola.

Como el nmero de pasajeros que llegan al paradero se distribuye segn

un proceso de Poisson, entonces, por las propiedades y relaciones
existentes entre las distribuciones de Poisson y exponencial negativa; el
tiempo entre llegadas de los pasajeros sigue la distribucin exponencial
con media de 15 min. (4 pasajeros / hora = 4 pasajeros / 60 min. = 1
pasajero / 15 min.), el generador de muestras simuladas aleatorias es:

Basados en este generador, a continuacin se realizan los clculos del

tiempo reloj de los eventos correspondientes a las llegadas de los
pasajeros, los cuales se presentan en la siguiente tabla:

Nos.
Tiempo entre Tiempo reloj de
Pasajero Aleatorios
llega-das de los la llegada de
(pax) uniformes
pasajeros (min) los pax (min)
RND
 1 0.428 12.7 12.7

2 0.848 2.5 15.2

3 0.881 1.9 17.1

4 0.494 10.6 27.7

5 0.178 25.9 53.6

6 0.475 11.2 64.8

7 0.231 22.0 86.8

8 0.912 1.4 88.2

9 0.654 6.4 94.6

10 0.417 13.1 107.7

Por otro lado, en lo que se refiere a los asientos vacos en los autobuses,
su funcin de distribucin es la Poisson con una tasa media de ? = 1.5
asientos vacos / autobs. Por tanto el generador de muestras aleatorias
lo obtenemos con la tabla de transformacin inversa, se tiene:

la tabla de frecuencia acumulada de la distribucin de asientos vacos es:

x f(x) F(x)

0 0.223 0.223

1 0.335 0.558

2 0.251 0.804

3 0.125 0.934

4 0.047 0.981

5 0.014 0.995
 6 0.005 1.000

y la tabla de transformacin inversa es:

VALOR
INTERVALO GENERADO
RND DE X Asientos
vacos

0.000 - 0.223 0

0.224 0.558 1

0.559 0.809 2

0.810 0.934 3

0.935 0.981 4

0.982 0.995 5

0.996 1.000 6

Como el tiempo entre llegadas de los autobuses sigue la distribucin

normal con media de 15 min. y su desviacin estndar es de 3 min., el
generador de muestras simuladas aleatorias es:

Basados en la tabla para los asientos vacos y en el generador de

tiempos entre llegadas para los autobuses, a continuacin se realizan los
clculos correspondientes a los eventos tiempo de llegada de los
autobuses y su respectiva disponibilidad de asientos vacos, los cuales
se presentan en la siguiente tabla:

Autobs Nmero Tiempo Tiempo Nmeros Nmero

(bus) aleatorio entre reloj de las aleatorios de
normal llegadas de llegadas de uniformes asientos
 los los
RANORM RND vacos
autobuses autobuses

1 0.542 16.3 16.3 .762 2

2 1.828 20.5 36.8 .121 0

3 -0.008 15.0 51.8 .177 0

4 -0.006 15.0 66.8 .434 1

5 -0.770 12.7 79.5 .625 2

6 -0.598 13.2 92.7 .931 3

7 -0.318 11.0 103.7 .354 1

8 0.733 17.2 120.9 .644 2

9 -0.968 12.1 133.0 .182 0

10 -0.677 13.0 146.0 .309 1

11 -0.379 13.9 159.9 .319 1

12 0.000 15 174.9 .601 2

A continuacin se muestran los resultados de la corrida de la simulacin

realizada con el enfoque al flujo del proceso

Tiempo
reloj de Tiempo Tiempo
Autobs
llegada de reloj de a de espera
Pasajero de
pasajero a bordo del del
abordo
la pasajero pasajero
estacin.

1 12.7 1 16.3 3.6

2 15.2 4 66.8 51.6

3 17.1 5 79.5 51.8

 4 27.7 5 79.5 51.8

5 53.6 6 92.7 39.1

6 64.8 6 92.7 27.9

7 86.8 6 92.7 5.9

8 88.2 7 103.7 15.5

9 94.6 8 120.9 26.3

10 107.7 8 120.9 13.2

Para esta corrida se tiene un tiempo promedio de espera de 29.73 min. y

la longitud de la misma en tiempo fue de prcticamente 2 horas.

Tiempo
Cantidad
reloj de Pasajeros
Longitud Pasajeros de
Autobs llegada a que
de la cola en la cola asientos
la abordan
vacos
estacin

1 16.3 2 1,2 2 1,2

2 36.8 2 3,4 0 -

3 51.8 2 3,4 0 -

4 66.8 4 3,4,5,6 1 3

5 79.5 3 4,5,6 2 4,5

6 92.7 3 6,7,8 3 6,7,8

7 103.7 1 9 1 9

8 120.9 1 10 2 10

Vemos que la longitud promedio de la cola es 2.25 pasajeros.

Considerando un tamao de muestra adecuado, estos resultados pueden
ser usados para apoyar a la gerencia de la empresa a tomar decisiones
que brinden a los usuarios del servicio que prestan la oportunidad y
comodidad en sus viajes en esa lnea.

http://www.sites.upiicsa.ipn.mx/polilibros/portal/Polilibros/P_terminados/SimSist/do
c/SIMULACI-N-152.htm