You are on page 1of 11

Análisis de

Resultados
Simulación de procesos industriales
Ing. Eduardo López Sandoval
eduardo.lopezs@usil.pe
Tipos de simulaciones en los que se aplica el
análisis de resultados
• Simulaciones de estado terminal.
• El modelo dicta condiciones específicas de inicio y de
fin como un reflejo natural de cómo opera realmente el
sistema objetivo.
• Ejemplo: Simular el proceso de atención de clientes en
una agencia bancaria un día lunes (La agencia bancaria
inicia vacía y sin clientes, y culmina cuando haya
atendido a todos los clientes que ingresaron)
• Simulaciones de estado estable.
• El modelo no tiene condiciones específicas de inicio y
de fin. Las cantidades a estimar se definen en un marco
de tiempo teóricamente infinito.
• Ejemplo: Simular el proceso de atención de clientes en
una agencia bancaria en hora punta.
¿Qué tan confiables son los
resultados obtenidos en una
sola corrida del modelo?
• Los resultados de una simulación son
aleatorios debido a que sus datos también lo
son.
• Por lo tanto, no se debe analizar ni hacer
conclusiones a partir de los resultados
obtenidos en una sola corrida del modelo;
puesto que si cambiamos los números
aleatorios, los resultados serán otros.
• Por ejemplo: Si usted quisiera estimar qué
porcentaje de estudiantes en la universidad
son de provincia, ¿Sería suficiente con
preguntar únicamente a sus compañeros de
clase?
• Entonces ¿qué se debe hacer?
¡Emplear inferencia estadística!
• TODOS los valores posibles de
un indicador de desempeño son
imposibles de obtener porque
son infinitos.
• Por lo tanto, se debe tomar una
muestra representativa de
dichos valores; de modo que la
información que se obtenga de
la muestra permita obtener
conclusiones válidas sobre el
verdadero valor del indicador.
• Sin embargo, estas
conclusiones se
circunscriben a un nivel de
confianza y a un margen de
error.
Analizando resultados con validez
estadística

Una réplica ✓Múltiples réplicas


Valores puntuales ✓Intervalos de confianza
(Si se cumple la normalidad)
Intervalo de confianza
• Sea X un indicador de desempeño del sistema.
Suponiendo que X tiene distribución normal,
su intervalo de (1 - ) % de confianza es:
𝒔
ഥ ± 𝒕𝒏−𝟏,𝟏−𝜶/𝟐
𝑿
𝒏
• Siendo:
• 𝒏: Número de réplicas o número de corridas.
ഥ : Valor promedio del indicador obtenido de las 𝑛
• 𝑿
réplicas.
𝒔
• 𝒕𝒏−𝟏,𝟏−𝜶/𝟐 : Margen de error absoluto (half
𝒏
width).
Interpretación:

• Se puede afirmar que


con un (1 - )% de
seguridad, el
verdadero valor del
indicador se
encuentre dentro de
dicho intervalo.
Cálculo (aproximado)
del número de
réplicas deseado:
𝟐
𝒉𝟎
𝒏 ≅ 𝒏𝟎
𝒉
• Siendo:
• 𝒏𝟎 : Número de
réplicas iniciales o
piloto.
• 𝒉𝟎 : Margen de error
absoluto obtenido
con las no réplicas.
• 𝒉 : Margen de error
deseable (ℎ < ℎ0)
Comparación
estadística
• Sean dos modelos A y B.
• Se desea analizar si
existen diferencias
significativas en los
valores de un cierto
indicador de desempeño,
normalmente distribuido.
• Datos adicionales:
• Nivel de confianza.
• Número de réplicas.
Procedimiento:
Se calcula el intervalo de
confianza del indicador
en ambos modelos

[ A ] [ B ]
Se hace la intersección
-∞ +∞
de los dos intervalos
“El valor del indicador en B
es significativamente mayor
que en A”

¿Nulo o Hay diferencias
vacío? significativas:
[ B ] [ A ]
NO
-∞ +∞
1 “El valor del indicador en A
es significativamente mayor
que en B”
1

Se emplea secuencia
común de números
aleatorios en las llegadas
de las entidades en
ambos modelos

Se calcula el intervalo de
confianza de la [ A–B ]
diferencia de los valores: -∞ 0 +∞
A–B “El valor del indicador en A
es significativamente mayor
que en B”
NO Hay diferencias
¿Contiene
al cero? significativas
[ A–B ]

-∞ 0 +∞
No hay diferencias “El valor del indicador en B
significativas: es significativamente mayor
“empate técnico” que en A”