SIMULACION

definir un problema
DIAGNOSTICO
Planeación T I P OS DE P R O B L E M A S Análisis de
de la Dis Sistemas de
Producción tri Asignación In Pronós- Medio Análisis Producción
de ven Programa- ticos de Ambiente de Líneas
bu
recursos ta ción de Demanda de Espera
ción
limitados rios Actividades

Información Cuantitativa y Cualitativa del Sistema bajo estudio

Seleccionar el Modelo

Modelos Deterministicos Modelos Estocásticos

Programa- Programa- Programación Optimiz Control de Teoría de Teoría de Simulación de
Progra- ción Lineal ción Lineal Dinámica Inventarios Decisiones. Colas Sistemas
Entera por metas Soluciones en . de Soluciones Determinación Estimación de
mación Soluciones Soluciones en Etapas Redes por etapas Pronósticos de tiempos de las medidas de
Lineal Enteras continuas (n+1) Comport. espera y desempeño
orden de distrib. futuro sistema longitud de la
del sistema
Solucio- prioridad cola promedio
optima basado en modelado
nes análisis de
Markov
Reales

HERRAMIENTAS DE INVESTIGACIÓN DE OPERACIONES

¿Qué es la Simulación ?

o Imitación del comportamiento de la

Realidad.
o Herramienta para observar y evaluar el
desempeño de un sistema bajo uno o varios
escenarios propuestos.
o Permite evaluar Alternativas mas no
optimiza.
o Permite hacer análisis tipo ¿Qué pasa si...?
 ¿Qué es la simulación?

o Desarrollo y ejecución de un modelo de un sistema

real.
• Realizada en computadora.
• De ayuda para el diseño de sistemas de
producción, servicios, inventarios y en general
sistemas que no pueden ser tratados con modelos
de optimización.
• Determina una reacción a partir de diferentes
reglas de operación o cambios estructurales.
 ¿Qué es la simulación?

Simulación es imitar matemáticamente

una situación del mundo real, para
luego, estudiar sus propiedades y
características operativas y con ello
obtener conclusiones y tomar decisiones
de acción con base en los resultados de
la simulación.
Ventajas de la simulación

• Permite una mejor comprensión

del mundo real.
• Años de experiencia pueden ser
resumidos en minutos de
simulación.
• No perturba el funcionamiento del
sistema real.
• Es más que un modelo matemático.
• Es una forma de entrenamiento.
EJEMPLO DE SIMULACIÓN PLANTA DE MANUFACTURA
Ejemplos de simulación
o Compañías aeronaúticas suelen construir modelos de
simulación de aviones jet propuestos y, luego, prueban sus
propiedades aerodinámicas.
o Defensa civil realizar prácticas de rescate y evacuación,
cuando simula las condiciones de desastre natural.
o El ejército simula ataques enemigos y estrategias de defensa
con juegos de guerra en la computadora.
o Los estudiantes de negocios utilizan juegos administrativos
para simular situaciones de negocios competitivas reales.
o Miles de empresas, gobiernos y organizaciones de servicio
desarrollan modelos de simulación para ayudar en la toma
de decisiones respecto a control de inventarios, programas
de mantenimiento, distribución de planta, inversiones y
pronósticos de ventas.
 Desventajas de la simulación

o No hay garantía de que el modelo proporcione respuestas

adecuadas.
o No hay manera de probar una confiabilidad total.
o Puede tomar mucho tiempo la construcción del modelo de
simulación.
o La simulación no genera soluciones óptimas.
o Cada modelo de simulación es único.
o Es menos exacta que los modelos matemáticos.
Pasos para elaborar un modelo de Simulación :
• Definir el problema
• Identificar los elementos variables o datos de
entradas, resultados.
• Construir el modelo de simulación
• Especificar los valores de las variables que se van a
probar
• Realizar la simulación
• Examinar los resultados
• Elegir el mejor curso de acción
DIAGRAMA DE UN MODELO DE SIMULACIÓN
MODELOS DE SIMULACIÓN

• El método Montecarlo

• Juego operativos

• Simulación de sistemas
 SIMULACIÓN MONTECARLO

Cuando un sistema contiene elementos que exhiben azar en su

comportamiento, se puede aplicar el método Monte Carlo de
simulación.

La idea básica en la simulación Monte Carlo es generar valores de las

variables que forman el modelo que se estudia. En los sistemas reales
hay muchas variables que tienen naturaleza probabilística y que
podemos querer simular. Unos cuantos ejemplo de estas variables son:

• La demanda de un inventario diaria o semanal

• El tiempo de entrega para las órdenes del inventario
• Los tiempos entre descomposturas de las máquinas
• Los tiempos entre llegadas a las instalaciones de servicio
• Los tiempos de servicio
• Los tiempos para terminar las actividades de un proyecto
• El número de empleados ausentes en el trabajo cada día
 SIMULACIÓN MONTECARLO

La base de la simulación Monte Carlo es la experimentación sobre los

elementos posibles (o probabilísticos) mediante el muestreo aleatorio.
La técnica se compone de cinco pasos sencillos:

1. Establecer las distribuciones de probabilidad para las variables

importantes de entrada.

2. Elaborar una distribución de probabilidad acumulada para cada

variable del paso 1.

3. Establecer un intervalo de números aleatorios para cada

variable.

4. Generar números aleatorios.

5. Simular una serie de pruebas.

 EJEMPLO 1. SIMULACIÓN DE UNA DEMANDA DIARIA

Lima Caucho vende todo tipo de neumáticos. pero una

llanta radial popular es responsable de una gran parte de
las ventas generales . Al reconocer que los costos de
inventario pueden ser significativos con este producto, se
quiere determinar una política para administrar dicho
inventario . Para ver cómo estaría la demanda durante
un periodo, desea simular la demanda diaria para cierto
número de días.
EJEMPLO 1. SIMULACIÓN DE UNA DEMANDA DIARIA

Datos Distribución de probabilidad y probabilidad acumulada

Demanda Frecuencia Value Frequency Cumulative
Probability Probability
0 10 0 10 0.05 0.05
1 20 1 20 0.10 0.15
2 40 2 40 0.20 0.35
3 60 3 60 0.30 0.65
4 40 4 40 0.20 0.85
5 30 5 30 0.15 1

Generación de números aleatorios y simulación Resultado de la simulación

Trial Random Number Value Simulation results
1 76.22810274 4
Simulation Occurences *
2 49.17797168 3 Value Occurrences Percentage Value
3 91.06845853 5 0 0 0 0
4 56.01968331 3 1 0 0 0
5 83.31143397 4 2 3 0.3 6
6 15.72215313 2 3 2 0.2 6
7 77.96229296 4 4 3 0.3 12
8 28.23463478 2 5 2 0.2 10
9 93.48934341 5 Totals 10 1 34
10 34.01713114 2 Average 3.4
EJEMPLO 2