Professional Documents
Culture Documents
/ med(x) =
x!
f(x)
e
-
T T T T T
X=4 X=2 X=1 X=5 X=0
t
1
t
2
t
3
t
4
t
5
t
6
t
7
t
8
t
9
t
10
t
11
1 1 1 1 1 1 1 1 1 1 1
x ~ Poiss()
t ~ Exp(1/)
Si t
i
~ Exp(1/) entonces t = - (1/)ln(1-#r)
Luego x = max {i : Et
i
s T < Et
i
} ~ Poiss()
i i+1
0 0
UNI-FIIS<Simulacin de Sistemas>
Uniforme Discreta (UD)
X =
a1 si 0 s #r s 1/n
a2 si 1/n < #r s 2/n
a3 si 2/n < #r s 3/n
...
an si n-1/n < #r s1
a1 a2 a3 a4 a5 a6 a7 ... an
1/n
x
f(x)
a1 a2 a3 a4 a5 a6 a7 ... an
1/n
x
F(x)
2/n
3/n
4/n
5/n
1
#r
UNI-FIIS<Simulacin de Sistemas>
Mtodo de Aceptacin - Rechazo
Es un mtodo sencillo y general, aunque en ocasiones no muy
eficiente.
Sea f(x) una funcin de probabilidades definida en un intervalo finito,
(a,b) y M una cota superior de f(x) .
Se generan dos valores aleatorios x
1
U [a,b] y p U [0,M]
X
1
= a + (b-a)r1 y p= (M)r2 siendo r1 y r2 dos nmeros Random,
entonces:
Se acepta x
1
si p f(x
1
) o r2 f(x
1
)/M
Se rechaza x
1
si p > f(x
1
) o r2 > f(x
1
)/M
De esta manera el valor x
1
aparece con una densidad de probabilidad
f(x), aunque no se aprovechan todos los valores que obtenemos en la
realizacin del mtodo.
De todos modos, este es el nico mtodo disponible cuando la
distribucin de probabilidades es complicada.
UNI-FIIS<Simulacin de Sistemas>
Mtodo de Aceptacin - Rechazo
Se tiene una Variable Aleatoria X
con funcin de densidad f(x)
definida en a x b, adems,
M= max f(x) para a x b
Sea g(x)= [f(x) / M]
luego 0 g(x) 1
El mtodo consiste en:
a. Generar r1 y r2, dos
nmeros random ~U(0,1).
b. Se define x1 ~U(a,b) entonces
x1 = a + (b-a)r1
c. Si r2 g(x1) entonces x1 es
observacin para f(x). En otro
caso, volver al paso a.
a
b
M
f(x)
1
g(x)
r2
r1
x1
g(x1)
UNI-FIIS<Simulacin de Sistemas>
Ejemplos
Ejemplo1: Sea f(x)= 2 x una fdp para 0 x 1
Entonces si M = 2 y g(x)= 2x/2 = x
a. Generar r1 y r2 distribuidos uniformemente en [0,1]
b. x = a + (b a) r1 = 0 + (1 - 0) r1 = r1
c. Si r2 r1 entonces x es observacin, de lo contrario volver a
generar r1 y r2.
Ejemplo2: Sea f(x)= 2x/9 una fdp para 0 x 3
Entonces si M=2/3 y g(x)= (2x/9)/(2/3)= x/3
a. Generar r1 y r2 distribuidos uniformemente en [0,1]
b. x= a + (b - a)r1 = 0 + (3 - 0)r1 = 3r1
c. Si r2 g(x) = x/3, as r2 3 r1/3 = r1, o sea si r2 r1, entonces x
es observacin, de lo contrario volver a generar r1 y r2.
Ejemplos
Ejemplo 3: Sea f(x)= 3x
2
/7, una fdp para 1 x 2
Entonces si M = 12/7 y g(x)=(3x
2
/7)/12/7 = g(x)= x
2
/4
a. Generar r1 y r2 distribuidos uniformemente en [0,1]
b. Sea x1 = a + (b a) r1 = 1 + (2 - 1) r1 = 1+r1
c. Si r2 g(x1)=g(1+r1)=(1+r1)
2
/4 entonces x1 es observacin
de f(x), de lo contrario volver a generar r1 y r2.
UNI-FIIS<Simulacin de Sistemas>
Mtodo de la Composicin
Mediante este mtodo la distribucin
de probabilidad f(x) se expresa como
una mezcla de varias distribuciones
de probabilidad seleccionadas
adecuadamente.
UNI-FIIS<Simulacin de Sistemas>
Procedimiento
Dividir la distribucin de probabilidad original en sub-
reas, tal como se muestra en la figura:
Definir una distribucin de probabilidad para cada
sub-rea asignndole una fraccin (Ai) del rea total.
UNI-FIIS<Simulacin de Sistemas>
1
A
x
f(x)
2
A
n
A
3
A
Siguiendo
Expresar la distribucin de probabilidad original en la
siguiente forma:
Obtener la distribucin acumulada de las reas vrs
las funciones f
i
(x):
UNI-FIIS<Simulacin de Sistemas>
1 ) ( ..... ) ( ) ( ) (
1
2 2 1 1
= + + =
=
n
i
i n n
A x f A x f A x f A x f
) (
1
x f ) (
2
x f ) (
3
x f ) (
4
x f
1
A
2 1
A A +
3 2 1
A A A + +
4 3 2 1
A A A A + + +
#r
1
Finalmente
Generar dos nmeros Random #r
1
y #r
2
Seleccionar la distribucin de probabilidad f
i
(x) con la
cual se va a simular el valor de x. La seleccin de
esta distribucin se obtiene utilizando el #r
1
al aplicar
el mtodo de la transformada inversa a la distribucin
acumulada de las reas.
Utilizar el #r
2
para simular por el mtodo de la
transformada inversa o algn otro procedimiento
especial, nmeros al azar que sigan la distribucin
de probabilidad f
i
(x) seleccionada en el paso anterior.
UNI-FIIS<Simulacin de Sistemas>
Ejemplo
Utilizando el mtodo de la composicin construir un
algoritmo que permita generar nmeros aleatorios
que se ajustan a la distribucin :
UNI-FIIS<Simulacin de Sistemas>
1
2
6
f(x)
Solucin
Dividimos f(x) en sub reas:
Determinamos f
1
(x) y f
2
(x) como fdp.
UNI-FIIS<Simulacin de Sistemas>
1
2
6
f(x)
A
1
A
2
2/5
A
1
= 1/5
A
2
= 4/5
1 2
2
f(x)
x
f
1
(x)= 2(x-1)
F
1
(x)= (x-1)
2
UNI-FIIS<Simulacin de Sistemas>
2
6
x
f(x)
1/2
f
2
(x)= (-1/8)(x-6)
F
2
(x)= 1 [(x-6)
2
/16]
Expresamos la distribucin original como:
f(x) = A
1
f
1
(x) + A
2
f
2
(x) = (1/5) 2(x-1) + (4/5) (-1/8)(x-6)
f
1
(x) f
2
(x)
1/5
1
f
2
(x) f
1
(x)
Finalmente
Generar dos nmeros random #r
1
y #r
2
Es #r
1
< 1/5 ?
Si es afirmativo se simulan valores de f
1
(x) utilizando el
mtodo de la transformada inversa:
F
1
(x)=(x-1)
2
= #r
2
entonces x = 1+ #r
2
Si no es afirmativo se simulan los valores de f
2
(x)
F
2
(x)=1 [(x-6)
2
/16] = #r
2
entonces x = 6 - 4 1- #r
2
Repetir los pasos anteriores tantas veces como sea
necesario para reproducir el comportamiento
deseado.
UNI-FIIS<Simulacin de Sistemas>
UNI-FIIS<Simulacin de Sistemas>
Pruebas de Bondad de Ajuste
Estas pruebas nos permiten determinar si
la muestra de los datos recogida, respecto
a una variable aleatoria de inters para el
estudio, se puede aproximar a partir de
una funcin de distribucin de probabilidad
terica (H
0
).
H
0 :
No existe diferencia significativa entre los datos
observados y los que se obtendran a partir de una
distribucin ............ (distribucin de probabilidad terica).
UNI-FIIS<Simulacin de Sistemas>
Prueba de Ji-Cuadrado
Es recomendable para muestras cuyo tamao
es mayor que 100.
Calcular :
_
c
2
=E (fo
i
fe
i
)
2
fe
i
Donde : k # intervalos de clase
fo frecuencia observada
fe frecuencia esperada, tal que fe = np(x
i
)>5
n tamao de la muestra
p(x
i
) probabilidad terica para x
i
k
i=1
UNI-FIIS<Simulacin de Sistemas>
Ji-Cuadrado ...
Luego obtener de tablas el estadstico
de Ji-Cuadrado para : _
t
2
(1-
o
, #gl)
Donde : (1 o ) es el nivel de significancia, y
#gl : es el nmero de grados de libertad
tal que #gl = K - #parm.estimados 1
Comparamos, y aceptamos H
0
si :
_
c
2
<<_
t
2
(1-
o
, #gl)
Ji-Cuadrado calculado es menor que el terico
UNI-FIIS<Simulacin de Sistemas>
Prueba de Kolmogorov - Smirnov
Es recomendable para muestras cuyo
tamao esta comprendido entre 10 y 100.
Se determinan las frecuencias relativa y
acumulada de los valores observados, y la
probabilidad terica y acumulada para la
distribucin terica.
El estadstico K/S calculado se determina a
partir de la mxima de las diferencias
absolutas entre la frecuencia y probabilidad
acumuladas.
El estadstico K/S terico se obtiene de
tablas dado un o (nivel significancia) y n
(tamao muestra).
Se acepta H0 si se cumple que : D
c
<< D
t
(o,n)
PA(x) FA(x)
UNI-FIIS<Simulacin de Sistemas>
Tabla de Kolmogorov/Smirnov
para una(1) muestra
UNI-FIIS<Simulacin de Sistemas>
Ejemplo 1
Suponga que se han
generado 100 #s
aleatorios y deseamos
comprobar su
uniformidad sobre 10
intervalos equidistantes
utilizando la prueba de
Kolmogorov/Smirnov.
Usar un o = 5%.
H
0
: Los datos se pueden
aproximar a travs de una
distribucin Uniforme.
Int Frec FrecRel
1 8 0.08
2 17 0.17
3 5 0.05
4 5 0.05
5 12 0.12
6 18 0.18
7 5 0.05
8 14 0.14
9 13 0.13
10 3 0.03
100
1 2 3 4 5 6 7 8 9 10
0.1 UNIF
UNI-FIIS<Simulacin de Sistemas>
Int Frec FrecRel FrecAbs ProbTeor ProbAcum D k/s
1 8 0.08 0.08 0.1 0.1 0.02
2 17 0.17 0.25 0.1 0.2 0.05
3 5 0.05 0.3 0.1 0.3 0.0
4 5 0.05 0.35 0.1 0.4 0.05
5 12 0.12 0.47 0.1 0.5 0.03
6 18 0.18 0.65 0.1 0.6 0.05
7 5 0.05 0.7 0.1 0.7 0
8 14 0.14 0.84 0.1 0.8 0.04
9 13 0.13 0.97 0.1 0.9 0.07 Max D k/s
10 3 0.03 1 0.1 1 0.0
100
Tabla de Clculos Ejemplo 1
D
c
= 0.07
D
t
(5%,100) = 1.36/ 100 = 0.136
Como D
c
<< D
t
(5%,100) aceptamos H
0
:
UNI-FIIS<Simulacin de Sistemas>
Ejemplo 2
La siguiente tabla muestra la
distribucin de frecuencias
para la variable aleatoria
tiempo entre dos arribos
consecutivos a un
SuperMercado.
Formule la hiptesis
adecuada y haga el ajuste
correspondiente a una
funcin de distribucin de
probabilidad terica
conocida. Use un o = 5%.
Tiempo Frec
0 s t < 2 50
2 s t < 4 33
4 s t < 6 22
6 s t < 8 15
8 s t < 10 11
10 s t <12 8
12 s t < 14 5
14 s t < 16 3
16 s t < 18 2
18 s t < 20 1
UNI-FIIS<Simulacin de Sistemas>
Ploteo Ejemplo 2
t frec frecRelat
1 50 0.33
3 33 0.22
5 22 0.15
7 15 0.10
9 11 0.07
11 8 0.05
13 5 0.03
15 3 0.02
17 2 0.01
19 1 0.01
+21 0 0.00
150
0 2 4 6 8 10 12 14 16 18 20
0.33
0.22
0.15
0.10
0.07
0.05
0.03
t
H
0
: Los datos del tiempo entre
Arribos se pueden aproximar a
travs de una Distribucin
Exponencial Negativa.
f(t) = 0.21e
- 0.21t
(1/) = (Et
i
.f
o
)/ Ef
o
= 714/150 = 4.76 entonces = 0.21
UNI-FIIS<Simulacin de Sistemas>
t ProbTeor
(fo - Ei)
2
/Ei
1 50 0.3440 51.60 0.050
3 33 0.2252 33.78 0.018
5 22 0.1481 22.22 0.002
7 15 0.0973 14.60 0.011
9 11 0.0618 9.27 0.323
11 8 0.0419 6.29 0.468
13 5 0.0275 4.13
15 3 8 0.0181 2.72 6.84 0.197
17 2 0.0119 1.79
19 1 0.0078 1.17
+21 0 3 0.0164 2.46 5.42 1.077
150 1.0000 150.00 2.146
Ei=npi Frec
P(0 s ti < 2) = }
0
2
0.21e
- 0.21t
dt = - e
- 0.21t
|
0
2
=0.3440
P(2 s ti < 4) = }
2
4
0.21e
- 0.21t
dt = - e
- 0.21t
|
2
4
=0.2252
...
P( ti > 21) = 1 - }
0
20
0.21e
- 0.21t
dt = 1 (e
- 0.21t
)|
0
20
=0.0164
UNI-FIIS<Simulacin de Sistemas>
Respuesta Ejemplo 2 ...
Determinamos #gl = 8 1 1 = 6
De Tablas determinamos :
t
2
(95%,6) = 12.6
Como :
c
2
<<
t
2
aceptamos H
0
:
UNI-FIIS<Simulacin de Sistemas>
Recomendaciones
Dada una muestra de tamao n para una
variable aleatoria, se puede utilizar la
Frmula de Sturges para aproximar el
nmero de intervalos en los que se les
puede agrupar :
K = 1 + 3.3 log n
Dado que se tienen que aproximar los parmetros
de la distribucin de probabilidad terica, se pueden
utilizar las siguientes relaciones :
Med(x) = (E x
i
.Fo
i
) / n y
Var(x) = [E x
i
2
.Fo
i
n.Med
2
(x)] / (n 1)
UNI-FIIS<Simulacin de Sistemas>
Ejemplo 3
Construir una funcin generadora de valores
aleatorios para la siguiente funcin de
distribucin de probabilidades (fdp):
f
2
0 a
a
x
UNI-FIIS<Simulacin de Sistemas>
Clculo de a:
Por condicin de una fdp, el rea bajo la curva de f en su
dominio debe ser 1.
Entonces (1/2)(a)(a) + (1/2)(a)(2-a) = 1
(1/2)[a
2
+ 2a - a
2
] = 1
a = 1
Determinacin de la regla de correspondencia de f:
f =
F =
x si x [0,1]
-x + 2 si x <1,2]
x
2
/2 si x [0,1]
1 (1/2)(2-x)
2
si x <1,2]
Una vez definida f
determinamos la
funcin de distribucin
acumulada F
UNI-FIIS<Simulacin de Sistemas>
Graficamos la funcin acumulada F
1
2
1/2
1
F
x
#r
x
Como F es montona entonces
tiene inversa, F(x) = #r :
i. x
2
/2 = #r v
ii. 1 (1/2)(2-x)
2
= #r
Despejando x en funcin de #r:
i. x = 2#r
ii. x = 2 - 2(1- #r)
Luego 0 x 1 0 2#r 1
0 #r 1/2
2#r si #r [0,1/2]
2 - 2(1- #r ) si #r <1/2,1]
x =
UNI-FIIS<Simulacin de Sistemas>
Ejemplo 4
Loas alumnos de la FIIS estn distribuidos entre 60% para la
especialidad de Industriales y 40% para la especialidad de Sistemas.
Se desea simular la cantidad de alumnos de la especialidad de
Sistemas que figuran dentro del arribo de un grupo de cuatro alumnos.
Estamos al frente de un comportamiento Binomial, el cual simulamos
a travs de comportamientos Bernoulli.
e = ~ Bern (p=2/5)
0 si #r > 2/5
1 si #r < 2/5
x = = 1 + 0 + 0 + 0 ~ Bin (n=4, p=2/5)
0.32+0.45+0.67+0.84
4
1
i
e
s
I I I
f(e)=(2/5)
e
(3/5)
1-e
para e = 0 o 1
UNI-FIIS<Simulacin de Sistemas>
Mecanismos de control de Tiempo
de la Simulacin
Dado que la ejecucin de eventos en
una PC es secuencial, estos
mecanismos permiten controlar la
cadena de eventos presente y futura
durante la ejecucin de la simulacin.
En los sistemas discretos los eventos
que influyen sobre el sistema ocurren
en puntos especficos en el tiempo, no
en forma continua, de all que mas
importante ser el mecanismo de
control de tiempo variable, cuyo tiempo
se incrementa en funcin de los
momentos en los que se da la
ocurrencia del evento.
UNI-FIIS<Simulacin de Sistemas>
Ejemplo
Se est diseando una mquina
para inyectar lquido a envases de
diferentes capacidades, y tiene
una lnea de produccin.
Eventualmente se derramar
lquido de los envases, esto se da
por la capacidad variable de los
envases y/o por el error de la
cantidad inyectada del lquido.
Se desea incluir un recipiente
(contenedor) en la mquina para
recibir el lquido derramado, y que
ste no se disperse en el piso. Si
se tienen producciones de hasta
10,000 envases, calcule el
tamao del contenedor para la
mquina inyectora.
UNI-FIIS<Simulacin de Sistemas>
Ejemplo ...
Se conocen las siguientes caractersticas del proceso y de la
mquina:
La cantidad de lquido que se inyecta no siempre es exacta, se
comporta como una V. A. normal con media igual a la cantidad ideal a
inyectar en el envase y desviacin estndar igual al 1% de esa cantidad
ideal.
Los envases tampoco tienen una capacidad nica sino que varan por
defectos de forma y de fabricacin. La capacidad de los recipientes es
de 1.05 (de la cantidad ideal a inyectarle) y tienen una desviacin
estndar del 5% de su capacidad total . La posibilidad mxima del
defecto es de un 10% de la especificada como capacidad media.
Construya un programa en C++, Pascal o en cualquier otro
lenguaje para determinar el tamao del recipiente que se
requiere.
Se pueden manejar envases con capacidades de inyecccin
desde 200 ml hasta 1.5 litros. Haga su clculo tomando en
cuenta que llenar envases de 330 ml.
UNI-FIIS<Simulacin de Sistemas>
Diagrama de
Bloques
DETERMINAR
REBASAMIENTO
SIMULAR LLENADO
LINEA 1
SIMULAR LA CAPACIDAD
DE LA BOTELLA A LLENAR
SIMULAR LA CANTIDAD
A INYECTAR
ENVIO DE BOTELLAS
ACUMULAR CANTIDAD
REBASADA
FIN
UNI-FIIS<Simulacin de Sistemas>
Pseudocdigo del programa para
el Ejemplo
Se generan los valores aleatorios que se necesitan.
Se genera la capacidad de la botella que llega a la lnea.
Con una variable aleatoria normal con med =1.05 (330 ml) y
desv.est.= 5% de 1.05(330 ml.)
Se generan las cantidades inyectadas en la lnea .
Con una variable normal con med=330 ml y desv.est.= 1%(330 ml.)
Se corrigen los valores que se aportan por las limitaciones fsicas.
Para la inyeccin hasta un total de 2 litros inyectados(por falla)
Para la capacidad hasta un 10% del especificado como valor medio
(1.05*330 ml.)
Se calculan las cantidades rebasadas en cada caso.
Inyectado - envasado (en el cado que inyectado > envasado)
UNI-FIIS<Simulacin de Sistemas>
Tiempo
entre
Arribos (t)
Cola
Servicio
Poblacin
SISTEMA DE COLAS
Arribos
Tiempo de
Servicio
Politica de
servicio
UNI-FIIS<Simulacin de Sistemas>
Premisas para el estudio de un
Sistema de Colas
Un sistema de colas puede ser analizado en funcin de sus
tasas de arribo y de servicio, variables cuyo comportamiento
puede ser aleatorio.
Para nuestro estudio consideraremos que los arribos se
ajustan a una distribucin de Poisson con tasa media o
tiempo entre arribos Exponenencial con tasa media 1/.
Los tiempos de servicio son Exponenciales con tasa media
.
UNI-FIIS<Simulacin de Sistemas>
CONDICIONES
INICIALES
LC = LC + 1
GENERAR TA
SUMTA = SUMTA + TA
SERVICIO
DISPONIBLE ?
COLA =0 ? COLA =0 ?
TOT = TOT + 1 LC = LC - 1
TET = TET + LC
GENERAR TS
SE OCUPA
SERVICIO
SI
NO
NO SI
NO
SI
A
C
B
Para t=0
arriba el 1er Cliente
Tiempo de
Arribo
Tiempo de
Servicio
Longitud de
la Cola
Tiempo Espera
Total
Mecanismo de Control de
Incremento Fijo
RELOJ = RELOJ + 1
VERIFICAR
TS
TS =TS - 1 TS = TS - 1
COMPARAR
RELOJ::SUMTA
TS > 1 TS = 1
SE
DESOCUPA
SERVICIO
TS = 0
A
B C
RELOJ < SUMTA
RELOJ = SUMTA
UNI-FIIS<Simulacin de Sistemas>
TS1
TS2
TS3
TS4
TO1
TE3
TE4
TE5
c1
c2
c3
c4
c5
0
TA2
TA3
TA4
TA5 TA6
TS5
TE6
SUMTA2
SUMTA3
SUMTA4
c6
SUMTA1
UNI-FIIS<Simulacin de Sistemas>
Mecanismo de Control de
Incremento Variable
CONDICIONES
INICIALES
GENERAR TA
TA = TA - TE
GENERAR TS
TS = TA ?
TS < TA ?
TE = 0
TO = 0
TE = 0
TO = TA - TS
TOT = TOT + TO
TO = 0
TE = TS - TA
TET = TET + TE
SI NO
SI NO
Tiempo
de Arribo
Tiempo de
Servicio
Tiempo de
Espera
Tiempo
Ocioso
Tiempo
Ocioso Total
Tiempo de
Espera Total
Para t=0
arriba el 1er Cliente
UNI-FIIS<Simulacin de Sistemas>
TS1
TS2
TS3
TS4
TO2=TA2-TS1
TE2=0
TE3
TE4
TE5
c1
c2
c3
c4
c5
0
TA2
TA3
TA4
TA5 TA6
TS5
TE6
TA2 =TA2 TE1
TA3 =TA3 TE1
TA5=TA5 TE4
c6
TE3=TS2-TA3
T03=0
TA4 =TA4 TE3
TE4=TS3-TA4
T04=0
TE5=TS4-TA5
T05=0
UNI-FIIS<Simulacin de Sistemas>
Ejemplo : Modelo Simulacin
Una Compaa de carga recepciona sus camiones
que llegan en forma aleatoria en una terminal para
descarga. Despus de analizar los datos histricos
se ha concludo que el nmero de llegadas diarias de
camiones se comporta de acuerdo a una distribucin
de Poisson con tasa media de 3 camiones por da. El
peso de la carga de cada camin es un factor
importante en lo referente al tiempo de descarga. Se
ha comprobado con los registros pasados que los
pesos de la carga estan distribudos normalmente
con media 30 mil lbs. Y una desviacin estndar de 5
mil lbs. Para la descarga se cuenta con cuadrillas
cuya capacidad de descarga en lbs por hora es
variable y funcin del tipo de carga.
La frecuencia de cada tipo de carga y la velocidad de
descarga de las cuadrillas se muestran en la tabla
siguiente :
UNI-FIIS<Simulacin de Sistemas>
Modelo Simulacin ....
Una cuadrilla consta de 3 personas: 1operador
de elevador de carga a quien se le paga 4$/Hr
y dos obreros a quienes se les paga 2.50 $/Hr.
La poltica de la Cia. es descargar en el da
todos los camiones que arribaron el da
anterior sin importar los costos de tiempo extra
implcitos. El contrato del sindicato demanda
una bonificacin del 50% por horas extras
fuera de la jornada de trabajo de 8 Hr diarias.
Con base a una simulacin de 10 das determine
cuantas cuadrillas se requieren para reducir al
mnimo los costos totales de descarga.
Si aplicaramos la poltica de que los camiones deben
descargarse el mismo da de su llegada en lugar del
da siguiente, y que la tasa media de llegadas sube a
4 Cam/Da Cuntas cuadrillas se requerirn para
reducir al mnimo los costos totales de descarga.
0 5
1 15
2 22
3 22
4 17
5 11
6 5
7 3
100
Nro
Camiones
Frec
A 40 8000
B 35 7000
C 25 5000
Veloc.Descarga
Lb/hr x Cuadrilla
Tipo
Carga
Frec
UNI-FIIS<Simulacin de Sistemas>
Modelo Simulacin
Generar Nro
Camiones (NCM)
Arriban x Da
Generar Tipo
Carga x Camin
Generar Peso
Carga x Camin
Calcular Costo
Descarga (CD)
Asignar Nro
Cuadrillas (NCD)
NDias=NDias + 1
Ndias=10 ?
NO
TotCD=TotCD+CD
Imprimir x Da
Valores Generados
y Costo Descarga
Imprimir Ndias,
Nro Cuadrillas
y Costo Total
Descarga
SI
Definir Plan Trabajo
TotCD
NCD
1 2 3 4 5 6
C1
C2
C3
C5
C6
UNI-FIIS<Simulacin de Sistemas>
Indicadores Iniciales
Nro arribos ~ Poisson () o
Tpo entre arribos ~ Exponencial (1/)
Tiempo servicio ~ Exponencial (1/ )
Por lo tanto :
Tasa arribo y tasa de servicio
Factor de ocupacin del Stma. = (/)
Probabilidad que Stma.vacio P
0
= 1 (/)
Porcentaje de Tiempo Ocioso del Servicio 100P
0
UNI-FIIS<Simulacin de Sistemas>
Estructuras de los Sistemas de Cola
1cola/1servidor/Pobl.NoFinita
1cola/1servidor/Pobl.Finita(k)
1cola/MltiplesServ.(s)Paralelo/Pobl.NoFinita
1cola/MltiplesServ.(s)Paralelo/Pobl.Finita(k)
1cola/MltiplesServ.(s)Serie/Pobl.NoFinita
k
s1
k
s2
s1
s2
s1 s2
s
s
s
s
s1
s1
UNI-FIIS<Simulacin de Sistemas>
Determinacin de la Probabilidad de que en
el Stma. existan n usuarios
Sea P
n
la probabilidad de que existan n usuarios en el sistema al
final del tiempo t, uno de ellos siendo atendido y los otros esperando
en cola.
La probabilidad de que llegue 1usuario en el tiempo At es igual a At
La probabilidad de que 1usuario termine de ser atendido en At es
igual a At
Para determinar la probabilidad de que existan n usuarios en el
tiempo t+ At, consideramos lo siguiente:
Que existan n usuarios al final del tiempo t. que no llegue ni se vaya
nadie en At P
n
(t)[1- At][1- At] ........ (1)
Que existan n usuarios al final del tiempo t, que llegue y se vaya 1 en At
P
n
(t)[At][At] ..................(2)
Que existan n-1 usuarios al final del tiempo t, que llegue 1 y no se vaya
nadie en At P
n-1
(t)[At][1- At] ...........(3)
Que existan n+1 usuarios al final del tiempo t, que no llegue nadie y se
vaya 1 en At P
n+1
(t)[1- At][At] ...........(4)
UNI-FIIS<Simulacin de Sistemas>
Continuacin ....
Luego sumando (1)+(2)+(3)+(4) tenemos:
P
n
(t+At) =
P
n
(t)[1- At][1- At] + P
n
(t)[At][At] + P
n-1
(t)[At][1- At] +
P
n+1
(t)[1- At][At]
Agrupando trminos y eliminando los factores (At)
2
, tenemos :
P
n
(t+At) - P
n
(t)
=
P
n-1
(t) (+) P
n
(t) + P
n+1
(t)
At
Pero como el tiempo transcurrido desde la ocurrencia del ltimo evento no tiene
efecto en el tiempo restante hasta que ocurre el evento siguiente (propiedad
del olvido de la func. exponencial):
P
n
(t+At) - P
n
(t) = 0 entonces P
n-1
(+) P
n
+ P
n+1
= 0
Finalmente, agrupando trminos obtenemos :
P
n+1
= (- /)P
n-1
+ [ (+)/ ]P
n
.................... ()
UNI-FIIS<Simulacin de Sistemas>
Continuacin ....
Similarmente para determinar la probabilidad de que exista un usuario
en el sistema :
No existen usuarios al final del tiempo t y llega uno en At
P
0
(t)[At](1- At)
Existe 1 usuario al final del tiempo t, no llega nadie y no se va nadie
en At
P
1
(t)[1- At][1-At]
Existe un usario al final del tiempo t, llega uno y se va uno en At
P
1
(t)[At][At]
Agrupando trminos, eliminando los factores (At)
2
y aplicando la
propiedad del olvido tenemos que :
P
0
+ P
1
= 0 entonces P
1
= (/)P
0
...... ()
De () y () :
para n=1 P
2
= (/)
2
P
0
para n=2 P
3
= (/)
3
P
0
Para n=3 P
4
= (/)
4
P
0
generalizando P
n
= (/)
n
P
0
UNI-FIIS<Simulacin de Sistemas>
Probabilidades relevantes
Probabilidad de que en el stma. existan ms de N usuarios:
P(n>N) = P
N+1
+P
N+2
+P
N+3
+P
N+4
.......
= (/)
N+1
P
0
+
(/)
N+2
P
0
+ (/)
N+3
P
0
+ ........
= P
0
[(/)
N+1
+
(/)
N+2
+ (/)
N+3
+ ........ ]
= P
0
[ (/)
N+1
/ [1- (/)] ] luego P(n>N) =(/)
N+1
Probabilidad de que existan n usuarios en cola :
P
n Cola
= P
n+1 Stma
entonces P
n cola
= (/)
n+1
P
0
Probabilidad de que la cola este vaca :
P
~ Cola
= P
0
+
P
1
entonces P
~ Cola
= 1 - (/)
2
UNI-FIIS<Simulacin de Sistemas>
Sistema: 1 Cola/1 Servidor/Poblacin No
Finita
Nmero esperado de usuarios en el sistema (NEUS):
NEUS = i.P
i
= 0P
0
+1P
1
+
2P
2
+
3P
3
+ 4P
4
+
5P
5
+ ....
s.q.
Nmero esperado de usuarios en la cola (NEUC):
NEUC = 0P
0
+1P
2
+
2P
3
+
3P
4
+ 4P
5
+
5P
6
+ ....
s.q.
NEUS
=
2
( )
NEUC
=
<
<
UNI-FIIS<Simulacin de Sistemas>
Tiempo esperado de paso de un usuario en cola (TEPUC):
TEPUC = (1/ )NEUS
Tiempo esperado de paso de un usuario en el sistema (TEPUS):
TEPUS = TEPUC + Tpo.Servicio = /(-) + 1/
( )
TEPUC
=
1
TEPUS
=
UNI-FIIS<Simulacin de Sistemas>
Costo de Paralizacin y de Servicio
Costo Total de Paralizacin :
CTP = (TasaArribo)(TpoTurno)(TpoEsperPasoUsuarioStma)(CostoParalizxUnidTpo)
CTP = ( ) . ( Tpo ) . ( TEPUS ) . ( CPu )
(cl/ut) ( ut ) ( ut/cl ) ( $/ut )
Costo Total de Servicio :
CTS = (TasaServicio) (TpoTurno)(CostoServicioxUsuario)
(cl/ut) (ut) ($/cl)
CTS = (TpoTurno)(CostoServxUnidTpo)
(ut) ($/ut)
Costo Total de Atencin del Sistema
CTAS = CTP + CTS
CTAS
CTS
CTP
CT
0
C
0
UNI-FIIS<Simulacin de Sistemas>
Problema de Colas
Fotografas tomadas desde 1 helicptero mostraron
que en promedio haba 80 autos circulando en el carril
de alta velocidad sobre un tramo de 1 milla de una va
rpida urbana. En meses recientes haban ocurrido
cierto nmero de accidentes en ese tramo y que han
sido atribuidos al manejo a corta distancia del auto
delantero. Si para plena seguridad la distancia entre
los autos recomendable debera ser de cuando menos
30 pies, en ese tramo y sobre ese carril, que % de los
autos corre a una distancia demasiado corta del
delantero. Considere que la cantidad de autos sobre
el tramo de la va en cuestin se ajusta a una
distribucin de Poisson.
UNI-FIIS<Simulacin de Sistemas>
d
1
d
2
= 80 autos/milla
1 milla = 5280 pies
d
i
> 30 pies
n ~
Poisson ()
d ~
Expon (1/)
P(d < 30) = }
0
30
(80/5280)e
- (80/5280)d
dd
= 1 - e
- 30/66
= 0.37
Ptto. el 37% de los autos van a una distancia no recomendable.
UNI-FIIS<Simulacin de Sistemas>
Problema 2
El departamento para caballeros de un gran almacn tiene un sastre
para ajustar los trajes adquiridos por los clientes. Parece que el
nmero de clientes que solicitan ajustes sigue una distribucin de
Poisson con una tasa media de llegadas de 24 cli/hora. Los ajustes se
realizan del tipo primero en llegar primero en ser atendido. Los clientes
siempre desean esperar, ya que las modificaciones son gratis.
Aparentemente el tiempo que se tarda en realizar un ajuste se
distribuye exponencialmente con media 2 minutos entre clientes.
Calcular:
Nmero promedio de clientes en la sala de ajustes.
Cuanto tiempo tiene que esperar un cliente en la sala de ajustes.
Porcentaje de tiempo que permanece ocioso el sastre.
Cual es la probabilidad de que un cliente espere los servicios del
sastre ms de 10 minutos.
Cuanto tiempo deben esperar los clientes por los servicios del sastre.
UNI-FIIS<Simulacin de Sistemas>
Tiempo medio entre llegadas:
Tiempo medio de servicio:
Factor de utilizacin u ocupacin:
Nmero medio de clientes en la sala:
Tiempo medio de espera en el sistema:
Factor de ocio = 1 Factor de utilizacin = 0,2
2
1
2
1
= =
min
8 , 0
5
4
5
2 2
= =
= =
p
4
4
5
4
1
5
1
=
=
p
p
10
5
2
2
1
1 1
=
=
5
2 24 cli
= =
hora
UNI-FIIS<Simulacin de Sistemas>
El 80 % del tiempo, el sastre est ocupado, y el
20% est ocioso.
probabilidad de que un cliente espere los servicios
del sastre ms de 10 minutos.
Tiempo medio de espera en cola:
29 , 0
5
4
) 10 (
)
5
2
2
1
( 10
) ( 10
= = = >
e e p t P
espera
8
2
1
)
5
4
1 (
5
4
) 1 (
=
=
p
p
UNI-FIIS<Simulacin de Sistemas>
Problema 3
Una carnicera es atendida por el propietario de la misma.
Aparentemente el patrn de llegada de los clientes durante
los sbados se comporta siguiendo una distribucin de
Poisson con una tasa promedio de llegadas de 10 personas
por hora. A los clientes se les atiende siguiendo una poltica
FIFO, y debido al prestigio de la tienda, los clientes siempre
estn dispuestos a esperar su turno. Se estima que el tiempo
que se invierte en atender a un cliente se distribuye
exponencialmente con un tiempo de servicio medio de 4
minutos entre clientes. Obtener:
Probabilidad de que se cree una cola de espera.
Longitud media de la cola.
Tiempo esperado de permanencia en cola por cliente.
Probabilidad de que un cliente permanezca menos de 12 minutos en
la tienda.
UNI-FIIS<Simulacin de Sistemas>
Tiempo medio entre llegadas:
Tiempo medio de servicio:
Factor de utilizacin:
Existir cola cuando en el sistema haya
ms de 1 cliente.
Probabilidad de 0 clientes en el sistema:
Probabilidad de 1 cliente en el sistema:
Probabilidad de ms de 1 cliente en el
sistema:
6
1
6
1 10
= = =
min
persona
hora
personas
4
1
4
1
= =
min
) ( 1 ) 1 (
1 0
P P N P + = >
3
1
) 1 (
0
0
= = p p P
9
2
3
1
3
2
) 1 (
1
1
= = = p p P
9
4
)
9
2
3
1
( 1 ) 1 ( = + = > N P
3
2
4
1
6
1
= = =
p
UNI-FIIS<Simulacin de Sistemas>
Longitud media de la cola:
Tiempo medio de espera en cola:
Probabilidad de que un cliente permanezca
menos de 12 minutos en la tienda:
) 12 ( 1 ) 12 ( > = <
espera espera
t P t P
3
4
3
2
1
)
3
2
(
1
2
2
=
=
p
p
8
4
1
)
3
2
1 (
3
2
) 1 (
=
=
p
p
1
)
6
1
4
1
( 12
) ( 12
3
2
3
2
) 12 (
= = = >
e e pe t P
espera
UNI-FIIS<Simulacin de Sistemas>
Problema 04
El empleado de una ventanilla observa que de cada
100 veces que cuenta los clientes frente a el, en 64 de
las veces hay dos o mas clientes. El tiempo promedio
que cada cliente permanece desde que se ubica en la
cola hasta que es atendido es de aproximada-mente 30
minutos. Calcular la probabilidad de que :
lleguen dos (2) clientes en media hora.
lleguen entre dos(2) y cinco(5) clientes en media hora.
transcurra mas de una (1) hora entre el arribo de un cliente y el
siguiente.
Ventanilla
UNI-FIIS<Simulacin de Sistemas>
p(n>n
0
) = 64/100 = (/)
n
0
+1
, entonces
p(n> 1) = 64/100 = (/)
2
, entonces
/ = 8/10 = 4/5 . (1)
Luego TEPUS = 1/ (- ) = hora/cliente, entonces
1/ (-) = 1 media hora/cliente, entonces
- = 1 .... (2)
Resolviendo (1) y (2) : - (8/10) = 1 , entonces
= 5 cl/hor y = 4 cl/hor
Finalmente :
a. p(x=2) = (4)
2
e
-4
/2! = 8e
-4
b. p(2<x<5) = p(x=3) + p(x=4) = (4)
3
e
-4
/3! + (4)
4
e
-4
/4!
c. p(t>2) =
1 - }
0
2
(4)e
- 4t
dt = 1 - [1- e
-8
] = e
-8
UNI-FIIS<Simulacin de Sistemas>
Problema 5
El inventario de un almacn se agota y se vuelve
a surtir segn una distribucin de Poisson. Los
tiempos medios entre vaciados y resurtidos son
iguales a 1/ y 1/ respectivamente. Suponga
que por cada unidad de tiempo que el inventario
esta vaco se incurre en un costo de escasez
(Ce), y en un costo de almacenamiento (Ca) por
cada unidad de tiempo que en el almacn se
mantiene un determinado inventario. Si Ce > Ca,
determine:
Una expresin para el costo total esperado por unidad
de tiempo
El valor ptimo de = /
UNI-FIIS<Simulacin de Sistemas>
tpo. surtir inventario = 1/ ~ Exp
tpo. agotar inventario = 1/ ~ Exp
CT inventario = Costo escasez + Costo almacenamiento
= P
0
* Ce + Inventario*Ca
= (1- /)(Ce) + (NEUS)(Ca)
= (1-)Ce + [ /(- )]Ca
= (1- )Ce + [ /(1- )]Ca
= [(1- )
2
Ce + Ca]/(1- )
dCTi
=
[2(1- )(Ce)(-1)+Ca](1- ) - (-1)[(1- )
2
Ce+ Ca]
d (1- )
2
dCTi
=
[-2(1- )
2
(Ce)+Ca(1- ) +(1- )
2
Ce+ Ca
d (1- )
2
dCTi
=
Ca - (1- )
2
Ce
=
Ca
-
Ce para determinar el ptimo hacemos
d (1- )
2
(1- )
2
dCTi
=
0 entonces Ca - Ce
=
0 luego (1- )
2
=
Ce/Ca = 1 - Ca
d (1-)
2
Ce
UNI-FIIS<Simulacin de Sistemas>
Problema 6
En un consultorio mdico los pacientes
toman asiento en la sala de espera hasta que
les corresponda su turno de atencin. En
promedio llegan 4 pacientes por hora segn
una distribucin de Poisson, y entre cada
atencin transcurre un tiempo promedio de
12 minutos, segn una distribucin
Exponencial. Cuantas sillas como mnimo
sern necesarias en la sala de espera para
que se tenga un 90% de probabilidad o ms
de que todos los pacientes esperen
sentados.
UNI-FIIS<Simulacin de Sistemas>
Problema 7
A un cajero automtico llegan 3 tipos diferentes de
clientes. Clientes de retiro, de deposito y de consulta.
Los de retiro se ha determinado llegan 12 cli/hora
promedio y son atendidos a razn de 2 min/cli
promedio; los clientes de deposito arriban en un
tiempo promedio de 5 cli/hora y demoran 3 min/cli en
realizar su operacin como tiempo promedio. Los
clientes de consulta llegan en promedio 8 cli/hora y la
realizan en un promedio de 1 min/cli . Si todas las
llegadas se ajustan a una distribucin de Poisson y
todos los tiempos entre servicios a una distribucin
exponencial, hallar la probabilidad de que no existan
usuarios en cola.
Problema 8
Los automoviles llegan a una caseta de peaje segn una
distribucin de Poisson con media de 90 autos/hora. El tiempo
promedio de atencin en la caseta es de 38 segundos. Los
choferes se quejan por el tiempo de espera y los cobradores
estn dispuestos a disminuir a 30 segundos el tiempo de
atencin introduciendo un nuevo mecanismo automtico. Los
responsables consideran que la introduccin de este
mecanismo se justificara si con el sistema anterior el nmero
promedio de autos que esperan excede a 5 y adems el tiempo
ocioso de la caseta no deber ser 10% mayor. Se justifica esta
mejora?
UNI-FIIS<Simulacin de Sistemas>
UNI-FIIS<Simulacin de Sistemas>
Preguntas sobre el
sistemas de colas