Simulacin de Eventos Discretos

Simulacin de eventos discretos

Una simulacin de eventos discretos es aquella
en la que los cambios de estado de las
variables se realizan en puntos discretos
del tiempo accionados por eventos.
Eventos de simulacin tpicos pueden incluir:
1. La llegada de un cliente o una pieza.
2. La falla de un recurso o mquina.
3. La terminacin de una actividad.
4. La finalizacin de un turno de trabajo.

Ejemplos de SED
La simulacin de un restaurante es un ejemplo de
una simulacin de eventos discretos porque las
variables (Ej. Nmero de clientes esperando en
cola, nmero de clientes sentados en una mesa
determinada, tiempo promedio de espera, etc.)
Cambian en determinados puntos en el tiempo.
La mayora de los sistemas de
manufactura y de servicio se simulan
como simulaciones de eventos discretos.

Modelizacin de una cola con un servidor

Distribucin de Poisson ()
Representa el nmero de eventos que ocurren en un
intervalo de tiempo cuando los eventos ocurren a
una tasa constante, como por ejemplo el
Nmero de aviones que aterrizan en un aeropuerto por da,
hora, minuto, etc.
Nmero de llamadas telefnicas a un conmutador por hora,
minuto, etc.
Nmero de llegadas de embarcaciones a un puerto por da,
mes, etc.

Distribucin de Poisson ()
Para determinar la probabilidad de que ocurran x xitos
por unidad de tiempo, rea, o producto, la frmula a
utilizar sera:

Donde:
P(x,)=probabilidad de que ocurran x xitos, cuando el nmero promedio de
ocurrencia de ellos es .
= media o promedio de xitos por unidad de tiempo, rea o producto.
X= variable que nos denota el nmero de xitos que se desea que ocurra.

Ejemplo
A un taller de reparacin de motores pequeos
llegan trabajos de reparacin a razn de 10 por
da.
(a) Cul es el nmero promedio de trabajos que se
reciben a diario en el taller?
(b) Cul es la probabilidad de que no lleguen
trabajos durante cualquier hora, suponiendo que
el taller est abierto 8 horas al da?

Teoras de colas
El estudio de las colas tiene que ver con la
cuantificacin del fenmeno de esperar por
medio
de
medidas
de
desempeo
representativas, tales como longitud promedio
de la cola, tiempo de espera promedio en la cola,
y el uso promedio de la instalacin.

Caractersticas de los sistemas de colas

Seis son las caractersticas bsicas que se deben
utilizar para describir adecuadamente un
sistema de colas

Patrn de llegada de los clientes

Patrn de servicio de los servidores
Disciplina de cola
Capacidad del sistema
Nmero de canales de servicio
Nmero de etapas de servicio

Patrn de llegada de los clientes

Se supone que las llegadas entran al sistema de manera completamente
aleatoria. No tienen horario, es impredecible en qu momento llegarn.
De una manera ms formal, esto significa que la probabilidad de una
llegada en cualquier instante de tiempo es la misma que en cualquier otro
momento. Como se ver despus, esto equivale a afirmar que el nmero de
llegadas por unidad de tiempo tiene una distribucin Poisson. La suposicin
de llegadas aleatorias es vlida para una infinidad de sistemas reales (por
supuesto, slo durante las horas de operacin).
El modelo tambin supone que las llegadas vienen de una poblacin infinita
y llegan una a la vez. Siempre que no falten las llegadas, es decir, se acaben,
puede considerarse que su fuente es infinita. No se permiten llegadas
simultneas, ya que causaran mltiples lneas y este es un modelo de una
sola lnea.

Patrn de servicio de los servidores

Se supone que un solo servidor proporciona el
servicio que vara aleatoriamente. En particular,
el tiempo de servicio sigue una distribucin
exponencial (que se describir ms tarde). De
hecho, esto se deriva de la suposicin de que las
salidas son completamente aleatorias, la misma
suposicin que se us para las llegadas.

Disciplina de cola
La notacin para la disciplina en colas:
FCFS = Primero en llegar, primero en ser
servido
LCFS = ltimo en llegar, primero en ser servido
SIRO = Servicio en orden aleatorio
GD = Disciplina general (es decir, cualquier tipo
de disciplina)

Modelos de lneas de esperas: de un solo

canal

Un importante resultado matemtico es el demostrado por John

Little en 1961, el cual relaciona las siguientes variables:
L:Nmero
promedio
de
clientes
en
un
sistema
W:Tiempo
promedio
de
espera
en
un
sistema
: Nmero promedio de clientes que llegan al sistema por unidad de
tiempo

Luego la Ley de Little establece que el nmero promedio de

clientes en un sistema (L) es igual a la tasa promedio de llegada de
los clientes al sistema ()por el tiempo promedio que un cliente esta
en el sistema (W).

Formulas
Probabilidad de que una unidad llegue y tenga que esperar
el servicio:
Numero promedio de clientes en la lnea de espera:

Numero promedio de clientes en el sistema:

Tiempo promedio de espera en la lnea de espera:

Tiempo promedio de espera en el sistema:

Ejemplo
Un pequeo banco est considerando abrir un servicio para
que los clientes paguen desde su automvil. Se estima que
los clientes llegarn a una tasa promedio de 15 por hora. El
cajero que trabajar en la ventanilla puede atender a los
clientes a un ritmo promedio de uno cada tres minutos.
Suponiendo que el patrn de llegadas es Poisson y el patrn
de servicios es Exponencial, encuentre:

La utilizacin promedio
El nmero promedio de clientes en la lnea de espera
El nmero promedio de clientes en el sistema
El tiempo promedio de la espera en la fila
El tiempo promedio de espera en el sistema

Ejemplo
Suponga que usted observa una peluquera los sbados
en la maana y encuentra que los clientes aparecen
como un proceso de Poisson y que la rata de llegada es
de 5 por hora. Adems que todos los clientes que llegan
esperarn hasta ser atendidos. Suponga ahora que la
atencin en la peluquera por tiempo es
aproximadamente exponencial y en promedio dura 10
minutos cada corte de pelo etc. Calcule:
nmero esperado de clientes en la peluquera incluyendo
el que est en la silla.
Es el nmero de clientes esperando sentados para ser
peluqueados

Estructuras de colas