SIMULACION1-Jorge Rosales

SIMULACIN Versin 2011
Profesor: PhD (c) Jorge Rosales Salas
CLASE 1
PROGRAMACIN

Talleres Controles Proyecto Prueba 1 Prueba 2
15% 20% 25% 20% 20%
NPE NPE NPE NPE NPE
NPE: NOTA PRESENTACIN A EXAMEN NPE >= 4.0 NO DA EXAMEN Se elimina Taller y Control con mnima calificacin (25% de actividades parciales)
TEMAS
SISTEMA, MODELOS Y SIMULACIN DISTRIBUCIONES DE PROBABILIDAD GENERACIN DE VARIABLES ALEATORIAS ANLISIS DE RESULTADOS MODELOS ESTOCSTICOS
SUPERMERCADO
SISTEMA
Conjunto de objetos o ideas que estn interrelacionados entre s como una unidad para la consecucin de un fin Porcin del Universo que ser objeto de Simulacin
SUPERMERCADO
Cajero 1
Entrada
Cajero 2
Salida
Servicio al cliente
MODELO
Representacin de un objeto, sistema o idea de forma diferente a la de identidad misma
SUPERMERCADO
p Cajero 1 1-p q Cajero 2
Entrada
1-q
Salida
Servicio al cliente
MODELO ESTOCSTICO
Cuando por lo menos una variable es tomada como un dato al azar las relaciones entre variables se toman por medio de funciones probabilsticas.
SUPERMERCADO
M/M/1
Cajero 1
M/M/1 Entrada M/M/2
Cajero 2
Salida
Servicio al cliente
TEORA DE COLAS Y CADENAS DE MARKOV

TC: Estudio matemtico de las lneas de espera o colas dentro de un sistema/modelo
CM: Tipo especial de proceso estocstico discreto en el que la probabilidad de que ocurra un evento depende del evento inmediatamente anterior
SUPERMERCADO
M/M/1
Cajero 1
M/M/1 Entrada M/M/2
Cajero 2
Salida
Servicio al cliente
DISTRIBUCIONES DE PROBABILIDAD
Funcin que asigna a cada suceso definido sobre la variable aleatoria la probabilidad de que dicho suceso ocurra
SUPERMERCADO
M/M/1
Cajero 1
M/M/1 Entrada M/M/2
Cajero 2
Salida
Servicio al cliente
SIMULACIN
ARENA
Disear y desarrollar un modelo computarizado de un sistema o proceso y conducirlo experimentalmente con el propsito de entender el comportamiento del sistema del mundo real o evaluar estrategias con las cuales puedan operar el sistema.
SUPERMERCADO
M/M/1
Cajero 1
M/M/1 Entrada M/M/2
Cajero 2
Salida
Servicio al cliente
GENERACIN VARIABLES ALEATORIAS

Se utiliza para la simulacin de sistemas estocsticos, representando el azar de la realidad.
SIMULACIN 1
SISTEMA, MODELOS Y SIMULACIN
Sistemas, Modelos y Simulacin
Nuestro objeto de inters se denomina Sistema. Para estudiarlo se realizan hiptesis de su funcionamiento,
constituyendo un Modelo.
Si las relaciones matemticas que componen el modelo son:
Sencillas: se pueden emplear mtodos matemticos para obtener una solucin analtica.
Complejas: En la mayora de los casos, se deben estudiar mediante la Simulacin, resolviendo numricamente el modelo con ayuda del computador.
ARENA
EJEMPLO: Un empresario que desea modificar la planta productiva de su empresa, pero no sabe si la ganancia potencial de productividad justifica los costos. No es razonable ejecutar la ampliacin y observar los resultados; si no son satisfactorios se vuelve atrs. Alternativa es simular la operacin actual y la de la planta ampliada y comparar sus productividades.
Estado de un sistema es la coleccin de variables necesarias para describir el sistema en un instante determinado, de acuerdo con los objetivos del estudio.
EJEMPLO: Para determinar el nmero ptimo de cajeros de una sucursal de un Banco que atienden clientes que realizan depsitos y cobros, el sistema se define como la porcin de los empleados y los clientes haciendo fila para ser atendidos. Posibles variables de estado del modelo son el nmero de empleados ocupados, el nmero de clientes en el Banco, el instante de llegada de cada cliente al banco, entre otras variables.
BANCO
Luego, se reemplaza el sistema real por otro sistema que en la mayora de los casos es una versin simplificada (abstraccin), que implementa un modelo necesario para realizar las experiencias necesarias, sin los inconvenientes del sistema real, a lo que se le denomina Simulacin.
ARENA
Al proceso de disear el plan de experimentacin para adoptar la mejor decisin se denomina Optimizacin. Si el plan se utiliza para aprender a conducir el sistema, entonces se denomina Entrenamiento o Capacitacin.
Sistema Conjunto de objetos o ideas que estn interrelacionados entre s como una unidad para la consecucin de un fin (Shannon, 1988). Modelo Un objeto X es un modelo del objeto Y para el observador Z, si Z puede emplear X para responder cuestiones que le interesan acerca de Y (Minsky) (Constructo Conceptual resultante de un proceso cognitivo, que mediante la abstraccin logra una representacin de una realidad).
SUPERMERCADO SUPERMERCADO
Simulacin
Proceso de diseo de un modelo del sistema real y de llevar a cabo experiencias con l, con la finalidad de aprender el comportamiento del sistema o evaluar diversas estrategias para el funcionamiento del sistema (Shannon, 1988).
Ejemplos de Sistemas?
VARIABLES DE ESTADO?
Una red de telecomunicacin es un complejo entramado de recursos fsicos y lgicos (medios y equipos de transmisin, conmutadores, protocolos de comunicacin, etc.), cuyo objetivo es encauzar eficientemente el flujo de informacin entre los usuarios [Pazos-Surez-Daz, 2004]. Sistema predictivo de la calidad del aire en Santiago, compuesto por una serie de estaciones en distintas comunas con equipos para medir diversas variables fsicas y medioambientales Sistema de Atencin Hospitalaria, compuesto por una serie de Postas, Consultorios y Hospitales, con distintas especialidades mdicas, nmero de camas, pabellones quirrgicos, poblacin objetivo, entre otras
MODELAMIENTO DE PROBLEMAS
CONCEPTOS BSICOS DE MODELAMIENTO El primer paso para construir un modelo es elegir los factores o variables que quien toma la decisin considere importantes, los cuales pueden clasificarse en cinco categoras:
Variables de decisin Variables exgenas Polticas y restricciones Medidas de desempeo Variables intermedias
CONCEPTOS BSICOS DE MODELAMIENTO Variables de decisin

Las variables de decisin son aquellas que se encuentran bajo el control de quien toma la decisin.
Representan opciones para la autoridad. Si se considera como ejemplo a un gerente de marketing que debe decidir sobre la introduccin de un nuevo producto, ste puede optar por introducir el producto o no; tambin puede elegir el precio de venta y la cantidad a invertir en publicidad.
CONCEPTOS BSICOS DE MODELAMIENTO Variables de decisin

Como estas son las opciones principales, ellas son las variables de decisin. Es posible tambin que el gerente de marketing tenga que tomar varias decisiones menores, como el color del producto, el contenido detallado de la publicidad, la informacin al personal de ventas sobre el producto, y as sucesivamente. Pero para simplificar el anlisis, este gerente debe optar por eliminar del modelo los factores menos importantes.
CONCEPTOS BSICOS DE MODELAMIENTO

Variables exgenas
Las variables exgenas o variables externas son aquellas que son importantes para el problema de decisin, pero estn condicionadas por factores que estn fuera del alcance de la persona que decide, como condiciones econmicas, acciones de los competidores, precios de las materias primas y factores similares. En el caso del gerente de marketing que considera la introduccin de un nuevo producto, la reaccin de los clientes, costo de las materias primas, etc., son variables exgenas importantes.

Polticas y restricciones
Una persona encargada de tomar decisiones suele trabajar con restricciones impuestas por las polticas de la organizacin, restricciones legales o limitaciones fsicas. Por ejemplo, la fbrica puede tener una capacidad disponible limitada, lo que puede restringir posibles ventas. La poltica de una organizacin puede especificar que los materiales tienen que adquirirse donde determinados proveedores o que deben mantenerse ciertos niveles de calidad.
Polticas y restricciones
A veces, las polticas o restricciones pueden modificarse. Por ejemplo, la capacidad de la fbrica es una restriccin, pero la gerencia podra decidir ampliarla. Esto podra propiciar confusin entre lo que se considera una variable de decisin y lo que es una restriccin. No es importante hacer una distincin muy precisa, aunque la autoridad debe reconocer la presencia de restricciones y entender que ellas pueden modificarse si se considera pertinente.
CONCEPTOS BSICOS DE MODELAMIENTO Medidas de desempeo

Cuando toman una decisin, las autoridades tratan de alcanzar metas u objetivos.
Los criterios o las medidas de desempeo son expresiones cuantitativas de estos objetivos.
Por ejemplo, el gerente de marketing encargado de la decisin de introducir un nuevo producto podra tomar la utilidad como una medida del desempeo. La participacin del mercado y el retorno sobre la inversin tambin pueden ser medidas del desempeo.
CONCEPTOS BSICOS DE MODELAMIENTO Variables intermedias

Resulta comn contar con otras variables para incluir todos los factores importantes en el problema de decisin. A menudo, son variables de contabilidad que son relaciones de factores de costos o ingresos. Se utilizan para relacionar las variables de decisin y las variables exgenas con las medidas del desempeo; por consiguiente, son variables intermedias en el sentido de que se encuentran en medio de otras variables.
CONCEPTOS BSICOS DE MODELAMIENTO Variables intermedias
En el ejemplo de la decisin de un nuevo producto, los ingresos totales (precio de venta por cantidad vendida) son una variable intermedia; los componentes de fabricacin y los costos de ventas tambin son variables intermedias.
Ejercicio 1: Proponer un sistema e:
Ejercicio 2: Diga a qu categora (mental o formal) pertenecen los siguientes sistemas:

1.
2. 3. 4. 5. 6. 7.
Opinin sobre la visita de Obama a Chile Opinin sobre la visita a Obama a Chile escrita en Emol. Secuencia de acciones de Obama en su paso por Chile. Plano de Talcahuano luego del terremoto. Dibujo de una casa. Plano de una casa. Orden en que llegan los insumos a una mquina.
TIPOS DE MODELO
Los modelos de simulacin (no los sistemas reales) pueden clasificarse en:
1. Discretos o Continuos 2. Estticos o Dinmicos 3. Deterministas o Estocsticos Modelo Discreto Aquel en el cual las variables de estado pueden cambiar de valor slo un nmero finito de veces por unidad de tiempo.
Clientes en el sistema
Modelo Continuo Aquel donde las variables de estado pueden cambiar continuamente con el tiempo.
Temperatura
La decisin de uno u otro dependen del objetivo especfico del estudio y no del sistema en s.
EJEMPLO: Para modelar el flujo de trfico vehicular se usar un modelo discreto si son relevantes las caractersticas y movimientos de los vehculos individuales; en caso contrario, puede usarse un modelo continuo.
DISCRETO CONTINUO
Nmero de Vehculos?
Tiempo?
1. Discretos o Continuos 2. Estticos o Dinmicos 3. Deterministas o Estocsticos Modelo Esttico El tiempo no es una variable relevante
Modelo Dinmico
Representa la evolucin del sistema en el tiempo
1. Discretos o Continuos 2. Estticos o Dinmicos 3. Deterministas o Estocsticos Modelo Determinista

Aquel que no contiene variables aleatorias Los datos de salida son nicos para un conjunto de entradas dadas
Modelo Estocstico
Aquel que contiene variables aleatorias Los datos de salida pueden ser a su vez aleatorios
Existe un aparente conflicto entre Determinista y Estocstico: Hay que tener presente que las Teoras Cientficas no son descubrimientos de leyes de la naturaleza; son invenciones de la mente humana. Siempre es fcil determinar si el sistema puede ser graficado con un modelo determinista o estocstico? Si estamos interesados en examinar el resultado de realizar el experimento (Simulacin) una nica vez, entonces debemos usar un Modelo Determinista.
Entran 2 partes y sale un producto final.siempre
Si estamos interesados en examinar los resultados de repetir varias veces el experimento (Simulacin), entonces usar un Modelo Estocstico donde se presentan en forma Probabilstica los resultados.
Entran 10 mil uvas y sale un litro de vino.siempre????
En el mbito de la Ingeniera los Modelos principalmente usados son Discretos, Dinmicos y Estocsticos.
Hay excepciones del tipo Mtodo corresponden a Modelos Estticos.
de
MonteCarlo,
que
Entonces, en un momento dado, la moneda es CARA o SELLO, no ambas. Si deseamos reproducir la tirada sucesiva de una moneda, debemos previamente asignarle un intervalo de nmeros aleatorios a CARA y otro a CRUZ, de manera de poder interpretar el resultado de la simulacin. Tales intervalos se asignan en funcin de las probabilidades de ocurrencia de cada cara de la moneda. Tenemos as: CARA Probabilidad: 0,50 Nmeros aleatorios: 0,000 al 0,499 CRUZ Probabilidad: 0,50 Nmeros aleatorios: 0,500 al 0,999 Despus, al generar un nmero aleatorio, obtenemos el resultado simulado. As, si obtenemos el nmero aleatorio 0,385, observamos que est incluido en el intervalo asignado a CARA.
SIMULACIN DE PROBLEMAS
ETAPAS DE LA SIMULACIN
Formulacin del problema:
En este paso debe quedar perfectamente establecido el objeto de la simulacin. El cliente y el desarrollador deben acordar lo ms detalladamente posible los siguientes factores: los resultados que se esperan del simulador, el plan de experimentacin, el tiempo disponible, las variables de inters, el tipo de perturbaciones a estudiar, el tratamiento estadstico de los resultados, la complejidad de la interfaz del simulador, etc.
Definicin del sistema:
El sistema a simular debe estar perfectamente definido. El cliente y el desarrollador deben acordar dnde estar la frontera del sistema a estudiar y las interacciones con el medioambiente que sern consideradas.
Formulacin del modelo:
Comienza con el desarrollo de un modelo simple que captura los aspectos relevantes del sistema real. Los aspectos relevantes del sistema real dependen de la formulacin del problema; para un ingeniero de seguridad los aspectos relevantes de un automvil son diferentes de los aspectos considerados por un ingeniero mecnico para el mismo sistema.
Coleccin de datos:
La naturaleza y cantidad de datos necesarios estn determinadas por la formulacin del problema y del modelo. Los datos pueden ser provistos por registros histricos, experimentos de laboratorios o mediciones realizadas en el sistema real. Implementacin del modelo en la computadora:
El modelo es implementado utilizando algn lenguaje de computacin. Existen lenguajes especficos de simulacin que facilitan esta tarea; tambin, existen programas que ya cuentan con modelos implementados para casos especiales.
Verificacin:
En esta etapa se comprueba que no se hayan cometidos errores durante la implementacin del modelo.
Validacin:
En esta etapa se comprueba la exactitud del modelo desarrollado. Esto se lleva a cabo comparando las predicciones del modelo con: mediciones realizadas en el sistema real, datos histricos o datos de sistemas similares. Como resultado de esta etapa puede surgir la necesidad de modificar el modelo o recolectar datos adicionales.
Diseo de experimentos:
En esta etapa se decide las caractersticas de los experimentos a realizar: el tiempo de arranque, el tiempo de simulacin y el nmero de simulaciones.
Experimentacin:
En esta etapa se realizan las simulaciones de acuerdo el diseo previo. Los resultados obtenidos son debidamente recolectados y procesados.
Interpretacin:
Se analiza la sensibilidad del modelo con respecto a los parmetros que tienen asociados la mayor incertidumbre.
Implementacin:
Conviene acompaar al cliente en la etapa de implementacin para evitar el mal manejo del simulador o el mal empleo de los resultados del mismo.
Documentacin:
Incluye la elaboracin de la documentacin tcnica y manuales de uso.

Cundo usar la Simulacin?
No existe una formulacin matemtica analticamente resoluble. Ej, la conducta de un cliente en un Banco.
Existe una formulacin matemtica, pero es difcil obtener una solucin analtica. Ej, modelos matemticos usados para modelar un reactor nuclear o una planta qumica; imposibles de resolver analticamente sin realizar serias simplificaciones. No existe el sistema real; disear un sistema nuevo. El diseo del sistema mejorar notablemente si se cuenta con un modelo adecuado para realizar experimentos.
Los experimentos son infactibles debido a impedimentos econmicos, de seguridad, de calidad o ticos.
Ej., provocar fallas en un avin (real) para evaluar la conducta del piloto; variar el valor del impuesto para evaluar la reaccin del mercado.
El sistema real rpidamente.
evoluciona
muy
lentamente
muy
Ej., evolucin del clima y una explosin, respectivamente. En el primer caso, para predecir tornados no se puede esperar a que arrase un ciudad para luego dar la alarma.
Desventajas de la Simulacin El desarrollo de un modelo puede ser costoso, laborioso y lento.
Existe la posibilidad de cometer errores; si el modelo est mal conceptuado o se cometen errores en su manejo, los resultados sern tambin incorrectos. No se puede conocer el grado de imprecisin de los resultados; por lo general el modelo se utiliza para experimentar situaciones nunca planteadas en el sistema real, por lo que no existe informacin previa para estimar el grado de correspondencia.
Algunas reas de Aplicacin: Proceso de Manufacturas: detectar cuellos de botella, distribuir personal, determinar polticas de produccin. Plantas Industriales: condiciones ptimas de operacin, elaboracin de procedimientos de operaciones y de emergencias. Sistemas Pblicos: predecir demanda de energa, de propagacin de enfermedades, de niveles de contaminacin, comportamiento del clima. Sistemas de Transporte: detectar zonas de posible congestionamiento, zonas con mayor riesgo de accidentes, prediccin de demanda.
Construccin: predecir efecto de los vientos y temblores, condiciones de iluminacin y ambientales al interior, detectar partes estructurales a ser reforzadas. Diseo: seleccin adecuada de materiales y formas, anlisis de sensibilidad con respecto de parmetros no controlables. Educacin: comprensin de un sistema real al poder expandir, comprimir y detener el tiempo.
Capacitacin: para implementar el mtodo ms natural para aprender, el de prueba y error, evitando los costos y riesgos del sistema real.
Objetivo del Modelado

El modelo permite mejorar nuestra comprensin acerca de lo que realmente est sucediendo en el sistema. Si el modelo no refleja el conocimiento que se tiene del sistema, probablemente el modelo ser intil. Si el modelador no desarrolla un adecuado conocimiento del sistema a modelar, probablemente el resultado sea pobre y con riesgo de ser intil. Algunos sistemas no podrn ser modelados correctamente y/o la simulacin no resultar ni econmica ni fcil de aplicar correctamente. As tambin, el tiempo y costo asociado a la recoleccin de datos y de los ciclos de proceso computacional para obtener resultados precisos, no debe subestimarse ni subvalorarse.
Suponiendo que un modelo sea vlido, mientras ms sencillo mejor:
Estrategia: de lo general a lo particular. Gradualmente se va detallando el modelo, complejizando su desarrollo, depuracin y ejecucin, como tambin la explicacin e interpretacin de las salidas.
Sistema
Experimentar con el sistema real
Experimentar con un modelo del sistema
Modelo Fsico
Modelo Matemtico
Solucin Analtica
Simulacin
En este curso se trabajar en:
Sistemas con Eventos Discretos
SIMULACIN Versin 2011

CLASE 1

SIMULACION1-Jorge Rosales

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

SIMULACION1-Jorge Rosales

Uploaded by

Copyright:

Available Formats

SIMULACIN Versin 2011

Profesor: PhD (c) Jorge Rosales Salas

Talleres Controles Proyecto Prueba 1 Prueba 2

15% 20% 25% 20% 20%

NPE NPE NPE NPE NPE

Profesor: PhD (c) Jorge Rosales Salas

Profesor: PhD (c) Jorge Rosales Salas

Profesor: PhD (c) Jorge Rosales Salas

p Cajero 1 1-p q Cajero 2

Profesor: PhD (c) Jorge Rosales Salas

M/M/1 Entrada M/M/2

TEORA DE COLAS Y CADENAS DE MARKOV

Profesor: PhD (c) Jorge Rosales Salas

M/M/1 Entrada M/M/2

Profesor: PhD (c) Jorge Rosales Salas

M/M/1 Entrada M/M/2

Profesor: PhD (c) Jorge Rosales Salas

M/M/1 Entrada M/M/2

GENERACIN VARIABLES ALEATORIAS

Profesor: PhD (c) Jorge Rosales Salas

Profesor: PhD (c) Jorge Rosales Salas

Sistemas, Modelos y Simulacin

Si las relaciones matemticas que componen el modelo son:

Profesor: PhD (c) Jorge Rosales Salas

Profesor: PhD (c) Jorge Rosales Salas

Profesor: PhD (c) Jorge Rosales Salas

Profesor: PhD (c) Jorge Rosales Salas

Profesor: PhD (c) Jorge Rosales Salas

Profesor: PhD (c) Jorge Rosales Salas

Profesor: PhD (c) Jorge Rosales Salas

Profesor: PhD (c) Jorge Rosales Salas

Profesor: PhD (c) Jorge Rosales Salas

CONCEPTOS BSICOS DE MODELAMIENTO Variables de decisin

Profesor: PhD (c) Jorge Rosales Salas

CONCEPTOS BSICOS DE MODELAMIENTO Variables de decisin

Profesor: PhD (c) Jorge Rosales Salas

CONCEPTOS BSICOS DE MODELAMIENTO

Profesor: PhD (c) Jorge Rosales Salas

CONCEPTOS BSICOS DE MODELAMIENTO

Profesor: PhD (c) Jorge Rosales Salas

CONCEPTOS BSICOS DE MODELAMIENTO

CONCEPTOS BSICOS DE MODELAMIENTO Medidas de desempeo

CONCEPTOS BSICOS DE MODELAMIENTO Variables intermedias

Profesor: PhD (c) Jorge Rosales Salas

CONCEPTOS BSICOS DE MODELAMIENTO Variables intermedias

Profesor: PhD (c) Jorge Rosales Salas

Profesor: PhD (c) Jorge Rosales Salas

Ejercicio 1: Proponer un sistema e:

Profesor: PhD (c) Jorge Rosales Salas

Profesor: PhD (c) Jorge Rosales Salas

Ejercicio 2: Diga a qu categora (mental o formal) pertenecen los siguientes sistemas:

Profesor: PhD (c) Jorge Rosales Salas

Profesor: PhD (c) Jorge Rosales Salas

Profesor: PhD (c) Jorge Rosales Salas

Profesor: PhD (c) Jorge Rosales Salas

Profesor: PhD (c) Jorge Rosales Salas

Profesor: PhD (c) Jorge Rosales Salas

Profesor: PhD (c) Jorge Rosales Salas

1. Discretos o Continuos 2. Estticos o Dinmicos 3. Deterministas o Estocsticos Modelo Determinista

Profesor: PhD (c) Jorge Rosales Salas

Profesor: PhD (c) Jorge Rosales Salas

Profesor: PhD (c) Jorge Rosales Salas

Hay excepciones del tipo Mtodo corresponden a Modelos Estticos.

Profesor: PhD (c) Jorge Rosales Salas