MODELOS DE
OPTIMIZACIN
DE RECURSOS
UNIDAD 6: Modelacin y
simulacin de
operaciones y procesos
MENDIOLA TLLEZ IRVIN
MONTIEL TAPIA DAVID
INTRODUCCIN
El trabajo que a continuacin les presentamos consta principalmente del proceso
de simulacin nos informa que es, como se formula, que tipo de modelos de
simulacin existen, nos dice cuales podemos usar en determinados momentos, ya
que se usan de acuerdo a la aplicacin que deseamos realizar. Las aplicaciones
que se mencionan en este documento son las aplicaciones en lneas de espera e
inventarios
Lo primero que tenemos que hacer es estudiar nuestro problema y ver cul
es el objetivo que deseamos alcanzar en el proyecto deseado, luego pasamos a
formular nuestro modelo. Con estos datos nos podemos utilizar un software que
nos ayude a realizar el modelo de simulacin ya que en la actualidad existen
varios software para la simulacin cada uno para distintas aplicaciones.
Tambin se habla de las tcnicas de Montecarlo, que son unos mtodos
simplificados de simulacin, que incluye factores de probabilidad. Esta simulacin
funciona de manera guiada por un muestreo al azar para tomar en cuenta la
probabilidad de que el evento suceda. Estas tcnicas nos sirven para simular
sucesos naturales con el fin de determinar la probabilidad de los eventos bajo
estudio.
Este es un trabajo he recopilado informacin distinta de varias fuentes, para
comparar y analizar el contenido de la informacin para luego poner los puntos
ms importantes de cada uno y se pueda entender con ms claridad todos los
temas que abarcaremos.
EL PROCESO DE SIMULACION: CONCEPTO,
ELEMENTOS Y FASES.
Simulacin es la experimentacin con un modelo de una hiptesis o un conjunto
de hiptesis de trabajo.
Thomas T. Goldsmith Jr. y Estle Ray Mann la define as: "Simulacin es una
tcnica numrica para conducir experimentos en una computadora digital. Estos
experimentos comprenden ciertos tipos de relaciones matemticas y lgicas, las
cuales son necesarias para describir el comportamiento y la estructura de
sistemas complejos del mundo real a travs de largos perodos".
Una definicin ms formal formulada por R.E. Shannon 1 es: "La simulacin
es el proceso de disear un modelo de un sistema real y llevar a trmino
experiencias con l, con la finalidad de comprender el comportamiento del sistema
o evaluar nuevas estrategias -dentro de los lmites impuestos por un cierto criterio
o un conjunto de ellos - para el funcionamiento del sistema".
TIPOS DE SIMULACIN
Existen dos tipos distintos de modelos de simulacin.
Los modelos continuos se ocupan de sistemas cuyo comportamiento
cambia contiguamente con el tiempo. Estos modelos suelen utilizar ecuaciones
diferenciales para describir las interacciones entre los diferentes elementos del
sistema.
Los modelos discretos tienen que ver principalmente con el estudio de
lneas de espera con el objetivo de determinar medidas como el tiempo de espera
promedio y la longitud de cola.
ELEMENTOS DE LA SIMULACIN DE EVENTOS DISCRETOS
El objetivo final de la simulacin es estimar algunas medidas de desempeo
deseables que describan el comportamiento del sistema simulado. Por ejemplo, en
una instalacin de servicio, las medidas de desempeo asociadas pueden incluir
el tiempo de espera promedio hasta que un cliente es atendido, la longitud
promedio de la cola y la utilizacin promedio de la instalacin de servicio.
Todas las simulaciones de eventos discretos describen, directamente o
indirectamente, simulaciones de colas en las que los clientes llegan (para
servicio), esperan en la cola (si es necesario) y luego reciben servicio antes de
salir de la instalacin de servicio.
La aleatoriedad de la simulacin surge cuando el intervalo t, entre los
eventos sucesivos es probabilstico. Esta seccin presenta tres mtodos para
generar muestras aleatorias sucesivas (t=t1,t2) de una distribucin de
probabilidad f(t).
Mtodo inverso
Mtodo de convolucin
Mtodo de aceptacin y rechazo
MTODO INVERSO
Suponga que se desea obtener una muestra aleatoria x de la funcin de
densidad de probabilidad f(x) (continua o discreta). El mtodo inverso determina
primero la expresin de forma cerrada de la funcin de densidad acumulada F(x) =
P{y x}, donde 0 F(x )1, para todos los valores definidos de y.
Se puede demostrar que la variabilidad aleatoria z=F(x) est distribuida de
modo uniforme en el intervalo 0 z 1. Con base en este resultado, se determina
una muestra aleatoria de f(x) mediante los siguientes pasos (F-1 es la inversa de
F).
Paso 1: Genere un nmero aleatorio 0-1,R.
Paso 2: Calcule la muestra deseada x = F-1 (R).
MTODO DE CONVOLUCIN
La idea bsica del mtodo de convolucin es expresar la muestra deseada
como la suma estadstica de otras variables aleatorias fciles de muestrear.
Tpicas entre estas distribuciones estn las de Erland y la de Poisson, cuyas
muestras pueden obtenerse con las muestras de la distribucin exponencial.
MODELOS DE SIMULACION
La experimentacin puede ser un trabajo de campo o de laboratorio. El modelo de
mtodo usado para la simulacin seria terico, conceptual o sistmico.
Despus de confirmar la hiptesis podemos ya disear un teorema.
Finalmente, si ste es admitido puede convertirse en una teora o en una ley.
MODELO TERICO
El 'modelo terico' debe contener los elementos que se precisen para la
simulacin. Un ejemplo con trabajo de laboratorio es un programa de estadstica
con ordenador que genere nmeros aleatorios y que contenga los estadsticos de
la media y sus diferentes versiones: cuadrtica- aritmtica-geomtrica-armnica.
Adems, debe ser capaz de determinar la normalidad en trminos de probabilidad
de las series generadas. La hiptesis de trabajo es que la media y sus versiones
tambin determinan la normalidad de las series. Es un trabajo experimental de
laboratorio. Si es cierta la hiptesis podemos establecer la secuencia teorema,
teora, ley. Es el modelo principal de toda una investigacin cientfica, gracias a
ello podemos definir o concluir la hiptesis, las predicciones, etc.
MODELO CONCEPTUAL
El modelo conceptual desea establecer por un cuestionario y con trabajo de
campo, la importancia de la discriminacin o rechazo en una colectividad y hacerlo
por medio de un cuestionario en forma de una simulacin con una escala de
actitud. Despus de ver si la poblacin es representativa o adecuada, ahora la
simulacin es la aplicacin del cuestionario y el modelo es el cuestionario para
confirmar o rechazar la hiptesis de si existe discriminacin en la poblacin y hacia
qu grupo de personas y en que cuestiones. Gran parte de las simulaciones son
de este tipo con modelos conceptuales.
MODELO SISTMICO
El modelo sistmico es ms pretencioso y es un trabajo de laboratorio. Se simula
el sistema social en una de sus representaciones totales. El anlisis de sistemas
es una representacin total. Un plan de desarrollo en el segmento de transportes
con un modelo de ecologa humana, por ejemplo. El nfasis en la teora general
de sistemas es lo adecuado en este tipo de simulaciones. Este mtodo, que es
para un Sistema complejo, es sumamente abstracto, no se limita a la descripcin
del sistema, sino que debe incluir en la simulacin las entradas y salidas de
energa y procesos de homeostasis, auto hiptesis y retroalimentacin.
Tanto el programa de estadstica, como la escala de actitud, como el
sistema total, son perfectas simulaciones de la realidad y modelizan todos los
elementos en sus respectivas hiptesis de trabajo. Son tambin un microclima y el
ambiente o el escenario en los procesos de simulacin/experimentacin. Otras
propiedades que deben contener las simulaciones es que sean repetibles
indefinidamente. Que eviten el efecto de aprendizaje que incita al encuestador a
rellenar l mismo los cuestionarios y que se podr evitar con algn control, que
sean flexibles o mejorables y que no sea invasivo o cambiar la poblacin de las
muestras sucesivas.
PROCEDIMIENTO DE SIMULACION
PASO 1: DEFINICION DE LOS OBJETIVOS
Una simulacin puede llevarse a cabo como ayuda para entender un sistema
existente o como apoyo para disear un nuevo sistema.
Es importante que los objetivos estn definidos con claridad, Los objetivos influyen
en el diseo del experimento.
PASO 2: FORMULACION DEL MODELO
La tarea es desglosar en trminos lgico matemticos precisos:
Las componentes que deben incluirse.
Comportamiento de las componentes
Sus relaciones
La meta es formular un modelo vlido y seguro con un mnimo de complejidad.
PASO 3: DISEO DEL EXPERIMENTO
Se ahorra mucho tiempo y esfuerzo, si se trabaja en los procedimientos
experimentales antes de correr el modelo.
Qu medidas se tiene que tomar? Qu incrementos de tiempo se usaran?
Cul ser la duracin total?
Deben tomarse en cuenta las respuestas a estas y otras preguntas al desarrollar
un plan para el experimento.
PASO 4: REALIZACION DEL EXPERIMENTO
Esto es de hecho correr el modelo. Aqu se debe marcar el tiempo apropiado,
hacer las observaciones necesarias y registras los datos para el anlisis.
PASO 5: EVALUACION DE LOS RESULTADOS
Casi siempre la simulacin da resultados estadsticos: promedios y distribuciones
de probabilidad.
En la prctica, estos 5 pasos se traslapan considerablemente.
El orden de los pasos es menos significativo que el que se ejecuten por completo.
APLICACIONES DE LA SIMULACION EN PROBLEMAS DE
LNEAS DE ESPERA E INVENTARIOS
La teora de colas es el estudio matemtico del comportamiento de lneas de
espera. Esta se presenta, cuando los clientes llegan a un lugar demandando
un servicio a un servidor, el cual tiene una cierta capacidad de atencin. Si el
servidor no est disponible inmediatamente y el cliente decide esperar, entonces
se forma la lnea de espera.
Una cola es una lnea de espera y la teora de colas es una coleccin de
modelos matemticos que describen sistemas de lnea de espera particulares o
sistemas de colas. Los modelos sirven para encontrar un buen compromiso entre
costes del sistema y los tiempos promedio de la lnea de espera para un sistema
dado.
Los sistemas de colas son modelos de sistemas que proporcionan servicio.
Como modelo, pueden representar cualquier sistema en donde los trabajos o
clientes llegan buscando un servicio de algn tipo y salen despus de que dicho
servicio haya sido atendido. Podemos modelar los sistemas de este tipo tanto
como colas sencillas o como un sistema de colas interconectadas formando una
red de colas. En la siguiente figura podemos ver un ejemplo de modelo de colas
sencillo. Este modelo puede usarse para representar una situacin tpica en la
cual los clientes llegan, esperan si los servidores estn ocupados, son servidos
por un servidor disponible y se marchan cuando se obtiene el servicio requerido.
El problema es determinar qu capacidad o tasa de servicio proporciona el
balance correcto. Esto no es sencillo, ya que un cliente no llega a un horario fijo,
es decir, no se sabe con exactitud en que momento llegarn los clientes.
Tambin el tiempo de servicio no tiene un horario fijo.
El origen de la Teora de Colas est en el esfuerzo de Agner Kraup Erlang
(Dinamarca, 1878 - 1929) en 1909 para analizar la congestin de trfico
telefnico con el objetivo de cumplir la demanda incierta de servicios en el
sistema telefnico de Copenhague. Sus investigaciones acabaron en una
nueva teora denominada teora de colas o de lneas de espera. Esta teora es
ahora una herramienta de valor en negocios debido a que un gran nmero de
problemas pueden caracterizarse, como problemas de congestin llegada-
salida.
Los objetivos de la teora de colas consisten en:
Identificar el nivel ptimo de capacidad del sistema que minimiza el
coste global del mismo.
Evaluar el impacto que las posibles alternativas de modificacin de la
capacidad del sistema tendran en el coste total del mismo.
Establecer un balance equilibrado (ptimo) entre las consideraciones
cuantitativas de costes y las cualitativas de servicio.
Hay que prestar atencin al tiempo de permanencia en el sistema o en
la cola: la paciencia de los clientes depende del tipo de servicio
especfico considerado y eso puede hacer que un cliente abandone el
sistema.
SIMULACION EN PROBLEMAS DE LINEAS DE ESPERA
Al realizar la simulacin de este tipo de problemas se obtienen datos de distintas
situaciones que se pueden presentar al cambiar las distintas variables que
intervienen, siendo de gran utilidad para que en base a estos se puedan tomar las
medidas necesarias para solucionar las carencias que pueda presentar el sistema.
El anlisis de dichos datos nos dice si es necesario aumentar las instalaciones de
servicio al superar una cantidad n de clientes, obtenemos un tiempo promedio de
espera por cada cliente; el cual se puede reducir al incrementar las filas o
utilizando mtodos para priorizar sus necesidades y atenderlos en diferentes
instalaciones de servicio. Todos estos datos deben ser analizados por los
administradores decir cul de las opciones es la ms apropiada o incluso si es
suficiente dejar las cosas como estn ya que no sera rentable invertir una gran
suma en la contratacin de ms personal para las diferentes instalaciones extras y
que estas solo produzcan mnimas diferencias respecto al estado actual que se
tenga.
USO DE SOFTWARE
SIMULACION POR COMPUTADORA
Es un intento de modelar situaciones de la vida real por medio de un programa de
computadora, lo que requiere ser estudiado para ver cmo es que trabaja el
sistema. Ya sea por cambio de variables, quizs predicciones hechas acerca del
comportamiento del sistema.
La simulacin por computadora se ha convertido en una parte til del
modelado de muchos sistemas naturales en fsica, qumica y biologa, y sistemas
humanos como la economa y las ciencias sociales (sociologa
3
computacional), as como en dirigir para ganar la penetracin su comportamiento
cambiar cada simulacin segn el conjunto de parmetros iniciales supuestos por
el entorno. Las simulaciones por computadora son a menudo consideradas seres
humanos fuera de un loop de simulacin.
Tradicionalmente, el modelado formal de sistemas ha sido a travs de un modelo
matemtico, que intenta encontrar soluciones analticas a problemas que permiten
la prediccin del comportamiento de un sistema de un conjunto de parmetros y
condiciones iniciales. La simulacin por computadora es frecuentemente usada
como un accesorio para, o sustitucin de, sistemas de modelado para los cuales
las soluciones analticas de forma cerrada simple no son posibles. Ah se
encuentran muchos tipos diferentes de simulacin por computadora, la
caracterstica comn que todas ellas comparten es el intento por generar una
muestra de escenarios representativos para un modelo en que una enumeracin
completa de todos los estados posibles sera prohibitivos o imposibles. Varios
paquetes de software existen para modelar por computadora en el funcionamiento
de la simulacin se realiza sin esfuerzo y simple (por ejemplo: la
simulacin Montecarlo y el modelado estocstico como el Simulador de Riesgo).
Es cada vez ms comn escuchar acerca de simulaciones a muchas clases
designadas como "ambientes sintticos". Esta etiqueta ha sido adoptada al
ampliar la definicin de "simulacin", que abarca virtualmente cualquier
representacin computarizada.
LA TCNICA MONTECARLO
Es un mtodo simplificado de simulacin, pero tambin incluye factores de
probabilidad. La simulacin es guiada por un muestreo al azar para tomar en
cuenta la probabilidad de que el evento suceda.
El muestreo al azar se usa para simular sucesos naturales con el fin de determinar
la probabilidad de los eventos bajo estudio.
Se emplea una tabla de nmeros al azar para obtener la muestra al azar. El
Montecarlo es un medio de tanteo para ver qu sucedera cuando ciertos eventos,
normales y anormales, se presenten.
Este enfoque es productivo y dice lo que probablemente suceder en los eventos
reales sin analizar los eventos comprobables existentes. Las aplicaciones posibles
son muy numerosas.
Pueden usarse para resolver problemas con estas preguntas tpicas:
Cul es la probabilidad de un evento o combinacin de eventos, que ocurran en
un proceso dado?
Qu decisin debe tomarse en base a las alternativas posibles?
Lneas de espera (Filas):
Se presentan problemas administrativos debido a:
Se hace esperar a empleados, mquinas o materiales debido a
instalaciones insuficientes para manejarlos de inmediato.
Ocurre la utilizacin de las instalaciones a menos del mximo a causa de la
secuencia de la llegada de recursos que emplean las instalaciones.
Hay prdidas de tiempo, mano de obra no utilizada y costos excesivos
causados por las lneas de espera o filas. Minimizar estas prdidas es el objetivo
de esta tcnica.
Las filas estn relacionadas con el flujo; Ejemplo: el material que espera ser
procesado por una mquina, los aviones que dan crculos sobre un aeropuerto en
espera de instrucciones, incluyen el flujo de la combinacin y de los materiales.
Los mtodos de Montecarlo abarcan una coleccin de tcnicas que
permiten obtener soluciones de problemas matemticos o fsicos por medio de
pruebas aleatorias repetidas. En la prctica, las pruebas aleatorias se sustituyen
por resultados de ciertos clculos realizados con nmeros aleatorios. A lo largo de
varias pginas se estudiar el concepto de variable aleatoria y la transformacin
de una variable aleatoria discreta o continua.
Empezaremos a estudiar esta tcnica por los ejemplos ms sencillos: el
mecanismo bsico de la difusin y el establecimiento del equilibrio trmico entre
dos sistemas que se ponen en contacto a distinta temperatura. Estos dos ejemplos
nos mostrarn el significado de proceso irreversible y fluctuacin alrededor del
estado de equilibrio.
Se incluyen entre otros ejemplos, la explicacin de la ley exponencial
decreciente en la desintegracin de una sustancia radioactiva en otra estable.
Comprender, a partir de un modelo simple de ncleo radioactivo, que su
desintegracin es un suceso aleatorio, con mayor o menor probabilidad
dependiendo de la anchura de las barreras de potencial que mantienen confinadas
a las partculas que componen el ncleo.
Otros ejemplos relevantes son: el estudio de un sistema con un nmero
pequeo de estados como paso previo al estudio del comportamiento de un
material paramagntico bajo la accin de un campo magntico y a una
determinada temperatura, dos ejemplos de aplicacin de la transformacin de una
variable discreta. Por ltimo, estudiaremos el comportamiento de un material
dielctrico como ejemplo de aplicacin de transformacin de una variable aleatoria
continua.
