Universidad del valle de México (UVM)
Fausto Daniel Rodriguez Popoca
Resultado de • Comprender los principios y las características básicas
Aprendizaje: de una simulación orientada a eventos discretos.
• Identificar procesos de producción que pueden ser
modeladas por medio de una simulación.
• Plantear un proceso de producción en términos de un
modelo de simulación.
Justificación: La aplicación de la técnica de Montecarlo, permite hacer
aproximaciones a problemas diversos de ingeniería industrial,
como el establecimiento de niveles de inventario.
Marco Teórico: Método de Montecarlo
El método de Montecarlo permite resolver problemas
matemáticos mediante la simulación de variables aleatorias.
John Von Neumann, en los años 40 y con los primeros
ordenadores, aplica la simulación para resolver problemas
complejos que no podían ser resueltos de forma analítica.
Montecarlo y su casino están relacionados con la simulación.
media, desviación estándar error y realizar el histograma.
La ruleta, juego estrella de los casinos, es uno de los aparatos
Analizar resultados
mecánicos para que
más sencillos distintos tamaños de
nos permiten muestra.
obtener números
Otra opción para trabajar con Monte
aleatorios para simular variables aleatorias. Carlo, cuando la variable
A veces la aplicación del método Monte Carlo se usa parao
aleatoria no es directamente el resultado de la simulación
tenemos
analizar relacionesque
problemas entreno variables
tienen unescomponente
la siguiente: aleatorio
Diseñar el
modelo en
explícito; lógicoestosde casos
decisión Especificar determinista
un parámetro distribucionesdel de
probabilidad para las variables aleatorias
problema se expresa como una distribución aleatoria y se relevantes. Incluir
posiblesdicha
simula dependencias entreUn
distribución. variables.
ejemploMuestrear
sería elvalores famoso de
las variables
problema de aleatorias.
las Agujas de Bufón. La simulación de Monte
Calcular
Carlo tambiénel resultado
fue creadadel paramodelo
resolversegún los valores
integrales que no se del
muestreo
pueden (iteración)
resolver y registrar
por métodos el resultado
analíticos, paraRepetir
solucionar el proceso
estas
hasta tener una muestra estadísticamente
integrales se usaron números aleatorios. Posteriormente se representativa
Obtener
utilizó la distribución
para de frecuencias
cualquier esquema que del resultado
emplee de las
números
iteracionesusando
aleatorios, Calcular media, desvío.
variables aleatoriasAnalizar los resultados de
con distribuciones Las
principales conocidas,
probabilidad características
el cualaestener
usado enpara cuenta
resolver paraciertosla
implementación o utilización del algoritmo
problemas estocásticos y determinísticos, donde el tiempo son: El sistema
no
debe ser descripto
juega un papel importante. por 1 o más funciones de distribución de
Elprobabilidad
algoritmo de (fdp) Generador
Simulación de números
Monte aleatorios:
Carlo Crudo o Puro comoestáse
fundamentado en la generación de números aleatorios por que
generan los números aleatorios es importante para evitar el
se produzca correlación entre los valores muestrales.
método de Transformación Inversa, el cual se basa en las
distribuciones acumuladas de frecuencias:
Material, equipo y/o Computadora, pizarrón, proyector, plumones, pieza que
reactivos: contenga entre 10 y 20 ensambles, cronometro, registros de
tiempo, herramienta.
Desarrollo de la
Demanda por estación (Kg) Kg/diario
Estación Producto Media Desviación
estándar
Invierno Naranja 16.0 5.6
Manzana 9.0 3.2
Primavera Naranja 20.0 7.0
Manzana 12.0 4.2
Verano Naranja 26.0 9.1
Manzana 16.8 5.9
Otoño Naranja 18.0 7.4
Manzana 10.4 3.7
Práctica: 1) Resolver de
manera INDIVIDUAL el
problema
descrito a continuación, estableciendo el nivel de
inventario para la
totalidad de las estaciones
del año.
2) Subir a la plataforma en
formato de Excel la
solución, junto con el
cuerpo de está práctica,
debidamente requisitado.
3) Los archivos deberán
denominarse con
su nombre
empezando por el apellido
paterno.
Cálculo de la cantidad óptima
de compra de materia prima
Una comercializadora de
jugos de fruta quiere
optimizar sus costos
mediante la elaboración de
un plan de pedidos de sus dos
principales materias primas:
naranja y manzana. Tanto la
demanda como el precio de
las frutas tienen una variación
en cada una de las estaciones
del año.
Después de realizar un
estudio durante los últimos 5
años, se determinó que la
demanda por estación
trimestral tiene un
comportamiento normal con
las siguientes características:
Considere el comportamiento
de la demanda en un rango
por día
entre 12 y 22 para las
naranjas y entre 11 y 21
para las manzanas. El
precio promedio de la
fruta también varía de
acuerdo con la estación.
Esto se debe a factores
climáticos y demanda
nacional. Los siguientes
valores fueron obtenidos
mediante el estudio de los
precios de los últimos 5 años
y las proyecciones de la
sagarpa:
Precio de kg. De fruta por estación
Estación Producto Precio
Naranja $ 9.60
Invierno
Manzana $ 1.90
Naranja $ 12.00
Primavera
Manzana $ 2.50
Naranja $ 15.60
Verano
Manzana $ 3.50
Naranja $10.80
Otoño Manzana $ 2.20
Existen varios otros costos
asociados al ordenar la
materia prima, los cuales no
varían con la estación:
• Costo de ordenar:
$1.83
• Costo unitario de
faltantes $ 16.0
La fruta que no se utiliza se
vende en la noche a un 20
por ciento de su precio
original y se utiliza una fruta
para cada jugo. Se requiere
establecer el número diario
de manzanas y naranjas que
se deben comprar para
minimizar el costo asociado a
esta
Resultados y
observaciones
actividad.
Conclusiones y/o
recomendaciones Al terminar la práctica he llegado a la conclusión de que el método
de Montecarlo permite resolver problemas matemáticos mediante
la simulación de variables aleatorias. John Von Neumann, aplica la
simulación para resolver problemas complejos que no podían ser
resueltos de forma analítica, ya que para poder tener datos mas
exactos con el método de Montecarlo debemos hacer alrededor de
1000 experimentos lo cual es complicado realizar a lápiz y para esto
nos ayudamos del programa excel.
Referen ias W. David. Simulación con software arena. Mc Graw Hill. México:
c ficas y/o 2008. Industrial Statistics, practice methods and guidance and
bibliográdas improved performance
Fuentes JOCKLEARD Anand M.2010
consulta WileyUnited Stated of America
ISBN 978 0470 49716-6
Manejo ón de No aplica
y s:
Disposici
Desecho
