SIMULACION

Catedrático: DRA. PANCARDO PEREZ JANNYA

REGLAS DE LA MATERIA
 Los ejercicios, tareas, avances de proyecto se deberán
entregar en tiempo, forma, y con las características que
se especifique.
 Evitar el uso del celular dentro del aula, únicamente en
casos urgentes.
 La tolerancia para llegar al salón será únicamente de 5
min.
 El total de unidades de la materia deberán aprobarse. No
se promedian unidades.
 Utilizar de forma ordenada la libreta que se utilice para
la materia.
 ¿Qué es Simulación?

Se refiere a un gran conjunto de métodos

y aplicaciones que buscan imitar el
comportamiento de sistemas reales,
generalmente por medio de una
computadora o un software apropiado.
Existen distintos modelos de simulación
que permiten representar situaciones
reales de diferentes tipos. Podemos tener
modelos físicos o matemáticos, a los
cuales pertenecen los modelos de
simulación de eventos discretos.
DEFINICION DE MODELO
Modelo es una representación de un
objeto, sistema o idea de forma diferente a
la identidad misma
Por lo general el modelo nos ayuda a
entender y mejorar un sistema
Clasificación de los modelos de
simulación
Modelos continuos. Son aquellos donde
las relaciones entre las variables
relevantes de la situación real se definen
por ecuaciones diferenciales, ya que
permiten conocer el comportamiento de
las variables en cierto tiempo.
 Ejemplos:

 La manera en que se
transfiere el calor en un
molde.
 Determinar como fluye
cierto material dentro de una
tubería
 Prever el comportamiento
del nivel de un tanque de
gasolina al paso del tiempo.
Modelos discretos
En ellos el comportamiento que nos
interesa analizar puede representarse por
medio de ecuaciones evaluadas en un
punto determinado.

Ejemplo: Si realizamos un muestreo del

número de personas que llegaron a un
banco en un lapso específico,
podemos simular esta variable con
ecuaciones ligadas a distribuciones de
probabilidad que reflejen dicho
comportamiento.
El modelo de un objeto puede ser una
réplica exacta de este. Con la diferencia
del material que lo compone o de su
escala, inclusive puede ser una
abstracción de las propiedades
dominantes del objeto.
1. MODELOS DETERMINISTICOS
Ni las variables internas y externas se
pueden tomar como datos al azar. Aquí se
permite que las relaciones entre estas
variables sean exactas o sea que no entren
en ellas funciones de probabilidad.
2. MODELOS ESTOCASTICOS
Cuando por lo menos una variable es
tomada como un dato al azar las
relaciones entre variables se toman por
medio de funciones probabilísticas, sirven
por lo general para realizar grandes series
de muestreos, quitan mucho tiempo en el
computador son muy utilizados en
investigaciones científicas
3. MODELOS ESTATICOS

Es que en ellos no se toma en cuenta el

tiempo dentro del proceso, por ejemplo:
los modelos de juegos, modelos donde se
observa las ganancias de una empresa
Ejemplo: Arquitectónicos: líneas de
teléfono, tubos de agua
4. MODELOS DINAMICOS
Si se toma en cuenta la variación del
tiempo, ejemplo: la variación de la
temperatura, del aire durante un día,
movimiento anual de las finanzas de una
empresa. Ejemplo: Laboratorio de
química: reacción entre elementos
PASOS INVOLUCRADOS EN LOS
ESTUDIOS DE SIMULACIÓN
A pesar que existen diversas variaciones
en la forma de desarrollo de un estudio de
simulación, es posible identificar ciertos
pasos básicos en el proceso, los pasos
principales a considerar son:
a. Definición del problema.
b. Planificación del estudio.
c. Formulación del modelo matemático.
d. Construcción del programa que represente
el modelo.
e. Validación del modelo.
f. Diseño del experimento.
g. Ejecución de la corrida de simulación y
análisis de resultados.
EJEMPLOS DE USO DE SIMULACIÓN
Existe una gran cantidad de áreas donde la
técnica de simulación puede ser aplicada.
Algunos ejemplos podrían ser los siguientes:

Simulación de un sistemas de colas. Con la

técnica de simulación es posible estudiar y
analizar sistemas de colas cuya
representación matemática sería demasiado
complicada de analizar.
Ejemplos de estos sistemas serían
aquellos donde es posible la llegada al
sistema en grupo, la salida de la cola del
sistema, el rehusar entrar al sistema
cuando la cola es excesivamente grande,
etc.
Simulación de sistemas de inventarios. A
través de simulación se puede analizar
más fácilmente sistemas de inventarios
donde todos sus parámetros(tiempo de
entrega, demanda, costo de llevar
inventario, etc.), son estocásticos.
Simulación de un proyecto de inversión.

En la práctica existe una gran cantidad

de proyectos de inversión donde la
incertidumbre con respecto a los flujos de
efectivo que el proyecto genera a las tasas
de interés, a las tasas e inflación, etc.,
hacen difícil y a veces imposible manejar
analíticamente este tipo de problemas.
Para poder realizar un buen estudio de
simulación es necesario entender
conceptos básicos que componen nuestro
modelo.
El objetivo del modelo simulación
consiste, en comprender, analizar y
mejorar las condiciones de operación
relevantes del sistema.
La definición básica de sistema nos dice
que se trata de un conjunto de elementos
que se interrelacionan para funcionar
como un todo, podemos hablar de un
sistema de atención a clientes en un
banco, del sistema de inventarios en una
empresa, o del sistema de atención en la
sala de emergencia de un hospital
Cada uno puede dividirse en elementos
que son relevantes para la construcción de
lo que será su modelo de simulación;
entre ellos tenemos:

Entidad: Por lo general es la

representación de los flujos de entrada y
salida de un sistema; al entrar a un
sistema una entidad es el elemento
 responsable de que el estado del sistema cambie.
Ejemplos: clientes o piezas

Estado del sistema: Es la condición que guarda el

sistema bajo estudio en un momento de tiempo
determinado.

Evento: Es un cambio en el estado actual del

sistema, por ejemplo la entrada salida de una
entidad o la finalización de un proceso en un
equipo.
Además del esquema transaccional (pieza
en tarima pieza en estación) que se
presenta en un modelo de simulación, es
necesario considerar otros elementos que
también forman parte de este tipo de
modelaciones.
Locaciones. Son todos aquellos lugares
en los que la pieza puede detenerse.

Recursos. Son aquellos dispositivos,

diferentes a las locaciones, necesarios
para llevar cabo una operación. Ejemplo:
un montacargas que transporta una pieza
de un lugar a otro.
Atributo. Es una característica de una
entidad. Ejemplo: si la entidad es un
motor, los atributos serían su color, peso,
tamaño o cilindraje.

Variables.Son condiciones cuyos valores

se crean y modifican por medio de
ecuaciones matemáticas y relaciones
lógicas.
Reloj de simulación: Es el contador del
tiempo de la simulación, y su función
consiste en responder preguntas tales
como cuánto tiempo se ha utilizado el
modelo y cuánto tiempo se requiere q
dure esta.
Elementos claves para garantizar el éxito
de un modelo de simulación

Ejercicios
 SIMULACION DE VARIABLES
ALEATORIAS
Una de las primeras tareas que es necesario
llevar a cabo consiste en determinar si los
números que utilizaremos para correr o
ejecutar la simulación son realmente
aleatorios o no.
Precisar lo anterior con absoluta
certidumbre resulta muy complicado, ya
que para ello tendríamos que generar un
número infinito de valores que nos
permitiera comprobar la inexistencia de
correlaciones entre ellos.
Se puede asegurar que el conjunto de
números que utilizaremos en una
simulación se comporta de manera muy
similar aun conjunto de números
totalmente aleatorios; por ello se les
denomina números pseudoaleatorios.
Generación de números pseudoaleatorios

Para realizar una simulación se requieren

de números aleatorios en el intervalo de
(0,1), a los cuales se hará referencia como
ri , es decir, una secuencia ri = {r1, r2 , r ,
3

rn }
que contiene n números, todos ellos di-
ferentes.
El valor n recibe el nombre de periodo o
ciclo de vida del generador que creó la
secuencia ri
Un conjunto de ri debe seguir una
distribución uniforme continua, la cual
está definida por:
f(r)= {0,1}; 0≤r ≤1
Algoritmo de cuadrados medios
Este algoritmo no congruencial fue
propuesto en la década de los cuarenta del
siglo xx por Von Neumann y Metropolis.
Requiere un número entero detonador
(llamado semilla) con D dígitos.
 PASO 1
• 1. Seleccionar una semilla (X0) con D dígitos (D>3)

PASO 2

• Sea Y0= resultado de elevar X0 al cuadrado; sea X1 =

Pasos para los D dígitos del centro, y sea r i =0. D dígitos del
centro.
generar Paso 3
números con el
• Sea Yi = resultado de elevar Xi al cuadrado; sea Xi+1 =
Algoritmo de los D dígitos del centro, y sea r i =0. D dígitos del
centro para toda i=1,2,3,n
cuadrados Paso 4
medios
• Repetir el paso 3 hasta obtener los n números ri
deseados.
Nota: Si no es posible obtener los D
dígitos del centro del número Yi, agregue
ceros a la izquierda del número Y i.
EJERCICIOS

Generar los primeros 5 números

pseudoaleatorios apartir de una semilla
X0 = 6789
X0 = 8432
X0 = 63427
X0 = 9875
 PASO 1
• Seleccionar una semilla (X0) con D dígitos (D>3)

PASO 2

Algoritmo • Seleccionar una semilla (X1) con D dígitos (D>3)

de PASO 3
productos • Sea Y0= X0 * X 1 ; sea X 2 = los D dígitos del centro,
y sea ri =0. D dígitos del centro
medios
Paso 4
Algoritmo
• Sea Yi = Xi * Xi+1; sea Xi+2 =los D dígitos del centro,
no y sea r i +1=0. D dígitos del centro para toda i=1,2,3,n

congruencial Paso 5

• Repetir el paso 4 hasta obtener los n números ri deseados.

Algoritmo multiplicador constante
Este algoritmo no congruencial es similar
al algoritmo de productos medios. Los
siguientes son los pasos necesarios para
generar números pseudoaleatorios
con el algoritmo.
 PASO 1
• Seleccionar una semilla (X0) con D dígitos (D>3)

PASO 2
• Seleccionar una constante (a) con D dígitos (D>3)

PASO 3
• Sea Y0= a* X0 ; sea X 1 = los D dígitos del centro, y sea ri =0. D
dígitos del centro.
Paso 4
• Sea Yi = a* Xi; sea Xi+1 =los D dígitos del centro, y sea r i +1=0. D
dígitos del centro para toda i=1,2,3,n
Paso 5
• Repetir el paso 4 hasta obtener los n números ri deseados.
Algoritmo lineal

Algoritmo congruencial propuesto por

D.H. Lehmer en 1951.
Genera una secuencia de números enteros
por medio de la siguiente ecuación
recursiva:
Xi +1 =(ax +c)mod(m) i= 0,1,2,3,….n
i
Donde X es la semilla, a es la constante
0

multiplicativa, c es una constante aditiva,

y m es el módulo X >0, a>0, c>0 y m>0
0

deben ser números enteros.

La operación mod (m) significa

multiplicar X , por a , sumar c, y dividir el
1 1

resultado entre m para obtener el residuo

X.
1
 * La ecuación recursiva del algoritmo
congruencial genera una secuencia de
números enteros S={ 0,1,2,3,…,M-1}, y
para obtener números pseudoaleatorios en
el intervalo de (0,1) se requiere de la
siguiente ecuación:
r = X / m-1 i=0,1,2,3,…..,n
I I
Ejemplo:

Generar 4 números entre 0 y 1 con los

siguientes parámetros: X = 37, a= 19; c=33
0

y m=100
Solución:
X 1 = (19*37+33) mod 100 = 36 r 1= 36/99 =0.3636
X 2 = (19*36+33) mod 100 = 17 r 1= 17/99 =0.1717