INSTITUTO TECNOLÓGICO DE TUXTEPEC INGENIERIA EN SISTEMAS COMPUTACIONALES MATERIAS POSTERIORES
-
Upload
independent -
Category
Documents
-
view
1 -
download
0
Transcript of INSTITUTO TECNOLÓGICO DE TUXTEPEC INGENIERIA EN SISTEMAS COMPUTACIONALES MATERIAS POSTERIORES
INSTITUTO TECNOLÓGICO DE TUXTEPEC
INGENIERIA EN SISTEMAS COMPUTACIONALES
LIC. MARÍA ELENA AGUILAR ESPEJO SIMULACIÓN. PERIODO AGOSTO–DICIEMBRE 2014.
UN
IDAD
N° 1
: IN
TR
OD
UCCIÓ
N A
LA S
IMU
LAC
IÓN
ASIGNATURA:
SIMULACIÓN OBJETIVO: ANALIZARÁ, MODELARÁ, EXPERIMENTARÁ SISTEMAS COMPUTACIONALES, PRODUCTIVOS Y DE SERVICIOS, REALES O HIPOTÉTICOS A TRAVÉS DE LA SIMULACIÓN DE EVENTOS DISCRETOS CON EL FIN DE CONOCERLOS CON CLARIDAD O MEJORAR SU FUNCIONAMIENTO. TEMÁTICA:
UNIDAD N° 1: INTRODUCCIÓN A LA SIMULACIÓN.
UNIDAD N° 2: NÚMEROS PSEUDOALEATORIOS.
UNIDAD N° 3: GENERACIÓN DE VARIABLES ALEATORIAS.
UNIDAD N° 4: LENGUAJES DE SIMULACIÓN.
UNIDAD N° 5: UNIDAD INTEGRADORA. MATERIAS ANTERIORES:
PROBABILIDAD Y ESTADÍSTICA.
MATEMÁTICAS V.
MÉTODOS NUMÉRICOS.
FUNDAMENTOS DE PROGRAMACIÓN. MATERIAS POSTERIORES:
INVESTIGACIÓN DE OPERACIONES.
INSTITUTO TECNOLÓGICO DE TUXTEPEC
INGENIERIA EN SISTEMAS COMPUTACIONALES
LIC. MARÍA ELENA AGUILAR ESPEJO SIMULACIÓN. PERIODO AGOSTO–DICIEMBRE 2014.
UN
IDAD
N° 1
: IN
TR
OD
UCCIÓ
N A
LA S
IMU
LAC
IÓN
UNIDAD N° 1 INTRODUCCIÓN A LA SIMULACIÓN
OBJETIVO: EL ESTUDIANTE IDENTIFICARÁ LOS ELEMENTOS PRINCIPALES Y LAS PRINCIPALES
APLICACIONES EN SIMULACIÓN.
1. DEFINICIONES E IMPORTANCIA DE LA SIMULACIÓN EN LA INGENIERIA
El verbo simular cada vez toma mayor auge en diversas disciplinas científicas, para
describir el viejo arte de la construcción de modelos. Aun cuando esta palabra se aplica
a diversas formas de construcción de modelos, tales como: Los de la escultura y pintura
del Renacimiento; Los modelos a escala de aviones; Los modelos en computadora de los
procesos cognoscitivos, e incluso en las ciencias físicas y en las del comportamiento.
Su empleo moderno se remonta hacia fines de 1940, cuando Von Neumann y Ulam
acuñaron el término "ANÁLISIS DE MONTE CARLO" para aplicarlo a una técnica
matemática que usaban entonces en la resolución de ciertos problemas de protección
nuclear que eran, o demasiado costosos para resolverse experimentalmente o de enorme
complejidad para un tratamiento analítico.
El análisis de Monte Carlo involucraba la solución de un problema matemático, no
probabilístico mediante la simulación de un proceso estocástico, cuyos momentos o
distribuciones de probabilidad satisfacen las relaciones matemáticas del problema no
probabilístico.
A través de un estudio de simulación, se puede estudiar el efecto de cambios
internos y externos del sistema, al hacer alteraciones en el modelo del sistema y
observando los efectos de esas alteraciones en el comportamiento del sistema.
Una observación detallada del sistema que se está simulando puede conducir a
un mejor entendimiento del sistema y por consiguiente a sugerir estrategias que
mejoren la operación y eficiencia del sistema.
INSTITUTO TECNOLÓGICO DE TUXTEPEC
INGENIERIA EN SISTEMAS COMPUTACIONALES
LIC. MARÍA ELENA AGUILAR ESPEJO SIMULACIÓN. PERIODO AGOSTO–DICIEMBRE 2014.
UN
IDAD
N° 1
: IN
TR
OD
UCCIÓ
N A
LA S
IMU
LAC
IÓN
La simulación de sistemas complejos puede ayudar a entender mejor la
operación del sistema, a detectar las variables más importantes que interactúan
en el sistema y a entender mejor las interrelaciones entre estas variables.
La técnica de simulación puede ser utilizada para experimentar con nuevas
situaciones, sobre las cuales tiene poca o ninguna información. A través de esta
experimentación se puede anticipar mejor a posibles resultados no previstos.
Cuando nuevos elementos son introducidos en un sistema, la simulación puede ser
usada para anticipar cuellos de botella o algún otro problema que puede surgir
en el comportamiento del sistema.
En simulación cada variable puede sostenerse constante excepto algunas cuya
influencia está siendo estudiada. Como resultado el posible efecto de descontrol
de las variables en el comportamiento del sistema necesitan no ser tomados en
cuenta. Como frecuentemente debe ser hecho cuando el experimento está
desarrollado sobre un sistema real.
DEFINICIÓN DE SIMULACIÓN: Existen innumerables definiciones de simulación, de las cuales estas son algunas de las
más aceptadas:
Thomas H. Naylor:
Es una técnica numérica para conducir experimentos en una computadora digital.
Comprenden ciertos tipos de relaciones matemáticas y lógicas, las cuales son necesarias
para describir el comportamiento y la estructura de sistemas complejos del mundo real a
través de largos períodos de tiempo.
INSTITUTO TECNOLÓGICO DE TUXTEPEC
INGENIERIA EN SISTEMAS COMPUTACIONALES
LIC. MARÍA ELENA AGUILAR ESPEJO SIMULACIÓN. PERIODO AGOSTO–DICIEMBRE 2014.
UN
IDAD
N° 1
: IN
TR
OD
UCCIÓ
N A
LA S
IMU
LAC
IÓN
H. Maisel y G. Gnugnoli:
Técnica numérica para realizar experimentos en una computadora digital. Estos
experimentos involucran ciertos tipos de modelos matemáticos y lógicos que describen el
comportamiento de sistemas de negocios, económicos, sociales, biológicos, físicos o
químicos a través de largos períodos de tiempo.
Robert. Shannon:
Simulación es el proceso de diseñar y desarrollar un modelo de un sistema o proceso real
y conducir experimentos con el propósito de entender el comportamiento del sistema o
evaluar varias estrategias (dentro de límites impuestos por un criterio o conjunto de
criterios) para la operación del sistema.
En otras palabras SIMULACIÓN es:
Una Colección de entradas que pasan a través de las fases de cierto proceso,
produciendo respuestas. Por ejemplo:
SISTEMA DE MANUFACTURA
INSTITUTO TECNOLÓGICO DE TUXTEPEC
INGENIERIA EN SISTEMAS COMPUTACIONALES
LIC. MARÍA ELENA AGUILAR ESPEJO SIMULACIÓN. PERIODO AGOSTO–DICIEMBRE 2014.
UN
IDAD
N° 1
: IN
TR
OD
UCCIÓ
N A
LA S
IMU
LAC
IÓN
SISTEMA DE SERVICIO
ÁREAS DE APLICACIÓN
Sistemas de Computadoras: Evaluar hardware o requisitos de software.
Telecomunicaciones: Diseñar sistemas de comunicación o protocolos para
mensajería, etc.
Transporte y Energía: Diseñar facilidades como autopistas, metros, puertos, etc.
Aplicaciones Militares y Navales: Evaluación de nuevas armas o tácticas.
Economía: Análisis de sistemas económicos o financieros.
Fabricación: Diseñar y analizar políticas de planificación, inventarios, etc.
Personal en empresas de servicios:
Bancos, Comida Rápida, Correo, etc.
Distribución y Logística
Salud
Salas de urgencias y de operaciones
Planes de Emergencia: (terremotos, inundaciones).
Distribución de Servicios: (juzgados, hospitales)
INSTITUTO TECNOLÓGICO DE TUXTEPEC
INGENIERIA EN SISTEMAS COMPUTACIONALES
LIC. MARÍA ELENA AGUILAR ESPEJO SIMULACIÓN. PERIODO AGOSTO–DICIEMBRE 2014.
UN
IDAD
N° 1
: IN
TR
OD
UCCIÓ
N A
LA S
IMU
LAC
IÓN
VENTAJAS Y DESVENTAJAS:
Ventajas:
A través de un estudio de simulación, se puede estudiar el efecto de cambios
internos y externos del sistema.
Mejor entendimiento del sistema, estrategias de operación y eficiencia.
Puede ser utilizada como instrumento pedagógico para enseñar a los estudiantes
habilidades básicas en análisis estadísticos, teóricos, etc.
En sistemas complejos puede ayudar a entender la operación del sistema,
detectar las variables más importantes que interactúan y entender mejor las
relaciones entre las mismas.
Experimentar nuevas situaciones, sobre las cuales se tiene poco o ninguna
información.
Para el entrenamiento del personal: Empresas, aerolíneas, la nasa, etc.
Para anticipar cuellos de botella o algún otro problema que pueda surgir en el
comportamiento del sistema.
No es necesario interrumpir las operaciones de la compañía.
Proporciona muchos tipos de alternativas posibles de explorar.
La simulación proporciona un método más simple de solución cuando los
procedimientos matemáticos son complejos y difíciles.
Desventajas:
Requiere equipo computacional y recurso humano costoso.
Requiere bastante tiempo para que un modelo de simulación sea desarrollado y
perfeccionado.
La solución de un modelo de simulación puede dar al análisis un falso sentido de
seguridad.
Es difícil aceptar los modelos de simulación y difícil de vender la idea.
INSTITUTO TECNOLÓGICO DE TUXTEPEC
INGENIERIA EN SISTEMAS COMPUTACIONALES
LIC. MARÍA ELENA AGUILAR ESPEJO SIMULACIÓN. PERIODO AGOSTO–DICIEMBRE 2014.
UN
IDAD
N° 1
: IN
TR
OD
UCCIÓ
N A
LA S
IMU
LAC
IÓN
II. CONCEPTOS BÁSICOS DE MODELACIÓN, SISTEMAS Y CONTROL. El primer paso a dar para estudiar un sistema es elaborar un modelo, el cual puede ser
una representación formal de la teoría o una explicación formal de la observación
empírica. Sin embargo, a menudo es una combinación de ambas. Los propósitos de usar
un modelo son los siguientes:
Hace posible que un investigador organice sus conocimientos teóricos y sus
observaciones empíricas sobre un sistema y deduzca las consecuencias lógicas de
esta organización.
Favorece una mejor comprensión del sistema.
Acelera análisis.
Constituye un sistema de referencia para probar la aceptación de las
modificaciones del sistema.
Es más fácil de manipular que el sistema mismo.
Hace posible controlar más fuentes de variación que lo que permitiría el estudio
directo de un sistema.
Suele ser menos costoso.
Al analizar un sistema podemos observar, que al cambiar un aspecto del mismo, se
producen cambios o alteraciones en otros. Es en estos casos en los que la simulación,
representa una buena alternativa para analizar el diseño y operación de complejos
procesos o sistemas.
La modelación de sistemas es una metodología aplicada y experimental que pretende:
1. Describir el comportamiento de sistemas.
2. Hipótesis que expliquen el comportamiento de situaciones problemática.
3. Predecir un comportamiento futuro, es decir, los efectos que se producirán
mediante cambios en el sistema o en su método de operación.
INSTITUTO TECNOLÓGICO DE TUXTEPEC
INGENIERIA EN SISTEMAS COMPUTACIONALES
LIC. MARÍA ELENA AGUILAR ESPEJO SIMULACIÓN. PERIODO AGOSTO–DICIEMBRE 2014.
UN
IDAD
N° 1
: IN
TR
OD
UCCIÓ
N A
LA S
IMU
LAC
IÓN
DEFINICIÓN DE MODELO: Es una representación de un objeto, sistema o idea, de forma diferente al de la entidad
misma. El propósito de los modelos es ayudarnos a explicar, entender o mejorar un
sistema. Un modelo de un objeto puede ser una réplica exacta de éste o una abstracción
de las propiedades dominantes del objeto. Es decir:
Un Modelo es “Una representación de un sistema desarrollado para un propósito
específico”
Puesto que la finalidad de un modelo es ayudarnos a responder preguntas sobre un
determinado sistema, el primer paso en la construcción de un modelo es definir cuál es el
sistema y cuáles son las preguntas. En este contexto, se entiende por Sistema: “Cualquier
objeto o conjunto de objetos cuyas propiedades se desean estudiar”.
Con una definición tan amplia, cualquier fuente potencial de datos puede considerarse
un sistema. Algunos ejemplos de sistema son:
Una planta de fabricación con máquinas, personal, dispositivos de transporte y almacén.
El servicio de emergencias de un hospital, incluyendo al personal, las salas, el
equipamiento y el transporte de los pacientes.
Una red de ordenadores con servidores, clientes, dispositivos de disco y de cinta,
impresoras, etc.
Un supermercado con control de inventario, cajeros y atención al cliente.
Un parque temático con atracciones, tiendas, restaurantes, trabajadores, clientes
y aparcamientos
Modelación de sistemas: Se refiere a las relaciones entre el sistema real y sus modelos”
INSTITUTO TECNOLÓGICO DE TUXTEPEC
INGENIERIA EN SISTEMAS COMPUTACIONALES
LIC. MARÍA ELENA AGUILAR ESPEJO SIMULACIÓN. PERIODO AGOSTO–DICIEMBRE 2014.
UN
IDAD
N° 1
: IN
TR
OD
UCCIÓ
N A
LA S
IMU
LAC
IÓN
DEFINICIONES DE SISTEMAS POR TIPO:
Estructural:
Se define el sistema identificando y describiendo cada una de sus partes. Se
considera que luego de hacer esto se puede conocer al sistema.
Funcional:
Se define el sistema considerando cada una de sus partes como una caja negra y
conociendo las interrelaciones que existen entre ellas. Se conoce al sistema, si es
que se conoce su dinámica.
PRÁCTICA N° 1: De manera grupal desarrollar la siguiente práctica: Identificación de sistemas por el tipo de
definición (Ver Archivo Adjunto).
INSTITUTO TECNOLÓGICO DE TUXTEPEC
INGENIERIA EN SISTEMAS COMPUTACIONALES
LIC. MARÍA ELENA AGUILAR ESPEJO SIMULACIÓN. PERIODO AGOSTO–DICIEMBRE 2014.
UN
IDAD
N° 1
: IN
TR
OD
UCCIÓ
N A
LA S
IMU
LAC
IÓN
Formas de Estudiar un Sistema:
Modelos Mentales. Depende de nuestro punto de vista, están basados en la
intuición y en la experiencia, suelen ser incompletos y no tener un enunciado preciso,
no son fácilmente transmisibles. Ejemplo: Ideas, conceptualizaciones, conocimientos
de aprendizaje.
Modelos Verbales: En este tipo de modelos el comportamiento del sistema es
descrito mediante palabras; por ejemplo: Los sistemas expertos son ejemplos de
modelos verbales formalizados.
Modelos Físicos: Llamados así, debido a que se semejan al sistema real. Es decir
modelos de tamaño natural, reducidos a escala para probarlos. (NASA, líneas
aéreas comerciales, construcciones, etc.)
Modelos Matemáticos: Son modelos en los cuales las relaciones entre las cantidades
que pueden ser observadas del sistema como son: (distancias, velocidades, flujos,
Sistema
Experimentar con el Sistema Real
Modelo Mental Modelo Verbal Modelo Físico Modelo Matemático
Solución Analítica Simulación
Experimentación en Base a Modelos
INSTITUTO TECNOLÓGICO DE TUXTEPEC
INGENIERIA EN SISTEMAS COMPUTACIONALES
LIC. MARÍA ELENA AGUILAR ESPEJO SIMULACIÓN. PERIODO AGOSTO–DICIEMBRE 2014.
UN
IDAD
N° 1
: IN
TR
OD
UCCIÓ
N A
LA S
IMU
LAC
IÓN
etc.) están descritas mediante relaciones matemáticas. En este sentido, la mayoría
de las leyes de la naturaleza son modelos matemáticos.
Modelos Formales: Están basados en reglas, son transmisibles. Ejemplo: Planos,
diagramas, etc.
Modelado y simulación es una disciplina para la consecución de un nivel de
comprensión de la interacción entre las partes del sistema y del sistema como un todo. El
nivel de comprensión que se puede obtener mediante esta disciplina.
PRÁCTICA N° 2:
Desarrollar la siguiente práctica de manera grupal: Identificar el modelo de estudio al
que pertenece, cada uno de los Sistemas descritos en el Archivo Adjunto.
INSTITUTO TECNOLÓGICO DE TUXTEPEC
INGENIERIA EN SISTEMAS COMPUTACIONALES
LIC. MARÍA ELENA AGUILAR ESPEJO SIMULACIÓN. PERIODO AGOSTO–DICIEMBRE 2014.
UN
IDAD
N° 1
: IN
TR
OD
UCCIÓ
N A
LA S
IMU
LAC
IÓN
TAXONOMÍA DE LOS MODELOS MATEMÁTICOS DE SISTEMAS:
MODELOS MATEMÁTICOS
Modelo Determinístico:
En este modelo todas sus variables de entrada son deterministas, es decir, el valor de
cada una de ellas es conocido en cada instante, es decir no se obtienen por medio del
azar. Son variables con valores prestablecidos.
Por Ejemplos:
“La planificación de una línea de producción, en cualquier proceso industrial, es posible
realizarla con la implementación de un sistema de gestión de procesos que incluya un
modelo determinístico en el cual estén cuantificadas las materias primas, la mano de
obra, los tiempos de producción y los productos finales asociados a cada proceso”.
Leyes gravitacionales (un cuerpo baja en ciertas condiciones).
Leyes de Kepler (comportamiento de los planetas).
Simulación de Montecarlo
Simulación Orientada a
Eventos Discretos
Modelo del Sistema
Determinístico Estocástico
Discreto Continúo
Dinámico Estático
INSTITUTO TECNOLÓGICO DE TUXTEPEC
INGENIERIA EN SISTEMAS COMPUTACIONALES
LIC. MARÍA ELENA AGUILAR ESPEJO SIMULACIÓN. PERIODO AGOSTO–DICIEMBRE 2014.
UN
IDAD
N° 1
: IN
TR
OD
UCCIÓ
N A
LA S
IMU
LAC
IÓN
Modelos Estocásticos:
Un modelo es estocástico cuando al menos una variable del mismo es tomada como un
dato al azar y 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.
Ejemplo: El tiempo de funcionamiento de una máquina entre avería y avería, su tiempo
de reparación y el tiempo que necesita un operador humano para realizar una
determinada operación.
Modelos Estáticos:
Son aquellos que no toman en cuenta explícitamente, la variable tiempo. Es
decir el factor tiempo no es sustancial para la solución del problema.
Ejemplo: Costo para cantidad de camas reservadas (en un hospital).
Modelos Dinámicos:
Los modelos dinámicos son una representación de la conducta dinámica de un
sistema, Mientras un modelo estático involucra la aplicación de una sola
ecuación, los modelos dinámicos, por otro lado, son reiterativos. Es decir
evolucionan con el tiempo.
Modelos de Tiempos Continúos:
Estos modelos están caracterizados por el hecho de que el valor de sus variables de
estado puede cambiar infinitas veces (Es decir de manera continua) en un intervalo
finito de tiempo.
La simulación continua es análoga a un depósito en donde el fluido que
atraviesa una cañería es constante. El volumen puede aumentar o puede
disminuir, pero el flujo es continuo.
INSTITUTO TECNOLÓGICO DE TUXTEPEC
INGENIERIA EN SISTEMAS COMPUTACIONALES
LIC. MARÍA ELENA AGUILAR ESPEJO SIMULACIÓN. PERIODO AGOSTO–DICIEMBRE 2014.
UN
IDAD
N° 1
: IN
TR
OD
UCCIÓ
N A
LA S
IMU
LAC
IÓN
Modelos de Tiempos Discretos:
El estado de los cambios en los modelos sólo se da cuando esos eventos ocurren, por
ejemplo:
La llegada de órdenes, o las partes que están siendo ensambladas, así como los
clientes que llaman.
Una fábrica que ensambla partes es un buen ejemplo de un sistema de evento
discreto. Las entidades individuales (partes) son ensambladas basadas en eventos
(recibo o anticipación de órdenes).
Para su estudio, los sistemas se han clasificado en dos categorías: discretos y continuos.
Para recordar: un sistema discreto es aquel para el que los cambios en las variables de
estado cambian instantáneamente en puntos separados del tiempo.
Ejemplo: Una gasolinera es un ejemplo de sistema discreto, puesto que las variables de
estado como el número de automóviles que esperan el servicio de abastecimiento de
combustible, cambian solamente cuando un cliente llega o cuando un auto completa el
servicio y sale de la estación.
Un sistema continuo es aquel para el que las variables de estado cambian
continuamente con respecto al tiempo.
Ejemplo: Una aeronave que se desplaza en el aire es un ejemplo de sistema continuo
puesto que sus variables de estado tales como su posición y su velocidad pueden cambiar
instantáneamente con respecto al tiempo.
INSTITUTO TECNOLÓGICO DE TUXTEPEC
INGENIERIA EN SISTEMAS COMPUTACIONALES
LIC. MARÍA ELENA AGUILAR ESPEJO SIMULACIÓN. PERIODO AGOSTO–DICIEMBRE 2014.
UN
IDAD
N° 1
: IN
TR
OD
UCCIÓ
N A
LA S
IMU
LAC
IÓN
LOS MODELOS SIRVEN PARA:
INSTITUTO TECNOLÓGICO DE TUXTEPEC
INGENIERIA EN SISTEMAS COMPUTACIONALES
LIC. MARÍA ELENA AGUILAR ESPEJO SIMULACIÓN. PERIODO AGOSTO–DICIEMBRE 2014.
UN
IDAD
N° 1
: IN
TR
OD
UCCIÓ
N A
LA S
IMU
LAC
IÓN
ESTRUCTURA DE LOS MODELOS DE SIMULACIÓN
Definir el sistema.
Componentes:
Elementos o Entidades.
Atributos
Actividades
Eventos
Variables de estado
Entidad: Denota un objeto o componente de interés en un sistema, por ejemplo: un
cliente, un servidor o una máquina.
Atributos: Denota una propiedad de una entidad, por ejemplo: la prioridad de los
clientes en la fila de espera.
Actividades: Todo proceso que provoque cambios en el sistema se conocerá como
actividad, Ejemplo: programar un nuevo módulo en un sistema académico.
Eventos: Un evento es un hecho que ocurre instantáneamente y que cambia el estado
del sistema, como por ejemplo la llegada de un nuevo cliente a un banco.
Variables de estado: Las variables de estado describen el estado de un sistema o uno de
sus componentes, ya sea al comienzo, al final o durante un periodo. Estas variables
interaccionan con las variables exógenas del sistema y con las endógenas, de acuerdo
con las relaciones funcionales supuestas para el sistema.
INSTITUTO TECNOLÓGICO DE TUXTEPEC
INGENIERIA EN SISTEMAS COMPUTACIONALES
LIC. MARÍA ELENA AGUILAR ESPEJO SIMULACIÓN. PERIODO AGOSTO–DICIEMBRE 2014.
UN
IDAD
N° 1
: IN
TR
OD
UCCIÓ
N A
LA S
IMU
LAC
IÓN
El valor de una variable de estado, durante un periodo particular de tiempo, puede
depender no solamente de los valores de una o más variables exógenas en algún
periodo precedente, sino también del valor de ciertas variables de salida en periodos
anteriores.
Se llaman variables endógenas aquellas actividades y eventos que ocurren en el sistema,
es decir son internas del modelo y dependen de las variables exógenas y de las estructura
del modelo. Ejemplo, número de usuarios esperando, tiempo en el que el servidor está
vacío, etc., y variables exógenas las que ocurren en el entorno que afecta al sistema; es
decir externas al sistema, ejemplo: número de servidores, capacidad de una cola.
Ejemplo de Sistemas y Componentes:
PRÁCTICA N° 3: Identificación de Modelos de Simulación y su Elementos principales.
INSTITUTO TECNOLÓGICO DE TUXTEPEC
INGENIERIA EN SISTEMAS COMPUTACIONALES
LIC. MARÍA ELENA AGUILAR ESPEJO SIMULACIÓN. PERIODO AGOSTO–DICIEMBRE 2014.
UN
IDAD
N° 1
: IN
TR
OD
UCCIÓ
N A
LA S
IMU
LAC
IÓN
III. ESTRUCTURA DE UN ESTUDIO DE SIMULACIÓN.
1. Definición del sistema:
Es necesario un análisis preliminar, con el fin de determinar la interacción del sistema con
otros sistemas, las restricciones del sistema, las variables que interactúan dentro del
sistema y sus interrelaciones, las medidas de efectividad que se van a utilizar para definir
y estudiar el sistema y los resultados que se esperan obtener del estudio.
2. Formulación del Modelo:
Define las variables que forman parte, sus relaciones lógicas y los diagramas de flujo que
describan en forma completa al modelo. Es decir el modelo a través del cual se
obtendrán los resultados del estudio.
3. Colección de Datos:
Definir con claridad y exactitud los datos que el modelo va a requerir para producir los
resultados deseados, normalmente estos se obtienen de registros contables, de órdenes de
trabajo, de órdenes de compra, de opiniones de expertos y por experimentación.
4. Implementación del modelo en la computadora:
Con el modelo descrito, se decide si se utiliza un lenguaje de programación ó algún
paquete como: GPSS, Simula, Arena, Promodel, Simscript, etc., para procesar y obtener
los resultados deseados.
5. Validación:
En esta etapa es posible detallar deficiencias en la formulación del modelo o en los datos
alimentados al modelo. Las formas más comunes de validar son:
a) La opinión de expertos sobre los resultados de la simulación.
b) La exactitud con que se predicen datos históricos.
c) La exactitud en la predicción del futuro.
INSTITUTO TECNOLÓGICO DE TUXTEPEC
INGENIERIA EN SISTEMAS COMPUTACIONALES
LIC. MARÍA ELENA AGUILAR ESPEJO SIMULACIÓN. PERIODO AGOSTO–DICIEMBRE 2014.
UN
IDAD
N° 1
: IN
TR
OD
UCCIÓ
N A
LA S
IMU
LAC
IÓN
d) La comprobación de falla del modelo de simulación al utilizar datos que hacen
fallar al sistema real.
e) La aceptación y confianza en el modelo de la persona que hará uso de los
resultados que arroje el experimento de simulación.
6. Experimentación:
Consiste en generar los datos deseados y el análisis de sensibilidad de los índices
requeridos.
7. Interpretación:
Se interpretan los resultados que arroja la simulación y en base a esto se hace a toma de
decisiones. Los resultados que se obtienen del estudio de simulación ayudan a soportar
decisiones del tipo semi-estructurado. Es decir, la computadora, en si no toma la decisión,
si no que la información que proporciona ayuda a tomar mejores decisiones y a obtener
mejores resultados.
8. Documentación:
Dos tipos de documentación son requeridos para hacer un mejor uso del modelo de
simulación. La primera se refiere a la documentación de tipo técnico, es decir: La
documentación que el departamento de Procesamiento de Datos debe de tener del
modelo, la segunda se refiere al manual de usuario, con el que se facilita la interacción y
el uso del modelo desarrollado.
INSTITUTO TECNOLÓGICO DE TUXTEPEC
INGENIERIA EN SISTEMAS COMPUTACIONALES
LIC. MARÍA ELENA AGUILAR ESPEJO SIMULACIÓN. PERIODO AGOSTO–DICIEMBRE 2014.
UN
IDAD
N° 1
: IN
TR
OD
UCCIÓ
N A
LA S
IMU
LAC
IÓN
PASOS EN EL ESTUDIO DE LOS SISTEMAS DE SIMULACIÓN
DIAGRAMA DE FLUJO DE LAS ETAPAS DEL ESTUDIO DE SIMULACIÓN
Observación
Sistema Real
Especificación Dinámica
Resultados
Especificación Simulable
Simulación
Interpretación Elección de un
Paradigma
INSTITUTO TECNOLÓGICO DE TUXTEPEC
INGENIERIA EN SISTEMAS COMPUTACIONALES
LIC. MARÍA ELENA AGUILAR ESPEJO SIMULACIÓN. PERIODO AGOSTO–DICIEMBRE 2014.
UN
IDAD
N° 1
: IN
TR
OD
UCCIÓ
N A
LA S
IMU
LAC
IÓN
EJEMPLO DE UN SISTEMA DE FABRICACIÓN:
Objetivo:
1. Estimar la producción esperada.
2. Tiempo de espera en la cola, longitud de la cola, proporción de tiempo en que la
máquina está vacía.
Identificar las entidades del sistema y sus atributos.
Entidad Atributo
Trabajo Tiempo de llegada
Estado de la máquina: Ocupado o disponible (vacía)
Trabajo es una entidad temporal
Máquina es una entidad permanente
Determinar las variables de estado:
El estado del sistema en el tiempo t está expresado por:
1. Número de trabajos en la cola (n=0, 1, 2,…)
2. Estado de la máquina (i=0, 1)
3. Tiempo hasta la siguiente llegada (a>0)
4. Tiempo de servicio restante (b>0)
INSTITUTO TECNOLÓGICO DE TUXTEPEC
INGENIERIA EN SISTEMAS COMPUTACIONALES
LIC. MARÍA ELENA AGUILAR ESPEJO SIMULACIÓN. PERIODO AGOSTO–DICIEMBRE 2014.
UN
IDAD
N° 1
: IN
TR
OD
UCCIÓ
N A
LA S
IMU
LAC
IÓN
Por tanto el tiempo que queda hasta el siguiente evento está dado por min(a, b)
Identificar los eventos elementales
Hay que recordar que un cambio de estado se llama evento
Trabajo Máquina
Llegada Eliminar de la cola
Salida Pasar a ocupado
Comienzo del servicio Pasar a vacío
Fin del servicio
Entrar en la cola
Definir los eventos compuestos
Un evento compuesto es una forma de ejecutar una secuencia de acciones
simultáneamente. Los eventos elementales se combinan en eventos compuestos a efectos
de planificación de eventos.
Llegada
INSTITUTO TECNOLÓGICO DE TUXTEPEC
INGENIERIA EN SISTEMAS COMPUTACIONALES
LIC. MARÍA ELENA AGUILAR ESPEJO SIMULACIÓN. PERIODO AGOSTO–DICIEMBRE 2014.
UN
IDAD
N° 1
: IN
TR
OD
UCCIÓ
N A
LA S
IMU
LAC
IÓN
Salida
IV. ETAPAS DE UN PROYECTO DE SIMULACIÓN 1. Análisis de Objetivos y Criterio
En esta Primera Fase, se agrupan el conjunto de tareas que tiene por fin definir el Marco
del Problema y sus ámbitos de validez. Diseñar el Modelo y Validarlo.
1.1. Formulación Precisa del Problema:
Es necesario en primer lugar definir claramente los objetivos de nuestra investigación,
antes de hacer cualquier intento encaminado a planear la realización de un
experimento en simulación. Encontraremos que la exposición original del problema varía
considerablemente de su versión final, ya que la formulación del problema es un proceso
secuencial que generalmente requiere de una formulación continua y progresiva de
refinamiento de los objetivos de experimento durante su realización:
Los ítems a trabajar en esta etapa son:
Definición de hipótesis
Causas y Efectos que deben predecirse, estimarse y evaluarse.
Conjunto de criterios para evaluar los resultados.
Decisión si es o no la Simulación la herramienta para estudiar.
INSTITUTO TECNOLÓGICO DE TUXTEPEC
INGENIERIA EN SISTEMAS COMPUTACIONALES
LIC. MARÍA ELENA AGUILAR ESPEJO SIMULACIÓN. PERIODO AGOSTO–DICIEMBRE 2014.
UN
IDAD
N° 1
: IN
TR
OD
UCCIÓ
N A
LA S
IMU
LAC
IÓN
1.2. Recolección de Datos Reales:
La recolección de datos es el proceso de captación de los hechos disponibles, con los
cuales pueden ser procesados posteriormente, cuando sean necesarios. Los datos son de
tipo cualitativos y cuantitativos antes de que exista la posibilidad de definir algún
modelo. Es necesario un sistema eficiente para la recolección de datos por:
Se requiere información descriptiva y cuantitativa.
Los datos puedan sugerir hipótesis de cierta validez.
Los datos pueden sugerir, mejorar o refinar los modelos.
Es necesario que los datos, reducidos a una forma final, se utilicen para estimar los
parámetros de las características disponibles de operación relativa a las variables
endógenas, exógenas y de estado del sistema.
Sin tales datos, serían imposibles probar la validez de un modelo para la simulación.
1.3. Formulación del Modelo:
La formulación de los modelos consiste en tres pasos:
Especificación de los componentes
Especificación de las variables y los parámetros que se deben incluir en el modelo.
Especificación de las relaciones funcionales.
Por lo general, estamos interesados en la formulación de modelos que produzcan
descripciones o predicciones, razonablemente exactas, referentes al comportamiento de
un sistema dado y reduzca a la vez, el tiempo de computación y programación. Sin
embargo, no es posible establecer con exactitud, la interdependencia de las
características de los modelos, ya que tanto él número de variables en un modelo, como
su complejidad, se encuentran directamente relacionadas con los tiempos de
programación, cómputo y validez. Si alteramos cualquiera de las citadas características,
alteramos a su vez el resto de ellas. Hay que tener en consideración en la formulación
del modelo la eficiencia de computación, es decir, la complejidad del algoritmo.
INSTITUTO TECNOLÓGICO DE TUXTEPEC
INGENIERIA EN SISTEMAS COMPUTACIONALES
LIC. MARÍA ELENA AGUILAR ESPEJO SIMULACIÓN. PERIODO AGOSTO–DICIEMBRE 2014.
UN
IDAD
N° 1
: IN
TR
OD
UCCIÓ
N A
LA S
IMU
LAC
IÓN
El tiempo consumido para la programación de la computadora, constituye una cuarta
consideración al formular modelos para simulación.
1.4. Estimación de Parámetros y Análisis Estadísticos:
Una vez que hemos recolectado los datos apropiados del sistema que describen su
comportamiento es necesario estimar los valores de los parámetros para el modelo y
probar su significación estadística.
1.5 Validación del Modelo y sus Parámetros
Es necesario hacer un juicio del valor inicial de la suficiencia de nuestro modelo, para
probarlo. Esto se logra haciendo una comparación de las mediciones iniciales obtenidas
por nuestro modelo de simulación con las obtenidas de la realidad.
Este paso representa sólo la primera etapa en la prueba de un modelo de simulación
previa a las corridas reales en la computadora, por lo que en este punto nuestro interés
reside en probar las suposiciones o entradas que se programarán en la computadora.
En caso de que las características operacionales tomen la forma de distribuciones de
probabilidad, será necesario aplicar pruebas de bondad de ajuste que determinen qué
también se ajusta una distribución hipotética de probabilidad a los datos del mundo
real. Deseamos también probar la importancia estadística de nuestras estimaciones de
los valores esperados, variancias y otros parámetros de estas distribuciones de
probabilidad. Estas pruebas podrían comprender:
1. Prueba d referente a las medidas: Prueba de una muestra relativa a las
medidas, Diferencias entre medias.
2. Prueba referentes a las variancias: ji cuadrada, Prueba F
3. Pruebas basadas sobre el conteo de datos: Prueba referente a las proporciones,
Diferencias entre K proporciones, Pruebas de bondad de ajuste.
4. Pruebas no paramétricas: Pruebas basadas en suma de rangos, Pruebas de la
mediana, Pruebas de corridas, Prueba de correlación en serie.
INSTITUTO TECNOLÓGICO DE TUXTEPEC
INGENIERIA EN SISTEMAS COMPUTACIONALES
LIC. MARÍA ELENA AGUILAR ESPEJO SIMULACIÓN. PERIODO AGOSTO–DICIEMBRE 2014.
UN
IDAD
N° 1
: IN
TR
OD
UCCIÓ
N A
LA S
IMU
LAC
IÓN
De entre las preguntas que nos interesa formular durante esta etapa del procedimiento, se
encuentran las siguientes:
¿Incluimos algunas variables que no sean pertinentes, en el sentido de que
contribuyen muy poco a nuestra capacidad para predecir el comportamiento de las
variables endógenas de nuestro sistema?
¿Omitimos la inclusión de una o más variables exógenas que pudieran afectar el
comportamiento de las variables endógenas en nuestro sistema?
¿Formulamos incorrectamente una o más relaciones funcionales entre las variables
endógenas y exógenas de nuestro sistema?
¿Apreciamos debidamente las estimaciones de los parámetros de los característicos
operacionales de nuestro sistema?
¿Cómo se comportan los valores teóricos de las variables endógenas de nuestro
sistema con los valores históricos o reales basados en cálculos manuales? (ya que aún
no formulamos un programa para computadora).
2. Implementación del Procesamiento
En esta Segunda Fase, se agrupan el conjunto de tareas que tiene por fin obtener una
versión del Modelo de Cómputo y sus Experimentos.
2.1. Codificación del Modelo: Diagramas de Flujo, Programación, Compilación.
La formulación de un programa para computadoras, cuyo propósito sea dirigir los
experimentos de simulación con nuestros modelos del sistema bajo estudio, requiere que
se considere especialmente las siguientes actividades:
Al escribir un programa de simulación para computadora la primera etapa requiere la
formulación de un diagrama de flujo que bosqueje la secuencia lógica de los eventos
que realizará la computadora, al generar los tiempos planificados para las variables
endógenas de nuestro modelo. Podemos escribir nuestro programa en un lenguaje de
INSTITUTO TECNOLÓGICO DE TUXTEPEC
INGENIERIA EN SISTEMAS COMPUTACIONALES
LIC. MARÍA ELENA AGUILAR ESPEJO SIMULACIÓN. PERIODO AGOSTO–DICIEMBRE 2014.
UN
IDAD
N° 1
: IN
TR
OD
UCCIÓ
N A
LA S
IMU
LAC
IÓN
propósitos generales como BASIC, PASCAL, C++ o sus visuales o bien emplear un
lenguaje de simulación como STELLA, DINAMO, entre otros. Dependerá de la
aplicación, el uso del lenguaje adecuado.
2.2. Validación de los Programas:
Estimación de Variables de Entrada y Condiciones Iniciales.
Las Pruebas del software son tareas típicas que se integran dentro de las diferentes fases
del Ciclo del software dentro de la Ingeniería de software. La idea principal es ejecutar
un programa y mediante técnicas experimentales tratar de descubrir que errores tiene.
La calidad de un sistema software es algo subjetivo que depende del contexto y del
objeto que se pretenda conseguir. Para determinar dicho nivel de calidad se deben
efectuar pruebas que permitan comprobar el grado de cumplimiento respecto de las
especificaciones iniciales del sistema.
Básicamente es una fase en el desarrollo de software consistente en probar las
aplicaciones construidas: es un proceso de evaluación desde un punto de vista crítico,
donde el "tester" (persona que realiza el testeo) somete el Modelo de Software a una
serie de acciones inquisitivas, y el producto responde con su comportamiento como
reacción. La validación de un Modelo de Computo puede dejar a dicho Software, al
menos, en 3 estados:
1. Aceptación: El Programa hace lo que tiene hacer y los resultados que entrega el
modelo son los esperables.
Pasa a la Tarea 2.3: Diseño de Experimentos.
2. Rechazo por Código: Existen errores de codificación interna del Programa. Ya sea
de lógica computacional, de sintaxis, semántica, el programa se cuelga, nunca
termina o arroja resultados erróneos y/o descabellados.
Solución: Analizar la Codificación Modelo de Computo.
Vuelve a 2.1: Codificación del Modelo
INSTITUTO TECNOLÓGICO DE TUXTEPEC
INGENIERIA EN SISTEMAS COMPUTACIONALES
LIC. MARÍA ELENA AGUILAR ESPEJO SIMULACIÓN. PERIODO AGOSTO–DICIEMBRE 2014.
UN
IDAD
N° 1
: IN
TR
OD
UCCIÓ
N A
LA S
IMU
LAC
IÓN
3. Rechazo por Estructura: Existen errores en la Lógica Interna del Modelo que se
intenta Programar. Faltan variables o las variables no tiene precisión, Sobran
datos, no se comprende el resultado que arroja. No se manifiestan relaciones que
se deben observar. Por lo general están relacionados con la lógica interna del
Modelo y su forma de describir el mundo que intenta modelar.
Solución: Analizar la estructura del Modelo.
Vuelve a 1.3: Formulación del Modelo
2.3. Diseño de Experimentos de Simulación:
Valores de Inputs, Orden de Corridas, Extensión.
Una vez que estemos satisfechos con la validez de nuestro modelo para la computadora,
estaremos en posibilidad de considerar su uso para dirigir efectivamente, los
experimentos de simulación. De hecho, como ya hemos definido nuestro problema
experimental, las variables endógenas y lo factores (variables exógenas y parámetros),
deberemos interesarnos ahora por los detalles de diseño experimental.
En esta fase, es posible identificar dos metas importantes: en primer lugar,
seleccionaremos las variables iniciales y aquellas que se definan por Interface al
momento de la Simulación, o bien sus rangos de variación para la simulación.
2.4. Simulación: Ejecución del Modelo de Simulación
Este es el momento de conducir los experimentos mediante el modelo de Simulación en
corridas sucesivas y planificadas. Este proceso puede tardar algún tiempo o bien arrojar
resultados inmediatos. De cualquier manera se deberán almacenar los valores de Salida
de la Simulación del modelo para su estudio y análisis en la etapa siguiente.
INSTITUTO TECNOLÓGICO DE TUXTEPEC
INGENIERIA EN SISTEMAS COMPUTACIONALES
LIC. MARÍA ELENA AGUILAR ESPEJO SIMULACIÓN. PERIODO AGOSTO–DICIEMBRE 2014.
UN
IDAD
N° 1
: IN
TR
OD
UCCIÓ
N A
LA S
IMU
LAC
IÓN
3. Análisis de Resultados:
La etapa final en el procesamiento requiere un análisis de los datos generados por la
computadora, a partir del modelo que simular. Tal análisis consiste de tres pasos:
1. Recolección y procesamiento de los datos simulados.
2. Cálculo de la estadística de las pruebas.
3. Interpretación de los resultados.
El análisis de los datos de simulación en computadora es, según los expertos,
considerablemente más difícil que el análisis de los datos del mundo real.