TECNICAS DE SIMULACIÓN
-
Upload
angelo-andres-hernandez-valencia -
Category
Documents
-
view
13 -
download
3
description
Transcript of TECNICAS DE SIMULACIÓN
-
Un estudio de simulacin, a menudo permite ahorrar importantes recursos al minimizar el factor de riesgo y al facilitar un diseo equilibrado de un sistema. Un reciente informe, patrocinado por la Comunidad Europea, cuantificaba el impacto de la simulacin en un incremento de entre 5 y el 10% en la productividad global de las empresas.
-
Objetivos Qu es simular?
Para qu?
En qu consiste?
Simulacin vs. solucin analtica
Algunas razones por las cuales simulamos
Tipos de simulacin
Simulacin sistema de inventarios
Simulacin sistema de lneas de espera
-
Que es simular Es un mtodo que puede usarse para describir o predecir el comportamiento de un sistema con ciertas opciones dadas de los datos de entrada controlables y generados al azar, que produzcan condiciones deseables a los sistemas.
En este sentido, la simulacin puede ser una herramienta efectiva para disear un sistema que funcione bien y se valide para su utilizacin en la toma de decisiones.
-
Para que ? Analiza, modela, imita, valida el sistema para comprobar
si su comportamiento funciona igual o mejor que el sistema real.
Ejemplos:
Operacin de un banco
Funcionamiento de una lnea de produccin
Sistema de Lneas de Espera
Simulacin de inventarios
-
En qu consiste? Anlisis del Sistema donde exista un problema a
solucionar
Desarrollo formal del modelo
Simulacin:
Definir los eventos del modelo
Definir las medidas de efectividad
Desarrollar el programa computacional
Ingresar los datos de prueba
Anlisis de los resultados vs el modelo
Puesta a punto del modelo
Depuracin de resultados
-
Razones para simular
Puede utilizarse para una amplia variedad de problemas prcticos
El mtodo de simulacin es relativamente fcil de explicar y entender. Por consiguiente, la confianza de la gerencia se incrementa, y los resultados son ms fciles de obtener
Desarrolladores de software han producido paquetes de simulacin que facilitan el desarrollo y la implementacin de modelos para problemas ms complejos
-
Tipos de simulacin Dependiendo de como cambian las variables de estado que describen el sistema en un instante dado:
Cambios en el estado del sistema
Discretos Continuos
Discreto Total de clientes
diarios atendidos
Temperatura
promedio diaria Tiempo
Continuo Nmero de clientes
en un supermercado
Nivel de agua en un
embalse
-
Algoritmo para el estudio de Simulacin 1.- Definicin de Problema:
Se plantea el sistema a desarrollar nos preguntamos que quiero hacer con un modelo que hiptesis vamos a comprobar, que clculos voy a realizar.
2.- Construir el modelo matemtico: (Descripcin del Modelo)
3.- Construir el programa:
-
Algoritmo 4.- Validacin entre el modelo y el programa:
Si el programa es diferente del Modelo regresamos al paso 3.
Si el programa es bueno pero no se ajusta a lo planificado en el problema regresamos al paso 2.
5.- Planificar Experimentos de Simulacin: Los datos iniciales, condiciones iniciales, finales.
6.- Ejecutar las corridas de simulacin: Significa probar el Sistema en la Computadora.
-
GENERACIN DE NUMEROS ALEATORIOS ES NECESARIO OBTENER OBSERVACIONES
ALEATORIAS A PARTIR DE LAS DISTRIBUCIONES DE PROBABILIDAD Y SE PUEDEN UTILIZAR NUMEROS GENERADOS POR LOS LENGUAJES DE PROGRAMACIN QUE SON RUTINAS GENERADAS POR RAND () CORPORATION O LOS METODOS CONGRUENCIALES (ADITIVO MULTIPLICATIVO MIXTO)
METODOS MULTIPLICATIVO ADITIVO MIXTO
-
Mtodo de Congruencia Lineal Xn+1 = (aXn + c) (modulo m)
Xn+2 = (aXn+1 + c) (modulo m)
Xn = Semilla
a,c,m son enteros positivos
Propiedades
a < m , c < m
ri = Xn+1 / m
Ejemplo
m = 1000, a = 101, c = 457 y X0 = 4 Ver hoja de clculo
-
EJERCICIO
m 100
Xn 100 a < m
a 101 c < m
c 57
n Xn aXn + c (aXn + c /m)
0 4 461 61
1 61 6218 18
2 18 1875 75
3 75 7632 32
4 32 3289 89
5 89 9046 46
6 46 4703 3
7 3 360 60
8 60 6117 17
9 17 1774 74
-
SIMULACIN MONTECARLO La simulacin de Monte Carlo es una tcnica que
combina conceptos estadsticos (muestreo aleatorio) a partir de una distribucin de probabilidad, la utilizacin del computador por la rapidez, permite realizar simulacin matemtica de problemas tomando observaciones para hacer deducciones con respecto al sistema real
Ver simulacin
MONTECARLO
-
Ejercicio 1 Se supone que la demanda diaria de un articulo
particular puede estar expresada mediante la distribucin mostrada en la tabla y grafico, se desea generar un patrn de demanda para 10 das.
0,05
0,1
0,15
0,3
0,25
0,15
0
0,05
0,1
0,15
0,2
0,25
0,3
0,35
1 2 3 4 5 6
Series1
0,05 0,15
0,3
0,6
0,85
1
0
0,2
0,4
0,6
0,8
1
1,2
1 2 3 4 5 6
Series1
-
Nmero ndice
Numero ndice
0 01 05
1 06 15
2 16 30
3 31 60
4 61 85
5 86 - 100
Nmeros Aleatorios
14 26
74 66
24 26
87 94
7
45
-
Se utiliza letra mayscula para la variable aleatoria y minscula para la funcin de densidad:
F(x) Funcin de distribucin acumulada de x
f(x) funcin de densidad de probabilidad (f.d.p) funcin de densidad
Variables aleatorias
-
METODOS PARA OBTENER V. A. Mtodo de la transformada inversa
Mtodo del rechazo
-
Mtodo de la transformada inversa Consiste en generar un numero aleatorio comprendido
entre 0 y 1, luego identificarlo con la funcin de distribucin acumulativa F(x), a travs de la funcin
inversa obtener el valor de x
-
Algoritmo 1. Sea x el valor de la variable aleatoria y f(x) la funcin de
densidad de probabilidad
2. Obtener la funcin acumulativa F(x)
F(x) =
F(x) nos indica el valor del rea bajo la curva
-
Algoritmo 1. Conocer f(x)
2. F(x) =
3. Generar un nmero aleatorio con distribucin uniforme
4. Identificarlo y aplicar la inversa F(x) = r o r = F(x)
5. X = F -1 r 0
-
Ejemplo Genere los valores aleatorios de x con una f.d.p
f(x)=2x
1. f(x) = 2x
2. F(x) =
3. - 0 2t dt + ox 2t dt
4.F(x) = t2 0x
5. F(x) = x2
6.Generamos r
7. F(x) = r x2 = r x = r
Generar Variables
aleatorias
-
Ejercicio Realizar la simulacin de 10 eventos con una funcin
de densidad de probabilidad
f (x) = 4x +1
0,528 0,676 0,559 0,647 0,582 0,477 0,468 0,493 0,858 0,818 0,885
-
Funcin Exponencial
X y = 2 ^ x
-3 0,13
-2 0,25
-1 0,50
0 1,00
1 2,00
2 4,00
3 8,00
0,00
1,00
2,00
3,00
4,00
5,00
6,00
7,00
8,00
9,00
-4 -3 -2 -1 0 1 2 3 4
y = 2 ^ x
y = 2 ^ x
-
Funcin Exponencial
X y = (1/2 ) ^ x
-3 8,00
-2 4,00
-1 2,00
0 1,00
1 0,50
2 0,25
3 0,13
0,00
1,00
2,00
3,00
4,00
5,00
6,00
7,00
8,00
9,00
-4 -3 -2 -1 0 1 2 3 4
Series1
-
Funciones Logartmicas
X ln x
0,1 -2,3
0,5 -0,7
1,0 0,0
2,0 0,7
3,0 1,1
4,0 1,4
5,0 1,6 -2,5
-2,0
-1,5
-1,0
-0,5
0,0
0,5
1,0
1,5
2,0
0 1/2 1 1 1/2 2 2 1/2 3 3 1/2 4 4 1/2
ln x
ln x
-
Funciones Logartmicas
X y = log2 X
1/8 -3,00
1/4 -2,00
1/2 -1,00
1 0,00
2 1,00
3 1,58
4 2,00 -4,00
-3,00
-2,00
-1,00
0,00
1,00
2,00
3,00
0 1/2 1 1 1/2 2 2 1/2 3 3 1/2 4 4 1/2
y = log2 X
y = log2 X
-
Funciones Logartmicas
X y = log(1/2) X
1/8 3,00
1/4 2,00
1/2 1,00
1 0,00
2 -1,00
3 -1,58
4 -2,00
-3,00
-2,00
-1,00
0,00
1,00
2,00
3,00
4,00
0 1 2 3 4 5
y = log(1/2) X
y = log(1/2) X
-
Ejemplo con distribucin exponencial El tiempo entre llegadas t a una instalacin se representa
con una distribucin exponencial con media E {t} = 1 /
F(t) = e- t , t > 0 unidades de tiempo
Determinar una muestra aleatoria de t a partir de f(t)
-
Algoritmo 1. Conocer f(t) funcin exponencial
2. F(t) = e- t dx = 1 - e- t , t > 0 ; 0 a t
3. R = F(t) despejar t t = - ( 1 / ) ln ( 1 R)
4. (1 R) es el complemento de R remplazar ln(1-R) por ln(R)
5. t = ( 1 / ) ln (R)
Ejm. = 4 clientes x por hora R = 0,9
T1 = - (1/4) ln (1 0,9) = 0,577
Ejemplo en excel
-
Otras Distribuciones
-
Distribucin de Poisson
Variable aleatoria discreta, la cual con frecuencia resulta til cuando tratamos con el nmero de ocurrencias de un evento durante un intervalo especfico de tiempo o espacio.
= media o nmero medio de ocurrencias en un intervalo
e 2.71828
x nmero de ocurrencias en el intervalo
f (x) probabilidad de x ocurrencias en el intervalo
-
Ejemplo 3 Disear un generador de variables aleatorias para:
e-55x
x!
Se trata de una distribucin Poisson
0.00
0.03
0.05
0.08
0.10
0.13
0.15
0.18
0.20
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
x
p(X = x)
-
Ejemplo 3 Calculando la
distribucin de probabilidad y la
distribucin acumulada.
0.3212 3
0.9151 7
0.4291 3
0.4843 4
0.4058 3
0.2691 3
0.6162 5
0.1410 2
0.1779 2
0.5402 4
0.5709 4
0.7136 5
0.6967 5
0.8528 6
0.3470 3
0.0457 1
0.5646 4
0.8186 6
0.3240 3
0.7684 6
0.6512 5
0.9283 7
0.3475 3
0.0110 0
0.3767 3
aleatorio P(X = x)
0.5195 4
0.0436 1
0.1724 2
0.2611 2
0.5735 4
0.4649 4
0.7395 5
0.2967 3
0.4714 4
0.5463 4
0.9120 7
0.0088 0
0.1799 2
0.7590 5
0.1902 2
0.7708 6
0.5170 4
0.3827 3
0.9435 8
0.1835 2
0.3138 3
0.1551 2
0.3612 3
0.4110 3
0.9226 7
x frecuencia
0 2
1 2
2 8
3 13
4 10
5 6
6 4
7 4
8 1
9 0
10 0
11 0
12 0
13 0
14 0
15 0
16 0
17 0
18 0
19 0
20 0
50
Generando 50 nmeros aleatorios distribuidos
uniformemente y buscando en P(X < x)
Generando la distribucin de frecuencias de la VA obtenida
= 5
L l e g a d a s ( x ) p ( X = x )
P(X x)
0 0.0067 0.0067
1 0.0337 0.0404
2 0.0842 0.1247
3 0.1404 0.2650
4 0.1755 0.4405
5 0.1755 0.6160
6 0.1462 0.7622
7 0.1044 0.8666
8 0.0653 0.9319
9 0.0363 0.9682
10 0.0181 0.9863
11 0.0082 0.9945
12 0.0034 0.9980
13 0.0013 0.9993
14 0.0005 0.9998
15 0.0002 0.9999
-
Ejercicio
Las llamadas telefnicas entran a una tasa de 48 por hora en la oficina de reservaciones de Regional Airways.
a. Calcule la probabilidad de recibir 3 llamadas en un intervalo de 5 minutos.
b. Calcule la probabilidad de recibir 10 llamadas en 15 Minutos.
c. Suponga que no hay llamadas en espera en curso. Si el agente tarda 5 minutos en completar el procesamiento de la llamada actual, cuntas personas cree que estaran esperando en la lnea para ese entonces? Cul es la probabilidad de que ninguna est esperando?
d. Si no hay llamadas en proceso, cul es la probabilidad de que el agente pueda tomarse 3 minutos de descanso sin ser interrumpido?
-
Ejercicio 1 Disear un programa en EXCEL para generar VA con
distribucin:
Poisson
Uniforme
Exponencial
Normal
Emprica
-
Pronsticos El porcentaje de portafolios o carteras de inversionistas
individuales que invierten en acciones depende del estado de la economa. La tabla siguiente informa el porcentaje de acciones en el portafolios para nueve trimestres: Calcule los promedios mviles de tres y cuatro trimestres para esta serie de tiempo, Cul promedio mvil proporciona el mejor pronstico y cual es el pronostico para el trimestre 10
-
Alisamiento Exponencial En el mes n se forma una nueva estimacin alisada Sn de la demanda, tomando el promedio ponderado de la demanda de ese mes Xn y la estimacin alisada calculada en el mes anterior:
Sn = Xn + (1)Sn1
numero entre 0 y 1. Es el que le denomina constante de alisamiento.
Sn Estimacin Alisada. Es una Combinacin Lineal de todos las demandas pasadas con coeficientes que disminuyen en forma geomtrica de acuerdo con la edad de observacin.
Sn = Xn + (1)Xn-1 + (1)2 Xn 2 ..
-
Pronstico de la Demanda con Alisamiento Exponencial
NOTA: Normalmente est entre 0.05 y 0.03. Si est entre este
intervalo es satisfactorio.
= 0.1
n = 1
-
Ejercicio 1 A una peluquera llegan clientes de dos tipos, el 80% solo desean corte de pelo y el
20% restante requieren adems de otros servicios. La distribucin del tiempo entre llegadas de los clientes es exponencial con un
promedio de 30 minutos durante las 1 primeras horas del da y de 15 durante las horas restantes. La distribucin del tiempo de servicio es normal para ambos tipos de clientes, con una media de 15 minutos y una desviacin estndar de 1 minuto para corte de pelo y de 25 minutos con desviacin de 2 minutos cuando se incluye otros servicios, se da servicio 12 horas diarias (atendiendo a todos los clientes que estn esperando al momento de cerrar).
Actualmente hay 2 lugares para servicio y una zona de espera para 3 personas. Se esta considerando la posibilidad de agregar un lugar exclusivo para corte de pelo, reduciendo la zona de espera a 2 lugares. El 3% de los clientes se van cuando no se les atiende de inmediato, el resto esperan si existen lugares para tal fin.
Si los ingresos procedentes de un servicio completo, son el doble de los de un cliente que solo desea corte de pelo, simule el comportamiento del establecimiento durante un da como se encuentra actualmente y con la modificacin considerada, determinando:
A) el porcentaje de utilizacin B) El nmero de clientes de cada tipo a los que se les da servicio y las que se retiran
-
Solucin:
X1 = Tipo de Cliente
X2 = Tiempo de entrada de cada cliente
X3 = Tiempo de Servicios
X4 = Decisin de cada cliente
-
Eventos de la simulacin de inventarios Demanda de los artculos de inventario
La recepcin del pedido
La revisin de la posicin del inventario para determinar si se debe hacer o no un pedido de existencias adicionales
El resumen o la salida de informacin sobre el estado del sistema en un momento dado
El final de la corrida de simulacin
-
SIMULACIN DE SISTEMAS DE INVENTARIOS UTILIZAR EL MODELO CONOCIDO
REALIZAR CON LOS PRODUCTOS MS IMPORTANTES
POLITICA: SIEMPRE QUE LA POSICIN DE INVENTARIO =
INVENTARIO DISPONIBLE MS CUALQUIERA REPOSICIONES PENDIENTES LLEGA A O QUEDA POR DEBAJO DE UN NUEVO PUNTO DE NUEVA ORDEN
-
Proyecto de Simulacin
-
Modelo de Inventario Cierta empresa desea comparar dos polticas de
inventarios: cantidad a ordenar Q=2 y punto de reorden R=3 y Q=5, R=2. La empresa ha determinado las distribuciones de la demanda y el tiempo de entrega. Si el costo por faltante es de $25 por unidad, el costo por mantener $1,5 por unidad por semana, el costo por ordenar $15 por orden y el inventario inicial es de 4 unidades: simule 10 semanas de operacin, en base al costo total cual es la poltica mejor?