Professional Documents
Culture Documents
SIMULACIN DE SISTEMAS
(Antologa)
Elaborado por:
SIMULACIN DE SISTEMAS
INTRODUCCION
Los tiempos modernos se caracterizan por ambientes de negocios enrarecidos por
la incertidumbre creada por la globalizacin. Todava en la dcada de los noventa las
empresas en Mxico buscaban la estabilizacin de sus operaciones. Sin embargo, las
agresivas polticas de comercio internacional obligaron a las organizaciones a dar una
rpida velocidad de respuesta para contrarrestar los efectos del expansionismo originado
por la unin de los bloques asiticos y europeos.
Hoy da, las empresas ya no buscan la estabilizacin debido a que esto significa
detenerse en un ambiente de alta competencia. Estabilizarse significa parar y las
empresas que lo hacen tienen pocas oportunidades de progresar y de obtener utilidades.
Por tanto peligra su permanencia, que es uno de los aspectos fundamentales que debe
buscar toda organizacin.
Las tendencias administrativas se orientan hacia la aplicacin de la Teora del
Caos, que se puede resumir como un proceso de reduccin de recursos en todos los
sistemas operativos de las organizaciones, con la finalidad de crear problemas
perfectamente planeados y controlados para que, mediante el anlisis de las situaciones
inestables provocadas, surjan anlisis y propuestas enfocadas a restablecer los efectos
de los conflictos generados.
Una vez que se ha seleccionado y aplicado la mejor alternativa y se ha logrado
nuevamente la estabilizacin, se repite el ciclo desestabilizador-estabilizador que se
inicia con la reduccin de recursos, y sigue con la creacin de problemas, el anlisis de
los mismos y de nuevas propuestas de solucin. Slo de esta manera se lograr que las
organizaciones se mantengan en un proceso continuo de actualizacin y de mejora en la
productividad y en la innovacin tecnolgica, que les permita enfrentar la
internacionalizacin y la competencia global, en igualdad de circunstancias. Ante el
panorama descrito, surge como una alternativa destacada para la bsqueda de la
competitividad la tcnica denominada Simulacin de Sistemas, cuyos mtodos de
experimentacin basados en la formulacin de modelos matemticos tales como la
estadstica, el diseo de experimentos y el uso de las computadoras, permiten hacer
abstracciones de la realidad que, en ltima instancia tienen como objetivo tomar
decisiones en condiciones de riesgo mnimo.
SIMULACIN DE SISTEMAS
1.1.
Definicin de simulacin
SIMULACIN DE SISTEMAS
1.2.
Definicin del sistema. Para tener una definicin exacta del sistema que se desea
simular, es necesario hacer primeramente un anlisis preliminar del mismo, con el
fin de determinar la interaccin de ste con otros sistemas, sus restricciones, las
variables que interactan en l 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.
Formulacin del modelo. Una vez que estn definidos con exactitud los resultados
que se esperan obtener del estudio, el siguiente paso es definir y construir el
modelo con el cual se obtendrn los resultados deseados. En la formulacin del
modelo es necesario definir todas las variables que forman parte de l, sus
relaciones lgicas y los diagramas de flujo que describan en forma completa el
modelo.
Coleccin de datos. Es posible que la facilidad de obtencin de algunos datos o la
dificultad de conseguir otros, pueda influenciar el desarrollo y formulacin del
modelo. Por consiguiente, es muy importante que se definan con claridad y
exactitud los datos que el modelo va a requerir para producir los resultados
deseados. Normalmente, la informacin requerida por un modelo se puede
obtener de registros contables, de rdenes de trabajo, de rdenes de compra, de
opiniones de expertos y si no hay otro remedio por experimentacin.
Implementacin del modelo en la computadora. Con el modelo definido, el
siguiente paso es decidir si se utiliza algn lenguaje como fortran, C, basic, algol,
pascal, prolog, lisp, java, etc., o se utiliza algn paquete como GPSS, simula,
simscript, excel, lotus 1-2-3, etc., para procesarlo en la computadora y obtener los
resultados deseados.
Validacin. Una de las principales etapas de un estudio de simulacin es la
validacin. A travs de esta etapa es posible detallar deficiencias en la formulacin
del modelo o en los datos alimentados al modelo. Las formas ms comunes de
validar un modelo son:
o La opinin de expertos sobre los resultados de la simulacin.
o La exactitud con que se predicen datos histricos.
o La exactitud en la prediccin del futuro.
o La comprobacin de falla del modelo de simulacin al utilizar datos que
hacen fallar al sistema real.
o La aceptacin y confianza en el modelo de la persona que har uso de los
resultados que arroje el experimento de simulacin.
Experimentacin. La experimentacin con el modelo se realiza despus de que
ste ha sido validado. La experimentacin consiste en generar los datos deseados
y en realizar anlisis de sensibilidad de los ndices requeridos.
Interpretacin. En esta etapa del estudio, se interpretan los resultados que arroja
la simulacin y en base a esto se toma una decisin. Es obvio que los resultados
que se obtienen de un estudio de simulacin ayudan a soportar decisiones del tipo
semi-estructurado, es decir, la computadora en s no toma la decisin, sino que la
SIMULACIN DE SISTEMAS
1.3.
Puesto que la simulacin est basada fuertemente en la teora del caos, la teora
de probabilidad y estadstica, en matemticas, en ciencias computacionales, etc., es
conveniente decir algunas ideas de cmo intervienen estas reas en el desarrollo y
formulacin del modelo de simulacin.
1.3.1. Generacin de variables aleatorias
Si el modelo de simulacin es estocstico, la simulacin debe ser capaz de
generar variables aleatorias no uniformes de distribuciones de probabilidad tericas o
empricas. Lo anterior puede ser obtenido si se cuenta con un generador de nmeros
uniformes y una funcin que transforme estos nmeros en valores de la distribucin de
probabilidad deseada. A este respecto, se han desarrollado una gran cantidad de
generadores para las distribuciones de probabilidad ms comunes como: la distribucin
normal, la distribucin exponencial, la distribucin Poisson, la distribucin Erlang, la
distribucin binomial, la distribucin gamma, la distribucin beta, la distribucin F, etc.
1.3.2. Lenguajes de programacin
Las primeras etapas de un estudio de simulacin se refieren a la definicin del
sistema a ser modelado y a la descripcin del sistema en trminos de relaciones lgicas
de sus variables y diagramas de flujo. Sin embargo, llega el momento de describir el
modelo en un lenguaje que sea aceptado por la computadora que se va a usar. En esta
etapa se tienen dos cursos de accin a seguir si no se tiene nada de software sobre
simulacin: 1) Desarrollar el software requerido para estudios de simulacin, 2) Comprar
software (lenguajes de programacin de propsito especial). Para esta alternativa es
necesario analizar y evaluar varios paquetes de simulacin (GPSS, GASP, etc.) antes de
tomar la decisin final.
1.3.3. Condiciones iniciales
La mayora de los modelos de simulacin estocstica se corren con la idea de
estudiar al sistema en una situacin de estado estable. Sin embargo, la mayora de estos
modelos presentan en su etapa inicial estados transientes los cuales no son tpicos del
estado estable. Por consiguiente es necesario establecer claramente las alternativas o
cursos de accin que existen para resolver este problema. Algunos autores piensan que
la forma de atacar este problema sera a travs de:
5
SIMULACIN DE SISTEMAS
SIMULACIN DE SISTEMAS
SIMULACIN DE SISTEMAS
Luego, una vez obtenida la serie, se pueden tomar los nmeros individualmente de
cada grupo, en funcin de la necesidad. As, de los nmeros obtenidos del ejemplo
anterior, tenemos la siguiente serie: 8, 3, 8, 8, 7, 4, 4, 7, 2, 0, 4, 0, 6, 0.
Otra opcin de Von Neumman es realizarlo con semillas fraccionarias, impares y
primas con lo que se obtienen mejores series, estadsticamente hablando.
(2.2)
Vn+1
11881
29056
5119
34175
3476
1833
5309
Luego, una vez obtenida la serie, se pueden tomar los nmeros individualmente o
en grupos, en funcin de la necesidad.
SIMULACIN DE SISTEMAS
(2.3)
donde:
Xn = Las semillas ( X0, ..., n > 0 )
k = El nmero de ndice mayor de las semillas
m = El mdulo ( m > X0 )
Ejemplo:
m = 1000
X0 = 991
X1 = 111
X2 = 771
X3 = 602
k=3
Tabla 2.2. Nmeros pseudoaleatorios del generador de la expresin (2.3)
Xn-k
Xn + Xn-k
( Xn + Xn-k ) ( Mod m )
n
Xn
3
602
991
1593
593
4
593
111
704
704
5
704
771
1475
475
6
475
602
1077
77
7
77
593
670
670
8
670
704
1374
374
9
374
475
849
849
(2.4)
SIMULACIN DE SISTEMAS
Por otra parte, si m = 10d y d < 5, entonces el perodo del generador se obtiene de
acuerdo a la siguiente expresin:
Perodo = Mnimo comn mltiplo { (P1d1), (P2d2), ..., (Pndn) }
(2.5)
donde:
(2) = 1, (4) = 2
(2d) = 2d-2 si d >= 3
(pd) = pd-1 (p 1) si p >= 2
Con el propsito de ilustrar la obtencin del perodo para este ltimo caso,
analicemos el siguiente generador:
Xn+1 = 3Xn Mod 100 y X0 = 17
puesto que m puede ser expresado como 102 o bien como (22)(52), entonces el perodo
de este generador de acuerdo a la expresin (2.5) sera:
Perodo = Mnimo comn mltiplo { (22), (52) }
Perodo = Mnimo comn mltiplo { 2, 20 }
Perodo = 20
Pi es un factor primo de m.
10
SIMULACIN DE SISTEMAS
Tabla 2.3. Nmeros pseudoaleatorios del generador Xn+1 = 3Xn Mod 100.
n
Xn
n
Xn
n
Xn
n
1
51
06
93
11
99
16
79
12
97
17
2
53
07
08
37
13
91
18
3
59
4
77
09
11
14
73
19
5
31
10
33
15
19
20
Xn
57
71
13
39
17
b) Sistema binario
Si se trabaja en sistema binario, los valores de los parmetros deben ser
seleccionados de acuerdo a los siguientes criterios:
n
1
2
3
4
(2.6)
donde:
11
SIMULACIN DE SISTEMAS
X0 = la semilla ( X0 > 0 )
a = el multiplicador ( a > 0 )
c = constante aditiva ( c > 0 )
m = el mdulo ( m > X0, m > a y m > c )
Esta relacin de recurrencia nos dice que Xn+1 es el residuo de dividir aXn + c entre
el mdulo. Lo anterior significa que los valores posibles de Xn+1 son 0, 1, 2, 3, ..., m-1, es
decir, m representa el nmero posible de valores diferentes que pueden ser generados.
Con el propsito de ilustrar la generacin de nmeros pseudoaleatorios a travs de
este mtodo, suponga que se tiene un generador en el cual los valores de sus parmetros
son: a = 5, c = 7, X0 = 4 y m = 8. Para estos valores, la secuencia de nmeros
pseudoaleatorios y nmeros uniformes (Xn+1/m) son mostrados en la tabla 2.5. Como se
puede apreciar en esta tabla, el perodo del generador es 8.
Tabla 2.5. Nmeros pseudoaleatorios del generador Xn+1 = ( 5Xn + 7 ) Mod 8.
n
Xn
( 5Xn + 7 ) Mod 8
Xn+1
Nmeros uniformes
0
1
2
3
4
5
6
7
4
3
6
5
0
7
2
1
( 20 + 7 ) Mod 8
( 15 + 7 ) Mod 8
( 30 + 7 ) Mod 8
( 25 + 7 ) Mod 8
( 0 + 7 ) Mod 8
( 35 + 7 ) Mod 8
( 10 + 7 ) Mod 8
( 5 + 7 ) Mod 8
3
6
5
0
7
2
1
4
3/8
6/8
5/8
0
7/8
2/8
1/8
4/8
Despus de haber analizado este ejemplo, podra pensarse que el perodo del
generador es siempre igual a m. Sin embargo, esto es falso porque el perodo depende de
los valores asignados a los parmetros a, c, X0 y m; es decir, se requiere seleccionar
valores adecuados para estos parmetros con el fin de que el generador tenga perodo
completo.
Para ilustrar el caso que se presenta cuando el perodo < m, suponga que se tiene
un generador en el cual los valores de sus parmetros son: a = X0 = c = 7 y m = 10. Para
estos valores, la secuencia de nmeros pseudoaleatorios y nmeros uniformes son
mostrados en la tabla 2.6. Como puede apreciarse en la tabla, el perodo del generador es
4. Esto demuestra que una seleccin inadecuada de los valores de los parmetros del
generador, puede conducirnos a obtener resultados indeseables y poco confiables del
experimento de simulacin.
Tabla 2.6. Nmeros pseudoaleatorios del generador Xn+1 = ( 7Xn + 7 ) Mod 10.
n
Xn
( 7Xn + 7 ) Mod 10
Xn+1
Nmeros uniformes
0
1
2
3
7
6
9
0
( 49 + 7 ) Mod 10
( 42 + 7 ) Mod 10
( 63 + 7 ) Mod 10
( 0 + 7 ) Mod 10
6
9
0
7
6/10
9/10
0
7/10
SIMULACIN DE SISTEMAS
a) Seleccin de m
Existen dos opciones para seleccionar el valor apropiado del mdulo:
13
SIMULACIN DE SISTEMAS
En esta expresin, x es una variable aleatoria definida en el intervalo (0, 1). Por
otra parte, la distribucin acumulada F(x), de una variable aleatoria x uniformemente
distribuida, se puede obtener como:
x
F(x) =
1dt = x
E(x) =
var(x) =
x(1)dx = 1/2
(x )2(1)dx = 1/12
f(x)
F(x)
Figura 3.1. Distribucin de probabilidad y distribucin acumulada de los nmeros uniformes (0, 1).
14
SIMULACIN DE SISTEMAS
(3.1)
(x ) N
(3.2)
1/12
Si |Z0| < Z/2, entonces no se puede rechazar la hiptesis que los nmeros
pseudoaleatorios generados provienen de un universo uniforme con media de 0.5.
Para ilustrar la aplicacin de esta prueba de hiptesis, considere los nmeros
pseudoaleatorios presentados en la tabla 3.1. Para estos nmeros, la media aritmtica
(aplicacin de la ecuacin 3.1) resulta ser de 0.48234, y el estadstico Z0 resulta ser de:
Z0 =
= -0.61
15
SIMULACIN DE SISTEMAS
0.05230
0.12079
0.82654
0.98611
0.57880
0.73059
0.76910
0.45679
0.33216
0.17028
0.30861
0.26593
0.65559
0.88809
0.62400
0.85853
0.53559
0.65002
0.40644
0.07281
0.10699
0.27738
0.29453
0.34488
0.67621
0.70119
0.68334
0.21631
0.03185
0.05475
0.83358
0.85903
0.38507
0.81772
0.09133
0.88752
0.33381
0.74579
0.08128
0.64183
0.55877
0.65726
0.20852
0.34358
0.05010
0.18284
0.55170
0.87616
0.61168
0.91512
0.51781
0.43308
0.90829
0.36982
0.41678
0.33729
0.49383
0.79113
0.73435
0.44267
0.14151
0.79269
0.42989
0.11537
0.00121
0.49962
0.10850
0.55743
0.09264
0.76262
0.03272
0.35286
0.94187
0.19904
0.33954
0.15506
0.75103
0.63453
0.22724
0.72102
X20 =
i=1
(FOi FEi)2
FEi
(3.3)
donde:
= Frecuencia observada del ith subintervalo.
= Frecuencia esperada del ith subintervalo (N/n).
= Tamao de la muestra.
= Nmero de subintervalos.
FOi
FEi
FN
Fn
,(n 1)
,(n 1)
16
SIMULACIN DE SISTEMAS
Si X < X
entonces no se puede rechazar la hiptesis de que la muestra
proviene de una distribucin uniforme.
Frecuencia
esperada
N
n
N
n
N
n
N
n
N
n
Frecuencia
observada
FO1
FO2
FO3
FOn-1
FOn
1
n
n-1
n
3
n
2
n
n
n
Frecuencia
esperada
20
20
20
20
20
Frecuencia
observada
21
22
19
23
15
.2
.4
.6
.8
Si 2se especifica un valor arbitrario de = 0.05, entonces X 0.05, 4 = 9.49. Puesto que
X
< X 0.05, 4
entonces no se puede rechazar la hiptesis de que los nmeros
pseudoaleatorios presentados en la tabla 3.1 provienen de una distribucin uniforme.
2
0
17