¿QUE ESPERO DE LA MATERIA DE SIMULACION?

[pic 4]

¿QUE ESPRO DE LA MATERIA DE SIMULACION?

Lo que espero de la materia de simulación en este semestre es poder tener los capacidad para poder simular analíticamente situaciones que presente la maestra, referente a empresas de manufactura servicios  o incluso problemas gubernamentales, adquiriendo los conocimientos para detectar problemas, tales como lo son los cuello de botellas, también me gustaría pode encontrar elementos para elaborar propuestas de mejora.

Obviamente me gustaría poder llegar una solución factible utilizando los conocimientos adquiridos anteriormente en diferentes asignaturas como lo son estudio del trabajo I ,probabilidad , estadística inferencial I         y II , algoritmos de lenguaje y programación, gestión de costos .

Tabla de contenido

1        INTRODUCCION        4

1.1        REVISION DE LOS CONCEPTOS DE SISTEMA Y MODELO        4

1.2        CONCEPTO DE SIMULACION        6

1.3        TIPOS DE SIMULACION        8

1.3.1        DISCRETA (DETERMINISTA  O  ESTOCASTICA)        11

1.3.2        CONTINUA (DETERMINISTA O ESTOCASTICA)        13

1.4        DESCRIPCION DE EJEMPLO O CASOS PROTOTIPO        17

1.4.1        DE SIMULACION DISCRETA        20

1.4.2        DE SIMULACION  CONTINUA        23

1.5        CATALOGO DE PROGRAMA DE CÓMPUTO COMERCIALES DE SIMULACION        25

1.6        LECTURA DE ARTICULOS SOBRE APLICACIÓN        26

2        Simulación de Variables Aleatorias        28

2.1        2.1. Producción de números con comportamiento estadístico aleatorio y uniforme en [0, 1].        28

2.1.1        Uso del generador incluido en la hoja de cálculo.        28

2.1.2        . Teoría: métodos congruenciales        28

2.2        . Simulación de otras variables aleatorias        28

2.2.1        Teoría: transformación inversa, composición, convolución y otros procedimientos.        28

2.2.2        Funciones inversas de hoja de cálculo, utilizables como simuladores.        28

2.3        Simulación de variables especiales: tablas        28

3        Construcción de Modelos de Simulación        29

3.1        Metodología general de la simulación        29

3.2        . Ejemplo de una simulación  tipo Montecarlo, en hoja de cálculo        29

3.2.1        Descripción y conceptualización de la simulación, establecer el problema,   especificación del objetivo(s), definición de indicadores, simulación y determinación de la muestra.        29

3.2.2        Caracterización de cada indicador: agrupamiento de datos, gráficas y estimación de parámetros        29

3.2.3        Aumentar el tamaño de la simulación y repetir 3.2.2        29

3.2.4        Establecer el efecto que sobre la variabilidad de un estimador tiene el tamaño de la simulación        29

3.3        Definiciones: réplica, corrida, estado transitorio, estado estable, condiciones iniciales, reloj de la simulación.        29

3.4        Inicio del proyecto final de simulación. Formación de equipos de estudiantes, para proyecto final de simulación; atendiendo a los lineamientos: guía para la elaboración de la monografía del proyecto.        29

4        Diseño de la Calidad de la Simulación        30

4.1        Lista de estimadores a obtener de la simulación        30

4.1.1        Instrumentos de medición        30

4.1.2        Medios de registro de datos        30

4.2        Identificación del estimador determinante (estimador líder) del tamaño de la simulación        30

4.3        Muestras preliminares de los proyectos aprobados en 3.4        30

4.4        Características estadísticas del estimador líder        30

4.4.1        Establecimiento de la precisión        30

4.4.2        Cálculo del número mínimo de observaciones necesarias        30

4.4.3        Intervalos de confianza        30

4.5        Muestras definitivas        30

4.5.1        Estadísticas descriptivas        30

4.5.2        Muestras pequeñas: prueba de Kolmogórov-Smirnov para ajuste de una distribución de probabilidades continua hipotética (en hoja de cálculo o con paquete estadístico)        30

4.5.3        Muestras grandes: prueba de KarlPearson para ajuste de una distribución de probabilidades hipotética, discreta o continúa (en hoja de cálculo o con paquete estadístico)        30

4.5.4        Otras pruebas: Anderson-Darling, prueba G, por ejemplo.        30

4.6        Simulación de los comportamientos aleatorios del proyecto y su verificación        30

1. INTRODUCCION

1. REVISION DE LOS CONCEPTOS DE SISTEMA Y MODELO

Existen distintos modelos de simulación que permiten representar situaciones reales de diferentes tipos. Los modelos pueden diferenciarse según el tipo de ecuaciones matemáticas que los componen. Los modelos continuos son aquellos en los que las relaciones entre las variables relevantes de la situación real se definen por medio de ecuaciones diferenciales para conocer el comportamiento de las variables en cierto tiempo. Ej. Prever el comportamiento del nivel de un tanque de gasolina al paso del tiempo, mientras el vehículo está en marcha. En los modelos discretos, el comportamiento que nos interesa analizar puede representarse por medio de ecuaciones evaluadas en un punto determinado. Ej. 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. Los modelos dinámicos son aquellos en los que el estado del sistema que estamos analizando cambia respecto del tiempo.Ej. El número de personas que hacen fila para entrar a una sala de cine varía con el tiempo. Los modelos estáticos (representan un resultado bajo un conjunto de situaciones o condiciones determinado Ej. Al lanzar un dado los únicos valores que se puede obtener son 1, 2, 3, 4, 5 o 6, de manera que el resultado de la simulación será uno de tales valores posibles. Se puede hablar de modelos determinísticos y modelos probabilísticos, llamados también estocásticos. Los primeros se refieren a relaciones constantes entre los cambios de las variables del modelo. Por ejemplo, si las cajas empleadas en un proceso contienen siempre 5 productos, cada vez que se añada una caja al inventario éste se incrementará en 5 unidades. Si, por el contrario, hay una distribución de probabilidad en el proceso de manera que, por ejemplo, algunas cajas contienen 3

productos y otras 4, el inventario se modificará según el número de piezas de cada caja y, en consecuencia, será necesario un modelo estocástico. La definición básica de sistema nos dice que se trata de un conjunto de elementos que se interrelacionan para funcionar como un todo; desde el punto de vista de la simulación, tales elementos deben tener una frontera clara. Cada sistema puede dividirse en elementos relevantes para la construcción de lo que será su modelo de simulación:

• Una entidad por lo general es la representación de los flujos de entrada y salida en un sistema.
• El estado del sistema es la condición que guarda el sistema bajo estudio en un momento de tiempo determinado. Se compone de variables o características de operación puntuales y de variables o características de operación acumuladas.
• Un evento es un cambio en el estado actual del sistema. Podemos catalogar estos eventos en dos tipos: eventos actuales y eventos futuros.
• Las localizaciones son todos aquellos lugares en los que la pieza puede detenerse para ser transformada o esperar a serlo.
• Los recursos son aquellos dispositivos — diferentes a las localizaciones— necesarios para llevar a cabo una operación.
• Un atributo es una característica de una entidad.
• Las variables son condiciones cuyos valores se crean y modifican por medio de ecuaciones matemáticas y relaciones lógicas.
• La función del  reloj de la simulación consiste en responder preguntas tales como cuánto tiempo se ha utilizado el modelo en la simulación, y cuánto tiempo en total se quiere que dure esta última.

1. CONCEPTO DE SIMULACION

La simulación computacional de sistemas, o apenas simulación, consiste en la utilización de ciertas técnicas matemáticas, empleadas en computadores, las cuales permiten imitar el funcionamiento de practicamente cualquier tipo de operación o proceso del mundo real, es decir, es el estudio del comportamiento de sistemas reales a través del ejercicio de modelos.

...