Análisis De Decisiones

Objetivo:

Conocer los conceptos de simulación, así como identificar sus pasos y los diferentes tipos que hay.

Procedimiento:

Investigar en distintas fuentes sobre qué es la simulación, sus pasos y diferentes modelos.

Resultados:

La simulación es la técnica de muestreo estadístico controlado, que se utiliza conjuntamente con un modelo, para obtener respuestas aproximadas a preguntas que surgen en problemas complejos de tipo probabilístico.

Pasos en la simulación:

 Formulación del problema.

• Identificación del problema.

• Reconocer las variables del sistema.

o Variables exógenas.

 Variables controlables o de decisión (factores).

 Variables incontrolables o parámetros.

o Variables endógenas.

• Especificación de las restricciones de las variables de decisión.

 Formulación del problema (II).

• Desarrollar una estructura preliminar del modelo que interrelacione las variables del sistema y las medidas de ejecución.

o Cuando se tienen en cuenta varias medidas de ejecución (funciones objetivo), se necesita encontrar un equilibrio entre ellas.

 Compromisos implícitos.

 Compromisos explícitos.

 Restricción y corte.

 Formulación del problema (y III).

• Desarrollo de un modelo apropiado.

• Nivel de detalle:

o Propósito del modelo.

o Contribución de las variables al modelo.

 Recolección de datos y Análisis.

• Consideraciones en la selección del método:

o Capacidad de quien recoja los datos.

o El impacto que pueda producir el proceso de recolección sobre el comportamiento del sistema real. Puede producir perturbaciones reales o físicas en el sistema o psicológicas.

o La facilidad de conversión de los datos a una representación procesable por el ordenador.

o El coste del método.

 Recolección de datos y Análisis (II).

• Tipos de datos recogidos:

o Deteminísticos: son datos conocidos con certeza. Éstos se pueden introducir fácilmente en el modelo.

o Probabilísticos: hay dos formas de incluirlos en el modelo:

 Usar la muestra de datos recogida para representar la distribución de probabilidades.

 Determinar una distribución probabilística teórica que se comporte como la muestra y usar ésta en el modelo. Esto permite tener una mejor comprensión (generalización) del modelo.

 Desarrollo del modelo.

• Comprensión del sistema.

o Aproximación del flujo físico.

 Representación por diagramas de flujo de datos.

 Desarrollo del modelo (II).

• Comprensión del sistema (y II).

o Aproximación de cambio de estado.

 Definición de suceso o evento.

 Desarrollo del modelo (III).

• Construcción del modelo.

o Elección de mecanismos de avance del tiempo.

 Incrementos fijos.

 Incrementos por eventos.

 Desarrollo del modelo (y IV).

• Construcción del modelo (y II).

o Elección de un lenguaje de programación.

 Lenguajes de simulación (GPSS, SLAM, SIMAN, SIMSCRIPT…)

 Lenguajes de propósito general (Fortran, Pascal, C…)

o Generación de números y variables aleatorias.

• Implementación y depuración del modelo.

 Verificación y Validación del modelo.

• Verificación: Estudio de la consistencia interna del modelo.

• Validación: Asegurar que existe una correspondencia entre el sistema real y el modelo.

 Experimentación y Análisis de las Salidas.

• Experimentación con el modelo. Aproximaciones:

o Conjunto de experimentos

...