CAPTULO I INTRODUCCIN Qu es la simulacin?

Es una forma de reproducir las condiciones de una situacin dada, por medio de un modelo, para estudio, prueba, entrenamiento, etc.
CLASIFICACIN DE LOS MODELOS 1. Por el sistema que representan: a) ESTTICOS b) DINMICOS Ambos pueden ser determinsticos o probabilsticos.

LA

SIMULACIN

2. Por la NATURALEZA del modelo: a) MATERIALES: i) Rplicas o prototipos ii) Cuasi- rplicas iii) Analoga b) SIMBLICOS i) Descriptivo ii) SIMULADO iii) Formal (frmulas)

En el caso particular que nos ocupar en el curso: Simulacin es la imitacin de un sistema dinmico empleando un modelo en computadora con el objeto de evaluar y mejorar el desempeo del sistema. Porqu usar la simulacin? Los enfoques de prueba y error con el sistema real son costosos, llevan tiempo y pueden resultar peligrosos. Las caractersticas de la simulacin que la vuelven una herramienta poderosa para la planeacin y la toma de decisiones pueden resumirse como sigue:

 Captura las interdependencias del sistema. Toma en cuenta la variabilidad en el sistema. Es lo suficientemente verstil para modelar cualquier sistema. Muestra el comportamiento del sistema a travs del tiempo. Es menos costosa, demorada y peligrosa que el experimentar con el sistema real. Proporciona informacin sobre mltiples medidas de desempeo. Es visualmente sugestiva y captura el inters de las personas. Proporciona resultados que son fciles de entender y comunicar. Corre en tiempo comprimido, real o en cmara lenta. Obliga a poner atencin a los detalles en el diseo. El proceso de la simulacin Por lo general, es parte de un proceso mayor de diseo o mejoramiento de un sistema. Uso de la simulacin El aumento en la popularidad de la simulacin en computadora puede atribuirse a: Mayor conciencia y entendimiento de la tecnologa de simulacin. Mayor disponibilidad, capacidad y facilidad de empleo del software de simulacin. Aumento en la memoria de las computadoras y velocidades de procesamiento, en especial de las PC. Disminucin en los costos de hardware y software. La simulacin no es ms una herramienta de ltimo recurso reservada a unos pocos expertos, pues en su desarrollo se ha ido simplificando notablemente y su costo ha disminuido en varios rdenes de magnitud. Se aplica en muchas reas, entre otras, econmicas, aeroespaciales, medicina e ingeniera. ciencias

En ingeniera industrial se puede aplicar en: Planeacin del flujo de trabajo Planeacin de la capacidad Reduccin del tiempo de ciclo de trabajo Planeacin del uso de recursos y del personal Priorizacin del trabajo Anlisis de cuellos de botella Mejoramiento de la calidad Anlisis de distribucin de planta, etc.

Casos en los que la simulacin es apropiada No todos los problemas que se pueden resolver con el empleo de la simulacin, deben resolverse usndola. Debe seleccionarse la herramienta adecuada para cada tarea, en algunos casos usar la simulacin puede ser un exceso, como usar una escopeta para matar una mosca. Como gua general, la simulacin es apropiada si los siguientes criterios son vlidos: Se est tomando una decisin operacional (lgica o cuantitativa). El proceso analizado est bien definido y es repetitivo. Las actividades y eventos tienen cierta interdependencia y variabilidad. El impacto en el costo de la decisin es mayor que el costo de realizar la simulacin. El costo de experimentar con el sistema real es mayor que el costo de realizar la simulacin. Calificacin necesaria para realizar simulacin Es deseable que exista un cierto grado de conocimiento y habilidad en alguna(s) de las siguientes reas: Administracin de proyectos Comunicacin Ingeniera de sistemas Anlisis estadstico y diseo de experimentos Principios y conceptos de elaboracin de modelos Programacin bsica y habilidades en el uso de computadoras Capacitacin en uno o ms paquetes de simulacin Familiaridad con el sistema objeto de la investigacin

Justificacin econmica de la simulacin El anlisis es un clsico anlisis de beneficio - costo. Es importante considerar los beneficios del empleo de la simulacin, entendidos como ahorros al evitar los costos de hacer cambios en el sistema real y sus consecuencias. El costo de la simulacin es difcil de estimar debido a que no se determina con precisin hasta que se ha realizado, sin embargo puede hacerse un anlisis considerando tiempos pesimistas y si el resultado es satisfactorio, entonces vale la pena realizar la simulacin.

NOTAS

CAPTULO 2 DINMICA DE LOS SISTEMAS

Este captulo trata de la dinmica bsica de los sistemas y responde las siguientes preguntas: Qu es un sistema? Cules son los elementos de un sistema? Qu hace tan complejos a los sistemas? Porqu es til la mtrica de un sistema? Qu es el enfoque de sistemas para la planeacin de sistemas? Cmo se comparan las tcnicas tradicionales de anlisis de sistemas con la simulacin? DEFINICIN DE SISTEMA: Coleccin compleja de elementos que funcionan juntos para lograr un fin deseado. ELEMENTOS DE UN SISTEMA: Entidades Lo que se procesa a travs del sistema (productos, clientes, documentos, etc.) Actividades Tareas realizadas en el sistema que estn directa o indirectamente involucradas en el procesamiento de las entidades. Recursos Son los medios actividades. con los que se realizan las

Controles Indican cmo, actividades. cundo y dnde se realizan las

COMPLEJIDAD DEL SISTEMA Es bsicamente factores: una funcin de los siguientes

Interdependencias + Variabilidad = Complejidad Interdependencias Ocasionan que el comportamiento de un elemento del sistema afecte a otros elementos del mismo. Variabilidad Comprende la incertidumbre tanto de los factores ambientales que influyen en el sistema como del desempeo de los elementos del mismo. MTRICA DEL DESEMPEO DEL SISTEMA Permiten valorar el desempeo de un sistema. Tiempo de flujo Utilizacin Tiempo de valor agregado Tiempo de espera Rgimen de flujo Niveles de inventario y en fila Yield (productividad) Respuesta al cliente Varianza

VARIABLES DEL SISTEMA Variables de decisin Variables independientes o factores de entrada. Variables de respuesta Variables sistema. de salida que miden el desempeo del

Variables de estado Indican el estado del sistema en un momento dado. OPTIMIZACIN DEL SISTEMA Se llama optimizacin al proceso para encontrar los valores de las variables de decisin que mejor logren los objetivos del sistema. Busca encontrar la combinacin de valores de las variables de decisin que minimizan o maximizan alguna funcin objetivotal como los costos o las utilidades. Una funcin objetivo es una variable de respuesta del sistema. EL ENFOQUE DE SISTEMAS Es muy importante no perder de vista al sistema completo, pues en ocasiones la optimizacin de una parte (o local) da por resultado un subptimo global.

Enfoque iterativo de 4 pasos para el mejoramiento de los sistemas:

Identificar problemas y oportunidades

Seleccionar e implementar la mejor solucin

Desarrollar soluciones alternativas

Evaluar soluciones TCNICAS DE ANLISIS DE SISTEMAS Clculos manuales Uso de hojas de clculo Tcnicas de operaciones (prescriptivas

las

investigacin
y descriptivas)

de

 Herramientas especiales computarizadas NOTAS

CAPTULO 3 PRINCIPIOS BSICOS DE SIMULACIN TIPOS DE SIMULACIN: Simulacin esttica vs. dinmica La simulacin esttica no se basa en el tiempo, en tanto que la dinmica s. Simulacin estocstica vs. determinstica Las simulaciones en que una o ms variables de entrada son aleatorias, se conocen como simulaciones probabilsticas o estocsticas.

SIMULACIN DEL COMPORTAMIENTO ALEATORIO Generacin de nmeros aleatorios El comportamiento aleatorio se consigue por medio de un generador de nmeros aleatorios. Tales nmeros no son realmente aleatorios pues se generan en base a un generador congruencial de secuencias, cuyas caractersticas estadsticas son indistinguibles de aquellas de los nmeros aleatorios, por lo que se les llama nmeros pseudoaleatrios a los generados con tales relaciones. Generadores: ADITIVO: xi+1 = a + xi (mod. m) MULTIPLICATIVO: xi+1 = b(xi) (mod. m) MIXTO: xi+1 = a + b(xi) (mod. m) El primer valor de la secuencia se conoce como la semilla o x0. Generacin de valores de variables aleatorias Es el valor muestral de una variable aleatoria. Pueden obtenerse valores de variables aleatorias con diversas distribuciones tanto discretas (binomial, poisson, etc.) como continuas (exponencial, uniforme, normal, etc.). Expresiones de probabilidad Pueden usarse expresiones de probabilidad en forma tabular y durante la simulacin se generan nmeros aleatorios que se comparan con los valores tabulares para definir un curso de accin. Distribuciones de probabilidad En este caso en lugar de valores tabulares se utilizan distribuciones de probabilidad como las antes mencionadas (discretas o continuas).

CAPTULO 4 SIMULACIN DE EVENTO DISCRETO Introduccin: En este captulo se dar respuesta a lo siguiente: Cmo funciona la simulacin de evento discreto? Qu proporcionan los pa simulacin? Qu diferencias existen entre los lenguajes de simulacin y los simuladores? Qu futuro le espera a la tecnologa de la simulacin? Simulacin de evento discreto vs. continuo Una simulacin de evento discreto es aquella en la los cambios de estado ocurren en puntos discretos en el tiempo, en tanto que en el caso continuo, las variables de estado cambian continuamente con respecto al tiempo. En este ltimo caso pueden emplearse ecuaciones diferenciales. Simulacin discreta y continua combinadas Existen programas de simulacin que permiten manejar eventos tanto discretos como continuos. Tipos de eventos: Programados. Son aquellos cuyo tiempo de ocurrencia puede determinarse con antelacin. Condicionales. Se cierta condicin. realizan cuando se da

UN EJEMPLO DE SIMULACIN MANUAL Se trata de un cajero automtico con un tiempo entre llegadas exponencial, con media de 3 min. El tiempo de servico es de 2.4 min. (exponencial) Suposiciones del modelo Sistema vaco al inicio No hay restricciones por personal El tiempo de los movimientos es despreciable La regla se servicio es PEPS El cajero nunca falla

CORRIDA DE LA SIMULACIN Hacer una tabla con por lo menos las columnas:

Tiempo evento

Unidad nmero

Tipo de evento

Cantidad Tiempo Estado en fila acumulado de la en fila estacin

Clculo de resultados Al finalizar la simulacin se calculan las estadsticas que resumen el comportamiento del modelo, como seran el tiempo medio de espera, porcentaje de utilizacin de la estacin de servicio, etc. Observaciones

Las condiciones iniciales y de terminacin pueden influir en los resultados estadsticos calculados. Hay que tener esto en mente. SOFTWARE COMERCIAL DE SIMULACIN Por lo general incluye: Mdulo de interfase de modelaje Dispone de las herramientas construir y editar un modelo. Procesador del modelo Genera una base de datos para la simulacin. Mdulo de interfase de simulacin Despliega la animacin que ocurre durante la corrida de la simulacin. Procesador de simulacin Procesa los eventos simulados contadores estadsticos y los variables de estado. Un procesador tpico consiste de: Variable de reloj Calendario de eventos Administrador de despacho de eventos Lgica de eventos Listas de espera Generador de nmeros aleatorios Generadores de variables aleatorias y actualiza valores de los las necesarias para

Procesador de animacin Interacta con la base de datos de la simulacin para actualizar los datos grficos para que correspondan a los datos de estado cambiantes. Procesador de salida Resume los datos estadsticos colectados durante la simulacin Mdulo de interfase de salida Proporciona una interfase para el usuario para desplegar los resultados de salida de la simulacin.

SIMULACIN EMPLEANDO PROMODEL

Construccin del modelo Se construye empleando herramientas grficas, tablas de entrada de datos y llenando blancos en cajas de dilogo. Corrida de la simulacin Al correr un modelo, la base de datos del modelo se traduce o compila para crear la base de datos de la simulacin. La animacin se muestra al mismo tiempo que corre la simulacin. Las grficas pueden ser estticas o dinmicas. Las estticas pueden ser importadas de archivos en CAD. Anlisis de salida Proporciona estadsticas tanto resumidas como detalladas sobre medidas clave del desempeo. Se pueden presentar como reportes, grficas, histogramas, etc.

Reportes resumidos Muestran totales, globales. promedios y otros valores

Grficas de series de tiempo e histogramas Para observar las fluctuaciones en el comportamiento del modelo a travs del tiempo. LENGUAJES VS. SIMULADORES Los lenguajes son muy flexibles pero difciles de usar, en tanto que los simuladores son fciles de usar pero inflexibles.

EL FUTURO DE LA SIMULACIN La simulacin es una tecnologa que continuar evolucionando conforme las tecnologas relacionadas con ella (como la computacin) vayan mejorando. La tendencia para el empleo de la simulacin va en aumento. NOTAS

CAPTULO 5 EL PROCESO DE LA SIMULACIN En este captulo se dar respuesta a lo siguiente: Cmo prepararse para realizar un estudio simulacin? Cules son los pasos para realizar un estudio simulacin? Cules son los objetivos tpicos de este tipo estudio? Qu se necesita para completar un proyecto simulacin con xito? Cules son algunos de los escollos a evitar realizar un estudio de simulacin? ACTIVIDADES PRELIMINARES Seleccin de la aplicacin a un caso Las siguientes preguntas pueden ayudar seleccionar un caso que sea buen candidato: para de de de de al

Est bien definido el proceso? Existe informacin del proceso disponible? Existen interdependencias en el proceso? Tiene variabilidad el proceso? Existen ahorros potenciales mayores que el costo del proyecto? Si se trata de un proceso nuevo, Hay tiempo para realizar un anlisis de simulacin? Si es un proceso existente, Sera menos costoso experimentar con el sistema real? Existe disposicin gerencial para apoyar el proyecto? NOTA.- Evitar cometer el error tipo III (resolver el problema equivocado)

Identificacin del personal Organizar el equipo de trabajo (interno o externo) Seleccin del software Hay que tomar en cuenta lo siguiente: Calidad Caractersticas y capacidad Facilidad de uso Servicios Costo EL PROCEDIMIENTO DE LA SIMULACIN P A S O S: 1: Definicin del objetivo, alcance y requisitos 2: Recoleccin y anlisis de los datos del sistema 3: Construccin del modelo 4: Validacin del modelo 5: Realizacin de experimentos de simulacin 6: Presentacin de resultados Paso 1. DEFINICIN DEL OBJETIVO Los objetivos de la simulacin pueden agruparse en las siguientes categoras generales: Anlisis de desempeo Anlisis de capacidad y restricciones Comparacin de configuraciones

 Optimizacin Anlisis de sensibilidad Visualizacin Hay que considerar que el objetivo puede estar relacionado con dos tipos de decisiones: Decisiones para el diseo o decisiones operativas. Caractersticas de un objetivo efectivo: Alto potencial de impacto Es posible alcanzarlo Es especfico Es cuantificable Es medible Identifica restricciones relevantes

DEFINICIN DEL ALCANCE DEL TRABAJO INCLUYE: Determinacin del alcance del modelo Qu elementos del sistema incluir en el modelo. Determinacin del nivel de detalle Que tan profundo debe ser el modelo. Asignacin de responsabilidades para la coleccin de los datos Identificacin de datos necesarios y de quin los reunir. Planeacin de la experimentacin Naturaleza y nmero de los escenarios configuraciones opcionales a evaluar. o

Determinacin de la forma de los resultados La forma de presentacin puede afectar de manera significativa al estudio. Razones por simulacin las cuales fallan los proyectos de

Objetivos confusos o poco claros. Modelistas no capacitados. Datos no disponibles. Expectativas no manejables. Falta de apoyo gerencial. Requisitos subestimados. Falta de involucramiento de propietario(s) proceso. NOTAS

del

CAPTULO 6 RECOLECCIN Y ANLISIS DE LOS DATOS Guas para la recoleccin de datos 1.Identifique los eventos causales. 2.Enfquese slo en los factores clave. 3.Asle los tiempos reales de la actividad. 4.Procure los agrupamientos comunes. 5.Enfquese en la esencia en lugar de la sustancia. 6.Separe las variables de entrada de las de respuesta. La recoleccin de datos sigue, por lo general, la siguiente secuencia: 1. 2. 3. 4. 5. 6. Determinacin de los requisitos de los datos. Identificacin de las fuentes de datos. Recoleccin de los datos. Hacer suposiciones donde sea necesario. Anlisis de los datos Documentacin y aprobacin de los datos.

Veamos ahora cada uno de estos pasos: Determinacin de los requisitos de los datos Datos estructurales. Involucran los objetos del sistema a modelar. Datos operacionales. Indican cmo funciona el sistema. Datos numricos. Proporcionan informacin cuantitativa acerca del sistema. Empleo de cuestionarios. Hacer preguntas a los involucrados.

Identificacin de las fuentes de datos Registros histricos Documentacin del sistema Observacin personal Entrevistas personales Comparacin con sistemas similares Reclamaciones de la clientela Estimados de diseo Literatura de investigacin

Tener muy en cuenta la accesibilidad de los datos. Encontrar las fuentes de datos disponibles y utilizar aquellas que proporcionen la informacin ms completa y confiable. Las fuentes secundarias pueden emplearse para validar a una fuente primaria. Recoleccin de los datos Los datos siguiente: deben recolectarse en la secuencia

Definicin del flujo de las entidades. Recordar el uso de cursogramas de proceso, slo que en este caso hacer nfasis ms en el dnde que en el qu. Desarrollo de una descripcin de la operacin. para cada tipo de entidad en cada ubicacin del sistema se requieren: Requisitos de tiempo y recursos de la actividad u operacin; Dnde, cundo y en qu cantidades se dirigen las entidades a los siguientes pasos; el tiempo y los recursos necesarios para el movimiento a la siguiente ubicacin. Definicin de detalles incidentales y ajuste de los valores de los datos. Se agregan detalles y se revisa si los datos son suficientes y se eliminan los sesgos que no representan condiciones normales de operacin.

Haciendo suposiciones Para sistemas nuevos o cuando la obtencin de los datos resulta imprctica. Al hacer suposiciones es muy importante sealarlas, pues afectan a la validez del modelo. Debe hacerse un anlisis de sensibilidad de los resultados obtenidos en base a supuestos. Anlisis estadstico de los datos Estadstica descriptiva Pruebas de independencia Diagrama de dispersin Diagrama de autocorrelacin Pruebas de corrida Pruebas para datos con las mismas distribuciones. Asegurarse que provienen de la misma poblacin. Algunas situaciones de este tipo incluyen: - Tiempos entre llegadas obtenidos en das diferentes y se desea saber si pertenecen o no a la misma distribucin. - Tiempos de actividades para dos operadores diferentes. - Tiempo entre fallas para mquinas similares. Ajuste de distribuciones Para usar los datos en un modelo de simulacin necesitamos ajustarlos a una distribucin terica, si es posible, si no, emplearlos como tales para que mediante la tcnica bootstrap se pueda muestrear la distribucin emprica y as reconstruir el comportamiento de los datos en la simulacin. TIPOS DE DISTRIBUCIONES: - Discretas (tericas: Binomial, Poisson, etc.) - Continuas (tericas: Uniforme, normal, etc.)

Seleccin de una distribucin cuando no hay datos Cuando no existen registros histricos o no se pueden hacer mediciones por alguna razn, se pueden estimar los tiempos de las actividades en alguna de las siguientes formas: Un slo valor, el ms probable o el valor medio. Valores mximo y mnimo, definiendo un rango. Valor mnimo, ms frecuente y mximo. Con estos valores y suponiendo algn tipo de distribucin (exponencial, uniforme, normal, triangular, beta, etc.), dependiendo del proceso. Conviene realizar un anlisis de sensibilidad dado que se trata de valores estimados. Distribuciones acotadas respecto de no acotadas Pueden ser no acotadas por la izquierda, por derecha o por ambos lados. Distribucin normal - No acotada por ambos lados. Distribucin exponencial - No acotada por derecha. Conviene muestrear en la simulacin distribuciones truncadas (en caso de ser acotadas) para evitar problemas con nmeros realistas. la la de no no

Modelaje de distribuciones de probabilidad discretas empleando distribuciones continuas Se pueden aproximar distribuciones discretas de probabilidad por medio de distribuciones continuas, como la normal, por ejemplo. Una forma sencilla de generar valores discretos es emplear una distribucin continua con las fracciones truncadas segn convenga.

Documentacin y aprobacin de los datos Los datos deben presentarse de manera adecuada (tablas, grficas) indicando las fuentes y someterse a revisin por quienes puedan evaluar su validez. Atender al ejemplo de documentacin de los datos. NOTAS

CAPTULO 7 CONSTRUCCIN DEL MODELO Conversin de un modelo conceptual a un modelo de simulacin Paradigmas de modelaje Un paradigma consiste de los supuestos y del lenguaje asociado que indican cmo debe pensar el modelista acerca del sistema a modelar. Los programas actuales estn orientados al proceso y soportan el modelaje basado en objetos. Proceso.- Secuencia de actividades. Objeto.- Definido en trminos de comportamientos. atributos y

Atributos. Variables asociadas con el objeto. Comportamientos. Definen la lgica operacional asociada con el objeto. Definicin del modelo Un modelo es una representacin simplificada de la realidad. Lo importante es la forma en que una operacin afecta al resto del sistema. Hay que tener cuidado con la tendencia a reproducir la forma precisa en que opera el sistema (conocida como emulacin). Conviene entender el concepto de la curva de Laffer, que relaciona la complejidad del modelo con la utilidad del mismo.

ELEMENTOS ESTRUCTURALES Clasificacin de objetos usada en Promodel: Entidades: Los artculos procesados en el sistema. Ubicaciones: Sitios donde se procesan o mantienen las entidades. Recursos: Agentes empleados en el procesamiento de las entidades Trayectorias: La ruta de viaje de las entidades y recursos en el sistema. Entidades Son los objetos procesados en el modelo representan las entradas y salidas del sistema. Entidades a incluir Cualquiera que influya en el problema a resolver. La regla es: Si se puede representar de manera adecuada la dinmica del sistema sin incluir una entidad, entonces no la incluya. Agregado de entidades Agregar las entidades siempre que sea posible, por ejemplo, cuando tienen la misma secuencia de procesamiento. Se les puede dar un nombre genrico como parte o cliente. Resolucin de las entidades Cuando un grupo de entidades se procesa y se mueve como un grupo, no existe la necesidad del modelaje individual. que

Procesamiento de entidades en grandes cantidades En este caso es preferible llevar el seguimiento de la produccin de entidades en lugar del seguimiento de entidades individuales. Ubicaciones Son los sitios que visitan las entidades procesamiento, espera o toma de decisiones. Ubicaciones a incluir Depende de - Proceso. - Espera a - Donde se - Donde se lo que ocurra en la ubicacin. que se cumpla una condicin. ejecuta una accin o decisin lgica. decide sobre la ruta posterior a seguir. para

Resolucin de las ubicaciones Se pueden hacer combinaciones paralelo o en serie Recursos Son los agentes empleados entidades en el sistema. Recursos a incluir La decisin sobre incluir un recurso en el modelo depende principalmente de sus consecuencias en el funcionamiento del sistema. Tiempo de viaje del recurso Hay que considerarlo cuando se trate de recursos mviles, como equipo de prueba, por ejemplo. para procesar las de ubicaciones en

Recursos consumibles Se utilizan durante la simulacin y pueden incluir: Servicios tales como la electricidad o aire comprimido. Insumos tales como grapas o herramientas consumibles. Recursos de transporte Son los que se utilizan para mover las entidades dentro del sistema (gras, elevadores, etc.) y con frecuencia pueden llevar varias entidades. Trayectorias Definen la ruta del viaje de las entidades y de los recursos. Pueden ser nicas o estar conectadas a otras trayectorias para crear una red. ELEMENTOS OPERACIONALES Definen el comportamiento de los distintos elementos fsicos en el sistema y su interaccin. Rutas Definen la secuencia o flujo para las entidades de ubicacin a ubicacin. Algunas reglas a seguir son: Probabilstica: Ruta de acuerdo a una distribucin probabilstica. Primera disponible: Las entidades se dirigen a la primera ubicacin disponible. Por turno: La seleccin va de acuerdo a las ubicaciones en la lista. Mayor capacidad disponible: Las entidades seleccionan la ubicacin que tenga la mayor.

 Unidad llena: Las entidades se dirigen a una ubicacin hasta llenarla y luego cambian a otra. Aleatoria: Las entidades se seleccionan de manera aleatoria la ubicacin a la que se dirigirn. Condicin del usuario: Las entidades seleccionan de una lista de ubicaciones en base a una condicin indicada por el usuario. Recirculacin Las entidades pasan varias veces por la misma ubicacin. Se usa un atributo para decidir la salida del ciclo. Rutas sin orden Algunos sistemas no requieren de una secuencia especfica para visitar cada ubicacin, sino que las actividades se pueden realizar en cualquier orden, con tal de que todas se realicen. Operaciones a las entidades Una operacin define lo que le ocurre a una entidad cuanto entra a una ubicacin. Lo esencial es el tiempo ms que la operacin en s. Consolidacin de entidades A veces se realizan operaciones en las que las entidades estn fsica o lgicamente conectadas con otras entidades. Ejemplos pueden ser: Acumulacin de productos hasta llenar un contenedor. Agrupar piezas para cargarlas en un horno.

Agregado de entidades Pueden agregarse entidades a otra en una ubicacin especfica. Ejemplos pueden ser: Ensamblar componentes a una pieza principal. Entrega de una orden completa a un cliente que espera. Divisin de entidades En algunos procesos, una entidad se divide en dos o ms. Ejemplos pueden ser: Un contenedor se descarga en artculos individuales. Separacin de una o varias formas de un documento. Un trozo de materia prima cortado en varias piezas. Llegada de las entidades La llegada de las entidades define el tiempo, cantidad, frecuencia y ubicacin de las entidades que entran al sistema. Existen diferentes maneras: Peridica - Llegan en un intervalo peridico de tiempo. Programada - Las llegadas ocurren en un tiempo especificado. Fluctuante - La tasa de llegadas cambia en funcin del tiempo. Ocasionadas por un evento - Las llegadas ocurren cuando las ocasiona un evento. Llegadas peridicas Pueden ocurrir en cantidades variables y, con frecuencia, el intervalo de tiempo est definido como una variable aleatoria.

Llegadas programadas Ocurren cuando las entidades llegan a tiempos especficos con la posibilidad de alguna variacin definida. Llegadas fluctuantes Las entidades llegan al flucta con el tiempo. sistema a una tasa que

Llegadas ocasionadas por otro evento En muchos casos, las entidades entran al sistema debido a una causa interna tal como la terminacin de una operacin o la disminucin del nivel de inventario a su punto de reorden. Movimiento de las entidades y los recursos El movimiento puede manejarse en 3 formas bsicas: 1. Ignorar el movimiento. 2. Modelar el movimiento empleando un tiempo de movimiento simple, que tambin puede definirse por velocidad y distancia. 3. Usar una red de trayectorias. Acceso a ubicaciones y recursos La actividad en una simulacin est gobernada por la manera en que las entidades van a las ubicaciones y recursos para ser procesadas. Uso de prioridades Las ubicaciones y recursos se pueden solicitar con una prioridad particular en Promodel.

Posibilidad de suspender una operacin por otra A veces es necesario que un recurso o ubicacin responda de inmediato a una actividad solicitada, dejando inconclusa la tarea que est realizando. Reglas de seleccin de tareas Las ubicaciones y recursos discriminan con frecuencia respecto a que actividad o entidad en espera seleccionarn en seguida para atender. En tanto que las prioridades determinan el orden de las entidades en espera para usar una ubicacin o recurso, las reglas de seleccin de tareas permiten el uso de una ubicacin o recurso cuando est disponible. Programacin de los recursos Existen horarios para la disponibilidad de los recursos, por lo que es necesario incluir en el modelo lo que hay que hacer si se acaba un turno cuando una actividad no se ha concluido, por ejemplo. Cambios al programa a la mitad de una tarea Hay que tener presente que sucede cuando un recurso deja de estar disponible a la mitad de una tarea: 1. No iniciar la tarea. 2. Interrumpir la tarea y respetar el horario. 3. Continuar y terminar la tarea. Las estadsticas de tiempo programado los recursos con base en el

Conviene obtener las estadsticas con base en el tiempo programado disponible, en lugar de usar el tiempo total de la simulacin. Manejo de las llegadas durante el horario fuera de turno Hay que prevenir que ocurran llegadas fuera del horario, por lo que conviene sincronizar las llegadas con el horario de trabajo, o bien, dirigir las llegadas a una ubicacin preliminar donde se prueba si se est en el horario disponible y si no, se descarta la llegada. Paros y reparaciones Pueden ocurrir en cualquier trabajo y pueden ser : momento durante el

Tiempo de paro en base al tiempo transcurrido Paros con base en el tiempo de uso Paros con base en el nmero de veces de uso Resolucin de los paros

total

Los paros pueden manejarse en las siguientes formas: Ignorar el tiempo de paro. Aumentar tiempos de proceso para incluirlos. Usar valores promedio para el tiempo medio entre fallas (MTBF) y para el tiempo medio de reparacin (MTTR). Emplear distribuciones estadsticas para el tiempo entre fallas y tiempo de reparacin.

Tiempo transcurrido o tiempo de uso Es importante considerarlo de acuerdo a la situacin real para no inflar el tiempo por incluir tiempo ocioso. Manejo de entidades con interrupciones Hay que decidir que hacer con las entidades cuando falla un recurso debido a un paro. Puede hacerse: Continuar con la entidad despus de la reparacin. Encontrar otro recurso disponible para continuar. La entidad se echa a perder. Demorar el inicio del paro hasta terminar la entidad en curso. Empleo de lgica de programacin En ocasiones es necesario que el comportamiento del modelo sea tal que no se puede conseguir con las opciones usuales del programa. En estos casos, se puede programar lo necesario para hacerlo, como sera en los siguientes casos: Uso de probabilidades para modelar el comportamiento probabilstico Uso de atributos para modelar la lgica de decisiones especiales Uso de variables globales para reunir estadsticas Uso de variables locales para los ciclos ASPECTOS VARIOS SOBRE MODELAJE Modelaje de situaciones raras Se aconseja no incluir situaciones que ocurran raras veces, a menos que su impacto sea considerable, pues el proceso de la simulacin trata de representar el comportamiento usual del sistema.

Modelaje en grande escala Cuando se tiene que modelar un sistema muy grande y complejo, se aconseja subdividirlo en bloques ms pequeos, de modo que se puedan construir y probar los modelos de estos bloques, para luego integrarlos en el modelo global. Modelaje del Costo A veces es deseable incluir el costo en un modelo para determinar la mejor solucin econmica de un problema de diseo. NOTAS

CAPTULO 8 VERIFICACIN Y VALIDACIN DEL MODELO En este captulo se dar respuesta a las siguientes preguntas: En qu consiste la verificacin y validacin del modelo? Cules son los obstculos para verificar y validar un modelo? Cules son las tcnicas empleadas para verificar y validar un modelo? Cmo se mantienen la verificacin y validacin de un modelo? IMPORTANCIA DE LA VERIFICACIN Y VALIDACIN DEL MODELO El modelaje es, por naturaleza, propenso a los errores. Por esta razn el proceso de modelaje es un proceso iterativo, donde se pasa de un estado de menor conocimiento a uno de mayor conocimiento, en iteraciones sucesivas. Razones para rechazar esta actividad A pesar de la importancia de la verificacin y validacin, existen algunas razones (o pretextos) que se dan para no hacerlas: Presiones de tiempo y de presupuesto. Flojera Exceso de confianza Ignorancia Prcticas que facilitan la verificacin y validacin Una prctica bsica es reducir la complejidad del modelo. Luego es necesario codificarlo de modo que sea fcil leerlo y entenderlo y finalmente, los datos del modelo y el cdigo lgico empleado deben documentarse con extensin y claridad.

Verificacin del modelo La verificacin es el proceso para determinar si es que el modelo funciona como se pretende. Los errores pueden ser de dos tipos: de sintaxis y semnticos. Medidas preventivas Algunas medidas para prevenir errores son: 1. Diseo del mas alto nivel al mas bajo. 2. Construccin modular. 3. Mdulos compactos. 4. Refinamiento gradual por pasos. 5. Control estructurado. Establecimiento de un patrn de comparacin Hay que tener una idea aproximada de los resultados posibles, pues si los resultados son totalmente bizarros, existe un problema en el modelo en alguna parte. Tambin puede usarse un modelo analtico simplificado que sirve para verificar la operacin bsica del modelo. En ocasiones pueden usarse datos histricos (cuando se tengan disponibles). Tcnicas de verificacin Revisin del cdigo del modelo El propsito es verificar inconsistencias. errores e

Verificacin de salidas razonables En cualquier modelo existen algunas relaciones operacionales y valores cuantitativos que pueden predecirse; si los resultados de la simulacin resultan disparatados, hay que verificar el modelo.

Observacin de la animacin La animacin ayuda para verificar en forma visual y ver si sucede lo que se esperaba o no. Ayuda a identificar un problema, mas no su causa. Uso de las herramientas de rastreo y eliminacin de errores Este tipo de herramientas proporcionan una retroalimentacin detallada de lo que sucede durante la simulacin. Se pueden emplear mensajes de rastreo, o el debugger, el cual revisa las relaciones lgicas del programa para verificar su validez. Validacin del modelo La validacin consiste en el proceso para determinar si el modelo es una representacin adecuada y con sentido del sistema real. Lo que importa es la validez funcional, es decir aquella que tiene que ver con la aplicabilidad del modelo. Determinacin de la validez del modelo Es comn emplear una combinacin de tcnicas cuando se valida un modelo: Observar la animacin. Comparar con el sistema real. Comparar con otros modelos. Llevar a cabo las pruebas de degeneracin y de condiciones extremas. Verificar la validez aparente. Probar con datos histricos. Realizar un anlisis de sensibilidad. Rastreo de corridas del modelo. Realizar pruebas de discriminacin.

Mantenimiento de la validacin El mantenimiento es necesario cuando las especificaciones de un sistema tienden a cambiar con el tiempo, despus de su implementacin, sobre todo cuando se trate de aplicaciones de la simulacin al diseo de sistemas nuevos. Un mtodo para mantener la validacin es negar el acceso a los usuarios a cambiar los datos del modelo, de modo que los cambios estn controlados. Ejemplos de validacin Estudiar los casos del texto.

NOTAS

CAPTULO 9 ANLISIS DE LOS RESULTADOS DE LA SIMULACIN En este captulo se presentan los aspectos estadsticos bsicos relacionados con el anlisis y la interpretacin de los resultados de la simulacin. ANLISIS ESTADSTICO DE LOS RESULTADOS Se aplican los mismos conceptos estadsticos que en la realizacin de cualquier experimento: Las muestras se generan al realizar el experimento Con frecuencia, el tamao de la poblacin es muy grande o infinito. Se utiliza una variable aleatoria para expresar cada posible resultado de un experimento como un nmero continuo o discreto. Las muestras experimentales llamadas rplicas, son independientes. Rplicas de la simulacin Cada corrida de un experimento de constituye una rplica, o muestra nica. Generacin de nmeros aleatorios La base de la simulacin estocstica es el generador de nmeros aleatorios, pues en realidad se trata de una secuencia de nmeros pseudoaleatorios. Existe una longitud del ciclo de nmeros generados. Valor inicial de la semilla Es el valor inicial que requiere el generador para producir los nmeros aleatorios. simulacin

Estimacin del desempeo Suponiendo que se dispone de coleccin adecuada de observaciones independientes, podemos aplicar mtodos estadsticos para estimar el valor esperado de la respuesta producida por el modelo. Estimacin puntual Es la estimacin de un valor nico de un parmetro de inters. Pueden estimarse la media, mediana, moda, varianza, desviacin estndar, etc. Estimacin de intervalo En este mtodo se determina un intervalo para el valor de un parmetro de inters. Se obtiene sumando y restando una cantidad obtenida en base a una confiabilidad deseada, al estimador puntual. Nmero de rplicas (tamao de la muestra) Para establecer un intervalo de confianza con un error especfico (e) se requiere conocer el tamao de la muestra, o nmero de rplicas. Experimentos en el mundo real comparados con los experimentos de simulacin Es muy importante notar que los resultados del mundo real pueden diferir de aquellos obtenidos mediante simulacin, si el modelo carece de validez para representar el mundo real.

ASPECTOS ESTADSTICOS DE LOS RESULTADOS Se deben cumplir las siguientes suposiciones estadsticas por la muestra de observaciones para construir un intervalo de confianza: Las observaciones son independientes de modo que no existe correlacin entre observaciones consecutivas. Las observaciones estn distribuidas de forma idntica durante la duracin de todo el proceso. Las observaciones siguen una distribucin normal. SIMULACIONES TERMINADAS E INCONCLUSAS Simulaciones terminadas Son aquellas en la simulacin comienza en un estado o tiempo dado y termina cuando se alcanza algn estado o tiempo definido. En de al en este caso no se pretende medir el comportamiento estado estable del sistema, aunque puede ser que terminar la simulacin el sistema ya se encuentre estado estable.

Simulaciones inconclusas Una simulacin aquella en la estado estable simulacin no simulado no finalizacin. inconclusa o de estado estable es que se analiza el comportamiento en del sistema. No se trata de que la termine nunca, sino que el sistema tiene un estado o tiempo de

EXPERIMENTACIN CON SIMULACIONES TERMINADAS En este tipo de simulacin se dan tres preguntas importantes a contestar al correr el experimento: Cul debe ser el estado inicial del modelo? Cul es el evento o tiempo de terminacin? Cuntas rplicas deben hacerse? Seleccin del estado inicial del modelo El estado inicial representa el aspecto del sistema al inicio de la simulacin. Se seleccionar de acuerdo a lo que se desee en el experimento. Seleccin de un evento de terminacin Un evento de terminacin es aquel que ocurre durante la simulacin y ocasiona que sta termine. Puede tratarse de una hora del da o cuando se cumple cierta condicin, en cuyo caso no podemos saber de antemano en que tiempo ocurrir. Determinacin del nmero de rplicas Dado el estado inicial del modelo se simulacin y las condiciones de terminacin para la corrida de simulacin, el analista est listo para comenzar a realizar experimentos con el modelo. Como regla general se puede iniciar con 10 rplicas y agregar las necesarias hasta alcanzar el intervalo de confianza deseado. EXPERIMENTACIN CON SIMULACIONES INCONCLUSAS En este caso estamos interesados en el comportamiento de estado estable del sistema, por lo cual se deben sealar los siguientes puntos:

1. Determinacin y eliminacin del sesgo debido al calentamiento inicial. 2. Obtencin de las observaciones muestrales. 3. Determinar la longitud de la corrida. Determinacin del periodo de calentamiento El tiempo necesario para alcanzar el estado estable es una funcin de los tiempos de las actividades y la cantidad de actividad que ocurra. En algunos casos el estado estable se alcanza en poco tiempo (minutos o algunas horas) en tanto que en otros pueden pasar cientos de horas para alcanzarse. Una forma de estimar el periodo de calentamiento es correr varias rplicas de la simulacin y promediar los valores de salida y observar hasta que rplica se alcanza la estabilidad estadstica. Obtencin de observaciones muestrales Es similar al caso de simulaciones terminadas con las siguientes diferencias: (1) debe determinarse el periodo de calentamiento y eliminarse y (2) debe determinarse la longitud apropiada de la corrida. Una vez corridas las rplicas se pueden obtener intervalos de confianza. Tambin puede emplearse la tcnica de promedios de lote que consiste en un mtodo en que se hace una corrida larga y las estadsticas se colectan en diferentes periodos de tiempo. En este caso las observaciones no son estadsticamente independientes, pero si los intervalos se seleccionan con la suficiente separacin se puede disminuir este inconveniente.

Determinacin de la longitud de la corrida En el caso de simulaciones terminadas existe un evento que les pone punto final, pero en el caso de estado estable es ms difcil, dado que la simulacin puede correr por un tiempo indefinido. La longitud de la corrida de simulacin para estado estable depende del intervalo entre la ocurrencia del evento menos frecuente y el tipo de mtodo de muestreo empleado. Conviene correr la simulacin de manera que los eventos menos frecuentes se presenten varias veces, si se puede, incluso cientos de veces, con el objeto de que las estadsticas relacionadas con ellos se estabilicen. NOTAS

CAPTULO 10 COMPARACIN DE SISTEMAS En muchos casos se realizan simulaciones para comparar dos o ms diseos alternativos de un sistema para identificar el mejor sistema en relacin a su desempeo. Al hacer la comparacin se requiere de un anlisis cuidadoso para asegurarse que las diferencias son atribuibles a diferencias en el desempeo y no son variacin estadstica. PRUEBA DE HIPTESIS Por lo general, la hiptesis nula ser que no existe diferencia estadsticamente significativa entre el desempeo de los sistemas bajo consideracin, en tanto que la hiptesis alternativa ser que s existe alguna diferencia. TIPOS DE ERRORES: Tipo I: Ocurre cuando se rechaza Ho en favor de H1, siendo Ho verdadera. Tipo II: Ocurre cuando no rechazamos Ho, siendo H1 verdadera. COMPARACIN SISTEMA DE DOS DISEOS ALTERNATIVOS DE UN

Se presentarn dos mtodos basados en el enfoque del intervalo de confianza: 1. Intervalo de confianza de Welch para comparar dos sistemas Requiere que los datos obtenidos de cada poblacin (sistema simulado) estn normalmente distribuidos y sean independientes entre s y entre las poblaciones.

El intervalo de confianza para la diferencia entre medias con un nivel dado de significancia es: (ver pgina 227 del texto). 2. Intervalo de confianza comparacin de dos sistemas pareado-t para la

Requiere que los datos obtenidos de cada poblacin (sistema simulado) estn normalmente distribuidos y sean independientes entre s pero no requiere que las observaciones entre poblaciones sean independientes (de aqu que sean observaciones pareadas, que pueden lograrse usando nmeros aleatorios comunes). El intervalo de confianza Welch vs. el pareado-t Resulta difcil decir de antemano cul de los dos mtodos proporcionar el intervalo de confianza ms pequeo para un problema dado, sin embargo si las observaciones entre poblaciones no son independientes, entonces debe usarse el mtodo pareado. Si se tiene un nmero de observaciones diferentes para cada poblacin y son independientes, entonces se usar el Welch. Comparacin de alternativos ms de dos diseos de que sistemas pueden

Existen varios mtodos estadsticos emplearse para la comparacin.

El enfoque de Bonferroni para la comparacin de ms dos sistemas posibles Este enfoque es til cuando existen ms de 2 diseos de sistemas posibles a comparar.

La hiptesis nula es que no existe diferencia significativa entre los diseos y la alternativa es que al menos uno de los diseos es diferente en cuanto a su desempeo. Modelos estadsticos avanzados para la comparacin de ms de dos sistemas posibles. El anlisis de varianza junto con una prueba de comparaciones mltiples proporciona un medio para comparar una gran cantidad de diseos de sistemas posibles mejor que los enfoques anteriores. El beneficio principal es que el intervalo de confianza global de la prueba de hiptesis no disminuye al aumentar el nmero de diseos de sistemas candidatos. Las hiptesis son las mismas que en enfoque de Bonferroni, usando adems: Nmero de niveles factoriales = Nmero de diseos de sistemas posibles = K Nmero de observaciones por cada nivel de factor = n Nmero total de observaciones = N = (K)n Anlisis de varianza El anlisis de varianza nos permite dividir la variacin total en la variable respuesta del sistema simulado en dos componentes: 1)variacin debida al efecto entre tratamientos y variacin debida al error experimental (variabilidad inherente al sistema simulado). En el caso que nos ocupa nos interesa saber si la variacin entre tratamientos es estadsticamente significativa. Suponemos que las observaciones provienen de poblaciones distribuidas en forma normal y que son independientes entre s y entre diferentes estrategias, por lo que el mtodo de reduccin de varianza basado en nmeros aleatorios comunes no puede emplearse en este caso.

Las frmulas para el ANOVA y un ejemplo aparecen en el texto. Prueba de comparaciones mltiples Esta prueba indica si todas las estrategias son equivalentes o no, pero no identifica cul es la diferente. Se usar la prueba de la menor diferencia significativa (LSD) de Fisher para identificar cul estrategia o diseo se comporta diferente. Diseo factorial y optimizacin En los experimentos de simulacin podemos estar interesados en encontrar el impacto de las variables decisin en la respuesta del sistema en lugar de comparar diseos de sistemas entre s. En lugar de correr cientos de experimentos para cada valor posible de la(s) variable(s) de decisin las tcnicas del diseo de experimentos nos pueden ayudar para acortar el camino y encontrar los valores ms adecuados de las variables de decisin. Las variables de decisin son losfactores y los resultados son las respuestas. Una vez que se ha identificado la respuesta de inters y que se han definido los factores que influyen en ella, podemos emplear el diseo factorial que nos indica cuntas corridas o experimentos realizar y cul nivel o valor emplear para cada factor. Se pueden emplear diseos factoriales completos de dos niveles o, si son muchos factores y el nmero de experimentos resulta muy elevado, se puede usar un diseo factorial fraccionado, para desechar aquellos factores que tienen poco o ningn impacto en el comportamiento del sistema y as realizar luego un factorial completo con los factores restantes.

TCNICAS DE REDUCCIN DE VARIANZA Esta tcnica nos permite estimar el valor medio de una variable aleatoria con un nivel de precisin deseado y logrando una confiabilidad mayor con una menor cantidad de observaciones independientes (rplicas). Veamos una de las tcnicas ms populares de reduccin de varianza: Nmeros aleatorios comunes Esta tcnica (CRN por sus siglas en ingls) fue inventada con el propsito de comparar diseos alternativos de sistemas. El mtodo consiste en realizar corridas de simulacin para los sistemas alternativos empleando la misma secuencia de nmeros aleatorios para ellos. Ejemplo del empleo de nmeros aleatorios comunes Ver el ejemplo en el texto. Porqu funcionan los nmeros aleatorios comunes La razn por la cual esta tcnica funciona es debido a que las observaciones de un sistema estn correlacionadas con las del otro sistema y el efecto de esta correlacin positiva es que la varianza de las observaciones en la diferencia de resultados se reducir. Aunque las observaciones entre estrategias estn correlacionadas, las observaciones de una estrategia particular son independientes, por lo que las diferencias en los resultados tambin son independientes, por lo que puede usarse la prueba de observaciones pareadas.

Como dice ocasiones contrario, estrategia saber esto

el dicho no hay lonche gratis y en la tcnica CRN puede producir el efecto cuando la correlacin entre una y otra sea negativa y no hay manera de de antemano. NOTAS

CAPTULO 11 OPTIMIZACIN Si la razn para elaborar un modelo se simulacin es para encontrar respuestas a preguntas como Cules son los valores ptimos para maximizar (o minimizar) ____? entonces la optimizacin es la tecnologa apropiada a combinar con la simulacin. El propsito de este captulo tiene 4 aspectos: Proporcionar una introduccin a la optimizacin en la simulacin, enfocndose en los ltimos avances. Proporcionar al lector una apreciacin de las ventajas y desventajas de emplear algoritmos evolutivos. Tratar de aspectos tcticos involucrados en el uso de algoritmos evolutivos. Presentar ejemplos subrayando cmo puede ayudar la optimizacin en la simulacin al analista, en su bsqueda por identificar soluciones ptimas. EN BSQUEDA DEL PTIMO La manera ms segura para encontrar una solucin ptima es (Akbay 1996): Paso 1. Identificar todas las variables de decisin posibles que afectan a la salida del sistema Paso 2. Con base en los valores posibles de cada variable de decisin, identificar todas las soluciones posibles. Paso 3. Evaluar con precisin cada una de las soluciones. Paso 4. Comparar cada solucin de manera imparcial. Paso 5. Registrar la respuesta mejor.

Si se grafican los resultados para todos los valores posibles de las variables de decisin, la grfica resultante se llama superficie de respuesta. Se pueden usar muchas tcnicas, pero en el caso de problemas estocsticos, se utilizan mtodos heursticos. Estos no garantizan que el resultado sea el ptimo, pero proporcionan una buena aproximacin. COMBINACIN DE TCNICAS DE BSQUEDA DIRECTA CON LA SIMULACIN Las tcnicas de bsqueda directa son una clase de tcnicas diseadas para buscar valores ptimos. Estas tcnicas funcionan directamente con los resultados generados por el sistema (o modelo del mismo) de inters y no requieren de informacin adicional acerca de la funcin que genera la respuesta. En 1995 se desarroll la herramienta de optimizacin para simulacin conocida como SimRunner, la cual consiste de un mdulo de optimizacin, un mdulo para determinar el tamao de la muestra requerida (rplicas) y el periodo de calentamiento de un modelo. El mdulo de optimizacin puede optimizar variables de decisin enteras y reales. ALGORITMOS EVOLUTIVOS Este tipo de algoritmos son una clase de tcnicas de bsqueda directa que se basan en conceptos de la teora de la evolucin. Esta tcnica manipula una poblacin de soluciones para un problema, de tal manera que las soluciones mediocres desaparecen y las buenas evolucionen de manera continua en su bsqueda del ptimo.

Estos algoritmos difieren de las tcnicas de optimizacin no lineal tradicional en muchas formas. La diferencia ms importante es que llevan a cabo la bsqueda de la superficie de respuesta empleando una poblacin de soluciones, en lugar de una solucin nica. Esto le permite al algoritmo EA coleccionar informacin de la superficie de respuesta de muchos puntos diferentes en forma simultnea, y utiliza tal informacin para guiar la bsqueda de la solucin ptima en lugar de usar un slo punto. Este enfoque basado en la poblacin, aumenta la posibilidad de encontrar la solucin ptima global. Los cuatro pasos principales aplicar un algoritmo evolutivo son: necesarios para

Paso 1. Generar una poblacin inicial de soluciones al problema distribuyndolas de manera aleatoria a travs del espacio de soluciones. Paso 2. Calcular con cuidado el ajuste (respuesta) de cada solucin. Paso 3. Con base en el ajuste de las soluciones, seleccione las soluciones mejores y aplique operadores genticos de tipo ideal para producir una nueva generacin de soluciones descendientes. Paso 4. Regrese al paso 2 cuantas veces sea necesario en tanto el algoritmo ubique a soluciones mejores. Combinacin simulacin de los algoritmos evolutivos con para la la

Los algoritmos evolutivos son adecuados optimizacin usando simulacin debido a:

 No necesitan suposiciones restrictivas o conocimiento previo acerca de la topologa de la superficie de respuesta. Se ajustan bien a problemas con superficies de respuesta de muchas dimensiones, multimodales, discontinuas, no diferenciables, etc. Son tcnicas de bsqueda muy confiables y relativamente fciles de emplear. Una desventaja de los EA es que requieren a veces la evaluacin de muchas soluciones, lo cual puede ser prohibitivo si el tiempo de cmputo es limitado. Ilustracin de la bsqueda de una respuesta de un algoritmo evolutivo superficie de

En esta parte se presenta como funciona un algoritmo evolutivo en un problema con una variable de decisin. Ver problema en la pgina 257 del texto. ASPECTOS ESTRATGICOS Y TCTICOS DE LA OPTIMIZACIN EN LA SIMULACIN Cuando se optimiza un sistema simulado con el propsito de aplicar la solucin a un sistema real, el analista debe asegurarse primero que el modelo de simulacin representa fielmente al sistema real. Otro aspecto importante tiene que ver con la eficiencia del estudio de simulacin, medida en trminos de la cantidad de tiempo necesario para realizar experimentos con el modelo de simulacin. Eficiencia operativa Cuando se emplean programas de propsito general como C o Pascal, el programador tiene un alto grado de control sobre que tan eficiente o rpido funcione el programa, sin embargo con paquetes ms especficos esta posibilidad se pierde. En estos

casos es importante emplear el modelo ms simple posible, que represente las caractersticas principales del sistema a simular. Eficiencia estadstica Una ventaja (o lujo) de la simulacin es que se pueden emplear tcnicas de reduccin de varianza como las tratadas en el captulo 9, por lo que se tiene una eficiencia estadstica mayor que experimentado con el sistema real. Procedimiento general de la optimizacin El procedimiento con SimRunner sigue los siguientes pasos: Paso 1. Primero se programan las variables de decisin que se supone afectan al resultado. Paso 2. Para cada variable de decisin, se define el tipo de dato numrico (entero o real) y el valor lmite inferior y el valor lmite superior. Paso 3. Despus de seleccionar las variables de decisin, construya la funcin objetivo para medir la utilidad de las soluciones probadas por el algoritmo evolutivo. La funcin objetivo es una variable aleatoria y se debe realizar una serie de experimentos iniciales para estimar su variabilidad. Tambin es importante incorporar una regla en el modelo que programe rplicas adicionales hasta que el valor estimado alcance un nivel de precisin deseado. Paso 4. Seleccionar el tamao de la poblacin para el EA y comenzar la bsqueda. En general entre mayor es el tamao de la poblacin, el algoritmo encuentra soluciones mejores, sin embargo, esto lleva a incrementar el tiempo de la bsqueda, por lo que hay que balancear ambos aspectos. Paso 5. Una ves que el EA ha concluido (o se ha detenido por restricciones de tiempo), el analista debe estudiar las soluciones obtenidas.

El analista puede usar SimRunner para ayudarse a: Determinar el tiempo de calentamiento. Determinar el nmero de rplicas necesarias para obtener estimaciones con dado nivel de precisin y confianza. Realizar la bsqueda de valores ptimos para las variables de decisin importantes. FORMULACIN DE UN PROBLEMA EJEMPLO DE OPTIMIZACIN La ubicacin ptima de almacenes temporales entre estaciones de trabajo es un problema industrial que se ha estudiado mucho por acadmicos e investigadores. El ejemplo se basa en el sistema de produccin presentado en el ejemplo del captulo 10. Descripcin del problema El sistema de produccin consiste de cuatro mquinas y tres almacenes intermedios, cuya capacidad se trata de determinar (variables de decisin). El objetivo es encontrar el valor ptimo para cada variable de decisin que maximiza la produccin del sistema global y minimiza el trabajo en proceso promedio. Demostracin optimizacin del procedimiento general de

Paso 1. Identificacin de las variables de decisin, en este caso Q1, Q2 y Q3 representan la capacidad de cada almacn temporal.

Paso 2. El tipo de dato numrico es entero (no existen piezas fraccionarias). Lmite inferior = 1. Lmite superior = 15. Paso 3. Maximizar [W1(Produccin)] y [Min W2 (TEP)] Paso 4. Usar SimRunner con el perfil de optimizacin cautious o precavido. Paso 5. Se revisan por el analista las mejores soluciones obtenidas. PROYECTO DEL SIMULACIN MUNDO REAL DE OPTIMIZACIN EN LA

Esta presentacin se basa en un problema que se le present a una fabrica importante de electrodomsticos en Estados Unidos. Descripcin del problema Una seal kanban es una tarjeta que autoriza a una estacin de trabajo para iniciar la produccin de un pieza. Las tarjetas pasan de las estaciones finales a las iniciales, indicando a la estacin precedente el inicio de produccin de una pieza. Esto da por resultado que las piezas van siendo jaladas a travs del sistema, del final hacia al principio. En estos sistemas, el nmero de tarjetas influye en forma directa en el nmero de contenedores de material necesarios para el transporte de piezas a travs del sistema. Los valores de disparo representan el nmero de tarjetas que deben acumularse antes de que una estacin de trabajo sea autorizada para iniciar la produccin. Modelo de simulacin y medida del desempeo El sistema de produccin tipo jalar se represent por un modelo de simulacin de evento discreto. La medida de desempeo a maximizar es una funcin (ver el texto) que involucra el porcentaje de produccin promedio para todos los tipos de

productos, el mnimo porcentaje de produccin para todos los tipos de productos que salen de las lneas de produccin, el nmero total de tarjetas kanban en la etapa 2 y los niveles de ponderacin asignados a cada uno de los trminos involucrados. Tcnica de solucin de Toyota Esta tcnica utiliza una frmula (ver el texto) para determinar el nmero de tarjetas kanban necesarias. (243 al usar los datos del problema con un desempeo de 35.14). Tcnica de optimizacin en la simulacin La tcnica de simulacin basada en algoritmos evolutivos, funciona buscando en el conjunto de soluciones posibles aquellas que resulten mejores y se estabiliza en su bsqueda al llegar a alrededor de 150 generaciones. El resultado es emplear 110 tarjetas kanban y el desempeo tiene un valor de 37.945. Comparacin de los resultados La tcnica de optimizacin empleando proporciona mejores resultados. NOTAS simulacin

CAPTULO 12 MODELAJE DE SISTEMAS DE MANUFACTURA Caractersticas de los sistemas de manufactura Los tiempos de las operaciones tienen poca o ninguna variabilidad. Con frecuencia, la llegada de las entidades ocurre en condiciones o tiempos dados. Las rutas se fijan desde el principio. Con frecuencia, las entidades se procesan en lotes. La confiabilidad del equipo es un factor clave. El manejo de materiales puede impactar en forma significativa el flujo de las entidades. Por lo general, estamos interesados en el comportamiento en estado estable del sistema.

Terminologa empleada en manufactura

Operacin Estacin de trabajo Mquina de control numrico Centro de maquinado Programa maestro de produccin Plan de produccin Cuello de botella Preparacin Tarea Tiempo de ciclo de mquina Capacidad Terica Efectiva Esperada Tasa de desperdicio Confiabilidad Capacidad de mantenimiento Disponibilidad Mantenimiento preventivo o programado Carga unitaria

Empleo de la simulacin en manufactura Es una herramienta efectiva para ayudar en la toma de decisiones complejas en manufactura, con diferentes horizontes de planeacin. Decisiones de diseo Entre otras: Tipo, cantidad de mquinas, equipo y herramental a utilizar. Personal de operacin necesario. Sistemas de manejo de materiales a emplear. Mejor distribucin de la planta. Anlisis de cuellos de botella. Anlisis de confiabilidad (falla de mquinas). Efecto de los tiempos de preparacin en la produccin. Decisiones de operacin Entre otras: Mejor manera de programar el mantenimiento preventivo. Tamao ptimo de los lotes de produccin. Turnos de trabajo necesarios. Manera de asignar recursos para un conjunto de tareas. Seleccin del mtodo de control de produccin Aplicaciones de la simulacin en manufactura Anlisis de mtodos Busca formas alternativas de procesar y manejar los materiales.

Distribucin de la planta Busca disminuir el costo en manipulacin de materiales al menor posible y de facilitar el flujo del producto y/o el movimiento de los recursos. Determinacin del tamao de los lotes Se pretende mejorar la eficiencia encontrando el mejor tamao para los lotes de produccin, de manipulacin y de proceso. Control de produccin Gobierna del flujo de material entre estaciones de trabajo individuales. Control empujando La produccin est conducida por la capacidad de las estaciones de trabajo y la disponibilidad de materiales. Control jalando En este caso, la demanda en las estaciones finales, dispara la produccin en las estaciones precedentes. Control DBR (Tambor, almacn, cuerda) Se basa en la teora de restricciones y es el cuello de botella el que lleva el ritmo de la produccin.

Control de inventarios Involucra la planeacin, programacin y despacho del inventario para apoyar la actividad de produccin. Administracin de la cadena de aprovisionamiento Tiene dos metas principales, reducir costos y mejorar el servicio al cliente. Involucra proveedores, fabricantes, distribuidores y clientes. Programacin de la produccin Determina los tiempos de inicio y terminacin de las tareas a producir. Control en tiempo real Se pueden realizar anlisis en tiempo real con la simulacin integrada con las celdas de manufactura. Emulacin Como emulador, la simulacin toma las entradas del sistema de control real, simula el comportamiento que tendr el sistema real y proporciona seales de retroalimentacin al sistema de control. Tcnicas de modelaje en manufactura Modelaje de la preparacin de mquinas La preparacin es necesaria cuando es necesario cambiar o ajustar el herramental para continuar con el siguiente artculo a procesar.

Modelaje del tiempo de carga y descarga de mquinas Esto se puede tratar de tres maneras: - Ignorarlo. - Combinarlo con el tiempo de operacin. - Modelarlo como un movimiento o actividad de manejo. Modelaje del retrabajo y desperdicio Cuando se encuentre una pieza defectuosa, se tomar una decisin respecto. Modelaje de mquinas de transferencia Estas mquinas tienen varias estaciones en serie que transfieren su trabajo hacia adelante en forma sincronizada. Sistemas de procesos continuos En estos sistemas de manufactura el producto se elabora a granel, para sustancias tales como qumicos, plsticos, lquidos, metales, textiles y papel. NOTAS

CAPTULO 13 MODELAJE DE SISTEMAS DE MANEJO DE MATERIALES Principios del manejo de materiales 1. Orientacin 2. Planeacin 3. De sistemas 4. De carga unitaria 5. Utilizacin del espacio 6. Normalizacin 7. Ergonoma 8. Energa 9. Ecologa 10.Mecanizacin 11.Flexibilidad 12.Simplificacin 13.Gravedad 14.Seguridad 15.Automatizacin 16.Flujo en el sistema 17.Distribucin de la planta 18.Costo 19.Mantenimiento 20.Obsolescencia Clasificacin del manejo de materiales El equipo para el manejo de materiales se clasifica en: 1.Transportadores 2.Vehculos industriales 3.Sistemas de almacenaje y recuperacin automatizados 4.Carruseles 5.Sistemas de vehculos guiados de manera automtica 6.Gras y polipastos 7.Robots

Transportadores
Un transportador es una banda, cadena, riel u otro dispositivo que proporciona movimiento continuo de cargas en una trayectoria fija. Tipos de transportadores De De De De De acumulacin transporte ordenamiento recirculacin ramas

Por sus caractersticas fsicas pueden ser: Transportadores Transportadores Transportadores Transportadores Transportadores Transportadores de de de de de de banda rodillos cadena trole potencia y libres remolque

Caractersticas operativas Transporte de carga Capacidad Recogida y entrega de entidad Modelaje de sistemas transportadores Transportadores acumulativos Transportadores no acumulativos Espacio fijo Espacio de carga aleatorio Medidas de desempeo y variables de decisin

Cuestiones a considerar - Velocidad mnima - Capacidad de trabajo - Tiempo de entrega de la carga - Fila necesaria en los transportadores acumulativos - Nmero de portadores en un trole - Nmero ptimo de tarimas en un transportador de recirculacin. Modelaje de transportadores de seccin nica Las carga entra por un lado y sale por otro. Se define la longitud y velocidad de funcionamiento. Modelaje de redes de transportadores

Consiste de dos o mas secciones interconectadas. En este caso puede haber ms de una entrada y salida para la carga. Se define una ruta para una entidad en el conjunto de transportadores que configuran la red. Vehculos industriales
Son vehculos propulsados movimiento libre. o de acarrear con

Modelaje de vehculos industriales Sus medidas de desempeo son: Uso, tiempo respuesta y capacidad de movimiento de carga. de

Las variables de decisin son: Nmero de vehculos, prioridad de las tareas y lugar para los vehculos vacos.

Hay que responder: Nmero necesario de vehculos, mejor despliegue de ellos para usarlos al mximo y donde dejar los vacos para minimizar el tiempo de respuesta. Sistemas de almacenaje y recuperacin automatizados Consisten almacenan almacn. de una o ms mquinas automticas que y recuperan material hacia y desde un

Configuracin de un sistema AS/RS Depende de la actividad y de la cantidad de espacio requerido. Modelaje de sistemas AS/RS El modelaje requiere de software especializado. Medidas de desempeo: Utilizacin de la mquina, tiempo de respuesta y capacidad de trabajo. Variables de decisin: Configuracin de estantes y nmero de pasillos, secuencia y prioridades de almacenaje y recuperacin, forma de recuperacin, posicin de la mquina cuando est ociosa y seleccin del pasillo. Algunas cuestiones incluyen: Nmero de pasillos necesarios, secuencia de tiempos para almacenaje y recuperacin, ubicacin de la mquina para mejorar el tiempo de respuesta, etc. Carruseles Son estantes mviles que llevan el material al que lo recupera (operario o robot) en lugar de enviar por l hasta el estante.

Configuraciones de un carrusel Puede ser en direccin horizontal o vertical o con movimiento bidireccional. Una variante es el rack rotativo. Modelaje de carruseles Se hace definiendo un tiempo de respuesta para que el carrusel coloque un cajn en posicin para recoger el material. Sistemas de vehculos guiados de manera automtica Estos sistemas (AGVS, por sus siglas en ingls), consisten de redes de trayectorias a lo largo de las cuales se mueven vehculos controlados por computadora para transportar la carga. Diseo de los AGV Hay que identificar todos los puntos donde se detienen a recoger o entregar material. Luego se define la trayectoria, tomando en cuenta varios principios para un buen diseo (trfico en un sentido, secuencia de las estaciones, reduccin de cruces, etc.) Control de los AGV Hay que tomar operacin: en cuenta algunas estrategias de

Reglas de seleccin de los AGV. Reglas de bsqueda del trabajo. Reglas de estacionamiento. Definicin de zonas de trabajo.

Modelaje de los AGV Es muy similar a los vehculos industriales, slo que la operacin esta mas controlada y se tiene menos libertad de movimiento. Medidas de desempeo: Uso, capacidad de tiempo de respuesta y congestionamiento. trabajo,

Variables de decisin: Nmero de vehculos, reglas de bsqueda, reglas de estacionamiento y ubicacin de cruces y vas alternas. Algunas preguntas a responder: Mejor distribucin, reas potenciales para ser cuellos de botella, estrategias de mantenimiento y recarga, etc. Gras y polipastos Son dispositivos mecnicos empleados para movimiento discreto de materiales pesados en distancias cortas o medias. Administracin de las gras Se requiere la prioridad de las cargas a mover. hay que balancear el tiempo de respuesta con la prioridad para maximizar el uso de la gra. Ver en el texto algunos consejos prcticos para el manejo de las gras. Modelaje de gras viajeras Se puede definir un recurso que se mueve a lo largo de una trayectoria que es la resultante de los movimientos del puente y del gancho. Medidas de desempeo: Uso, capacidad de tiempo de respuesta y tiempo de bloqueo. trabajo,

Variables de decisin: Reglas de bsqueda, reglas de estacionamiento y reglas de prioridad para varias gras. Algunas preguntas a responder: Asignacin de tareas, estrategia de estacionamiento para mejorar el tiempo de respuesta, etc.

Robots
Son manipuladores programables, multifuncionales empleados para manejar materiales o para manipular una herramienta. Se clasifican en base al sistema de coordenadas que emplean. Control del robot Por medio de algoritmos que determinan la secuencia de actividades a realizar. Hay que decidir si la lgica de control ser sobre el robot, la pieza o la estacin de trabajo. Modelaje de robots Se modelan como un recurso simple, necesario reproducir los movimientos. Medidas de desempeo: tiempo de respuesta. Uso, capacidad pues de no es

trabajo,

Variables de decisin: Secuencia para recoger piezas o materiales, prioridad de las tareas y posicionamiento del robot ocioso. Algunas preguntas a responder: Mejor ubicacin, prioridades que resultan en mayor productividad, etc.

CAPTULO 14 MODELAJE DE SISTEMAS DE SISTEMAS DE SERVICIO Cuatro caractersticas que servicios de los productos son: distinguen a los

1. Los servicios son intangibles. 2. Los servicios son perecederos, no se pueden tener en inventario. 3. Proporcionan salidas heterogneas. 4. Involucran produccin y consumo simultneos. Caractersticas de un sistema de servicio Las entidades sin caprichosas. Las entidades llegan de manera aleatoria y fluctuante en el tiempo. Las decisiones que toman los recursos son complejas. El ritmo de trabajo de los recursos es cambiante. Los tiempos de procesamiento varan mucho. Los servicios tienen actividades tanto en el escenario como tras bambalinas. Medidas de desempeo Las medidas de desempeo tpicas son: Tiempo de servicio Tiempo de espera Longitud de las filas Uso de los recursos Nivel de servicio Tasa de abandono

Empleo de la simulacin en sistemas de servicio En decisiones de diseo (entre otras): 1.Qu capacidad deben tener las reas de servicio y de espera? 2.Cul es la capacidad mxima del sistema de servicio? 3.Cules son las necesidades de equipo para satisfacer la demanda de servicio? 4.Cunto tiempo pasa el cliente en el sistema? En decisiones administrativas (entre otras): 1.Cul es la mejor forma de programar al personal? 2.Cul es la mejor manera de citar a los clientes? 3.Cmo deben establecerse las prioridades para tareas especficas? 4.Cul es la mejor forma de tratar con situaciones de emergencia? Aplicaciones servicio de la simulacin en industrias de

Diseo del proceso La simulacin ayuda a identificar que son ms eficientes que otras. Seleccin de mtodos Se pueden considerar mtodos realizar las actividades. Distribucin de la planta Una consideracin importante en un sistema de servicio es la distribucin de la planta, en especial si la construccin del edificio ser en base a la distribucin del sistema. alternativos para configuraciones

Planeacin del personal Nivel y tipo del personal para cubrir la demanda de los clientes. Control de flujo El control de flujo en los sistemas de servicio es lo que el control de produccin a los sistemas de manufactura. Tipos de sistemas de servicio Fbrica de servicio Son sistemas en los que se proporciona servicio a los clientes por medio de equipo e instalaciones que requieren poco personal. (ejemplo: hoteles). Taller de servicio puro Las necesidades del cliente deben identificarse de antemano y los tiempos de servicio son mayores que en el caso anterior. (Ejemplos: hospitales, talleres automotrices). Tienda de servicio Se proporciona una gran cantidad de productos a escoger a los clientes. Pueden acomodar muchos clientes al mismo tiempo. (Ejemplo: tienda de departamentos).

Servicios profesionales Son proporcionados por un individuo o un pequeo grupo de expertos en un campo particular. (Ejemplo: servicios de consultora). Servicio telefnico Servicios proporcionados reservaciones de hotel). Servicio de entrega Involucran la orden, embarque y entrega de bienes a puntos de uso o venta. Servicio de transporte Involucran otro. el movimiento de gente de un sitio a por telfono. (ejemplo:

Ejemplo de simulacin: Una operacin de oficina Estudiar el caso que aparece en el texto.