Simulacin
M. en C.Luis Ignacio
Sandoval Paz
ndice
Introduccin a la simulacin.
1.1 Definiciones e importancia de la simulacin en la
Ingeniera.
1.2 Conceptos bsicos de modelacin.
1.3 Metodologa de la simulacin.
1.4 Sistemas, modelos y control.
1.5 Estructura y etapas de un estudio de simulacin.
1.6 Etapas de un proyecto de simulacin.
Pgina
3
3
5
7
7
10
11
Nmeros pseudoaleatorios
2.1 Mtodos de generacin de nmeros pseudoaleatorios.
2.2 Pruebas estadsticas de aleatoriedad.
2.3 Mtodo de Monte Carlo.
15
15
18
21
24
24
25
29
31
Lenguajes de simulacin
4.1 Lenguajes de simulacin y simuladores.
4.2 Aprendizaje y uso de un simulador.
4.3 Casos prcticos de simulacin.
32
32
33
34
Unidad Integradora
5.1 Caso de estudio: anlisis, modelado y simulacin de
un sistema o subsistema de servicios o productivo de una
empresa para detectar las mejoras posibles a realizar.
5.2 Validacin del sistema de simulacin.
34
34
Referencias
45
43
Introduccin a la simulacin.
El verbo simular cada vez toma mayor auge en diversas disciplinas cientficas,
para describir el viejo arte de la construccin de modelos. Aun cuando esta
palabra se aplica a diversas formas de construccin de modelos, tales como:
Los de la escultura y pintura del Renacimiento; Los modelos a escala de
aviones; Los modelos en computadora de los procesos cognoscitivos, e incluso
en las ciencias fsicas y en las del comportamiento.
Su empleo moderno se remonta hacia fines de 1940, cuando Von Neumann y
Ulam acuaron el trmino "ANLISIS DE MONTE CARLO" para aplicarlo a una
tcnica matemtica que usaban entonces en la resolucin de ciertos problemas
de proteccin nuclear que eran, o demasiado costosos para resolverse
experimentalmente o de enorme complejidad para un tratamiento analtico.
El anlisis de Monte Carlo involucraba la solucin de un problema matemtico,
no probabilstico mediante la simulacin de un proceso estocstico, cuyos
momentos o distribuciones de probabilidad satisfacen las relaciones
matemticas del problema no probabilstico.
Con la llegada de computadoras de gran velocidad, la simulacin tom otro
significado an, al surgir la posibilidad de experimentar con modelos
matemticos (que describen algn sistema de inters) en la computadora.
Por vez primera, los socilogos al igual que los fsicos encontraron que podran
realizar experimentos controlados de laboratorio.
Al simular en computadoras, surgieron innumerables aplicaciones y con ello, un
nmero mayor de problemas tericos y prcticos.
Definiciones
Desgraciadamente, no existe acuerdo respecto a una definicin precisa de la
palabra simulacin, la propuesta por C. West Churchman es estrictamente
formal:
" X simula a Y" s y solo s:
a. X e Y son sistemas formales.
b. Y se considera como sistema real
c. X se toma como una aproximacin del sistema real
Robert e. Shannon
Importancia de la simulacin en la Ingeniera. Recientes avances en las
metodologas de simulacin y la gran disponibilidad de software que
actualmente existe en el mercado, han hecho que la tcnica de simulacin sea
una de las herramientas ms ampliamente usadas en el anlisis de sistemas.
Adems de las razones antes mencionadas, Thomas H. Naylor ha sugerido
que un estudio de simulacin es muy importante para la ingeniera de sistemas
porque presenta las siguientes ventajas en el diseo de estos:
A travs de un estudio de simulacin, se puede estudiar el efecto de cambios
internos y externos del sistema, al hacer alteraciones en el modelo del sistema
y observando los efectos de esas alteraciones en el comportamiento del
sistema.
Una observacin detallada del sistema que se est simulando puede conducir
a un mejor entendimiento del sistema y por consiguiente a sugerir estrategias
que mejoren la operacin y eficiencia del sistema.
La simulacin de sistemas complejos puede ayudar a entender mejor la
operacin del sistema, a detectar las variables ms importantes que interactan
en el sistema y a entender mejor las interrelaciones entre estas variables.
La tcnica de simulacin puede ser utilizada para experimentar con nuevas
situaciones, sobre las cuales tiene poca o ninguna informacin. A travs de
esta experimentacin se puede anticipar mejor a posibles resultados no
previstos.
Cuando nuevos elementos son introducidos en un sistema, la simulacin
puede ser usada para anticipar cuellos de botella o algn otro problema que
puede surgir en el comportamiento del sistema.
En simulacin cada variable puede sostenerse constante excepto algunas
cuya influencia est siendo estudiada. Como resultado el posible efecto de
descontrol de las variables en el comportamiento del sistema necesitan no ser
tomados en cuenta. Como frecuentemente debe ser hecho cuando el
experimento est desarrollado sobre un sistema real.
Aplicaciones de la Simulacin
Las reas de aplicacin de la simulacin son muy amplias, numerosas y
diversas, basta mencionar slo algunas de ellas: Anlisis del impacto ambiental
causado por diversas fuentes Anlisis y diseo de sistemas de manufactura
Anlisis y diseo de sistemas de comunicaciones. Evaluacin del diseo de
organismos prestadores de servicios pblicos (por ejemplo: hospitales, oficinas
de correos, telgrafos, casas de cambio, etc.). Anlisis de sistemas de
transporte terrestre, martimo o por aire. Anlisis de grandes equipos de
cmputo. Anlisis de un departamento dentro de una fbrica. Adiestramiento de
operadores (centrales carboelctricas, termoelctricas, nucleoelctricas,
aviones, etc.).Anlisis de sistemas de acondicionamiento de aire. Planeacin
para la produccin de bienes. Anlisis financiero de sistemas econmicos.
Evaluacin de sistemas tcticos o de defensa militar.
La simulacin se utiliza en la etapa de diseo para auxiliar en el logro o
mejoramiento de un proceso o diseo o bien a un sistema ya existente para
explorar algunas modificaciones.
Se recomienda la aplicacin de la simulacin a sistemas ya existentes cuando
existe algn problema de operacin o bien cuando se requiere llevar a cabo
una mejora en el comportamiento. El efecto que sobre el sistema ocurre
cuando se cambia alguno de sus componentes se puede examinar antes de
que ocurra el cambio fsico en la planta para asegurar que el problema de
operacin se soluciona o bien para determinar el medio ms econmico para
lograr la mejora deseada.
Todos los modelos de simulacin se llaman modelos de entrada-salida. Es
decir, producen la salida del sistema si se les da la entrada a sus subsistemas
interactuantes. Por tanto los modelos de simulacin se corren en vez de
resolverse, a fin de obtener la informacin o los resultados deseados. Son
incapaces de generar una solucin por s mismos en el sentido de los modelos
analticos; solo pueden servir como herramienta para el anlisis del
comportamiento de un sistema en condiciones especificadas por el
experimentador. Por tanto la simulacin es una teora, si no una metodologa
de resolucin de problemas. Adems la simulacin es solo uno de varios
planteamientos valiosos para resolver problemas que estn disponibles para el
anlisis de sistemas.
Pero Cundo es til utilizar la simulacin? Cuando existan una o ms de las
siguientes condiciones:
1.- No existe una completa formulacin matemtica del problema o los mtodos
analticos para resolver el modelo matemtico no se han desarrollado an.
Muchos modelos de lneas de espera corresponden a esta categora.
12
Verificacin y validacin
Se pueden producir errores en cualquiera de las fases del proceso de
desarrollo de un programa:
Validacin: consiste en comprobar que tanto el algoritmo como el programa
cumplen la especificacin del problema; responde a la pregunta: estamos
resolviendo el problema correcto?
Verificacin: se refiere a la comprobacin de que son correctos y completos;
responde a la pregunta: estamos resolviendo el problema de forma correcta?
Una parte importante de la verificacin y la validacin es la ejecucin del
programa con distintos conjuntos de datos:
Modo interactivo: el usuario introduce los valores de los datos durante la
ejecucin del programa (desde el teclado), y se muestra la salida producida por
el programa directamente al usuario (normalmente en una pantalla).
Procesamiento por lotes: el usuario debe preparar un archivo que contenga el
programa, los datos y quiz ciertas ordenes; la ejecucin se lleva a cabo sin
ninguna interaccin con el usuario.
Los errores pueden detectarse en distintas fases del procesamiento del
programa y provocar la detencin del proceso.
Errores sintcticos o errores en tiempo de compilacin: por ejemplo, puntuacin
incorrecta o palabras claves escritas incorrectamente; se detectan en tiempo de
compilacin y normalmente hacen imposible completar la compilacin y
ejecutar el programa.
Errores en tiempo de ejecucin: por ejemplo, dividir por cero en una expresin
aritmtica; pueden no ser detectados hasta que ha comenzado la ejecucin del
programa.
14
16
4. Procedimientos especiales
Mtodo de la transformada inversa.
El mtodo de la transformada inversa utiliza la distribucin acumulada F(x) de
la distribucin que se va a simular. Puesto que F(x) est definida en el intervalo
(01), se puede generar un nmero aleatorio uniforme R y tratar de determinar
el valor de la variable aleatoria para cual su distribucin acumulada es igual a
R, es decir, el valor simulado de la variable aleatoria que sigue un distribucin
de probabilidad f(x), se determina al resolver la siguiente ecuacin.
F(x) = R x = F-1(R)
La dificultad principal de este mtodo descansa en el hecho de que en algunas
ocasiones es difcil encontrar la transformada inversa. Sin embargo si esta
funcin inversa ya ha sido establecida, generando nmeros aleatorios
uniformes se podrn obtener valores de la variable aleatoria que sigan la
distribucin de probabilidad deseada.
Un mtodo sencillo para generar nmeros pseudoaleatorios es el de Neumann.
1. ELEGIR UN NUMERO INICIAL DE 10 CIFRAS.
2. ELEVARLO AL CUADRADO
3. ELEGIR LOS CINCO CENTRALES.
X0= (1234567890)2
X0=1524157875019052100
X0=87501
X1=(87501)2.
17
18
Hiptesis alterna (Ha). Los valores observados de las frecuencias para cada
clase son diferentes de las frecuencias tericas de una distribucin normal.
Hiptesis nula (Ho). Las diferencias entre los valores observados y los
tericos de la distribucin normal se deben al azar.
Nivel de significacin.
Para todo valor de probabilidad igual o menor que 0.05, se acepta Ha y se
rechaza Ho.
Zona de rechazo.
Para todo valor de probabilidad mayor que 0.05, se acepta Ho y se rechaza Ha.
Los valores X + son 99.2 2.85.
Aplicacin de la prueba estadstica.
Primero se elaboran los clculos de los valores tericos esperados para la
distribucin normal.
Inicialmente se determina el valor Z de los lmites de cada clase en la serie, por
ejemplo: en la primera clase se determinan el lmite inferior y el superior (90 y
93), y en las subsecuentes slo los lmites superiores (97, 101, 105 y 109).
Para cada valor de Z, se localiza el rea bajo la curva norma tipificada.
Los clculos de valores Z, son de la forma siguiente:
Y as sucesivamente.
Para cada valor Z, se localiza el rea de la curva tipificada de la tabla de
nmeros aleatorios. A partir de estos valores, se obtiene la diferencia entre los
lmites de clases entre el superior y el inferior, por ejemplo: 0.4997 - 0.4793 =
0.020, 0.4793 - 0.2357 = 0.2436, 0.2357 - (0.2794) = 0.5151, 0.2794 (0.4854) = 0.206 y 0.4854 - (0.4994) = 0.014.
Estos resultados de diferencias se multiplican por el tamao de la muestra (100
nios), luego se obtienen las frecuencias tericas y despus se arreglan en
frecuencias acumuladas.
Clculos de los valores tericos.
20
23
Estos cuatro valores deben ser nmeros enteros no negativos y que cumplan la
siguiente condicin: x0,a,c < m
Por la condicin anterior, es evidente que todos los valores generados por este
procedimiento son nmeros enteros entre 0 y m-1. El nmero mximo de cifras
distintas que pueden obtenerse con el procedimiento descrito es m, as que
llegar un momento en que el primer nmero generado se repetir
producindose un ciclo.
El ciclo dnde inevitablemente caer el generador interesa que sea de la mayor
longitud posible (como mximo m), para evitar que se repitan pronto los valores
aleatorios. Por ejemplo, para los valores a = 3, c = 5, x0 = 2 y m = 32 se obtiene
la siguiente secuencia de valores:
2-11-6-23-10-3-14-15-18-27-22-7-26-19-30-31-2-11-6
La secuencia generada tiene como longitud 16 nmeros (el nmero generado
en la decimosptima posicin es el 2 inicial, por lo que toda la secuencia se
repite a partir de ah), muy inferior a la longitud mxima que podra tener
(m=32). Determinadas elecciones de parmetros del generador (x0 , a , c y m)
conducen a ciclos de amplitud mxima.
Si c!=0:
o m.c.m.(c,m) = 1
24
25
Distribuciones concretas
Distribucin geomtrica
Sea
Sea x>0.
Como
, tomemos
tal que
.
y se toma
, con
, por
26
Sean
(Poisson) y
, resultando el siguiente
1.
Se genera
2.
Se genera
27
Distribucin de Poisson
En la primera parte de la asignatura se vio que si los tiempos entre sucesos
consecutivos son
una
. Ese valor x
variable
. En consecuencia,
, por lo que
Se genera
y se hace k=kui.
3.
Si
, entonces x-1 es el valor buscado. En caso contrario se hace
x=x+1 y se va al paso 2.
con
. Otro mtodo, basado en los estadsticos ordenados y que
permite generar n valores a la vez, es el siguiente: se generan
Ordenando
u(0)=0, u(n)=1. Ahora se hace
obtenemos
y definimos
Distribucin gamma
Sea
es una
, consideramos la
29
Distribucin beta
Si
eficiente.
Si
son
30
Sean U1,
entonces
e independientes,
. Si
Distribucin normal
Para generar una variable
con
independientes.
31
4 Lenguajes de simulacin
4.1 Lenguajes de simulacin y simuladores
El desarrollo de los lenguajes de Simulacin comenz a finales de los aos
cincuenta; inicialmente los lenguajes que se usaron en fueron los de propsito
general, los cuales tenan las siguientes ventajas:
La situacin a analizar se puede modelar en forma ms o menos sencilla para
el programador por el conocimiento del lenguaje.
El proceso se puede describir con tanta precisin como le sea posible en el
lenguaje conocido.
Se pueden realizar todas las depuraciones posibles.
Cualquier lenguaje de programacin puede ser empleado para trabajar en
Simulacin, pero los lenguajes especialmente diseados presentan las
siguientes propiedades:
Acaban la tarea de programacin.
Generan una gua conceptual.
Colaboran en la definicin de entidades en el sistema.
32
33
5 Caso prctico
5.1 Caso de estudio: anlisis, modelado y simulacin de un sistema o
subsistema de servicios o productivo de una empresa para detectar las
mejoras posibles a realizar.
PROCESAMIENTO DE DATOS DE VIENTO (comparacin entre datos
estadsticos y de simulacin)
Distribucin Probabilstica de la Velocidad del Viento
El recurso elico local es caracterizado por la probabilidad de las
diferentes velocidades de viento
Histograma de probabilidades de la velocidad de viento
Distribucin de la densidad de probabilidad
Distribucin de Rayleigh
34
Distribucin de Weibull
Representacin estadstica del viento:
Dadas las caractersticas tan dispersas y aleatorias de la energa elica,
es obvio que la nica manera de estudiar si un emplazamiento es
adecuado o no, es utilizando la estadstica. Para ello se recurre a la
representacin de la velocidad del viento como una variable aleatoria con
una cierta funcin de distribucin.
Normalmente se suele utilizar la distribucin de Weibull; se trata de una
distribucin de dos parmetros: un parmetro de escala c y un parmetro
factor de distribucin de forma k.
La distribucin estadstica de las velocidades del viento vara de un lugar
a otro del globo, dependiendo de las condiciones climticas locales, del
paisaje y de su superficie. La distribucin de Weibull utilizada puede
variar tanto en la forma como en el valor medio.
FACTOR k DE DISTRIBUCIN DE FORMA.- La energa que aportara el
viento si se desplazase con una velocidad igual a la media durante las
8760 horas del ao, sera:
En dos lugares en los que la velocidad media del viento <v> sea la misma,
se tendr ms energa disponible en aquel en que el factor de distribucin
k sea mayor. El parmetro de forma k indica cmo de puntiaguda es la
35
36
La mitad del rea est a la izquierda de la vertical que pasa por el mximo,
y el valor correspondiente es la mediana de la distribucin, que significa
que la mitad del tiempo el viento soplar a menos de ese valor y la otra
mitad soplar a ms de ese valor. La velocidad del viento media es el
promedio de las observaciones de la velocidad del viento que tendremos
en ese emplazamiento; se observa que esta distribucin de las
velocidades del viento no es simtrica.
A veces las velocidades del viento sern muy altas, aunque muy raras,
siendo las velocidades del viento ms comunes las correspondientes al
valor medio, que se conoce como valor modal de la distribucin.
La distribucin de Rayleigh es de la forma:
37
38
39
40
41
k U
p(U )=
c c
k 1
U k
exp
c
43
44
Referencias
45