1. Cuáles son las ventajas y limitaciones de los modelos de simulación Cuándo puede ser ventajosa la simulación: Si no existe formulación matemática del modelo o los métodos de resolución. Por ejemplo, cuando se va a construir un aeropuerto para prever las necesidades de infraestructuras necesarias no existe un modelo matemático que pueda contemplar todo conjuntamente. Otro ejemplo son los sistemas de líneas de espera para los que se puede plantear un modelo, pero para muchos de ellos no existen métodos matemáticos para resolver las ecuaciones resultantes. Sí existen, pero resulta más barato y sencillo simular, ya que en muchas ocasiones el modelo y su resolución resultan más sencillos. Si se desea experimentar con el sistema antes de su uso o construcción. El ejemplo más conocido son los simuladores de vuelo, pero no es el único, ya que cada vez es más habitual la implantación de puestos de formación para operadores de sistemas, de modo que puedan practicar con el modelo como si lo hicieran con el sistema. Si es imposible experimentar sobre el sistema y se desean prevenir eventualidades. Éste es uno de los usos más habituales, la prevención de eventualidades, de modo que si posteriormente se da alguna de ellas se tenga identificada la respuesta óptima ante la eventualidad. Uno de los casos más representativos es el de la simulación de vuelos espaciales, de modo que antes de lanzarlo se ha simulado el sistema para tener respuestas en caso de fallo de algún mecanismo o similar. Obviamente, el éxito de este uso pasa por una buena identificación de las posibles eventualidades. Si hay razones éticas que impiden la experimentación, como en el caso de sistemas biológicos humanos.
Si se desea reducir escalas de tiempo, pues la evolución del sistema es muy lenta. Por ejemplo en el estudio de diferentes políticas de talas de árboles no es viable esperar a ver cuál es la evolución del bosque con una determinada política, no sólo por las consecuencias que pueda tener, sino porque para observarlas habría que esperar numerosos años. Por último, una característica importante de la simulación es que permite estudiar sistemas dinámicos en tiempo real.
Sin embargo, también tiene ciertos inconvenientes la simulación: La construcción del modelo puede ser compleja y costosa. Por ejemplo, la construcción de un buen modelo socioeconómico mundial puede llevar unos cinco años de trabajo a un equipo. Es frecuente despreciar elementos o relaciones sin importancia aparente y obtener resultados falsos, aunque este peligro existe en cualquier proceso de desarrollo de un modelo, no sólo en los modelos de simulación. Es difícil establecer el grado de precisión de los resultados, ya que se obtienen muestras y como tales han de ser analizadas, con sus limitaciones. Es decir, cuando existe aleatoriedad los resultados han de verse como tales, aleatorios, y analizados con sumo cuidado y rigurosidad mediante técnicas estadísticas.
2. ¿Por qué podría un gerente verse forzado a utilizar la simulación en lugar de un modelo analítico al tratar el problema? Puesto que este tipo de simulación es de gran aplicación en un sin número de contextos ya que naturaleza se torna cada día ser más estocástica que determinística, en el sector industrial la utilizan para optimizar procesos de producción, para administrar inventarios, para reducir tiempo de espera en una cola, para programar la producción. En el campo de la electrónica la utilizan
para modelar los ruidos en circuitos, en el campo ambiental para modelar represar, sistemas de aire, contaminación ambiental, en fin el radio de aplicación no está ni siquiera vetado para las ciencias sociales y humanas como es el campo de la sicología, sociología, economía, administración etc. La simulación estocástica es el proceso de experimentación que se realiza a través de un modelo en el cual el tipo de variables que lo constituyen son variables aleatorias, el objetivo de la modelación estocástica es reproducir de manera artificial el comportamiento aleatorio de las variables que lo componen, por tal razón utiliza procedimientos estadísticos las construir los generadores de dichas variables aleatorias, esta generación de variables aleatoria es una reproducción artificial de la dinámica real del sistema que hoy con todas las herramientas de computo existente se realizan con comodidad en un computador, utilizando software de propósito general, software especializado en simulación, y hoy es tan popular la simulación en muchos contextos que los modelos se pueden implementar con mucha confiabilidad en hojas de cálculo. Como las entradas de este tipo de modelos son variables aleatorias las salidas también son variables aleatorias esto hace que este tipo de simulación es de corte numérica y se utilizan para estimar promedio, valores máximos y mínimos en las salidas o medidas de rendimiento en el sistema que se está estudiando.
3. ¿Cuáles son los pasos más importantes en el Proceso de simulación? La construcción del mismo modelo es un proceso de realimentación permanente, de validación de las variables en ocasiones inicialmente se incluyen variables que no resultan ser tan relevante para modelar el sistema de interés y también se sacrifican algunas que inicialmente no eran importante, y tiene de ciencia porque a través de la modelación de un sistema se puede tomar decisiones de cualquier envergadura. Un proceso ideal para simular con un modelo, el cual es la representación de un sistema real es: i.
Identificar la medida de rendimiento que se quiere estudiar en el sistema.
ii.
iii. iv.
v.
vi.
vii.
viii.
Identificar las variables más relevantes que guardan cierta relación con la o las medidas de rendimiento que se desea evaluar. Construido el modelo se debe identificar cuales variables son determísticas y cuales son estocásticas. De las estocásticas se debe recoger información por procesos de muestreo o información históricos del comportamiento de la variable. Se le da tratamiento estadístico a la información recogida para cada variable, usual mente se utiliza las pruebas de bondad de ajuste de la Chi cuadrada o la prueba de bondad de ajuste de Kolmogorov-Smirnov, esta prueba determina cual es la distribución de probabilidad que puede representar el comportamiento de la variable. Conocida el modelo de distribución de probabilidad que puede representar la variable, el cual puede ser un modelo teórico o empírico, es teórico si se ajusta a cualquier modelo de distribución de probabilidad reconocido por la comunidad estadística con son( distribución de Bernoulli, Binomial, Binomial negativa, geométrica, hipergoemtrica, multinomial, Poisson en el caso discreto y Uniforme, Exponencial, normal, lognormal, Weibull, Erlang, gamma, beta, para el caso continuo). Cuando el comportamiento de una variable no se puede ajustar a ningún modelo teórico se considera que el modelo es empírico y se debe construir un generador de acuerdo a sus características. La construcción del generador se puede realizar por métodos como el método de la transformada inversa, métodos de convolución, método de rechazo y método de composición. Construido todos los generadores de cada variable aleatoria, se comienza el proceso de generación artificial de comportamiento de cada variable, las cuales son evaluadas en el modelo y se arrojan valores para la o las mediadas de rendimiento
4. Presente 3 maneras en las que los números aleatorios pudieran generarse para su uso en una simulación. En la simulación estocástica y en la simulación en general se deben generar varios valores de la variables de entradas para obtener varios valores para la variable de salida, por tal motivo en la simulación estocástica se utilizan números aleatorios distribuidos entre 0 y 1 para actualizar los generadores de las variables aleatorias de interés, dichos números aleatorios deben cumplir con unas propiedades estadísticas para que sirvan para este tipo de simulación, dentro de las propiedades más relevantes tenemos. En este tipo de simulación es importante estimar estadísticamente cuantas simulaciones se deben hacer y cuantas corrida son necesaria para brindar confiabilidad en los valores las medidas de rendimiento encontrados, esto se debe a que el carácter aleatorio genera estados de transición o de inestabilidad y estados de estabilidad, entonces el estudio se debe llevar a cabo en los estados estables, para que los promedios estimado en las variables de salida sean estimadores puntuales de la población que tiene la característica estudiada por el modelo y se puedan tomar decisiones confiables. o Se deben generar de manera independiente, es decir la generación de un número no afecta para nada la generación del próximo o La media de un conjunto de número aleatorio de este tipo debe ser 0,5 o Deben ser fácil de reproducir.
5. ¿Cuándo es apropiado usar un modelo de simulación en crecimiento de tiempo de eventos siguientes? Sólo es válido para modelos de eventos discretos, donde el reloj de simulación se inicializa a cero y se determinan los instantes en que sucederán los futuros eventos (todos o los más inmediatos que
puedan ocurrir). El reloj de simulación se avanza hasta el instante del suceso más inminente de los futuros eventos (el primero de ellos), actualizando en ese instante el estado del sistema dependiendo del evento de que se trate. Este procedimiento tiene como ventajas que no tiene errores al considerar tiempos exactos de ocurrencia de los eventos y que es más rápido ya que los periodos en que no hay eventos son saltados.
6. ¿Por qué es mejor pensar en la simulación como una técnica? La simulación hace posible estudiar y experimentar complejas interacciones que ocurren al interior de un sistema dado, ya sea una empresa, industria o subsistema de cualquiera de ellos. La información detallada del sistema que se está detallando conduce a un mejor entendimiento del mismo y proporciona sugerencias para mejorarlo. Mediante su empleo se adquiere experiencia que puede ser más valiosa que la simulación en sí misma. Puede emplearse para verificar soluciones analíticas. Ella convierte a especialistas en profesionales generalistas.
7. Explique por qué el proceso de validación implica asegurarse de que el modelo presenta adecuadamente el sistema práctico. Debido a que permite comprobar la validez del modelo diseñado y para ello hay que ejecutar el modelo y comparar con el propio sistema o con soluciones teóricas de casos sencillos que se hallen bien resueltos. La comparación con el propio sistema sugiere comparación de datos reales y datos simulados. Cuando existe aleatoriedad no es fácil hacer tal comparación y un procedimiento habitual para llevarla a cabo consiste en alimentar el modelo con los mismos datos con los que se alimenta al sistema real para obtener
los resultados que se van a comparar. Por ejemplo, si es un sistema de colas con un servidor, se le da al modelo los tiempos entre llegadas y de servicio observados y se compara lo que ocurre en el sistema real con esos tiempos con lo que el modelo simula (no se generan aleatoriamente, en este caso para la validación).
Ministerio del Poder Popular para la Defensa Universidad Nacional Experimental Politécnica de la FAB UNEFA-Núcleo Nva.Esparta
Proceso de Simulacion
Integrante: Leandrys Hernández C.I.: 19683662
Sección: 64426_01M (Ing. De Sistemas) Juan Griego, 2 de febrero de 2013
