1.

Cules son las ventajas y limitaciones de los modelos de simulacin

Cundo puede ser ventajosa la simulacin:
Si no existe formulacin matemtica del modelo o los mtodos de resolucin. Por ejemplo, cuando se va a construir un aeropuerto para prever las necesidades de infraestructuras necesarias no existe un modelo matemtico que pueda contemplar todo conjuntamente. Otro ejemplo son los sistemas de lneas de espera para los que se puede plantear un modelo, pero para muchos de ellos no existen mtodos matemticos para resolver las ecuaciones resultantes. S existen, pero resulta ms barato y sencillo simular, ya que en muchas ocasiones el modelo y su resolucin resultan ms sencillos. Si se desea experimentar con el sistema antes de su uso o construccin. El ejemplo ms conocido son los simuladores de vuelo, pero no es el nico, ya que cada vez es ms habitual la implantacin de puestos de formacin 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. ste es uno de los usos ms habituales, la prevencin de eventualidades, de modo que si posteriormente se da alguna de ellas se tenga identificada la respuesta ptima ante la eventualidad. Uno de los casos ms representativos es el de la simulacin de vuelos espaciales, de modo que antes de lanzarlo se ha simulado el sistema para tener respuestas en caso de fallo de algn mecanismo o similar. Obviamente, el xito de este uso pasa por una buena identificacin de las posibles eventualidades. Si hay razones ticas que impiden la experimentacin, como en el caso de sistemas biolgicos humanos.

Si se desea reducir escalas de tiempo, pues la evolucin del sistema es muy lenta. Por ejemplo en el estudio de diferentes polticas de talas de rboles no es viable esperar a ver cul es la evolucin del bosque con una determinada poltica, no slo por las consecuencias que pueda tener, sino porque para observarlas habra que esperar numerosos aos. Por ltimo, una caracterstica importante de la simulacin es que permite estudiar sistemas dinmicos en tiempo real.

Sin embargo, tambin tiene ciertos inconvenientes la simulacin:

La construccin del modelo puede ser compleja y costosa. Por ejemplo, la construccin de un buen modelo socioeconmico mundial puede llevar unos cinco aos 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 slo en los modelos de simulacin. Es difcil establecer el grado de precisin 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 tcnicas estadsticas.

2. Por qu podra un gerente verse forzado a utilizar la simulacin en lugar de un modelo analtico al tratar el problema?
Puesto que este tipo de simulacin es de gran aplicacin en un sin nmero de contextos ya que naturaleza se torna cada da ser ms estocstica que determinstica, en el sector industrial la utilizan para optimizar procesos de produccin, para administrar inventarios, para reducir tiempo de espera en una cola, para programar la produccin. En el campo de la electrnica la utilizan

para modelar los ruidos en circuitos, en el campo ambiental para modelar represar, sistemas de aire, contaminacin ambiental, en fin el radio de aplicacin no est ni siquiera vetado para las ciencias sociales y humanas como es el campo de la sicologa, sociologa, economa, administracin etc. La simulacin estocstica es el proceso de experimentacin que se realiza a travs de un modelo en el cual el tipo de variables que lo constituyen son variables aleatorias, el objetivo de la modelacin estocstica es reproducir de manera artificial el comportamiento aleatorio de las variables que lo componen, por tal razn utiliza procedimientos estadsticos las construir los generadores de dichas variables aleatorias, esta generacin de variables aleatoria es una reproduccin artificial de la dinmica real del sistema que hoy con todas las herramientas de computo existente se realizan con comodidad en un computador, utilizando software de propsito general, software especializado en simulacin, y hoy es tan popular la simulacin en muchos contextos que los modelos se pueden implementar con mucha confiabilidad en hojas de clculo. Como las entradas de este tipo de modelos son variables aleatorias las salidas tambin son variables aleatorias esto hace que este tipo de simulacin es de corte numrica y se utilizan para estimar promedio, valores mximos y mnimos en las salidas o medidas de rendimiento en el sistema que se est estudiando.

3. Cules son los pasos ms importantes en el Proceso de simulacin?

La construccin del mismo modelo es un proceso de realimentacin permanente, de validacin de las variables en ocasiones inicialmente se incluyen variables que no resultan ser tan relevante para modelar el sistema de inters y tambin se sacrifican algunas que inicialmente no eran importante, y tiene de ciencia porque a travs de la modelacin de un sistema se puede tomar decisiones de cualquier envergadura. Un proceso ideal para simular con un modelo, el cual es la representacin 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 ms relevantes que guardan cierta relacin con la o las medidas de rendimiento que se desea evaluar. Construido el modelo se debe identificar cuales variables son determsticas y cuales son estocsticas. De las estocsticas se debe recoger informacin por procesos de muestreo o informacin histricos del comportamiento de la variable. Se le da tratamiento estadstico a la informacin 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 distribucin de probabilidad que puede representar el comportamiento de la variable. Conocida el modelo de distribucin de probabilidad que puede representar la variable, el cual puede ser un modelo terico o emprico, es terico si se ajusta a cualquier modelo de distribucin de probabilidad reconocido por la comunidad estadstica con son( distribucin de Bernoulli, Binomial, Binomial negativa, geomtrica, 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 ningn modelo terico se considera que el modelo es emprico y se debe construir un generador de acuerdo a sus caractersticas. La construccin del generador se puede realizar por mtodos como el mtodo de la transformada inversa, mtodos de convolucin, mtodo de rechazo y mtodo de composicin. Construido todos los generadores de cada variable aleatoria, se comienza el proceso de generacin 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 nmeros aleatorios pudieran generarse para su uso en una simulacin.
En la simulacin estocstica y en la simulacin 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 simulacin estocstica se utilizan nmeros aleatorios distribuidos entre 0 y 1 para actualizar los generadores de las variables aleatorias de inters, dichos nmeros aleatorios deben cumplir con unas propiedades estadsticas para que sirvan para este tipo de simulacin, dentro de las propiedades ms relevantes tenemos. En este tipo de simulacin es importante estimar estadsticamente 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 carcter aleatorio genera estados de transicin 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 poblacin que tiene la caracterstica estudiada por el modelo y se puedan tomar decisiones confiables. o Se deben generar de manera independiente, es decir la generacin de un nmero no afecta para nada la generacin del prximo o La media de un conjunto de nmero aleatorio de este tipo debe ser 0,5 o Deben ser fcil de reproducir.

5. Cundo es apropiado usar un modelo de simulacin en crecimiento de tiempo de eventos siguientes?

Slo es vlido para modelos de eventos discretos, donde el reloj de simulacin se inicializa a cero y se determinan los instantes en que sucedern los futuros eventos (todos o los ms inmediatos que

puedan ocurrir). El reloj de simulacin se avanza hasta el instante del suceso ms 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 ms rpido ya que los periodos en que no hay eventos son saltados.

6. Por qu es mejor pensar en la simulacin como una tcnica?

La simulacin 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 informacin detallada del sistema que se est detallando conduce a un mejor entendimiento del mismo y proporciona sugerencias para mejorarlo. Mediante su empleo se adquiere experiencia que puede ser ms valiosa que la simulacin en s misma. Puede emplearse para verificar soluciones analticas. Ella convierte a especialistas en profesionales generalistas.

7. Explique por qu el proceso de validacin implica asegurarse de que el modelo presenta adecuadamente el sistema prctico.
Debido a que permite comprobar la validez del modelo diseado y para ello hay que ejecutar el modelo y comparar con el propio sistema o con soluciones tericas de casos sencillos que se hallen bien resueltos. La comparacin con el propio sistema sugiere comparacin de datos reales y datos simulados. Cuando existe aleatoriedad no es fcil hacer tal comparacin 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 validacin).

Ministerio del Poder Popular para la Defensa Universidad Nacional Experimental Politcnica de la FAB UNEFA-Ncleo Nva.Esparta

Proceso de Simulacion

Integrante: Leandrys Hernndez C.I.: 19683662

Seccin: 64426_01M (Ing. De Sistemas) Juan Griego, 2 de febrero de 2013