sábado, 4 de julio de 2009
sábado, 14 de marzo de 2009
RESOLVER ESTE PROYECTO
http://www.fdi.ucm.es/profesor/jjruz/WebSI/Proyectos/SI_05_06_JJRUZ.pdf
- JONATHAN
- ROCHITS
- JOSE PERFECTO
- YARMIKA
VALOR DE 10 PTOS INDIVIDUAL, PARA COMPLETAR LOS 20PTOS DEL SEGUNDO PARCIAL
RESOLVER ESTE PROYECTO
http://www.uned.es/543072/Files/ProyectoSimulacion%202008_09.pdf
- Evelin
- Elvin
- Rainier
- Conan
- Wilson
Este proyecto validara los 10 ptos de los 20ptos del segundo parcial.
Osea, que haran el proyecto de TCP/IP, Modelarlo que solo le valdra a cada miembro arriba citado 10ptos, aunque a parte del equipo que ellos pertezcan tenga un valor de 20ptos.
sábado, 7 de marzo de 2009
BIBLIOTECA VIRTUAL DE SIMULACION DE SISTEMAS
http://www.virtual.unal.edu.co/cursos/sedes/manizales/4060010/index.html
Hoy sabado se dividiran en tres(3) grupos, y discutiran entre cada uno de sus miembros el contenido, luego de haberse discutido, habra un lider del grupo que expondra cada concepto en forma sintetizada a todos, de una forma clara, comprensiva, y definida.
- Conceptos Elementales de Sistemas (Primer Grupo)
- Introducción a la simulación ( Segundo Grupo)
- Modelado de sistemas (Tercer Grupo)
sábado, 28 de febrero de 2009
CONCEPTOS GENERALES
CONCEPTOS GENERALES
| Sistema | Conjunto de entidades u objetos relacionados entre si conformando una estructura, que presentan un comportamiento y cuya finalidad es común. |
| Modelo | Toda representación de un sistema real o abstracto. Tipos de modelos : Icónico, Simbólico, Análogo y Matemático. |
| Simulación | Técnica para mejorar el comportamiento de sistemas reales a través de la representación de un modelo y la construcción de escenarios, que permitan un adecuado soporte al proceso de toma de decisiones. |
NÚMEROS RANDOM
| Definición | Números aleatorios distribuídos uniformemente en el intervalo cerrado [ 0,1 ]. |
| Algoritmos | Los algoritmos mas eficientes en la generación de números Random son los congruenciales. Xi+1 = (a+bXi)Mod(m) donde x0 es la semilla. |
VARIABLES ALEATORIAS
| Variable aleatoria | Cuando se realiza un experimento aleatorio, a veces nos interesa cierta cantidad numérica determinada por el resultado. Estas cantidades de interés que son determinadas por los resultados del experimento se conocen como variables aleatorias. En general son : funciones reales de variable real. |
| Variable aleatoria discreta | Variable aleatoria que puede asumir un número finito o a lo más una cantidad numerable de valores posibles. |
| Variable aleatoria continua | X es variable aleatoria continua si existe una función no negativa f(x) definida para todo número real x, con la propiedad de que para culaquier conjunto C de números reales : P{X Î C}= òc f(x) dx |
| Función de densidad de probabilidad | La función f(x) es la función de densidad de probabilidad de la variable aleatoria X. |
| Esperanza | Es un promedio ponderado de los valores que puede tomar X, donde el peso está dado por la probabilidad de que X lo tome. E(x) = S xiP{X=xi} |
| Varianza | El valor promedio del cuadrado de la diferencia entre X y el valor esperado. Var (x) = E [ ( X - E(x) )2 ] |
Simulación de un Sistema de Control de Inventarios
Objetivo del Laboratorio
Lograr que los alumnos utilicen los conceptos de simulación de sistemas a través del análisis,
modelado y simulación de un sistema real, y de la evaluación de su eficiencia dentro de
distintos escenarios.
Problema
Un organización desea definir su política de
inventarios en base a la construcción y análisis
de distintos escenarios para el tamaño del lote y
el nivel de reorden. En el momento inicial el
stock es de 44 unidades y la demanda diaria en
unidades se ajusta a una distribución de acuerdo
a la tabla de frecuencias siguiente.
La demanda es atendida durante el día y se controla el
inventario al finalizar el día. Si el stock es igual o menor al
del nivel de reorden se coloca un pedido a un proveedor en
función del tamaño de lote establecido. El tiempo en días
para que arribe una orden (lead time) se comporta según la
siguiente tabla de frecuencias:
El costo total del inventario es definido mensualmente en base al costo total de almacenamiento
mas el costo total de escasez considerando el almacenamiento y la escasez mensual promedio.
El costo total de almacenamiento es igual al costo unitario diario de almacenar una unidad en el
almacén (S/. 0.85) por el número de unidades diarias como promedio mensual en inventario. El
costo de escasez es igual al costo unitario diario de escasez (S/. 2.25) por no atender una
unidad de demanda por la cantidad de unidades diarias no atendidas como promedio mensual.
Usted debe simular el sistema, para cada escenario propuesto, durante 365 días y determinar la
mejor política de inventarios (tamaño y nivel de reorden) en base a la minimización del costo
total de inventario.
NUMEROS ALEATORIOS
Objetivo
Lograr que los alumnos comprendan los conceptos de variables y números
aleatorios a través de la construcción de un generador de números Random y
de una aplicación que haga uso de este generador.
Problema
Una empresa dedicada a los juegos de apuesta electrónicos piensa poner a
disposición del público adulto el siguiente sistema:
“Se tienen 40 números, del 1 al 40, de los
cuales se generarán al azar 20 números. Los
apostadores podrán seleccionar, en cada
jugada, 10 números al azar. Si los 10 números
de la apuesta están dentro de los 20
generados por el sistema de juego, se obtiene
el premio mayor (un porcentaje del total de las
apuestas que no supera el 50%). Si tiene
entre 9 y 5 aciertos, también se obtiene
premio (como un porcentaje del total de las
apuestas que sumado es menor al 15%)”.
Cualquier otro número de aciertos en la
jugada, le permite obtener de forma gratuita
entre 4 y 1 apuesta gratis para la próxima
jugada. El apostador tiene la opción de seleccionar los 10 números en forma
secuencial o solicitar la generación aleatoria de los 10 números”.
Procedimiento
El alumno deberá construir su función generadora de números Random y luego
una función uniforme discreta para generar aleatoriamente 20 números (para el
juego) y 10 números (para la opción de la generación aleatoria de una apuesta)
de entre los 40.
El alumno deberá simular 1000 veces un juego y sus apuestas (al menos 25
por cada juego), y llevar un control estadístico de la aparición de los números y
de la cantidad de apuestas con premio.
El alumno deberá entregar un informe sobre la construcción de su algoritmo
utilizando un lenguaje de alto nivel como pascal, C++ o Visual Basic, en el que
se debe incluir el diagrama de flujo correspondiente, una introducción breve
sobre los números Random, y los resultados solicitados.
Laboratorio Inicial
Objetivo
Introducir a los alumnos en el proceso de construcción de modelos de simulación a través
de la simulación de un sistema para la evaluación de sus variables de estado.
Problema
Un pueblo posee dos (2) represas que le permiten capturar el agua de las lluvias y con ella
cubrir la demanda de agua para alimentación y regadío. El agua se consume durante el día
y se captura el agua de lluvia durante la noche. El agua que no puede capturarse se pierde
y va a la mar. De acuerdo a los datos mostrados en el gráfico, se desea simular el sistema
durante 365 días y ejecutar la simulación durante 100 veces. Al final se debe determinar lo
siguiente :
a. El promedio anual del nivel de escasez de agua
b. El promedio anual del nivel de agua que se pierde a la mar
c. El promedio anual del nivel de utilización de cada represa
d. Si es necesaria otra represa.
Entregables
Informe de los resultados obtenidos a través de la simulación, presentado el archivo de la
misma. Se recomienda utilizar s ólo Excel para realizar la simulación del sistema descrito.
Problema 7
A un cajero automático llegan 3 tipos diferentes de
clientes. Clientes de retiro, de deposito y de consulta.
Los de retiro se ha determinado llegan 12 cli/hora
promedio y son atendidos a razón de 2 min/cli
promedio; los clientes de deposito arriban en un
tiempo promedio de 5 cli/hora y demoran 3 min/cli en
realizar su operación como tiempo promedio. Los
clientes de consulta llegan en promedio 8 cli/hora y la
realizan en un promedio de 1 min/cli . Si todas las
llegadas se ajustan a una distribución de Poisson y
todos los tiempos entre servicios a una distribución
exponencial, hallar la probabilidad de que no existan
usuarios en cola.
Problema 6
En un consultorio médico los pacientes
toman asiento en la sala de espera hasta que
les corresponda su turno de atención. En
promedio llegan 4 pacientes por hora según
una distribución de Poisson, y entre cada
atención transcurre un tiempo promedio de
12 minutos, según una distribución
Exponencial. Cuantas sillas como mínimo
serán necesarias en la sala de espera para
que se tenga un 90% de probabilidad o más
de que todos los pacientes esperen
sentados.
Problema 5
El inventario de un almacén se agota y se vuelve
a surtir según una distribución de Poisson. Los
tiempos medios entre vaciados y resurtidos son
iguales a 1/μ y 1/l respectivamente. Suponga
que por cada unidad de tiempo que el inventario
esta vacío se incurre en un costo de escasez
(Ce), y en un costo de almacenamiento (Ca) por
cada unidad de tiempo que en el almacén se
mantiene un determinado inventario. Si Ce > Ca,
determine:
– Una expresión para el costo total esperado por unidad
de tiempo
– El valor óptimo de r = l /μ
Problema 04
Problema 04
• El empleado de una ventanilla observa que de cada
100 veces que cuenta los clientes frente a el, en 64 de
las veces hay dos o mas clientes. El tiempo promedio
que cada cliente permanece desde que se ubica en la
cola hasta que es atendido es de aproximada-mente 30
minutos. Calcular la probabilidad de que :
– lleguen dos (2) clientes en media hora.
– lleguen entre dos(2) y cinco(5) clientes en media hora.
– transcurra mas de una (1) hora entre el arribo de un cliente y el
siguiente.
Problema 3
Una carnicería es atendida por el propietario de la misma.
Aparentemente el patrón de llegada de los clientes durante
los sábados se comporta siguiendo una distribución de
Poisson con una tasa promedio de llegadas de 10 personas
por hora. A los clientes se les atiende siguiendo una política
FIFO, y debido al prestigio de la tienda, los clientes siempre
están dispuestos a esperar su turno. Se estima que el tiempo
que se invierte en atender a un cliente se distribuye
exponencialmente con un tiempo de servicio medio de 4
minutos entre clientes. Obtener:
• Probabilidad de que se cree una cola de espera.
• Longitud media de la cola.
• Tiempo esperado de permanencia en cola por cliente.
• Probabilidad de que un cliente permanezca menos de 12 minutos en
la tienda.
Problema 2
El departamento para caballeros de un gran almacén tiene un sastre
para ajustar los trajes adquiridos por los clientes. Parece que el
número de clientes que solicitan ajustes sigue una distribución de
Poisson con una tasa media de llegadas de 24 cli/hora. Los ajustes se
realizan del tipo primero en llegar primero en ser atendido. Los clientes
siempre desean esperar, ya que las modificaciones son gratis.
Aparentemente el tiempo que se tarda en realizar un ajuste se
distribuye exponencialmente con media 2 minutos entre clientes.
Calcular:
• Número promedio de clientes en la sala de ajustes.
• Cuanto tiempo tiene que esperar un cliente en la sala de ajustes.
• Porcentaje de tiempo que permanece ocioso el sastre.
• Cual es la probabilidad de que un cliente espere los servicios del
sastre más de 10 minutos.
• Cuanto tiempo deben esperar los clientes por los servicios del sastre.
Problema de Colas
Fotografías tomadas desde 1 helicóptero mostraron
que en promedio había 80 autos circulando en el carril
de alta velocidad sobre un tramo de 1 milla de una vía
rápida urbana. En meses recientes habían ocurrido
cierto número de accidentes en ese tramo y que han
sido atribuidos al manejo a corta distancia del auto
delantero. Si para plena seguridad la distancia entre
los autos recomendable debería ser de cuando menos
30 pies, en ese tramo y sobre ese carril, que % de los
autos corre a una distancia demasiado corta del
delantero. Considere que la cantidad de autos sobre
el tramo de la vía en cuestión se ajusta a una
distribución de Poisson.
SISTEMA DE COLAS, Estructuras de los Sistemas de Cola
Ejemplo : Modelo Simulación
Una Compañía de carga recepciona sus camiones
que llegan en forma aleatoria en una terminal para
descarga. Después de analizar los datos históricos
se ha concluído que el número de llegadas diarias de
camiones se comporta de acuerdo a una distribución
de Poisson con tasa media de 3 camiones por día. El
peso de la carga de cada camión es un factor
importante en lo referente al tiempo de descarga. Se
ha comprobado con los registros pasados que los
pesos de la carga estan distribuídos normalmente
con media 30 mil lbs. Y una desviación estándar de 5
mil lbs. Para la descarga se cuenta con cuadrillas
cuya capacidad de descarga en lbs por hora es
variable y función del tipo de carga.
• La frecuencia de cada tipo de carga y la velocidad de
descarga de las cuadrillas se muestran en la tabla
siguiente :
Una cuadrilla consta de 3 personas: 1operador
de elevador de carga a quien se le paga 4$/Hr
y dos obreros a quienes se les paga 2.50 $/Hr.
La política de la Cia. es descargar en el día
todos los camiones que arribaron el día
anterior sin importar los costos de tiempo extra
implícitos. El contrato del sindicato demanda
una bonificación del 50% por horas extras
fuera de la jornada de trabajo de 8 Hr diarias.
– Con base a una simulación de 10 días determine
cuantas cuadrillas se requieren para reducir al
mínimo los costos totales de descarga.
– Si aplicaramos la política de que los camiones deben
descargarse el mismo día de su llegada en lugar del
día siguiente, y que la tasa media de llegadas sube a
4 Cam/Día Cuántas cuadrillas se requerirán para
reducir al mínimo los costos totales de descarga.
Simular
Ejemplo
• Se está diseñando una máquina
para inyectar líquido a envases de
diferentes capacidades, y tiene
una línea de producción.
Eventualmente se derramará
líquido de los envases, esto se da
por la capacidad variable de los
envases y/o por el error de la
cantidad inyectada del líquido.
• Se desea incluir un recipiente
(contenedor) en la máquina para
recibir el líquido derramado, y que
éste no se disperse en el piso. Si
se tienen producciones de hasta
10,000 envases, calcule el
tamaño del contenedor para la
máquina inyectora.
Se conocen las siguientes características del proceso y de la
máquina:
– La cantidad de líquido que se inyecta no siempre es exacta, se
comporta como una V. A. normal con media igual a la cantidad ideal a
inyectar en el envase y desviación estándar igual al 1% de esa cantidad
ideal.
– Los envases tampoco tienen una capacidad única sino que varían por
defectos de forma y de fabricación. La capacidad de los recipientes es
de 1.05 (de la cantidad ideal a inyectarle) y tienen una desviación
estándar del 5% de su capacidad total . La posibilidad m áxima del
defecto es de un 10% de la especificada como capacidad media.
• Construya un programa en C++, Pascal o en cualquier otro
lenguaje para determinar el tamaño del recipiente que se
requiere.
• Se pueden manejar envases con capacidades de inyeccción
desde 200 ml hasta 1.5 litros. Haga su cálculo tomando en
cuenta que llenará envases de 330 ml.
Pseudocódigo del programa para
el Ejemplo
Se generan los valores aleatorios que se necesitan.
• Se genera la capacidad de la botella que llega a la línea.
– Con una variable aleatoria normal con med =1.05 (330 ml) y
desv.est.= 5% de 1.05(330 ml.)
• Se generan las cantidades inyectadas en la línea .
– Con una variable normal con med=330 ml y desv.est.= 1%(330 ml.)
• Se corrigen los valores que se aportan por las limitaciones físicas.
– Para la inyección hasta un total de 2 litros inyectados(por falla)
– Para la capacidad hasta un 10% del especificado como valor medio
(1.05*330 ml.)
• Se calculan las cantidades rebasadas en cada caso.
– Inyectado - envasado (en el cado que inyectado > envasado)
Cómo modelar el Sistema
Caso ejemplo Preparar una Hamburgesa a la Parrilla
Modelamiento de Procesos IDEFØ, ICOM,
•
MÉTODO CIENTÍFICO
MÉTODO CIENTÍFICO.
El objeto del método científico es permitir al analista la determinación de uno o más cambios en los aspectos del sistema modelado que afectan otros aspectos del sistema o incluso la totalidad del sistema.
¿Por qué reiterar los rasgos más importantes del método científico?
La razón es que en ocasiones no resulta recomendable seguir los cuatro pasos anteriormente descritos en un problema o sistema particular, en estos casos alguna forma de simulación puede considerarse, como substituto satisfactorio a los pasos.
En ocasiones, puede ser imposible o extremadamente costoso observar ciertos procesos en el mundo real.
También, puede ser costoso u imposible realizar experimentos de validación en determinados modelos matemáticos.
Se ha constatado que la simulación constituye un instrumento extremadamente efectivo para trabajar con problemas de este tipo. Otro tipo de problemas que presentan dificultades semejantes son los fenómenos de espera en gran escala, aquellos que implican canales múltiples, sean ellos en serie y/o en paralelo.
PASOS INVOLUCRADOS EN LOS ESTUDIOS DE SIMULACIÓN
PASOS INVOLUCRADOS EN LOS ESTUDIOS DE SIMULACIÓN
A pesar que existen diversas variaciones en la forma de desarrollo de un estudio de simulación, es posible identificar ciertos pasos básicos en el proceso, los pasos principales a considerar son:
sábado, 14 de febrero de 2009
Determinar, y si hay alguna metodologia
SIMULACIÓN DETERMINÍSTICA | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
sábado, 7 de febrero de 2009
METODOLOGIA DEL PROCESO DE SIMULACION
METODOLOGIA DEL PROCESO DE SIMULACION
La aplicación de la simulación al estudio de sistemas es amplia y diversa, los distintos tipos de estudio producen muchas variaciones en la forma de cómo se desarrolla un estudio de simulación. En la practica estos pasos a desarrollar se traslapan:
1.Planteamiento del problema
2.Recolección y procesos de los datos
3.Formulación del modelo
4.Diseño de experimento
5.Validación
6.Evaluación de resultados
7.Documentación
Problemas Prácticos
Problemas Prácticos
Simulación de Problemas Comerciales y Económicos
•Conducta del cliente
•Evaluación de gastos de capital propuestos
•Procesos de mercado
•Procesos de recesión e inflación
•Predicción económica
•Planes de desarrollo y políticas de balance de pagos en economías subdesarrolladas
Simulación en Problemas Sociales y de Conducta
•Dinámica de Población
•Conducta Individual y de Grupo
Simulación en el Área de Salud
Proliferación de células sanguíneas
Representación del cerebro a través de modelos
Equilibrio de líquidos
Suscribirse a:
Entradas (Atom)
