TIPOS DE MODELOS

Tipos de modelos de simulacin

estocstico

determinstico

tiempo-continuo tiempo-discreto esttico dinmico

Estocstico. Contienen uno o ms parmetros (variables endgenas) aleatorios. Las mismas entradas pueden ocasionar salidas diferentes. Determinstico. Ante entradas fijas se producen las mismas salidas. Esttico. No se contempla el tiempo como determinante para la evolucin del sistema Dinmico. El tiempo interviene en la variacin de las variables del sistema. Tiempo-continuo. El modelo permite que los estados del sistema cambien en cualquier momento. Tiempo-discreto. Los cambios de estado del sistema se dan en momentos discretos del tiempo.

Estocstico - Determinstico
Estocstico (*) Si el estado de la variable en el siguiente instante de tiempo no se puede determinar con los datos del momento actual Determinstico Si el estado de la variable en el siguiente instante de tiempo se puede determinar con los datos del estado actual

yj = fm(xi, lk)

xi

(Existen variables internas como lk aleatorias)

yj

xi

yj = fm(xi) yj

Mtodo analtico: usa probabilidades para determinar la curva de distribucin de frecuencias

Mtodo numrico: algn mtodo de resolucin analtica

Continuo - Discreto
Continuo El estado de las variables cambia de forma continua a lo largo del tiempo e = f (t) Discreto (*) El estado del sistema cambia en tiempos discretos del tiempo e = f(nT)

Mtodo analtico: emplea razonamiento de matemticas deductivas para definir y resolver el sistema

Mtodo numrico: utiliza procedimientos computacionales para resolver el modelo matemtico.

Esttico - Dinmico
Esttico Dinmico (*) Si el estado de las variables puede cambiar mientras se realiza algn clculo f [ nT ] f [ n(T+1) ]

Entre las variables no se encuentra la variable tiempo.

Mtodo analtico: algn mtodo de resolucin analtica. Mtodo numrico: usa procedimientos computacionales para resolver el modelo matemtico.

SIMULACION

Simulacin
Es la construccin de modelos informticos que describen la parte que se considera esencial del comportamiento de un sistema de inters, as como disear y realizar experimentos con este modelo y extraer conclusiones de sus resultados para apoyar la toma de decisiones.
Se usa como un paradigma para analizar sistemas complejos. La idea es obtener una representacin simplificada de algn aspecto de inters de la realidad.

Permite experimentar con sistemas (reales o propuestos) en casos en los que de otra manera esto no sera prctico, o bien demasiado costoso o incluso imposible.

Evento Continuo
La simulacin continua son anlogas a un deposito en donde el fluido que atraviesa una caera es constante. El volumen puede aumentar o puede disminuir, pero el flujo es continuo. En modelos continuos, el cambio de valores se basa directamente en los cambios de tiempo.
8

Evento discreto

La llegada de rdenes, o las partes que estn siendo ensambladas, as como los clientes que llaman, son ejemplos de eventos discretos. El estado de los cambios en los modelos slo se dan cuando esos eventos ocurren. Una fbrica que ensambla partes es un buen ejemplo de un sistema de evento discreto. Las entidades individuales (partes) son ensambladas basadas en eventos (recibo o anticipacin de rdenes). El tiempo entre los eventos en un modelo de evento discreto raramente es uniforme:

Simulacin
Sistema Actual entrada(t) parmetros =?? salida(t)

Simulacin del Sistema

salida(t)

La simulacin del sistema imita la operacin del sistema actual sobre el tiempo. La historia artificial del sistema puede generarse, observarse y analizarse. La escala de tiempo puede alterarse segn la necesidad. Las conclusiones acerca de las caractersticas del sistema actual se pueden inferir.

Estructura de un modelo de simulacin

si = f(ci, ni)
ci ei ni ni

ei

si

ei

si

ci: variable exgena controlable ni: variable exgena no controlable ei: variable endgena (estado del sistema) si: variable endgena (salida del sistema)

Simulacin probabilstica*
En ocasiones se necesitan variables aleatorias en procesos de simulacin:
Algoritmos de placement & routing, de mapping. . .

Entre otras tcnicas, en Electrnica las ms empleadas son:

Simulacin de Montecarlo Simulated annealing Algoritmos genticos

Mtodo de Montecarlo
Es un mtodo muy general Emplea secuencias de nmeros aleatorios como valores de variables
Generador de nmeros aleatorios Funcin de distribucin de probabilidad Regla de muestreo Estimacin de error Tcnicas de reduccin de varianza

Produce soluciones aproximadas Se puede aplicar tanto en problemas con contenido de naturaleza probabilstica como en otros que no lo tiene

Algoritmos genticos
Se imita el proceso de evolucin de las especies Los nuevos individuos resultan de la evolucin de los individuos de partida, pero...
Pueden producirse cambios por mutacin (aleatorio) Pueden producirse cambios por motivos de reproduccin (adquiriendo determinadas caractersticas de los padres )

Se evoluciona hacia miembros con mejores caractersticas La poblacin inicial es completamente aleatoria

PERTINENCIA

Cuando es apropiado simular?

No existe una completa formulacin matemtica del problema.
Cuando el sistema an no existe.

Es necesario desarrollar experimentos, pero su ejecucin en la realidad es difcil o imposible

Se tiene inters en establecer un periodo de observacin del experimento distinto del que se podra establecer en la realidad. No se puede interrumpir la operacin del sistema actual.

Cundo no es aconsejable simular?

El desarrollo del modelo de simulacin requiere mucho tiempo. El desarrollo del modelo es costoso comparado con sus beneficios. La simulacin es imprecisa y no se puede medir su imprecisin.
El anlisis de sensibilidad puede ayudar en estos casos.

Maneras de estudiar un sistema

Segn Law y Kelton

Sistema

Experimentar con el sistema

Experimentar con un modelo del sistema

Modelo fsico

Modelo matemtico

Solucin analtica

SIMULACIN

Ejercicio 8
Sistema real: Seccin de caja de un supermercado. Identificar: Elementos o entidades. Actividades por cada entidad. Variables exgenas: Controlables. No controlables. Variables endgenas: De estado De salida

Ejercicio 8
Sistema de colas con un solo canal, por ejemplo una caja registradora.

El tiempo de llegada entre clientes esta distribuido uniformemente entre 1 y 10 minutos. El tiempo de atencin de cada cliente esta distribuido uniformemente entre 1 y 6 minutos. Calcular:
Tiempo promedio en que un cliente permanece dentro del sistema. Porcentaje de tiempo desocupado del cajero.

Ejercicio 8
10 tiempo llegada 9 2 6 8 6 9 4 3 5 5 5 10 2 2 4 8 8 3 6 3 5.4 0 6 No 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 Hora Tiempo Hora inicio tiempo Hora fin Tiempo cajero llegada servicio servicio servicio espera inactivo 9 11 17 25 31 40 44 47 52 57 62 72 74 76 80 88 96 99 105 108 9 12 17 25 31 40 44 47 52 57 62 72 75 76 80 88 96 99 105 110 3 2 4 6 4 4 3 3 4 4 6 3 1 4 3 2 2 3 5 2 68 3.4 12 14 21 31 35 44 47 50 56 61 68 75 76 80 83 90 98 102 110 112 3 3 4 6 4 4 3 3 4 4 6 3 2 4 3 2 2 3 5 4 72 3.6 9 0 3 4 0 5 0 0 2 1 1 4 0 0 0 5 6 1 3 0 44 2.2

Conclusiones
Los modelos se construyen para entender la realidad. Los modelos de simulacin hacen uso intensivo del computador El tipo de comportamiento de las variables determinan el comportamiento del sistema.

Bibliografa

Simulacin. Mtodos y Aplicacin. D. Ros, S. Ros y J. Martn. 2000.

Simulacin. Sheldom M. Ross. 1999. 2da. Edicin. Simulacin de Sistemas Discretos. J. Barcel. 1996