SIMULACIÓN DISCRETA
1.- Definición del sistema bajo estudio:
2.- Generación de modelo base:
No es preciso que este modelo sea demasiado detallado, el programador debe traducir a un lenguaje de simulación la información que se obtuvo en la etapa de definición del sistema.
Un buen modelo refleja la realidad del problema que se está analizando conforme a lo que se esta proyectando.
3.- Recolección y análisis de datos:
Se debe establecer qué información es útil para determinar las distribuciones de probabilidad asociadas a cada una de las variables aleatorias necesarias para la simulación.
Al finalizar se tendrán las condiciones para generar una versión preliminar del problema que se está simulando, y así se obtendrán los resultados.
4.- Generación del modelo preliminar:
Se integra la información obtenida del análisis de los datos.
Al finalizar esta prueba el modelo esta listo para compararlo con la realidad.
5.- Verificación del modelo:
Se debe proceso de verificación de datos para comprobar la propiedad de la programación del modelo.
6.- Validación del modelo:
Se realiza una serie de pruebas simultáneas con información de entrada real para observar su comportamiento y analizar sus resultados.
Proceso a mejorar:
El modelo debe someterse a prueba con las condiciones actuales de operación
Nuevo proceso:
Los fenómenos que son típicamente objeto de estudio son de carácter
estocástico, por lo que la simulación está muy ligada a la estadística.
7.-Generación del modelo final:
Una vez que el modelo este validado se puede realizar la simulación y estudiar el comportamiento del proceso.
8.- Determinación de escenarios:
Escenario optimista, Escenario intermedio, Escenario pesimista.
9.- Análisis de sensibilidad:
Resultados similares: Se comparan los intervalos de confianza respecto de la variable de respuesta final.
No hay intersección: Podremos decir con certeza estadística que los resultados no son iguales.
10.- Documentación del modelo, sugerencias y conclusiones:
García, E. y García, H. y Cárdenas, L. (2013). Simulación y análisis de sistemas con ProModel. Segunda edición.
México: PEARSON
FASES DE ESTUDIO DE UNA SIMULACIÓN DISCRETA
Mapa conceptual
Docente: Alicia García Torres
Alumno: Corona Nava Selene Guadalupe
Materia: Modelos de simulación
En los sistemas continuos es frecuente que unas variables de estado
representen la tasa o velocidad de cambio de otras variables de estado.
SIMULACION
La mayoría de los sistemas complejos reales con elementos estocásticos no se pueden describir con suficiente precisión mediante un modelo matemático que se pueda resolver analíticamente. Por lo tanto, con frecuencia la simulación es el único método posible de estudio de dichos sistemas.
La experiencia demuestra que existe una serie de errores en los que
frecuentemente se incurre al realizar un estudio de simulación.
No definir correctamente los objetivos del estudio.
click to edit
− Fijar un nivel de detalle inadecuado en el modelo.
− Tratar el estudio de simulación como si fuese principalmente un ejercicio complicado de programación.
click to edit
Este procedimiento tiene dos desventajas principales; una de ellas es debida a los errores que se cometen al considerar que los sucesos se producen al final del periodo, y la otra es que si se producen dos o más ha de tomarse la decisión del orden en el cual se han producido si la realidad no permite considerarlos simultáneos.
click to edit
En primer lugar, se deben tratar de forma adecuada los datos históricos correspondientes a las variables de entrada para poder caracterizar de forma adecuada su comportamiento.
La simulación por eventos discretos es una técnica informática de modelado dinámico de sistemas.
Debido a la naturaleza dinámica de los modelos representativos de los
sistemas productivos y logísticos
Es evidente que los sistemas productivos evolucionan a lo largo del
tiempo y, por lo tanto, deben considerarse dinámicos.
click to edit
Una de las características más notables de la simulación es la existencia de fenómenos no deterministas que se deben representar mediante variables aleatorias.
Alvaro Garcia Sanchez (2016) Introducion a la simulacion de sistemas discretos