Please enable JavaScript.

Coggle requires JavaScript to display documents.

Construcción de modelos de simulación en promodel, REFERENCIAS, MADRID…

- - - - Una variable está en estado estacionario (estable) si su valor esperado es lo mismo durante el peryodo de tiempo que estamos considerando. Una simulación está en estado estacionario si todas sus colas lo están. El estado estacionario es logrado luego de un perıodo de tiempo llamado perıodo transitorio inicial (rodaje).
  - - - La salida de una simulación con terminación es transitoria. La salida transitoria significa que la distribución de la salida está en constante cambio.
  - - - Es el contador de tiempo de la simulación, y su función consiste en responder preguntas tales como cuanto tiempo se ha utilizado el modelo de la simulación, y cuanto tiempo en total se requiere que dure esta última.
- - - - Método que nos ayuda a evaluar el carácter de aleatoriedad de una secuencia de números estadísticamente independientes y números uniformemente distribuidos.
  - - - Obtener estadísticas de intervalo que nos den una mejor ubicación del verdadero valor dela variable bajo los diferentes escenarios que se presentan al modificar los números pseudoaleatorios en cada oportunidad. Disminuir el error de la simulación, importancia de las réplicas en simulación. De esta manera se obtiene una relación entre el numero de replicas y la precisión de la estimación, de manera que entre mas replicas se tenga, mas preciso será el modelo.
  - - - Son los valores iniciales de los parámetros para una simulación en estado estacionario, determinan un sesgo inicial que influye en el tiempo que lleva alcanzar la estabilidad, en los resultados yen las estimaciones calculadas. Este sesgo se puede anular realizando simulaciones durante un período de tiempo muy largo.
- - - - se
        
        Realiza un análisis preliminar de este, con el fin de determinar la interacción con otros sistemas, las restricciones del sistema, las variables que interactúan dentro del sistema y sus interrelaciones, las medidas de efectividad que se van a utilizar para definir y estudiar el sistema y los resultados que seesperan obtener del estudio.
        
        la/el
        
        Desarrollar una estructura preliminar del modelo que interrelacione las variables del sistema y las medidas de ejecución
        
        para
        
        Evaluar la efectividad de un sistema, se debe identificar una medida o medidas de comportamiento (o ejecución) para juzgarlo. Estas medidas se seleccionan del conjunto de variables endógenas. La medida o medidas que se pretenden optimizar se conocen como función objetivo. Hay veces en las que existe una única función objetivo dominante y entonces se intenta optimizar ésta sin tener en cuenta las otras variables, aunque siempre considerando las restricciones. En otras ocasiones existe más de una función dominante, en este caso, hay que estudiar las distintas funciones objetivo e intentar encontrar valores para los cuales las funciones son óptimas. Cuando se quiere tener en cuenta varias medidas de comportamiento, a menudo no se podrán optimizar simultáneamente. Lo ideal sería hacer mínimas ambas medidas, el tiempo de espera y el costo de tener los empleados, pero si se minimiza una de ellas la otra aumenta. Se tienen tres formas de abordar este problema:
        
        1 more item...
        
        Especificación de las restricciones de las variables de decisión
        
        estas
        
        Definen el posible espacio de soluciones dentro del cual se buscará una buena solución o la óptima usando el modelo de simulación.
        
        Reconocimiento de las variables del sistema
        
        se
        
        Han de identificar las variables que interviene en el sistema y que son de interés para nuestro modelo, éstas se pueden clasificar en:
        
        1 more item...
        
        Identificación del problema
        
        se
        
        Identifican los recursos a utilizar, los requisitos que se van a exigir (relaciones a establecer).
        
        Formulación del problema
        
        se
        
        Definen las cuestiones para las que se buscan las respuestas, las variables implicadas y las medidas de ejecución que se van a usar. Esta fase es muy importante para poder alcanzar un modelo válido, se puede dividir a su vez en 5 fases
        
        Documentación
        
        los
        
        Dos tipos de documentación son requeridos para hacer un mejor uso del modelo de simulación. La primera se refiere a la documentación del tipo técnico y la segunda se refiere al manual del usuario, con el cual se facilita la interacción y el uso del modelo desarrollado.
        
        Interpretación
        
        se
        
        Tienen los resultados que arroja la simulación y con base a esto se toma una decisión. Es obvio que los resultados que se obtienen de un estudio de simulación ayuda a soportar decisiones del tipo semi-estructurado.
        
        Experimentación
        
        este
        
        Se realiza después de que el modelo haya sido validado, consiste en generarlos datos deseados y en realizar un análisis de sensibilidad de los índices requeridos
        
        Validación
        
        en
        
        Esta etapa es posible detallar deficiencias en la formulación del modelo o en los datos alimentados al modelo. Las formas más comunes de validar un modelo son:
        
        1 more item...
        
        Implementación del modelo con la computadora
        
        con
        
        El modelo definido, el siguiente paso es decidir si se utiliza algún lenguaje como el fortran,lisp,etc..., o se utiliza algún paquete como Vensim,Stella e iThink, GPSS,Simula,Simscript,Rockwell Arena, etc..., para procesarlo en la computadora y obtener los resultados deseados.
        
        Colección de datos
        
        es
        
        Importante que se definan con claridad y exactitud los datos que el modelo va a requerir para producir los resultados deseados.
        
        Formulación del modelo
        
        ya
        
        Definidos con exactitud los resultados que se esperan obtener del estudio, se define y construye el modelo con el cual se obtendrán los resultados deseados. En la formulación del modelo es necesario definir todas las variables que forman parte de el, sus relaciones lógicas y los diagramas de flujo que describan en forma completa el modelo
        
        Desarrollo de un modelo apropiado
        
        los
        
        Modelos son abstracciones de las partes esenciales del sistema. Se ha de intentar ver si con las variables que se han especificado se tiene suficiente para describir estos aspectos importantes del sistema (si no se tienen suficientes es entonces el modelo no será una buena representación del sistema), o por el contrario se han definido más delas necesarias (esto puede oscurecer las relaciones entre las variables realmente importantes). En resumen, lo que se tiene que fijar en este paso es el nivel de detalle al que se debe llegar en el modelo. El nivel de detalle depende de:
        
        1 more item...
        
        Colección de datos y análisis
        
        la
        
        Recogida de datos se va a ver como el segundo paso, es bastante posible que se hayan tenido que recoger datos para la formulación del problema. Sin embargo, durante este paso se recoge el mayor volumen de datos, se reduce y se analiza. Los métodos de recogida de datos son tan variados como los problemas a los que éstos se pueden aplicar. Si se clasifican por su sencillez, se puede ir desde las aproximaciones manuales hasta las técnicas más sofisticadas de alta tecnología. En la selección de un método se pueden tener en cuenta los siguientes factores:
        -Capacidad de quien recoja los datos.
        -El impacto que pueda producir el proceso de recolección sobre el comportamiento del sistema real. Puede producir perturbaciones reales o físicas en el sistema o psicológicas.
        
        La facilidad de conversión de los datos a una representación procesable por el ordenador.
        -El coste del método
        -Determinísticos: son datos conocidos con certeza. Éstos se pueden introducir fácilmente en el modelo.
        -Probabilísticos: hay dos formas de incluirlos en el modelo:· Usar la muestra de datos recogida para representar la distribución de probabilidades.
        -Determinar una distribución probabilística teórica que se comporte como la Muestra y usar ésta en el modelo. Esto permite tener una mejor comprensión (generalización) del modelo
        
        Desarrollo del modelo
        
        es
        
        La comprensión del sistema.2. Construcción del modelo. 3.Verificación y Validación del modelo. 4.Experimentación y Análisis de las salidas. 5.Experimentación con el modelo.
        
        Implantación de los resultados de la Simulación
        
        este
        
        Paso final es uno de los más importantes y el que más se descuida de todo el proceso. Parece obvio que los beneficios de un largo y costoso análisis no se realizarán sin una implementación apropiada y una aceptación por parte de los usuarios. Entre las razones por las que los esfuerzos de implantación son a menudo inútiles, se incluyen las siguientes
        
        1 more item...
        
        Analisis de salidas
        
        son
        
        Muestras, las principales cuestiones en la obtención de estimaciones útiles a partir de muestras son: que la muestra sea representativa del comportamiento del sistema, y que el tamaño de la muestra sea lo suficientemente grande para que las estimaciones de las medidas de ejecución alcancen un buen nivel de precisión. El tamaño de la muestra es algo que está bien definido, pero la representatividad del comportamiento del sistema depende de la naturaleza de las cuestiones que tienen que ser contestadas por el modelo. Se pueden realizar dos tipos de análisis con un modelo de simulación:
        
        1 more item...
- - - - Característica que distingue a la simulación de las técnicas como la programación lineal o la teoría de colas es el que un modelo de simulación debe elaborarse conforme a las necesidades de cada situación de problema (contrariamente, un modelo de programación lineal se usa en varias situaciones con sólo restablecer los valores de la función objetivo y las restricciones). Sin embargo, existen lenguajes de simulación que facilitan la elaboración del modelo, los cuales se comentarán posteriormente en el capítulo. La naturaleza única de cada modelo de simulación significa que los procedimientos analizados en adelante para la elaboración y ejecución de un modelo representan una síntesis de varios enfoques para la simulación y que son lineamientos en vez de las reglas rígidas
    - - De las variables y parámetros
        
        El primer paso en la elaboración de un modelo de simulación es determinar las propiedades del sistema real que deben ser fijas (denominadas parámetros) y a cuáles se les debe permitir que varíen durante la ejecución de la simulación (llamadas variables).
      - De las reglas de decisión
        
        son
        
        Conjuntos de condiciones bajo los que se observa el comportamiento del modelode simulación. Estas reglas son el enfoque directo o indirecto de casi todos los estudios de simulación. En muchas simulaciones, las reglas de decisión son prioritarias (por ejemplo, a qué cliente atender primero, qué trabajo procesar primero). En ciertassituaciones pueden estar involucradas si se toma en cuenta la cantidad grande de variables en el sistema.
      - De las distribuciones de probabilidad
        
        Se pueden usar dos categorías de distribución para la simulación: las distribuciones empíricas de frecuencia y las distribuciones estándar matemáticas. Una distribución empírica se deriva de observar las frecuencias relativas de cierto evento, como la llegada en una línea o la demanda de un producto. Es decir que se trata de una distribución de demanda elaborada según las necesidades que sólo es relevante para una situación en particular. Podría verse como la presentada a la izquierda en la ilustración 19A.2. Dichas distribuciones se determinan por observación directa o análisis detallado de registros
      - Del procedimiento para incrementar el tiempo
        
        En un modelo de simulación, el tiempo se puede avanzar con uno de dos métodos:
        1) incrementos fijos
        2) incrementos variables. En ambos métodos de incrementos de tiempo es importante el concepto de un reloj simulado. En el método de incremento de tiempo fijo, se especifican los incrementos uniformes de tiempo del reloj (como minutos, horas o días) y la simulación continúa por intervalos fijos de un periodo al siguiente. En cada punto de tiempo de reloj, se rastrea el sistema para determinar si ocurría algún evento. Por lo general se prefiere el método de incremento de tiempo variable, que requiere menos tiempo de ejecución de cómputo, cuando se presentan relativamente pocos eventos en una cantidad considerable de tiempo. Ignora los intervalos de tiempo cuando no sucede nada y avanza de inmediato al siguiente punto cuando se presenta algún evento
    - - el
        
        Valor de una variable cambia conforme avanza la simulación, aunque se le debe dar un valor inicial. Cabe recordar que el valor de un parámetro permanece constante; sin embargo, puede cambiar conforme se estudian diferentes alternativas en otras simulaciones
        
        Determinaciones
        
        De condiciones iniciales para las variables es una decisión táctica importante en la simulación. Lo anterior se debe a que el modelo se sesga por una serie de valores iniciales hasta que el modelo llega a un estado estable. Para manejar este problema, los analistas han seguido varios planteamientos como 1) descartar los datos generados durante las primeras partes de la ejecución, 2) seleccionar las condiciones iniciales que reducen la duración del periodo de calentamiento o 3) seleccionar las condiciones iniciales que eliminan el sesgo. Sin embargo, para emplear cualquiera de estas alternativas, el analista debe tener una idea del margen de datos de salida esperado. Por lo tanto, en cierto sentido, el analista sesga los resultados. Por otro lado, una de las únicas características de la simulación es que permite la crítica en el diseño y análisis de la simulación; por lo que si el analista tiene cierta información que alberga un problema, se debe incluir.
        
        De duración de la ejecución La duración de la ejecución de simulación(duración de la ejecución o tiempo de ejecución) depende del propósito de la simulación. Quizás el planteamiento más común sea continuar la simulación hasta lograr un equilibrio. En el ejemplo del mercado de pescado, significaría que las ventas simuladas de pescado corresponden a sus frecuencias relativas históricas. Otro proponiendo es ejecutar la simulación durante un periodo establecido como 1 mes, 1año o una década y ver si las condiciones al final del período son razonables. Un tercer planteo es establecer la duración de la ejecución de modo que se obtenga una muestra suficientemente grande para efectos de pruebas de hipótesis estadística.
    - - una
        
        Simulación depende del grado en que el modelo refleja el sistema real, aunque también depende del diseño de la simulación en un sentido estadístico. De hecho, muchos analistas consideran la simulación como una forma de prueba de hipótesis donde cada ejecución de ofrece simulación uno o más datos de muestra que son susceptibles al análisis formal a través de los métodos estadísticos inferenciales. Los procedimientos estadísticos que normalmente se usamos en la evaluación de resultados de simulación incluyen el análisis de varianza, análisis de regresión y pruebas t. En la mayoría de las situaciones, el análisis tiene más información disponible con la cual comparar los resultados de simulación: datos operativos antiguos del sistema real, datos operativos del desempeño de sistemas similares y la percepción del analista de la operación del sistema real. Sin embargo, se debe admitir que la información obtenida de estas fuentes probablemente ningún mar es suficientemente para validar las conclusiones derivadas de la simulación. Por lo tanto, la única prueba real de una simulación es qué tan bien se realiza el sistema real después de haber implantado los resultados del estudio.
    - - es
        
        Para caracterizar la distribución de la variable, como para fijar el grado de precisión del cuando se realiza un estudio de carácter cuantitativo (limitado al uso de un muestreo ocasionalmente simple, unietápico y fijo), en el cual se utilizan métodos estadísticos inferenciales como medios para el análisis, como ser la estimación estadística, las pruebas de hipótesis y el análisis de experimentos, que requieren de información precisa sobre las variables consideradas, y que se obtiene a partir de la muestra representativa de la respectiva población. Con el fin de ejemplificar la manera de utilizar los arboles de decisión para la elección de la ecualización adecuada en el cálculo del tamaño muestral, se muestra un ejemplo de investigación, que es desarrollarla completamente, desde la concepción del problema hasta las conclusiones finales. Por otro lado, se exponen algunas bases teóricas y empíricas que ayuden a utilizar de la mejor manera posible las distintas ecuaciones que permiten el calculo del tamaño muestral.
- - - - Realizadas para poder apreciar si la simulación está funcionando correctamente, lo mejor que puede hacerse es visualizar la forma en que está evolucionando a través de gráficas y animaciones.
  - - - Métodos para estimar los parámetros se estudian y se tiene el método de los mínimos cuadrados es presentado bajo las formas de Regresión lineal simple, del modelo lineal múltiple y de modelos no lineales (método de Gauss-Newton).Asuntos como el análisis de residuos, distribución en el muestreo de los estimadores (asintóticas o empíricas «Bootstrap» y «jacknife»), límitesy intervalos de confianza, etc., son importantes en la estimación de parámetros. No obstante, para abordar estos asuntos, seríanecesario un curso de mayor duración
  - - - Los modelos de simulación se clasifican en dos grandes grupos: empíricos y mecanicistas. Los primeros son descriptivos, se derivan de datos observados sin involucrar procesos fisiológicos y tienen escasa capacidad explicativa. Por el contrario, los modelos mecanicistas poseen capacidad explicativa de la fisiología del cultivo, porque consideran aspectos como la temperatura, la radiación fotosintéticamente activa, el índice de área foliar, la fotosíntesis, la respiración y la eficiencia en el uso de la radiación . No obstante, dentro de estas clasificaciones existen otras categorías, que de acuerdo a sus características han sido nombradas de diferente forma.
        
        Modelos
        
        Empíricos
        
        son
        
        Descripciones directas de los datos observados y se expresan generalmente como ecuaciones de regresión (con uno o varios factores) y se utilizan para estimar la producción final.
        
        Mecanisticos
        
        son
        
        Aquellos que describen el comportamiento del sistema en términos de propiedades de bajo nivel. Por tanto, existe comprensión o explicación en los niveles inferiores. Estos modelos tienen la habilidad de imitar importantes procesos físicos, químicos o biológicos, y describir cómo y porqué resulta una respuesta particular.
        
        Estadísticos y dinámicos
        
        Los modelos estáticos representan relaciones entre las variables que no se modifican en el tiempo y, por tanto, se conoce su valor final y no su evolución en el tiempo (ejemplo simulación de la intercepción solar, fotosíntesis). Los modelos dinámicos describen el modo en el cual el sistema cambia en el tiempo y, por lo tanto, es posible seguir la evolución temporal de cada una de las variables del sistema.
        
        Deterministicos
        
        Atribuyen un solo valor a cada variable del sistema. Hacen predicciones para cantidades (por ejemplo, producción de la cosecha) sin ninguna distribución probabilística asociada, varianza o elemento aleatorio.
        
        De cultivo
        
        Es la simulación dinámica del crecimiento por el uso de la integración numérica de los procesos constituyentes con la ayuda de las computadoras.
        
        De simulación agronómica
        
        Son herramientas que integran información, y permiten analizar y cuantificar las relaciones existentes entre los factores mencionados y sus efectos como componentes del sistema, para evaluar diferentes planteos productivos o analizar un factor manteniendo los otros constantes; por ejemplo, la variación del rendimiento por efecto del clima sin modificar el manejo, el genotipo y el suelo.
        
        DSSAT
        
        Estos permiten simular el crecimiento de cultivos de importancia económica y han demostrado alta confiabilidad en distintas condiciones de clima, suelo y manejo. Con este modelo es posible organizar y archivar bases de datos sobre clima, suelos, cultivos, experimentos y precios; simular producciones de cultivo en una o varias épocas y en secuencias; analizar resultados y representar gráficamente simulaciones; analizar variabilidad espacial y evaluar diferentes prácticas de manejo específicas a una explotación o parte de ella.
- - - - La estimación de las variables
        
        Aplicación:
        
        En primer lugar hay que seleccionar el modelo matemático que se va a utilizar.
        -Valor Actual Neto (VAN)
        -Tasa Interna de Rentabilidad (TIR)
        Según el valor obtenido para estos métodos de valoración se tomará la decisión de si el proyecto es rentable y se lleva a cabo, o no. Identificarlas variables cuyo comportamiento se va a simular (X) Es decir, aquellas que se consideran que no van a tomar un valor fijo, sino que pueden tomar un rango de valores por no tratarse de variables ciertas. Si no se tuvieran en cuenta dichas interrelaciones, y se simularan las variables de forma independiente, se estaría incurriendo en un error en los resultados obtenidos, y se reduciría la variabilidad de los resultados al tener lugar el efecto de compensación en la interacción de las variables
      - Estimación del tamaño de la muestra
        
        Para determinar el tamaño de la muestra, se empezará utilizando un número no demasiado elevado de simulaciones, que se sustituirán en el modelo matemático seleccionado, y se calculará la media y la desviación típica correspondiente al mismo
      - Metodologia de calculo
        
        La aplicación del método de Monte Carlo para valorar inversiones plantea dos aspectos fundamentales; la estimación de las variables y la determinación del tamaño de la muestra. Simular la realidad a través del estudio de una muestra, que se ha generado de forma totalmente aleatoria. Resulta, por tanto, de gran utilidad en los casos en los que no es posible obtener información sobre la realidad a analizar, o cuando la experimentación no es posible, o es muy costosa.
        
        Una vez identificadas las variables que se van a simular, hay que determinar la función de densidad de probabilidad f(x) asociada a cada una de ellas.
        -Posteriormente, se obtendrán las funciones de distribución asociadas a las variables (o variable).
        Z = f(x), donde "x" es la variable desconocida a simular.
        -A continuación, se sustituyen los valores simulados en el modelo matemático para ver el resultado obtenido para las simulaciones realizadas.
        -Posteriormente, se agrupan y clasifican los resultados. Se comparan los casos favorables, con los casos posibles, y se agrupan por categorías de resultados.
        -Para finalizar, se lleva a cabo el análisis estadístico y de inferencia sobre el comportamiento de la realidad, siendo interesante calcular la media, la varianza y la desviación típica.
        -Procedimiento aditivo: se parte de un número inicial de simulaciones (n), y se calcula la media y la desviación típica del modelo matemático utilizado.
        -Se calcula la media y la desviación típica del modelo matemático utilizando para ello un número de simulaciones que asciende a "2n".