Introducción simulación, Diapositivas de Modelación Matemática y Simulación

¡Descarga Introducción simulación y más Diapositivas en PDF de Modelación Matemática y Simulación solo en Docsity!

Simulación de Sistemas

Introducción y conceptos INDICAR EL CURSO Y TEMA DE LA SESIÓN

¿Qué es la simulación?

Clasificación de los modelos de

simulación

Conceptos de simulación

CONTENIDOS Aquí colocar el índice de los principales temas de la sesión. Máximo 5.

La Simulación es..

• (^) Una técnica analítica, en el cual un modelo matemático o lógico de un sistema real es ejecutado en un tiempo comprimido para realizar experimentos y evaluar el desempeño del sistema.
• (^) Es el estudio de un sistema a través de un modelo ayudado por un computador, con la finalidad de comprender su comportamiento en un conjunto de escenarios y plantear propuestas o alternativas de mejora.

¿Para qué Simular?

• (^) Evaluar cambios en modelos de un sistema existente, frecuentemente es el mejor camino para reducir el riesgo de las principales decisiones
• (^) Obtener un conocimiento preciso de la naturaleza del proceso.
• (^) Identificar problemas específicos o áreas problemáticas de un sistema.
• (^) Desarrollar planes o políticas específicas de un proceso.
• (^) Evaluar nuevos conceptos o sistemas antes de su implementación.

Casos de aplicación de la simulación A continuación construiremos un modelo introductorio de simulación y mostraremos diversos casos de aplicación de la simulación en diversos contextos empresariales:

• (^) Banca.
• (^) Logística.
• (^) Puertos.
• (^) Finanzas.

Análisis grupal Formar grupos de 4 alumnos y en función del caso mostrado, proponer TRES mejoras para el sistema analizado: Propuesta 1: … Propuesta 2:… Propuesta 3:…

Simulación estática Vs. Dinámica Modelo de simulación Estático

• (^) Es una representación de un sistema en un tiempo particular El tiempo no juega un rol Ejm. los modelos de simulación Monte Carlo. Modelo de simulación Dinámico
• (^) Los modelos de simulación Dinámicos
• (^) Representan un sistema que se desarrollan en el tiempo, tales como un sistema de conveyors en una fabrica.

Simulación determinística Vs. Estocástica

Simulación Determinística: El modelo de simulación no contiene componentes probabilísticos (aleatorias). En un modelo de este tipo las respuestas son determinísticas. Simulación Estocástica: Tienen componentes aleatorios. Producen salidas (respuestas) que son aleatorias. Son tratados como un estimador de las características verdaderas del modelo, esta es una de las desventajas de los modelos de simulación.

Conceptos de la Simulación de Sistemas Cada vez que inicia un nuevo tema se coloca una carátula.

¿Cuándo Simular?

• (^) Muchas variables en un sistema son ALEATORIAS, esto implica que pueden toma cualquier valor
• (^) Los Objetos que están funcionando enlazados a otros son INTERDEPENDIENTES--cada uno afecta a los otros
• (^) Entonces en un sistema, ALEATORIEDAD + INTERDEPENDENCIA = COMPLEJIDAD

¿Cuándo Simular? Aleatoriedad interdependencias

EXCEL,

LOTUS

Monte Carlo (@RISK)

MRP,

LP/IP,

Mod.

Matem.

SIMULACION:

PROMODEL!

Incremento de complejidad

Conceptos

• (^) Estado del sistema es el conjunto de variables Estocásticas y determinísticas que describen el sistema.
• (^) Evento: Ocurre en un punto en el tiempo y cambia el estado del sistema.
• (^) Simulación Terminal: Es dependiente de las condiciones iniciales y finaliza a la ocurrencia de algún evento.
• (^) Simulación de Estado Estable: Es independiente de las condiciones iniciales y generalmente se ejecuta un tiempo largo
• (^) Número de réplicas

EJERCICIO Para un sistema de inventarios con revisión contínua,, identifique los eventos discretos e indique por que es un evento discreto: 1.- 2.- 3.- S: Stock máximo s: Punto de reorden S s

Ventajas de los Modelos de Simulación

• (^) Es más barato mejorar el sistema vía simulación (Costo Cero)
• (^) El Riesgo de simular cambios, no ocasiona costos ni problemas
• (^) La simulación permite estudiar un sistema con un gran horizonte de tiempo, en un tiempo comprimido
• (^) Podemos mantener mucho mejor el control sobre condiciones experimentales
• (^) Es posible analizar sistemas de alta complejidad