Docsity
Docsity

Prepara tus exámenes
Prepara tus exámenes

Prepara tus exámenes y mejora tus resultados gracias a la gran cantidad de recursos disponibles en Docsity


Consigue puntos base para descargar
Consigue puntos base para descargar

Gana puntos ayudando a otros estudiantes o consíguelos activando un Plan Premium


Orientación Universidad
Orientación Universidad


manual de simulacion, Apuntes de Modelación Matemática y Simulación

manual de simulacion de procesos

Tipo: Apuntes

2021/2022

Subido el 29/09/2022

benny-yesenia-ciriaco
benny-yesenia-ciriaco 🇩🇴

2 documentos

1 / 40

Toggle sidebar

Esta página no es visible en la vista previa

¡No te pierdas las partes importantes!

bg1
INSTITUTO ESPECIALIZADO DE ESTUDIOS SUPERIORES LOYOLACarrera de Ingeniería IndustrialAsignaturaSimulación de Procesos IndustrialesMANUAL DE PRÁCTICASAutor Valentín MatosSan Cristóbal, República Dominicana2020ÍNDICE
pf3
pf4
pf5
pf8
pf9
pfa
pfd
pfe
pff
pf12
pf13
pf14
pf15
pf16
pf17
pf18
pf19
pf1a
pf1b
pf1c
pf1d
pf1e
pf1f
pf20
pf21
pf22
pf23
pf24
pf25
pf26
pf27
pf28

Vista previa parcial del texto

¡Descarga manual de simulacion y más Apuntes en PDF de Modelación Matemática y Simulación solo en Docsity!

INSTITUTO ESPECIALIZADO DE ESTUDIOS SUPERIORES LOYOLA

Carrera de Ingeniería Industrial

Asignatura

Simulación de Procesos Industriales

MANUAL DE PRÁCTICAS

Autor

Valentín Matos

San Cristóbal, República Dominicana

ÍNDICE

En este manual se trabajan técnicas de simulación de procesos diversos, tales como

flujo de efectivo, procesos de servicio, procesos de ensamble de entrada simple,

modelos de ensamble de entradas múltiples y procesos de empaque y transporte.

Competencias generales

1. Busca soluciones a problemas aplicando técnicas de investigación, el método

científico, análisis estadístico, razonamiento lógico y pensamiento crítico

(Investigación).

2. Usa la tecnología, la ciencia y la creatividad en la innovación de técnicas y

procedimientos, el desarrollo de nuevas tecnologías y la creación o mejora de

bienes y servicios que beneficien a la sociedad (Innovación).

Competencias específicas

1. Usa algoritmos, procedimientos y herramientas adecuadas, para la formulación de

problemas, simularlos y resolverlos, que permitan favorecer los procesos del

cliente, y eficientizar la entrega de producto y servicios garantizando la calidad de

los mismos.

2. Maneja la simulación de procesos de muestreo a través de sus procedimientos y

métodos establecidos para generar valores de variables aleatorias discretas y

continuas.

3. Analiza la construcción de modelos de sistemas a eventos discretos para la

aplicación de sus herramientas, lenguajes y software para la fabricación del

producto diseñado y toma de decisiones.

4. Desarrolla las implicaciones, etapas, tipos de planificación para el diseño de

experimentos de simulación y análisis de los resultados

Lista de unidades

Unidad 1: Simulación de procesos de muestreo

Unidad 2: Construcción de modelos de sistemas a eventos discretos

Unidad 3: Diseño de experimentos de simulación y análisis de los resultados

UNIDAD 1: SIMULACIÓN DE PROCESOS DE MUESTREO

Resultado de aprendizaje

1. Manejar la simulación de procesos de muestreo a través de sus procedimientos y

métodos establecidos para generar valores de variables aleatorias discretas y

continuas.

Explicación teórica

La simulación de procesos de muestreo consiste en la generación de datos que sigan

patrones estadísticos definidos. Para estos fines se utilizan generadores de valores

pseudoaleatorios, ya sea como un programa estadístico especializado (Minitab,

Statgraphics), así como funciones o formulas dentro de programas de uso general

(Como Microsoft Excel). Las distribuciones de probabilidad que, con mayor

frecuencia se utilizan se presentan a continuación, junto a su función de densidad.

1. Distribución Uniforme

Es el modelo continuo más simple. Corresponde al caso de una variable aleatoria que

sólo puede tomar valores comprendidos entre dos extremos a y b, de manera que

todos los intervalos de una misma longitud (dentro de (a, b)) tienen la misma

probabilidad.

2. Distribución Normal

La distribución normal es una distribución con forma de campana donde las

desviaciones estándar sucesivas con respecto a la media establecen valores de

referencia para estimar el porcentaje de observaciones de los datos. Estos valores de

referencia son la base de muchas pruebas de hipótesis, como las pruebas Z y t. Es la

base de la metodología 6 Sigma.

3. Distribución Triangular

Una distribución triangular es una distribución continua que se describe por sus

valores mínimos, máximos y su moda. La distribución tiene una forma triangular.

Comienza en el valor mínimo, aumenta de manera lineal hasta alcanzar el valor pico

en la moda y luego disminuye de manera lineal hasta alcanzar el valor máximo. La

forma del triángulo puede ser simétrica o asimétrica.

6. Distribución de Poisson

Es una distribución de probabilidad discreta que expresa, a partir de una frecuencia de

ocurrencia media, la probabilidad de que ocurra un determinado número de eventos

durante cierto período de tiempo. Concretamente, se especializa en la probabilidad de

ocurrencia de sucesos con probabilidades muy pequeñas, o sucesos «raros».

7. Distribución Beta

La distribución beta suele utilizarse para modelar la distribución de estadísticos de

orden y para modelar eventos que se definen por valores mínimos y máximos. La

escala de la distribución beta suele modificarse para modelar el tiempo hasta la

culminación de una tarea.

La distribución beta es una distribución continua definida por dos parámetros de

forma. La distribución puede adoptar diferentes formas dependiendo de los valores de

los dos parámetros.

Recursos

 Computadora Persona

 Programa Microsoft Excel o equivalente

 Programa de Análisis Estadísticos (Statgraphics, Minitab)

Procedimiento

Generación de Variables Pseudoaleatorias Utilizando Microsoft Excel

1. En esta práctica se generarán distribuciones pseudoaleatorias de diferentes tipos.

2. Abrir una hoja de cálculo nueva.

3. Haga click sobre “fx” para abrir la librería de funciones

4. Al abrir la librería de funciones, seleccione las funciones estadísticas del listado

5. Seleccione la función que desea utilizar (por ejemplo, para generar valores que

sigan una distribución normal, utilice la función NORM.INV), y complete los

parámetros necesarios en la tabla de entrada de datos.

de Datos, el cual contiene un generador de números aleatorios, en el cual se

pueden generar los valores de la distribución de Poisson (además de la

binomial, normal y uniforme) usando la siguiente secuencia:

f. Beta: Utilice la función BETA.INV. Los parámetros a utilizar son

Probabilidad(aleatorio), los parámetros Alfa y Beta, El valor mínimo de la distribución

(A) y el Valor Máximo de la distribución (B).

Generación de Variables Pseudoaleatorias con Statgraphics

1. En esta práctica se generarán distribuciones pseudoaleatorias de diferentes tipos.

2. Abrir una hoja de análisis nueva.

3. En el menú principal, haga click en Describe  Distributions  Probability

Distributions

4. Seleccione la distribución que desea generar y luego haga click en OK

5. Se generará una distribución básica, pero no los valores de esta. Para ajustar los

parámetros de la distribución, haga click derecho sobre el panel de resultados

generado, y seleccione Analysis Options.

8. Al aceptar, se generaran los datos aleatorios en una columna de la hoja de trabajo.

Generación de Variables Pseudoaleatorias Utilizando Minitab

1. En esta práctica se generarán distribuciones pseudoaleatorias de diferentes tipos.

2. Abrir una hoja de análisis nueva.

3. En el menú principal, haga click en Calc  Random Data y seleccione la

distribución que desea generar.

4. Aparecerá un cuadro de dialogo donde se definirá la cantidad de valores a generar,

en cual columna se guardarán y los parámetros de la distribución:

5. Al hacer click en OK, aparecerán los valores en la columna preseleccionada.

recibir un mes después de la entrega. En diciembre de 2009, 42% de las ventas

fueron en efectivo y 58% a crédito. Los costos de producción dependen de la mano de

obra

y de los materiales. El precio de los plásticos necesarios para fabricar las figuras de

acción fluctúa mes a mes, lo cual depende de las condiciones de mercado. Debido a

estas fluctuaciones, los costos de producción pueden estar en cualquier punto entre 6

y 8 dólares por unidad. Además de estos costos de producción variables, la compañía

incurre en un costo fijo de 15,000 dólares al mes por fabricar las figuras de acción. La

compañía ensambla los productos por ordenar. Cuando se ordena un lote de una fi

gura de acción particular, de inmediato se fabrica y embarca en un lapso no mayor a

dos días.

La compañía utiliza ocho máquinas para moldear las figuras de acción. De manera

ocasional estas máquinas se descomponen y requieren una parte de reemplazo que

cuesta 5,000 dólares. Cada máquina necesita una parte de reemplazo cada mes con

una probabilidad de 10%.

La compañía tiene como política mantener un saldo mínimo en efectivo de 20,

dólares al final de cada mes. El saldo al final de diciembre de 2009 —o, de manera

equivalente, a inicios de enero de 2010— es de 25,000 dólares. Si se necesita, la

compañía puede solicitar un préstamo a corto plazo (1 mes) para cubrir los gastos y

mantener el saldo mínimo. Los préstamos se deben pagar el mes siguiente con

interés (se usa la tasa de interés para el préstamo del mes actual). Por ejemplo, si la

tasa de interés anual de marzo es de 6% (Por lo tanto, 0.5% mensual) y se ha pedido

un préstamo de 1 000 dólares en marzo, entonces en abril se deben 1 005 dólares.

Sin embargo, se puede pedir un préstamo cada mes.

Cualquier saldo remanente al final de un mes (incluido el saldo mínimo) se conserva

para el siguiente mes, y también genera intereses por ahorro. Por ejemplo, si el saldo

final de marzo es de 20 000 dólares, y la tasa de interés de ahorro de ese mes

es de 3% anual (es decir, 0.25% mensual), entonces en abril se gana 50 dólares de

interés.

Tanto la tasa de interés de los préstamos como la tasa de ahorro se establece cada

mes con base en la tasa Preferente (Prime rate). La tasa de interés de los préstamos

es Preferente + 2%, mientras que la tasa de ahorro es Preferente – 2%. Sin

embargo, la tasa de interés del préstamo está limitada a (no puede exceder a) 9% y la

tasa de interés de ahorro no puede caer por debajo de 2%.

En diciembre de 2009 la tasa Preferente fue de 5% anual. Esta tasa depende de los

caprichos de la Ofi cina de la Reserva Federal. En particular, para cada mes existe

70% de posibilidades de que ésta permanezca sin cambio, 10% de probabilidad de

que aumente 0.25 puntos porcentuales, 10% de que disminuya 0.25 porcentuales, 5%

de oportunidad de crecer 0.50 puntos porcentuales, y 5% de probabilidades de

disminuir 0.50 puntos porcentuales.

Formule un modelo de simulación en hoja de cálculo para rastrear los flujos de

efectivo mes a mes. Indique las distribuciones de probabilidad (tipo y parámetros) de

las celdas de supuesto directamente en la hoja de cálculo. Simule 1,000 iteraciones

para el año 2010, calcule el promedio de las mil iteraciones y pegue sus resultados

en la hoja de cálculo.

Cierre de la actividad

Tabla 1. Desglose Ingresos/Costos/Flujo de Efectivo para el modelo de simulación. Mes Ventas Bases Ventas Reales Ingresos por Ventas Costos Operacionales Ingresos Financieros Costos Financieros Flujo de Efectivo Enero Febrero Marzo Abril Mayo Junio Julio Agosto Septiembre Octubre Noviembre Diciembre

Ejercicios Propuestos

Investigar en la literatura los siguientes conceptos relacionados a fuentes de ingresos

y costos que se manejan a nivel empresarial y bajo cuales circunstancias aplica cada

una de estas.

  • Costos de Materia Prima Directa
  • Costos de Materia Prima Indirecta (MRO)
  • Costos de Mano de Obra Directa
  • Costos de Mano de Obra Indirecta
  • Costos de Overhead
  • Absorción
  • Costos de Ventas
  • Costos de Garantía
  • Ingresos por valor de salvamento
  • Ingresos por intereses
  • Ingresos por Subsidios
  • Ingresos por Garantías

Actividades de exploración

Definir la estructura que se seguiría para simular el flujo de efectivo en cada una de las

empresas descritas a continuación:

Referencias bibliográficas de esta unidad

Hillier, F. S. (2010). Introducción a la Investigación de Operaciones, México DF,

México. Editorial McGraw Hill

Ramírez, G. (2013). Simulación física y computacional: estrategia metodológica para

resolver problemas estocásticos. En Memorias del VII Congreso

Iberoamericano de Educación Matemática (VII CIBEM). Montevideo, Uruguay.

Sanabria, G. (2013). Simulación en Excel de variables aleatorias discretas. En

Memorias del VII Congreso Iberoamericano de Educación Matemática (VII

CIBEM). Montevideo, Uruguay

UNIDAD 2: CONSTRUCCIÓN DE MODELOS DE SISTEMAS A EVENTOS

DISCRETOS

Resultado de aprendizaje

1. Analizar la construcción de modelos de sistemas a eventos discretos para la

aplicación de sus herramientas, lenguajes y software en la fabricación del producto

diseñado y toma de decisiones.

Explicación teórica

Cuando se desarrolla un modelo de simulación para MSED se puede realizar una

aproximación del esquema temporal de funcionamiento de las entidades en el

sistema. Así, deberá describirse la secuencia de eventos y actividades que realizarán

las entidades durante su estancia en el sistema y cómo se modificarán.

Componentes de los modelos de simulación de eventos discretos (MSED):

1. Reloj de simulación

Puesto que en este tipo de simulación se está considerando la evolución temporal del

sistema, cuyo estado se modifica sólo en instantes discretos de tiempo, se utiliza un

«reloj de simulación» que registra el tiempo virtual transcurrido desde el arranque del

sistema, hasta el instante exacto en que ocurre cada uno de los eventos.

2. Entidades

Son los elementos dinámicos que se simulan a través del modelo, cambian de

estatus, afectan y son afectados por otras entidades y son los protagonistas de los

eventos clínicos de estudio del modelo.

3. Atributos

Son las características de las entidades, con las cuales se describen y diferencian.

Todas las entidades tienen los mismos tipos de atributos, pero con diferentes valores

para cada entidad; los valores de los atributos están, por tanto, ligados a una entidad

concreta.

4. Variables

Las variables definen el modelo y reflejan una característica del conjunto, no de

entidades específicas. Son especificaciones que se mantienen a lo largo del modelo,

aunque sus valores pueden cambiar durante el proceso de simulación, y van a definir

el entorno de la simulación afectándolo a lo largo de todo el proceso.

5. Recursos

Son los elementos de que se dispone en una etapa específica del proceso que son

indispensables para la ejecución de la actividad. Su consumo lleva asociado el gasto

de una serie de unidades de dichos recursos en momentos de tiempo concretos.

Estos recursos pueden ser de diversos tipos, tales como personas, bienes, espacios y

otros. Su utilización genera escasez.

6. Acumuladores estadísticos

Son variables que acumulan la información de lo que ha pasado sin participar en el

suceso mismo. Dependen de la caracterización de los resultados pedidos al modelo.

Al final de la simulación, se usan para obtener el resultado final, y las medidas de

éstos.

7. Colas

Cuando una entidad utiliza un determinado recurso, éste deja de estar disponible para

el resto de las entidades, lo cual puede generar colas en el sistema. Esta situación no

suele tenerse en cuenta en otro tipo de modelos, en los que los recursos parecen

gozar de una capacidad infinita (lo cual está alejado de la máxima de la escasez de

recursos en función de las necesidades).

8. Retrasos

Se pueden generar 2 tipos de retrasos: explícitos, que son los que se generan por

algún tipo de acción o proceso (p. ej., la duración de los exámenes médicos), e

implícitos, causados por otras acciones o condiciones en la simulación del modelo (p.

ej., colas para acceder al cajero automático).

9. Ecuaciones y generadores de números aleatorios

Las primeras se refieren a ecuaciones que se aplican de forma individual a cada

individuo del modelo, y pueden ser: funciones (lineales, logarítmicas, etc.) o

distribuciones estadísticas de probabilidad (normal, exponencial, triangular, beta,

uniforme, etc.).

Los números aleatorios se generan mediante algoritmos computacionales para

asegurar la aleatorización y crear el comportamiento estocástico del modelo, y se

basan en variables pseudoaleatorias. En la mayoría de las simulaciones, los

experimentos tienen por objetivo obtener valores medios de los resultados de sus

distribuciones probabilísticas.