Análisis de los Datos de entrada • Un primer problema a resolver es si el modelado tendrá entradas determinísticas o aleatorias. • En la realidad lo más probable es que en términos de producción muchos procesos mecanizados tengan duraciones determinísticos, sin embargo, si existe participación humana a través de operarios estos procesos suelen ser aleatorios en su duración. • Un modelo aleatorio siempre es un modelo correcto. Un modelo determinístico suele ser un modelo incorrecto dado que no existe variabilidad en el sistema. Recopilación de datos • La información suele tomarse de: – Observación – Entrevistas – Data histórica • Sin embargo a través de cualquiera de estas fuentes es probable que los datos que se obtengan no sean suficientes. • Por ello se requiere mantener las siguientes pistas de ayuda: – Análisis de sensibilidad – Correspondencia del detalle con la calidad de los datos – Costo – Basura que entra es basura que sale Uso de datos • Desde el punto de vista teórico, los datos recopilados representan lo que pasó en el pasado y no lo que pasará en el futuro. • Puede que la cantidad de datos recopilados no sea suficiente para soportar el análisis o para realizar un buen ajuste. • Arena cuenta con dos posibilidades: – Leer los datos históricos: a través de ficheros texto, excel, acces u otros – Ajustar los datos a una o muchas distribuciones de frecuencia: empleando el Input Analyzer que viene con Arena. Input Analyzer • Debemos colocar los datos históricos en un fichero de texto con formato ASCII para que el software nos proporcione parámetros válidos para la distribución de frecuencia que estemos validando o para que nos informe acerca de la mejor distribución a la que se ajustan los datos. • Existen 2 tipos de distribuciones: teóricas y empíricas. • Asimismo cada una de ellas se divide en Continua y Discreta. • Luego veremos una lista de las distribuciones que Input Analyzer utiliza. Entonces debemos – Tener el archivo de texto – Ajustar los datos – Seleccionar la distribución a usar – Copiar la expresión generada al modelo en Arena. Los datos • Generamos un conjunto de valores aleatorios que supongan nuestra observación y los guardamos en un fichero del block de notas con extensión dst (datos1.dst) • Ejecute el input Analyzer. File-New. Aparece una hoja en blanco. • Ahora File – Data File – Use Existing y seleccione el fichero datos1.dst. • Aparecerá un histograma en la parte superior y un resumen estadístico básico de los datos en la parte inferior. • Puede ajustar o maximizar el tamaño de la ventana. • Hagamos click en el menú Fit(ajustar). Elijamos una distribución más o menos apropiada al histograma mostrado (usaré uniforme ya que los datos fueron creados siguiendo esta distribución). • Ahora muestra el ajuste (en este caso una línea recta sobre las barras). • Un fichero UNIFORM.OUT se ha creado en la carpeta donde está el fichero. • Muestra el resumen estadístico y la prueba de ajuste (que se ven el el analizador) así como la distribución de frecuencias de los datos. • Muestra el error cuadrático encontrado en el ajuste que en este caso es de 0.008 (cuanto más se acerque a 0 es mejor) que indica un buen ajuste. • La expresión exacta a usar en arena sería UNIF(3,13) • Si planeamos utilizar una distribución teórica y no tenemos ni la más remota idea de cual usar podríamos ir a Fit-Fit All • Ajusta todas las distribuciones aplicables a los datos, calcula estadísticas de prueba de cada una y presenta la distribución que tiene el menor valor en el error cuadrático. • Podemos ver el resumen de este valor para todas las distribuciones posibles si vamos al menú Window-Fit All Sumary. • En el ejemplo planteado la mejor curva es Beta (que es un tipo de uniforme) y la expresión a pasar es: 3 + 10 * BETA(0.947, 1.23) • La decisión acerca del empleo de una un otra distribución puede no depender solamente del error cuadrático. En el Resumen se muestran 2 pruebas adicionales: Chi cuadrado y Kolgomorov – Smirnov. • En ambos observamos el p-valor correspondiente que siempre será un número entre 0 y 1. • Es la probabilidad de obtener un conjunto de datos que es más inconsistente con la distribución ajustada que el conjunto de datos que tenemos si se asume que su ajuste es la verdad. En este caso se busca que el número sea alto (digamos superior a 0.1). • Para el ejemplo proporcionado las tres pruebas indicarían que lo correcto es usar un distribución de tipo Beta, aunque una uniforme no es una mala elección. • Por último podríamos ejecutar el modelo con las dos expresiones para comparar si hay diferencias significativas. • Podemos restringir la elección a distribuciones con o sin límites. La distribución triángulas tiene límites a ambos lados mientras la normal no los posee. • Podríamos usar cualquiera de ellas para representar tiempos de proceso. • Sin embargo una distribución normal con promedio cercano a 0 puede devolvernos valores negativos y en contextos donde dichos valores no tienen sentido Arena los convierte en 0 por lo que la simulación podría no ser válida. • Es más fácil ajustar distribuciones con parámetros conocidos. Por ejemplo los parámetros de la exponencial son más fáciles de entender que los de 1 distribución de tipo beta. • Sin embargo estas dudas deben ser guiadas por los resultados obtenidos por el analizador de entradas. Cuando no existen datos • Dependeremos de suposiciones arbitrarias que debemos tratar de dignificar de la mejor manera. • Debemos tratar de obtener información que represente características de funcionamiento del sistema (por ejemplo falla entre el 12% y 15% del tiempo, llega a producir entre 10 y 12 piezas por hora). • Para seleccionar la distribución adecuada en ausencia de datos empíricos guíese de la siguiente tabla. Ejemplo de Distribución Parámetros Características uso Tiempo entre Exponencial Media Varianza Alta llegadas Límite a la Tiempo para izquierda fallas Mínimo, Moda, Simétrica o Tiempo de Triangular Máximo Asimétrica actividad Límite a ambos lados Todos los valores Poco igualmente conocimient Mínimo, parecidos en o del Uniforme Máximo probabilidad proceso Límites a ambos lados