Professional Documents
Culture Documents
puede ser posible designar rangos de parmetros, y simular el modelo para todos o
algunos de los parmetros de entrada en esos rangos. Como se ver en el punto 5,
tambin es necesaria la recogida de datos para
validacin del modelo. Es decir, los datos recogidos en las estadsticas de salida del
sistema se comparan con sus homlogos modelo (predicciones).
3. Construccin Alodel. Una vez que el problema es estudiado por completo y los datos
necesarios recogidos, el analista puede proceder a construir un modelo e
implementarlo como un programa de ordenador. El lenguaje de programacin
empleado puede ser una lengua de uso general (por ejemplo, CA., Visual Basic,
Fortran) o un lenguaje de simulacin de propsito especial o el medio ambiente (por
ejemplo, arena, Promodel, GPSS). Vea la Seccin 2.4 para ms detalles.
4. A / oda! verificacin. El propsito de la verificacin del modelo es asegurarse de que
el modelo se construye correctamente. A diferencia indicado, la verificacin se asegura
de que el modelo se ajusta a su especificacin y hace lo que se supone que debe hacer.
La verificacin del modelo se lleva a cabo en gran parte por la inspeccin, y consiste en
la comparacin de un modelo a otro cdigo de especificacin. Las discrepancias
encontradas se reconcilian mediante la modificacin o bien el cdigo o la
especificacin.
5. validacin Alertados. Cada modelo debe ser visto inicialmente como una simple
propuesta. sujeto a validacin. La validacin del modelo examina el ajuste del modelo a
los datos empricos (mediciones del sistema de la vida real para modelar). Un buen
ajuste del modelo significa aqu que un conjunto de importantes medidas de
desempeo, predicha por el modelo. partido o acuerdo razonable con sus homlogos
en el sistema de la vida real heaved. Por supuesto, este tipo de validacin slo es
posible si el sistema de la vida real o emulacin de la misma existe, y si las mediciones
requeridas en realidad puede ser adquirida. Las discrepancias significativas sugieren
que el modelo propuesto es inadecuado para los propsitos del proyecto, y que las
modificaciones se requieren. En la prctica, es comn que ir a travs de mltiples
ciclos de construccin de modelos. verificacin. validacin y modificacin.
6. Diseo y realizacin de experimentos de simulacin. Una vez que los jueces de los
analistas de un modelo sea vlido, l o ella puede proceder a disear un conjunto de
experimentos de simulacin (carreras) para estimar el rendimiento del modelo y la
ayuda en la solucin de problemas del proyecto (a menudo el problema es tomar
decisiones de diseo del sistema). El analista selecciona un nmero de escenarios y se
ejecuta la simulacin de recoger ideas sobre su funcionamiento. Para alcanzar la
suficiente fiabilidad estadstica de escenario Medidas de rendimiento relacionados.
cada escenario se replica (ejecutar varias veces, sujeto a diferentes secuencias de
nmeros aleatorios), y los resultados promedio para reducir la variabilidad estadstica.
7. Anlisis de salida. Las medidas de rendimiento estimados se someten a un anlisis
lgico y estadstico completo. Un problema tpico es uno de identificar el mejor diseo
entre un nmero de alternativas en competencia. Un anlisis estadstico sera ejecutar
pruebas de inferencia estadstica para determinar si uno de los diseos alternativos
goza de las medidas de rendimiento superior, y as debe ser seleccionado como el
mejor diseo aparente.
8. Recomendaciones finales. Por ltimo, el analista utiliza el anlisis de la produccin
de formular las recomendaciones finales para el problema de los sistemas subyacente.
Esto suele ser pan de un informe escrito.
14 COSTOS Y RIESGOS DE SIMULACIN
Los modelos de simulacin, aunque en general muy eficaz, no es libre. Los principales
gastos realizados en modelos de simulacin, y los riesgos que conlleva a la misma, de
arco enumeran aqu.
validacin del modelo. Es decir, los datos recogidos en las estadsticas de salida del
sistema se comparan con sus homlogos modelo (predicciones).
3. Construccin Alodel. Una vez que el problema es estudiado por completo y los datos
necesarios recogidos, el analista puede proceder a construir un modelo e
implementarlo como un programa de ordenador. El lenguaje de programacin
empleado puede ser una lengua de uso general (por ejemplo, CA., Visual Basic,
Fortran) o un lenguaje de simulacin de propsito especial o el medio ambiente (por
ejemplo, arena, Promodel, GPSS). Vea la Seccin 2.4 para ms detalles.
4. A / oda! verificacin. El propsito de la verificacin del modelo es asegurarse de que
el modelo se construye correctamente. A diferencia indicado, la verificacin se asegura
de que el modelo se ajusta a su especificacin y hace lo que se supone que debe hacer.
La verificacin del modelo se lleva a cabo en gran parte por la inspeccin, y consiste en
la comparacin de un modelo a otro cdigo de especificacin. Las discrepancias
encontradas se reconcilian mediante la modificacin o bien el cdigo o la
especificacin.
5. validacin Alertados. Cada modelo debe ser visto inicialmente como una simple
propuesta. sujeto a validacin. La validacin del modelo examina el ajuste del modelo a
los datos empricos (mediciones del sistema de la vida real para modelar). Un buen
ajuste del modelo significa aqu que un conjunto de importantes medidas de
desempeo, predicha por el modelo. partido o acuerdo razonable con sus homlogos
en el sistema de la vida real heaved. Por supuesto, este tipo de validacin slo es
posible si el sistema de la vida real o emulacin de la misma existe, y si las mediciones
requeridas en realidad puede ser adquirida. Las discrepancias significativas sugieren
que el modelo propuesto es inadecuado para los propsitos del proyecto, y que las
modificaciones se requieren. En la prctica, es comn que ir a travs de mltiples
ciclos de construccin de modelos. verificacin. validacin y modificacin.
6. Diseo y realizacin de experimentos de simulacin. Una vez que los jueces de los
analistas de un modelo sea vlido, l o ella puede proceder a disear un conjunto de
experimentos de simulacin (carreras) para estimar el rendimiento del modelo y la
ayuda en la solucin de problemas del proyecto (a menudo el problema es tomar
decisiones de diseo del sistema). El analista selecciona un nmero de escenarios y se
ejecuta la simulacin de recoger ideas sobre su funcionamiento. Para alcanzar la
suficiente fiabilidad estadstica de escenario Medidas de rendimiento relacionados.
cada escenario se replica (ejecutar varias veces, sujeto a diferentes secuencias de
nmeros aleatorios), y los resultados promedio para reducir la variabilidad estadstica.
7. Anlisis de salida. Las medidas de rendimiento estimados se someten a un anlisis
lgico y estadstico completo. Un problema tpico es uno de identificar el mejor diseo
entre un nmero de alternativas en competencia. Un anlisis estadstico sera ejecutar
pruebas de inferencia estadstica para determinar si uno de los diseos alternativos
goza de las medidas de rendimiento superior, y as debe ser seleccionado como el
mejor diseo aparente.
8. Recomendaciones finales. Por ltimo, el analista utiliza el anlisis de la produccin
de formular las recomendaciones finales para el problema de los sistemas subyacente.
Esto suele ser pan de un informe escrito.
14 COSTOS Y RIESGOS DE SIMULACIN
Los modelos de simulacin, aunque en general muy eficaz, no es libre. Los principales
gastos realizados en modelos de simulacin, y los riesgos que conlleva a la misma, de
arco enumeran aqu.
Una vez que el sistema ha sido modelado, simulacin, y analizado, el estudio y sus
conclusiones se escriben a menudo como un informe del proyecto. A-bien pensado y el
informe correctamente escrita es esencial para el xito del estudio, ya que su valor
reside en sus conclusions y su difusin entre el personal tcnico y de gestin. El
objetivo de esta seccin es ayudar al lector en la estructuracin de un informe genrico
para un estudio de anlisis de rendimiento por esbozar un esqueleto genrico.
Un informe del proyecto debe ser clara y llanamente escrito, para que las personas no tcnicas,
as como los profesionales pueden entenderlo. Esto es particularmente cierto para las
conclusiones y recomendaciones del proyecto, ya que estos arco probabilidades de ser ledos por
la direccin como la cacerola del proceso de toma de decisiones. Aunque casi no se puede
exagerar la importancia de los informes del proyecto, el tema de la comunicacin adecuada es
raramente aborda explcitamente en la literatura publicada. En la prctica, los analistas
aprenden habilidades de escritura de los proyectos en el trabajo, por lo general con el ejemplo.
Un proyecto de simulacin genrica repon aborda las fases de construccin del modelo se
describe en la Seccin 1.5. y se compone de (al menos) las siguientes secciones:
Pgina de Comer. Incluye un ttulo del proyecto, nombres de los autores, la fecha y el contacto
infonnation en este orden. Asegrese de escribir un ttulo descriptivo, pero conciso proyecto.
Tabla de contenidos. Enumera encabezados de seccin. figuras. y tablas con los nmeros
de pgina correspondientes.
Introduccin. Establece la escena con informacin bsica sobre el sistema en estudio (si los
hay), los objetivos del proyecto, y los problemas que hay que resolver. En su caso, incluir una
breve resea de la empresa correspondiente, su ubicacin, y los productos y servicios.
modificaciones del sistema sugerido (si los hay). Una motivacin comn para el modelado de
un sistema existente es de llegar a modificaciones en los parmetros del sistema o
configuraciones
que las mejoras de productos. tales como un mejor rendimiento y costes reducidos.
Asegrese de discutir a fondo el impacto de las modificaciones sugeridas por la
cuantificacin de las mejoras y el anlisis de ventajas y desventajas en su caso.
Capitulo 2
Simulacin por eventos discretos
La mayora de las modernas herramientas de simulacin por ordenador (simuladores)
implementar un paradigm, denominada simulacin de eventos discretos (DES). Este
paradigma es tan general y de gran alcance que proporciona un marco de aplicacin
para la mayora de los lenguajes de simulacin, independientemente de la cosmovisin
de usuario con el apoyo de ellos. Debido a que este paradigma es tan penetrante,
revisaremos y le explicaremos en este captulo su trabajo con algn detalle.
2.1 ELEMENTOS DE simulacin de eventos discretos
En el paradigma DES, el modelo de simulacin posee un estado S (posiblemente vector
de valor) en cualquier punto en el tiempo. Un estado del sistema es un conjunto de
datos que captura las variables ms destacadas del sistema y nos permite describir la
evolucin del sistema en el tiempo. En un programa de simulacin por ordenador, el
estado se almacena en una o ms variables de programa que representan diversos
stmetures datos (por ejemplo, el nmero de clientes en una cola, o su secuencia exacta
en la cola). Por lo tanto, el estado se puede definir de varias maneras. dependiendo en
particular, el modelado necesita, y el nivel requerido de detalle se incorpora en el
modelo. Como ejemplo, considere una mquina, alimentada por un dispositivo de
almacenamiento de materia prima de puestos de trabajo. Un estado "grueso" del
sistema es el empleo de nmeros en el almacenamiento: tenga en cuenta, sin
embargo, que esta definicin del estado no permite el clculo de los tiempos de
espera, ya que la identidad de los trabajos individuales no se mantiene. Por otro lado,
cuanto ms Estado "refinado" que consta de las identidades de los clientes en una cola
y los datos asociados (tales como los tiempos de llegada del cliente) s permite el
clculo de los tiempos de espera. En la prctica, la definicin de estado de un sistema
se debe determinar en funcin de sus necesidades de modelizacin, en particular las
estadsticas para ser computados.
La trayectoria de estado con el tiempo, S (t), se abstrae como una funcin escalonada,
cuya saltos (discontinuidades) son provocados por eventos discretos, que inducen las
transacciones estatales (cambios en el estado del sistema) en determinados puntos en
el tiempo. Aunque la aplicacin informtica de eventos vara entre los simuladores de
DES, que soy todo conceptualmente similares. Un evento es una estructura de datos
que siempre tiene un campo que contiene su tiempo de occuirence, y cualquier nmero
de otros campos. Adems, la "aparicin" de un evento en un simulador de DES se
implementa como la ejecucin de un procedimiento correspondiente (cdigo de
ordenador) en el evento programado occurrence tiempo. Cuando se ejecuta este
procedimiento, se dice que el evento se procesa o ereculed.
La evolucin de cualquier modelo DES se rige por un reloj y una lista de eventos
cronolgicamente ordenada. Es decir, los eventos estn relacionados en la lista de
eventos segn su orden de aparicin programada (Figura 2.1). El evento a la cabeza de
la lista se llama el evento inminente puede, por razones obvias. Programar una cita
significa que el evento est vinculado cronolgicamente en la lista de eventos. La
ocurrencia de un evento significa que el evento se desvincula de la lista de eventos y
ejecutado. La ejecucin de un evento puede cambiar las variables de estado y
posiblemente programar otros eventos en la lista de eventos.
Una caracterstica esencial del paradigma DES es que "nada" cambia el estado a
menos que ocurra un evento, momento en el que el modelo normalmente sufre una
transicin de estado. Ms precisamente, cada ejecucin de eventos puede cambiar el
estado (aunque en raras ocasiones el estado se mantiene intacta), pero cada cambio
de estado se efecta por algn evento. Entre los eventos, el estado de la DES se
considera constante, a pesar de que el sistema se dedica a alguna actividad. Por
ejemplo, considere una mquina en la fbrica que empaqueta latas de cerveza en
paquetes de seis, de manera que la prxima paquete de seis se carga para el
procesamiento slo cuando la anterior ha sido completamente procesado. Supongamos
que el estado de seguimiento del nmero de paquetes de seis espera de ser
procesados en cualquier momento dado. Luego, durante el tiempo de procesamiento
de un paquete de seis, el estado DES se mantiene sin cambios, a pesar de que la
mquina puede, de hecho, ser el procesamiento de seis latas de cerveza
individualmente. El estado DES slo se actualiza cuando se procesa la totalidad de
paquete de seis; Este cambio de estado se desencadena por un evento de "six-pack
completion". Tenga en cuenta una vez ms que la definicin del estado es de hasta el
modelador, y que los modelos pueden ser refinado mediante la adicin de nuevos tipos
de eventos que introducen otros tipos de transiciones de estado.
En el ms alto nivel de generalizacin, un simulador de DES ejecuta el siguiente
algoritmo:
I. Establecer el reloj de simulacin para un tiempo inicial (normalmente 0). y luego
generar uno o ms eventos iniciales y programarlos.
2. Si la lista de eventos est vaca. poner fin a la ejecucin de la simulacin. De lo
contrario, busque el evento ms inminente y desvincular de la lista de eventos.
3. Avanzar en el reloj de simulacin para el momento de la cita ms inminente, y
ejecutarlo (el evento puede detener la simulacin).
4. Loop volver al Paso 2.
Este algoritmo seductoramente sencilla (esencialmente un bucle infinito) es muy
general. Su complejidad est oculta en las rutinas que implementan ejecucin del
evento y las estructuras de datos utilizadas por ellos. La potencia y la versatilidad del
algoritmo de simulacin DES
se derivan del hecho de que el paradigma DES escalas de forma natural a las
colecciones de interactuar subsistemas: uno puede construir jerarquas de sistemas
cada vez ms complejos de componentes del subsistema. Adems, el procesamiento
de cualquier evento puede ser tan intrincada como deseado. Por lo tanto, ambos
sistemas grandes, as como los complejos se pueden representar en el paradigma DES.
(Para ms detalles, vase Fishman 1973. Banks et al 1999. Y Derecho y Kelton 2000.)
2.2 EJEMPLOS DE MODELOS DES
En esta seccin, el poder y la generalidad de los modelos DES se ilustran a travs de
varios ejemplos de sistemas elementales. Los ejemplos ilustran cmo progresivamente
modelos complejos DES se pueden construir a partir de otras ms simples, ya sea
mediante la introduccin de nuevas arrugas de modelado que aumentan la
complejidad de los componentes, o mediante la adicin de componentes para crear
modelos DES grandes.
2.2.1 MQUINA INDIVIDUAL
Considere la posibilidad de una mquina solo fallo a prueba en el taller, alimentado por
un bfer. Al llegar los trabajos que encuentran la mquina ocupada (procesando otro
trabajo) debe esperar su turno en el bfer. y, finalmente, se procesan en el orden de
llegada. Tal disciplina servicio se llama FIFO (primero en entrar primero en salir) o FCFS
(orden de llegada), y el sistema resultante se denomina un sistema de cola o cola. (La
palabra "cola" se deriva del francs y en ltima instancia de una palabra latina que
significa "cola". Lo que explica su significado tcnico como una "lnea de espera." Su
pintoresca ortografa hace que sea una de las palabras la mayora de vocales
redundante del Ingls idioma.) Supongamos que el trabajo entre llegadas tiempos y los
tiempos de procesamiento se dan (posiblemente al azar). Una descripcin esquemtica
del sistema se representa en la Figura 2.2.
Para representar este sistema como DES, definir el estado 3 (r) que el nmero de
puestos de trabajo en el sistema en el tiempo r. Por lo tanto. S (0 = 5 significa que al
temporizador, la mquina est ocupado procesando el primer trabajo y 4 puestos de
trabajo ms estn esperando en el bfer Hay dos tipos de eventos:.. Llegadas y
terminaciones de procesos Supongamos que una llegada tuvo lugar en el momento r,
cuando haba AO = n puestos de trabajo en el sistema. Entonces, el valor de S salta en
el momento r de ella para
+ 1, y esta transicin se denota por n - + I. De manera similar, una terminacin
proceso se describe por la transicin n -. n - I. Ambas transiciones se implementan en
el programa de simulacin como la cacerola del procesamiento de eventos
correspondiente.
21.2 MQUINA INDIVIDUAL CON FALLAS
Considere la mquina sola anterior en el taller, ahora sujeta a fallos. Adems de los
procesos anival y de servicios, que ahora tambin tenemos que describir veces para
Despus de haber generado una historia muestra del funcionamiento del sistema,
ahora podemos proceder a calcular las estadsticas asociadas (medidas de
desempeo).
Distribucin de probabilidad de estado de la mquina. Considere el estado de la
mquina durante el intervalo de tiempo 10. 7]. Deje Ti sea el tiempo de inactividad
total sobre [O. 71 Ty el tiempo ocupado total sobre 10. 71. y Tp el tiempo de inactividad
total sobre (0. 7). La distribucin de probabilidad de estado de la mquina se estima
entonces por las relaciones del tiempo pasado en un estado de tiempo total de
simulacin, a saber. En particular, la probabilidad de que la mquina est ocupada
coincide con la utilizacin servidor cin (la fraccin de tiempo que la mquina es en
realidad la produccin ocupados). Tenga en cuenta que todas las probabilidades estn
por encima de los promedios estimados por el tiempo, que aqu asumen la forma de la
fraccin del tiempo empleado por la mquina en cada estado (la forma general de
promedios de tiempo se discute en la Seccin 9.3). La lgica que subyace a estas
definiciones es simple. Si un observador externo "se ve" en el sistema al azar, entonces
la probabilidad de encontrar la mquina en un estado dado es proporcional al tiempo
total empleado por la mquina en ese estado. Por supuesto, los ratios (proporciones)
por encima de la suma a la unidad, por definicin.
Rendimiento de la mquina. Tenga en cuenta la cantidad de trabajo de terminaciones
Cr en la mquina durante el intervalo (0, 7). El rendimiento es una medida de la tasa
efectiva de procesamiento, es decir, el nmero esperado de terminaciones de trabajo
(y por lo tanto., Salidas) por unidad de tiempo, estimado por
Nivel de servicio al cliente. Considere los clientes que llegan al almacn con una
demanda de productos. Deje Ns es el nmero de clientes cuya demanda es
plenamente satisfecho en el intervalo [0, Ti, y Nr el nmero total de clientes que se
lleg sobre [O. 7]. El nivel de servicio al cliente. S, es la probabilidad de satisfacer
plenamente la demanda de un destino en el almacn. Esta medida de rendimiento se
estima byassuming que la demanda del cliente que llega en t = 69 no es plenamente
satisfecho. Tenga en cuenta que la estadstica es una media de los clientes, que asume
aqu la forma de la frecuencia relativa de clientes satisfechos (la forma general del
cliente venga se discute en la Seccin 9.3). Adems, dejando J, k sea la parte no
cubierta de la demanda del cliente k (posiblemente 0). la media de los clientes de las
demandas no satisfechas est dada por