Introducción A La Simulación

Una simulación es la imitación de la operación de un proceso en el mundo real o el sistema en el tiempo. Si hace a mano o en una computadora, la simulación implica la generación de una historia artificial de un sistema y la observación de que la historia artificial para sacar conclusiones sobre las características de funcionamiento del sistema real. El comportamiento de un sistema a medida que evoluciona con el tiempo se estudia el desarrollo de un modelo de simulación. Este modelo generalmente toma la forma de un conjunto de supuestos sobre el funcionamiento del sistema. Estos supuestos se expresan en matemáticas, lógica, y relationsships simbólica entre las entidades, u objetos de interés, del sistema. Una vez desarrollado y validado, el modelo se puede utilizar para investigar una amplia variedad de "qué pasaría si" preguntas sobre el sistema del mundo real. Cambios potenciales en el primer sistema puede ser simulado, a fin de predecir su impacto en los sistemas de rendimiento. De simulación también puede usarse para estudiar los sistemas en la fase de diseño, antes de que se construyen estos sistemas. Así, el modelo de simulación puede ser utilizado tanto como herramienta de análisis para predecir el efecto de los cambios a los sistemas existentes y como herramienta de diseño para predecir el rendimiento de los nuevos sistemas bajo diferentes tipos de circunstancias. En algunos casos, un modelo puede ser desarrollado que es lo suficientemente simple para ser "resuelto" por los métodos matemáticos. Dicha solución se puede encontrar por el uso del cálculo diferencial, la teoría de probabilidad, los métodos algebraicos, u otras técnicas matemáticas. La solución consiste generalmente en uno o más parámetros numéricos, que son las llamadas medidas de rendimiento de los sistemas. Sin embargo, muchos sistemas del mundo real son tan complejos que los modelos de estos sistemas son prácticamente imposibles de e solv matemáticamente. En estos casos, numérico, equipo de simulación basado puede ser utilizado para imitar el comportamiento de los sistemas en el tiempo. De la simulación, se recogen datos como si de un sistema real estaban siendo observados. Esta simulación de los datos generados se utiliza para estimar las medidas de rendimiento del sistema. Este libro ofrece un tratamiento introductoy de los conceptos y métodos de una forma de modelos de simulación discreto modelo de simulación de eventos. El primer capítulo se describe inicialmente cuándo usar la simulación, sus ventajas y desventajas, y las áreas reales de su aplicación. Entonces, los conceptos de sistemas y el modelo se exploran. Por último, y el esquema se da de los pasos en la construcción y el uso de un modelo de simulación de sistemas. 1.1 cuando la simulación es la herramienta adecuada La disponibilidad de los lenguajes especiales de simulación de propósito, de la capacidad de computación masiva a un costo decreciente por operación, y de los avances en las metodologías de simulación han hecho una simulación de las más difundidas y aceptadas en las operaciones de las herramientas de investigación y análisis de sistemas. Circunstancias en las que la simulación es la herramienta apropiada para el uso se han debatido por muchos autores, de Naylor et al. (1996). La simulación puede ser utilizado para los siguientes fines: 1. De simulación permite el estudio, la experimentación y la de Pentecostés, las interacciones internas de un sistema complejo o de un subsistema dentro de un sistema complejo. 2. Cambios informativos, de organización, y el medio ambiente pueden ser simuladas, y el efecto de estas alteraciones en el comportamiento del modelo se pueden observar. 3. Los conocimientos adquiridos durante el diseño de un modelo de simulación puede ser de gran valor a lo que sugiere la mejora en el sistema bajo en el sistema de investigación.

4. Cambio de entradas de la simulación y la observación de los productos resultantes pueden producir conocimiento valioso sobre qué variables son las más importantes y la forma en que interactúan las variables. 5. La simulación puede ser utilizado como un instrumento pedagógico para reforzar las metodologías de solución analítica. 6. La simulación puede ser utilizado para experimentar con nuevos diseños o políticas antes de la aplicación, a fin de prepararse para lo que podría suceder. 7. La simulación puede ser utilizado para verificar soluciones analíticas. 8. La simulación de diferentes capacidades para una máquina puede ayudar a determinar los requisitos en él. 9. Los modelos de simulación diseñados para la formación que el aprendizaje sea posible sin el costo y la Interrupción de la instrucción de trabajo. 10. Animación muestra un sistema en operación simulada para que el plan puede ser visualizada. 11. El sistema moderno (la fábrica, planta de fabricación de obleas, la organización de servicios, etc) es tan complejo que sus interacciones internas pueden ser tratadas sólo a través de la simulación. 1.2 Cuando las simulaciones no procede Esta sección se basa en un artículo de Bancos y Gibson (1997), que dio diez normas de evaluación cuando la simulación no es apropiado. La primera regla indica que la simulación no debe ser utilizada cuando el problema puede ser resuelto por el sentido común. Se da un ejemplo de una instalación de etiqueta de automóviles que atienden a clientes que llegan en forma aleatoria a un promedio de 100 por hora y se sirven a una tasa media de 12/hour. Para determinar el número mínimo de servidores necesarios, la simulación no es necesario. Simplemente calcular 100/12 = 8,33 lo que indica que se necesitan nueve o más servidores. La segunda regla dice que la simulación no debe utilizarse si el problema puede ser resuelto analyticall. Por ejemplo, en determinadas condiciones, el tiempo medio de espera en el ejemplo anterior se puede encontrar a partir de curvas que fueron desarrollados por Hillier y Liberman (2002). La norma dice que los proyectos de ejecución nacional de simulación no debe utilizarse si es más fácil llevar a cabo experimentos directos. Un ejemplo de una unidad de comida rápida en el restaurante se da cuando era más barata a la etapa de una persona a tomar pedidos utilizando un terminal portátil y la comunicación de voz para determinar el efecto de añadir otro punto de pedidos de clientes en el tiempo de espera. La cuarta regla dice que no usar la simulación si los costos superan los ahorros. Hay muchos pasos en la realización de una simulación, como se verá en la Sección 1.11, y estas deben hacerse a fondo. Si un estudio de simulación de costos de 20.000 dólares y el ahorro podría ser de $ 10,000 disponibles, la sugerencia no es aventurarse en un estudio de simulación. De forma similar, si una decisión en la falta de dos semanas y tendrá una simulación de un mes, el estudio de simulación no es recomendable. Simulación de tomar los datos, a veces grandes cantidades de datos. Si no hay datos disponibles, ni siquiera estimaciones, la simulación no es aconsejable. La siguiente regla se refiere a la capacidad de verificar y validar el modelo. Si no hay suficiente tiempo o si el personal no están disponibles, la simulación no es apropiado. Si los administradores tienen expectativas poco razonables, si la piden mucho y demasiado pronto, o si se sobreestima el poder de la simulación, la simulación podría no ser apropiado. Última no, si el comportamiento del sistema es demasiado complejo o no se puede definir, la simulación es adecuada. La conducta humana es a veces muy complejas de modelar. 1.3 ventajas y desventajas de simulación La simulación es intuitivamente atractiva a un cliente porque se parece a lo que ocurre en un sistema

real o lo que es percibido por un sistema que está en la etapa de diseño. Los datos de salida de una simulación directa debe corresponder a los productos que se podrían registrar en el sistema real. Adicionalmente, es posible desarrollar un modelo de simulación de un sistema sin supuestos dudosos (por ejemplo, la misma distribución estadística para cada variable aleatoria) de los modelos matemáticos pueden resolver. Por estas y otras razones, la simulación es con frecuencia la técnica de elección en la resolución de problemas. En contraste con los modelos de optimización, los modelos de simulación son "correr" en lugar de resolverse. Dado un conjunto particular de características de entrada y modelo, el modelo se ejecuta y simula el comportamiento que se observa. Este proceso de cambio de los insumos y los resultados del modelo de características en un conjunto de escenarios que se evalúan. Una buena solución, ya sea en el análisis de un sistema existente o en el diseño de un nuevo sistema, entonces se recomienda para su aplicación. Simulación tiene muchas ventajas, pero también algunos inconvenientes. Estos son enumerados por Pegden, Shannon, y Sadowski (1995). Algunas de las ventajas son las siguientes: 1. Las nuevas políticas, procedimientos operativos, reglas de decisión, flujos de información, procedimientos de organización, y así sucesivamente se puede explorar sin interrumpir las operaciones en curso del sistema real. 2. Nuevos diseños de hardware, diseños físicos, los sistemas de transporte, y así se puede probar sin comprometer recursos para su adquisición. 3. Las hipótesis acerca de cómo o por qué ocurren ciertos fenómenos puede ser la prueba de viabilidad. 4. El tiempo puede ser comprimido o ampliado para permitir una aceleración o desaceleración de los fenómenos objeto de investigación. 5. Insight se puede obtener sobre la interacción de las variables. 6. Insight se puede obtener sobre la importancia de las variables con el rendimiento del sistema. 7. El análisis de cuellos de botella se pueden realizar para descubrir que el trabajo en proceso, información, materiales, un modo en que se están retrasando en exceso. 8. Un estudio de simulación puede ayudar a comprender cómo funciona el sistema en lugar de que cómo los individuos piensan que el sistema funciona. 9. "¿Qué pasaría si" las preguntas pueden ser contestadas. Esto es particularmente útil en el diseño de nuevos sistemas. Algunas desventajas son las siguientes:

1. La construcción de modelos requiere una formación especial. Es un arte que se aprende con el tiempo y la experiencia. Además, si wo modelos son construidos por diferentes personas competentes, que puedan tener similitudes, pero es muy probable que lleguen a ser el mismo. 2. Resultados de la simulación pueden ser difíciles de interpretar. La mayoría de los productos de simulación son esencialmente variables aleatorias (que generalmente se basan en las entradas al azar), por lo que puede ser difícil de distinguir si una observación es el resultado de interrelationsships sistema o del azar. 3. Modelos de simulación y análisis puede ser lento y costoso. Escatimar en recursos para el modelado y análisis podría resultar en un modelo de simulación o análisis que no es suficiente para la tarea. 4. De simulación se utiliza en algunos casos, cuando una solución de análisis es posible, o incluso preferible, como se discutió en la sección 1.2. Esto podría ser particularmente cierto en la simulación de algunas líneas de espera, donde de forma cerrada modelos de cola están disponibles.

En defensa de la simulación, estos cuatro desventajas, respectivamente, pueden ser compensados de la siguiente manera:

1. Los vendedores de software de simulación han estado desarrollando activamente los paquetes que contienen los modelos que sólo necesitan datos de entrada para su funcionamiento. Estos modelos tienen la etiqueta genérica "simulador" o "plantilla". 2. Muchos proveedores de software de simulación de salida se han desarrollado capacidades de análisis withhin sus paquetes para la realización de un análisis muy profundo. 3. Simulación se puede realizar con más rapidez que ayer y mañana será aún más rápido, debido a los avances en hardware que permiten el rápido funcionamiento de los escenarios y gracias a los avances en los paquetes de simulación de muchos. Por ejemplo, algunos programas de simulación contiene las construcciones para el modelado de la manipulación de materiales que utiliza los transportistas como tenedor elevadoras, transportadores y vehículos automatizados. 4. Cerrado los modelos de formulario no son capaces de analizar la mayoría de los sistemas complejos que se encuentran en la práctica. En muchos años de práctica de consultoría por dos de los autores, no se encontró un problema que podría haber sido resuelto por una solución de forma cerrada.

1.4 áreas de aplicación
Las aplicaciones de la simulación son enormes. El Winter Simulation Conference (WSC) es una excelente manera de aprender más acerca de lo último en aplicaciones de simulación y la teoría. También hay numerosos tutoriales en principio y los niveles más avanzados. WSC es patrocinado por seis sociedades técnica y el Instituto Nacional de Estándares y Tecnología (NIST). Las sociedades técnicas American Statistical Association (ASA), Association for Computing Machinery / Grupo de Interés Especial sobre la simulación (ACM / SIGSIM), Instituto de la sociedad cibernética eléctricos y electrónicos de ingeniero: el hombre del sistema y (IEEE / SMC), Instituto de Ingenieros Industriales (IIE), Instituto de investigación de operaciones y las ciencias de la gestión: la universidad en la simulación (INFORMA / CS) y la Sociedad para la simulación por ordenador (SCS). Tenga en cuenta que el IEEE está representada por dos cuerpos de información acerca de la próxima WSC se puede obtener de los programas de www.wintersim.org WSC con plena los documentos están disponibles en www.informs-cs.org/wscpapers.html. algunas presentaciones por la zona de un WSC recientes se enumeran a continuación: Aplicaciones de fabricación El modelado dinámico de los sistemas de fabricación continua, utilizando analogías con el sistema eléctrico. La evaluación comparativa de un modelo de planificación de producción estocástica en un banco de pruebas de simulación. La reducción de la línea de pintura cambia de color en el montaje de automóviles. Modelación de la calidad y la productividad en la fabricación de cable de acero. La capacidad de análisis compartido de los recursos en la fabricación de la biotecnología. Modelo de información neutral para la simulación de operaciones de taller de máquinas. Semiconductor Manufacturing Constante intervalo de tiempo de planificación de producción con la aplicación para trabajar en el control de procesos. Aceleración de productos bajo la debida fecha de expedición normas orientadas. Marco de diseño para los sistemas automatizados de manipulación de materiales en 300 fábricas de fabricación de obleas mm. La toma de decisiones de diseño óptimo para la próxima generación de herramientas de dispensación. Solicitud de Suscripción de los modelos de clúster en una herramienta de la fábrica de fabricación de obleas de 300 mm. Residente entidad basada en la simulación de herramientas de la cámara de proceso por lotes en 300 mm de fabricación de semiconductores. Construcciones de Ingeniería y Gestión de Proyectos Impacto de la combinación de múltiples tareas y el sesgo de la adquisición de equipo complejo. Aplicación de los conceptos lean y simulación para el drenaje de los equipos de operaciones de mantenimiento. La construcción de un modelo de tienda avirtual para la fabricación de dteel. Simulación de la oferta residencial de la cadena de la madera. Aplicación Militar Basado en la frecuencia de diseño para poner fin a similations: Un ejemplo de aplicación de la paz. Un

marco multibased de apoyo militar simulaciones interactivas basadas en entornos 3D. Especificar el comportamiento de las fuerzas generadas por ordenador de programación witthout. Fe idelity ¡y validez: Problemas de la representación del comportamiento humano. Evaluación de la tecnología de efectos sobre el rendimiento humano a través del comercio-el desarrollo espacial y Avaluación. Impacto de un sistema automático de la logística en el proceso de generación de salida. El Plan de Desarrollo de Investigación para el modelado y la simulación de operaciones militares en terreno urbano. Logística, cadena de suministro y distribución de aplicaciones El análisis de inventario en un entorno de servidor de fabricación de ordenadores Comparación de los métodos de detección de cuellos de botella de los sistemas de AGV Semiconductor oferta de simulación de red Análisis de los flujos de salida de pasajeros internacionales en una terminal de aeropuerto Aplicación de técnicas de simulación discreta de las cadenas de suministro de líquidos de gas natural De simulación en línea de flujo de los peatones en los edificios públicos Modos de Transporte y Tránsito La simulación de aviones de absorción de retraso La determinación de horario por la pista de simulación de optimización Simulación de la autopista y las divergencias en el comportamiento de la fusión de Modelado de servicios de ambulancia de la Cruz Roja de Austria Modelos de simulación en apoyo de la lucha contra incendios de emergencia en Norfolk Modelado de llegadas de los buques en los puertos de La optimización de un sistema de transporte de barcos para la entrega de petróleo Iterativo de optimización y simulación de tráfico de barcos en vías navegables interiores Simulación de Procesos de Negocios Agente basado en el modelado y la simulación de rendimiento de la tienda para la fijación de precios personalizada Visualización de modelos de negocio probabilística Modelado y simulación de un centro de llamadas de teléfono Uso de simulación para subgradients aproximada de medidas de desempeño convexa en servicio Sistemas Simulación de papel en la inspección de equipajes en los aeropuertos de Humanos de las simulaciones de riesgo en las operaciones de la fatiga continua Optimización de un sistema de facturación de telecomunicaciones Segmentación de la base de clientes para los máximos rendimientos Cuidado de la Salud Modelado de front office y de atención al paciente en las prácticas de atención ambulatoria de salud Evaluación de las operaciones del hospital entre el departamento de emergencias y un médico Unidad de telemetría Estimación de la capacidad máxima en una sala de emergencias La reducción de la duración de la estancia en un departamento de emergencia Simulación de seis sigma de ideas de mejora para un departamento de urgencias del hospital Una simulación entero-lineal-herramienta de programación para la programación basada en personal de la sala de emergencia

Algunas tendencias generales en las aplicaciones de simulación son los siguientes: la simulación En la actualidad, para el análisis de riesgo es cada vez mayor, incluso en áreas tales como seguros, opciones de precios, y el análisis de la cartera. Otra área de crecimiento es llamada Centro de Análisis, que no es susceptible de modelos de colas, debido a su complejidad. Simulación de sistemas a gran

escala, como la red troncal de Internet, redes inalámbricas, y las cadenas de suministro son cada vez más como el hardware y el software de aumentar su capacidad para manejar un número muy elevado de entidades en un plazo razonable. Por último, los modelos de simulación de sistemas automatizados de tratamiento de materiales (AMHS) están siendo utilizados como bancos de pruebas para el desarrollo y prueba de funcionamiento de control-sistema de software. Llama la emulación, el modelo de simulación está conectado en tiempo real para el control de software de sistema o un emulador de software, que se utiliza para proporcionar las mismas respuestas a un sistema de control en el AMHS real existe (por ejemplo, un cuadro de bloqueo o de compensación un ojo de la foto, o un comando para comenzar a escoger un pedido). El desarrollo de software puede comenzar mucho antes durante la instalación AMHS y puesta en marcha, a reducir el tiempo empleado en el campo tratando de depurar el software de control al tratar de la rampa de un sistema nuevo o continuar ejecutando una ya existente. Los modelos han sido impulsados por los sistemas de control a distintos niveles-de alto nivel, sistemas de control, tales como los sistemas de gestión de almacenes (WMS) o el envío de los sistemas de AGV, para controlar el nivel tan bajo como controladores lógicos programables (PLC) combina el control de un sistema de transporte . 1.5 sistemas y sistema de medio ambiente Para modelar un sistema, es necesario comprender el concepto de un sistema y los límites del sistema. Un sistema se define como un grupo de objetos que se unen en una interacción regular o interdependencia para el logro de algún propósito. Un ejemplo es un sistema de producción de automóviles de fabricación. Las máquinas, componentes, y los trabajadores de operar conjuntamente a lo largo de una línea de montaje para producir un vehículo de alta calidad. Un sistema es a menudo afectadas por los cambios que ocurren fuera del sistema. Estos cambios se dice que se producen en el entorno del sistema (Gordon, 1978). En el modelado de sistemas, es necesario decidir sobre la frontera entre el sistema y su entorno. Esta decisión puede depender de la finalidad del estudio. En el caso del sistema de fábrica, por ejemplo, los factores que controlan la llegada de los pedidos puede ser considerado como fuera de la influencia de la fábrica y por lo tanto parte del medio ambiente. Sin embargo, si el efecto de la oferta y la demanda se considera, habrá una relación entre la producción de las fábricas y la llegada de los pedidos, y esta relación debe ser considerada una actividad del sistema. Del mismo modo, en el caso de un sistema bancario, podría haber un límite en la tasa de interés máxima que se puede pagar. Para el estudio de un solo banco, esto sería considerado como una restricción impuesta por el medio ambiente. En un estudio de los efectos de las leyes monetarias en el sector bancario, sin embargo, el establecimiento del límite sería una actividad del sistema. (Gordon, 1978)

1.6 Componentes de un sistema

A fin de comprender y analizar un sistema, una serie de términos deben ser definidos. Una entidad es un objeto de interés en el sistema. Un atributo es una propiedad de una entidad. Una actividad que representa un período de tiempo de la longitud especificada. Si un banco está en estudio, los clientes puede ser una de las entidades, el saldo de sus cuentas de cheques puede ser un atributo, y hacen depósitos podría ser una actividad.

La colección de las entidades que componen un sistema de un estudio sólo podría ser un subconjunto del conjunto del sistema de otro estudio (Derecho y Kelton, 2000). Por ejemplo, si el banco mencionado está siendo investigado para determinar el número de escrutadores necesarios para

proporcionar a pagar y recibir, el sistema puede ser definido como la parte del banco integrado por los escrutadores regular y espera de los clientes en línea. Si el propósito del estudio se ha ampliado para determinar el número de cheques de caja especial escrutadores necesarios (para preparar, vender cheques de viajero, etc), la definición del sistema debe ser ampliado. recibiendo, el sistem puede ser definido como aquella parte del banco(de la orilla) que consiste en los cajeros regulares y los clientes que esperan en la línea. Si el objetivo del estudio es ampliado para determinar el número de cajeros especiales necesario (para preparar comprobaciónes de cajeros, etc.) la definición del sistema debe ser ampliada. El estado de sistema es definido para ser la colección de variables necesarias de describir el sistema en cualquier momento, en relación con los objetivos del estudio. En el estudio de las variables bancarias, posibles estatales son el número de cajeros ocupados, el número de cliente que espera en la línea o siendo servido, y el tiempo de llegada del siguiente cliente. Un acontecimiento es definido como una presencia(un acontecimiento) instantánea que podría cambiar el estado del sistema. El término endógeno es usado describir actividades y acontecimientos que ocurren dentro de un sistema, y el término exógeno es usado describir actividades y acontecimientos en el ambiente que afectan el sistema. Si los estudios bancarios, la llegada de un cliente son un acontecimiento exógeno, y la terminación de servicio de un diseñador de vestuario es un acontecimiento endógeno

1.7 Sistema discretos y continuos
pueden ser clasificados como discreto o continuo. Pocos sistemas en la práctica son totalmente discretos o continuos, pero ya que un tipo de cambio predomina para la mayor parte de sistemas, por lo general será posible clasificar un sistema como ser discreto o continuo. Un sistema discreto es el que en el cual la variable (s) estatal se cambia sólo en un juego discreto de puntos a tiempo. El banco(la orilla) es un ejemplo de un sistema discreto: la variable estatal, el número de clientes en el banco(la orilla), se cambia sólo cuando un cliente llega o cuando el servicio proveyó un cliente es completado. Un sistema continuo es el que en el cual la variable (s) estatal se cambia continuamente con el tiempo. Un ejemplo es el jefe del agua detrás de una presa. Durante y desde hace algún tiempo después de una tormenta de lluvias, beba flujos en el lago detrás de la presa. El agua es dibujada de la presa para la prevención de inundaciones y hacer la electricidad. La evaporación también disminuye el nivel del agua.

1.8 el modelo de un sistema
A veces que es de interés estudia un sistema para entender las relaciones entre sus componentes o predecir como el sistema funcionará bajo una nueva política. Para estudiar el sistema, es a veces posible experimentar con el sistema sí mismo. Sin embargo, esto es no siempre posible. Un nuevo sistema aún no podría existir; si podría estar en la forma sólo hipotética o en la etapa de diseño. Incluso si el sistema existe, podría ser poco práctico experimentar con ello Por ejemplo, no podría ser sabio o posible para doblar la tarifa de paro para descubrir el efecto de empleo sobre la inflación. En el caso de un banck, reduciendo los números de cajeros para estudiar el efecto sobre la longitud de líneas que esperan podría enfurecer a los clientes tan enormemente que ellos mueven sus cuentas a un competidor. Por consiguiente, los estudios de sistemas a menudo son logrados con un modelo de un sistema. Nosotros teníamos un trabajo consultor para la simulación de un puerto diseñado en Australia Occidental. En 20 millones para un cargan/descargan la litera, no es aconsejable invertir aquella cantidad sólo para encontrar que la litera es inadecuada para la tareaUn modelo es definido como una representación de un sistema para el objetivo de estudiar el sistema. Para la mayor parte de estudios, es sólo necesario considerar aquellos aspectos del sistema que

afectan el problema en la investigación. Estos aspectos son representados en un modelo del sistema; el modelo, por definición, es una simplificación del sistema. De otra parte, el modelo suficientemente debería ser detallado para permitir conclusiones válidas ser dibujan sobre el verdadero sistema. Podrían requerir los modelos diferentes del mismo sistema que el objetivo de cambios de investigación. Tal como los componentes de un sistema eran entidades, atributos, y actividades, los modelos son representados de modo similar. Sin embargo, el modelo contiene sólo aquellos componentes que son relevantes al estudio. Los componentes de un modelo son hablados más extensivamente.

1.9 los tipos de modelos
MODELOS pueden ser clasificados como ser(siendo) matemáticos o físicos. Los modelos de simulación más lejos pueden ser clasificados como ser(siendo) estáticos o dinámicos, deterministas o estocásticos, y discretos o continuos. Un modelo de simulación estático, a veces llamado una simulación de monte carlo, representa un sistema en un punto particular ello el tiempo. Modelos de simulación dinámicos representan el sistema como ellos cambian el tiempo. La simulación de un banco(una orilla) de 9:00 de la mañana a 4:00 de la tarde es un ejemplo de una simulación dinámica. El modelo de simulación que no contiene ningunas variables aleatorias es clasificado como determinista. Modelos deterministas tienen un juego sabido(conocido) de entradas, que causarán un juego único de salidas. Llegadas deterministas en una oficina de dentistas si todos los pacientes llegaran al tiempo de cita(nombramiento) previsto. Un modelo de simulación estocástico tiene una o varias variables aleatorias como entradas. Entradas arbitrarias conducen a salidas arbitrarias. Ya que las salidas son arbitrarias, ellos pueden ser considerados sólo como las estimaciones de las características verdaderas de un modelo. La simulación de un banco(una orilla) por lo general implicaría veces arbitrarias intertribales y veces de servicio arbitrarias. Así, en una simulación estocástica, las medidas de salida - el número medio de espera de la gente, el promedio que espera el tiempo de un cliente - debe ser tratado como las estimaciones estadísticas de las características verdaderas [?Cuidado! El texto que desea traducir contiene demasiado caracteres. Por eso la traducción ha sido dividida.] Sistemas discretos y continuos fueron definidos en la sección 1.7 modelos Discretos y continuos son definidos en una manera análoga. Sin embargo, un modelo de simulación discreto no siempre es usado modelar un sistema discreto, tampoco una simulación continua es modela siempre usada para modelar un sistema continuo. Las gracias y gaiteros son modelados discretamente por algunos vendedores de software, aun cuando nosotros sepamos que el flujo fluido es continuo. Además, los modelos de simulación pueden ser mezclados, tanto discreto como continuo. La opción de si hay que usar un modelo de simulación discreto o continuo es una facción de las características del sistema y el objetivo del estudio.

1.10 discrete- caso sistema de simulación
Este es un libro de texto sobre la simulación de eventos discretos del sistema. Los sistemas de eventos discretos de simulación es el modelado de sistemas en los que la única variable que cambia de estado en un conjunto discreto de puntos en el tiempo. Los modelos de simulación son analizadas por métodos numéricos en lugar de por los métodos analíticos. Los métodos analíticos emplean el razonamiento deductivo de las matemáticas para "resolver" el modelo. Por ejemplo, el cálculo diferencial puede ser utilizado para calcular el mínimo de la política de costos para algunos modelos de inventario. En el caso de modelos de simulación, que emplean métodos numéricos, los modelos son "correr" en lugar de resolverse, es decir, una historia artificial del sistema se genera a partir de la hipótesis del modelo, y se recogieron las observaciones a analizar y estimar el verdadero sistema medidas de rendimiento. Real-modelos de simulación del

mundo son bastante grandes, y la cantidad de datos almacenados y manipulados es enorme, por lo que se ejecuta como se realizan normalmente con la ayuda de un ordenador. Sin embargo, la visión mucho se puede obtener mediante la simulación de modelos pequeños de forma manual. En resumen, este libro de texto es de unos discretos de simulación del sistema de eventos en los que los modelos de interés son analizados de forma numérica, por lo general con la ayuda de un ordenador.

1.11 pasos en un estudio de simulación
Figura 1.3 muestra una serie de pasos para guiar a un constructor de modelos en una simulación completa y sonido cifras study.similar y discusión de los pasos se pueden encontrar en otros sourses (sahannon 1975, Gordon, 1978; Ley ande Kelton, 2000). El número besideeachsymbol en el gráfico 1.3 se refiere a la discusión más detallada en el texto. los pasos de un estudio de simulación son los siguientes: Formulacion Del Problema Cada estudio debe comenzar con una declaración del problema. Si la instrucción es proporcionada por los responsables políticos, o los que tienen el problema, el analista debe asegurarse de que el problema que se describe se entiende claramente. Si el problema está siendo desarrollado por el analista, es importante que los responsables políticos entender y de acuerdo con la formulación. La Unión Europea autoriza de Oracle ... "La Comisión Europea concedió una autorización incondicional de Oracle para hacerse cargo de Sun Microsystems ..." El objetivo indica que las preguntas a ser respondidas por la simulación. En este punto, la determinación debe hacerse en relación a si la simulación es la metodología apropiada para el problema formulado y objetivos del Estado. Suponiendo que se decida que la simulación es adecuada, el plan general del proyecto debe incluir una declaración de los sistemas alternativos a considerar, y un método para evaluar la eficacia de estas alternativas. También debería incluir el plan de estudio en términos del número de personas que implica el costo del estudio, y el número de días necesarios para llevar a cabo cada fase de trabajo con los resultados esperados al final de cada etapa. Model: Conceptualización La construcción de un modelo del sistema es un problema tanto un arte como la ciencia. El arte de la elaboración de modelos se ve reforzada por la capacidad de abstraer los rasgos esenciales de un problema, para seleccionar y modificar los supuestos básicos que caracterizan el sistema y, a continuación para enriquecer y elaborar el modelo hasta que resulte una aproximación útil. Por lo tanto, es mejor empezar con un modelo sencillo y construir hacia una mayor complejidad. Sin embargo, la complejidad del modelo no es necesario que supere la necesaria para lograr los fines para los que está destinado el modelo. No es necesario tener un uno-a-uno entre el modelo y el sistema real.

Recaudación de datos. hay una interacción constante entre la construcción del modelo y la recogida de los datos de entrada necesarios. como la complejidad del modelo de cambios de fecha de los elementos necesarios, también puede cambiar. Asimismo, desde la recogida de datos se Susch una gran parte del tiempo total requerd para realizar una simulación es necesario para comenzar lo más pronto posible, por lo general junto con el edificio de principios del modelo. Los objetivos del estudio determinan en gran manera el tipo de datos que deben recogerse. en el estudio de un banco, por ejemplo, si el deseo es aprender sobre él longitud de las líneas de espera como el número de escrutadores cambiar los tipos de datos necesarios sería la distribución de tiempos entre el tiempo de servicio para la distribución de los escrutadores y distribución histórica de las longitudes de las líneas de espera en diferentes condiciones. este último tipo de datos se utilizará para validar el modelo de simulación.

traducción modelo. resultado más real del sistema mundial en los modelos que requieren una gran cantidad de almacenamiento de información y computación por lo que el modelo debe ser introducido en un formato de equipo reconocible. usamos el programa a pesar de que es posible lograr el resultado deseado en el ejemplo, muchos con codih reales poco o nada. el modelador debe decidir si el modelo de programa en el lenguaje de simulación como GPSS / H o utilizar software de simulación de efectos especiales. para la fabricación y flexible. verificado? se refiere a la verificación del programa de ordenador preparado para el modelo de simulación. es el programa de ordenador perdorming correctamente? con modelos complejos, es difícil si no imposible, de traducir un modelo de éxito en su totalidad, sin un acuerdo goog de depuración, si los parámetros de entrada y la estructura lógica del modelo están representados correctamente en el equipo de verificación se ha completado. la mayor parte de sentido común se utiliza en la realización de este paso. validado?? validación normalmente se logra a través de la calibración del modelo de un proceso iterativo de comparar el modelo contra behavios sistema real y el uso de las discrepancias entre los dos y los conocimientos adquiridos para mejorar el modelo. Este proceso se repite hasta que la exactitud del modelo se considera aceptable en el ejemplo de un banco se ha mencionado anteriormente, se recogieron los datos concernig la longitud o las líneas de espera en las condiciones actuales. ¿El modelo de simulación de replicar este sistema de medida? Esta es una forma de validación el diseño experimental. las alternativas que han de ser simulado debe ser determinado. a menudo la decisión sobre las alternativas para simular será una succion de partidas que han sido completados y analizados. para cada sistema de diseño que se simula las decisiones deben hacerse sobre la duración del período de inicialización de la longitud de los recorridos de simulación y el número de repeticiones que se hará de cada carrera. Funcionamientos de producción y análisislos funcionamientos de .production, y su análisis subsecuente, se utilizan para estimar medidas del funcionamiento para los diseños del sistema que se está simulando el thatare. (los capítulos 11 y 12 discuten el análisis de los experimentos de la simulación, y el capítulo 4 discute software para ayudar en este paso, incluyendo autostaf (en AutoMod), OpQuest (en pedazos del serval de software de la simulación), Simrunner (en Prodel), y optimizador del TESTIGO (en TESTIGO). ¿Más funciona? Dado el análisis de los funcionamientos se han terminado que , el analista se determina si los funcionamientos adicionales son necesidad y qué diseño deben seguir esos experimentos adicionales. Documentación y divulgación. Hay dos tipos de documentación: el programa y la documentación de progress.program es necesarios para reasons.if numeroso que el programa va a ser utilizado otra vez por el samer o diverso análysis, podría ser nescesary entender cómo el programa funciona. esto creará confianza en el programa, de modo que los usuarios y los policymakers modelo puedan tomar las decisiones basadas en el análisis. también, si el programa, está a modificado por igual o la documentación adecuada facilite a un diverso analista, este stepcan grandemente. una experiencia con un programa inadecuado documentado es generalmente bastante convencer a un analista de la necesidad de este paso importante. otro reazon para documentar un programa es de modo que los usuarios modelo puedan cambiar parámetros en la voluntad en un esfuerzo de aprender las relaciones entre los parámetros de la entrada y las medidas de la salida del funcionamiento o de descubrir los parámetros de la entrada que optimizan una cierta medida de la salida del funcionamiento. musselman (1998) discute los informes sobre la marcha de los trabajos que proporcionan el importante, escritos historia de un proyecto de la simulación. los informes del proyecto dan una cronología del trabajo hecha y de las decisiones tomadas. esto puede demostrar estar de gran valor en guardar el proyecto sobre la maldición. Musselman sugiere informes frecuentes (montly, por lo menos) de modo que acontecimiento que esos no implicados en la operación cotidiana pueden guardar al corriente. el conocimiento de estos otros

puede realzar a menudo la terminación acertada del proyecto por malentendidos emergentes temprano, cuando el problema se puede solucionar fácilmente. musselman también sugiere maintainning un registro del proyecto que proporciona un expediente comprensivo de realizaciones, las decisiones dominantes de las peticiones del cambio, y otros artículos de la importancia.

en el lado de divulgación, Musselman sugiere deliverables frecuentes. éstos pueden o muchos no ser los resultados de realizaciones importantes. su máxima es que “es mejor trabajar con muchos jalones intermedios que con un absolutedeadline ". Las posibilidades antes del informe final incluyen un especification modelo, demostraciones del prototipo, las animaciones que entrenan a resultados, los análisis intermedios, la documentación del programa, los informes sobre la marcha de los trabajos, y las presentaciones. él sugiere que estos deliverables sean medidos el tiempo judiciosly sobre la vida del proyecto. El resultado de todo el análisis se debe divulgar claramente y concicely en un informe final. esto permitirá a los usuarios modelo (ahora, los responsables) repasar la formulación final los sistemas alternativos que fueron tratados, el criterio por el cual los alternativas fueron comparados, los resultados de los experimentos, y la solución recomendada al problem.furthermore, si las decisiones tienen que ser justificadas en un de alto nivel, el informe final debe proporcionar un vehículo de la certificación para el usuario/el responsable modelo y agregar a la credibilidad del modelo y del proceso de la construcción de maquetas. Puesta en práctica. los succes de la fase de la puesta en práctica dependen de como de bien los 11 pasos anteriores han sido performed.it son también contingente sobre cómo el analista ha implicado a fondo a último usuario modelo durante el proceso entero de la simulación. si el usuario modelo ha estado implicado a fondo durante el proceso de la construcción de maquetas y si el usuario modelo entiende la naturaleza del modelo y de sus salidas, la probabilidad de una puesta en práctica vigorosa se realza (Pritsker, 1995). Inversamente, si el modelo y sus asunciones subyacentes no se han comunicado correctamente, la puesta en práctica sufrirá probablemente, sin importar el modelo de la simulación es validez. La simulación del modelo de proceso de construcción se muestra en la se puede dividir en cuatro fases Dow. la primera fase consistente en steps1 2 es un período de descubrimiento o de orientación. la declaración inicial del problema suele ser bastante difusos los objetivos iniciales por lo general tendrá que ponerse a cero y el plan original del proyecto por lo general tendrán que ser afinados. estos recalibrados y aclaraciones podría ocurrir en esta fase, o tal vez se producirá después o durante la otra fase. La segunda fase está relacionada con la construcción de modelos y de recopilación de datos e incluye los pasos 3 (Modelo de Conceptualización), 4 (de recogida de datos), 5 (traducción del modelo), 6 (de verificación), y 7 (validación). Una interacción continua es necesaria entre los pasos. La exclusión del usuario del modelo durante esta fase puede tener consecuencias nefastas en el momento de la aplicación. la tercera fase se refiere a la ejecución del modelo. Se trata de pasos 8 (Diseño Experimental), 9 (corridas de producción y análisis), y 10 (Rayo adicionales). Esta fase debe tener un plan bien concebido para experimentar con el modelo de simulación. Una simulación de eventos discretos estocásticos es en realidad un experimento estadístico. Las variables de salida se estima que contienen el error aleatorio, y por lo tanto un análisis estadístico adecuado se requiere. Esta filosofía está en contraste con la del analista que hace una sola carrera y señala a una inferencia de que el único punto de datos. La cuarta fase, puesta en práctica, implica steps11 (documentación y divulgación) y 12 (puesta en práctica).

La puesta en práctica de Susceful depende de la implicación continua del usuario modelo y en la terminación acertada de cada paso en el proceso. Quizás el punto más crucial del proceso entero es paso (validación), porque un modelo inválido va a conducir a los resultados erróneos, que, si estuvieron puesta en ejecución, podrían ser peligroso, costosos, o ambos.