Resumen lenguajes de simulacion. - UTG PDF

Preview

Summary

El siguiente documento es una resumen para conocer principalmente los lenguajes de simulación, los programas que los implementa, así como algunas características a tener en cuenta al momento de modelar entornos o sistemas para validarlos posteriormente....

Description

UNIVERSIDAD TECNOLOGICA DE GUADALAJARA

Simulación RESUMEN :TEMA 4- LENGUAJES DE SIMULACION

Mario Alberto Rodríguez López

Guadalupe, N.L

18480116

Página 0

CONTENIDO. INTRODUCCIÓN……………………………………………………………………………………………………………………………..2 4.1 LENGUAJES DE SIMULACIÒN Y SIMULADORES………………………………………………………………………..2 4.2 APRENDIZAJE Y USO LENGUAJE DE SIMULACIÓN O UN SIMULADOR……………………………………..3 4.3 CASOS PRÁCTICOS DE LA SIMULACIÓN……………………………………………………………………………………4 4.3.1 Problemas de una line de espera………………………………………………………………………………4 4.3.2 Problemas con sistemas de inventarios…………………………………………………………………….5 4.4 VALIDACIÓN DE UN SIMULADOR…………………………………………………………………………………………….5 4.4.1 Pruebas paramétricas……………………………………………………………………………………………….7 4.4.2 Pruebas no paramétricas…………………………………………………………………………………………..8 Conclusiones…………………………………………………………………………………………………………………………………..8 Bibliografía……………………………………………………………………………………………………………………………………..9

Página 1

INTRODUCCIÓN. En las industrias o en las empresas se presentan situaciones o eventos en el cual se necesitan tomar decisiones para planificar, predecir, invertir, proyectar posibles soluciones a problemáticas. Para ello es importante tener en cuenta el conocimiento del problema o de la situación, aquí juega un papel importante las herramientas que permiten la obtención de información, como la modelización y la simulación. Los datos que se obtienen permiten predecir el comportamiento actual y futuro de un sistema en distintos. Aquí se puede aplicar cualquier software que sea para simular, sea un programa comercial específico o una aplicación con lenguaje de propósitos generales, se requiere conocer y manejar una serie de procedimientos y criterios para obtener datos y analizarlos para tomar decisiones que permitan optimizar los procesos. El siguiente documento es una investigación para conocer principalmente los lenguajes de simulación, los programas que los implementa, así como algunas características a tener en cuenta al momento de modelar entornos o sistemas para validarlos posteriormente.

4.1 LENGUAJES DE SIMULACIÒN Y SIMULADORES. Desde un principio se utilizaban leguajes de propósito general (Aquellos que se utilizan para resolver cualquier tipo de problemas). A partir de 1960 aparecen lenguajes específicos de simulación, como lo es el caso de GPSS o SIMSCRIPT, entre otros. Entre estos lenguajes específicos podemos nombrar los siguientes:     

MIDAS DYSAC GASP MÍMÍC GPSS

    

SIMULA SIMSCRIPT SLAM SIMAN SIMNON

Muchos de estos lenguajes dependen fuertemente de los lenguajes de propósito general como es el caso de SLAM o SIMAN que dependen de “FORTRAN” para las subrutinas. Un lenguaje de simulación es un software de simulación de naturaleza general y posee algunas características especiales para ciertas aplicaciones. El modelo es desarrollado usando las instrucciones adecuadas del lenguaje y permitiendo al analista un gran control para cualquier clase de sistema. Un simulador es un software que permite realizar la simulación de ciertos sistemas para un ambiente específico. Hoy en día existen simuladores para las industrias y sistemas de comunicación permitiendo obtener un menor tiempo en el desarrollo del modelo, así como también contar con el personal sin experiencia en simulación. Los simuladores son muy utilizados en la actualidad para análisis en alto nivel, que requiere requiriéndose agregar únicamente detalles en un cierto nivel ya que lo demás es estándar.

Página 2

4.2 APRENDIZAJE Y USO LENGUAJE DE SIMULACIÓN O UN SIMULADOR. Los lenguajes de simulación facilitan enormemente el desarrollo y ejecución de simulaciones de sistemas complejos del mundo real. Los lenguajes de simulación son similares a los lenguajes de programación de alto nivel, pero están especialmente preparados para determinadas aplicaciones de la simulación. Los lenguajes de simulación son similares a los lenguajes de programación de alto nivel, pero están especialmente preparados para determinadas aplicaciones de la simulación. Los lenguajes de simulación proporcionan automáticamente las características necesarias para la programación de un modelo de simulación, lo que redunda en una reducción significativa del esfuerzo requerido para programar el modelo. Proporcionan un marco de trabajo natural para el uso de modelos de simulación. Los bloques básicos de construcción del lenguaje son mucho más afines a los propósitos de la simulación que los de un lenguaje de tipo general. Características de los lenguajes de simulación:   

Los modelos de simulación son mucho más fácilmente modificables. Proporcionan muchos de ellos una asignación dinámica de memoria durante la ejecución. Facilitan una mejor detección de los errores.

¿Qué es FlexSim? Flexsim es un software para la simulación de eventos discretos, que permite modelar, analizar, visualizar y optimizar cualquier proceso industrial, desde procesos de manufactura hasta cadenas de suministro. Además, Flexsim es un programa que permite construir y ejecutar el modelo desarrollado en una simulación dentro de un entorno 3D desde el comienzo. Actualmente, El software de simulación Flexsim es usado por empresas líderes en la industria para simular sus procesos productivos antes de llevarlo a ejecución real.

Página 3

4.3 CASOS PRÁCTICOS DE LA SIMULACIÓN. La simulación es una herramienta que nos ayuda a modelar muchas situaciones o sistemas complejos en el que se quiere analizar para tomar decisiones posteriormente, es posible simular un sin fin de casos, podría ser la simulación de la aplicación de un examen de un docente a sus alumnos, hasta la produccion de una empresa que maneje distintos productos. Algunos ejemplos prácticos para simular: Simulación de un sistema de colas: Es posible estudiar y analizar sistemas de colas cuya representación matemática sería demasiado complicada de analizar. Ejemplos de estos sistemas serían aquellos donde es posible la llegada al sistema en grupo, la salida de la cola del sistema, etc. Simulación de sistemas de inventarios. A través de simulación se puede analizar más fácilmente sistemas de inventarios donde todos sus parámetros (tiempo de entrega, demanda, costo de llevar inventario, etc.), son estocásticos. Simulación de un proyecto de inversión. Existen gran cantidad de proyectos de inversión donde la incertidumbre con respecto a los flujos de efectivo que el proyecto genera a las tasas de interés, a las tasas e inflación, etc., hacen difícil y a veces imposible manejar analíticamente este tipo de problemas. Para este tipo de situaciones el uso de simulación es ampliamente recomendado.

4.3.1 Problemas de una line de espera. Simulación de una línea de espera con una fila y un servidor Un sistema de colas estará definido cuando tengamos la siguiente información acerca de este:     

Distribución de probabilidad de los tiempos de servicio Distribución de probabilidad de los tiempos entre llegadas Numero de servidores Numero de filas-Conexiones entre servidores y filas Disciplinas y restricciones de los servidores y filas (en caso de que existan)

Para este primer ejemplo se utilizará el modelo de líneas de espera. Como se puede apreciar, es un modelo bastante simple donde la disciplina de atención es FIFO (primero en llegar, primero en salir).

4.3.2 Problemas con sistemas de inventarios. Página 4

El modelamiento de realidades empresariales hace posible a los administradores provocar escenarios simulados en su proceso de toma de decisiones en las diversas áreas funcionales de la organización integrando las variables implicadas en cada caso. Una de las herramientas más utilizada para tal fin son las hojas de cálculo Excel que permiten cuantificar, integrar y configurar modelos ordenadamente propuestos con efectos visuales y gráficos atractivos para cualquier persona que desee analizarlos. Algunos ejemplos en el que se puede simular situaciones en un modelo de inventario:   

La tasa de demanda o ventas de cada artículo que varía dependiendo de la temporada, implica gastos de tener los artículos almacenados. La confiabilidad de predecir las ventas futuras, cambios en el diseño o los métodos de producción, etc., ya que muchos artículos dependen delas variaciones del clima, estilos, modas, etc. Las tasas de producción son considerablemente mayores que las de demanda.

4.4 VALIDACIÓN DE UN SIMULADOR. Validar el modelo supone comprobar que las asunciones hechas para simplificar el funcionamiento del sistema son aceptables. En ese caso, y si el modelo se implementa correctamente, los resultados del simulador y del sistema real deberían ser parecidos. Para validar el modelo, se deben comprobar tres aspectos del mismo: las asunciones que simplifican el sistema real, los parámetros de entrada del simulador y las distribuciones utilizadas, y por último los valores obtenidos y las conclusiones que se pueden extraer. Estos tres aspectos deberían contrastarse con tres fuentes de información: la opinión de expertos en sistemas como el que se está simulando, mediciones sobre el sistema real y datos obtenidos con otros tipos de modelos. La validación del modelo fue estudiada por Charles F. Hermann proponiendo el enfoque Hermann que resalta tres perspectivas a considerar: Propósito de la construcción, los criterios utilizados, y el personal que interviene en la construcción.

Propósito del modelo. 

Crear escenarios.

Página 5

Criterios Utilizados.     

Validación interna Validación superficial Validación par-var Validación de eventos Validación de hipótesis

Personal involucrado

Propósitos Escenarios predictivos Entrenamiento hipótesis y teorías Universos inexistentes

Criterios Validación interna Validación superficial Validación variable-parámetro Validación de eventos Validación de hipótesis

Descripción Crea alternativas de acción para conocer sus consecuencias. Predice resultados que serán comparados con otros métodos predictivos. Transmite conocimientos en un ambiente controlado. Generan hipótesis y explicaciones a ideas surgidas en la experimentación. Estudio de sistemas que no existen en la realidad.

Descripción Establece una estabilidad y consistencia entre las corridas del modelo. Impresiones subjetivas de aspectos relevantes de la realidad. Análisis de sensibilidad realizando comparaciones con valores de las variables-parámetros. Establece similitudes de eventos. Realiza pruebas de hipótesis .

4.4.1 Pruebas paramétricas. Página 6

Un parámetro es una característica de la población de interés, que deseamos estimarla sea real o desconocido. Para validar un modelo de simulación existen los criterios de Hermann entre los cuales se destacan variable-parámetro, y de hipótesis. Las pruebas paramétricas son pruebas de hipótesis estadísticas que asumen cierto comportamiento de:   

Muestras obtenidas aleatoriamente. Distribución normal de las observaciones. Existe un parámetro de interés que buscamos estimar.

Una hipotesis estadística es una proposición o supuesto sobre los parámetros de una o más poblaciones. Las hipótesis siempre son proposiciones sobre la población o distribución bajo estudio, no proposiciones sobre la muestra. Por lo general, el valor del parámetro de la población especificado en la hipótesis nula se determina en una de tres maneras diferentes: 1. Puede ser resultado de la experiencia o del conocimiento del proceso, entonces el objetivo de la prueba de hipótesis usualmente es determinar si ha cambiado el valor del parámetro. 2. Puede obtenerse a partir de alguna teoria o modelado que se relaciona con el proceso bajo estudio. En este caso, el objetivo de la prueba de la hipótesis es la verificar la teoria o modelado. 3. Cuando el valor del parámetro proviene de consideraciones externas, tales como especificaciones de diseño o ingeniería. En esta situación, el objetivo usual de las pruebas de hipótesis e s probar el cumplimento de las especificaciones. Pruebas de hipótesis. La hipótesis nula, representada por H0 es la afirmación sobre una o más características de poblaciones que al inicio se supone sea cierta (es decir la creencia priori). La hipótesis alternativa, representada por H1, es la afirmación contradictoria a H0 y esta es la hipótesis del investigador. La prueba de hipótesis estadística o también llamada contraste de hipótesis se utiliza para estimar un parámetro o proponer hipotéticamente un valor o valores para ese parámetro, basado en la experiencia o en el supuesto teórico de la investigación. Esta prueba sirve para decidir si se considera ese supuesto o se rechaza basado en las muestras aleatorias obtenidas.

4.4.2 Pruebas no paramétricas.

Página 7

Las pruebas no paramétricas son aquellas que no presuponen una distribución de probabilidad para los datos, por ello se conocen también como de distribución libre. En la mayor parte de ellas los resultados estadísticos se derivan únicamente a partir de procedimientos de ordenación y recuento, por lo que s� base logica es de fácil comprensión. Prueba de Mann-Whtney para muestras independientes. Si tenemos dos series de valores de una variable continua obtenidas en dos muestras independientes: X1, X2,…Xn , Y1, Y2,… Ym, procederemos a ordenar conjuntamente todos los valores en sentido creciente, asignándoles su rango. Se calcula luego la suma de rangos para las observaciones de la primera muestra Sx y la suma de rangos de las segundas muestras Sy. Si los valores de la población de la que se extrajo la muestra aleatoria de X se localizan por debajo de los valores de Y, entonces la muestra de X tendrá probablemente rangos más bajos, lo que se reflejará en un valor menor de Sz Prueba de Wilcoxo de los rangos con signo. Esta prueba nos permite comparar nuestros datos con una mediana teórica. Para efectuar esta prueba se calculan las diferencias en un valor absoluto |X1-M 0| y se ordenan de menor a mayor, asignándoles su rango. Si hubiera dos o más diferencias con igual valor, se les asigna el rango medio.

CONCLUSIONES Los programas de simulación con lenguaje especifico ayudan mucho a la realización de modelos simulados para poder comprender el motivo del estudio del sistema como lo es el caso de FlexSim, el cual podemos crear cualquier tipo de modelos que queremos analizar, como el ejemplo de un modelo que simule las filas de espera para la atención de un cliente o hasta la simulación de una linea de produccion compleja. Algunos de los aspectos fundamentales para un simulador es contar con distribuciones de probabilidad, aceptar parámetros de entrada del sistema real, procesar y validar parámetros discretos, predecir los resultados de acuerdo a lo ingresado. Lo importante aquí es comparar los datos obtenido del modelo con los datos que existen en el sistema real (Validar) para determinar si el modelo se implementa correctamente como lo hace el sistema, para que posteriormente una vez teniendo el modelo funcional, utilizarlo para extrapolar y predecir resultados que luego serán tomados en cuenta en tomas de decisiones y aplicarlos de acuerdo a las necesidades que se generan.

Página 8

BIBLIOGRAFIAS VALENCIA, V. R. A., & VALLES, V. O. J. A. (s. f.). Lenguajes de simulación y simuladores de eventos discretos. Recuperado 11 de mayo de 2020, de https://joceana.files.wordpress.com/2017/05/unidad-4.pdf Ríos, J. A. M. R. (2017). Unidad IV: Lenguajes de simulación. Recuperado 11 de mayo de 2020, de https://docplayer.es/47521520Unidad-iv-lenguajes-de-simulacion.html UNIDAD IV. LENGUAJES DE SIMULACIÓN. (s. f.). Recuperado 11 de mayo de 2020, de http://simulacionkarla.blogspot.com/p/unidad-ivlenguajes-de-simulacion.html Simulación de un proceso industrial mediante el software FlexSim . (2012, febrero 6). Recuperado 11 de mayo de 2020, de https://rua.ua.es/dspace/bitstream/10045/20587/1/Simulacion_de_un_proceso_industrial_mediante_FlexSim.pdf Frank. (2013, abril 30). Ejemplo práctico de Simulación. Recuperado 11 de mayo de 2020, de http://simublablog.blogspot.com/2013/04/ejemplo-practico-de-simulacion.html simulacionsisjuanb. (s. f.). Casos Practicos De Simulacion. Recuperado 11 de mayo de 2020, de https://simulacionsisjuanb.es.tl/4-.-3Casos-Practicos-De-Simulacion.htm Alvarez, E. A. (2012, diciembre 4). UNIDAD IV LENGUAJES DE SIMULACION. Recuperado 11 de mayo de 2020, de http://foder4simulacion.blogspot.com/2012/12/unidad-iv-lenguajes-de-simulacion.html

Llavori, R. B. L. (2019). Apuntes de Simulación Informática. Recuperado 12 de mayo de 2020, de http://repositori.uji.es/xmlui/bitstream/handle/10234/7433/apuntes_2009.pdf?sequence=1&isAllowed=y

Página 9...