Repblica Bolivariana de Venezuela Ministerio del Poder Popular para la Educacin Universitaria I.U.T.

Antonio Jos de Sucre Investigacin de Operaciones

Realizado por: Jess Velsquez C.I.:19.458.262

Maracaibo, 15 de Julio de 2011

Esquema  Introduccin 1. Simulacin probabilstica 1.1 Ciclo Probabilstico 1.2 Generadores de nmeros pseudos-aleatorios 1.3 La Moneda Trucada de John von Neumann 1.4 Proceso de La Simulacin 2. Simulacin y control de inventario  Conclusin  Bibliografa

Introduccin

En l actualidad un problema muy comn es el de la tendencia de muchos de los componentes a convertirse en imperios relativamente autnomos, con sus propias metas y sistemas de valores. Este tipo de problemas, y la necesidad de encontrar la mejor forma de resolverlos, proporcionaron el surgimiento de la Investigacin de Operaciones. Cuyo objetivo es determinar la mejor solucin para un problema de decisin con la restriccin de recursos limitados. Entre los modelos de investigacin de operaciones se cuenta con el modelo de simulacin los cuales difieren de los matemticos en que las relaciones entre la entrada y la salida no se indican en forma explcita. En cambio, un modelo de simulacin divide el sistema representado en mdulos bsicos o elementales que despus se enlazan entre si va relaciones lgicas bien definidas. Por lo tanto, las operaciones de clculos pasaran de un mdulo a otro hasta que se obtenga un resultado de salida. Los modelos de simulacin cuando se comparan con modelos matemticos; ofrecen mayor flexibilidad al representar sistemas complejos, pero esta flexibilidad no esta libre de inconvenientes. La elaboracin de este modelo suele ser costoso en tiempo y recursos. Por otra parte, los modelos matemticos ptimos suelen poder manejarse en trminos de clculos.

Contenido 1. Simulacin probabilstica El anlisis Montecarlo es la tcnica mas utilizada para realizar corridas de simulacin probabilstica, las cuales pueden ser financieras, de administracin de riesgos o de cualquier sistema que contenga variables inciertas, de cualquier forma, el resultado es una distribucin de probabilidad para la variable en cuestin. Una simulacin puede contener cientos de iteraciones. El resultado de estas corridas son los mrgenes de variacin que puede tener el resultado, as como sus medidas de tendencia central. En los clculos estadsticos y de probabilidad, la simulacin es un elemento de suma importancia. La simulacin permite analizar la realidad que investigamos a travs de representaciones reducidas de la realidad, denominadas modelos. Los resultados obtenidos se proyectan y aplican en los fenmenos aleatorios que se trata de conocer. La aplicacin de la simulacin para dilucidar cuestiones probabilsticas se conoce como el mtodo Montecarlo y tiene mltiples aplicaciones en distintas disciplinas. La Simulacin probabilstica requiere curvas de densidad de probabilidad para generar tiempos de carguo, descarga, posicionamiento para cargar y descargar, viajes ida y regreso, demoras y destreza del operador. Las funciones de distribucin de probabilidad f(x) representan el sistema real. La Fig. N 1 muestra la informacin requerida para el proceso de simulacin probabilstica.

Fig. N1 Perfil de acarreo de simulacin aleatoria

Se emplean nmeros pseudo aleatorios R o funciones rectangulares para determinar la variable aleatorio x para la cual la distribucin acumulada F(x) de la funcin de probabilidad f(x) es R, o F(x) = R x = 1/F(R). Los R se obtienen de tablas de nmeros aleatorios o se generan en el computador mediante programas simples. Los clculos se simplifican si estos nmeros siguen distribuciones conocidas como la normal tipificada (Ramani, 1990). De esta manera sin tener la informacin de campo pero con conocimiento de la funcin de distribucin terica del sistema, se puede generar gran cantidad de datos o variables aleatorias para la simulacin. Ciclo Probabilstico Se basa en el estudio de la informacin de tiempo. La va de acarreo puede dividirse en varios segmentos registrando el tiempo de viaje de cada segmento. Se analiza y agrupa la informacin y se describe mediante una funcin de distribucin probabilstica conocida o emprica. Si se cambian los tipos de trasportadores y los segmentos de va, se cambiar tambin los parmetros de la distribucin. El tiempo de viaje de cualquier segmento de va se obtiene mediante muestreo Montecarlo de la distribucin acumulativa de probabilidad. Generadores de nmeros pseudos-aleatorios Para poder simular, por ejemplo, el lanzamiento de un dado o de una moneda, los ordenadores disponen de generadores de nmeros pseudo-aleatorios que permiten obtener una secuencia aleatoria de nmeros, normalmente uniformemente distribuidos en (0,1); es decir, cualquier nmero mayor que 0 y menor que 1 tiene la misma probabilidad de salir. Para simular un experimento concreto, bastara hacer una correspondencia entre las ocurrencias del experimento y las ocurrencias del generador pseudos aleatorio (por ejemplo, si el numero es menor de 0.5 se supone que ha salido cara y si es mayor, entonces se supone que ha salido cruz). Existen distintos generadores de nmeros pseudoaleatorios. Consultar Google durante unos minutos para tener una idea global (En ingles se les conoce como Pseudo-random number generators o PRNG). Una de las tcnicas ms simples la propuso Von Neumann en 1940 y se llama Tcnica Mid Square (mitad del cuadrado). La Tcnica necesita de una semilla inicial (un numero entero) que debe proporcionar el usuario. La semilla se eleva al cuadrado, con los dgitos centrales se forma el aleatorio deseado y este constituye la nueva semilla para generar el siguiente aleatorio. Se repite el procedimiento tantas veces como aleatorios necesite.

La Moneda Trucada de John von Neumann Imaginemos una apuesta en la que nos jugamos el dinero a cara o cruz utilizando una moneda. Como asegurarnos de que la apuesta ser justa (probabilidad 0.5) a pesar de que la moneda pueda estar trucada? Von Neumann dio con la siguiente solucin: Lanzar la moneda en dos ocasiones y definir unos nuevos eventos cara (C) y cruz (X) dependiendo de qu combinacin de dos lanzamientos se obtenga CXC XCX C C se vuelve a tirar X X se vuelve a tirar Programe la funcin moneda Trucada(N, p) en Matlab (software matemtico que ofrece un entorno de desarrollo integrado (IDE) con un lenguaje de programacin propio (lenguaje M). Est disponible para las plataformas Unix, Windows y Apple Mac OS X.) que implemente este algoritmo, donde N es el numero de lanzamientos dobles validos (C o X) y p es la probabilidad de sacar cara en un lanzamiento simple de la moneda. Proceso de La Simulacin. Es apropiado examinar el proceso completo para el cul el anlisis de simulacin es planeado y ejecutado. El diseo del modelo de simulacin es en s mismo una parte crtica de cualquier estudio. El proceso comprende tres tipos de actividades: 1. Actividades de presimulacin. 2. Actividades de desarrollo. 3. Actividades de operacin 2. Simulacin y control de inventario En el mundo, ni una familia como organizacin bsica escapa a la manutencin y control de inventarios. Desde la familia de escasos recursos, que compran alimentos para consumo en forma directa, hasta la familia de amplios recursos que compra alimentos en forma peridica, destinada a uno o ms miembros o labores relacionados con el control y mantencin de alimentos y otras mercaderas para su subsistencia. En estos casos no es fcil resolver interrogantes como:

y y y y

Cunto y cuando se requiere de alimento? De cuanto alimento se dispone en un momento dado? Dnde adquirirlo y cuanto pagar? Para cuanto tiempo adquirir alimentos?, entre otros

Sin embargo, no es aventurado asegurar que toda la familia, o alguno de ella en un momento dado, deben responder a estas y otras preguntas. Y por l hecho de hacerlo existe un sistema interno de inventario dentro del cual se toman las decisiones correspondientes.

Unas ves utilizado gran parte de los alimentos le recuerdan que es momento de restablecerse de alimento, este es un ejemplo de redondeo de punto fijo. En un momento preestablecido del proceso de operaciones, el sistema se disea para sealar o alertar de que el inventario debe resurtirse. La seal se dispara cuando el inventario llega a cierto punto o nivel. La meta de un sistema de redondeo de punto fijo es reducir los costos de inventarios y asegurar que no se agote un artculo. Otro sistema de inventario comn es el sistema de reordena de intervalo fijo que emplea el tiempo como factor determinante para el control de inventario. En un momento predeterminado el inventario se cuenta y se coloca una orden por l nmero necesario para volver el inventario a su nivel deseado. El diseo de sistema de inventarios toma en cuenta las caractersticas ms relevantes del mundo real, es decir, aquellas variables cuya presencia tiene efectos significativos sobre el objeto fijado. Desde este punto de vista el sistema presenta una simplificacin o abstraccin de una realidad. Por otra parte, la

operacin del sistema se facilita con el empleo de modelos, que en forma directa o indirecta dan eleccin ms conveniente, segn los supuestos que han llevado a su formulacin. El desarrollo de modelo no es un trabajo reciente en el campo de la administracin. Los esquemas de balance de la empresa representan modelos generales que simplifican la realidad de la empresa, pero que son capaces de proveer informacin para la toma de decisiones de los ejecutivos. En otros casos los modelos, segn los supuestos de su construccin dan una o ms alternativas que permiten si la realidad se comporta como establece el modelo, lograr el mejor desempeo del sistema. Se distinguen dos tipos de modelo que son los empricos y matemticos. Los modelos empricos corresponden a los que utilizan las empresas para administrar sus inventarios, cuando no se encuentra una funcin u objetivo claramente cuantificado que trate de optimizar, y en que la informacin que se provee a los ejecutivos no permite fcilmente establecer cual es la estrategia de mayor eficiencia econmica. Por otro lado los modelos matemticos se caracterizan por representar la realidad que les preocupa en smbolos y relaciones matemticas. Dentro de los modelos matemticos se distinguen dos grupos de modelos, los modelos de optimizacin y los modelos de simulacin. Los modelos de simulacin parten de una funcin objetiva expresada en forma matemtica y por su construccin es posible obtener la o las estrategias que logran el nivel ms alto de eficiencia del objetivo. En general, la optimizacin del modelo ser real en la medida que sea una representacin adecuada del mundo que esta en estudio. A su vez, los modelos de optimacin se agrupan en modelo deterministicos y modelos aleatorios o estocsticos. Los modelos deterministicos reciben a un conjunto de variables, cuyo comportamiento o valor en el futuro se supone cierto, es decir, no sujetos a variacin. En cuanto a los modelos estocsticos, se caracterizan por que un o ms variables pueden tener diferentes valores futuros, y cada uno de ellos tiene una cierta probabilidad de ocurrencia.

Conclusin La simulacin consiste bsicamente en construir modelos informticos que describen la parte esencial del comportamiento de un sistema de inters, as como en disear y realizar experimentos con el modelo y extraer conclusiones de sus resultados para apoyar la toma de decisiones. Tpicamente, se utiliza en el anlisis de sistemas tan complejos que no es posible su tratamiento analtico o mediante mtodos de anlisis numricos. Sus orgenes estn en los trabajos de Student para aproximar la distribucin que lleva su nombre, y los mtodos que Von Neumann y Ulam introdujeron para resolver ecuaciones integrales. Desde entonces. A partir de lo anteriormente dicho podemos llegar a la conclusin que una simulacin probabilstica y control de inventario ofrece una serie de ventajas como los son: a) La simulacin hace posible estudiar y experimentar con las interacciones complejas de un sistema dado (sin importar cul). b) A travs de la simulacin podemos estudiar el efecto de cambios ambientales, organizacionales de cierta informacin, en la operacin del sistema. c) La observacin detallada del sistema simulado nos permite tener una mejor comprensin del mismo. d) La experiencia al disear un modelo de simulacin para computadora es ms valiosa que la simulacin en si e) La simulacin nos permite experimentar con situaciones nuevas, para los cuales no se tiene o hay poca informacin Al igual que desventajas: a) Los modelos de simulacin para computadora son costosos y requiere tiempo para desarrollarse y validarse. b) Se requiere gran cantidad de corridas para encontrar soluciones ptimas. c) Es difcil aceptar los modelos de simulacin. d) Los modelos de simulacin no son de optimizacin directa (son modelos de anlisis). e) Se pueden tener restricciones o limitaciones en la disponibilidad del software requerido. La Simulacin ha crecido como una metodologa de experimentacin fundamental en campos tan diversos como la Economa, la estadstica, la Informtica o la Fsica, y con enormes aplicaciones industriales y comerciales, como los simuladores de vuelo, los juegos de simulacin, o la prediccin burstil o meteorolgica

Fuentes consultadas Bibliografa  Tcnicas de Simulacin por Computadora. Autor:Naylor, Burdick.Editorial Limusa  Decisiones en administracin de inventarios.Autor: Arangusen, Carlos Olavarria  Probabilidad y estadstica.Autor: Evans Michael  Investigacin de operaciones: aplicaciones y algoritmos. Autor: Wayne L. Winston Hemerogrfia  http:www.scielo.org.pe/pdf/iigeo/v10n19/a03v10n19.pdf  http://es.scribd.com/doc/18923556/Simulacion-de-Monte-Carlo-Aplicado-aLa-Evaluacion-de-Proyectos-Mineros  http://www.wikilearning.com/monografia/costos_de_inventarios_planificacio n_de_stoks_y_aprovisionamiento/14337-1