Beruflich Dokumente
Kultur Dokumente
1. INTRODUCCIN
La variabilidad e incertidumbre son caractersticas inherentes en cual
quier sistema que involucre personas y maquinarias. La simulacin
de procesos estocsticos en produccin, logstica y servicios se utiliza
cada vez ms en la investigacin de sistemas de creciente complejidad
y variabilidad, que no podran ser estudiados y evaluados mediante
tcnicas analticas convencionales.
El presente artculo muestra los principales aspectos en el modela
do de un sistema bsico de control del trfico para simularlo y observar
su comportamiento en el ritmo de arribos, tiempo de recorrido y veloci
dades, as como monitorear el trfico, experimentar congestionamien
tos y evaluar medidas para controlar el exceso de velocidad. Tambin
se modela y evala el funcionamiento de semforos en intersecciones.
Dado que las muestras aleatorias son realizaciones de variables alea
torias, entonces las estimaciones podran diferir significativamente de
las respuestas verdaderas para el modelo y haber una significativa pro
babilidad de obtener inferencias errneas acerca del sistema bajo estu
dio. En este sentido, se ilustran los aspectos ms relevantes que deben
ser abordados en la configuracin de un experimento de simulacin, ta
les como la determinacin del tiempo de simulacin adecuado, el nmero
de rplicas, el perodo de calentamiento, la evaluacin de indicadores
para someterlos a la prueba de normalidad y la aplicacin de tcnicas
de reduccin de varianza. Finalmente, se identifican y miden los princi
pales indicadores de desempeo del sistema y se muestra una metodo
loga para realizar el anlisis estadstico de las respuestas del modelo
respecto a las variables de inters y la comparacin de escenarios. Estos
aspectos aseguran la validez estadstica de los indicadores para realizar
la inferencia estadstica con un determinado nivel de confianza.
46
Figura 1
Esquema de va expresa hipottica
Salida 1
DIRECCIN 2
Tramo 2
Tramo 1
Tramo 1
Tramo 3
Tramo 2
DIRECCIN 1
Salida 1
Salida 2
Elaboracin propia.
Direccin 2
Rangos de
velocidades
(km/hora)
Probabilidad
de arribo
Tiempo de recorrido
(minutos)
Probabilidad
de arribo
Tiempo de recorrido
(minutos)
hasta 60
0.30
uniforme (25,30)
0.40
uniforme (22,26)
60 - 80
0.50
uniforme (18,20)
0.45
uniforme (16,19)
ms de 80
0.20
uniforme (14,18)
0.15
uniforme (12,16)
Elaboracin propia.
47
Tiempo
segundos
Direccin 1
Direccin 2
Luz verde
Luz roja
Luz verde
Luz roja
300
100
240
120
Elaboracin propia.
48
Figura 2
Modelo de Direccin 1, software Arena, Rockwell software
49
50
Figura 3
Modelo de Direccin 2, software Arena, Rockwell software
Perodo de
calentamiento
Tiempo de
simulacin
51
52
Figura 5
Grficas representativas de los indicadores propuestos
53
Figura 6
Factor de precisin
Elaboracin propia.
Sn 2
S2
h = Z (1a / 2) n
n
n
54
h
0.14
=
' o
n n=
n 20 =
n 39
0.1
e
40 rplicas.
Mtodo 2
t( n1,1a / 2) S( n)
n=
2.093 0.289
=
n 37
Reemplazando valores
tenemos: n =
0.1
55
Figura 9
Reporte de resultados
El sistema inicialmente
est vaco
40 rplicas para medir los
indicadores de desempeo
del sistema en estudio,
12 horas de perodo de
calentamiento
60 horas de tiempo total
de simulacin
24 horas por da
La base de tiempo est
en minutos.
56
x
(
x
X
)
x
xi
i
i
i
n i 1
=i 1 =
=1
s 2 i=
= i =1 =
n 1
n
n 1
n
Sn
X t( n 1,1a / 2)
para n < 30
n
Sn
X z(1a / 2)
para n > 30
n
57
Figura 11
Resultados posibles de la prueba Paired-t
Elaboracin propia.
Intervalo de confianza:
Sn
d
t
(n 1,1a /2)
n
Sn
diferencias d= X Y
1 1
+
X 1 X 2 t(n1 + n1 2,1a / 2) S p
n
n2
1
Sp =
Sp: Desviacin estndar
Ponderada (combinada).
Indicador 1
En este experimento se desea realizar con 95% de confianza, la estimacin del indicador tiempo promedio de permanencia de los vehculos,
que van desde el inicio hasta el final de cada va.
58
Figura 13
Intervalos de confianza para el indicador 1
59
Conclusiones:
Se ha estimado, con 95% de confianza, que el tiempo promedio de per
manencia en la direccin 1 se encuentra en el intervalo: [44.1, 44.3]
minutos. En la direccin 2 se est en el intervalo: [31.5, 31.6] minutos.
El resultado es comprensible porque la direccin 1 est compuesta por
3 tramos, lo que implica un factor de 2.1 del tiempo promedio para
cruzar la direccin 1:
Tiempo total = 100% tramo 1 + 80% tramo 1 + 30% tramo 1.
Para verificar la expresin anterior supongamos que el tiempo asig
nado a un vehculo en el tramo 1 es de 28 minutos, entonces, el tiempo
que le demandar cruzar la va completa ser de 28+0.8*28+0.3*28=58.8
minutos. Esta cifra tambin representa el producto de 28 por el factor
2.1. En cuanto a la direccin 2, al tener tiempos de recorrido cercanos
a los de la direccin 1 y al tener solo 2 tramos, entonces posee un factor
de 1.6 del tiempo promedio para cruzar la direccin 2, menor al de la
direccin 1. Si se aplicara la prueba de comparacin de medias con la
prueba two-sample-t para evaluar si existe significancia estadstica,
es evidente que se encontraran diferencias significativas entre ambos
promedios.
Indicador 2
Se desea realizar una comparacin de medias con 90% de confianza,
entre el nmero promedio de autos que transitaron por ambas vas y
analizar si existe diferencia significativa entre ambos indicadores.
Medicin de la variable de inters: nmero promedio de autos o
work in process (wip):
Mtodo 1: Medicin del wip
Figura 14
Medicin del indicador 2: Mtodo 1
Figura 15
Modelo para indicador 2: Mtodo 2
61
Figura 17
Comparacin de medias del indicador 2, wip: Two sample-t
Conclusiones:
Existe significancia estadstica para el nmero promedio de vehculos
que transitaron por ambas vas; la prueba arroja un intervalo: [14.25,
14.76] vehculos (figura 17). Existen diferencias estadsticamente sig
nificativas para aceptar la hiptesis alternativa H1, las medias son di
ferentes con 90% de confianza, la direccin 1 presenta un mayor pro
medio de vehculos. El resultado se explica por las diferencias en las
tasas de llegada de los autos:
Tiempo entre arribos (segundos/autos)
Tasa (autos/hora)
Indicador 3
Se desea experimentar la adicin de tres rangos de velocidades en ambas direcciones, las cuales se ajustan a distribuciones de probabilidad
uniforme (40,60), uniforme (60,80) y uniforme (80,100) en kilmetros
62
Figura 19
Comparacin de medias del indicador 3: Two sample-t
63
Conclusiones:
Existe significancia estadstica entre las velocidades promedio que los
vehculos emplean en ambas direcciones; la prueba arroja un intervalo:
[2.96, 3.12] kph (figura 19). Con 90% de confianza las medias no son
iguales, se rechaza la hiptesis nula H0, la direccin 1 presenta una ve
locidad promedio mayor. Si bien las vas son totalmente independien
tes, la diferencia se explica principalmente por las distintas proporcio
nes de las probabilidades vinculadas a las velocidades en la direccin
1 (30%, 50% y 20%) y en la direccin 2 (40%, 45%, 15%). En general,
existe una relacin inversa entre velocidad promedio y tiempo de viaje,
pero el factor determinante para esta relacin son las proporciones de
las probabilidades mencionadas. Para comprobar esta afirmacin se
coloc la misma proporcin de las probabilidades para ambas direccio
nes: 30%, 50% y 20%. Planteado de esta manera, no existen diferencias
significativas entre las velocidades promedio: [-0.1290, +0.0803] km/h.
Tambin se concluye que el tiempo entre arribos de los autos no es un
factor influyente.
Indicador 4
Se desea investigar la posibilidad de mejorar el tiempo promedio de espera de los autos, en el semforo de la direccin 1, reduciendo el tiempo
de luz verde de 300 a 240 segundos.
Figura 20
Cambio en el modelo y medicin del indicador 4, tiempo promedio de espera
64
Direccin 2
Arribos
secuencia 1
secuencia 2
Velocidades
Tiempo de recorrido
tramo 1
Tiempo de recorrido
tramo 1
Hasta 60
secuencia 3
secuencia 6
60 - 80
secuencia 4
secuencia 7
ms de 80
secuencia 5
secuencia 8
Elaboracin propia.
65
Figura 21
Resultados del indicador 4: Secuencias comunes
66
67
Conclusiones:
Al aplicar la comparacin de medias utilizando la tcnica de secuencias
comunes se obtuvo el intervalo: [-0.0114, +0.0132] minutos (figura 22) y
con secuencias antitticas el intervalo: [-0.0100, +0.0176] minutos (figu
ra 25). En ambos casos, no existe evidencia estadstica suficiente para
aceptar la hiptesis alternativa H1 (es decir, para rechazar la hiptesis
nula H0), las medias del indicador son iguales, con un 95% de confian
za. La reduccin en el tiempo de luz verde en el semforo no genera
ninguna mejora en cuanto a disminuir el tiempo promedio de espera de
los vehculos. Este resultado es explicable, ya que la variable que tiene
relacin directa con el indicador medido es el tiempo de luz roja.
Se aplicaron tcnicas de control de secuencias de nmeros aleatorios
para introducir correlacin entre las diferentes rplicas y as reducir la
varianza de los resultados y lograr mejores estimaciones e intervalos
de confianza ms precisos, sin tener que incrementar el tamao de la
muestra.
6. Evaluacin de escenarios
Escenario 1
Se desea investigar la posibilidad de implementar un servicio de asistencia vehicular, que inicialmente funcionar solo en la direccin 2.
Contar con una camioneta de auxilio mecnico, cuya base ser ubicada al inicio de la va. As, al ser requerida, esta se desplazar hasta
el vehculo averiado, en un tiempo que se ajusta a una distribucin
uniforme(4,6) minutos. Asistir al auto averiado vara de acuerdo a una
distribucin uniforme(10,30) minutos; finalmente, la camioneta regresa
a su base. El mayor nmero de incidencias se produce despus de los
primeros 2/3 de recorrido del tramo 2; cualquier vehculo tiene una
probabilidad de 3% de quedar averiado, en ese caso, el vehculo queda
a un costado, a la espera del auxilio mecnico; una vez reparado el auto,
este contina con el ltimo tercio que le resta de su recorrido en el tramo
2. Se desea estimar con 95% de confianza el nmero promedio de autos
atendidos por el servicio de auxilio mecnico.
La figura 26 presenta la seccin del modelo en la que se implementa
el servicio de asistencia vehicular, vase adems la configuracin del
indicador nmero de autos atendidos.
68
Figura 26
Cambios en el modelo para incluir servicio de asistencia vehicular: Escenario 1
Figura 27
Medicin del indicador: Nmero de autos atendidos
69
Figura 28
Intervalo de confianza para el nmero de autos atendidos
Prueba de normalidad
El test consiste en someter las muestras obtenidas a pruebas estads
ticas de bondad de ajuste a la distribucin normal. Se aplicarn las
pruebas de Chi-cuadrado y de Kolmogorov-Smirnov.
70
Figura 29
Prueba de normalidad para el nmero de autos atendidos
71
Figura 30
Prueba de normalidad: Aumento progresivo del tiempo de simulacin
Conclusiones:
Al repetir el experimento y aumentar progresivamente el tiempo de
simulacin (figura 30), aument el nmero de autos atendidos por r
plica. En el cuadro 4 se muestran los resultados que arroja la prueba
Chi-cuadrado.
Cuadro 4
Valores del indicador p. prueba Chi-cuadrado
Horas
60
70
80
90
100
p-value
0.0177
0.0557
0.0414
0.199
0.414
Elaboracin propia.
Escenario 2
Se desea experimentar situaciones crticas del sistema, cuando presenta
niveles altos de estrs y realizar la medicin de indicadores de desempeo. En este sentido, se plantea simular la posibilidad de cerrar la
Salida 1 en la direccin 2, con la finalidad de medir el nivel de congestionamiento en el trfico, en el segundo tramo de dicha va.
Figura 31
Cambios en el modelo cuando se cierra la salida 1: Escenario 2
Figura 32
Medicin de indicadores: Escenario 2
73
Figura 33
Intervalo de confianza para los indicadores medidos
Conclusiones:
Se simul el sistema en una posible situacin crtica, cerrando la nica
salida lateral en la direccin 2. Se midieron variables de inters, tales
como el nmero promedio de autos (wip tramo 2) y el intervalo prome
dio entre salidas (time between). La salida lateral en la direccin 2 es
relevante. Con un n.c. de 95% se obtienen los intervalos siguientes:
74
Situacin normal
Situacin crtica
Work in process:
Time between:
Escenario 3
Dado un posible congestionamiento vehicular en la va expresa, se desea
experimentar posibles medidas con el fin de evitar que sucedan los accidentes por exceso de velocidad. Al cerrar la salida lateral en la direccin
2 se increment el trfico en el tramo 2. Se desea monitorear el trfico
para controlar y reasignar la velocidad de un auto, en esta situacin
crtica, como se muestra en el cuadro 5.
Cuadro 5
Reasignacin de velocidades
Control de velocidad
Direccin 2 Tramo 2
Velocidad
de ingreso
Wip > 20
Wip > 15
Wip < 15
V. Baja
Mantener velocidad
Mantener velocidad
Mantener velocidad
V. Media
Reducir a v. baja
Mantener velocidad
Mantener velocidad
V. Alta
Reducir a v. baja
Reducir a v. media
Mantener velocidad
Elaboracin propia.
75
Figura 34
Cambios en el modelo cuando se reasignan velocidades: Escenario 3
Figura 35
Medicin de indicadores: Escenario 3
76
Figura 36
Intervalos de confianza para los indicadores medidos
Conclusiones:
Se reformul el modelo original, cerrando la salida lateral en la direc
cin 2 y se model la posibilidad de que, dependiendo del nivel de con
gestin en el trfico en el tramo 2, se pueda modificar el tiempo de viaje
y controlar (o disminuir) la velocidad de aquellos autos que excedan los
lmites propuestos. En el cuadro 6 se presenta la matriz comparativa
que se obtuvo midiendo diversos indicadores de desempeo, con un ni
vel de confianza de 95%.
Cuadro 6
Matriz comparativa de resultados
Direccin 2
Indicador
Situacin
normal
Situacin
crtica
Situacin crtica
controlada
[64.9, 65.1]
[64.9, 65.1]
[59.9, 60.2]
[11.18, 11.32]
[15.98, 16.14]
[17.10, 17.30]
[24.4, 25.3]
[31.9, 33.2]
[37.9, 11.32]
[1.06, 1.08]
[0.75, 0.76]
[0.75, 0.76]
Elaboracin propia.
77
Referencias
1. Allende, H. (2002). Test de hiptesis. Recuperado de http:www.
inf.utfsm.cl/~hallende/Patern/ apuntes/Cap00Simulacion.pdf
2. Banks, J. (2004). Discrete-event system simulation. En: W. J.
Fabrycky & J. H. Mize (Eds.). Prentice Hall International, series
in industrial and systems ingineering, 354-382. Nueva Jersey:
Series Editors.
3. Chanca, C. J. & Castellanos, J. (2004). Simulacin microscpica
de trfico urbano y su aplicacin en un rea de la ciudad de
Zaragoza. Recuperado de http://www.mendeley.com/research/
simulacin-microscpica-trfico-urbano-y-su/#page-1.
78
79