Beruflich Dokumente
Kultur Dokumente
INTRODUCCIN A LA SIMULACIN
Ricki G. Ingalls
Universidad Estatal de Oklahoma
322 ingeniera norte
Stillwater, OK 74078, Estados Unidos
RESUMEN
La simulacin es una poderosa herramienta si entiende y usa adecuadamente. Esta introduccin
al tutorial de simulacin diseado para ensear los fundamentos de la simulacin, incluyendo la
estructura, funcin, datos generados y su adecuada uso. La introduccin comienza con una
definicin de la simulacin, a travs de una charla sobre lo que constituye un simulacin, cmo
funciona la simulacin y cmo gestionar los datos generados por la simulacin.
A lo largo del papel, hay discusin sobre las cuestiones relativas a la utilizacin de la simulacin
en la industria.
1 DEFINICIN DE SIMULACIN.
Simulacin, segn Shannon (1975), es "el proceso de diseo de un modelo de un sistema real y
llevar a cabo experimentos con este modelo con el propsito de entender el comportamiento del
sistema o de evaluar varias estrategias (dentro de los lmites impuestos por un criterio o un
conjunto de criterios) para la operacin del sistema". Segn esta definicin, una simulacin
puede ser una simulacin de eventos discretos, como discutirn en este trabajo. Muchas
personas que asisten a esta conferencia estarn familiarizadas con el trmino "MRP simulacin."
Este es un modelo (en realidad una copia) del sistema real (el sistema MRP de registro) en la que
experimentos (o escenarios) se pueden ejecutar para evaluar diversas estrategias (por ejemplo,
cmo responder a una drstica el cambio en el pronstico). Aunque no impartimos los cursos en
nuestro plan de estudios en la "Simulacin de MRP", un Simulacin del MRP no es menos una
simulacin de que el tipo de simulacin que vamos a discutir en este tutorial. La diferencia y el
poder de simulacin de eventos discretos es la capacidad para imitar la dinmica de un sistema
real. Muchos modelos, incluyendo modelos de optimizacin de alta potencia, no tengan en
cuenta la dinmica de un sistema real. Es la capacidad para imitar la dinmica del sistema real
que da la estructura de simulacin de eventos discretos, su funcin y su forma nica para
analizar los resultados. Se toman libertades con uno de mis mentores en este campo, vamos a
decir que la simulacin es el proceso de disear un modelo dinmico de un sistema dinmico
real con el propsito de entender el comportamiento del sistema o de evaluar varias estrategias
(dentro de los lmites impuestos por un criterio o un conjunto de criterios) para la operacin de la
sistema.
3.1 ENTIDADES.
La mejor manera de entender la funcin de una entidad es comprender que entidades causan
cambios en el estado de la simulacin. Sin entidades, nada iba a suceder en una simulacin. De
hecho, una parada la condicin para un modelo de simulacin es la condicin donde no hay
entidades activas en el sistema. Las entidades tienen atributos. Los atributos son caractersticas
de una entidad dada que son nicas a esa entidad.
Atributos son esenciales para la comprensin del funcionamiento y la funcin de las entidades en
la simulacin. En nuestro ejemplo, el tipo de entidad principal es los coches que vienen al
restaurante. Adems, hay un segundo tipo de entidad creada cuando se toma la orden y que la
orden s mismo. Tiene una vida relativamente corta en la simulacin, durando slo desde el
momento en el orden se toma hasta con copia de seguridad con el coche en la camioneta
ventana.
Tambin tenemos dos atributos en nuestra simulacin. El primero es el tiempo del da en que el
coche entra en la porcin del estacionamiento del restaurante. Llamaremos este atributo
StartTime. El segundo es el valor de la orden. Nos llamaremos este atributo Valor Pedido. Ambos
son exclusivos para los clientes que estn representados en la simulacin. Otro ejemplo de una
entidad es la parte que est fluyendo a travs de una fbrica. Entidades que representan las
piezas en una fbrica se podra crear al azar o segn un horario. Un atributo comn sera el
momento que la parte comenz en la fbrica. Cada parte tendra un tiempo nico que comenz
en la fbrica. Se puede tambin haber otros atributos tales como prioridad, el tipo de parte y el
costo incurrido para producir la parte. En una simulacin de fbrica normal que es el seguimiento
de cada parte individual, no sera inusual que miles de activos en la simulacin de las entidades
simultneamente.
Entidades, sin embargo, no es necesario tener piezas en una fbrica o los coches en
instalaciones o vehculos en especial. Lo es tambin es una prctica comn usar entidades para
representar el flujo de informacin.
Esta informacin puede ser un pedido del cliente, una alerta de correo electrnico, un paquete
en una red de ordenadores, etctera. Puede ser algo no fsico que causa un cambio en el estado
del sistema. Estas entidades tambin tienen atributos. Por ejemplo, una representacin de la
entidad un paquete en una red de ordenadores tendra atributos como tamao del paquete,
destino del paquete, el tiempo que el paquete le tiempo de espera, etctera.
3.3 RECURSOS.
En una simulacin, recursos que representan algo que tiene una capacidad restringida (o
limitada). Algunos ejemplos comunes de los recursos incluyen los trabajadores, las mquinas, los
nodos en una red de comunicacin, las intersecciones de trfico, etctera. En nuestro ejemplo,
tenemos tres recursos diferentes. El primer recurso es el men del tablero, que slo un coche
puede utilizar al mismo tiempo. El tablero del men se utiliza desde el momento que un coche se
mueve delante de l hasta el coche se mueve lejos de l. En nuestro modelo, el coche no se
mueve automticamente del tablero del men despus de ha dado la orden. Tambin debe
haber espacio para avanzar. Por lo tanto, este recurso se ocupa para tiempo productivo (cuando
el ser pedido) y tiempo improductivo (cuando no hay suficiente Habitacin para tirar el coche
hacia adelante). El segundo recurso es la cocina. Se utiliza desde el momento que llega una
orden hasta que termine el orden de coccin. El tercer recurso es la ventana de recogida de
pedido. Este recurso tambin puede ser improductivo. Se produce cuando el coche ha llegado a
la ventana, pero la orden no est lista de la cocina todava. En el curso de la simulacin,
podemos seguir las estadsticas claves de cada uno de estos recursos, incluyendo la utilizacin y
los costos.
Debe sealarse tambin que recursos muy complejos pueden utilizarse en una simulacin. En
una fabricacin simulacin, son un recurso muy complejo que ofrecen muchos paquetes de
simulacin. Adems, transporte opciones como camiones se ofrecen como recursos. Un tercer
recurso complejo es un IVA o un contenedor tiene un flujo de material (continuo) en una salida
del recurso. Dependiendo del mercado objetivo del paquete de simulacin, muchos complejos
recursos estarn disponibles para usar.
3.4 VARIABLES GLOBALES.
Si eres un programador, entonces la idea de tener variables globales es nada nuevo. Una
variable global es una variable que est disponible para todo el modelo en todo momento. Una
variable global puede rastrear casi cualquier cosa es de inters para la simulacin toda. En
nuestro modelo tenemos cuatro variables globales, dos de que ayudan a nos configure el
problema y dos de los cuales recogen informacin de los ingresos. Las dos variables que nos
ayudan a configurar el problema son la longitud de la lnea permitida en el restaurante. La
primera es Men BoardLineSize, que da el tamao mximo de la lnea para el tablero del men,
incluyendo el coche que est en el men Junta. La segunda es OrderPickupLineSize, que da el
tamao mximo de la lnea despus del tablero del men, incluyendo el coche en la ventana de
activacin. Cambiando estas dos variables, el simulador puede analizar la eficacia de
configuraciones diferentes.
Las dos variables que ayudan a utilizar informacin de recoger ingresos son ingresos y
LostRevenue. Ingreso es la cantidad total de los ingresos recogidos en la simulacin, y
LostRevenue es la cantidad total de los ingresos perdi porque el cliente cree que la lnea era
demasiado larga.
3.6 EL CALENDARIO.
El calendario para la simulacin es una lista de eventos que estn programados para ocurrir en
el futuro. En cada simulacin, hay slo un calendario de eventos futuros y se ordena primero por
el horario ms temprano. En un ejemplo ms adelante, ser ms claro cmo funciona el
calendario y por qu es importante en la simulacin.
En este punto, recuerde, en cualquier momento dado, cada evento que ya ha sido programado
ocurrir en el futuro se lleva a cabo en el calendario.
Pero lo que hace estos datos realmente nos dice? Es decir que cada da, desde las 11:00 a
14:00, el ingresos para el restaurante ser $1.616,12? Es decir que cada da, desde las 11:00 a
14:00, el cantidad promedio de tiempo que un coche en lnea est 4,8951 minutos? Qu es
esta realmente diciendo? La respuesta a esa pregunta es, "estas cifras nos dan una respuesta al
azar para el desempeo de la sistema". Es una respuesta al azar porque hay entradas al azar al
sistema que nos dan esta respuesta. Entonces, cmo podemos estar seguros de que la
respuesta es buena?
La respuesta generada por slo una carrera no es realmente una respuesta en absoluto. Para
hacer el punto, tomemos el despus de 100 rodillos de los dados. Crees que 100 rodillos de los
dados nos dira la media. Pero
Si usted toma los rollos de 100 en el cuadro 8, el promedio es slo 6.72. Es eso suficiente?
Estara dispuesto apostar la prxima 100 rollos se acercaba con un promedio de 6.72.
Probablemente no. (Si ests, por favor en contacto conmigo tan pronto como sea posible en
cualquier otra apuesta que usted puede considerar.)
Cul es la respuesta a este problema. La respuesta es que si realmente queremos estimar la
media valor del rollo de los dados si tirar los dados 100 veces, es necesario correr la simulacin
varias veces. Cada vez que ejecute una simulacin se llama una iteracin. As, por ejemplo,
digamos que hemos realizamos nuestro lanzamiento de simulacin de 30 iteraciones y tabla 9 el
dado tiene los valores promedio para cada una de las iteraciones.
Si simplemente estamos tratando de estimar que la media de 100 rodillos de los dados, no
necesita preocuparse la desviacin estndar para cada iteracin. Sin embargo, necesitamos que
preocuparse por la desviacin estndar de los promedios de cada iteracin. Como se muestra en
la tabla 9, el promedio de los promedios (por as decirlo) es 6.967. La desviacin estndar de las
medias de 30 es 0.22992. Con esa informacin, podemos calcular un intervalo de confianza.
Un intervalo de confianza es una medida estadstica donde queremos que limitado algunas
estadstica. El nivel de confianza (95% en nuestro ejemplo) es la probabilidad estadstica de que
la estadstica que estamos considerando se encuentra en el intervalo. As, la interpretacin del
intervalo de confianza de 95% de [6.8847,7.0493] sera "all es una probabilidad de 95% que la
media verdadera de lanzar el dado 100 veces se encuentra entre 6.8847 y 7.0493". Ms
estadstica y paquetes de simulacin calcular automticamente los intervalos de confianza para
usted. Incluso Microsoft Excel tiene una funcin para calcular intervalos de confianza. As en
nuestro ejemplo, queremos ejecutar 30 iteraciones para que tengamos buenos intervalos de
confianza para cada una de nuestras estadsticas. (Aunque no abordaremos el tema en este
trabajo, uno debe ejecutar 30 iteraciones (Or More) si se puede para obtener intervalos de
confianza buena.) Tabla 10 muestra los intervalos de confianza para cada una de nuestras
estadsticas.
Segundos, o minutos 2,33. Por lo tanto, simplemente espera unos 3 minutos de tiempo del
coche. Una satisfaccin del cliente clave mtrica es minimizar la cantidad de tiempo que tienen
que esperar en lnea.
6 ENCONTRAR MANERAS DE MEJORAR UN SISTEMA.
Lo que hemos logrado hasta este punto es el anlisis de un sistema que existe. Hemos aprendido
que nos puede mejorar ingresos y que tenemos muy ocupado recursos. As que corramos
algunos escenarios alternativos a determinar qu (si hay) mejoras que debemos hacer.
Bien, ahora vemos una mejora! El tiempo en el sistema ha pasado de minutos 5,48 a 3.98
minutos. Han eliminado prcticamente los clientes perdidos y han aumentado los ingresos por
$149,41 por cambio de comida. Devolver el $30.000 para la implementacin de la nueva
tecnologa en 200 das o menos de 7 meses! Vale la pena la inversin y es un hroe para
calcular hacia fuera! Por qu este escenario muestra tal mejora? Fue porque nuestros recursos
no estaban tan altamente carga o. La utilizacin de tablero del men se redujo del 96% al 84% y
la lnea para el tablero del men sera mucho menor. Habra visto una cada similar en la
utilizacin de la ventana de orden, pero ahora el Ventana de orden est a menudo ser bloqueado
por la cocina.
7. QU HEMOS APRENDIDO?
Este ejercicio recuerda varias cosas acerca de simulacin en general. En primer lugar, la
simulacin puede mmico la dinmica comportamiento de un sistema. Es lo que est construido
para ello. Independientemente de la complejidad puede ser un sistema, es probable que un
experto de simulacin sea capaz de crear un modelo que lo evaluar. Sin embargo, el ms
complejo es un sistema, cuanto ms tiempo se necesita para modelar, ejecutar y evaluar. Pero
no te desanimes, hay gente muy buena simulacin disponible para grandes sistemas de modelo.
En segundo lugar, usted (o a la persona analizar el sistema) debe tener una buena comprensin
de las estadsticas de la simulacin. Es importante durante la creacin del modelo para que las
distribuciones de entrada se utilicen correctamente. Lo es importante en el anlisis de las
estadsticas de salida para que la salida no es mal interpretada. Errores ya sea con las entradas o
las salidas de har el anlisis de simulacin a ser invlido.
En tercer lugar, para analizar un sistema, la simulacin se utiliza para evaluar diferentes
escenarios. No elegir el mejor escenario para usted. Esto puede parecer un problema, pero la
mayora de los gerentes no les faltan escenarios para evaluar. La compensacin de esto es que
puede analizar la dinmica del sistema y no slo al medio comportamiento.
En cuarto lugar, los escenarios que usted elige son generados por usted y no el sistema. Aqu es
donde familiaridad con el sistema bajo estudio y una familiaridad con el sistema de conceptos de
dinmica son muy valiosas.
Por supuesto, es simplemente una introduccin. A travs de esta conferencia y la interaccin con
la simulacin profesionales, puede obtener una comprensin ms profunda de la simulacin y lo
que puede hacer para usted.
REFERENCES.
Banks, J., J.S. Carson II, B.L. Nelson, and D.M. Nicol, 2009. Discrete Event System Simulation, 5th
Ed., Upper Saddle River, New Jersey, Prentice-Hall. Law, A.M., 2007. Simulation Modeling and
Analysis, 4th Ed., New York, McGraw-Hill. Kelton, W.D., R. Sadowski, D. Sadowski, 2001,
Simulation with Arena, 2nd Edition, McGraw-Hill. Ingalls, R.G, C. Kasales, 1999. CSCAT: Compaq
Supply Chain Analysis Tool. Proceedings of the 1999 Winter Simulation Conference. ed. P.A.
Farrington, H.B. Nembhard, D.T. Sturrock and G.W. Evans. Piscataway, New Jersey: Institute of
Electrical and Electronics Engineers. Ingalls, R.G., 1998. The Value of Simulation in Modeling
Supply Chains. Proceedings of the 1998 Winter Simulation Conference. ed. D.J. Medeiros, E.F.
Watson, J.S. Carson, and M.S. Manivannan. Piscataway, New Jersey: Institute of Electrical and
Electronics Engineers. Ingalls, R.G., C. Eckersley, 1992. Simulation Issues in Electronics
Manufacturing. Proceedings of the 1992 Winter Simulation Conference. ed. J.J. Swain, D.
Goldsman, R.C. Crain and J.R. Wilson. Piscataway, New Jersey: Institute of Electrical and
Electronics Engineers. Shannon, Robert E., 1975. Systems Simulation The Art and Science,
Prentice-Hall.