Simulacion Final

MODELADO CON SIMULACIÓN
GESTION INTEGRAL DE MANTENIMIENTO

Propósito de aprendizaje:
Cuando Ud. complete esta clase debe conocer y

aplicar:
1. Enfrentar una amplia gama de problemas

usando simulación.
2. Entender los siete pasos para realizar una

simulación.
3. Explicar las ventajas y desventajas de la

simulación.
4. Desarrollar intervalos de números

aleatorios y utilizarlos para generar
resultados.
5. Practica dirigida.

Introducción
• La simulación es una de las herramientas

de análisis cuantitativo más utilizadas.
• Simular es tratar de duplicar las funciones,

apariencia y características de un sistema
real.
• Vamos a construir un modelo matemático

que se aproxime lo más posible a la
representación de la realidad del sistema.

Proceso de simulación
Al utilizar la simulación, un gerente de mantenimiento debería:
Definir el problema
Introducir variables
independientes
Construir el modelo de
simulación
Especificar valores de
variables que se van a probar
Realizar la simulación
Examinar los resultados
Elegir el mejor curso de

acción
Ventajas de la simulación
La simulación tiene las siguientes ventajas:
1. Es relativamente directa y flexible.
2. Los avances recientes en software hacen que seaea

muy sencillo desarrollar modelos de simulación.
3. Sirve para analizar situaciones reales grandes y

complejas.
4. Permite preguntas del tipo “¿qué sucedería si?”
5. No interfieren con el sistema real.
6. Nos permite estudiar el efecto interactivo de losos

componentes o variables individuales.
7. Es posible el “tiempo de compresión”.
8. Acepta la inclusión de complicaciones del mundo real.

Desventajas de la simulación
1. Desarrollar el modelo con frecuencia

resulta costoso y requiere un proceso
complicado y largo.
2. No genera soluciones óptimas; es un

enfoque de ensayo y error.
3. Requiere que los gerentes genere todas

las condiciones y restricciones del
problema del mundo real.
4. Cada modelo es único y la solución y las

inferencias por lo general no son
transferibles a otros problemas.

Simulación Monte Carlo
• Cuando un sistema contiene elementos que exhiben el azar en

su comportamiento, se puede aplicar el método Monte Carlo de
simulación.
• Unos cuantos ejemplo de estas variables son:
- La demanda de un inventario diario o semanal.

- El tiempo de entrega de las o/c del inventario.
- Los tiempos entre descomposturas de las máquinas.
- Los tiempos entre llegadas a las instalaciones de servicio.
- Los tiempos de servicio.
- Los tiempos para terminar las actividades de un proyecto.
- El número de empleados ausentes en el trabajo cada día.

• La base de la simulación Monte Carlo es la experimentación sobre
los elementos posibles (o probabilísticos) mediante el muestreo
aleatorio.
• La técnica se compone de cinco pasos sencillos:
1. Establecer las distribuciones de probabilidad para las

variables de entrada importantes.
2. Elaborar una distribución de probabilidad acumulada para
cada variable del paso 1.
3. Establecer un intervalo de números aleatorios para cada
variable.
4. Generar números aleatorios.
5. Simular una serie de pruebas.

Ejercicio 1
En Grupo Hinostroza SAC, la llanta «radial TX» es responsable de

gran parte de sus ventas generales. Al identificar que los costos de
inventario son significativos con este producto, Hinostroza SAC quiere
determinar una política para administrar el inventario. Desea simular
la demanda diaria para 10 días.
Solución:
Paso 1: Establecer distribuciones de probabilidad
Una forma común de establecer una distribución de probabilidad es

examinar los eventos históricos. Las estimaciones gerenciales
basadas en el juicio y la experiencia también se pueden utilizar.

Demanda histórica diaria para llantas radiales y la distribución de
probabilidad
DEMANDA DE FRECUENCIA PROBABILIDAD DE

LLANTAS (DÍAS) OCURRENCIA
0 10 10/200= 0.05
1 20 20/200= 0.10
2 40 40/200= 0.20
3 60 60/200= 0.30
4 40 40/200= 0.20
5 30 30/200= 0.15
200 200/200= 1.00

Paso 2: Elaborar una distribución de probabilidad acumulada para cada variable
• Una probabilidad acumulada es la probabilidad de que una variable (demanda) sea
menor o igual que un valor específico.
• Una distribución acumulada lista todos los valores posibles y las probabilidades
PROBABILIDAD
DEMANDA DIARIA PROBABILIDAD
ACUMULADA
0 0.05 0.05
1 0.10 0.15
2 0.20 0.35
3 0.30 0.65
4 0.20 0.85
5 0.15 1.00

Paso 3: Establecer intervalos de números aleatorios
• Asignar un conjunto de números para representar cada valor o resultado posible.

• Estos se conocen como intervalos de números aleatorios.
• Un número aleatorio es una serie de dígitos que han sido seleccionados por un
proceso totalmente aleatorio.
• El rango de los intervalos de números aleatorios corresponde exactamente con la
probabilidad de los resultados.
DEMANDA PROBABILIDAD INTERVALO DE

PROBABILIDAD NÚMEROS
DIARIA ACUMULADA ALEATORIOS
0 0.05 0.05 01 a 05
1 0.10 0.15 06 a 15
2 0.20 0.35 16 a 35
3 0.30 0.65 36 a 65
4 0.20 0.85 66 a 85
5 0.15 1.00 86 a 100

Representación gráfica de la distribución de probabilidad acumulada para las llantas
radiales
1.00
1.00 100
0.85 86
Probabilidad acumulada
85 Representa
0.80 demanda de 4
0.65 66 llantas
65
0.60
Aleatorios
Números
0.40 0.35 36
35
0.20 0.15 16 Representa

15 demanda de 1
0.05 06
05
llanta
0.00 01
0 1 2 3 4 5 GESTION INTEGRAL DE MANTENIMIENTO
Paso 4: Generar números aleatorios
• Los números aleatorios se pueden generar de varias

maneras.
• Si el problema es muy grande, se dispone de programas de
software para generar los números aleatorios necesarios.
• Para los pequeños problemas, procesos aleatorios como
ruedas de ruleta o chips que tiran de un sombrero puede ser
utilizado.
• El método manual más común es usar una tabla de números
aleatorios.
• Porque todo es aleatorio en una tabla de números
aleatorios, podemos seleccionar los números desde
cualquier lugar de la tabla a utilizar en la simulación.

Tabla de números aleatorios

Paso 5: Simulación del experimento
• Seleccionamos números aleatorios de la tabla.
• El número que seleccione tendrá un rango

correspondiente de la tabla.
• Usamos la demanda diaria que corresponde a la gama

de probabilidad alineada con el número aleatorio.

Simulación de 10 días de demanda de la llanta radial TX
DÍA NÚMERO ALEATORIO DEMANDA DIARIA SIMULADA
1 52 3
2 57 3
3 82 4
4 69 4
5 98 5
6 96 5
7 33 2
8 50 3
9 88 5
10 90 5
39 demanda total de 10 días
3.9 demanda diaria promedio de llantas

5
Demanda diaria esperada = probabilidad de i llantas x (demanda de i llantas)

i=0
= (0.05)(0) + (0.10)(1) + (0.20) (2) + (0.30)(3)

+ (0.20) (4) + (0.15)(5)
= 2.95 llantas
• La demanda media de esta simulación (3.9 llantas) es diferente

de la demanda diaria esperada.
• Si esta simulación se repite cientos o miles de veces, es más

probable que la demanda simulada promedio sea casi la misma
que la demanda esperada. GESTION INTEGRAL DE MANTENIMIENTO
1. Simulación y un Análisis de inventario
• En muchas situaciones de la vida real del inventario, la demanda

y el tiempo de entrega son variables.
• El análisis exacto es difícil sin simulación.
• Veremos un problema de inventario con dos variables de decisión

y dos componentes probabilísticos.

Ejercicio 2
EDIPESA SAC quiere establecer la cantidad a ordenar y el punto de

reorden para su producto taladro eléctrico que tiene demanda diaria
y tiempos de entrega probabilísticos (inciertos).
Quiere encontrar una buena política, de bajo costo de inventarios
para su producto. Se identifican dos tipos de variables, entradas
controlables e incontrolables. Las entradas controlables son la
cantidad de la orden y los puntos de reorden. Las entradas
incontrolables son la demanda diaria y el tiempo de entrega variable.
Los datos de demanda para el taladrado se muestran en la tabla.
La primera política es: Cantidad (Q) a ordenar de 10 unidades con
un punto de reorden de 5 unidades (ROP). El proceso se simula para
un periodo de 10 días.

Inicio
Comenzar el día
Diagrama de flujo de simulación
EDIPESA SAC Aumentar el

¿Ha llegado Si
una orden? inventario inicial en la
cantidad ordenada
No
Elegir un número
aleatorio para generar
la demanda de hoy
¿La demanda es más Si Registrar el

grande que el número de
inventario al inicio ventas perdidas
del día?
No
Registrar el
Calcular inventario final =
inventario
inventario Inicial -demanda
final =0
¿El inventario final Si ¿Se ha colocado una No Colocar

es menor que el orden que aún no ha orden
punto de reorden? llegado?
No ¿Se han simulado Si Seleccionar el
No suficientes días de número aleatorio
esta política de para generar el
ordenar ? tiempo de entrega
Si
Calcular inventario final promedio,
ventas perdidas promedio, número
promedio de ordenes colocadas y
Final
costos correspondiente

Utilizando la tabla de números aleatorios, la simulación se realiza
utilizando un proceso de cuatro pasos:
1. Comenzar cada día verificando si acaba de llegar algún inventario

ordenado. Si es así, aumentar el inventario actual en la cantidad
de la orden.
2. Generar una demanda diaria a partir de la distribución de

probabilidad de la demanda, seleccionando un número aleatorio.
3. Calcular el inventario final cada día. Si el inventario disponible es

insuficiente para cumplir la demanda del día, satisfacer lo más
posible y anotar el número de ventas perdidas.
4. Determinar si el inventario al final del día ha llegado al punto de

reorden. Si es necesario, colocar la orden.

Las probabilidades e intervalos de números aleatorios para la
demanda diaria del taladro
(5)
(1) (2) (4)
(3) Intervalo de
Demanda diaria Frecuencia Probabilidad
Probabilidad Números
del Taladro (Días) Acumulada
Aleatorios
0 15 0.05 0.05 01 a 05
1 30 0.10 0.15 06 a 15
2 60 0.20 0.35 16 a 35
3 120 0.40 0.75 36 a 75
4 45 0.15 0.90 76 a 90
5 30 0.10 100 91 a 100
300 1.00

Probabilidades e intervalos de números aleatorios para el
tiempo de entrega de reorden
(5)
(1) (2) (4)
(3) Intervalo de
Tiempo de Frecuencia Probabilidad
Probabilidad Números
entrega (días) (Ordenes) Acumulada
Aleatorios
1 10 0.20 0.20 01 a 20
2 25 0.50 0.70 21 a 70
3 15 0.30 1.00 71 a 100
50 1.00

Simulación del inventario:
Q = 10
ROP= 5
(2) (4) (6) (9) (10)

(1) (3) Inventario (5) (7) Ventas (8)
Unidades Número Inventario Número Tiempo de
Día Inicial Demanda pérdidas ¿Orden?
recibidas aleatorio final aleatorio entrega
1 … 10 06 1 9 0 No
2 0 9 63 3 6 0 No
3 0 6 57 3 3 0 Si 02 01
4 0 3 94 5 0 2 No
5 10 10 52 3 7 0 No
6 0 7 69 3 4 0 Si 33 02
7 0 4 32 2 2 0 No
8 0 2 30 2 0 0 No
9 10 10 48 3 7 0 No
10 0 7 88 4 3 0 Si 14 01
41
Análisis de costos del inventario
• El objetivo es encontrar una solución de bajo costo y EDIPESA

debe determinar cuáles serán los costos.
• Las ecuaciones para el inventario final promedio diario, las

ventas pérdidas promedio y el número promedio de las órdenes
colocadas, son las siguientes:
Inventario final promedio 41 unidades

= = 4.1 unidades por día
10 días
Ventas perdidas promedios = 2 ventas perdidas= 0.2unidades por día

10 días
Número promedio de órdenes = 3 órdenes =

10 días 0.3 ordenes por día
colocadas

Análisis de costos del inventario
• EDIPESA abre 200 días al año.

• Costo estimado es de $10 por pedido.
• El costo anual por mantener un taladro en inventario es de $6.
($6/200 días = 0.03)
• Las ventas pérdidas son de $8.
Costo de ordenar diario= (costo de colocar una orden)

x (número de órdenes colocadas por día)
= $10 por orden x 0.3 órdenes por día= $3
Costo de mantener diario = (costo por mantener una unidad por día)
x (inventario final promedio)
= $0.03 por unidad por día x 4.1 unidades por día
= $0.12

• EDIPESA abre 200 días al año.
• Costo estimado es de $10 por pedido.
• El costo anual por mantener un taladro en inventario es de $6.
($6/200 días = 0.03)
• Las ventas pérdidas son de $8.
Costo por faltante diario =(costo venta perdida)

X (número promedio de ventas perdidas por día )
= $8 por faltante x 0.2 ventas perdidas por día
= $1.60
Costo total de inventario diario =costo de ordenar diario ($3)

+ costo por mantener diario ($0.12)+ costo por faltantes diario ($1.60) = $4.72

Análisis de costos del inventario en EDIPESA
• Para el año, esta política costaría aproximadamente $944.

• Esta simulación realmente debería extenderse por muchos días
más, tal vez 100 o 1,000 días.
• Incluso después de una simulación más grande, el modelo debe
ser verificado y validado para asegurarse de que realmente
representa la situación en la que se basa.
• Si estamos satisfechos con el modelo, se pueden realizar
simulaciones adicionales utilizando otros valores para las
variables.
• Después de simular todas las combinaciones razonables, EDIPESA
seleccionaría la política que dé como resultado el menor costo
total.

2. Modelo de simulación para una política de mantenimiento
• La simulación es una técnica valiosa para analizar diferentes

políticas de mantenimiento antes de implementarlas en la realidad.
• Pueden compararse muchas opciones con respecto a los niveles de

dotación de personal, horarios, piezas de repuesto, el tiempo de
inactividad y los costos de mano de obra.
• Esto incluiría el cierre completo de fábricas para el mantenimiento.

Ejercicio 3
La compañía de suministro de energía ElectroAndes ofrece
electricidad a una área metropolitana grande mediante una serie de
casi 200 generadores hidroeléctricos. La compañía está preocupada
por las fallas del generador porque una descompostura cuesta
alrededor de $75 por generador por hora. Sus cuatro
electromecánicos ganan $30 por hora y trabajan rotando turnos de 8
horas. Hay dos componentes importantes del sistema de
mantenimiento:
Tiempo entre averías sucesivas del generador que varía de 30
minutos a tres horas.
El tiempo que toma reparar los generadores que va de una a tres
horas en bloques de una hora.
La administración desea evaluar la:
a) El costo del servicio de mantenimiento

b) El costo simulado de la descompostura de la máquina
c) Los costos totales.
Efectúe una simulación del próximo evento para estudiar este

problema. GESTION INTEGRAL DE MANTENIMIENTO
Inicio
Generar un número
Diagrama de flujo aleatorio para el “tiempo
entre Fallas”
ElectroAndes Registrar la hora real de la
descompostura
Examinar el tiempo en que

termina la reparación anterior
¿Está libre el No Esperar hasta que la

técnico para
comenzar la reparación anterior termine
reparación?
Si
Generar un número aleatorio para el
tiempo requerido de reparación
Calcular la hora de
reparación terminada
Calcular las horas de descompostura de

la máquina = hora de reparación
terminada – hora del reloj de la
descompostura
No Suficientes
descomposturas
simuladas?
Si
Calcular el tiempo de descompostura y
datos de costos comparativos
Inicio
Tiempos entre descomposturas de generadores en ElectroAndes
TIEMPO ENTRE
FALLAS DE NÚMERO DE INTERVALO DE
PROBABILIDAD
MÁQUINAS VECES PROBABILIDAD NÚMEROS
ACUMULADA
REGISTRADAS OBSERVADO ALEATORIOS
(HORAS)
0.5 5 0.05 0.05 01 a 05

1.0 6 0.06 0.11 06 a 11
1.5 16 0.16 0.27 12 a 27
2.0 33 0.33 0.60 28 a 60
2.5 21 0.21 0.81 61 a 81
3.0 19 0.19 1.00 82 a 00
TOTAL 100 1.00

Tiempos de reparación requeridos del generador
TIEMPO DE
NÚMERO DE INTERVALO DE
REPARACIÓN PROBABILIDAD
VECES PROBABILIDAD NÚMEROS
REQUERIDO ACUMULADA
OBSERVADO ALEATORIOS
(HORAS)
1 28 0.28 0.28 01 a 28
2 52 0.52 0.80 29 a 80
3 20 0.20 1.00 81 a 00
TOTAL 100 1.00

Simulación de descomposturas y reparaciones de generadores
(5) (6) (8) (9)

(02) (03) (4) (7)
(01) Hora en que el Número Hora en que Número de
Número aleatorio Tiempo Hora de la Tiempo
Número de técnico puede aleatorio para termina la horas de
de la entre descom- comenzar esta requerido de
descompostura tiempo de reparación descompos-
descompostura Fallas postura reparación reparación
reparación (5)+(7) tura (8)-(4)
1 57 2 02:00 02:00 07 1 03:00 1
2 17 1.5 03:30 03:30 60 2 05:30 2
3 36 2 05:30 05:30 77 2 07:30 2
4 72 2.5 08:00 08:00 49 2 10:00 2
5 85 3 11:00 11:00 76 2 13:00 2
6 31 2 13:00 13:00 95 3 16:00 3
7 44 2 15:00 16:00 51 2 18:00 3
8 30 2 17:00 18:00 16 1 19:00 2
9 26 1.5 18:30 19:00 14 1 20:00 1.5
10 09 1 19:30 20:00 85 3 23:00 3.5
11 49 2 21:30 23:00 59 2 01:00 3.5
12 13 1.5 23:00 01:00 85 3 04:00 5
13 33 2 01:00 04:00 40 2 06:00 5
14 89 3 04:00 06:00 42 2 08:00 4
15 13 1.5 05:30 08:00 52 2 10:00 4.5
30 34 hr 44
Análisis de costos de la simulación:
• La simulación de las 15 descomposturas de generadores abarca un

tiempo de = 34 horas de operación (00:00 hasta 10:00 AM)
• El análisis de simulación es:
Costo de servicio de mantenimiento= 34 horas de técnico x $30 por hora

= $1,020
Costo de descomposturas simuladas= 44 horas totales de descomposturas
x $75 de pérdida por hora de descompostura
$3,300
=
Costo total de mantenimiento

= Costo de servicio + Costo de descompostura
Simulado del sistema actual
= $1,020 + $ 3,300
$4,320
=

Análisis de costos de la simulación
• Un costo total de $4,320 es razonable tan solo cuando se compara

con otras opciones de mantenimiento menos o más atractivas.
• La compañía podría explorar opciones como la adición de otro

electromecánico.
• Las estrategias tales como el mantenimiento preventivo también

puede simularse con fines de comparación.

Simulacion Final

Hochgeladen von

Dokumentinformationen

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Simulacion Final

Hochgeladen von

Copyright:

Verfügbare Formate

MODELADO CON SIMULACIÓN

GESTION INTEGRAL DE MANTENIMIENTO

Cuando Ud. complete esta clase debe conocer y

1. Enfrentar una amplia gama de problemas

2. Entender los siete pasos para realizar una

3. Explicar las ventajas y desventajas de la

4. Desarrollar intervalos de números

GESTION INTEGRAL DE MANTENIMIENTO

• La simulación es una de las herramientas

• Simular es tratar de duplicar las funciones,

• Vamos a construir un modelo matemático

GESTION INTEGRAL DE MANTENIMIENTO

Al utilizar la simulación, un gerente de mantenimiento debería:

Examinar los resultados

Elegir el mejor curso de

1. Es relativamente directa y flexible.

2. Los avances recientes en software hacen que seaea

3. Sirve para analizar situaciones reales grandes y

4. Permite preguntas del tipo “¿qué sucedería si?”

5. No interfieren con el sistema real.

6. Nos permite estudiar el efecto interactivo de losos

7. Es posible el “tiempo de compresión”.

8. Acepta la inclusión de complicaciones del mundo real.

1. Desarrollar el modelo con frecuencia

2. No genera soluciones óptimas; es un

3. Requiere que los gerentes genere todas

4. Cada modelo es único y la solución y las

GESTION INTEGRAL DE MANTENIMIENTO

• Cuando un sistema contiene elementos que exhiben el azar en

• Unos cuantos ejemplo de estas variables son:

- La demanda de un inventario diario o semanal.

GESTION INTEGRAL DE MANTENIMIENTO

• La técnica se compone de cinco pasos sencillos:

1. Establecer las distribuciones de probabilidad para las

GESTION INTEGRAL DE MANTENIMIENTO

En Grupo Hinostroza SAC, la llanta «radial TX» es responsable de

Paso 1: Establecer distribuciones de probabilidad

Una forma común de establecer una distribución de probabilidad es

GESTION INTEGRAL DE MANTENIMIENTO

DEMANDA DE FRECUENCIA PROBABILIDAD DE

200 200/200= 1.00

GESTION INTEGRAL DE MANTENIMIENTO

GESTION INTEGRAL DE MANTENIMIENTO

• Asignar un conjunto de números para representar cada valor o resultado posible.

DEMANDA PROBABILIDAD INTERVALO DE

5 0.15 1.00 86 a 100

GESTION INTEGRAL DE MANTENIMIENTO

0.20 0.15 16 Representa

• Los números aleatorios se pueden generar de varias

GESTION INTEGRAL DE MANTENIMIENTO

GESTION INTEGRAL DE MANTENIMIENTO

• Seleccionamos números aleatorios de la tabla.

• El número que seleccione tendrá un rango

• Usamos la demanda diaria que corresponde a la gama

GESTION INTEGRAL DE MANTENIMIENTO

DÍA NÚMERO ALEATORIO DEMANDA DIARIA SIMULADA

3.9 demanda diaria promedio de llantas

GESTION INTEGRAL DE MANTENIMIENTO

Demanda diaria esperada = probabilidad de i llantas x (demanda de i llantas)

= (0.05)(0) + (0.10)(1) + (0.20) (2) + (0.30)(3)

• La demanda media de esta simulación (3.9 llantas) es diferente

• Si esta simulación se repite cientos o miles de veces, es más

• En muchas situaciones de la vida real del inventario, la demanda

• El análisis exacto es difícil sin simulación.