Beruflich Dokumente
Kultur Dokumente
SISTEMAS
Primera Presentación
En Resumen
Proceso
• Secuencia de actividades que tienen un inicio y un fin,
que se ejecutan para lograr un objetivo.
Regresar
Proceso Estocástico (P.E.)
• cuando, si uno repite las condiciones del experimento el
resultado es impredecible.
• Se usan para modelar el comportamiento de
experimentos aleatorios que varían en el tiempo o que
dependen de alguna otra variable determinista.
Ejemplo de P.E.
• Supongamos que estamos estudiando el número de
llamadas que se producen en una central telefónica. Para
un intervalo de tiempo determinado, por ejemplo una
hora, se puede definir la variable aleatoria (VA): “Número
de llamadas que se producen en una hora”.
Ampliación del ejemplo
• Si consideramos un intervalo mayor, por ejemplo dos
horas, es evidente que el número de llamadas
observadas tenderá a ser superior y, por tanto, la
distribución de probabilidad de esta nueva VA será
distinta a la anterior. Así para cada tiempo que fijemos
tendremos una VA, en principio distinta.
Una nota
• El número de llamadas que llegan a una central telefónica
es un proceso continuo en el tiempo pero discreto en el
espacio de estados. En la gráfica siguiente se ven 3
realizaciones.
Gráficamente
Regresar
Proceso Determinístico
• cuando, si uno repite las condiciones del experimento, el
resultado es el mismo.
Regresar
Técnicas Analíticas
• Cuando se tiene un modelo o formula que seguir para
resolver el problema.
• Ejemplo:
A = 0 ∫ 1 x2dx
Regresar
Técnicas Numéricas
• Cuando no se tiene una fórmula y se busca un método
que aproxime el resultado.
• Ejemplo:
A = 0 ∫ 1 e–x2dx
Regresar
Variables Estáticas
• El valor que adopten en determinado momento no
determina el próximo valor.
• Por ejemplo:
• El número de aciertos que se obtenga al jugar la tinka este
domingo, no determina el número de aciertos que se obtenga al
jugar la tinka el próximo domingo.
Regresar
Variables Dinámicas
• Del valor que tengan en determinado momento deriva en
próximo valor.
• Por ejemplo:
• Consideremos un proceso de producción: La cantidad que se deba
producir, de cierto producto, en un periodo; determina la cantidad
que se deba producir, del mismo producto, en el próximo periodo.
Regresar
Análisis Estocástico
• Toda la teoría de probabilidades, análisis de variables,
series de tiempo, etc.
Regresar
Optimización Clásica
• Determinación de máximos y mínimos, restringidos y no
restringidos.
Regresar
Método de Montecarlo
• Una forma de simulación, poco usada actualmente.
Regresar
Programación Matemática
• Todos los métodos de optimización que se desarrollan en
los cursos de operativa: Método Simplex, Programación
Dinámica, etc.
Regresar
Sistemas Dinámicos
• Existen materias especiales donde se desarrollan
sistemas dinámicos.
Regresar
Simulación
• Inicialmente era una técnica numérica que se usaba para
procesos estocásticos que tenían inmersos variables
dinámicas.
• Actualmente se usa en todo proceso estocástico (con
cualquier tipo de variable) y el los procesos
determinísticos con variables dinámicas.
Procedimiento para un experimento de
simulación
Los procesos de modelar y simular involucra la
formulación y solución de un problema.
El proceso de modelamiento es iterativo porque
el acto de modelar revela la información
importante fragmentaria.
Esta información apoya las acciones que hacen
al modelo y sus medidas de salida más
relevantes y exactas.
El proceso de modelamiento continúa hasta que
el detalle o la información adicional ya no es
necesaria para la resolución del problema.
Importante
• Durante el proceso iterativo, las relaciones entre el
sistema en estudio y el modelo son continuamente
definidas y redefinidas.
• A continuación se presentan los pasos sugeridos en la
ejecución los proyectos que utilizan el modelamiento y la
simulación.
Formular el problema
Especificar el modelo
Construir el modelo
Desarrollar el Recolectar Definir los
modelo de los datos controles del
simulación experimento
Simular el modelo
Ejecutar el Verificar el Validar el
modelo modelo modelo
Usar el modelo
Actividad
EXPON(5)
LA
ENTREVISTA PARTIDA
DOS ENTREVISTADORES
UNFORM (10, 15)
Y Después que?
Medidas de Perfomance:
•Tiempo en sistema del entrevistado.
•Longitud de Cola
•Utilización de Trabajadores
•Tiempo de espera del entrevistado.
Respuestas
TRANSITO DE LA
MATERIA PRIMA OPERACIÓN “A” HACIA
LA OPERACION “B”
PRODUCTO
TERMINADO
Un problema manual (3)
• Los tiempos necesarios por cada una de las 10 unidades
a procesar son los siguientes:
Un problema manual (4)
UNIDAD EN LA OPERACIÓN A EN LA OPERACIÓN B
1
0.434076 0.135118
2
0.487454 0.070339
3
0.246718 1.427671
4
0.293926 0.959766
5
0.637568 0.070549
6
0.873288 1.551359
7
0.85628 0.315469
8
0.291235 0.176104
9
0.629321 0.099815
10
0.350719 1.029659
Un problema manual (5)
• Se requiere determinar:
• La producción promedio de la línea.
• El tiempo de espera de cada unidad por la operación B.
• El tiempo muerto de la operación B.
• Longitud promedio de la cola en B.
Un problema manual (6)
• Como condiciones iniciales:
10
La Solución (4)
• Recuerde que los TOA y los TOB, son datos.
• Usted debe llenar esta tabla y establecer una fórmula
para el calculo de cada uno de los parámetros indicados.
• Terminada la simulación debe determinar:
La Solución (5)
• El tiempo total de simulación: el tiempo necesario para
procesar las 10 unidades de materia prima.
• La producción promedio de la línea: esto significa el
número de unidades por unidad de tiempo procesadas en
la línea.
Comportamiento de la cola delante de la
OPB
5
3
U9 U10
2
U5 U6 U8 U9
1
U4 U5 U7 U8 U
9
1 2 3 4 5 6 7
U4 1.4 2.5
U5 2.0 3.5
U6 2.9 3.6
U7 3.8 5.1
U8 4.1 5.4
U9 4.7 5.6
1
U U U U U U10
1 2 U3 U4 5 U6 U7 8 9
1 2 3 4 5 6 7
0.43 0.92
Características:
Computacionalmente lento.
Mucho uso de memoria
Generación de Números Aleatorios entre
0 y 1 (2)
Método Dos:
GENERACIÓN EXTERNA MEDIANTE UN PROCESO
FISICO
Características
No es reproducible
No es controlable
Generación de Números Aleatorios entre
0 y 1 (3)
Método Tres:
GENERACION DE NUMEROS
PSEUDOALEATORIOS
Características:
• xn = axn-1 mod m
xn = (axn-1 + c) mod m
El Método Tres (6)
• Ejemplos:
• x0 = 5 y xn = 3xn-1 mod 150
• x0 = 3 y xn = (5xn-1 + 7) mod 150
Generación de Muestras Aleatorias de
Distribuciones Estadísticas
Método de la transformación inversa:
f(x) = Función de densidad.
F(x) = Distribución aculumada (uniformemente distribuida
entre [0, 1]).
r = Número aleatorio entre [0, 1].
r = F(x)
x = H(r) , H es la inversa de F.
Distribución Uniforme (Rectangular)
• Uniforme entre (a, b) (UNFRM(a,b))
• Especifica que cada valor entre un valor mínimo y un
valor máximo tienen la misma probabilidad.
• Función de densidad: la probabilidad de un valor que está
dentro de en un intervalo es proporcional a la longitud del
intervalo
Distribución Uniforme (Rectangular)
Gráficamente
f(x)
1/(b-a)
a b
Distribución Uniforme (Rectangular)
f(x) = 1/(b - a); a <= x <= b
media: μ = (a + b)/2
F(x) = a∫ x f(t)dt
F(x) = (x - a)/(b-a)
Distribución Uniforme (Rectangular)
• Hallando la inversa:
r = F(x) = (x - a)/(b - a)
x = a + r(b-a) = H(r)
Distribución Uniforme (Rectangular)
• Asi si queremos un número que pertenece al intervalo (5,
11), se toma un número aleatorio entre (0, 1) y se usa la
formula: