Simulación de Montecarlo y distribuciones de probabilidad

Simulacin de Sistemas
Programa Profesional de Ingeniera Industrial

APUNTES DE CLASE
SIMULACIN DE MONTECARLO
Realizado por:
Ing. Efran Rafael Mrillo !i"pe
AREQUIPA PERU
#$%&
Ing. Efran Murillo
1
1. Modelado de la
Aleatoriedad
VARIABLE ALEATORIA
Dado un experimento aleatorio cualquiera cuyos sucesos elementales posibles pueden
identificarse fcilmente mediante un nmero real! se denomina Variable Aleatoria! "! al
con#unto de estos nmeros.
$ambi%n se le llama &ariable de a'ar o &ariable estocstica! y significa cantidad que puede
tomar &arios &alores impre&istos.
E#emplo 1.( Sea el experimento aleatorio de lan'ar un dado al aire. )os posibles resultados del
experimento *sucesos elementales+ son los siguientes, --que salga 1..! --que salga /..!
--que salga 0..! --que salga 1..! --que salga 2.. y --que salga 3... 4esulta sencillo
asociar a cada suceso elemental el nmero correspondiente a la cara del dado que 5aya salido.
6or tanto! la &ariable aleatoria! "! ser,
"7 1!/!0!1!2!3
6or el contrario! si dado un experimento aleatorio cualquiera no resulta inmediata la
asociacin de un nmero para cada uno de los posibles sucesos elementales! se establece una
correspondencia entre el con#unto de los posibles sucesos elementales y el con#unto de los
nmeros reales! de manera que a cada suceso elemental le corresponda un nmero real
arbitrario y que a sucesos elementales distintos les correspondan nmeros distintos.
Se denomina &ariable aleatoria al con#unto imagen de esta correspondencia! es decir! al
con#unto de los nmeros reales que se 5ayan 5ec5o corresponder a cada uno de los sucesos
elementales.
E#emplo /.( Sea el experimento aleatorio de a&eriguar la marca de tabaco que preferir un
indi&iduo entre las posibles marcas, --"..! --8..! --9...
En este caso la asociacin de un nmero para cada suceso elemental posible del experimento
no es inmediata. En consecuencia! se establece una correspondencia entre el con#unto de los
sucesos elementales posibles y el con#unto de los nmeros reales! del modo siguiente,
Ing. Efran Murillo
/
:l suceso elemental --preferir la marca ".. se le 5ace corresponder el nmero 1; al suceso
elemental --preferir la marca 8.. se le 5ace corresponder el nmero /; al suceso elemental
--preferir la marca 9.. se le 5ace corresponder el nmero 0.
)a &ariable aleatoria " ser, " 7 *1!/!0+.
CLASIFICACIN DE LAS VARIABLES ALEATORIAS
)as &ariables aleatorias pueden ser continuas o discontinuas. En este ltimo caso se denomina
tambi%n discretas.
a) VARIABLE ALEATORIA CONTINUA.
Si " es una Variable aleatoria continua! puede tomar cualquier &alor de un inter&alo continuo
o dentro de un campo de &ariacin dado. )as probabilidades de que ocurra un &alor dado x
estn dadas por una funcin de densidad de probabilidad de que " quede entre a y b. El rea
total ba#o la cur&a es 1.
Ejemplo.- Sea el experimento aleatorio consistente en medir la altura que es capa' de saltar
cada miembro de un con#unto de personas. En este experimento! cada miembro del con#unto
obser&ado da lugar a un nmero! por lo que se toma como &ariable aleatoria el con#unto de las
medidas de las alturas que son capaces de saltar las distintas personas.
En el supuesto que una persona 5ubiera saltado 1<2 cm y otra 1<3 cm! no existira ninguna
ra'n para que otra no 5ubiera saltado un &alor intermedio cualquiera entre las dos anteriores!
como 1<2.2 cm. Se trata de una &ariable aleatoria continua.
!) VARIABLE ALEATORIA DISCONTINUA O DISCRETA.
Se dice que una Variable aleatoria Discreta o Discontinua "! tiene un con#unto definido de
&alores posibles x1!x/!x0!=..xn con probabilidades respecti&as p1!p/!p0!=..pn.! Es decir que
slo puede tomar ciertos &alores dentro de un campo de &ariacin dado. >omo " 5a de tomar
uno de los &alores de este con#unto! entonces p1 ? p/ ?=? pn71.
En general! una &ariable aleatoria discreta " representa los resultados de un espacio muestral
en forma tal que por 6*" 7 x+se entender la probabilidad de que " tome el &alor de x. De
esta forma! al considerar los &alores de una &ariable aleatoria es posible desarrollar una
funcin matemtica que asigne una probabilidad a cada reali'acin x de la &ariable aleatoria
". Esta funcin recibe el nombre de funcin de la probabilidad.
Ejemplo.( Sea el experimento aleatorio consistente en lan'ar una moneda al aire. )os sucesos
elementales del experimento! --que salga cara..! --que salga cru'..! no &ienen
representados por los nmeros! por lo que casa suceso elemental se le 5ace corresponder un
nmero real. :s al suceso elemental --que salga cara.. se le 5ace corresponder el nmero
@1A y al suceso elemental --que salga cru'.. se le 5ace corresponder el nmero @/A.
Ing. Efran Murillo
0
)a &ariable aleatoria ser, " 7 *1!/+.
Se trata de una &ariable aleatoria discontinua o discreta! ya que nicamente puede adoptar los
&alores 1 y /
Di"tri!#$io%e" de &ro!a!ilidad
>uando las &ariables aleatorias toman di&ersos &alores! la probabilidad asociada a cada uno
de tales &alores puede ser organi'ada como una di"tri!#$i'% de &ro!a!ilidad! la cual es la
distribucin de las probabilidades asociadas a cada uno de los &alores de la &ariable aleatoria.
)as distribuciones de probabilidad pueden representarse a tra&%s de una tabla! una grfica o
una frmula! en cuyo caso tal regla de correspondencia se le denomina (#%$i'% de
&ro!a!ilidad.
)as distribuciones de probabilidad comunes en simulacin son, Bernoulli! Binomial! 6oisson!
Ceom%trica! Dipergeom%trica! Exponencial! Eormal! $riangular! Camma! Erlang! )ognormal!
Feibull.
: continuacin se presenta 1 casos de distribucin de frecuencias,
Ca"o ).
Sea x una &ariable aleatoria que representa los inter&alos de llegada *en minutos+ de &e5culos
a una estacin de gasolina. Se 5a recopilado las siguientes obser&aciones correspondientes a
los primeros /< autobuses,
/ 2 1 1 / 1 0 G H 1 0 1 0 I / 1 2 / 3 1
Se obser&a que el rango de los datos est entre < y H! por lo tanto se puede establecer H clases.
)a distribucin de frecuencias de cada clase para esta muestra de datos sera la siguiente,
Se obser&a que la grfica se aproxima a una distribucin exponencial.
Eota, Si el rango de los datos es muy grande! por e#emplo entre < y 1<<! se aconse#a
establecer inter&alos de clase.
Ing. Efran Murillo
1
Ca"o *.
Sea x una &ariable aleatoria que representa la demanda en miles de unidades de un producto.
Se 5a obtenido los siguientes /< datos,
0 < 2 1 H 2 / 3 0 1 G 1 1< 2 3 1 3 G 2 I
)a distribucin de frecuencias respecti&a es la siguiente,
Se obser&a que la grfica se aproxima a una distribucin normal.
Ca"o +.
Sea x una &ariable aleatoria con distribucin uniforme que representa el nmero de asientos
&acos que trae un autobs al llegar a un paradero. Se 5a obtenido los siguientes datos para la
llegada de /< autobuses,
/ G 1 H 3 / 0 G 1 1< 1 2 1 H 3 0 I 2 I 1<
)a distribucin de frecuencias es la siguiente,
Se obser&a que la grfica corresponde a una distribucin uniforme.
Ing. Efran Murillo
2
Ca"o ,.
Sea x una &ariable aleatoria que representa la demanda diaria de un artculo. Se 5a obtenido
los siguientes datos para los primeros /< das,
G 1 2 1 G / 0 2 3 G I 2 G 0 2 G H 2 0 1
Se obser&a que la grfica no se aproxima a ninguna distribucin matemtica! por lo tanto se
asume que es una distribucin emprica.
6or lo tanto! la grfica de distribucin de frecuencias relati&as nos da una idea de la expresin
matemtica que representar a una &ariable aleatoria.
En un modelo de simulacin es importante conocer las distribuciones de probabilidad de las
&ariables aleatorias! ya que a tra&%s de ellas se reproducirn los &alores requeridos para imitar
el funcionamiento del sistema en estudio. 6ara reproducir dic5os &alores se requiere nmeros
aleatorios! por lo tanto 5ay que generar primeramente dic5os nmeros.
N-MEROS ALEATORIOS
De(i%i$i'%.
Son nmeros que deben de cumplir los requisitos de espacio equiprobable! es decir! que todo
elemento tenga la misma probabilidad de ser elegido y que la eleccin de uno no dependa de
la eleccin del otro.
6ara generar nmeros aleatorios 5ay que recurrir a los nmeros pseudoaleatorios por que
fundamentalmente las sucesiones de nmeros pseudoaleatorios son ms rpidas de generar
que las de nmeros aleatorios.
N/0ero" P"e#dolaeatorio".( Son unos nmeros generados por medio de una funcin
*determinista! no aleatoria+ y que aparentan ser aleatorios.
Criterio" &ara 1#e la" "e$#e%$ia" de %/0ero" &"e#doaleatorio" "ea% a$e&ta!le".
1. Jue sean uniformemente distribuidas
Ing. Efran Murillo
3
/. Jue sean estadsticamente independientes
0. Jue sean reproducibles
1. Jue sean no cclicas o no peridicas
2. Jue el m%todo con el cual se genera sea capa' de generar nmeros aleatorios a altas
&elocidades
3. Jue sea capa' de ocupar el mnimo espacio en la memoria del computador
)as t%cnicas para generar nmeros aleatorios son,
1+ Ktili'ando $:B):S DE EKME4LS :)E:$L4ILS, :6MEDI>E B
/+ Mediante NKE>ILEES ES6E>INI>:S
/.1 En E">E), :leatorio* +
/./ En 6:S>:), 4:EDLM
/.0 En Oisual Basic, 4ED* +
/.1 etc.
0+ ME$LDL DE >LEC4KEE>I: )IEE:), Cenera nmeros uniformemente
distribuidos y estadsticamente independientes.
"
i?1
7 *a"i ? c+ Mod m
Donde,
6ara i7<! entonces "o es la semilla! @a2 es el multiplicador! @$A el incremento
constante y @0A el mdulo.
E#emplo, para "o702! a710! c732 y m71<<
"17 *10P02?32+ mod 1<< 7 /<
"/ 7 *10P/<?32+ mod 1<< 7 /2
"0 7 *10P/2?32+ mod 1<< 7 H<
Etc.
1+ L$4LS
Kna serie de nmeros pseudoaleatorios requieren ser &alidados mediante pruebas de
uniformidad y aleatoriedad. )os nmeros de una serie generada y &alidada ser&irn finalmente
para generar &alores para nuestras &ariables aleatorias.
3ENERACIN DE VALORES DE VARIABLES ALEATORIAS
1. O:4I:B)ES DIS>4E$:S
Distribucin Emprica
Distribucin Ceom%trica
/. O:4I:B)ES >LE$IEK:S
Distribucin Exponencial
Distribucin Kniforme
Distribucin Eormal
E$>.
Ing. Efran Murillo
G
). 3e%era$i'% de Valore" de Varia!le" Aleatoria" $o%.
DISTRIBUCIN E4PONENCIAL
Sea t una &ariable aleatoria que representa los inter&alos de llegada *en minutos+ de &e5culos
a una estacin de gasolina a la cual llegan a una tasa ! por lo tanto para simular el sistema
necesitamos generar &alores para la &ariable aleatoria t! la cual sigue una distribucin
exponencial.
El procedimiento es el siguiente,
1 Cenerar un nmero aleatorio r entre < y 1
/ Ksar el &alor r para resol&er la siguiente ecuacin para t,
N*t+ 7 r
1 ( e
(t
7 r
e
(t
7 1 Q r
t 7 (
1
Pln*1 Q r+
6or lo tanto para el e#emplo especfico que implica los inter&alos entre llegadas de &e5culos a
la estacin de gasolina! en el que 7 1/ &e5culos por 5ora *<./ &e5culos por minuto+ y se
genera un nmero aleatorio uniforme de! digamos! r 7 <.00/H! entonces el prximo &e5culo
llegar dentro de,
t 7 (
/ . <
1
Pln*1(<.00/H+7 (2Pln*<.33G1+7 (2P*(<.1<1I+ 7 /.</1 minutos
Ing. Efran Murillo
I
*. 3e%era$i'% de Valore" de Varia!le" Aleatoria" $o%.
DISTRIBUCIN NORMAL
Suponga que necesita generar la demanda D de lec5e que sigue una distribucin normal con
una media de G2< galones al da y una des&iacin estndar de 1<< galones. 6ara 5acer eso con
una &ariable aleatoria normalmente distribuda! con una media de y una des&iacin estndar
de ! 5aga lo siguiente,
1 Cenere un nmero aleatorio uniforme r entre < y 1.
/ Kse este &alor r para encontrar un &alor de t para el que,
N*t+ 7 6*D t+ 7 r
Es decir! encontrar el &alor de t para que el rea ba#o la distribucin normal a la i'quierda de t!
en la figura siguiente! es t. 6ara 5acer esto use la tabla estndar(normal del ap%ndice : para
encontrar el &alor asociado; despu%s calcule t! de la siguiente manera,
' 7
t
:s , t 7 ? *P'+
6ara el e#emplo especfico de la lec5e en el que r7 <.1212! 7 G2< y 7 1<<! el &alor ' del
ap%ndice : es aproximadamente (1.<0! y as,
' *<.1212+ 7 (1.<0
t 7 G2< ? 1<<P*(1.<0+ 7 31G galones
El uso de nmeros aleatorios para generar entradas probabilsticas a menudo se denomina
simulacin de Monte>arlo. El m%todo obtu&o su nombre durante la Segunda Cuerra Mundial
cuando los cientficos usaron nmeros aleatorios para estimar! en un sentido estadstico! las
soluciones a problemas matemticos comple#os.
Ing. Efran Murillo
H
)os m%todos descritos aqu no son los ms eficientes disponibles! pero se usan por que son
conceptualmente fciles de comprender. :5ora &er cmo se usan estas ideas en el diseRo de
una simulacin por computadora.
+. 3e%era$i'% de Valore" de Varia!le" Aleatoria" $o%.
DISTRIBUCIN UNIFORME
Kno de los m%todos ms comnmente utili'ados para generar nmeros aleatorios que siguen
una distribucin conocida se basa en usar nmeros aleatorios uniformemente distribuidos
entre < y 1. >omo se ilustra en la figura siguiente! tales nmeros tienen la siguiente
funcin de densidad! f*x+! y la funcin de distribucin acumulati&a! N*x+,
f*x+71
N*x+7x

6or e#emplo si se quiere generar el nmero de asientos &acos que trae un autobs que llega a
un paradero! los cuales estn uniformemente distribudos entre 2 y 12 asientos! y se tiene
un nmero aleatorio r 7 <.G! se tiene,
min 7 2
max 7 12
r 7 <.G
x 7 2 ? *12 ( 2+P r
x 7 2 ? 1<P r 7 2 ? 1<P <.G 7 2 ? G 7 1/
Entonces se tiene que el autobs trae 1/ asientos &acos.
Nota. Tambin podemos utilizar la frmula siguiente: max - max ! min"#$- r"% los &alores
generados no coinciden en cuanto al orden% pero al final todos los n'meros saldr(n con
la misma frecuencia.
Ing. Efran Murillo
1<
,. 3e%era$i'% de Valore" de Varia!le" Aleatoria" $o%.
DISTRIBUCIN EMP5RICA
Pa"o".
1 $omar muestra lo suficientemente grande de los &alores de la &ariable aleatoria *mnimo
0< obser&aciones+
/ >lasificar en rangos.
0 Determinar frecuencia asociada a cada rango.
1 >alcular el porcenta#e o probabilidad correspondiente.
E#emplo, Sea x una &ariable aleatoria que representa los inter&alos de llegada de los
&e5culos a un semforo. )os 0< datos obser&ados del sistema real son los siguientes,
Lbser&acin x Lbser&acin x Lbser&acin x
1 / 11 1 /1 /
/ 1 1/ / // 1
0 2 10 0 /0 1
1 / 11 1 /1 0
2 0 12 2 /2 /
3 1 13 0 /3 1
G / 1G 1 /G 1
I 1 1I 2 /I 0
H 2 1H 1 /H /
1< 2 /< 0 0< 1
)as probabilidades de ocurrencia de cada rango son las siguientes,
Ra%6o Fre$#e%$ia Pro!a!ilidad
1 III 7+ <.1<
/ IIIIIIII 78 <./0
0 IIIIII 79 <./<
1 IIIIIIIII 7: <.0<
2 IIIII 7; <.1G
1.<<
2 >alcular la funcin acumulada y graficar
i 4i &<4i) F<4i)
1 1 <.1< <.1<
/ / <./0 <.00
0 0 <./< <.20
1 1 <.0< <.I0
2 2 <.1G 1.<<

3 Cenerar un nmero aleatorio entre < y 1
6or e#emplo r 7<.2I
Ing. Efran Murillo
11
G Identificar el rango donde se encuentra r
N*"i+- r - N*"
i=)
+
N*"i+- r - N*"
i=)
+
I Escoger el "
i=)
y &ol&er al paso 3

6or lo tanto " 7 1
CASO ESTUDIO ). COSTO DE UN ITEM PERFECTO
En un proceso producti&o en el cual se procesan aproximadamente 1<<< pie'as diarias! las
pie'as una &e' procesadas son inspeccionadas para determinar si son rec5a'adas!
reprocesadas o aceptadas para su posterior &enta. Estadsticamente las pie'as son rec5a'adas!
reprocesadas o aceptadas con probabilidades de 2S! 1<S y I2S respecti&amente.
Si el costo de un proceso es de T1< por pie'a y el de reproceso T2. U>ul seria el costo
promedio de una pie'a que termine en &entasV
6ara determinar dic5o costo! debemos imitar el funcionamiento del sistema y determinar el
nmero de reprocesos! as como el porcenta#e de pie'as aceptadas.
Se asume que la distribucin de la &ariable exgena *5acia dnde se deri&a la pie'a una &e'
inspeccionada+! es emprica! entonces se debe generar los e&entos usando el procedimiento
para generar &alores para &ariables con distribucin emprica.
6ara efectos de explicacin del funcionamiento del sistema y obtener los resultados buscados!
se fi#a como tiempo de simulacin el proceso de /< pie'as.
Ing. Efran Murillo
1/
Ksaremos los nmeros aleatorios de la celda :0 de la tabla de nmeros aleatorios del
ap%ndice B.
: continuacin se muestra la tabla de simulacin,
TABLA DE SIMULACIN
4ESKMEE DE 4ESK)$:DLS,
>omo se obser&a,
El costo acumulado para un total de /< pie'as es 7 /<P1< ? 1P2 7 //<
El costo unitario ser //<W1I 7 1/.//// dlares
El porcenta#e de pie'as aceptadas ser 1IW/< 7 <.H
Ing. Efran Murillo
10
:dems! dado que el sistema real procesa en promedio 1<<< pie'as diarias! entonces para
tener resultados consistentes que permitan tomar decisiones! se tendr que reali'ar
simulaciones para un mayor nmero de pie'as. 6or e#emplo para /<< pie'as! /<<< pie'as; los
resultados se aproximarn ms al &alor terico. $al como se obser&a en la siguiente grfica,
Grfica del Costo de un tem perfecto
Ing. Efran Murillo
11
2. Si'la(i)n de
Si"*e'a" (on E+(el ,
-i"al .a"i(
CASOS ESTUDIO *. SIMULACIN DE SISTEMAS DE COLAS
)os usuarios llegan :)E:$L4I:MEE$E a un tel%fono pblico. Si el tel%fono est
desocupado! reali'an la llamada! en caso contrario esperan en cola 5asta que el sistema se
desocupe. )a duracin de cada una de las llamadas tambi%n es :)E:$L4I:.
Se 5a registrado durante 0 5oras la informacin relacionada a la tasa de llegadas de los
clientes al sistema! as como los tiempos de ser&icio *duracin de las llamadas+! llegando a
obtener los siguientes promedios,
7 /< clientes por 5oras! los clientes llegan en promedio cada 0 minutos.
7 12 clientes por 5ora! las llamadas duran en promedio 1 minutos.
:l anali'ar las muestras de datos con el Input :naly'er del :rena! se 5a determinado que
ambas &ariables tienen distribucin exponencial.
>on esta informacin se le pide anali'ar el sistema de colas! determinando lo siguiente,
Ing. Efran Murillo
12
a+ El tiempo promedio de espera en cola.
b+ El tiempo improducti&o total del $el%fono 6blico.
c+ )a utili'acin de $el%fono 6blico.
1.( Ktilice la simulacin manual para determinar dic5as inquietudes. 6ara ello deber simular
el funcionamiento del sistema durante la llegada de los 12 primeros clientes.
Eota, )os &alores generados para sus &ariables aleatorias deben redondearse a cero
decimales.
/.( Es bastante probable que los resultados anteriores no puedan ser &alidados! por lo que se le
pide simular el sistema durante las primeras 1 5oras de funcionamiento del da! para 2<
das.
Sol#$i'%.
:l obser&ar los datos .! por lo tanto no cumplen la condicin obligatoria para aplicar las
frmulas de colas a fin de poder determinar las respuestas a las inquietudes planteadas! en
consecuencia la nica 5erramienta a utili'ar es la simulacin de sistemas.
6or otro lado la simulacin para las 1 primeras 5oras! por la gran cantidad de datos! ya no es
posible reali'ar la simulacin manual! por lo que podemos utili'ar un lengua#e de
programacin o una 5erramienta de softXare como el Excel o el :rena.
). Sol#$i'% 0a%#al &ara la lle6ada de ); $lie%te".
1ro. Definimos las propiedades del modelo de simulacin,
Pro&iedade" del 0odelo
COMPONENTES.
>lientes y el $el%fono
VARIABLES E4O3ENAS.
x, Inter&alo entre llegadas de los clientes
y, Duracin de una llamada
VARIABLES ENDO3ENAS.
Fq, $iempo promedio de espera en cola por parte de los clientes
$L, $iempo Improducti&o u Lcioso del tel%fono pblico
K, Ktili'acin de tel%fono pblico
VARIABLES DE ESTADO.
$, $iempo de llegada de un cliente
NS, Nin del ser&icio
PAR>METROS.
Ing. Efran Murillo
13
$iempo de Simulacin *$S+7 $iempo que demande la llegada de 12 clientes.
RELACIONES FUNCIONALES.
x Distribucin Exponencial con media 0 minutos entre clientes.
y Distribucin Exponencial con media 1 minutos por cliente.
/do. Ceneramos los &alores para nuestras &ariables exgenas o aleatorias! utili'ando la
metodologa estudiada en el captulo anterior.
)a expresin de la distribucin exponencial para ambas &ariables es,
x 7
ln *1( r+
y 7

1
ln*1( r+
donde r es un nmero aleatorio entre < y 1.
$omando &alores aleatorios de las $:B):S DE EKME4LS :)E:$L4ILS! tenemos,
0ro. >onstruimos la $abla de simulacin respecti&a y en ella reali'amos las operaciones
necesarias para imitar el funcionamiento del sistema. )a tabla final se muestra a continuacin,
Ing. Efran Murillo
1G
$:B): DE SIMK):>IYE,

En base a los resultados obtenidos! determinamos las inquietudes planteadas,
$iempo promedio de espera en cola *Fq+
3 . 1
12
3H
= =
minutosWcliente
$iempo Improducti&o o $iempo ocioso *$L+ 7 ? minutos
Ktili'acin del tel%fono *K+
I/// . <
12
0G
= =
*el sistema esta ocupado el I/.//S del tiempo
total de operacin+
*. Sol#$i'% Utili@a%do el EA$el o Vi"#al Ba"i$ &ara la" , &ri0era" Bora" de
(#%$io%a0ie%to.
1ro. 6ara entender la lgica del funcionamiento del sistema! utili'amos un diagrama de flu#o,
Dia6ra0a de Fl#Co. Pro!le0a del TelD(o%o
Importante, >ambiamos la nomenclatura de $L por $I ya que en Oisual basic $L es palabra
reser&ada.
Ing. Efran Murillo
1I
/do. En base al diagrama de flu#o! codificamos el programa en Oisual Basic,
Codi(i$a$i'% del Pro6ra0a e% Vi"#al Ba"i$.
6ri&ate Sub >ommand1Z>lic[*+
$7<
S$I7<
NS7<
>7<
S$E7<
Ing. Efran Murillo
1H
:,
4andomi'e
r 7 rnd*+
x 7 (0P)og*1(r+
$7$?x
>7>?1
4andomi'e
r 7 rnd*+
y 7 (1P)og*1(r+
if NS.$ t5en
S$E7S$E?*NS($+
IS7NS
NS7IS?y
Else
S$I7S$I?*$(NS+
IS7$
NS7IS?y
endif
if >7 12 t5en
Fq7S$EW>
$I7S$I
K71( S$IWNS
$ext1.text7Fq
$ext/.text7K
else
Coto :
endif
End Sub
Lo" re"#ltado" &ro0edio de la" ;E "i0#la$io%e" "o%.
F1 7 );.; 0i%#to" &or $lie%te
TI 7 E.+ 0i%#to"
U 7 E.:8 ' "ea :8G
Co%$l#"io%e".
1. )a simulacin es una 5erramienta que permite imitar el funcionamiento de un sistema
real! para luego experimentar con el sin necesidad de afectarlo fsicamente.
Ing. Efran Murillo
/<
/. 6ermite a las empresas que lo apliquen! pronosticar comportamientos futuros acerca
del sistema! lo cual permitir a los tomadores de decisin sugerir alternati&as de
optimi'acin.
0. )a simulacin exige un tratamiento estadstico de la informacin a efectos de &alidar
el modelo y poder as sugerir la implementacin de alternati&as de me#ora.
ECer$i$io ).
Kn semforo en una interseccin &e5icular tiene una fase &erde que actualmente demora 2<
segundos y una fase ro#a de 1< segundos. El inter&alo entre las llegadas de los &e5culos a la
interseccin *en segundos+ es una &ariable aleatoria con distribucin emprica,
Inter&alos entre llegadas *4+, 1< 11 1/ 10 11
6robabilidad, <.1 <.0 <./ <.0 <.1
Se pide,
a+ Suponiendo que acaba de iniciar la fase ro#a! mediante la simulacin de Montecarlo
determine el tiempo promedio de espera de los &e5culos en cola para esta interseccin
en un tiempo de simulacin equi&alente a la llegada de 1< &e5culos. )a cola
desaparece una &e' que el semforo cambia a la fase &erde. 6ara generar los &alores de
la &ariable 4! utilice los nmeros aleatorios indicados por el profesor.
b+ )as propiedades del modelo.
c+ El Diagrama de Nlu#o respecti&o.
SOLUCIN.
a+ Tiempo Promedio de Espera = 19.7 segundos.
Fase
Roja
Fase
Verde Vehculo R X T TE
1 !1" 11 11 1 29
2 !#1 1$ 2% 1 1&
$ !92 1% $# 1 2
% !2$ 11 %9 1
" !9& 1% &$ 1
& !9 1 7$ 1
7 !2# 11 #% 1
# !1 1 9% 1 $&
9 !"" 12 1& 1 2%
1 !#2 1$ 119 1 11
& 11#
Ing. Efran Murillo
/1
/0 Propiedades del 'odelo(
1. )omponen*es( Vehculos + ,em-.oro
2. Varia/les E01genas(
2.1 )on*rola/les
2.2 2o )on*rola/les(
X( 3n*er4alo en*re llegadas de los 4ehculos
$. Varia/les End1genas(
$.1 5e Es*ado
T( Tiempo de llegada de un 4ehculo
F( Fase del sem-.oro
$.2 5e ,alida(
67( Tiempo promedio de espera de los 4ehculos
%. Par-me*ros(
X( 53,)81!.1911!.$912!.291$!.$91%!.1:
T,( llegada de 1 4ehculos
FV( Fase Verde = " segundos
FR( Fase Roja = % segundos2
): 5iagrama de .lujo(
Ing. Efran Murillo
//
EHERCICIO *.
)os usuarios llegan exponencialmente a una estacin de gasolina con inter&alos promedio
entre llegadas de 0 minutos. El tiempo de ser&icio es una &ariable aleatoria distribuda
uniformemente entre 1 y 2 minutos.
Suponiendo que la capacidad del sistema y el ni&el de paciencia de los usuarios son
ilimitados! imite el funcionamiento del sistema durante la llegada de 1< &e5culos y
determine,
b+ )as propiedades del modelo.
c+ El tiempo promedio de espera de los clientes.
d+ )a utili'acin del ser&idor.
e+ El tiempo acumulado ocioso del ser&idor.
f+ El diagrama reflu#o respecti&o.
Eota 1, 6ara generar las &ariables aleatorias utilice los nmeros aleatorios siguientes,
Ing. Efran Murillo
/0
( 6ara los inter&alos entre llegadas, 12! I1! H/! /0! H3! G2! /I! 1<! 22 y I/
( 6ara los tiempos de ser&icio, 1<! G! 0<! H1! 21! 0/! 1! 13! /1 y H1.
Eota /, )os &alores generados deben redondearse a cero decimales.
EHERCICIO +.
)os usuarios llegan empricamente a una estacin de gasolina! ba#o la siguiente distribucin
de frecuencias,
3n*er4alo
Frecuencia
En*re
llegadas
8minu*os:
"
1 "
2 $
$ "
% "
" "
1
El tiempo de ser&icio es una &ariable aleatoria distribuda normalmente con media de 0
minutos y des&iacin estndar de / minutos.
Suponiendo que la capacidad del sistema es ilimitada y el ni&el de paciencia de los usuarios es
de / minutos! imite el funcionamiento del sistema durante la llegada de 1< &e5culos y
determine,
a+ )as propiedades del modelo.
b+ El tiempo promedio de espera.
c+ El nmero de &e5culos que abandonan el sistema.
d+ )a utili'acin y el $iempo ocioso del ser&idor.
e+ El diagrama de flu#o respecti&o.
Eota 1, 6ara generar las &ariables aleatorias utilice los nmeros aleatorios siguientes,
( 6ara los inter&alos entre llegadas, 10! I! 0<! 0H! 12! 0! /1! HG! H1 y I<
( 6ara los tiempos de ser&icio, HI! 02! G<! H0! /<! 2<! 1! 13! /1 y H1.
Eota /, )os &alores generados deben redondearse a cero decimales.
Ing. Efran Murillo
/1
CASO ESTUDIO *.
SIMULACIN DE SISTEMAS DE COLAS EN PARALELO
)legan exponencialmente a una estacin de combustible los &e5culos con una media para los
inter&alos entre llegadas de / minutos. Existen / surtidores de combustible *: y B+. )os
tiempos de ser&icio de ambos surtidores estn distribuidos uniformemente entre / y 3
minutos. )os &e5culos ocupan de preferencia el surtidor :! si es que ambos estn
desocupados.
)a estacin de gasolina tiene espacio limitado para 0 &e5culos incluidos los que estn
recibiendo el ser&icio. El Oe5culo que llega a la estacin y no encuentra espacio! abandona la
estacin.
)a paciencia de los conductores es mximo 1 minutos de espera! en caso de superar su
paciencia! estos tambi%n abandonan el sistema.
Ktili'ando la simulacin de Montecarlo! imite el funcionamiento del sistema durante la
llegada de 12 &e5culos y determine,
a+ El tiempo promedio de espera de los &e5culos en la estacin de gasolina.
b+ )a utili'acin del surtidor de gasolina :.
c+ )a utili'acin del surtidor de gasolina B.
d+ El nmero de &e5culos que abandonan la estacin de gasolina.
6ara generar los &alores de las &ariables aleatorias! utilice los nmeros aleatorios de la tabla
de nmeros aleatorios del :p%ndice B de la siguiente manera,
( Inter&alos entre llegadas de los &e5culos a la estacin de gasolina, celda :1
( $iempos de ser&icio del surtidor :, celda :0
( $iempos de ser&icio del surtidor B, celda >I
Eota, )os &alores generados debe redondearse a cero decimales.
SL)K>IYE,
1ro. Definimos las propiedades del modelo,
Pro&iedade" del 0odelo
COMPONENTES.
Oe5culos y Surtidores de combustible
VARIABLES E4O3ENAS.
x, Inter&alo entre llegadas de los &e5culos
Ing. Efran Murillo
/2
y:, $iempo de ser&icio del surtidor :
yB, $iempo de ser&icio del surtidor B
VARIABLES ENDO3ENAS.
Fq, $iempo promedio de espera en cola por parte de los &e5culos
K*:+, Ktili'acin del surtidor :
K*B+, Ktili'acin del surtidor B
:), Emero de &e5culos que se ale#an
VARIABLES DE ESTADO.
$, $iempo de llegada de un &e5culo
NS*:+, Nin del ser&icio del surtidor :
$SD*B+, Nin del ser&icio del surtidor B
PAR>METROS.
$iempo de Simulacin *$S+7 El tiempo que demande la llegada de 12 clientes.
>apacidad del sistema 7 0 &e5culos.
)mite de paciencia de los conductores 7 1 minutos
RELACIONES FUNCIONALES.
x Distribucin Exponencial con media de / minutos entre &e5culos.
y: yB Distribucin Kniforme entre / y 3 minutos.
/do. >onstruimos la tabla de simulacin donde generaremos los &alores para las &ariables
aleatorias respecti&as.
$:B): DE SIMK):>IYE,
0ro. En base a los resultados obtenidos! determinamos las inquietudes planteadas,
Ing. Efran Murillo
/3
$iempo promedio de espera en cola *Fq+
000 . <
0 12
1
=
=
minutosW&e5culo
$iempo Improducti&o o $iempo ocioso *$I+ 7 ? minutos
Ktili'acin del surtidor : *K*:++
I10I . <
0/
/G
= =
*el surtidor : esta ocupado el I1.0IS del
tiempo total de operacin+
Ktili'acin del surtidor B *K*B++
3IG2 . <
0/
//
= =
*el surtidor B esta ocupado el 3I.G2S del
tiempo total de operacin+
:bandonan la estacin de gasolina 7 0 &e5culos
Ing. Efran Murillo
/G
CASO ESTUDIO +.
SIMULACIN DE 3ESTIN DE INVENTARIOS EN E4CEL
A. I%trod#$$i'%
En los m%todos para calcular cantidades de reposicin. *:nlisis de sensibilidad y lote
econmico+! se 5a traba#ado sobre costos de mantenimiento de in&entarios y costos de reali'ar
pedidos! pero no se 5a considerado el costo asociado de no tener los artculos cuando la
demanda excede el in&entario disponible! qui' uno de los costos ms importantes en mane#o
de las existencias. Kna de las maneras de atacar este problema de los costos de escase' es el
uso de programas de simulacin *in&estigacin operati&a en lugar de la t%cnica del lote
econmico.
:dems como el m%todo del lote econmico exige! para ser confiable! demanda constante y
tiempo de abastecimiento fi#o! con la simulacin se puede traba#ar con &ariabilidad en esos
dos aspectos! ampliando la utilidad del sistema de simulacin.
)a simulacin que es una t%cnica de e&aluacin para sistemas comple#os! es una 5erramienta
importante tanto para el diseRo! como para el anlisis de un sistema.
En cuanto la comple#idad del sistema de in&entarios que se tiene aumenta! la simulacin llega
a ser ms y ms atracti&a como una ayuda para la toma de decisiones. Esto es particularmente
cierto para sistemas dinmicos yWo probabilistas. Kno de los rasgos ms atracti&os de un
enfoque de simulacin es la oportunidad que da al analista de comprende! la naturale'a
dinmica de un sistema.
>on la simulacin se puede \mo&er\ un modelo a tra&%s del tiempo y obser&ar como se%
comporta el sistema en sentido dinmico; adems! una de las caractersticas de la simulacin
es que puede tratar con elementos probabilsticos que sean a menudo difciles si no imposibles
de mane#ar analticamente.
Kn rasgo no atracti&o de la simulacin! es que no garanti'a nada ms que una solucin que
puede utili'arse para ciertos sistemas! puede ser difcil determinar cuan cercana est la
solucin que se tiene a la solucin ptima real.
Ltra des&enta#a de la simulacin! se relaciona con las computadoras! pues la mayora de los
estudios de simulacin se lle&a en ellas. )a cantidad de programacin de cmputo 8 tiempo
de e#ecucin de computadoras requeridos para e#ecutar un anlisis particular! podran ser muy
grandes. :n as! la simulacin es la nica forma conocida de anali'ar ciertos sistemas! su
poder y &ersatibilidad a menudo sobrepasan su defecto.
B. Pro$edi0ie%to 6e%eral de "i0#la$i'%
)os pasos necesarios para diseRar un anlisis completo de Simulacin! son,
Ing. Efran Murillo
/I
1.( Deber desarrollarse un modelo que intente capturar los rasgos esenciales del sistema ba#o
estudio. :l desarrollar tal modelo es importante pensar en t%rminos de &ariables controlables
*tambi%n llamadas &ariables de decisin+! &ariables incontrolables y la relacin existente entre
ellas.
/.( El segundo paso es &alidar el modelo que 5a sido desarrollado. )os modelos a menudo se
operan y se comparan con el comportamiento pasado del sistema y con las esperan'as de los
analistas. >ualquier modificacin necesaria debe reali'arse antes que se obtenga resultado!
tiles del modelo
0.( Dabiendo terminado el paso de &alidacin. El analista entonces diseRa y e#ecuta
experimentos con el modelo! &alores dados u otras representaciones para las &ariables no
controlables! se experimentan con las &ariables de decisin y se obser&a como responde el
sistema.
Kn Diagrama de Nlu#o para un 6rocedimiento de Simulacin
C. El 0Dtodo de Mo%te$arlo
Kna 5erramienta til en muc5os de los modelos de simulacin! es el m%todo de Montecarlo!
para generar &ariables aleatorias de las distribuciones de probabilidad. )a t%cnica es tan
simple como poderosa.
Ejemplo : Suponiendo una salida *"+ de un proceso probabilstico dado! es un entero entre <
y 0H! inclusi&e. :dems se est interesado en que " est% en ciertos inter&alos *<(H! 1<(1H!/<(
/H!0<(0H+ y se conoce la probabilidad correspondiente de que " est% en cualquier inter&alo en
un tiempo dado,
Ing. Efran Murillo
/H
Distribucin 5ipot%tica de probabilidad
a!b p*a-"-b+
<!H <.12
1<!1H <./<
/<!/H <.2<
0<!0H <.12
1.<<
El primer paso es asociar con cada e&ento el nmero de los dgitos enteros uniformemente
distribuidos *esto es! igual probabilidad+ que corresponde a la probabilidad del e&ento.
Distribucin 5ipot%tica #unto con asignaciones de
enteros de dos dgitos
a!b p*a-"-b+ enteros de dos dgitos
<!H <.12 <<(11
1<!1H <./< 12(31
/<!/H <.2< 02(I1
0<!0H <.12 I2(HH
1.<<
6or e#emplo el e&ento < - " - H tiene una probabilidad de <.12 de acontecer. 6or
consiguiente se asocian 12 enteros aleatorios de dos dgitos con este e&ento *<<(11+. )a
numeracin consecuti&a de los enteros aleatorios asignados es simplemente por con&eniencia!
de igual manera para el e&ento /< - " - /H se asignan 2< nmeros aleatorios.
El nmero total de nmeros aleatorios utili'ados para los cuatro e&entos es 1<<. )a idea es
que la relacin de la cantidad de nmeros aleatorios asignados a un e&ento a la cantidad total
de nmeros aleatorios asignados a la distribucin total sea igual a la probabilidad de
ocurrencia del e&ento. :s! se 5ubiere decidido asignar nmeros aleatorios a 0 cifras en lugar
de los de dos! se 5abran necesitado 1!<<< nmeros en total *debe 5aber al menos tantos
dgitos como posiciones despu%s de] punto decimal en la distribucin de probabilidad+.
6ara las asignaciones de los nmeros aleatorios! la salida de este proceso se simula recogiendo
nmeros de una tabla de nmeros aleatorios y simplemente determinando el e&ento
correspondiente. 6or e#emplo! suponiendo que se recurriera a un tabla de nmeros aleatorios y
se obtu&iera el nmero /G! %ste indicara que el e&ento 1< - " - 1H ocurri.
Se puede pensar de esto como una simulacin de un proceso cuya salida es una &ariable
aleatoria que est% presentada por la distribucin de probabilidad mostrada en la tabla anterior.
Si se contina simulando este proceso y se registra la frecuencia con la cual ocurre cada
e&ento! se acercara en el lmite cuando el nmero de ensayos en la simulacin creciera sin
tope! a la probabilidad de ocurrencia de cada e&ento.
Ing. Efran Murillo
0<
aI! &<aJ4J!) A"i6%a$io%e" N/0ero de Fre$#e%$ia
de e%tero o$#rre%$ia" relatiKa
<!H <.12 <<(11 10 <.10
1<!1H <./< 12(31 0/ <./1
/<!/H <.2< 02(I1 21 <.21
0<!0H <.12 I2(HH 1/ <.1/
1.<<
>on una gran cantidad de ensayos se producirn frecuencias relati&as que sern ms cercanas
a los nmeros de probabilidad originadas.
D. Si"te0a de i%Ke%tario"
Kna forma de determinar los ni&eles *le reposicin *4+ y las cantidades de reposicin *J+
considerando todos los elementos de costos que inter&ienen en un sistema de in&entarios y
adems de forma que se automatice la administracin del in&entario de un almac%n! es un
sistema de simulacin.
)a eleccin de los &alores num%ricos de las &ariables la decisin se infiere de buscar el
intercambio entre,
El costo de tener el in&entaro
El costo de colocar los pedidos para llenar el in&entario
El costo asociado! al no tener productos cuando la demanda excede al in&entario
disponible *costo de escase'+.
Estos componentes de costo usualmente se suman #untos para proporcionar un costo &ariable
total para un perodo! una semana un mes! un aRo. El ob#eti&o del administrador es determinar
una poltica que minimice el &alor promedio del costo total.
:unque estos modelos son relati&amente fciles de desarrollar% a menudo son muy difciles
de resol&er matemticamente! pues con frecuencia contienen funciones no lineales de las
&ariables de decisin y contienen uno o ms elementos estocsticos que resulten de la
demanda yWo consideraciones de tiempo en que llegan los artculos despu%s de 5aber 5ec5o el
pedido.
>omo un resultado! el anlisis matemtico requerido para calcular una poltica ptima a
menudo es extremadamente difcil! para muc5os sistemas el anlisis matemtico es imposible.
)a simulacin sin embargo! trata fcilmente con las comple#idades de los sistemas de
in&entario. Se puede simular el comportamiento para una &ariedad de polticas! entonces la
administracin puede elegir la poltica que proporciona el comportamiento del sistema ms
deseable en promedio. )as matemticas comple#as no son necesarias.
Ejemplo:
Se presenta un sistema de in&entario! en el que la demanda diaria es incierta! pero que puede
representarse probabilsticamente en la distribucin siguiente,
Ing. Efran Murillo
01
:dems se conoce que,
a.( >uando la demanda excede el in&entario! se permite tener pedidos pendientes pero se
carga el costo T1.<< por unidad! por no 5aber tenido el artculo en almac%n *costo de
escase'+.
b.(El tiempo que transcurre desde que se 5ace el pedido 5asta que se reciben las cantidades
es constante e igual a dos das.
c.( El costo de colocar un pedido para &ol&er a tener artculos en in&entario es de T 1<.<<
*independientemente de la cantidad ordenada+.
d.( El costo de tener el in&entario es de 2< centa&os por da por cada unidad en almac%n al
inicio del da.
Se necesita instalar una poltica de reposicin! para lo cual se requiere establecer los &alores
de los ni&eles de reposicin *4+ y cantidad de reposicin *J+ que definen esta poltica.
El problema se resuel&e simulando el comportamiento del costo del sistema para una &ariedad
de polticas posibles y eligiendo aquellas polticas que proporcionen un costo mnimo.
6or e#emplo! se podra probar la poltica \ $oda &e' que el in&entario que se tiene al inicio de
un da sea menor o igual a 47/! colocar un pedido para J73 unidades.
Ktili'ando el enfoque de Montecarlo! se pueden generar demandas diarias! calcular los ni&eles
de in&entarios y de pedidos pendientes y calcular los costos diarios y correspondientes. Estos
costos diarios se acumulan 8 promedian para estimar el comportamiento en costo del sistema
para la poltica 4 7 /! J 7 3.
)a tabla siguiente presenta la simulacin para 0 semanas
Da In&en(
tario
inicial
Knida(
des
pedi(
das
Knidades
recibidas
Emeros
aleatorios
Knidades
deman(
dadas
Knidades
pedidas que
estn en
espera para
entregarse
>osto por
mantener la
unidad
almacenada
>osto por
no tener la
unidad en
almac%n
>osto del
pedido
>osto
total
1 3P < < 2 / < T0.<< < < T0.<<
/ 1 < < < < < / < < /
Ing. Efran Murillo
:signacin
del
Demanda 6robabilidad Emero
:leatorio
< <.1 <
1 <.0 1!/!0
/ <.2 1!2!3!G!I
0 <.1 H
1.<
0/
0 1 < < H 0 < / < < /
1 1 3 < 1 1 < <.2 < 1< 1<.2
2 < < < H 0 0 < 0 < 0
3 < < 3 I / < < < < <
G 1 3 < G / 1 <.2 1 1< 11.2
I < < < 2 / / < / < /
H < < 3 1 1 < < < < <
1< / 3 < I / < 1 < 1< 11
11 < < < 3 / / < / < /
1/ < < 3 H 0 < < < < <
10 1 3 < < < < <.2 < 1< 1<.2
11 1 < < 0 1 < <.2 < < <.2
12 < < 3 I / < < < < <
13 1 < < 1 1 < / < < /
1G 0 < < H 0 < 1.2 < < 1.2
1I < 3 < G / / < / 1< 1/
1H < < < 1 1 1 < 1 < 1
/< < < 3 0 1 < < < < <
/1 / 3 < 1 / < 1 < 1< 11
PIn&entario inicial asignado arbitrariamente
)a tabla anterior es un registro utili'ado para lle&ar la simulacin durante 0 semanas. )os
nmeros aleatorios utili'ados en la simulacin fueron tomados arbitrariamente de una tabla de
nmeros aleatorios.
El primer da del perodo de simulacin comien'a con un ni&el de in&entario de 3 unidades.
Se pide cero unidades puesto que el in&entario actual es mayor que 4 y se reciben cero
unidades puesto que no 5ay ningn pedido pendiente de recibir. Einguna unidad se necesita
pedir! y el da dos se inicia con cuatro unidades. El costo asociado en el da 1 es simplemente
T0.<< ya que no se tu&o escase' en el stoc[ ni se curs ningn pedido.
Sumando los resultados de costo en la 5o#a de traba#o y promediando sobre las tres semanas!
se obtiene un costo promedio de T /I.2 por semana para la poltica 4 7 /! J 7 3.
)a estimacin de costo para otras posibilidades se obtienen en forma similar y se utili'an para
comparar polticas *para me#orar la confiabilidad de las comparaciones! se debera
examinar el sistema para ms de 0 semanas+ segn costos.
EHERCICIO ,.
)a demanda diaria de un artculo *D+ es una &ariable aleatoria con distribucin exponencial
con una media de 2< unidades diarias. )a cantidad inicial en el almac%n es 1<< unidades y se
reduce diariamente.
Se tiene la poltica de pedir cada 0 das. Se solicita al inicio del da /2< unidades adicionales
que llegan en un tiempo aleatorio *TR+ con distribucin normal con media de / das y
des&iacin estndar de 1 da. :l llegar las unidades solicitadas primero se cumple con la
demanda atrasada.
Ing. Efran Murillo
00
El costo &ariable en el que se incurre es la suma del costo esperado de almacenamiento! el
costo de pedido y el costo esperado de escase'. )a escase' es acumulati&a. Esto es! un cliente
espera 5asta que se tiene el artculo. El costo de in&entario se estima en <.2 dlares por unidad
por da! y se carga a las unidades en in&entario al final del da. )a escase' cuesta 1.2 dlares
por cada unidad que falte. El costo de pedido es 2< dlares por pedido. )os pedidos llegan al
inicio del da.
Simule el funcionamiento del negocio durante 1< das! y determine el costo total! as como el
in&entario final del da 1<. 6ara generar los &alores de las &ariables aleatorias D y TR! utilice
los nmeros aleatorios indicados por el profesor.
SOLUCIN.
D
a
Suministro Demanda
Escas
ez
Costos Costo
II
Pedi
do r Z
T
R
Recibi
do r D IF
Almac
n
Escas
ez
Pedi
do Total
1 100 .$% 21 ! 0 "!#$ 0 0 "!#$
% ! .9& 1&1 0 &% 0 1%" 0
1%"#
0
" 0 %$0 .$7 ;.$$ 2 .$$ 2 0 %0 0 "0 $0 &0#0
' 0 .2 11 0 11 0 1(#$ 0 1(#$
$ 1" %$0 .71 &2 $ 0 "#$ 0 0 "#$
( $ %$0 .&#
0#'
2 .#$ #9 0 1' 0 %1 $0 1#0
0 .& $ 0 " 0 '#$ 0 '#$
& %"" %$0 .&% "1 1&% 0 !1 0 0 !1#0
! 1&% %$0 .9$
1#'
& $ .&& "% 1%& 0 (' 0 $0
11'#
0
10 1%& .92 12& % 0 1 0 0 1#0
$&#
0
%. )os*o *o*al = 123 "ole"
#. 3n4en*ario Final = # nidade"
CASO ESTUDIO ,.
SIMULACIN DE SISTEMAS DE CON3ESTIN VELICULAR
)os pasa#eros llegan a un paradero de autobuses con tiempos medio entre llegadas de /
minutos distribuidos exponencialmente. Kn autobs llega con tiempos entre llegadas de G?(/
minutos. El autobs tiene capacidad para 12 pasa#eros y el nmero de asientos no ocupados
cuando llega el autobs tiene igual probabilidad de estar entre < y 12. El autobs recibe tantos
pasa#eros como pueden sentarse y los que no puedan abordar se ale#an.
a+ Emplee la simulacin de Montecarlo para determinar el nmero de pasa#eros que se
ale#an durante la llegada de /< pasa#eros.
Ing. Efran Murillo
01
Emplear los siguientes nmeros aleatorios,
( 6ara las llegadas de los pasa#eros, BH
( 6ara las llegadas de los autobuses, >1
( 6ara el nmero de asientos &acos, :1<
b+ Ktilice un lengua#e de programacin para simular el funcionamiento del paradero de
autobuses y determine el nmero de pasa#eros que se ale#an durante,
b.1+ Kn tiempo de I 5oras.
b./+ )a llegada de 1<< autobuses.
Nota, En ambos casos construya los diagramas de flu#o respecti&os.
SOLUCIN.
6ara dar respuesta a la parte a+! construimos la siguiente tabla de simulacin,
Se concluye que no 5abr pasa#eros que se ale#en por falta de asientos &acos.
Sol#$i'% Para #% tie0&o de "i0#la$i'% de ? Bora".
Pro&iedade" del Modelo
0.1 >LM6LEEE$ES,
:utobuses y 6asa#eros.
0./ O:4I:B)ES E"LCEE:S,
L, $iempo entre llegadas de los pasa#eros
A, $iempo entre arribos de autobuses
NANO, Emero de asientos no ocupados
0.0 O:4I:B)ES EEDLCEE:S,
AL, Emero de pasa#eros que se ale#an por falta de asientos
0.1 O:4I:B)ES DE ES$:DL,
Ing. Efran Murillo
02
T, $iempo de llegada de un pasa#ero
TL, $iempo de llegada de un autobs
0.2 6:4^ME$4LS,
$iempo de Simulacin 7 I 5oras o la llegada de 1<< pasa#eros
>apacidad del autobs 7 12 asientos
0.3 4E):>ILEES NKE>ILE:)ES,
L Distribucin Exponencial con media entre llegadas de / minutos
A Distribucin Eormal con media de G minutos y des&iacin estndar de / minutos
NANO Distribucin Kniforme entre < y 12
Dia6ra0a de Fl#Co &ara #% tie0&o de "i0#la$i'% de ? Bora".
Pro6ra0a e% Vi"#al Ba"i$ (parte b.1)
6ri&ate Sub >ommand1Z >lic[ *+
tl 7 <
al 7 <
t 7 <
p 7 <
Ing. Efran Murillo
03
n 7 02
B,
# 7 <
Nor i 7 1 to n
4andomi'e
# 7 # ? 4nd*+
Eext i
a 7 G ? * / _ *1 W / + + P * # Q * n W / + + P * * 1/ W n + _ *1 W / + +
tl 7 tl ? a
F5ile t - 7 1I<
4andomi'e
r 7 4nd *+
) 7 (/ P )og *1 Q r +
t 7 t ? )
If - 7 tl t5em
p 7 p ? 1
Else
4andomi'e
r 7 4nd *+
nano 7 12 P * 1 Q r +
If nano . p $5en
al 7 al ? p Q nano
End if
p 7 1
Co to B
End if
Fend
$ext1.$ext 7 al
End Sub
: continuacin se presenta el diagrama de flu#o para un tiempo de simulacin de la llegada de
1<< autobuses,
Ing. Efran Murillo
0G
Pro6ra0a e% Vi"#al Ba"i$ (parte b.2)
6ri&ate Sub >ommand1Z>lic[*+
t1 7 <
a1 7 <
t 7 <
p 7 <
n 7 02
g 7 <
B,
# 7 <
Nor i 7 1 $o n
Ing. Efran Murillo
0I
4andomi'e
# 7 # ? 4nd*+
Eext i
: 7 G ? ** / _ * 1W/ + P * # ( *nW/ ++ P ** 1/Wn + _ * 1W/ ++
g 7 g ? 1
t1 7 t1 ? a
F5ile g -7 1<<
4andomi'e
r 7 4nd*+
) 7 (/ P )og* 1( r +
t 7 t ? )
If t -7 t1 $5en
p 7 p ? 1
Else
4andomi'e
r 7 4nd*+
nano 7 12 P * 1 ( r +
If nano . p $5en
a1 7 a1 ? p ( nano
End if
p 7 1
Co $o B
End if
Fend
$ext1.$ext 7 a1
End Sub
E4ERCICIO 1:
)os pasa#eros llegan a un paradero de autobuses con tiempos medio entre llegadas *L+ de /
minutos distribuidos exponencialmente. Kn autobs llega con inter&alos de tiempo *A+
distribuidos uniformemente entre 2 y G minutos.
El autobs tiene capacidad para /2 pasa#eros y el nmero de asientos ocupados *AO+ cuando
llega el autobs tiene igual probabilidad de estar entre /< y /2. El autobs recibe tantos
pasa#eros como pueden sentarse y los que no puedan abordar se ale#an.
Simule el funcionamiento del sistema durante la llegada de 1< pasa#eros y determine,
a+ El nmero promedio de pasa#eros que se ale#an por no encontrar asiento disponible. */
puntos+
b+ El tiempo promedio de espera de los pasa#eros. */ puntos+
Ing. Efran Murillo
0H
c+ >onstruya el diagrama de flu#o respecti&o. *0 puntos+
6ara generar los &alores de las &ariables aleatorias L! A y AO! utilice los nmeros aleatorios
indicados por el profesor.
SOLUCIN.
Pasajeros <u*o/uses <sien*os
Pasajero r = T )ola r < T= r <> <V TE <
1 !#2 $ $ 1 !%1 & & !"% 2$ 2 $ 2
2 !&2 2 " 2 1
$ !1$ " $ 1
% !# " % 1
" !92 " 1 1 !92 7 1$ !7 2 " $
& !9" & 1& 1 !" " 1# !92 2" 2 1
7 !#& % 2 1 !%% & 2% !12 21 % %
# !11 2 2 %
9 !1& 2 $ %
1 !"2 1 21 % $
2& $
a0 2?mero promedio de pasajeros 7ue se alejan = $@$ = % pa"a5ero
/0 Tiempo promedio de espera = 2&@1 = #.6 'in*o"
(0 5iagrama de Flujo(
Ing. Efran Murillo
1<
Ing. Efran Murillo
11
CASO ESTUDIO NRO 1:
SIMULACIN DEL -AN DE UN PRO7ECTO DE IN-ERSIN
ACERCA DEL INVERSIONISTA.
Ismael siempre fue un 5ombre de ideas claras y ob#eti&as bien definidas. $an luego se formo
en una de las me#ores escuelas de administracin! el demostr gran espritu emprendedor y
energa.
:5ora! a los 1/ aRos de edad! el &iene in&irtiendo su patrimonio de T 1 <<< <<< de modo muy
cauteloso y obteniendo 12S al aRo. :ctualmente! el se enfrenta con una inflacin adicional
creciente y se esta preocupando con su efecto corrosi&o sobre su patrimonio. De 5ec5o Ismael
esta pensando en alterar su comportamiento! procurando alternati&as con mayores riesgos y
esperando rendimientos ms atrayentes.
LA DECISION
Ismael pretende colocar T 1 <<< <<< de su in&ersin seguro y cauteloso en una de las dos
alternati&as " o 8! siempre que el rendimiento sea mayor que los actuales 12S y los riesgos
sean compatibles.
Kn modelo de simulacin seria el anlisis apropiado para tratar los &alores aleatorios del
proyecto "! en cuanto a las incerte'as del proyecto 8 podran ser mas bien &isuali'adas en un
diseRo de rbol de decisiones.
El problema de la @preferencia en el tiempoA puede ser tratado utili'ando los clculos del
Oalor 6resente Eeto *O:E+! como recomiendan la mayora de los autores. )a tasa de
descuento es de 12S. De cualquier modo! dada la incerte'a en relacin al tiempo de duracin
del proyecto! otros anlisis no se #ustifican.
EL PROMECTO 4.
El proyecto " consiste en el lan'amiento de un nue&o producto. )a in&ersin inicial total es
de T 1 <<< <<< y el retorno depende de factores inciertos y &alores aleatorios.
i+ Incerte'a en relacin al costo &ariable unitario de produccin. Este costo depende de
procesos mal controlados y de insumos con pocos pro&eedores! o sea! factores inciertos. En
tanto! un panel de especialistas atribuyo estimati&os sub#eti&os *probabilidades como medida
de incerte'a+ que resultaron para el primer aRo de produccin! en,
6robabilidad *S+ >osto Knitario *T+
1< 0.<<
0< 0.2<
0< 1.<<
Eo 5ay costos fi#os importantes adems de la in&ersin inicial.
Ing. Efran Murillo
1/
ii+ :leatoriedad en el total de las &entas anuales. Existen muc5os datos estadsticos de
comportamiento del mercado para productos seme#antes! en el pasado. )a aleatoriedad de los
&alores para las &entas anuales *durante el ciclo de &ida del producto+ puede ser modelada por
una distribucin que! por nica &e'! ser aproximada por tramos lineales. )as distribuciones
son diferentes para cada uno de los 1 aRos *de modo que refle#e un ciclo de &ida+! en cada una
de estas distribuciones! es aproximada por 2 rangos lineales. >ada rango lineal corresponde a
una distribucin uniforme. )as distribuciones lineales utili'adas en el proceso de
aproximacin son,
Distribuciones de las 2 Distribuciones Kniformes
Distribucin )mites
Kniforme *1<<< unidades &endidas+
1 G< a 03<
/ 03< a 11<
0 11< a 1H<
1 1H< a 30<
2 30< a H<<
6ara cada aRo! el comportamiento del mercado *tamaRo(participacin+ ser tal que caiga en
una de las distribuciones lineales arriba! con las siguientes probabilidades,
Modelando las &entas anuales
Distribucin 6robabilidad de ocurrencia *S+
uniforme aRo 1 aRo / aRo 0 aRo 1
1 /2 1< 2 0<
/ 0< /< /2 /2
0 0< /2 /2 /<
1 1< /2 /2 /<
2 2 /< /< 2
6or este proceso! se genera un &alor de &enta segn la siguiente secuencia,
Seleccione un aRo para el cual se desea generar un &alor de &entas.
Seleccione la distribucin uniforme siguiendo las probabilidades correspondientes a
aquel aRo.
Se recomienda el proceso acumulati&o; por e#emplo! para el aRo 1, genere un nmero
aleatorio con distribucin uniforme < a 1 y si resulta entre < y <./2 use la distribucin 1! 5asta
<.22 use la /! 5asta <.I2 use la 0! 5asta <.H2 use la 1 y encima de <.H2! use la 2. Lbser&e
cmo para los aRos 1 y 1! inicio y fin del ciclo de &ida del producto! la probabilidad de
seleccionar distribuciones *1 y /+ con ba#as &entas es mayor.
Despu%s de seleccionar la distribucin segn el procedimiento anterior! genere el &alor
de las &entas dentro de la distribucin seleccionada.
iii+ El tiempo de &ida *ciclo del producto+ depende del desempeRo de las &entas,
Si Oentas *aRo 1+ ? Oentas *aRo /+ - 3<< <<<! entonces / aRos.
Si Oentas *aRo 1+ ? Oentas *aRo /+ ? Oentas *aRo 0+ - 1 <<< <<<! entonces 0 aRos.
Ing. Efran Murillo
10
El mximo es de 1 aRos! despu%s de los cuales ser desacti&ado.
i&+ El precio unitario de &enta ya fue fi#ado en T 2.<< .
El producto tendr disponibilidad inmediata despu%s de la in&ersin inicial *esta es una
simplificacin+.
)a especificidad del producto es tal que despu%s de su tiempo de &ida! no 5ay &alor residual
sobre la in&ersin inicial.
&+ 6ara efectuar los anlisis! Ismael pretende construir un modelo de simulacin con 1<<
casos y efectuar 1< simulaciones con el modelo de modo a obtener medias globales.
6ara los clculos financieros! despu%s de la in&ersin inicial! los otros &alores sern todos
concentrados al final de cada aRo.
PROMECTO M
El proyecto 8 es muc5o mas conser&ador. Se trata de una in&ersin inmobiliaria de 1 milln
de dlares en edificaciones comerciales. El beneficio a ser recibido anualmente es bastante
bueno y fue estimado en 02S de la in&ersin inicial. Day incerte'as en relacin al tiempo de
re&enta y al &alor de re&enta.
i+ $iempo de re&enta,
Despu%s de tres aRos! con probabilidad de 3<S.
Despu%s de cuatro aRos! con probabilidad de 1<S.
ii+ Oalor de re&enta *depende de las e&oluciones del mercado inmobiliario y de la regin en
particular+,
Nactor de multiplicacin
En relacin a la
In&ersin inicial 6robabilidad *S+
<!H< 1<
1!<< /<
1!1< 2<
1!12 /<
UEn qu% proyecto deber in&ertir su dinero IsmaelV
CASO ESTUDIO 6:
SISTEMA DEL TERMINAL PES!UERO
OBHETIVOS.
Ing. Efran Murillo
11
( 6robar las 5abilidades de los #ugadores para establecer ni&eles de pedido de in&entario para
un 5ori'onte de planificacin de die' semanas. El ganador ser aquel que al final tenga
mayores ganancias.
CASO. El $erminal pesquero &ende camarn fresco a di&ersos clientes de :requipa. :l
inicio de cada semana elabora los pedidos de ca#as de camarn a los representantes de la flota
en Matarani! para satisfacer la demanda de sus clientes a media semana. El camarn se
entrega al $erminal y luego! a media semana! a los clientes.
El suministro y la demanda del camarn son inciertos. El suministro puede &ariar 5asta ?(
1<S con respecto a la cantidad de pedido. )a probabilidad relacionada con esta &ariacin es,
(1<S 0<S de las &eces
<S 2<S de las &eces
?1<S /<S de las &eces
)a demanda semanal del camarn se distribuye normalmente con media de I<< ca#as y
des&iacin estndar de 1<< ca#as.
El terminal pesquero paga 0< dlares por la ca#a de camarn y la &ende a 2<. El camarn que
no se &enda al final de la semana se &ende a 1 dlares la ca#a a una compaRa de alimento para
gatos. El terminal pesquero! si lo desea! puede pedir que el pro&eedor congele el camarn en
el muelle! pero esto ele&a 1 dlares el costo por ca#a y! por lo tanto! le cuesta 01 dlares al
$erminal pesquero. )a congelacin permite que el terminal pesquero mantenga un in&entario
de camarn! pero el almacenamiento del camarn en el congelador de la empresa cuesta /
dlares por ca#a a la semana. : los clientes no les importa si el camarn que reciben es el
fresco o el congelado. El terminal pesquero calcula que su costo de inexistencias es igual al
al'a en precio; es decir! cada ca#a que pida y no pueda surtir le cuesta a la empresa T2< ( T0<
7 T/<.
rocedimiento para el jue!o. El #uego consiste en decidir cada semana cuntas ca#as de
camarn fresco y congelado 5ay que pedir. )a cantidad que se pida puede ser cualquiera. El
profesor acta como rbitro y proporciona los nmeros aleatorios. )os pasos para lle&ar a
cabo el #uego son,
a+ Decidir cul ser la cantidad de camarn fresco y congelado que se pedir y registrar
las cantidades en la columna 0 de la 5o#a de traba#o *&er cuadro :+. Suponga que no 5ay
in&entario inicial del camarn congelado.
b+ Determinar la cantidad que se entrega y registrarla como pedidos recibidos. 6ara esto!
el profesor toma un nmero de la tabla de nmeros aleatorios uniformes y encuentra el
ni&el de &ariacin asociado en los siguientes inter&alos de nmeros aleatorios,
<.<< Q <.0< 7 (1<S
<.01 Q <.I< 7 <S
<.I1 Q 1.<< 7 ?1<S
Si el nmero aleatorio es! por e#emplo! <.10! la cantidad de &ariacin sera Q1<S.
Entonces! si decide pedir 1<<< ca#as de camarn fresco y 1<< de camarn congelado! la
cantidad que recibira sera 1<<< Q <.1<*1<<<+! o H<< ca#as de camarn fresco! y 1<<(
Ing. Efran Murillo
12
<.1<*1<<+! o H< ca#as de camarn congelado. *Lbser&e que la cantidad de &ariacin es la
misma para el camarn fresco y el congelado+. Estas cantidades se registran en la columna
1.
c+ Sumar la cantidad de camarn congelado en in&entario *si 5ay+ a la cantidad de camarn
fresco y congelado que acaba de recibir! y registrar esta cantidad en la columna 2. >on base
en las cifras anteriores! sera HH<.
d+ Determinar la demanda de camarn. 6ara esto! el profesor obtiene un nmero aleatorio de
la tabla de des&iacin estndar y lo registra en la ecuacin que se encuentra en la parte
superior de la columna 3. :s! si el &alor de des&iacin es Q1.G3! la demanda para la
semana es I<<?1<<*Q1.G3+! o 3/1.
e+ Determinar la cantidad &endida. Esta cantidad ser la menor de la demanda *columna 3+ y
la cantidad disponible *columna 2+. Entonces! si un #ugador recibi HH< y la demanda es
3/1! la cantidad que se registre ser 3/1 *con un sobrante de HH<(3/1! o 033+.
f+ Determinar el excedente. )a cantidad de excedente es sencillamente la cantidad que quede
despu%s de satisfacer la demanda de una semana. Suponga siempre que se &ende primero el
camarn fresco y luego el congelado. Entonces! si utili'amos la cifra de 033 que se obtu&o
en *e+! el excedente incluira las H< ca#as originales de camarn congelado.
g+ Determinar la escase'. Es la cantidad de demanda no satisfec5a en cada periodo y slo
ocurre cuando la demanda es mayor a las &entas. *>omo todos los clientes consumen el
camarn en la semana en que se les entrega! no importan los pedidos atrasados+. )a
cantidad de escase' *en ca#as de camarn+ se registra en la columna H.
"eterminacin de !anancias. El cuadro B se usa para determinar las ganancias al final del
#uego. )os &alores que se registran en esta tabla se obtienen al sumar las columnas rele&antes
del cuadro : y 5acer los clculos correspondientes.
#area. Simular las operaciones de 1< semanas. Se sugiere que 5agan una pausa al concluir la
semana 2 para que los #ugadores traten de e&aluar la manera en que podran me#orar su
rendimiento. $ambi%n podran planificar una estrategia de pedidos para la semana de &eda!
cuando no se pro&eer camarn.
TABLA A. LoCa de tra!aCo &ara la "i0#la$i'%.
Ing. Efran Murillo
13
TABLA B. 3a%a%$ia" de la" O&era$io%e"
Ingresos por &entas
*T2< x col.G+ TZZZZZZ
Ingresos por desec5o
*T1 x col.I fresco+ TZZZZZZ
Total de i%6re"o" NOOOOOOO
>osto de compras de camarn fresco
*T0< x col.1 fresco+ TZZZZZZ
>osto de compras de camarn
congelado *T01 x col.1 congelado+ TZZZZZZ
>osto de almacenamiento de camarn
congelado *T/ x col.I congelado+ TZZZZZZ
>osto de escase' *T/< x col.H+ TZZZZZZ
Co"to total NOOOOOOO
3a%a%$ia" NOOOOOOO
Ing. Efran Murillo
1G
APLICACIONES PROPUESTAS
APLICACIN ). )os buques tanque llegan a un puerto petrolero con la distribucin de
tiempos entre llegadas que se &e en la tabla siguiente,
$iempo entre llegadas *das+ 1 / 0 1 2
6robabilidad ./< ./2 .02 .12 .<2
El puerto tiene dos terminales! : y B. )a terminal B es ms moderna y! por lo tanto! ms
efica' que la terminal :. El tiempo para descargar un buque tanque depende de la capacidad
de %ste. Kn superbuque tanque necesita 1 das para descargar en la terminal : y 0 en la
terminal B. Kn buque tanque de tamaRo mediano necesita 0 das en la terminal : y / das en
la terminal B. )os buques tanque pequeRos se descargan en / das en la terminal : y en 1 en
la terminal B. )os buques tanques que llegan se forman en una sola cola en el puerto 5asta
que se desocupa una terminal para descarga. El ser&icio se da sobre la base primero que llega
primero en ser atendido. El tipo de buque tanque y la frecuencia con la que llegan a este
puerto se presenta en la siguiente tabla,
TIPO DE BUQUE TANQUE PROBABILIDAD
Superbuque tanque <.1<
Superbuque tanque mediano <.02
Superbuque tanque pequeRo <./2
Suponiendo que si los dos terminales estn desocupados! los buques eligen el $erminal : para
ser atendido! utilice la simulacin de Montecarlo para la llegada de 12 buques y determine el
nmero promedio de das que pasa un tanque en el puerto y el tiempo ocioso de cada una de
las terminales.
Ktilice los nmeros aleatorios de las celdas E G y > 2 para generar los tiempos entre llegadas
y el tipo de buque tanque que llega respecti&amente.
APLICACIN *. El gerente de una pequeRa oficina de correos teme que el crecimiento de
la localidad sature el ser&icio que se ofrece con una sola &entanilla. Decide obtener datos de
muestra con respecto a 1<< indi&iduos que solicitan ser&icio. : continuacin se presenta un
resumen de los datos,
$iempo entre $iempo de
llegadas ser&icio
*minutos+ Nrecuencia *minutos+ Nrecuencia
1 I 1.< 1/
/ 02 1.2 /1
0 01 /.< 03
1 1G /.2 1H
2 3 0.< G
0.2 2
1<<
1<<
Emplee la simulacin de Montecarlo para estimar el tiempo promedio de espera y el promedio
de inacti&idad de los empleados durante la llegada de 12 clientes.
Ing. Efran Murillo
1I
; Ktilice la secuencia de nmeros aleatorios de las celdas B1 y E0 para generar los
inter&alos entre llegadas de los clientes y los tiempos de ser&icio respecti&amente.
APLICACIN +. )a biblioteca de la uni&ersidad tiene una copiadora para uso de los
estudiantes. Estos llegan a la mquina con una distribucin de tiempos entre llegadas
mostradas en la siguiente tabla,
$iempo entre llegadas *minutos+ 1 / 0 1 2
6robabilidad ./< ./2 .1< .1< .<2
El tiempo promedio que se tarda en 5acer una copia es 12 segundos. Kn anlisis de los datos
acumulados muestra que el nmero de copias que 5ace un estudiante al pasar a la mquina
tiene la distribucin siguiente,
Emero de copias 3 G I H 1<
6robabilidad ./< ./2 .02 .12 .<2
El bibliotecario cree que con el sistema actual! la cola en la mquina copiadora es demasiado
larga y que el tiempo que un estudiante pasa en el sistema *tiempo de espera ? tiempo de
ser&icio+ es demasiado.
Efecte una simulacin de Montecarlo para la llegada de 1< clientes y determine el tiempo
promedio de espera y el tiempo ocioso de la mquina copiadora.
Ktilice los nmeros aleatorios de las celdas :G y BH *tabla de nmeros aleatorios+ para
generar los &alores de los tiempos entre llegadas de los estudiantes y el nmero de copias
solicitadas respecti&amente.
APLICACIN ,. )a demanda diaria de pollos en un minimar[et es una &ariable aleatoria
con distribucin exponencial con una media de 2 unidades diarias. El administrador comien'a
el da con 12 pollos.
>ada pollo tiene un costo de 10 soles y se &ende a /< soles. Se reduce el in&entario
diariamente. Si al final de un da en particular el dueRo tiene menos de I pollos en stoc[!
ordena un pedido suficiente para tener 12 pollos al inicio del siguiente da.
:dems se conoce que,
( >uando la demanda excede el in&entario! no se permite tener pedidos pendientes pero
se carga el costo de 0 soles por unidad! por no 5aber tenido el artculo en almac%n *costo
de escase'+.
( El costo de colocar un pedido para &ol&er a tener artculos en in&entario es de 1< soles
*independiente de la cantidad ordenada+.
( El costo de mantener in&entario de un da para otro es de 1.2 soles. El costo de
almacenamiento del in&entario inicial fue cargado en la gestin anterior
Ing. Efran Murillo
1H
:sumiendo que el costo de adquisicin e in&entario de los 12 pollos con los que empie'a el
negocio fueron absorbidos en la gestin anterior! determine Kd. utili'ando la t%cnica de la
simulacin de Montecarlo,
a+ )a utilidad total para un periodo de 12 das.
b+ El nmero de pollos que sobran al final del ltimo da.
6ara generar la demanda diaria utilice los nmeros aleatorios de la celda EI *tabla de nmeros
aleatorios+.
APLICACIN ;. Kn semforo en una interseccin &e5icular tiene una fase &erde que
actualmente demora 2< segundos y una fase ro#a de 1< segundos. El inter&alo entre las
llegadas de los &e5culos a la interseccin *en segundos+ es una &ariable aleatoria con
distribucin emprica,
Inter&alos entre llegadas 2 3 G I H
probabilidad <.1 <.0 <./ <.0 <.1
a+ >onstruya un modelo de simulacin *diagrama de flu#o+ para este sistema que permita
determinar la duracin de la fase &erde! de tal manera que el tiempo promedio de
espera de los &e5culos que llegan a dic5a interseccin no sea mayor a 0< segundos.
Ktilice un tiempo de simulacin de 2 5oras.
b+ Mediante la simulacin de Montecarlo determine la longitud promedio de &e5culos
en cola para esta interseccin en un tiempo de simulacin equi&alente a la llegada de
12 &e5culos. Ktilice los nmeros de la celda BH *tabla de nmeros aleatorios+ para
generar los &alores de la &ariable aleatoria.
APLICACIN 9. En un proceso producti&o las pie'as una &e' procesadas son
inspeccionadas para determinar si son rec5a'adas! reprocesadas o aceptadas para su posterior
&enta. Estadsticamente el G<S de las pie'as son aceptadas! el 1<S son rec5a'adas y el /<S
reprocesadas. Kna pie'a reprocesada puede &ol&er nue&amente a ser reprocesada. Ktilice la
t%cnica de simulacin de Montecarlo para imitar el funcionamiento de este sistema durante la
llegada de 12 pie'as y responda las siguientes inquietudes,
a+ Si el costo de proceso es de T10 por pie'a y el de reproceso TG. U>ul seria el costo de un
item que termine en &entasV.
b+ En un lote de 2<<< pie'as Ucuntas sern rec5a'adasV.
Eota, Ktilice los nmeros aleatorios de la celda >/ *tabla de nmeros aleatorios+ para generar
&alores para la &ariable aleatoria de si la pie'a es aceptada! descartada o reprocesada.
APLICACIN 8. En el puesto de gasolina @El campenA! ocurre lo siguiente,
a+ )os carros llegan al puesto a cada 1/ a 13 minutos con una media de 11 minutos entre
llegadas y distribucin uniforme.
Ing. Efran Murillo
2<
b+ ùan 6%re' atiende exponencialmente! lle&ando en promedio12 minutos para atender
un carro *1 minutos para llenar el tanque! 0 minutos para &erificar el aceite y I
minutos para contar el cambio+.
Se le sugiere las siguientes alternati&as para me#orar el ser&icio,
a+ Eo 5acer nada y de#ar las cosas como estn.
b+ Someter a ùan 6%re' a un programa de capacitacin! de modo que me#ore su
aritm%tica y de esta manera disminuir el tiempo de ser&icio de 12 a 3 minutos.
c+ Instalar una segunda bomba y contratar a un operario para operarla. El #o&en traba#a
exactamente del mismo modo que ùan 6%re'.
d+ Sugerir a ùan 6%re' que descanse y contrate al me#or estudiante del grupo escolar de
la nocturna! el empleara 2 minutos para atender un carro.
EL$:, Lbser&e que este proceso no es de optimi'acin! ya que no es posible definir una
funcin ob#eti&o a ser maximi'ada o minimi'ada.
a+ Mediante la simulacin de Montecarlo determine la me#or alternati&a de optimi'acin
en funcin al tiempo promedio de espera en cola. Ktilice el tiempo de simulacin
equi&alente a la llegada de 12 &e5culos al sistema.
Ktilice los siguientes nmeros aleatorios para generar los &alores de las &ariables
aleatorias,
; 6ara la tasa de llegadas, Emeros aleatorios de la celda >G *tabla de nmeros
aleatorios+.
; 6ara los tiempos de ser&icio, Emeros aleatorios de la celda D1 *tabla de nmeros
aleatorios+.
APLICACIN ?. Kn &endedor compra peridicos al precio de 2< c%ntimos de sol por cada
uno y los &ende a 1 sol la unidad. :l final de cada da el agente de publicaciones le pagar 12
c%ntimos de sol por cada peridico que no 5aya &endido. )a demanda diaria D de los
peridicos tiene la siguiente distribucin de probabilidad *distribucin emprica+,
D G2 I< I2 H< H2 1<< 1<2 11< 112 1/<
p*D+ <.<I <.<G <.</ <./< <.<H <.1H <.1/ <.<0 <.11 <.<3
g+ Suponiendo que el &endedor puede pedir cualquier cantidad de peridicos que se
encuentre en el rango de &alores de la demanda! construya un modelo de simulacin
*diagrama de flu#o+ para este sistema logstico que permita determinar el ni&el ptimo
de apro&isionamiento *nmero de peridicos a pedir diariamente+! en un tiempo de
simulacin de /<< das.
5+ Mediante la simulacin de Montecarlo determine la utilidad total esperada para un
ni&el de apro&isionamiento de H2 peridicos diarios en un tiempo de simulacin de /<
Ing. Efran Murillo
21
das. Ktilice los nmeros de la celda :2 *tabla de nmeros aleatorios+ para generar los
&alores de la &ariable aleatoria.
APLICACIN :. Suponga que estamos determinando el punto de reorden 4 de una poltica
de in&entarios *J!4+. >on esta poltica pedimos J unidades cuando el ni&el de in&entario
desminuye a 4 o menos. )a distribucin de probabilidades de la demanda diaria se da en la
siguiente tabla,
DEM:ED: DI:4I:
*unidades+ 64LB:BI)ID:D
1/ .<2
10 .12
11 ./2
12 .02
13 .12
1G .<2
El tiempo de entrega tambi%n es una &ariable aleatoria y tiene la siguiente distribucin,
$IEM6L DE EE$4EC:
*Das+ 64LB:BI)ID:D
1 ./<
/ .0<
0 .02
1 .12
Suponemos que la cantidad @pedir 5asta tenerA permanece igual! en 1<< unidades. Euestro
inter%s en este caso es determinar el &alor del punto de reorden 4 que minimice el costo total
de in&entario. Este costo es la suma del costo esperado de almacenamiento! el costo esperado
de pedido y el costo esperado de escase'. )a escase' es acumulati&a. Esto es! un cliente
espera 5asta que se tiene el artculo. El costo de in&entario se estima en <./< dlares por
unidad por da! y se carga a las unidades en in&entario al final del da. )a escase' cuesta 1
dlar por cada unidad que falte. El costo de pedido es 12 dlares por pedido. )os pedidos
llegan al inicio del da.
a+ Suponiendo que el punto de reorden 4 puede oscilar entre < y 2< unidades! construya
un modelo de simulacin *diagrama de flu#o+ para este sistema de in&entario que
permita determinar el &alor de 4 que minimice el costo total de in&entario! en un
tiempo de simulacin de 2<< das.
b+ Mediante la simulacin de Montecarlo determine el costo total de in&entario para un
punto de reorden igual 0< unidades en un tiempo de simulacin de /< das.
Ktilice los siguientes nmeros aleatorios para generar los &alores de las &ariables
aleatorias,
; 6ara la demanda, Emeros aleatorios de la celda >1 *tabla de nmeros aleatorios+.
; 6ara los tiempos de llegada de los pedidos, Emeros aleatorios de la celda EI
*tabla de nmeros aleatorios+.
Ing. Efran Murillo
2/
A&D%di$e A
8rea /a5o la (r9a nor'al e"*:ndar
; $.$$ $.$% $.$# $.$< $.$& $.$1 $.$6 $.$2 $.$3 $.$=
$.$$ ." ."$99 ."79# ."1197 ."1"9" ."199% ."2$92 ."279 ."$1## ."$"#&
$.%$ ."$9#$ ."%$# ."%77& .""172 ."""&7 .""9&2 ."&$"& ."&7%9 ."71%2 ."7"$"
$.#$ ."792& ."#$17 ."#7& ."99" ."9%#$ ."9#71 .&2"7 .&2%7 .&12& .&1%9
$.<$ .&1791 .&2172 .&2""2 .&29$ .&$$7 .&$&#$ .&%"# .&%%$1 .&%#$ .&"17$
$.&$ .&""%2 .&"91 .&&27& .&&&% .&7$ .&7$&% .&772% .&##2 .&#%$9 .&#79$
$.1$ .&91%& .&9%97 .&9#%7 .719% .7"% .7##% .7122& .71"&& .719% .722%
$.6$ .72"7" .7297 .7$2$7 .7$"$& .7$#91 .7%21" .7%"$7 .7%#"7 .7"17" .7"%9
$.2$ .7"#% .7&11" .7&%2% .7&7$ .77$" .77$77 .77&$7 .779$" .7#2$ .7#"2"
$.3$ .7##1% .791$ .79$#9 .79&7$ .799"" .#2$% .#"11 .#7#" .#1"7 .#1$27
$.=$ .#1"9% .#1#"9 .#2121 .#2$#1 .#2&$9 .#2#9% .#$1%7 .#$$9# .#$&%& .#$#91
%.$$ .#%1$% .#%$7" .#%&1% .#%#%9 .#"#$ .#"$1% .#""%$ .#"7&9 .#"99$ .#&21%
%.%$ .#&%$$ .#&&" .#&#&% .#77& .#72#& .#7%9$ .#7&9# .#79 .##1 .##29#
%.#$ .##%9$ .##&#& .###77 .##9&" .#92"1 .#9%$" .#9&17 .#979& .#997$ .91%7
%.<$ .9$2 .9%9 .9&"# .9#2% .99## .911%9 .91$9 .91%&& .91&21 .9177%
%.&$ .9192% .927$ .9222 .92$&% .92"7 .92&%7 .927#" .92922 .9$"& .9$1#9
%.1$ .9$$19 .9$%%# .9$"7% .9$&99 .9$#22 .9$9%$ .9%&2 .9%179 .9%29" .9%%#
%.6$ .9%"2 .9%&$ .9%7$# .9%#%" .9%9" .9""$ .9"1"% .9"2"% .9"$"2 .9"%%9
%.2$ .9""%$ .9"&$7 .9"72# .9"#1# .9"97 .9"99% .9&# .9&1&% .9&2%& .9&$27
%.3$ .9&%7 .9&%#" .9&"&2 .9&&$# .9&712 .9&7#% .9&#"& .9&92& .9&99" .97&2
%.=$ .9712# .9719$ .972"7 .97$2 .97$#1 .97%%1 .97" .97""# .97&1" .97&7
#.$$ .9772" .977#% .97#$1 .97##2 .979$2 .979#2 .9#$ .9#77 .9#12% .9#1&9
#.%$ .9#21% .9#2"7 .9#$ .9#$1% .9#$#2 .9#%22 .9#%&1 .9#" .9#"$7 .9#"7%
#.#$ .9#&1 .9#&%" .9#&79 .9#71$ .9#7%" .9#77# .9##9 .9##% .9##7 .9##99
#.<$ .9#92# .9#9"& .9#9#$ .991 .99$& .99&1 .99#& .99111 .991$% .991"#
#.&$ .991# .9922 .9922% .992%" .992&& .992#& .99$1 .99$2% .99$%$ .99$&1
#.1$ .99$79 .99$9& .99%1$ .99%$ .99%%& .99%&1 .99%77 .99%92 .99"& .99"2
#.6$ .99"$% .99"%7 .99"& .99"7$ .99"#" .99"9# .99&9 .99&21 .99&$2 .99&%$
#.2$ .99&"$ .99&&% .99&7% .99&#$ .99&9$ .9972 .99711 .9972 .9972# .997$&
#.3$ .997%% .997"2 .997& .997&7 .9977% .997#1 .997## .9979" .99#1 .99#7
#.=$ .99#1$ .99#19 .99#2" .99#$1 .99#$& .99#%1 .99#%& .99#"1 .99#"& .99#&1
<.$$ .99#&" .99#&9 .99#7% .99#7# .99##2 .99##& .99#99 .99#9$ .99#9& .999
<.%$ .999$ .999& .9991 .9991$ .9991& .9991# .99921 .9992% .9992& .99929
<.#$ .999$1 .999$% .999$& .999$# .999% .999%2 .999%% .999%& .999%# .999"
<.<$ .999"2 .999"$ .999"" .999"7 .999"# .999& .999&1 .999&2 .999&% .999&"
<.&$ .999&& .999&# .999&9 .9997 .99971 .99972 .9997$ .9997% .9997" .9997&
<.1$ .99977 .9997# .9997# .99979 .999# .999#1 .999#1 .999#2 .999#$ .999#$
<.6$ .999#% .999#" .999#" .999#& .999#& .999#7 .999#7 .999## .999## .999#9
<.2$ .999#9 .9999 .9999 .9999 .99991 .99991 .99992 .99992 .99992 .99992
<.3$ .9999$ .9999$ .9999$ .9999% .9999% .9999% .9999% .9999" .9999" .9999"
<.=$ .9999" .9999" .9999& .9999& .9999& .9999& .9999& .9999& .99997 .99997

1 Fuen*e( Richard 3. =e4in and )harles <. AirBpa*ricB! Quantitive Approaches to Management
82eC DorB( 'cEraC;Fill! 197#:! p. "##.
Ing. Efran Murillo
20
A&D%di$e B. Ta!la de N/0ero" Aleatorio"

A . C D E
%
1"#1922$9& 2&#"779#% #2&21$#92 #$7%#"&%9 %&$7"&7%##
92#1""#2 729"##"79 9"#&111&"2 7"""#7&7 &%72$#29$%
%11277""& $%%&72%#& 1##2%129&$ &#%12& 9$$1%791%
7%"7%77%&# "%$"#17## 9&7#"291$ 12912&"7$ %#9$1$"
99"2#"# $99##72 2$9"9$1#1 "97$%7%9" 977&1$""1
#
72%"17%#% 227"&9#&%" #%1&"%9$%# %&7&%&$11 2229$&79#$
&7%9%2$#2 %#$2&$$2 "&79#%9"9 "%$211%&1 29&&9"&#
""$1&111 7%1$&#&"99 119#7"7&9" %1%29%%7 1%121"9#
71&%2$#9$% 7&&&1272"9 "2&$97712 "1$$&%#9# %119&&9&$
$"9$9&9"2" 2727"97&9 $#"99#1$& 9999#99&& 7"%%"&#"2
<
%192"%%&& 71%&29 "1&9%$9&"9 #%#7"1&9 17%$7$1$1
9&97%2&117 &%#####"" %$1&"2"2& #12$"%$27& 927"$%"$7
279""79 9"&%2&#%%# $%"7%1&9## 1"$127##& 71&&$$7$9
%"#%7&#7"# 2$#927#&1 $#"9%$17#1 $&%$7&#%"& %1%1$1%"1#
$#%1%"#&7 912#$1#$ 722#"&7&"2 12&717$##% %2&"1&"7
&
19%"$%%2 %####% 11&"&2#""9 "%79212"% $7&#9$2%7#
&7&&""%$$# ""#"2&"1%" "#9"22% 97#&2$&91 219"%%#9&
&$1"11&2#% 9172#2%179 ""%%#1%$$9 1&9%$&&& $#2#"$#7#&
$9#7719$# %$"""%$2% #%12&299 %9%2"92# 1%7"&2$997
""72%"#& 9$2%7$2"9& 11#&"&$$97 %%2"1%$1#9 $21&&"$2"1
1
29999971#" 1$"9&#9$# 7&7#9$119% 1$"1$1%$ &2"&1#%
7#&%$7"912 #$#$2$27&# 1#92#"77 2$2$&7$7"1 $1####171#
7&"%9227 &$%91%2$$ $$#2"&9&&2 %"79%2&92& 1"1$#2%""
&"%&#$2%& %7&"1%#77 #1%922%1&# "%&#&$1&9 &%7%$9$#9&
7#$""""# "2""1%71#2 $"192#77#& 2%#1&7"&%9 #97"9#&97
6
7&2&9#%$&9 %72"$7$9 9&%191&2#9 "%9#2#7 7%&$#72%%
%7#"%#%"$ $&%&1217"1 #%$&777&# 292#79%9"& 99"&%$"1&
%&27791%# "7&"""#17 #7&2"92%$ &1#"&7#$ &$&$#%"92
9$7&%7&9$ %%1&#9$% #7%9%7272$ 2222717# "#972&"$
1227991&&1 79$&797"% 9"27"%2791 %711#7117$ #$97#1%#
2
""#29""#9 ""$"79#279 %7&%%$9#"" &2792%7&1# %%%&#9"##
%9"9$97&9# 1"&9#1%" #%1&&&7& #2$%1$222 &%2&#1$%&9
1#2%779$"# 1$$$7"%&# 9%$%7%212 "27$&922$# "92177&"
7%19229" "72&2#971& $%2#%7#71 1#2%#12$% $1##$172$
$"""1%2#1 9$991&$ &#27#2%#99 &$#$#727$7 "91&#2&2&
3
9717"9""$% 1&$%1729$ #"21"7%72 1%71$7"% $%%1"1""7
""71"&%12$ 7$%%&1$%%7 11291172%% $2%%&191 1&99%$%9
%&7%2&2#92 2#9%"&7&% "#&""%"9 #22%9#9%2 "7$#$1#$$
#%&122#71" 7%&9##92 92#"$"27% &$$19#9&%& #7&%%&7&#&
1#$#"$#&7# $%9&#9&7 &9""1"72&9 "%#29&%$$ 21&19#%9%
=
1#$%1#2$" &2$%7&#9$ "9$7#279 $%%"2#19" $&9%91"&"#
1##%2277$2 292$727"1 #%%$#91$2 %&112$#1 &72112%%"
&791#"7$%1 &&9&2%$$#& 2219"991$7 $19$##%2$& #22%72971#
$79299%& %$1"&27%9 ""77"7297 &27$7#"%& 1%""$%97%
&#"%%&2% 2#7"""&9$# "%9&&297" %#%1#17$"& 1%%$1&71%1
%$
7""1"& $%9&$$271 ""%7#9 7$$#&79"$ &2""1#119
9#%&%1$%%& #$&&%&&92 &&1&#%2"1 ##7"12721 &2"1"$$%"%
&2"%"77$ %2291&%&9% 7$21$&$71" 7"112#2#" 11#%&#72
"%"7"9$922 97"1%#9"7% 17999&$# 19#91%1&2 ""9"$&%2%7
%7&%#&&"$ #9"#2&"2# %9$%"#2$ %711#77%2 1%"&27&29
Ing. Efran Murillo
21

Simulación de Montecarlo y distribuciones de probabilidad

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Simulación de Montecarlo y distribuciones de probabilidad

Uploaded by

Copyright:

Available Formats

Simulacin de Sistemas

Programa Profesional de Ingeniera Industrial

You might also like