6 Anlisis de entrada: especificacin de parmetros y distribucin del
modelo
Hay detalles que se deben especificar a la hora de definir un modelo de simulacin
que funcione. Se piensa primero en los aspectos lgicos, entidades y recursos, como entran las entidades y como dejan el modelo, los recursos que se requieren, los caminos a seguir, etc. Estas actividades son llamadas modelacin estructural ya que preparan la lgica fundamental de cmo se vera y que hara el modelo. Existen otros elementos a la hora de especificar un modelo que suelen ser ms numrico y matemtico por naturaleza por ejemplo en el ejemplo que nos muestra en el 4.2 se dice que el tiempo entre llegada para la parte A esta distribuida de forma exponencial con una media de 5 minutos , seguido por la distribucin triangular , estos tipo de especificaciones podran llamarse modelacin cuntica y resultan potencialmente importante para los resultado como los supuesto de modelacin estructural Para el modelo 4.2 supondra la recoleccin de datos en tiempo entre llegad a reales Para la parte A tiempo de funcionamiento para el sellado y dotacin personal en la estacin de revisin, para esto se necesitara echar un vistazo a los datos y hacer algn tipo de anlisis para especificar las entradas correspondientes para su modelo de forma adecuada, realista y valida. Entrada determinista contra aleatoria Un tema fundamental en la modelacin cuntica es que si va a modelar una cantidad de entrada como una cantidad determinista o si va a modelar como variable aleatoria siguiendo alguna distribucin de probabilidad. Algo que debiera ser determinista como el nmero de operador de revisin, o puede que se quiera variar los valores de ejecucin a ejecucin para ver el despeo esperado
Puede verse tentado la aleatoriedad de las entradas ya que parece ser ms
sencillo y tener la ventaja de que los resultados del modelo pueden no ser aleatorios. Sim embargo esto puede ser de riesgo para desde un punto de vista para el modelo, porque con frecuencia es la aleatoriedad de s misma la que hace un comportamiento importante del sistema. por ejemplo, una cola sencilla de un solo servidor, podra suponer todos los tiempos entre llegada exactamente de un minuto y todos lo proceso de tiempo son exactamente de 59 segundo; ambas figuras podran estar de acuerdo con los valores promedio de los datos observado en llegada y servicio. El modelo comienza con valores vaco en el servidor y la primera llegada es de tiempo 0, entonces no habr un cola , puesto que cada cliente termina su servicio y se ira un segundo antes que llegue el siguiente cliente .los tiempo entre llegada y de servicio son de variable aleatoria exponencial con media de un 1 minuto 59 segundo respectivamente, se obtiene algo muy diferente en termino de longitud de cola , de hecho en la ejecucin larga , resulta que el nmero promedio de cliente en la cola es de 58.0167 muy distinto de 0 de forma intuitiva lo que sucede con el modelo aleatorio a veces sucede que algn cliente llega al mismo tiempo ; son precisamente esta situaciones aleatorias la que ocasionan una cola lo que nunca sucede en un modelo determinista