Simulacion

UNIDAD I
Introducción a la simulación de eventos discretos

Objetivo educacional: Establecerá el concepto de simulación. Conocerá las principales aplicaciones de la simulación de eventos discretos e identificará los elementos principales en la simulación

1. Introducción 1
Actualmente, la simulación es una poderosa técnica para la resolución de problemas. Sus orígenes están en la teoríade muestreo estadístico y análisis de sistemas físicos probabilísticos complejos. El aspecto común de ambos es el uso de números y muestras aleatorias para aproximar soluciones.

Una de las más famosas aplicaciones de muestras aleatorias, ocurre durante la segunda guerra mundial, cuando la simulación se utilizó para estudiar el flujo de neutrones dentro del desarrollo de la bomba atómica. Estainvestigación era secreta y le dieron un nombre en código: Monte Carlo. Este nombre se mantiene, y durante mucho tiempo se usaba para hacer referencia a algunos esfuerzos en simulación. También se realizó un proceso de simulación para el proyecto APOLLO dentro del plan espacial de la NASA, acerca del movimiento dentro de la atmósfera de la luna.

Vamos a ver técnicas que utilizan lascomputadoras para imitar, o simular, el comportamiento de sistemas del mundo real. Para estudiar científicamente estos sistemas, a menudo se han de hacer una serie de suposiciones acerca de cómo trabaja éste. Estas suposiciones que usualmente toman la forma de relaciones matemáticas o lógicas, constituyen un modelo que va a ser usado para intentar comprender el comportamiento del sistema correspondiente.Si las relaciones que componen el modelo son suficientemente simples, es posible usar métodos matemáticos (tales como álgebra, cálculo o teoría de la probabilidad) para obtener una información exacta de las cuestiones de interés; a esto se le llama solución analítica. Sin embargo, la mayoría de los sistemas del mundo real son demasiado complejos y normalmente los modelos realistas de los mismos,no pueden evaluarse analíticamente. Lo que se puede hacer es estudiar dichos modelos mediante simulación. En una simulación se utiliza el ordenador para experimentar con un modelo numéricamente, de forma que con los resultados obtenidos se haga una estimación de las características del sistema.

Clasificación de los modelos de simulación
• Según la evolución del tiempo
▪ Estáticos:A menudo se denomina simulación Monte Carlo Un modelo estático es una representación de un sistema en un punto particular de tiempo, o uno que representa un sistema en el cual el tiempo no juega ningún papel, es decir que las variables del modelo no cambian con el tiempo. Ejemplo: La distribución de planta de todos los departamentos de producción. En cada corrida se asignan aleatoriamente losdepartamentos de producción observando quienes quedan juntos, y se mide la distancia total que recorren las piezas.
▪ Dinámicos: Los modelos dinámicos representan sistema que evolucionan con el tiempo es decir que las variables del modelo si cambian con el tiempo. Ejemplo: Todos los modelos de colas. (Líneas de espera).
• Según la aleatoriedad
▪ Deterministas: Es aquel que contienevarias matemáticas que se conocen con certeza. Ejemplo: Simulación de una línea de ensamble controlada por robots o un complicado sistemas de ecuaciones diferenciales que describen una sustancia química.
▪ Probabilísticas: Es aquel que contiene variables aleatorias que son definidas por una función de probabilidad. Ejemplo: Simulación de un banco
• Según las variables de estado
▪Continuos: Es aquel en que el estado de las variables cambia continuamente respecto al tiempo. Ejemplo: Proceso químico en el cual la temperatura y la presión cambia continuamente a través del tiempo.
▪ Discretos: Es aquel en que el estado de las variables cambia en determinados instantes de tiempo. Ejemplo: Simulación de un banco.

Características que deben presentar los modelos:
•...