Este documento presenta un resumen de conceptos clave relacionados con la simulación. Explica que la simulación permite representar procesos complejos de manera más sencilla para facilitar el diseño y análisis de sistemas. También define conceptos como variables aleatorias, método de Montecarlo e intervalos de confianza que son utilizados en la modelación de sistemas con incertidumbre. Finalmente, concluye enfatizando la importancia de validar los modelos de simulación con datos reales para asegurar su validez.
0 calificaciones0% encontró este documento útil (0 votos)
29 vistas10 páginas
Este documento presenta un resumen de conceptos clave relacionados con la simulación. Explica que la simulación permite representar procesos complejos de manera más sencilla para facilitar el diseño y análisis de sistemas. También define conceptos como variables aleatorias, método de Montecarlo e intervalos de confianza que son utilizados en la modelación de sistemas con incertidumbre. Finalmente, concluye enfatizando la importancia de validar los modelos de simulación con datos reales para asegurar su validez.
Este documento presenta un resumen de conceptos clave relacionados con la simulación. Explica que la simulación permite representar procesos complejos de manera más sencilla para facilitar el diseño y análisis de sistemas. También define conceptos como variables aleatorias, método de Montecarlo e intervalos de confianza que son utilizados en la modelación de sistemas con incertidumbre. Finalmente, concluye enfatizando la importancia de validar los modelos de simulación con datos reales para asegurar su validez.
Este documento presenta un resumen de conceptos clave relacionados con la simulación. Explica que la simulación permite representar procesos complejos de manera más sencilla para facilitar el diseño y análisis de sistemas. También define conceptos como variables aleatorias, método de Montecarlo e intervalos de confianza que son utilizados en la modelación de sistemas con incertidumbre. Finalmente, concluye enfatizando la importancia de validar los modelos de simulación con datos reales para asegurar su validez.
Descargue como PDF, TXT o lea en línea desde Scribd
Descargar como pdf o txt
Está en la página 1/ 10
INC-1004 ADMINISTRACIÓN DEL MANTENIMIENTO
TITULO:
“Evaluación Formativa 16.”
CARRERA:
INGENIERÍA INDUSTRIAL
PRESENTA:
LUIS URIEL RAMIREZ LUNA
No. de Control: 19720086
DOCENTE:
Mtro. Marco Aurelio Aldape Salazar
linares, N. L. a 22 de mayo de 2023
Introducción
el término desde el punto de vista de las ciencias, se refiere a las técnicas realizadas en investigación con modelos de simulación o equipos que recrean ciertas acciones o escenarios, siendo utilizados como un sistema de hipótesis para intentar demostrar una teoría. Consiste en un sistema de enseñanza y aprendizaje para el perfeccionamiento de las investigaciones científicas. Desarrollo
1. Simulación
Dentro de áreas como la ingeniería industrial existe lo que se conoce como
simulación de procesos. Se trata de una herramienta muy importante dentro del sector, pues facilita enormemente la realización de proyectos y tareas. ¿Cómo? Gracias a que se encarga de proceder a representar un proceso mediante otro que resulta mucho más sencillo y fácilmente comprensible.
Es decir, mediante este recurso lo que se logra es poder llevar a cabo diseños buenos a la primera y conseguir productos que permiten obtener un mayor beneficio o un coste competitivo en lo que se refiere a su propia fabricación. 2. Sistema
Un sistema es un conjunto de partes o elementos organizados y relacionados que
interactúan entre sí para lograr un objetivo. Los sistemas reciben (entrada) datos, energía o materia del ambiente y proveen (salida) información, energía o materia.
Un sistema puede ser físico o concreto (una computadora, un televisor, un humano)
o puede ser abstracto o conceptual (un software)
Cada sistema existe dentro de otro más grande, por lo tanto un sistema puede estar formado por subsistemas y partes, y a la vez puede ser parte de un súper sistema.
Los sistemas tienen límites o fronteras, que los diferencian del ambiente. Ese límite puede ser físico (el gabinete de una computadora) o conceptual. Si hay algún intercambio entre el sistema y el ambiente a través de ese límite, el sistema es abierto, de lo contrario, el sistema es cerrado.
El ambiente es el medio en externo que envuelve física o conceptualmente a un
sistema. El sistema tiene interacción con el ambiente, del cual recibe entradas y al cual se le devuelven salidas. El ambiente también puede ser una amenaza para el sistema 3. Modelo de simulación
Un modelo de simulación es un conjunto de ecuaciones que representa procesos,
variables y relaciones entre variables de un fenómeno del mundo real y que proporciona indicios aproximados de su comportamiento bajo diferentes manejos de sus variables los cuales, permiten abordar una cuestión puramente teórica, en cuyo caso su finalidad es puramente teórica, o una situación real, orientado a dar una respuesta concreta , formalizar en un modelo de simulación nuestra percepción del fenómeno real y simular el efecto de diferentes alternativas
4. Simulación continua
Este tipo de simulación crea las operaciones de un sistema para rastrear
continuamente las contestaciones del sistema durante la simulación. Eso representa que los resultados son producidos en todos los puntos durante la simulación y no en intervalos. 5. Simulación discreta
La simulación por eventos discretos es una herramienta para simular el
comportamiento y desempeño de procesos del mundo real.
La mayoría de los procesos de una organización se pueden describir con una serie de eventos separados y discretos, que ocurren a lo largo de cierto tiempo, y que alteran el estado de un sistema.
Las herramientas de simulación por eventos discretos nos permitirán organizar
estos resultados para poder extraer conclusiones de utilidad para luego tomar acciones en el sistema real.
Aplicaciones tipo de simulación por eventos discretos son proyectos de logística,
atención de salud, operaciones de manufactura y manipulación de materiales, entre otros. 6. Variables
Es aquella variable que puede tener asignado un valor (no previsible) de un
determinado conjunto finito (variable aleatoria discreta) o infinito (variable aleatoria continua) de posibles valores. Es una función que asigna un número a cada posible resultado de un experimento (espacio de muestreo). Aunque la secuencia exacta de valores que serán asignados a una variable aleatoria no puede ser prevista, sí que es posible conocer el rango de valores en los que puede variar, así como la probabilidad de tener asignado un cierto valor.
7. Variables aleatorias
En simulación, los valores que puede tomar una variable aleatoria, como la duración de una actividad, o quizá el tiempo entre arribos de las entidades al sistema, son representados por una Distribución de Probabilidad. Para generar un valor individual de la variable aleatoria, un número aleatorio (creado mediante un generador de números aleatorios) es colocado en una rutina o ecuación de transformación, convirtiendo el número aleatorio en un valor que conforma una distribución de probabilidad y que re presenta a la variable aleatoria.
El comportamiento aleatorio en un sistema es expresado en un modelo de
simulación, ya sea utilizando expresiones de probabilidad (véase el ejemplo anterior) o por la especificación de distribuciones de probabilidad. Esto depende de si se trata de un hecho particular de decisión mediante la comparación con un número aleatorio generado, o si se trata de la probabilidad de un valor asociado a una variable aleatoria, como la duración de una actividad, o quizá la cantidad de productos que compra un cliente, etcétera. 8. Método de Montecarlo
El método de Monte Carlo es una simulación que se utiliza para modelar la
probabilidad de diferentes resultados en un proceso que no se puede predecir fácilmente debido a la intervención de variables aleatorias. Es una técnica utilizada para comprender el impacto del riesgo y la incertidumbre.
Las simulaciones de Monte Carlo tienen una amplia gama de aplicaciones en
campos que están plagados de variables aleatorias como pueden ser negocios, inversiones, ingeniería, etc.
Se utilizan para estimar la probabilidad de sobrecostos en proyectos grandes y la
probabilidad de que el precio de un activo se mueva de cierta manera.
Las empresas de telecomunicaciones los utilizan para evaluar el rendimiento de la
red en varios escenarios, lo que les ayuda a optimizar sus redes.
Los analistas financieros los utilizan para evaluar el riesgo de que una entidad incumpla y para analizar derivados como opciones.
Las aseguradoras también los utilizan para medir el riesgo.
Las simulaciones de Monte Carlo también tienen muchas aplicaciones fuera de los negocios y las finanzas, como en meteorología, astronomía y física de partículas. 9. Intervalos de confianza
El intervalo de confianza describe la variabilidad entre la medida obtenida en un
estudio y la medida real de la población (el valor real). Corresponde a un rango de valores, cuya distribución es normal y en el cual se encuentra, con alta probabilidad, el valor real de una determinada variable. Esta «alta probabilidad» se ha establecido por consenso en 95%. Así, un intervalo de confianza de 95% nos indica que dentro del rango dado se encuentra el valor real de un parámetro con 95% de certeza5-8.
10. Estadística descriptiva
Esto se consigue en Análisis de datos que se encuentra en Herramientas de
Excel. Concusión
La modelación y simulación es algo realmente importante ya que nos permite
experimentar y visualizar cómo se comporta un sistema y en qué área se pueden realizar mejoras en el funcionamiento del sistema basándonos en resultados obtenidos en la simulación Antes de empezar cualquier tipo de proyecto se debe de entender bien como es que funciona el sistema y cuáles son las variables involucradas para poder modelar el sistema y que sea muy parecido al sistema en la realidad. La manera más sencilla de que podamos determinar que el modelo sea válido es determinar que las salidas del modelo están muy cerca de la realidad del sistema.
