Introducción

El objetivo de este capítulo es procurar al lector una comprensión básica de la naturaleza del inventario tanto como elemento tangible y físico mantenido dentro de una instalación ("vida real"o"conteo de estante") como elemento intangible que existe en los registros de una compañía ("vida en el papel" o "conteo en registros"). Puesto que con frecuencia se toman decisiones sobre compras, ventas, servicio al cliente, planeamiento de producción y otras sobre la base de si un artículo figura como parte de las existencias de Muerdo con los registros, la vida en el papel de un artículo puede ser tan importante como su vida real. 

Resumen - TIPOS DE SIMULACIONES

En simulaciones de eventos discretos es común usar el método de avance de tiempo hasta el evento siguiente. En este procedimiento la simulación evoluciona a través del tiempo al actualizare! reloj para el siguiente evento programado y tomar las acciones que sean necesarias para cada evento. Los eventos se programan generando valores aleatorios a partir de distribuciones de probabilidad. 

Los datos de una simulación se pueden analizar ya sea con un método de simulación de finalización, o con un método de simulación de estado estable. En las simulaciones de terminación se hacen n simulaciones del modelo con las mismas condiciones inicialés, pero ejecutando cada simulación con una sucesión distinta de números aleatorios. Si la medida de desempeño se representa mediante la variable X, este método nos da los estimadores Xu X2 X, que proceden de las n simulaciones. Estos estimadores se usan para obtener un intervalo de confianza 100(1 - <*)% mediante

para un valor fijo de n. . La simulación da la flexibilidad para estudiar sistemas que sean demasiado complejos para los métodos analíticos. Sin embargo, se debe poner en una perspectiva adecuada. Los modelos de simulación son tardados y costos en cuanto a su estructuración y ejecución. Además, los resultados pueden no ser muy precisos y, menudo difíciles de validar. La simulación puede ser una herramienta poderosa, pero sólo si se usa en forma adecuada.

Resumen - GENERACIÓN DE VARIABLES ALEATORIAS

Las variables aleatorias se representan mediante distribuciones de probabilidad. El procedimiento de generación de variables aleatorias a partir de distribuciones dadas de probabilidad se llama generación de valores aleatorios, o muestreo de Monte Cario. El principio de muestreo se basa en la interpretación de probabilidad de frecuencia y requiere una corriente uniforme de números aleatorios. Se generan los números aleatorios para este procedimiento mediante métodos congruentes. El que más se usa es el método de congruencia lineal. Los números aleatorios que se generan de esta forma usan la siguiente relación:

Resumen - EL PROCESO DE SIMULACIÓN

El proceso de simulación consiste en varias etapas distintas. Cada estudio puede ser algo distinto, pero en general se tiene el siguiente marco:

1.   Formular el problema.

2.   Reunir datos y crear un modelo.

3.   Adaptar el modelo a computadora.

4.   Comprobar el modelo de computadora.

5.   Validar el modelo de simulación.

6.   Diseñar el experimento.

7.   Llevar a cabo las ejecuciones de simulación.
<S. Documentar y organizar el modelo.

Resumen - INTRODUCCIÓN A LA SIMULACIÓN

La simulación se puede definir como una técnica que imita el funcionamiento de un sistema del mundo real a medida que evoluciona en un periodo de tiempo. Hay dos tipos de modelos de simulación: el estático y el dinámico. Un modelo disimulación estática representa un sistema en determinado punto en el tiempo. Un modelo de simulación dinámica representa a un sistema cuando evoluciona en el tiempo. Las simulaciones pueden ser deterministas o estocásticas. Una simulación determinista no contiene variables aleatorias, mientras que una simulación estocástica contiene una o más variables aleatorias. Por último, las simulaciones se pueden representar con modelos discretos o continuos. Una simulación discreta es aquella en la cual las variables de estado cambian sólo en puntos discretos en el tiempo. En una simulación continua las variables de estado cambian en forma continua a través del tiempo. En este capítulo sólo hemos tratado modelos estocasticos discretos. Estos modelos se llaman modelos de simulación de eventos discretos.

EL PROCESO DE SIMULACIÓN - gráfico

EL PROCESO DE SIMULACIÓN - II

Habiendo creado el modelo, lo ponemos en una forma en la que se pueda analizar en la computadora. Esto normalmente significa elaborar un programa de computadora para el modelo. Una de las decisiones clave en este caso es la selección del lenguaje. Como se dijo antes, los lenguajes para fines especiales necesitan menos programación que los de fines generales, pero son menos flexibles y tienden a necesitar tiempos de cómputo mayores. En cualquier caso, la parte de programación del estudio será probablemente un proceso lardado porque los programas de simulación tienden a ser largos y complejos. Una vez elaborado y depurado el programa, se determina si trabaja bien. En otras palabras ¿hace el programa lo que se desea que haga? 

Este proceso se llama paso de verificación y en general es difícil, ya que para la mayor parte de las simulaciones no tenemos resultados con los cuales comparar el resultado de la computadora. Si quedamos satisfechos con el programa, pasamos ahora a la etapa de validación. Ésta es otra parte crítica de un estudio de simulación. En ella validamos el modelo para ver si presenta realmente al sistema que se analice y para ver SI LOS resultados son confiables. Como con la etapa de verificación, esto es en general un proceso difícil. Cada modelo presenta un reto distinto. Sin embargo, hay algunos lineamientos generales que se pueden seguir. 

Para tener más detalles acere de osos procedimientos, véase Law y Kelton (1982), o Shannon (1979). Si nos satisface ce la eficacia del modelo en esta etapa, lo podemos usar para llevar a cabo experimentos y responder a las preguntas que se tengan. Los datos generados pm los experimentos de simulación se deben reunir, procesar y analizar. Los resultados no sólo o analizan como soluciones al modelo, sino también en término-, de validez y contabilidad estadísticas. 

Por último, después de haber procesado y analizado los resultados, se debe llegar a una decisión si llevar a cabo o no más experimentos. El énfasis principal en este capítulo ha sido en los procedimientos de muestren y la construcción del modelo. Como resultado de ello, muchos temas del proceso de simulación 110 se tratan, o sólo se mencionan en forma breve. Sin embargo, son temas importantes en simulación, y el lector interesado en el uso de simulación debería consultar las obras de Law y Keiton (1982), Shannon (1979) o Banks y Carson (1984).