Simulacion de Sistemas de RShanon

7/24/2019 Simulacion de Sistemas de RShanon

1/12

ESUMEN

Este tutorial introductorio presenta una vista sobre el proceso de realizacin de un estudio desimulacin de cualquier sistema discreto. El punto de vista bsico es que la realizacin de unestudio de este tipo requiere el arte y la ciencia. Algunos de los temas abordados son cmoempezar, los pasos a seguir, las cuestiones que se plantean en cada paso, los peligrospotenciales ocurriendo en cada paso, y las causas ms comunes de fallas.

1. INTRODUCCIN

La simulacin es una de las herramientas ms poderosas disponibles para los tomadores dedecisiones responsables del diseo y operacin de los procesos y sistemas complejos. Haceposible el estudio, anlisis y evaluacin de situaciones que no sera posible de otra manera. En unmundo cada vez ms competitivo, la simulacin se ha convertido en un problema indispensableresolver metodologa para ingenieros, diseadores y gestores.

Definiremos la simulacin como el proceso de diseo de un modelo de un sistema real y larealizacin de experimentos con este modelo con el fin de entender el comportamiento del sistema

y / o la evaluacin de diferentes estrategias para la operacin del sistema. Por lo tanto, es crticoque el modelo de ser diseado de tal manera que el comportamiento del modelo imita elcomportamiento de respuesta del sistema real a los eventos que tienen lugar en el tiempo.

Modelo y el sistema del plazo son componentes clave de nuestra definicin de simulacin. Por unmodelo nos referimos a una representacin de un grupo de objetos o ideas en alguna formadistinta de la de la propia entidad. Por un sistema nos referimos a un grupo o conjunto deelementos interrelacionados que cooperan para lograr algn objetivo determinado. Una de lasfortalezas reales de la simulacin es el hecho de que podemos simular sistemas que ya existen,as como aquellos que son capaces de ser trado a la existencia, es decir, los que estn en laetapa preliminar o la planificacin del desarrollo.

En este artculo vamos a discutir el arte y la ciencia de mover un sistema modelado a travs deltiempo. La simulacin es la mejor cosa siguiente a la observacin de un sistema real enfuncionamientocin, ya que nos permite estudiar la situacin a pesar de que no podemos experimentardirectamente con el sistema real, ya sea porque el sistema todava no existe o porque esdemasiado difcil o costoso de manipular directamente la misma.

Consideramos simulacin para incluir tanto la construccin del modelo y el uso experimental delmodelo para el estudio de un problema. Por lo tanto, podemos pensar en modelos de simulacincomo una metodologa experimental y aplicada, que busca:

describir el comportamiento de un sistema.Utilice el modelo para predecir el comportamiento futuro, es decir, la

efectos que se producen por cambios en el sistema o en su mtodo de operacin.

2 VENTAJAS Y DESVENTAJAS

Simulacin tiene una serie de ventajas con respecto a los modelos analticos o matemticos parael anlisis de sistemas. En primer lugar, el concepto bsico de la simulacin es fcil decomprender y por lo tanto a menudo ms fcil de justificar ante la administracin o los clientes que

algunos de los modelos analticos. Adems, un modelo de simulacin puede ser ms crebleporque de comportamiento ha sido comparada con la del sistema real o porque requiere un menornmero de supuestos simplificadores y por lo tanto capta ms de las verdaderas caractersticasdel sistema en estudio. Las ventajas adicionales incluyen:


2/12

Podemos probar nuevos diseos, diseos, etc., sin comprometer recursos para su

implementacin.

Se puede utilizar para explorar nuevas polticas de personal, procedimientos operativos, reglas

de decisin, estructuras organizativas, los flujos de informacin, etc. sin interrumpir lasoperaciones en curso.

Simulacin nos permite identificar los cuellos de botella en la informacin, materiales y

productos flujos y opciones de prueba para aumentar las tasas de flujo.

Se nos permite probar hiptesis acerca de cmo o por qu se producen ciertos fenmenos en

el sistema.

Simulacin nos permite controlar el tiempo. As podemos operar el sistema durante varios meseso aos de experiencia en cuestin de segundos lo que nos permite buscar rpidamente enhorizontes de largo plazo o que podemos frenar los fenmenos de estudio.

Nos permite hacerse una idea de cmo un sistema modelado en realidad funciona y la

comprensin de las variables que son ms importantes para el rendimiento.

La gran fuerza de la simulacin es su capacidad para hacernos experimentar con situacionesnuevas y desconocidas y para contestar "qu pasara si" las preguntas.A pesar de que la simulacin tiene muchas fortalezas y ventajas, no est exenta deinconvenientes. Entre ellas se encuentran:

Los modelos de simulacin es un arte que requiere una formacin especializada y por lo tanto

los niveles de habilidad de los profesionales son muy variables. La utilidad del estudio depende dela calidad del modelo y de la habilidad del modelador.

La recopilacin de los datos de entrada de alta fiabilidad puede llevar mucho tiempo y los datosresultantes a veces es muy cuestionable. Simulacin no puede compensar por datos insuficienteso decisiones de gestin pobres.

Los modelos de simulacin son los modelos de insumo-producto, es decir, que producen la

salida probable de un sistema para una entrada dada. Son, por tanto, "correr" en lugar de resolver.Ellos no dan una solucin ptima, sino que sirven como una herramienta para el anlisis delcomportamiento de un sistema bajo las condiciones especificadas por el experimentador.

3 EL EQUIPO DE SIMULACIN


3/12

Aunque algunos estudios de simulacin pequeos se llevan a cabo por un analista individual, lamayor parte se llevan a cabo por un equipo. Esto es debido a la necesidad de la variedad dehabilidades requeridas para el estudio de sistemas complejos. En primer lugar, necesitamospersonas que conocen y entienden el sistema en estudio. Estos suelen ser los diseadores, lossistemas, ingenieros de fabricacin o de proceso. Pero tambin puede ser los gerentes, jefes deproyecto y / o el personal operativo que utilizarn los resultados. En segundo lugar, tendremos quecontar con personas que saben cmo formular y modelar el sistema, as como el programa de losespecialistas (simulacin) modelo. Estos miembros tambin tendrn la recopilacin de datos yconocimientos estadsticos.

La primera categora de personal debe necesariamente ser miembros es decir internos de laorganizacin para la cual se est realizando el estudio. Si no tenemos gente en la segundacategora, tenemos varias opciones. Podemos: (a) contratar a personas con las habilidadesnecesarias, (b) contratar el modelado de consultores externos, (c) capacitar a algunos de losnuestros, o (d) una combinacin de las anteriores. Si optamos por entrenar algunos de nuestrapropia gente, es importante tener en cuenta que la recogida de datos estadsticos y lashabilidades son probablemente ms importante que las habilidades de programacin. Los nuevospaquetes de simulacin han hecho que los conocimientos informticos necesarios menos

importante de lo que eran.

Es importante darse cuenta de que el conocimiento de un paquete de software de simulacin nohace a alguien un simulacionista ms que saber FORTRAN hace a uno un matemtico. Como sedijo anteriormente, la simulacin es un arte y una ciencia. La programacin y componentesestadsticos son la parte de la ciencia. Pero los componentes de anlisis y modelacin son el arte.Por ejemplo, cuestiones como la cantidad de detalles que se incluyen en el modelo o cmorepresentar a ciertos fenmenos o qu alternativas para evaluar son todos una parte de lamateria.

Shannon

8

Cmo se aprende un arte?aprender a hacer retratos de aceite.ciencia de la pintura al leo, como perspectiva, sombreado, mezcla de color, etc. (programacininformtica, estadstica y paquetes de software). Pero an as no sera capaz de hacer retratos alleo acreditables. Podramos le llevar a los museos y le mostrar las pinturas de los Maestros ysealar las tcnicas utilizadas (el estudio de los modelos de otras personas). Pero a pesar de elloslo tienen la capacidad mnima para hacer retratos aceptables.

Si usted quiere llegar a ser competentes en un arte que debe tomar las herramientas (paleta,

lienzo, pintura y pinceles) y comenzar a pintar. Mientras lo hace, usted comenzar a ver lo quefunciona y lo que no. Lo mismo es cierto en la simulacin. Se aprende el arte de la simulacinmediante la simulacin. Tener un mentor para ayudarle a mostrar el camino puede acortar eltiempo y esfuerzo. Es por ello que muchas empresas optan por empezar en la simulacinmediante el uso de una combinacin de consultores y alumnos internos.

4 UN CONCEPTO DE SIMULACIN

Aunque hay varios tipos diferentes de metodologas de simulacin, nos limitamos nuestraspreocupaciones a un enfoque estocstico, discreta, orientada proceso. En este enfoque, semodela un sistema en particular mediante el estudio del flujo de las entidades que se mueven a

travs de ese sistema. Las entidades pueden ser clientes, rdenes de trabajo, piezas especiales,los paquetes de informacin, etc. Una entidad puede ser cualquier objeto que entra en el sistema,se mueve a travs de una serie de procesos, y luego sale del sistema. Estas entidades puedentener caractersticas individuales que llamaremos atributos. Un atributo est asociado con la


4/12

entidad especfica, individual. Los atributos pueden ser cosas tales como nombre, prioridad, fechade vencimiento, tiempo de CPU requerido, dolencia, nmero de cuenta, etc.

Como la entidad fluye a travs del sistema, ser procesada por una serie de recursos. Losrecursos son cualquier cosa que la entidad necesita con el fin de ser procesados. Por ejemplo, losrecursos podran ser trabajadores, manejo de materiales, herramientas especiales, una cama dehospital, el acceso a la CPU, una mquina, a la espera o espacio de almacenamiento, etc.Recursos puede fijarse en un solo lugar (por ejemplo, una mquina pesada, cajero de banco,cama de hospital) o en movimiento sobre el sistema (por ejemplo, una carretilla elevadora,reparador, mdico).

Por tanto, un modelo de simulacin es un programa informtico que representa la lgica delsistema como entidades con atributos llegar, unirse a las colas a la espera de la asignacin de losrecursos necesarios, son procesados por los recursos, dado a conocer y salir del sistema. Ademsde la lgica de cmo fluye una entidad a travs del sistema, el programa informtico hace unseguimiento de y avanza el tiempo, as como hacer el seguimiento de la utilizacin de recursos, eltiempo pasado en las colas, tiempo en el sistema (tiempo de procesamiento), y otra deseaestadstica.

Gran parte de lo que sucede en el sistema es probabilstico o estocstico en la naturaleza. Porejemplo, el tiempo entre llegadas, el tiempo de un recurso para procesar la entidad, el tiempo paraviajar de una parte del sistema a otro y si una parte pasa la inspeccin o no, son por lo generaltodas las variables aleatorias. Es estos tipos de datos para la entrada al modelo que son difcilesde obtener.

5 EL PROCESO DE SIMULACIN

La esencia o el propsito de modelos de simulacin es ayudar lo mximo que toma decisiones aresolver un problema. Por lo tanto, aprender a ser un buen modelador de simulacin, debe

combinar tcnicas de resolucin de problemas con buena buenas prcticas de ingeniera desoftware. Podemos identificar los siguientes pasos, que deben estar presentes en cualquierestudio de simulacin:

Definicin del problema. La definicin clara de los objetivos del estudio para que sepamos elpropsito, es decir, por qu estamos estudiando este problema y qu preguntas es lo queesperamos de responder?

Planificacin de proyectos. Estar seguro de que contamos con personal suficiente y adecuada,apoyo a la gestin, hardware y recursos de software para hacer el trabajo.

Definicin del sistema. La determinacin de los lmites y restricciones que se utilizar en ladefinicin del sistema (o proceso) y la investigacin de cmo funciona el sistema.

Formulacin Modelo Conceptual. El desarrollo de un modelo preliminar ya sea grficamente (porejemplo, diagrama de bloques o de flujo de proceso grfico) o en pseudo-cdigo para definir loscomponentes, variables descriptivas, y las interacciones (lgica) que constituyen el sistema.

Diseo Preliminar Experimental. Seleccin de las medidas de efectividad que se utilizarn, los

factores que se varen, y los niveles de los factores a ser investigado, es decir, qu datosnecesitan ser obtenida de la modelo, en qu forma y en qu medida.


5/12

Preparacin de datos de entrada. La identificacin y recopilacin de los datos de entradarequeridos por el modelo.

Traduccin Modelo. La formulacin del modelo en un lenguaje de simulacin apropiado.

Verificacin y Validacin. Confirmacin de que el modelo opera la forma en que el analistapretende (depuracin) y que la salida del modelo es

creble y representativa de la produccin de lo real

sistema.9. Diseo Experimental Final. El diseo de un

experimento que produzca la informacin deseada y determinar cmo cada una de las pruebas defuncionamiento especificados en el diseo experimental es para ser ejecutado.

10. Experimentacin. La ejecucin de la simulacin para generar los datos deseados y pararealizar anlisis de sensibilidad.

Anlisis e Interpretacin 11.. Dibujo inferencias a partir de los datos generados por las corridas desimulacin.

12. Aplicacin y Documentacin. Informe de los resultados, poniendo los resultados de usar, elregistro de los resultados, y documentar el modelo y su uso.

Es importante que el modelador sin experiencia para entender que cuanto ms tiempo espere

para iniciar el paso 7, ms rpido se completar el modelo y el proyecto - asumiendo, porsupuesto, que usted pasa ese tiempo la comprensin del problema, disear el modelo y el diseode los experimentos a ejecutar. Los cientficos informticos han dedicado un gran esfuerzo a la"ingeniera de software" y han desarrollado el diseo y gestin de mtodos tendientes a cederprogramas rpidos y reducir al mnimo los errores. Una de las principales ideas que han surgidode este esfuerzo es la validez de la "Regla de 40-20-40." Esta norma establece que el 40 porciento del esfuerzo y tiempo en un proyecto debe dedicarse a pasos del 1 al 6, el 20 por ciento alpaso 7 y el 40 por ciento restante de los pasos 8 a 12 (Sheppard 1983, McKay et al 1986) .

DEFINICIN 6 PROBLEMA Y PLANIFICACIN DEL PROYECTO

La experiencia indica que a partir de un proyecto de simulacin adecuadamente, bien puede hacer

una diferencia fundamental entre el xito y el fracaso. Comenzamos nuestro anlisis por larecopilacin de informacin sobre el problema. Por lo general, el proyecto comienza con elpatrocinador que describe la situacin con el analista en trminos vagos e imprecisos, como "loscostos son demasiado altos" o "demasiados puestos de trabajo son finales." Debemos tener encuenta la descripcin del problema del patrocinador como un conjunto de sntomas que requierendiagnstico. El flujo habitual de los eventos ser: diagnstico de sntomasformulacin del

problema definicindefinicin modelo de sistema . Es importante recordar que no modelamos

un sistema por el simple hecho de modelar ella. Siempre nos modelamos para resolver unproblema especfico.

Entre las preguntas que deben ser respondidas en el inicio del estudio son:


6/12

Cul es el objetivo del estudio es decir, lo que es la pregunta sin respuesta o decisin a

tomar?

Qu informacin necesitamos para tomar una decisin?

Cules son los criterios precisos que utilizaremos para hacer el

decisin?

Quin tomar la decisin?

Quin se ver afectado por la decisin?

Cunto tiempo tenemos que dar una respuesta?

Una vez que tenemos las respuestas, podemos empezar a planificar el proyecto en detalle. Unaspecto importante de la fase de planificacin es asegurar que se han considerado ciertosfactores crticos. Entre ellas se encuentran:

Tenemos apoyo a la gestin y tiene su apoyo al proyecto dado a conocer a todas las partes

interesadas?

Tenemos un competentes miembros director del proyecto y de equipo con las habilidades y

conocimientos necesarios para el tiempo suficiente para completar con xito el proyecto?

Tenemos tiempo suficiente, hardware y software disponible para hacer el trabajo?

Hemos establecido canales de comunicacin adecuados para que disponga de informacin

suficiente sobre los objetivos del proyecto, el estado, los cambios en las necesidades del usuario ocliente, etc. para mantener a todos (los miembros del equipo, la gestin, y los clientes) plenamenteinformado como avanza el proyecto?

7 SISTEMA DE DEFINICIN Y FORMULACIN DEL MODELO CONCEPTUAL

La esencia de la tcnica de modelado es la abstraccin y la simplificacin. Estamos tratando deidentificar ese pequeo subconjunto de caractersticas o funciones del sistema que es suficientepara servir a los objetivos especficos del estudio. Queremos disear un modelo del sistema realque ni simplifica el sistema hasta el punto donde el modelo se vuelve trivial (o peor engaosa), nilleva tanto detalle que se hace torpe y prohibitivamente caros de construir y ejecutar. La tendenciaentre los modeladores inexpertos es tratar de incluir demasiados detalles.

Siempre hay que disear el modelo en torno a las preguntas que hay que contestar en lugar detratar de imitar el sistema real con exactitud. La ley de Parteto dice que en cada grupo o coleccin


7/12

de entidades, existe una pocos vitales y muchos triviales. De hecho 80% del comportamientopuede ser explicado por la accin de 20% de los componentes. Nuestro problema en el diseo delmodelo de simulacin es para asegurarse de que nos identificamos correctamente los pocoscomponentes vitales y los incluimos en nuestro modelo.

Al definir el sistema, hay ciertas tareas que se deben hacer. Entre ellas se encuentran:

Divida el sistema en subsistemas lgicos.

Definir las entidades, que fluir a travs de la

sistema.

Para cada subsistema, definir las estaciones (ubicaciones

donde se haga algo para o para las entidades).

Definir los patrones de flujo bsicos de las entidades a travs de la

estaciones utilizando diagramas de flujo.

Definir diseos alternativos para el sistema, que son para ser considerado.

Desarrollar diagramas de flujo para mostrar la lgica de enrutamiento para caminos flexibles.

8 PRELIMINAR EXPERIMENTAL DE DISEO Y PREPARACIN DE DATOS

Hemos definido la simulacin como la experimentacin a travs de un modelo para obtenerinformacin acerca de un proceso del mundo real o sistema. De esto se deduce que debemosocuparnos de la planificacin estratgica de cmo disear un experimento o experimentos queproduzca la informacin deseada con el menor coste.

El diseo de experimentos entra en juego en dos etapas diferentes de un estudio de simulacin.En primer lugar, entra en juego muy temprano en el estudio, antes de la primera lnea de cdigose ha escrito y antes de la finalizacin del diseo del modelo. Lo antes posible, queremosseleccionar la medida (s) de la eficacia para ser utilizado en el estudio, los factores que vamos avariar, cuntos niveles de cada uno de esos factores vamos a investigar y el nmero de muestras

que necesitaremos con el fin de llevar a cabo todo el experimento.Podemos calcular de antemano los tamaos de las muestras necesarias (Shannon 1975). Si elnmero es grande, entonces sabemos que el modelo debe correr muy rpido y dejar que estainfluencia del diseo del modelo (es decir, la cantidad de detalles a incluir). Teniendo esta ideabastante detallada del plan experimental temprano, permite que el modelo sea mejor planificadapara proporcionar la generacin eficiente de los datos deseados.

Necesitamos datos para impulsar nuestro modelo de simulacin. Cada estudio de simulacinconsiste en la recoleccin y anlisis de datos de entrada. Sistemas estocsticos contienennumerosas fuentes de aleatoriedad. Por tanto, el analista debe estar preocupado por lo que losdatos que se utilizar para la entrada a la modelo para cosas tales como la tasa entre llegadas de

las entidades en el sistema, los tiempos de procesamiento requeridos en varias estaciones, eltiempo entre averas de equipos, las tasas de rechazo, los tiempos de viaje entre estaciones, etc.


8/12

Tener buenos datos para impulsar un modelo es tan importante como tener la lgica del modelode sonido y estructura. El viejo clich "basura - sale basura" se aplica a los modelos desimulacin, as como a cualquier otro programa informtico. La recoleccin de datos se sueleinterpretarse en el sentido de los nmeros de reunin, pero la recopilacin de nmeros es slo unaspecto del problema. El analista tambin debe decidir qu datos se necesita, qu datos estndisponibles y si es pertinente, si los datos existentes son vlidos para el propsito requerido, y laforma de recopilar los datos. En los estudios de simulacin del mundo real (en oposicin a losejercicios de clase), la recopilacin y evaluacin de los datos de entrada es muy lento y difcil.Hasta un tercio del tiempo total utilizado en el estudio a menudo es consumido por esta tarea.

Dependiendo de la situacin, hay varias posibles fuentes de datos. stas incluyen:

Los registros histricos

los datos de observacin

Sistemas similares

estimaciones del operador

Reclamaciones V de Endor

estimaciones de diseo

Consideraciones tericas

Cada una de estas fuentes tiene problemas potenciales (Brately et al 1983, Pegden et al 1995).Incluso cuando tenemos datos copiosas, puede no ser relevante. Por ejemplo es posible quetengamos los datos de ventas en que necesitamos los datos de demanda (ventas no muestrandemanda insatisfecha). En otros casos es posible que tengamos slo un resumen estadstico(mensual cuando necesitamos al da).Cuando no existen datos histricos (ya sea porque el sistema no ha sido construido o no esposible recogerlo), el problema es an ms difcil. En estos casos hay que estimar tanto la

distribucin de probabilidad y los parmetros basados en consideraciones tericas. Paraorientacin vase el Derecho y Kelton (1991) y / o Pegden et al. (1995).9 MODELO DE TRADUCCIN Y SIMULACIN IDIOMASPor fin estamos listos para describir o programar el modelo en un idioma aceptable para el equipoque se utilizar. Ms de cien idiomas diferentes de simulacin estn disponibles comercialmente.Adems hay literalmente cientos de otros idiomas desarrollados localmente en uso en empresas yuniversidades.

Aunque lenguas generales de programacin de propsito como FORTRAN, C ++, Visual Basic oPascal se pueden utilizar que muy rara vez son ms. Utilizando uno de los paquetes generales o

especiales de simulacin propsito tiene claras ventajas en trminos de facilidad, eficiencia yeficacia de su uso. Algunas de las ventajas de utilizar un paquete de simulacin son:


9/12

Reduccin de la tarea de programacin.

Suministro de orientacin conceptual.

Mayor flexibilidad cuando se cambia el modelo.

Menos errores de programacin.

recopilacin automtica de estadsticas.

El objetivo de cualquier paquete de simulacin es cerrar la brecha entre la conceptualizacin delusuario del modelo y una forma ejecutable. Paquetes de simulacin los dividen

ms o menos en dos categoras, a saber (a) lenguajes de simulacin de propsito general y (b)simuladores de propsito especial. En la primera categora son los que puede resolver casicualquier problema de simulacin discreta. Entre ellas se encuentran los sistemas tales comoArena, AweSim, GPSS / HTM, SIMSCRIPT II.5, exteNdTM etc.

Algunos sistemas se utilizan para la simulacin de problemas de fabricacin y de manipulacin demateriales. Paquetes como SimFactory, ProModel, AutoModTM, Taylor II, y Witness entran enesta categora. Otros estn diseados para llevar a cabo estudios de Reingeniera de Procesos.Estos incluyen BPSimulatorTM, ProcessModelTM, SIMPROCESS, y extender + BPR. Otros sonde prestacin de asistencia sanitaria (MedModel), o redes de comunicaciones (COMNET II.5).

Puesto que hay numerosos tutoriales de software, as como las manifestaciones que se dan en laconferencia, no vamos a proseguir la discusin de este tema.

10 Verificacin y Validacin

El hecho de que un modelo compila, ejecuta, y produce los nmeros no garantiza que seacorrecta o que los nmeros que se generan son representativos del sistema que se estmodelando. Despus de que el desarrollo del modelo es funcionalmente completa, debemospreguntarnos, "Funciona correctamente?" Hay dos aspectos a esta pregunta. En primer lugar,se opere la forma en que el analista de la intencin? En segundo lugar, se comporta de la formaen que el sistema del mundo real hace o voluntad? Encontramos las respuestas a estas preguntasa travs de la verificacin de modelo y la validacin del modelo. Verificacin pretende demostrarque el programa de ordenador lleva a cabo como se esperaba y previsto. Validacin por elcontrario, se pregunta si el comportamiento del modelo representa vlidamente la del sistema delmundo real est simulando.

La verificacin es una depuracin vigorosa el objetivo de mostrar que las partes de la obra modelode forma independiente y en conjunto utilizando los datos correctos en el momento adecuado. Apesar de que el analista piensa que l o ella sabe lo que hace el modelo y cmo lo hace,cualquiera que haya hecho ningn tipo de programacin sabe lo fcil que es hacer errores. A lolargo del proceso de verificacin, tratamos de encontrar y eliminar los errores involuntarios en lalgica del modelo.


10/12

Validacin por el contrario es el proceso de llegar a un nivel aceptable de confianza en que lasinferencias son correctas y aplicable al sistema del mundo real que se representa. Bsicamenteestamos tratando de responder a las preguntas:

El modelo representa adecuadamente el mundo real

sistema.

El modelo gener datos caractersticos del comportamiento

de datos sobre el comportamiento del sistema en el mundo real?

El usuario modelo de simulacin tienen confianza en la

resultados de modelo?

Por ltimo, la mayora de las pruebas estadsticas requieren que los puntos de datos de lamuestra sean independientes, es decir no correlacionados. Dado que muchos de los sistemas demodelo que estn haciendo cola redes, que no cumplen con esta condicin, ya que son auto-correlacionados. Por lo tanto, muchas veces tenemos que hacer algo para asegurar que lospuntos de datos son independientes antes de que podamos proceder con el anlisis (Derecho yKelton 1991 Banks et al 1995, Kelton 1996).

13 APLICACIN Y DOCUMENTACIN

En este punto hemos completado todos los pasos para el diseo, la programacin y elfuncionamiento del modelo, as como el anlisis de los resultados. Los dos ltimos elementos quese deben incluir en cualquier estudio de simulacin son la implementacin y documentacin.

Ningn estudio de simulacin se puede considerar completada con xito hasta que se hayancomprendido, aceptado y lo utiliz de resultados.

Es sorprendente la frecuencia con modeladores pasarn una gran cantidad de tiempo tratando deencontrar las formas ms elegantes y eficientes para modelar un sistema y luego tirar juntos uninforme al patrocinador o usuario en el ltimo minuto. Si no se utilizan los resultados, el proyectofue un fracaso. Si claro que no se presentaron de forma concisa y convincente de los resultados,no van a ser utilizados. La presentacin de los resultados del estudio es una parte fundamental eimportante del estudio y debe ser tan cuidadosamente planeado como cualquier otra parte delproyecto (Sadowski 1993).

Entre los temas que se abordarn en la documentacin del modelo y el estudio son:

La eleccin de un vocabulario apropiado (sin tcnica

jerga).

Longitud y formato de los dos informes escritos y verbales

(corto y conciso).

Puntualidad


11/12

Debe abordar las cuestiones que el promotor o usuario consideran importantes.

14 CAMINOS PARA FALLA

No todos los estudios de simulacin son xitos no calificados. De hecho, por desgracia, muchos

no pueden entregar lo prometido. Cuando nos fijamos en las razones que los proyectos fracasan,nos encontramos con que por lo general es atribuible a las mismas razones que una y otra vez. Lamayora de los fracasos se producen en los primeros proyectos, es decir, el primer o segundoproyecto emprendido por una organizacin. Muchos modeladores inexperto morder ms de lo quepuede masticar. Esto no es sorprendente, ya que en la mayora de los casos que han aprendido laciencia, pero no el arte de la simulacin. Por esta razn, es recomendable comenzar conpequeos proyectos que no son de importancia crtica para la organizacin matriz.

Casi todos los dems fallos se pueden remontar a uno de los siguientes:

El no definir un objetivo claro y alcanzable.

Planificacin inadecuada y subestimar los recursos necesarios.

participacin de los usuarios inadecuada.

Escribir cdigo antes de tiempo antes de que el sistema es realmente

entendido.

nivel inadecuado de detalle incluido (generalmente demasiadomucho).

mezcla incorrecta de las habilidades del equipo (ver seccin 3).

La falta de confianza, la confianza y el respaldo de la direccin.

15 caminos para el xito

Del mismo modo que podemos aprender del estudio de proyectos que no, tambin podemosaprender de aquellos que tienen xito (Musselman 1994, Robinson y Bhatia 1995). Obviamente loprimero que queremos hacer es evitar los errores de los que fracasan. As que queremos:

Haber claramente definidos y metas alcanzables.

asegurarse de que tengamos los recursos adecuados a disposicin

completar con xito el proyecto a tiempo.


12/12

Tener el apoyo de la administracin y lo han conocido por aquellos que deben cooperar con

nosotros en el suministroinformacin y datos.

asegurar que hemos requerido todas las habilidades necesarias

disponible para la duracin del proyecto.

Asegrese de que hay una comunicacin adecuada

canales a los usuarios de los patrocinadores y de fin.

Tener un claro entendimiento con el patrocinador y el final

los usuarios sobre el alcance y los objetivos del proyecto, as comohorarios.

Tener una buena documentacin de toda la planificacin y

esfuerzos de modelado.

16 RESUMIENDO

Simulacin ofrece un seguro barato y una herramienta de toma de decisiones rentables para losdirectivos. Nos permite minimizar los riesgos al permitir a descubrir las decisiones correctas antesde hacer las equivocadas.

Documents

Simulacion de Sistemas de RShanon