Manual Simulación 1

MANUAL DE SIMULACION SOFTWARE ARENA
Prcticas de LABORATORIO
Ana C. Batista 2011
1
Ana C. Batista
Modelado y Simulacin de Sistemas de Eventos Discretos
PROGRAMA PRCTICO SESIN 0.- CONCEPTOS BSICOS DE ESTADSTICA 1.- Conceptos y Terminologa 2.- Aplicaciones Prcticas de Modelos Estadsticos 3.- Distribuciones Discretas 4.- Distribuciones Continuas SESIN 1.- INTRODUCCIN AL SW DE SIMULACIN ARENA 1.- Descripcin Arena 2.- Primer Ejemplo 3.- Estudio de Mdulos 4.- EJERCICIO - Proceso de Solicitud de una Hipoteca SESIN 2.- CONSTRUCCIN DE MODELOS CON ARENA STANDARD 1.- Mejoras en la Visualizacin de la Simulacin del Modelo 2.- Modificaciones en el Proceso de Solicitudes de una Hipoteca 3.- Modelos Jerrquicos: Submodelos 4.- EJERCICIO - Proceso de Solicitud de Prstamo para Automviles SESIN 3.- MODELOS ESTADSTICOS EN SIMULACIN 1.- Herramienta Input Analyzer 2.- Datos a Analizar 3.- Datos y Ventanas 4.- Generacin de Datos 5.- Ajuste de los Datos a una Distribucin 6.- Modificacin de Parmetros 7.- Ejercicios SESIONES 4 y 5.- SIMULACIN de SISTEMAS de COLAS 1.- Introduccin 2.- Teora de Colas y Arena 3.- Ejercicios SESIN 6.- ANLISIS DE DATOS DE ENTRADA 1.- Introduccin 2.- Ejercicios 3.- Apndice: Distribuciones
2
Ana C. Batista
3
Ana C. Batista
Sesin 0.- Conceptos Bsicos de Estadstica
SESIN 0.-
CONCEPTOS BSICOS DE ESTADSTICA
Objetivo: Introducir y repasar los conceptos bsicos de estadstica utilizados en las sesiones prcticas de la asignatura Modelado y Simulacin II. Los modelos probabilsticos utilizados en el modelado y simulacin de sistemas de eventos discretos requieren el conocimiento de los trminos y conceptos elementales de la estadstica bsica. ndice: 1.- Conceptos y Terminologa Variable Aleatoria Discreta, Variable Aleatoria Continua, Funcin de Distribucin Acumulativa, Valor Esperado, Moda. 2.- Aplicaciones Prcticas de Modelos Estadsticos Sistemas de Colas, Sistemas Inventario, Mantenimiento y Fiabilidad, Datos Limitados o Incompletos, Otras Distribuciones. 3.- Distribuciones Discretas Bernoulli, Binomial, Geomtrica y Poisson. 4.- Distribuciones Continuas Uniforme, Exponencial, Gamma, Erlang, Normal, Weibull y Triangular
1.- CONCEPTOS Y TERMINOLOGA 1.1.- Variable Aleatoria Discreta.El nmero de posibles valores de la variable es finito o infinito pero contable. Para cada posible valor xi de la variable X se tiene que p(xi) = p(X = xi) es la probabilidad de que la variable X tome el valor xi. Se cumplen las siguientes condiciones: a) b)
p(xi) 0 Para todo xi
p(xi) =1
i =1
Distribucin de Probabilidad o Funcin Masa de Probabilidad (pmf) de X es el conjunto de pares (xi,p(xi)) con i=1, 2 ... Ejemplo Lanzamiento del dado trucado
1
Ana C. Batista Modelado y Simulacin de Sistemas de Eventos Discretos
1.2.- Variable Aleatoria Continua.El espacio de valores de la variable X (Rx) es un intervalo o un conjunto de intervalos. La probabilidad de que el valor de X se encuentre en un intervalo [a,b] viene dada por la expresin:
P(a x b) = b f (x)dx
a
f(x) se llama funcin densidad de probabilidad (pdf) de la variable X pdf satisface las siguientes condiciones: a) f(x) 0 Para todo x
b)
Rx
(x)dx = 1
c) f(x) = 0 Si
x Rx
Ejemplo Funcionamiento de una bombilla 1.3.- Funcin de Distribucin Acumulativa.La funcin de distribucin acumulativa (cdf), denotada por F(x), mide la probabilidad de que la variable X tenga un valor menor o igual que x; es decir F(x) = P (X x). Si X es discreta Si X es continua
F (x) = p(xi)
xix
x
F (x) = f (t)dt
Propiedades de F(x): a) b) c) F es una funcin no decreciente. Si a < b entonces F(a) F(b)
lim F (x) =1
x
x
lim F (x) = 0
Ejemplos Dado Trucado Bombilla 1.4.- Valor Esperado.E(x) se denomina media y se define del siguiente modo:
Si X es continua Si X es discreta
E( X ) = x f (x) dx
E( X ) = xi p(xi)
todoi
La media es una medida de la tendencia central de la variable aleatoria 2

1.5.- Varianza.V(X) se denomina varianza y se define como: V(X) = E [(X - E(X)) ] equivalentemente V(X) = E(X ) - [E(X)]
2 2 2 2
La varianza de X mide la variacin de los valores de x respecto de la media La desviacin estndar se define como la raz cuadrada de la varianza de X 1.6.- Moda.Se define de la siguiente forma: Variable Discreta: La moda es el valor de la variable que aparece ms frecuentemente. Variable Continua: La moda es el valor mximo de pdf La Moda puede no ser nica. Si el valor de la moda ocurre en dos valores la distribucin es bimodal 2.- APLICACIONES PRCTICAS DE MODELOS ESTADSTICOS
2.1.- Sistemas de Colas.La distribucin del tiempo entre llegadas y la distribucin del nmero de llegadas por periodo de tiempo son importantes a la hora de simular los sistemas de colas. El tiempo de servicio puede ser constante o probabilstico. Distribuciones utilizadas: Exponencial. Si los tiempos de servicio son completamente aleatorios. Normal. Si los tiempos de servicio son constantes pero existe una variabilidad que produce fluctuaciones positivas y negativas. Normal Truncada. Si existen valores de la variable que deben ser mayores o menores que un cierto valor y el resto siguen una distribucin normal. Gamma y Weibull. Se utilizan para modelar Tiempos de Servicio.
3
Ana C. Batista
2.2.- Sistemas Inventario.Existen tres variables aleatorias: a) Nmero de items solicitados en cada pedido o en cada periodo de tiempo b) Tiempo entre pedidos c) Tiempo entre realizar un pedido y recibir dicho pedido La variable nmero de items o tamao del pedido suele ser representada por las siguientes distribuciones: Geomtrica. Se caracteriza por tener la moda centrada en la unidad Binomial Negativa. Se caracteriza por tener una cola larga Poisson. Est tabulada y se conoce con profundidad. Tiene una cola ms corta que la binomial negativa 2.3.- Mantenimientos y Fiabilidad.El tiempo de fallo puede ser modelado por varias funciones: Distribucin Exponencial. Si solamente ocurren fallos aleatorios Distribucin Gamma. Surge del modelado por redundancia. Distribucin Weibull. Cuando hay muchos componentes en un sistema y el fallo se debe al defecto ms serio del conjunto de defectos Distribucin Normal. Cuando los fallos se deben al desgaste normal Distribucin Logonormal. Se utiliza para describir el tiempo de fallo de algn tipo de componentes 2.4.- Datos Limitados o Incompletos.No se dispone del suficiente nmero de datos Las funciones que se utilizan son: Distribucin uniforme. Se utiliza cuando se sabe que el tiempo entre llagadas o de servicio es aleatorio pero no se dispone de ms informacin Distribucin Triangular. Se puede utilizar cuando se hacen suposiciones sobre el mximo, el mnimo y la moda Distribucin Beta. Proporciona una gran variedad de formas en su distribucin 4
Ana C. Batista
3.- DISTRIBUCIONES DISCRETAS
3.1.- Distribucin de Bernoulli Es una distribucin de probabilidad con dos puntos de probabilidad discreta definida como: p(0) = q p(1) = p siendo p+q = 1 con p,q >0 Sea un experimento consistente en n ensayos y cada uno de ellos puede tener xito o fracaso (1 0). Sea por ejemplo xj=1 xito y xj=0 fracaso. Se tiene: p(x1, x2 ... xn) = p1(x1). p2(x2) ... pn(xn)
p pj(xj) = p(xj) = 1 p = q
xj = 1 xj = 0 otros
j = 1, 2 ... n j = 1, 2 ... n
3.2.- Distribucin Binomial La variable X indica el nmero de xitos en n ensayos de Bernoulli y tiene una distribucin binomial dada por:
La media y la varianza son: E (x) = np V(x) = npq
3.3.- Distribucin Geomtrica (Relacionada con la secuencia de ensayos de Bernoulli)
La variable X indica el nmero de ensayos para obtener el primer xito. La distribucin de esta variable es:
p(x) =
x 1
p 0
x = 1, 2 ... otros
El evento {X = x} ocurre cuando hay x-1 fallos seguidos de un xito Cada uno de los fallos tiene asignada una probabilidad de q=1-p y cada uno de los xitos tiene probabilidad p. As: p(FFF....FS) = q
1
Ana C. Bat ista
x-1
.p
q
La Media y la Varianza vienen dados por:

E(x) =
p
V (x) =
3.4.- Distribucin de Poisson Se utiliza para modelar tiempos entre eventos aleatorios ocurridos en un intervalo de tiempo fijo. La funcin masa de probabilidad (pmf) est dada por: x = 0, 1 ... ex otros p(x) = x!
Una propiedad importante de la distribucin de Poisson es E(x) = V(x) =
0
con > 0
La funcin de distribucin acumulativa es:

F (x) =
x i =0
ei
i!
Esta funcin est tabulada Ejemplo: Servicio de Fontanera

4.- DISTRIBUCIONES CONTINUAS
4.1.- Distribucin Uniforme
6
4.2.- Distribucin Exponencial Se utiliza para modelar tiempos entre llegadas y tambin tiempos entre servicios
4.3.- Distribucin Gamma
4.4.- Distribucin Erlang
7
4.5.- Distribucin Normal
4.6.- Distribucin Weibull
8
Ana C. Batista
4.7.- Distribucin Triangular
TABLA - RESUMEN
9
Ana C. Batista
10
Ana C. Batista
Sesin 1.- Introduccin al Software de Simulacin Arena Standard
SESIN 1.- INTRODUCCIN AL SW DE SIMULACIN ARENA
Objetivo: Familiarizarse con el software de simulacin ARENA que permite modelar, simular, visualizar y analizar Sistemas de Eventos Discretos (SED). ndice: 1.- Descripcin Arena 2.- Primer Ejemplo 3.- Estudio de Mdulos 4.- EJERCICIO - Proceso de Solicitud de una Hipoteca
1.- DESCRIPCIN del Software ARENA
El software de simulacin ARENA es una herramienta que permite construir el modelo del sistema o proceso a estudiar de manera grfica mediante la utilizacin de una serie de mdulos. Una vez realizado el 'organigrama' del sistema, se introducen los datos de dichos mdulos y se ejecuta la simulacin. La ventana principal del software ARENA presenta tres regiones o ventanas correspondientes a: - Barra de Proyectos - Organigrama o Modelo - Datos
Ventana de Modelo
Barra de Proyectos
Ventana de Datos
11
Ana C. Batista
La Barra de Proyectos (ventana vertical a la izquierda) presenta los diferentes paneles de mdulos que se pueden utilizar; en este curso se utilizarn los correspondientes al Panel de Basic Process (en la Barra de Proyectos de la figura se ilustran los mdulos correspondientes al panel Basic Process). Los paneles Advanced Process y Advanced Transfer suministran otros mdulos orientados a la construccin de modelos de cierto grado de complejidad. Existen dos tipos de mdulos en el Panel Basic Process: - mdulos de organigrama (iconos de color amarillo)
- mdulos de datos (iconos rectangulares azul y blanco)
Los primeros se utilizan para construir el modelo, y para ello se arrastran de la Barra de Proyectos a la ventana de Modelo, y se conectan de acuerdo al sistema que se desea construir. Los mdulos de datos no se ubican en la ventana de Modelo, sino que se editan mediante un mecanismo similar a las hojas de clculo y se visualizan en la ventana inferior a la ventana del Modelo, llamada Ventana de Datos. Estos mdulos sirven para definir las caractersticas de los diferentes mdulos del proceso como son las colas y recursos.
2.- PRIMER EJEMPLO
Comencemos por realizar un primer modelo sencillo siguiendo las fases siguientes: a) construir un modelo b) editar los mdulos que constituyen el modelo c) ejecutar la simulacin y observar los informes de los resultados - construccin de un modelo Esta fase primera consiste en realizar el organigrama del modelo a partir de la combinacin de los diferentes mdulos de organigrama. Todos ellos se deben ubicar en la ventana de Modelo. El primer ejemplo que se va a construir y simular est constituido por tres mdulos bsicos como se indica en la figura:
Create
Process
Dispose
0 0
12
Ana C. Batista
El mdulo Create representa las llegadas de entidades a un proceso. El mdulo Process representa una actividad que supondr la utilizacin de un recurso durante un tiempo. El mdulo Dispose representa las salidas de las entidades del sistema La forma de construir este organigrama es seleccionando cada uno de los mdulos de la Barra de Proyectos y arrastrndolos a la ventana de Modelo. La conexin entre ellos se realiza a medida que aadimos un nuevo mdulo al modelo. - edicin de los mdulos a) Mdulos de Organigrama Aun cuando el modelo correspondiente al organigrama construido podra ser simulado, se debe editar cada uno de los mdulos para asignarles valores adecuados al problema y que sern en general diferentes a los que ARENA asigna por defecto a cada uno. Adems conviene nombrar los diferentes mdulos con nombres relacionados con el problema; en nuestro primer ejemplo se va a denominar el mdulo Create como 'Entrada de Pedidos', el mdulo Process como 'Papeleo' y al mdulo Dispose como 'Envo de Pedidos'. Para ello se hace doble-click en cada mdulo del modelo y se abre una ventana de edicin de dicho mdulo. En nuestro primer ejemplo editar los mdulos de la siguiente manera: Create: cambiar en las opciones Name y Entity Type los valores 'Entrada de Pedidos' y 'Pedido' respectivamente (no teclear las comillas) Process: cambiar en las opciones Name y Action los valores 'Papeleo' y 'SeizeDelayRelease' respectivamente. A continuacin hacer simple-click en el boton Add y poner 'Oficinista' en el campo Resource Name. Realizar dos veces click en OK para cerrar las ventanas del men. Dispose: cambiar en la opcin Name el valor 'Envio de Pedido'. El organigrama editado presenta el siguiente aspecto:
Entrada de Pedidos
Papeleo
Envio de Pedido
0 0
13
Ana C. Batista
b) Mdulos de Datos Adems de editar los mdulos de organigrama se debe editar los mdulos de datos; en nuestro ejemplo se seleccionar el mdulo Resource en la Barra de Proyecto correspondiente al recurso que se ha definido como 'Oficinista' y se editarn los valores 15, 15 y 2.5 para las casillas de los costes Busy/Hour, Idle/Hour y Per Use respectivamente. - ejecucin de la simulacin Ya ha finalizado la fase de construccin del modelo y se puede realizar la simulacin del mismo. Antes conviene ajustar los parmetros de la simulacin a los valores adecuados al sistema que se va a estudiar. Para ello se elige la opcin del men principal de ARENA, Run, Setup y se selecciona la pgina Project Parameters. En esta ventana se cambia Project Title por uno relacionado con nuestro primer ejemplo, p.e. Proceso de Entrada de Pedidos. Tambin se cambiar en la pgina Replications Parameters los valores de Replication Length y Hours/Day por 40(horas) y 8 respectivamente. La ejecucin de la simulacin ser tan sencilla como seleccionar la opcin Run, Go o ms sencillo pulsando el icono de Play de la barra de herramientas estndar.
A partir de este momento el diseador observar en la ventana del Modelo los Pedidos (entidades) movindose paso a paso por el sistema, y la animacin tanto del proceso que se est realizando como de los trabajos realizados como se ilustra en la figura.
Una vez finalizada la simulacin, ARENA pregunta al diseador si desea ver los resultados obtenidos de la simulacin. Los resultados obtenidos se organizan en una serie de informes correspondientes al Proyecto en general, entidades, recursos, procesos, colas, etc. como se ilustra en la figura:
14
Ana C. Batista
Cada informe se muestra en una ventana independiente y una vez ledos los informes, estas ventanas pueden ser minimizadas o cerradas utilizando los iconos estndar de opciones de ventanas de windows:
Despus de cerrar las ventanas de los informes y para volver al modo normal de diseo y simulacin del modelo, se debe salir del modo de ejecucin (Run Mode) eligiendo la opcin Run/End o simplemente pulsando el icono de fin de simulacin:
15
Ana C. Batista
3.- ESTUDIO DE MDULOS
- TERMINOLOGA Conviene describir una serie de trminos que aparecen en el mundo de la simulacin de eventos discretos y relacionados con la simulacin, ya que su conocimiento resulta til a la hora de comprender y analizar modelos de sistemas. Entidad.- objeto de inters perteneciente al sistema; es el objeto sobre lo que acta el proceso(por ejemplo mquinas, mensajes, documentos, clientes, piezas, etc.) Las entidades sern producidas y generalmente demandarn un servicio que ser realizado por un servidor que se describir en trminos de recurso. Arena utiliza un lenguaje orientado a entidades. Las entidades representan personas, objetos o cosas, bien sean reales o imaginarias, cuyo movimiento en el sistema provoca cambios de estado del sistema. Atributo.- propiedad de una entidad. En un sistema pueden existir muchos tipos de entidades y cada una tendr unas caractersticas propias llamadas Atributos. Los atributos representan valores definidos por el usuario y asociados a cada una de las entidades(p.e. tipo de cliente, tamao del producto, instante en que un trabajo entra en el sistema, etc.) Todas las entidades tienen el mismo conjunto de atributos, pero con distintos valores. Arena asigna un conjunto de atributos determinados (Entity.Type, Entity.Picture, Entity.CreateTime, Entity.Station, Entity.Sequence, Entiy.JobStep) Actividad.- representa un periodo de tiempo de duracin especfica. Recurso.- elemento utilizado para modelar un rea donde hay una limitacin o restriccin; dichas restricciones pueden ser causadas por un nmero limitado de personas para realizar una accin, espacio de almacenamiento restringido, capacidad de los equipos, etc. Se llama capacidad de un recurso al nmero de unidades de recurso idnticas disponibles para dar un servicio. Las entidades capturan (seize) recursos para tomar control de una o ms unidades del mismo, y una vez finalizado el servicio las entidades liberan (release) los recursos utilizados. Colas.- rea donde permanece una entidad mientras espera que un recurso est disponible o mientras espera a formar un grupo(batch) con otras entidades. Variables.- las variables representan un conjunto de valores globales que se pueden modificar o utilizar sus valores como control en cualquier parte del modelo. Arena tiene dos tipos de variables, las variables definidas por el Usuario y las variables definidas por el Sistema
16
Ana C. Batista
Las primeras son definidas por quien construye el modelo, y pueden cambiarse durante la ejecucin de la simulacin (p.e. tasa de llegada, inventario actual, nmero de pacientes, etc.) Las variables del Sistema son caractersticas predefinidas de los componentes del modelo que recogen el estado de los componentes (p.e. nmero de entidades esperando en una cola; se denota con NQ(nombre de la cola), valor de un contador NC(nombre del contador)). MDULOS DE ORGANIGRAMA A continuacin se va a describir con cierto detalle los diferentes mdulos accesibles en el Basic Process panel. Los 8 mdulos son los correspondientes a las siguientes formas: - Create - Dispose - Process - Decide - Batch - Separate - Assign -Record
CREATE.Este mdulo se ha diseado como punto de entrada de las entidades en el modelo de simulacin. Las entidades se crean en base a un tiempo entre llegadas o utilizando una planificacin determinada. Las entidades abandonan el mdulo Create para empezar su procesamiento a lo largo del sistema. El Tipo de entidad se especifica en este mdulo. La edicin de este mdulo (doble-click) presenta la siguiente ventana:
Create
El nombre es el nico identificador del mdulo y se visualiza dentro de la forma grfica del mdulo; en el campo Entity Type se escribe el nombre del tipo de la entidad que se va a generar. El campo Type acepta los valores: Random(se utiliza una distribucin exponencial y la media la define el usuario), Schedule(se utiliza una distribucin exponencial y la media est determinada por un mdulo Schedule), Constant (el usuario especifica el valor constante) y Expression(se utilizar cualquier expresin que se presentar en el men que se desdobla en la opcin Expression) 17
Ana C. Batista
El campo Entities per Arrival indica el nmero de entidades que entrarn en el sistema en cada uno de los instantes en que se produce una llegada(por defecto es 1) DISPOSE.Este mdulo tiene como funcin constituir el punto final de las entidades en el modelo de simulacin. Las estadsticas pueden ser registradas antes de que la entidad abandone el sistema. La ventana de la edicin de este mdulo es la siguiente:
Dispose
PROCESS.Este mdulo se ha diseado como el principal mtodo de procesamiento de las entidades en la simulacin. Dispone de las opciones 'capturar' y 'liberar' cualquier recurso. Adems existe la opcin de utilizar un 'submodelo' que permite al usuario definir de forma jerrquica la lgica que desee con el nmero de mdulos de organigrama que se precise para el proyecto de simulacin. La ventana de edicin de este mdulo es la siguiente:
Process
Xabier Basogain / Miguel
El campo nombre tiene las misma funciones que las descritas en el mdulo Create. El Type permite describir el mtodo de especificar la lgica que existe en el interior del mdulo. Procesamiento Standard significa que toda la lgica ser almacenada dentro del mdulo Process y que ser definida por una particular Action, mientras que Submodel indica que la lgica ser definida jerrquicamente en un submodelo. Los posibles tipos de procesamiento dentro del mdulo son los siguientes (campo Action) - Delay: se producir un retraso pero no se utilizar ningn recurso o limitacin. - Seize Delay: uno o varios recursos se utilizarn en el mdulo Process y tambin se producir un retraso, y la liberacin del recurso se producir ms tarde. - Seize Delay Release: se utilizar un recurso seguido de un retraso y entonces se liberar el recurso utilizado. - Delay Release: indica que un recurso que ha sido previamente utilizado ser liberado una vez transcurra un determinado retraso. En los casos necesarios se debe indicar la lista de recursos que son utilizados en dicho mdulo y la cantidad de los mismos que sern capturados y liberados. El campo Delay Type indica el tipo de distribucin o mtodo de especificar los parmetros del retraso; las opciones Constant y Expression requieren un nico valor, mientras que Normal, Uniform y Triangular requieren varios parmetros. DECIDE.Este mdulo permite realizar procesos de decisin en el sistema de simulacin; esto incluye opciones de toma de decisiones basadas en una o ms condiciones(p.e. si el tipo de entidad es Tarjeta Oro) o basado en una o varias probabilidades(p.e. 75% verdadero; 25% falso). Las condiciones se pueden basar en los valores de los atributos, valores de las variables, tipo de entidad o en una expresin(NQ(Cola del proceso Papeleo)). La ventana de edicin de este mdulo es la siguiente:
0
Decide
True
False
19
Ana C. Batista
BATCH.Este mdulo constituye un mecanismo para el agrupamiento de entidades en el modelo de simulacin. Las agrupaciones pueden ser permanentes o temporales. Estas ltimas requerirn que se utilice un mdulo Separate para separar las entidades agrupadas. Los agrupamientos pueden realizarse basados en un nmero especfico de entidades o basados en un atributo determinado. Las entidades que llegan a un mdulo Batch se sitan en una cola hasta que se acumulen el nmero requerido de entidades. Una vez acumulados se crear una entidad representativa de dicho agrupamiento. La ventana de edicin de este mdulo es la siguiente:
Batch
SEPARATE.Este mdulo se utiliza para copiar una entidad entrante en mltiples entidades o para separar un entidad previamente agrupada mediante el mdulo batch. En este segundo caso, la entidad temporal representativa desaparece y se recuperan las entidades originales que constituan el agrupamiento. La ventana de edicin es la siguiente, para el caso de realizar tres copias del original:
0
Separate
Original
Duplicate
20
Ana C. Batista
ASSIGN.Este mdulo se utiliza para asignar a las entidades que entren al mdulo nuevos valores a variables, atributos de entidades, tipos de entidades, dibujos de entidades y otras variables del sistema. Se pueden realizar mltiples asignaciones en un nico mdulo Assign.
Assign
RECORD.Este mdulo se utiliza para recoger las estadsticas de la simulacin del modelo. Los tipos de estadsticas disponibles incluyen tiempo de salida del mdulo, estadsticas de las entidades(tiempo, coste, etc.), observaciones generales y estadsticas de intervalos de tiempo.
Record
NOTA: La informacin completa de todos los mdulos descritos est disponible en el botn
Para cada uno de ellos existe informacin ordenada en los campos indicados en la figura siguiente:
21
Ana C. Batista
4.- EJERCICIO - Proceso de Solicitud de una Hipoteca
En el siguiente ejercicio que se propone se pretende que el alumno realice una primera experiencia en la utilizacin del software ARENA para modelar, simular, visualizar y analizar los resultados de un sencillo sistema a estudiar. En una sucursal bancaria se desea estudiar y analizar el funcionamiento de un servicio determinado relativo a las solicitudes de Prstamos Hipotecarios. En concreto se pretende conocer las repuestas a las siguientes preguntas: 1) Cul es tiempo promedio para evaluar una Solicitud de una hipoteca? 2) Cul es el coste promedio de la revisin de una Solicitud de una hipoteca? 3) Cul es el mximo tiempo que dur la revisin de una Solicitud? 4) Cul es el mximo nmero de solicitudes que han estado esperando a ser revisadas? 5) Qu proporcin de tiempo ha estado ocupado el oficinista que realiza las revisiones? Para ello, el alumno debe construir un modelo del Proceso 'Revisin de una Solicitud de Hipoteca' y obtener dichos resultados mediante la simulacin con ARENA. La informacin que se dispone del proceso a estudiar es la siguiente: a) las Solicitudes (entidades) de una hipoteca se producen o llegan a la sucursal bancaria de una manera aleatoria siguiendo una distribucin exponencial de media 2 horas entre llegadas de solicitudes. b) el proceso de revisin y evaluacin de una solicitud lo realiza un Oficinista (un recurso o un servidor). Cada solicitud (entidad) que llega al Oficinista (proceso) requiere dicho recurso durante un tiempo aleatorio que sigue una distribucin triangular, en la que el tiempo mnimo es una hora, el tiempo ms probable es de 1.75 horas y tiempo mximo es de 3 horas. Cuando una entidad llega al proceso, sta esperar su turno para capturar el recurso. Una vez llegado su turno la entidad capturar (seize) el recurso, tendr un tiempo de retraso correspondiente al tiempo de servicio del Oficinista, y liberar (release) el recurso para que ste pueda realizar otro servicio. c) Una vez la solicitud ha sido revisada y evaluada, queda por decidir si se acepta o no se acepta dicha solicitud. El criterio de aceptacin de una solicitud se basar en un simple criterio probabilstico, en concreto se aceptar el 88% de las solicitudes. NOTA: se utilizarn dos mdulos Dispose, una para las solicitudes aceptadas y el otro para las solicitudes no aceptadas. d) Los costes correspondientes al Oficinista se fijan en $12 por hora de trabajo, independientemente de si ha estado ocupado o desocupado. e) El estudio de simulacin se desea realizar sobre el funcionamiento de la sucursal bancaria durante 20 das y 24 horas al da, es decir sobre un total de 480 horas.
22
Ana C. Batista
- CONSTRUCCIN DEL ORGANIGRAMA

Realizar en la ventana del Modelo el siguiente organigrama correspondiente al problema de estudio:
Revisin de una Solicitud de Hipoteca

Inicio de Solicitud de Hipoteca Revision Concesion de Hipoteca?
0
True
Solicitud Aceptada
0 0 0
Fals e
Solicitud Rechazada
- EDICIN DE LOS MDULOS Una vez realizado el organigrama con los mdulos necesarios se debe editar cada uno de ellos para asignarles los parmetros correspondientes al problema de estudio.
Editar los siguientes mdulos:
Mdulos de organigrama.- Create: asignarle el nombre 'Inicio de Solicitud de Hipoteca', definir el tipo de entidad como 'Solicitud' y elegir el adecuado tiempo entre llegadas (no poner tilde a las letras acentuadas). - Process: asignarle el nombre 'Revisin', elegir la Action adecuada y definir un Recurso que tenga el nombre Oficinista. El tiempo de retraso del proceso es tipo triangular. - Decide: asignarle el nombre 'Concesin de Hipoteca' y Percent True adecuado al problema. - Dispose: asignarles los nombres 'Solicitud Aceptada' y 'Solicitud Rechazada'. Mdulos de datos.- Resource: introducir los costes por hora ($12) en la hoja de clculo correspondiente al recurso 'Oficinista'. - SIMULACIN Antes de ejecutar la simulacin conviene ajustar los parmetros de simulacin al problema de estudio.
23
Ana C. Batista
Editar en primer lugar, el ttulo del proyecto como 'Anlisis de la Revisin de Solicitud de Hipoteca' en el tabulador Poject Title de la carpeta Project Parameters del men Run,Setup. Adems, se debe seleccionar en las cajas check de Statistic Colletion las correspondientes a Entities, Qeues, Resources, Processes y Costing.
En el mismo men Run,Setup, en la carpeta Replication Parameters seleccionar 20 en el campo Replication Length y elegir das en Time Units.
Salvar el modelo realizado mediante la opcin File/Save (o el pulsando el botn Save de barra de herramientas estndar).
NOTA: Utilizar un subdirectorio especfico para este y el resto de modelos que se desarrollarn a lo largo del curso.
Simular el modelo.
NOTA: se puede variar y ajustar la velocidad de la animacin de la simulacin del modelo; para ello durante la simulacin basta mantener pulsada la tecla '<' o la tecla '>' unos instantes para decrementar o aumentar la velocidad de la animacin respectivamente. Si se desea realizar la simulacin sin animacin se debe elegir la opcin Run/FastForward y simplemente pulsar su correspondiente icono Fast-Forward
en la barra de herramientas estndar. - INFORMES de los RESULTADOS DE SIMULACIN Ver y analizar los datos presentados en los diferentes informes que ha generado ARENA al simular el modelo del Proceso de Solicitud de una Hipoteca.
Responder a las 5 preguntas realizadas al comienzo de este apartado 4 EJERCICIO, a partir de los resultados de dichos informes.
Pregunta 1.- Informe Entity (Total Time Average) Pregunta 2.- Informe Entity (Total Cost Average) Pregunta 3.- Informe Process (Total Time Maximun) Pregunta 4.- Informe Queue (Number Waiting Maximun) Pregunta 5.- Informe Resource (Utilization Average)
24
Ana C. Batista
Sesin 2.- Construccin de Modelos con Arena Standard
SESIN 2.-
CONSTRUCCIN STANDARD
DE
MODELOS
CON
ARENA
Objetivo: Disear, construir y simular sistemas SED con mayor versatilidad mediante herramientas adecuadas que provee el software de Simulacin. ndice: 1.- Mejoras en la Visualizacin de la Simulacin del Modelo 2.Modificaciones en el Proceso de Solicitudes de una Hipoteca 3.Modelos Jerrquicos: submodelos 4.- EJERCICIO - Proceso de Solicitud de Prstamo para Automviles
1.- MEJORAS EN LA VISUALIZACIN DE LA SIMULACIN DEL MODELO
La animacin grfica en la simulacin del modelo que se quiere disear y simular vista hasta ahora se limita a representar grficamente sobre el modelo el movimiento de las entidades a lo largo del organigrama. Sin embargo, Arena tiene la posibilidad de incrementar la animacin y as mejorar el estudio del comportamiento del sistema modelado. Adems otra ventaja de las mejoras en la visualizacin animada del sistema es el inters que puede generar en otros miembros de la empresa u organizacin, como los directivos, gestores o administradores, por conocer las posibilidades que ofrece esta nueva herramienta de modelado de sistemas de eventos discretos. Para comprobar las ventajas que supone la mejora de la animacin grfica se aadir dos componentes de animacin al Modelo de Solicitudes de Hipoteca estudiado en la sesin anterior: a) Oficinista , ocupado y desocupado b) Representacin dinmica del nmero de solicitudes en trmite Incorporando estos dos nuevos componentes de animacin al modelo, ste presentar el aspecto que se indica en la siguiente figura:

Inicio de Solicitud de Hipoteca Revision Concesion de Hipoteca?
0
True
Solicitud Aceptada
0 0 0
Fals e
Solicitud Rechazada
0
Solicitudes en Trmite
Oficinista 10
Solicitud es
T iempo de Simulacin
(das)
20
25
Ana C. Batista
Nota: para este tipo de mejoras se utilizar los iconos correspondientes a la barra de herramientas de Animacin.
a) Animacin del Recurso 'Oficinista'
La actividad que realiza el recurso Oficinista consiste en revisar y evaluar cada una de las solicitudes que le llegan; si no llega ninguna solicitud el Oficinista est desocupado y se utilizar un dibujo de una persona sentada en su puesto de trabajo (chaqueta de color verde). Cuando llega una solicitud, sta capturar el recurso y el recurso pasar a estar ocupado representado por un dibujo de una persona trabajando sobre la mesa (chaqueta de color rojo). Los pasos que hay que realizar para establecer este tipo de animacin son los siguientes: 1.- Clic el botn de Recurso de la barra de herramientas de animacin. 2.- Se abre la ventana de Resource Picture Placement. Seleccionar 'Oficinista' en el campo Identifier. 3.- Si Current Library no es c:\...\workers.plb , abrir la librera de dibujos adecuada mediante el botn Open (seleccionar workers.plb). 4.- Para cambiar el icono de Oficinista Desocupado: a) clic el botn de Idle de la parte izquierda (el campo State se actualizar a Idle) b) Seleccionar el dibujo de una persona sentada con chaqueta verde. c) click el botn de transferencia entre tablas 5.- Para cambiar el icono de Oficinista Ocupado: a) repetir los mismos pasos que en el caso anterior, particularizando para el estado Busy (dibujo de persona trabajando con chaqueta roja). 6.- Clic el botn Ok para cerrar la ventana de dilogo. 7.- El cursor se transformar en una cruz; moverlo al lugar del modelo donde se desee que aparezca la animacin del Oficinista. 8.- Si se desea redimensionar el icono del Oficinista, basta con seleccionarlo y alargar o reducir el dibujo.
b) Representacin Dinmica del Nmero de Solicitudes en Trmite
En algunos procesos resulta de gran inters visualizar de forma dinmica la evolucin de una serie de variables como puede ser el nmero de entidades en una cola, nivel de ocupacin de un recurso, etc. Este tipo de informacin ilustra la carga de trabajo del sistema que puede variar bruscamente debido a la naturaleza aleatoria del proceso simulado. 26
Ana C. Batista
Los pasos que hay que realizar para establecer este tipo de animacin son los siguientes: 1.- Clic el botn de Plot de la barra de herramientas de animacin. 2.- Se abre la ventana de Plot. En caso presente se va a representar una nica expresin, la correspondiente a work-in-process (WIP) del proceso 'Revisin' de nuestro modelo. Para ello se debe pulsar el botn Add. 3.- En la nueva ventana de dialogo de Plot Expression, pulsar el botn de editar expresiones para abrir el editor de expresiones. 4.- Se desea representar a lo largo del tiempo el nmero de entidades (solicitudes) en el proceso 'Revisin'. Seleccionar en el campo Process Name el nombre del proceso (Revisin) y en el campo de Information elegir WIP (la ltima opcin que aparece en la lista que se despliega en este campo). 5.- Editar los valores Mximum y History Points con los valores 10 y 5000 respectivamente (en la sesin anterior se obtuvo que el nmero mximo de entidades en cola era 9). Pulsar el botn OK para cerrar la ventana de dialogo de Plot Expression (fijarse que Arena pone la frmula Revision.WIP). 6.- Para completar la definicin del Plot, cambiar Time Range al valor de 480. El eje horizontal del plot representar 480 horas de simulacin. Pulsar OK para cerrar la ventana de dilogo de Plot. 7.- El cursor cambia a la forma de una cruz; dibujar el Plot en la ventana del modelo mediante realizando clic en dos extremos en el lugar que se desee.
c) simulacin del modelo con las mejoras de animacin
Una vez editados los dos nuevos componentes de animacin pasemos a simularlo; previamente conviene salvar el modelo; tambin puede resultar interesante aadir algn texto que documente con cierto detalle los dos nuevos componentes de animacin. Editar en el pie del icono del Oficinista, el texto Oficinista, y junto a los ejes del Plot, el texto Tiempo de Simulacin (das) para el eje de abcisas, el texto Solicitudes para el eje de ordenadas y el texto Solicitudes en Trmite para un ttulo superior del plot. Para la edicin de texto utilizar el icono Text de la barra estandar de dibujo .
Realizar la simulacin del modelo y comprobar el efecto de la animacin. El nuevo modelo presenta una animacin ms interesante y medible. Los resultados numricos que se obtendrn sern los mismos que los obtenidos en la sesin anterior ya que no se ha realizado ningn cambio en los parmetros del modelo.
27
Ana C. Batista
Sin embargo, se observar a medida que avanza la simulacin cmo el dibujo que representa al Oficinista cambia entre los estados Desocupado y Ocupado segn lleguen solicitudes al proceso Revisin. La representacin dinmica del nmero de solicitudes en trmite muestra una serie de picos importantes debido a la combinacin del tiempo variable entre llegadas de solicitudes (mdulo Create) y el tiempo de proceso de las solicitudes (mdulo Process).
2.- MODIFICACIONES EN EL PROCESO DE SOLICITUDES DE UNA HIPOTECA
En este apartado se va a considerar dos modificaciones del Proceso de Solicitudes de una Hipoteca estudiado en la anterior sesin con el propsito de mostrar diferentes posibilidades del software Arena.
a) Primera Modificacin: Aadir un proceso de Escner
Para mejorar e informatizar el proceso de Solicitud de Hipoteca se ha decidido aadir delante del proceso Revisin, un proceso llamado Escner que lo realizar una Secretaria. El proceso Escner tiene una duracin mnima de 15 minutos, mxima de 45 minutos, y una duracin normal de 25 minutos. Asignar un dibujo a la Secretaria y una tarifa de $6.75 hora.

Inicio de Solicitud de Hipoteca Escaner Revision
Modificacin 1
0 Concesion de Hipoteca?
True
Solicitud Aceptada
0 0 0 0
False
Solicitud Rechazada
0
Secretaria Oficinista
Simular el nuevo sistema y contestar a las preguntas: a1) Qu proporcin de tiempo estar ocupada la Secretaria, y el Oficinista? a2) Cul es el coste promedio de cada Solicitud?
28
a3) Cul es el nmero mximo de solicitudes en espera en la cola del Oficinista?

b) Segunda Modificacin: Devolucin de algunas Solicitudes despus del proceso Escner
Una vez se ha completado la tarea de Escner, el 8% de las solicitudes son devueltas por estar incompletas. Este hecho significa que muchas de las solicitudes sern detectadas en el proceso de Escner y por consiguiente el porcentaje de solicitudes aceptadas despus del proceso Revisin se incrementa del 88% al 94%, y el tiempo de proceso de Revisin se reduce un 10%. Simular el nuevo sistema y contestar a las preguntas: b1) Qu proporcin de tiempo estar ocupada la Secretaria, y el Oficinista? b2) Cul es el coste promedio de cada Solicitud? b3) Cul es el nmero mximo de solicitudes en espera en la cola del Oficinista? b4) Cul es el tiempo promedio para revisar una Solicitud? Nota: La reduccin del 10% del tiempo de proceso Revisin se puede realizar mediante la definicin de una variable llamada 'Factor de Reduccin' inicializada al valor 0.9 y utilizada en los campos correspondientes a la distribucin triangular del tiempo de servicio del proceso Revisin como se indica en la figura siguiente:
Para la definicin de la variable 'Factor de Reduccin' se utiliza el mdulo de datos Variable de la Barra de Proyectos y se edita como se muestra en la figura
29
Ana C. Batista
3.- MODELOS JERRQUICOS: SUBMODELOS
Arena ofrece la posibilidad de disear/construir el modelo de un sistema de una forma jerarquizada, en vistas jerarquizadas llamadas Submodelos.
Submodelo.-
Los submodelos disponen de un espacio de trabajo completo para definir el organigrama de flujo de las entidades, incluyendo los recursos de animacin grfica, de la misma forma que cualquier modelo no jerarquizado. Los submodelos pueden contener cualquier objeto que se pueda colocar en la ventana de modelo (lgica, grficos estadsticos, animacin, etc.) La utilizacin de los submodelos en el modelo del sistema ofrece las siguientes ventajas: a) aumento del espacio de trabajo para construir el modelo. b) facilita una mejor organizacin del modelo (cada submodelo es representado en su propia vista, es decir, en la ventana de modelo) permitiendo la divisin visual de un organigrama complejo de un modelo en ventanas ms fciles de manipular y comprender el modelo. Los submodelos pueden conectarse a otros mdulos, a otros submodelos, o simplemente pueden estar solos en el modelo. Adems existen una serie de comandos que permiten realizar una serie de operaciones sobre los submodelos: - Properties.- permite cambiar las caractersticas del submodelo, por ejemplo el nmero de puntos de entrada y salida.
30
Ana C. Batista
- Open.- abrir el submodelo para visualizar la vista del submodelo e introducir la lgica, animacin y grficos. - Aggregate.- sirve para agrupar en un submodelo la lgica, animacin y grficos que exista ya en la ventana del modelo. - Unaggregate.- saca los objetos de una vista de submodelo y los ubica en el siguiente nivel superior del modelo.
Definicin de submodelos.-
El modelo jerrquico de un sistema se puede realizar de dos maneras: - Submodelo Process - Objeto Submodelo El primero de ellos se crea definiendo el campo Type de un mdulo Process con la opcin Submodel, como se indica en la figura:
Esta capacidad del mdulo Process es referida como jerarquizacin de procesos y permite agregar varios mdulos de organigrama de flujo en vistas de submodelo diferentes, cada una de ellas asociadas al mdulo Process correspondiente. El segundo tipo de submodelo se obtiene mediante la seleccin de la opcin de men Objetc/Submodel/Add Submodel o haciendo clic en el botn de Submodelo de la barra
31
Ana C. Batista
de herramienta estndar . Este tipo de submodelo es simplemente una coleccin de mdulos que han sido agregados para navegacin y facilidad de uso. La principal diferencia entre los dos mtodos son las estadsticas generadas. Cuando un mdulo que se define como tipo Submodelo y se construye una lgica en la vista de submodelo, cualquier estadstica, coste e informacin temporal que se recoge cuando una entidad est dentro del submodelo ser reflejada directamente en las estadsticas, costes e informacin temporal de ese Proceso (independientemente del nmero de niveles de jerarqua que se hayan definido). Sin embargo, las estadsticas recogidas a partir de la lgica definida en el Objeto Submodelo no son agregadas para ese submodelo en particular.
Navegacin en el Modelo.-
Existen varias formas de acceder a las vistas de los submodelos. Un mtodo es del Panel Navigate de la Barra de Proyectos (hacer clic en el icono Navigate para que se visualice el Panel Navigate). Cuando se utiliza el Panel Navigate, Arena permite el acceso directo a cada una de las vistas de los submodelos, simplemente haciendo clic en la lista de los nombres de los submodelos. Esto significa que en el caso de varios submodelos anidados, se puede acceder directamente a un submodelo que est a varios niveles del nivel superior de la jerarqua. Otro mtodo de acceso es realizar doble clic en el objeto submodelo presente en la ventana de modelo; en este mtodo el acceso a submodelos anidados requiere realizar doble clic en los sucesivos objetos de los submodelos anidados. El tercer mtodo consiste en realizar clic-derecho (en el botn de la derecha del ratn) sobre el objeto submodelo presente en la ventana de modelo y seleccionar del men la opcin Open Submodel.
Vista de un Submodelo.-
Dentro del objeto submodelo est la vista de submodelo que contiene la lgica u organigrama de flujo del submodelo. En la vista del submodelo hay puntos de entrada y puntos de salida que estn conectados a la lgica del submodelo. Estos puntos permiten el paso de las entidades del nivel superior del modelo al submodelo, continua el procesamiento de las entidades de acuerdo a la lgica del submodelo y se vuelve al nivel superior para seguir su procesamiento, como se ilustra en la figura.
Create 1
Subm ode l 1
0
Dispose 1
Create 2
Process 3
Dispose 2
0 0
Dispose 3
32
Ana C. Batista
El nmero de puntos de entrada y salida pueden elegirse mediante la opcin Properties del men que aparece al realizar clic-derecho sobre el objeto submodelo. Los puntos de entrada en la vista del submodelo se representa mediante una flecha que apunta a la direccin que seguir el flujo de la lgica. El punto de salida se representa por un cuadrado. Desde este punto la entidad regresar a la vista del siguiente nivel para continuar con el procesado. En la figura se muestra la vista de un submodelo particular, con dos puntos de entrada y tres de salida.
P rocess 1
0
S eparate 1
Original
Duplicate
P rocess 2
4.- EJERCICIO - PROCESO DE SOLICITUD DE PRSTAMOS PARA AUTOMVILES
Se desea realizar el estudio de un proceso correspondiente a la solicitud de prstamos para la adquisicin de automviles que ofrece una entidad bancaria. En este modelo, las solicitudes de prstamos para adquirir un automvil llegan al centro de procesamiento aproximadamente cada 5 minutos. La revisin de la solicitud la realiza uno de los cinco agentes de prstamos que comprueban si la solicitud est completa. Esta revisin suele durar 15 minutos, pero puede durar como mnimo 12 minutos y como mximo 18 minutos. Los agentes detectan que el 8% de las solicitudes estn incompletas y las devuelven al solicitante. Las solicitudes que estn completas se envan a una mquina de procesamiento automtico donde las solicitudes son procesadas. Esta operacin puede durar de 0.5 horas a 1.5 horas, pero habitualmente requiere 1 hora. Se supone que la mquina de procesamiento automtico puede procesar tantas solicitudes como sea necesario. Una vez procesadas las solicitudes, un agente comprobar los resultados del procesamiento y escribir un documento de aceptacin o rechazo. Esta tarea suele tener una duracin de 7 minutos, aunque nunca ms de 10 minutos y ni menos de 5 minutos. Una vez escrito dicho documento, el proceso de la solicitud del prstamo se ha completado y se enva dicho documento a los solicitantes. 1) Realizar la simulacin para un da considerando la jornada de 8 horas.
33
Ana C. Batista
- Indicar los valores ms relevantes de los resultados de la simulacin (n de solicitudes, utilizacin de los recursos, n medio de solicitudes en las diferentes colas, etc.)
4.1.- Submodelo en el Proceso de Solicitud de Prstamos para Automviles
La Direccin de la entidad bancaria quiere un anlisis ms detallado del funcionamiento del departamento de autorizacin de prstamos. Para ello, se sustituir el proceso que modelaba la mquina de 'procesamiento automtico' por un proceso que sea definido como Submodelo en el campo Type. La actividad de autorizacin de prstamos realiza dos operaciones por separado: - Evaluacin de Legitimidad de la solicitud - Comprobacin de Crdito b) Evaluacin de Legitimidad de la solicitud.Una vez que el agente de prstamos hace la revisin inicial de la solicitud y est completa, 1 de los 5 agentes de evaluacin comprueba la legitimidad de la solicitud. El 95% de las solicitudes son legtimas. Cualquier solicitud que no sea legtima se salta la Comprobacin de Crdito, y continuar con un agente de prstamos disponible en el proceso de generacin de documento de aceptacin o rechazo. La operacin de evaluacin requiere entre 20 y 30 minutos. b) Comprobacin del Crdito.Las solicitudes legtimas sern estudiadas por uno de los 12 agentes de crdito que realizan la revisin del crdito a partir de un informe sobre el crdito del solicitante. Esta operacin suele requerir aproximadamente una hora, con un mnimo de 55 minutos y un mximo de 90 minutos. Una vez finalizada la revisin, cada solicitud continuar con un agente de prstamos disponible en el proceso de generacin de documento de aceptacin o rechazo. 2) Realizar la simulacin para un da considerando la jornada de 8 horas. - Indicar los valores ms relevantes de los resultados de la simulacin (n de solicitudes, utilizacin de los recursos, n medio de solicitudes en las diferentes colas, etc.)
34
Ana C. Batista
Sesin 3.- Modelos Estadsticos en Simulacin
SESIN 3.- MODELOS ESTADSTICOS EN SIMULACIN
Objetivo: Familiarizarse con las funciones de distribucin de procesos aleatorios ms utilizados en la Simulacin de SED.
Indice: 1.- Herramienta Input Analyzer 2.- Datos a Analizar 3.- Datos y Ventanas 4.- Generacin de Datos 5.- Ajuste de los Datos a una Distribucin 6.- Modificacin de Parmetros 7.- Ejercicios A la hora de modelar fenmenos reales son pocas las veces en las que el diseador puede predecir de una manera determinista las acciones que se van producir sobre las entidades que estn dentro de un sistema objeto de estudio. El diseador generalmente modela los sistemas desde un punto de vista probabilstico ms que desde un punto determinista ya que son muchas las causas que pueden producir variaciones sobre el comportamiento global del sistema. Sin embargo, a pesar de la aleatoriedad de las causas y la imposibilidad de predecirlas, existen modelos estadsticos o funciones de distribucin que permiten describir la aleatoriedad de las causas que influyen en el comportamiento del sistema. El conocimiento de los diferentes modelos estadsticos (distribuciones discretas y continuas) permite al diseador realizar un modelo ms preciso del sistema. As por ejemplo, el tiempo de servicio de un servidor en un sistema de colas puede ser descrito por las siguientes distribuciones: - Exponencial: si los tiempos de servicio son completamente aleatorios. - Normal: si los tiempos de servicio son constantes pero existe una variabilidad que produce fluctuaciones negativas y positivas. - Normal Truncada: si existen valores de la variable que deben ser mayores o menores que un umbral y el resto sigue una distribucin normal. - Weibull y Gamma: ambas presentan aspectos similares y estn relacionadas con la distribucin exponencial. Las diferencias estriban en la localizacin de la moda de las funciones de distribucin y en las formas de las colas para los extremos.
35
Ana C. Batista
1.- Herramienta INPUT ANALYZER
El Input Analyzer es un componente estndar del entorno de simulacin de Arena. Es una herramienta potente y verstil que se puede utilizar para las siguientes actividades: a) determinar la calidad de ajuste de una funcin distribucin de probabilidad a un conjunto de datos de entrada. b) comparar diferentes funciones de distribucin de probabilidad c) representar grficamente los efectos de la variacin de los parmetros para una misma distribucin. d) generar datos aleatorios siguiendo una determinada funcin de distribucin de probabilidad. En esta sesin se va a utilizar el Input Analyzer para representar y comparar diferentes funciones de distribucin de probabilidad. Ejecucin del Input Analyzer: la forma de ejecutar este componente de Arena se realiza a travs de cualquiera de estas dos opciones: a) seleccionar Input Analyzer en Inicio/Programas/Arena b) seleccionar Input Analyzer en el Men Tools de Arena.
Figura 1.- Men Principal del Input Analyzer NOTA: en la sesin 6 se utilizar el Input Analyzer para analizar ficheros de datos correspondientes al tiempo entre llegadas de entidades a un sistema de colas, tiempo de servicio de un servidor o proceso, etc., con el propsito de evaluar con criterios estadsticos (test de hiptesis Chi-cuadrado) la calidad del ajuste de dichos datos a una determinada funcin de distribucin de probabilidad.
2.- DATOS A ANALIZAR
Los datos que el Input Analyzer va a representar y analizar deben estar almacenados en un fichero de texto ASCII con formato libre (los datos individuales deben estar separados por 'espacios en blanco, tabuladores, etc.'). Para ello se puede utilizar
36
Ana C. Batista
cualquier editor de textos (word, bloc de notas, notepad, etc.). Generalmente estos datos se corresponden con observaciones reales del sistema que se quiere analizar. Supngase que la siguiente lista de valores numricos se corresponde con los tiempos de servicio (medido en horas) de un agente de prstamos de una entidad bancaria que revisa las solicitudes de prstamos de automviles.
Figura 2.- Fichero de datos editado con el Bloc de Notas Editar un fichero ASCII con datos numricos positivos y salvarlo con el nombre datos.dat Si no se dispone de datos reales puede generarse datos sintticos que sigan una funcin de distribucin de probabilidad mediante la opcin del men File, Data File, Generate New ( se ver en el apartado 4).
3.- DATOS Y VENTANAS
El modo de funcionamiento del Input Analyzer se basa en Ventanas, asignando a cada conjunto de datos que se desea analizar una ventana. Se pueden abrir tantas ventanas como conjunto de datos se desee analizar. Para analizar las caractersticas de los datos contenidos en un fichero se debe asignar una Nueva Ventana a dicho fichero y despus utilizar los comandos propios del Input Analyzer. Primer paso: abrir una nueva ventana en el Input Analyzer. Utilizar la opcin File, New, y se abre una ventana vaca como se indica en la figura.
37
Ana C. Batista
Figura 3.- Nueva Ventana en el Input Analyzer Segundo Paso: una vez abierta una ventana vaca, se debe asignar un fichero de datos desde dos posibles opciones: a) File, Data File, Use Existing (para el caso de utilizar un fichero ASCII de datos reales, previamente editado). b) File, Data File, Generate New ( para el caso de generacin artificial de datos). En la ventana se representar, en la parte superior un Histograma de los datos y en la parte inferior con el ttulo Data Summary se adjunta informacin relevante del conjunto de datos como el nmero de muestras, nmero de intervalos, rango del histograma, la media y desviacin de las muestras, los valores mximo y mnimo (ver figura). Elegir la opcin a) y utilizar el fichero ASCII (datos.dat) que se desea representar y analizar. Indicar los valores que se presentan en el Data Summary.
Figura 4.- Histograma e Informacin del conjunto de datos
38
Ana C. Batista
4.- GENERACIN DE DATOS
La opcin del men File, Data File, Generate New permite al usuario generar un fichero de muestras aleatorias que sigan una determinada funcin de distribucin de probabilidad. Al seleccionar esta opcin aparece un cuadro de dialogo que presenta los siguientes submens (ver figura): 1) una lista de funciones de distribucin sobre las que se generar las muestras 2) los parmetros de la distribucin seleccionada 3) el nmero de muestras a generar 4) el nombre del fichero sobre el que se escribirn dichas muestras. (ARENA utiliza por defecto la extensin dst)
Figura 5.- Men Generacin de Datos
5.- AJUSTE DE LOS DATOS A UNA DISTRIBUCIN
Despus de que los datos de un fichero han sido cargados y representados mediante un histograma en la Ventana, el siguiente paso es Ajustar los datos a una funcin de distribucin de probabilidad. Para ello, seleccionar la opcin Fit del men. Se despliega un men con todas las posibles distribuciones. Se selecciona la funcin de distribucin deseada y el Input Analyzer determinar los parmetros de la distribucin que se ajuste a los datos. Dichos parmetros e informacin adicional se presentan en la parte inferior de la ventana con el ttulo Distribution Summary
39
Ana C. Batista
Adems, el Input Analyzer representar mediante una lnea continua la funcin de densidad de probabilidad calculada sobre el histograma, como se representa en la figura.
Figura 6.- Ajuste de los datos a una Funcin de Distribucin
6.- MODIFICACIN DE PARMETROS
En el men Options, Parameters, existen dos comandos: Histogram y Distribution que permiten realizar cambios en los parmetros propios de cada una de los tipos de representacin realizados por Input Analyzer.
7.- EJERCICIOS
NOTA: Para la documentacin de la prctica utilizar la opcin Copy/Paste de las ventanas obtenidas en los diferentes ejercicios. 1.- Representar el histograma y la funcin de distribucin de los datos almacenados en los ficheros siguientes: expo_1.dat expo_2.dat
40
expo_3.dat Comparar dichas representaciones e indicar las principales conclusiones. 2.- Representar el histograma y la funcin de distribucin de los datos almacenados en los ficheros siguientes: weibull_1.dat weibull_2.dat weibull_3.dat Comparar dichas representaciones e indicar las principales conclusiones.
3.- Generar datos numricos aleatorias que sigan la funcin de distribucin Poisson con diferentes medias, = 1, 2 y 4 Representar sus correspondientes histogramas y funcin de distribucin.
4.- Cambio de Parmetros: sobre un conjunto de datos concreto (p.e. distribucin exponencial expo_1.dat o weibull_1.dat) comprobar el efecto al cambiar valor numrico de los parmetros de las correspondientes funciones de distribucin ( media, alfa, beta y offest). Para ello, utilizar previamente el ajuste Fit y despus el men Options, Parameters, Distribution. Tambin modificar el histograma de los datos mediante Options, Parameters, Histogram
5.- Comprobar las formas que presentan las diferentes funciones de distribucin : Beta , Lognormal, Empirical Continuous, Normal, k-Erlang, Poisson, Exponential, Gamma, Triangular, Uniform, Weibull , para diferentes valores de sus parmetros.
41
Ana C. Batista
Sesiones 4 y 5.- Simulacin de Sistemas de Colas
SESIONES 4 y 5.-
SIMULACIN de SISTEMAS de COLAS
Objetivo: Estas sesiones tienen como propsito modelar, simular y evaluar diferentes sistemas de eventos discretos desde el punto de vista de teora sistemas de colas. El objetivo principal de estas sesiones se desdobla en las siguientes reas de inters: a) familiarizar al diseador en el estudio cuantitativo de las medidas de comportamiento de los modelos de sistemas de colas. b) mostrar la simulacin como una herramienta vlida y alternativa a los mtodos analticos clsicos de teora de colas. ndice: 1.- Introduccin 2.- Teora de Colas y Arena 3.- Ejercicios 1.- INTRODUCCIN Los modelos de los sistemas de colas representan y caracterizan aquellos sistemas que utilizan una serie de recursos finitos para realizar un determinado tipo de servicio que demandan los clientes. En un simple modelo de colas, los clientes llegan con cierta cadencia y se juntan en una cola o lnea de espera para ser atendidos o servidos, y una vez servidos abandonan el sistema.
Poblacin de Clientes Llegada Cola de Clientes Servidor Salida
A la hora de tratar de mejorar un sistema de colas, el diseador se encuentra con el compromiso entre la utilizacin del servidor y la satisfaccin del cliente medida en trminos de longitud de cola y tiempo de retraso.
42
Ana C. Batista
Se utiliza teora de colas y/o simulacin para predecir dichos parmetros en funcin de los parmetros de entrada entre los que se encuentran el ratio de llegadas de clientes, peticiones de servicio de los clientes, ratio al que el servidor trabaja, nmero y organizacin de servidores, entre otros. Algunos de estos parmetros de entrada son en cierto grado controlables por el gestor del sistema y en consecuencia existe cierta relacin indirecta entre el comportamiento del sistema y los parmetros de entrada. Las medidas tpicas del comportamiento del sistema (utilizacin del servidor, longitud de la lnea de espera y el tiempo de retraso) pueden ser calculadas matemticamente para sistemas relativamente sencillos. Existe una relacin de frmulas matemticas que expresan el valor de dichas medidas de comportamiento para una serie de sistemas de colas (M/G/1, M/M/1, M/EK/1, M/D/1, M/M/c, etc.) Por qu el inters de obtener la solucin de esta serie de sistemas de colas utilizando simulacin, si existe la solucin matemtica de los mismos? El inters se basa en presentar la simulacin como una herramienta vlida para la solucin de sistemas de eventos discretos y de esta manera utilizar este mtodo de solucin para otros sistemas cuyos modelos matemticos son muy complejos, o no admiten las suposiciones necesarias para obtener una solucin matemtica cerrada. 2.- TEORA DE COLAS Y ARENA
Antes de implementar el modelo de sistema de colas y simularlo mediante el software Arena, conviene matizar algunos aspectos particulares del mismo en relacin con los parmetros caractersticos de la teora de colas. Siguiendo la notacin de colas propuesta por Kendall, A/B/c/N/K , existen dos parmetros que caracterizan de forma unvoca la llegada de los clientes y el tiempo de servicio: Llegada: ratio de nmero de llegadas de clientes por unidad de tiempo (hora, minuto) Servicio: ratio de nmero de salidas (clientes atendidos) por unidad de tiempo
Llegadas Salidas
Las medidas de comportamiento de sistemas de colas en simulaciones de larga duracin son las siguientes: L.LQ .Ana C. Batista
media temporal del nmero de clientes en el sistema media temporal del nmero de clientes en la cola
43
W.tiempo medio por cliente en el sistema WQ .- tiempo medio por cliente en la cola Existen otras medidas de comportamiento que se pueden analizar en un sistema de colas, como son: - el nmero de clientes que tengan un retraso mayor que to unidades de tiempo. - nmero de clientes que han regresado a la Poblacin por limitaciones de la capacidad del sistema. - tiempo en el que ha habido ms de ko clientes esperando en la cola. Todos estos aspectos propios de la teora de colas se pueden identificar y materializar en el software Arena realizando las siguientes observaciones: a) En primer lugar hay que sealar que los bloques Create y Process del diagrama de flujo de un sistema modelado mediante Arena son los bloques que incluyen la expresiones necesarias para construir los modelos de sistemas de colas. Las expresiones correspondientes a las funciones de distribucin utilizadas para representar los tiempos entre llegadas y tiempos de servicio requieren uno o dos parmetros relacionados directamente con los valores de y respectivamente. La figura muestra el caso particular de un sistema M/M/1 .
0 0
Create Proces s
EXPO(1/ )
EXPO(1/ )
En ambos mdulos, la funcin distribucin exponencial, el parmetro Mean (EXPO(Mean)) hace referencia a la media expresada en tiempo entre llegadas y tiempo por cliente, es decir el inverso del ratio y respectivamente. b) Las medidas de comportamiento del sistema de colas simulado en Arena se encuentran en diferentes partes de los distintos informes (reports) que genera Arena. En la siguiente tabla se resumen algunas secciones de los informes que recogen las medidas de comportamiento. MEDIDA COMPORTAMIENTO L LQ W WQ (utilizacin recurso)
Ana C. Batista
REPORT ARENA
Entity.WIP (work in process) Queues.Number Waiting Process.Total Time Queues.Waiting Time Resource.Utilization
44
Los valores que se obtienen de la simulacin son estimaciones y por consiguiente deben ser analizadas desde un punto de vista estadstico (no se debe esperar una solucin exactamente igual a la obtenida por las frmulas de la solucin matemtica que ofrece la teora de colas) . En realidad la notacin que se debe utilizar para las medidas de comportamiento del sistema obtenidas a travs de la simulacin es la siguiente: ^L, ^LQ, ^W, ^WQ, ^ (el smbolo ^ representa 'estimador'). Nota: tambin se pueden ver los valores del comportamiento del sistema modelado junto con otros valores internos del sistema en un fichero de extensin *.out y nombre del modelo que genera ARENA al finalizar la simulacin.
3.- EJERCICIOS: COMPORTAMIENTO en ESTADO ESTABLE DE MODELOS MARKOVIANOS DE SISTEMAS DE COLAS
El conjunto de ejercicios propuestos tienen como objetivo determinar mediante estimaciones basadas en simulacin los parmetros ms significativos del comportamiento de una serie de sistemas de colas. Para cada uno de los sistemas se debe obtener una tabla de dichas estimaciones para diez valores de intensidad de trfico = / ( = 10 clientes/hora y = 1, 2, 3, 4, 5, 6, 7, 8, y 9 clientes/hora). A dicha tabla se le aadir una columna con los valores de la solucin matemtica. Evaluar la calidad del mtodo de simulacin comparando las estimaciones y las soluciones matemticas. Realizar la representacin grfica de dicha tabla con la ayuda de cualquier herramienta que realice grficas de una serie de datos( Excel, Matlab,..) La duracin de la simulacin debe ser lo suficientemente larga para que el nmero de eventos producidos garantice que las estimaciones obtenidas tienen cierto grado de validacin estadstica. El nmero de eventos a generar en cada simulacin debe ser como mnimo 10000 eventos. Nota: se puede utilizar Run/Setup/Terminating Condition (Process.NumberOut >= 10000) 3.1.- Modelo de Cola: nico servidor, Capacidad de cola Ilimitada M/G/1 a) modelo M/M/1 b) modelo M/Ek/1 (k=3, distribuciones exponenciales ratio k) c) modelo M/D/1 (Constant) d) modelo M/G/1 (Lognormal de media = , desviacin estndar = 0.1, 0.05 ) Indicar las principales conclusiones que se infieren de los resultados obtenidos. Nota: si no existiera la funcin de distribucin ERLA(media,k), cmo podra implementarse un sistema correspondiente al apartado c) ?
45
Ana C. Batista
3.2.- Modelo de Cola: nico servidor, Capacidad de cola Limitada M/M/1/N a) modelo M/M/1/3. Comparar los resultados con los obtenidos con el modelo M/M/1 (indicar el nmero de clientes que regresan a la Poblacin por encontrarse la capacidad del sistema llena) b) modelo M/M/1/50. Evaluar este modelo para los valores de a (/) = 0.5 y 0.9. es similar a M/M/1? 3.3.- Modelo de Cola: Multiservidor M/M/c a) modelo M/M/c para c= 1, 2 y 25 Nota: comprobar el caso c=1 con M/M/1
NOTA:
- Condicin de tamao de cola finita de un proceso.ejemplo particular (tamao=3, nombre del proceso = Proceso) :
nq(Proceso.queue).lt.2 - En el tema 8, 'Anlisis de Datos', se describir con detalle los pasos necesarios para validar estadsticamente los 'estimadores' obtenidos en los ejercicios anteriores. Un aspecto que mejora la exactitud de las estimaciones ser utilizar el promedio de los estimadores obtenidos en realizaciones independientes de los modelos de colas (Run Setup, Number of Replications).
46
Ana C. Batista
Sesin 6.- Anlisis de Datos de Entrada
SESIN 6.- ANLISIS DE DATOS DE ENTRADA
Objetivo: Identificar y parametrizar las funciones de distribucin de probabilidad de los conjuntos de datos representativos de las variables aleatorias de entrada en los modelos de simulacin de eventos discretos. Para ello se elaborarn los diferentes estadsticos y estimadores de las funciones de distribucin de probabilidad ayudados de herramientas software que faciliten su clculo (Excel, calculadora programable), y tambin se utilizarn los recursos que ofrecen los programas software de modelado de entrada como el Input Analyzer de Arena. ndice: 1.- Introduccin 2.- Ejercicios 3.- Apndice: Distribuciones
1.- INTRODUCCIN
En un modelo de simulacin, los datos de entrada suponen un elemento determinante a la hora de obtener resultados precisos y prximos al sistema real objeto del estudio de simulacin. En este sentido, la tarea de determinar la distribucin de probabilidad apropiada de los datos de entrada es una de las ms importantes en el proceso de modelado y simulacin de un sistema de eventos discretos. Cules son los datos de entrada en un modelo de simulacin de un sistema de colas G/G/1? Hasta ahora, en los modelos tericos simulados con la ayuda de Arena se ha considerado como dato de partida el tipo de distribucin tanto de los tiempos entre llegadas de los eventos (clientes), como del tiempo de servicio de los recursos limitados (servidores). Sin embargo, en el estudio del comportamiento de un sistema real mediante modelado y simulacin, es imprescindible garantizar de forma estadstica, las caractersticas aleatorias de los datos de entrada correspondientes a las distribuciones G, G, utilizadas en el modelo G/G/1. El desarrollo de un modelo vlido de los datos de entrada requiere los siguientes cuatro pasos bsicos: 1) Recogida de datos del sistema real. 2) Identificacin de la familia de distribucin probabilstica que representa el conjunto de datos de entrada, a partir de la distribucin de frecuencia o histograma de los datos de entrada. 3) Estimar los parmetros que determinen una distribucin especfica de la familia de distribuciones identificada.
47
Ana C. Batista
4) Test de validacin de la distribucin y los parmetros seleccionados.

2.- EJERCICIOS
1.- Representar el histograma de los siguientes datos generados segn una distribucin Gamma (utilizar el Input Analyzer de Arena). 1.691 1.116 3.810 2.649 1.843 1.437 4.435 4.589 2.432 2.466 8.221 2.345 5.313 1.581 2.833 5.976 1.782 10.90 2.432 2.361
Determinar los estimadores de mxima verosimilitud ^ y ^ (utilizar Excel) NOTA: Almacenar los datos en un fichero ASCII con el nombre Gamma_1.dat
2.- Representar el histograma de los siguientes datos generados segn una distribucin Weibull con v = 0 (utilizar el Input Analyzer de Arena). 7.936 4.599 5.259 6.212 4.612 5.224 7.563 2.759 2.407 2.003 3.937 7.172 4.278 1.857 6.908 6.513 5.132 2.696 5.002 3.326
Determinar los estimadores de mxima verosimilitud
^ y ^ (utilizar Excel)
NOTA: Almacenar los datos en un fichero ASCII con el nombre Weibull_1.dat
3.- Una empresa especializada en riesgos laborales ha decidido estudiar la siniestralidad laboral de una factora del sector minero. El nmero de siniestros laborales en los ltimos cien meses se detalla en la siguiente tabla: Siniestros por Mes Frecuencia 0 35 1 40 2 13 3 6 4 4 5 1 6 1 Utilizar el Test Chi-cuadrado para evaluar la hiptesis de que los datos siguen una distribucin de Poisson. Utilizar un nivel de significancia de = 0.05 NOTA: Almacenar los datos en un fichero ASCII con el nombre Poisson_1.dat
48
Ana C. Batista
4.- El tiempo requerido para calcular y registrar el nmero de horas trabajadas durante una semana para cada uno de los 50 empleados de una empresa se muestra en la siguiente tabla: Empleado 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 Tiempo (minutos) 1.88 0.54 1.90 0.15 0.02 2.81 1.50 0.53 2.62 2.67 3.53 0.53 1.80 0.79 0.21 0.80 0.26 0.63 0.36 2.03 1.42 1.28 0.82 2.16 0.05 Empleado 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 Tiempo (minutos) 0.04 1.49 0.66 2.03 1.00 0.39 0.34 0.01 0.10 1.10 0.24 0.26 0.45 0.17 4.29 0.80 5.50 4.91 0.35 0.36 0.90 1.03 1.73 0.38 0.48
Utilizar el Test Chi-cuadrado para evaluar la hiptesis de que los tiempos de servicio siguen una distribucin exponencial. Utilizar un nivel de significancia de = 0.05 y nmero de clases de intervalos k = 6.
NOTA: Almacenar los datos en un fichero ASCII con el nombre Exponential_1.dat
5.- Utilizar las opciones Fit, y Options/Parameters/Histogram del Input Analyzer para ratificar y obtener ms informacin sobre los cuatro conjuntos de datos Gamma_1.dat, Weibull_1.dat, Poisson_1.dat y Exponential_1.dat. Analizar los resultados del Test Chi- cuadrado para diferente nmero de intervalos, y comprobar si todos los test indican las mismas conclusiones. Es relevante el papel que desempea el valor 'p-value'? Comprobarlo para el ajuste de cada uno de los ficheros *.dat a otra distribucin diferente a la considerada en su correspondiente hiptesis nula. 49
Ana C. Batista
50
Ana C. Batista
Distribucin Gamma
Distribucin Weibull.-
Distribucin Triangular.-
51
Ana C. Batista
ESTIMADORES de Mxima Verosimilitud
Distribucin Gamma : Parmetros y
Distribucin Weibull: Parmetros y Alfa() de Mxima Verosimilitud
52
Ana C. Batista

Manual Simulación 1

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Manual Simulación 1

Enviado por

Direitos autorais:

Formatos disponíveis

MANUAL DE SIMULACION SOFTWARE ARENA

Ana C. Batista 2011

Sesin 0.- Conceptos Bsicos de Estadstica

CONCEPTOS BSICOS DE ESTADSTICA

Sesin 0.- Conceptos Bsicos de Estadstica

Propiedades de F(x): a) b) c) F es una funcin no decreciente. Si a < b entonces F(a) F(b)

La media es una medida de la tendencia central de la variable aleatoria 2

Sesin 0.- Conceptos Bsicos de Estadstica

Sesin 0.- Conceptos Bsicos de Estadstica

Sesin 0.- Conceptos Bsicos de Estadstica

3.- DISTRIBUCIONES DISCRETAS

La media y la varianza son: E (x) = np V(x) = npq

3.3.- Distribucin Geomtrica (Relacionada con la secuencia de ensayos de Bernoulli)

La Media y la Varianza vienen dados por:

Modelado y Simulacin de Sistemas de Eventos Discretos

Sesin 0.- Conceptos Bsicos de Estadstica

La funcin de distribucin acumulativa es:

Esta funcin est tabulada Ejemplo: Servicio de Fontanera

4.1.- Distribucin Uniforme

Sesin 0.- Conceptos Bsicos de Estadstica

4.3.- Distribucin Gamma

4.4.- Distribucin Erlang

Sesin 0.- Conceptos Bsicos de Estadstica

4.5.- Distribucin Normal

4.6.- Distribucin Weibull

Sesin 0.- Conceptos Bsicos de Estadstica

4.7.- Distribucin Triangular

Sesin 0.- Conceptos Bsicos de Estadstica

Sesin 1.- Introduccin al Software de Simulacin Arena Standard

SESIN 1.- INTRODUCCIN AL SW DE SIMULACIN ARENA

Sesin 1.- Introduccin al Software de Simulacin Arena Standard

- mdulos de datos (iconos rectangulares azul y blanco)

Modelado y Simulacin de Sistemas de Eventos Discretos

Sesin 1.- Introduccin al Software de Simulacin Arena Standard

Sesin 1.- Introduccin al Software de Simulacin Arena Standard

Sesin 1.- Introduccin al Software de Simulacin Arena Standard

Sesin 1.- Introduccin al Software de Simulacin Arena Standard

3.- ESTUDIO DE MDULOS

Sesin 1.- Introduccin al Software de Simulacin Arena Standard

Sesin 1.- Introduccin al Software de Simulacin Arena Standard

Xabier Basogain / Miguel

Sesin 1.- Introduccin al Software de Simulacin Arena Standard

Sesin 1.- Introduccin al Software de Simulacin Arena Standard

Sesin 1.- Introduccin al Software de Simulacin Arena Standard

Sesin 1.- Introduccin al Software de Simulacin Arena Standard

4.- EJERCICIO - Proceso de Solicitud de una Hipoteca

Sesin 1.- Introduccin al Software de Simulacin Arena Standard

- CONSTRUCCIN DEL ORGANIGRAMA

Revisin de una Solicitud de Hipoteca

Sesin 1.- Introduccin al Software de Simulacin Arena Standard

Sesin 2.- Construccin de Modelos con Arena Standard

Revisin de una Solicitud de Hipoteca

Modelado y Simulacin de Sistemas de Eventos Discretos

Sesin 2.- Construccin de Modelos con Arena Standard

a) Animacin del Recurso 'Oficinista'

Sesin 2.- Construccin de Modelos con Arena Standard

Sesin 2.- Construccin de Modelos con Arena Standard

2.- MODIFICACIONES EN EL PROCESO DE SOLICITUDES DE UNA HIPOTECA

Revisin de una Solicitud de Hipoteca

Sesin 2.- Construccin de Modelos con Arena Standard

a3) Cul es el nmero mximo de solicitudes en espera en la cola del Oficinista?

Sesin 2.- Construccin de Modelos con Arena Standard

3.- MODELOS JERRQUICOS: SUBMODELOS

Sesin 2.- Construccin de Modelos con Arena Standard