Capitulo 1,2,3 Del Libro de Banks en Españo

Page 2
Eventos discretos Sistema de Simulacin

CUARTA EDICIN
Jerry Banks
Independiente Consultor f
John
S.
Carson
II
Brooks Automation
Barry L. Nelson
Universidad del Norte occidental
David M. Nicol
Universidad o
f
Illinois, Urbana-Champaign
Prentice-
H
TODO
l
NTERNACIONAL
SERIE
EN
l
NDUSTRIAL
Y
SISTEMAS
INGENIERA
WJ
Fabrycky y
J.
H. Mize, editores
Upper Saddle River, Nueva Jersey 07458

Page 3
Con
diez ts
Prefacio
Acerca de los autores
I
Introduccin a eventos discretos Sistema de Simulacin
Captulo 1 Introduccin a Simulation
1.1 Cuando Simulacin 1s la herramienta Appropnate
1.2 Cundo 1s simulacin no apropiada
1.3 Ventajas y desventajas de la simulacin
1.4 reas de Aplicacin
1.5 Sistemas y Entorno del sistema
1.6 Componentes de un sistema
1.7 Sistemas discretos y continuos
1.8 Modelo de un Sistema de
1.9 Tipos de Modelos
1.10 Sistema de Simulacin de eventos discretos
1,1 1 Pasos en un estudio de simulacin
Referencias
Ejercicios
Ejemplos Captulo 2 Simulacin
2.1 Simulacin de Sistemas de colas
2.2 Simulacin de Inventario de Sistemas
xiii

Pgina 4
vi
Contenido
2.3 Otros ejemplos de simulacin
2.4 Resumen
Referencias
Ejercicios
Captulo 3 Principios Generales
3.1 Conceptos en Simulacin de eventos discretos
3.1.1 El SchedulingITime Avance Algoritmo Evento
3.1.2 Visiones del mundo
3.1.3 Simulacin Manual de Uso de Programacin de eventos
3.2 Lista de Procesamiento
3.2.1 Listas: Propiedades Bsicas y Operaciones
3.2.2 Uso de matrices para el procesamiento de lista
3.2.3 Uso de asignacin dinmica y Listas enlazadas
3.2.4 Tcnicas Avanzadas
3.3 Resumen
Referencias
Ejercicios
Captulo 4 Software de Simulacin
4.1 Historia del Software de Simulacin
4.1.1 El perodo de bsqueda (1955-1960)
4.1.2 El Adviento (1961-1965)
4.1.3 El Perodo Formativo (1966 a 1970)
4.1.4 El perodo de expansin (197 1-78)
4.1.5 Consolidacin y Regeneracin (1979-1986)
4.1.6 Entornos Integrados (1987-Presente)
4.2 Seleccin de Software de Simulacin
4.3 Un Ejemplo Simulacin
4.4 Simulacin en Java
4.5 Simulacin en GPSS
4.6 Simulacin en SSF
4.7 Software de Simulacin
4.7.1 Arena
4.7.2 AutoMod
4.7.3 Extender
4.7.4 Flexsim
4.7.5 Micro San
4.7.6 ProModel
4.7.7 QUEST
4.7.8 SIMUL8
4.7.9 FE

Pgina 5
CONTENIDO
vii
4.8 Experimentacin y Anlisis Estadstico Herramientas
4.8.1 Caractersticas comunes
4.8.2 Productos
Referencias
Ejercicios
I1 Matemtica y Modelos Estadsticos
147
Captulo 5 Modelos estadsticos en la simulacin
149
5.1 Revisin de Tenninology y Conceptos
5.2 Modelos estadsticos tiles
5.3 Distribuciones discretas
5.4 Distribuciones continuas
5.5 Proceso de Poisson
5.5.1 Propiedades de un Proceso de Poisson
Proceso no estacionario 5.5.2 Poisson
5.6 Distribuciones empricas
5.7 Resumen
Referencias
Ejercicios
Modelos Captulo 6 de colas
201
6.1 Caractersticas de los sistemas de colas
202
6.1.1 La Poblacin Calling
202
Capacidad 6.1.2 Sistema
204
6.1.3 El proceso de llegada
204
6.1.4 Cola de Conducta y Disciplina de cola
205
6.1.5 Tiempos de servicio y el Mecanismo de Servicio
206
6.2 Formacin de Colas Notacin
208
6.3 Medidas a largo plazo del rendimiento de los sistemas de colas
208
6.3.1 Tiempo-Cantidad promedio en el sistema L
209
6.3.2 Tiempo medio de permanencia en el sistema por cliente
W
21 1
6.3.3 La ecuacin de conservacin: L
=
hw
212
Utilizacin 6.3.4 Servidor
213
6.3.5 Costos en colas Problemas
218
6.4 Steady-State Comportamiento de Modelos Infinito-Poblacin markovianos
220
6.4.1 Las colas de un solo servidor con Poisson Llegadas y Ilimitado Capacidad:
M / G / 1 221
6.4.2 multiservidor Cola: M / M / c / oo / oo
227
6.4.3 multiservidor colas con llegadas de Poisson y de capacidad limitada: M / M
/ c / N / oo 233
6.5 Steady-State Comportamiento de Modelos-poblacin finita (M / M / c / WK)
235

Pgina 6
viii
Contenido
6.6 Redes de colas
6.7 Resumen
Referencias
Ejercicios
Nmeros aleatorios I11
Captulo 7 Random-Generacin de nmeros
7.1 Propiedades de los nmeros al azar
7.2 Generacin de nmeros pseudo-aleatorios
7.3 Tcnicas de Generacin de Nmeros Aleatorios
7.3.1 Mtodo Lineal congruencial
7.3.2 Generadores combinado lineal de congruencia
7.3.3-Random Number Arroyos
7.4 Las pruebas de nmeros aleatorios
7.4.1 Anlisis de Frecuencia
7.4.2 Las pruebas de autocorrelacin
7.5 Resumen
Referencias
Ejercicios
Captulo 8 Random-variable Generacin
8.1 Inverse-Transformar Tcnica
8.1.1 Distribucin Exponencial
8.1.2 Distribucin Uniforme
8.1.3 Distribucin de Weibull
8.1.4 Distribucin Triangular
8.1.5 Distribuciones continuas empricos
8.1.6 Distribuciones continuas sin Closed-Form Inversa
8.1.7 Distribuciones discretas
Tcnica 8.2 Aceptacin-Rechazo
8.2.1 Distribucin de Poisson
Proceso no estacionario 8.2.2 Poisson
8.2.3 Gamma Distribucin
8.3 Propiedades especiales
8.3.1 Transformacin directa para las distribuciones normales y lognormal
8.3.2 Mtodo de convolucin
8.3.3 Propiedades Ms especiales
8.4 Resumen
Referencias
Ejercicios

Pgina 7
CONTENIDO
ix
IV Anlisis de datos de simulacin
Captulo 9 Modelado de entrada
Recogida de datos
La identificacin de la distribucin con datos
9.2.1 Los histogramas
9.2.2 Seleccin de la familia de distribuciones
9.2.3 Parcelas cuantiles-cuantiles
Estimacin de parmetros
9.3.1 Estadsticas preliminares: Muestra Media y varianza muestral
9.3.2 Estimadores sugeridos
Pruebas de bondad de ajuste-
9.4.1 Prueba chi-cuadrada
Prueba 9.4.2 Chi-cuadrado con probabilidades iguales
9.4.3 Kolmogorov-Srnirnov de bondad de ajuste de prueba
9.4.4 p-valores y "mejor se ajuste"
Montaje de un proceso no estacionario de Poisson
Seleccin de Modelos con entrada sin datos
Multivariado y Modelos entrada en tiempo Senes
9.7.1 Covarianza y Correlacin
9.7.2 Modelos con entrada multivariantes
9.7.3 Tiempo de la serie Modelos con entrada
9.7.4 La transformacin normal-a-Cualquier cosa
Resumen
Referencias
Ejercicios
Captulo 10 Verificacin y Validacin de Modelos de Simulacin
10.1 Modelo de Capacidad, Verificacin y Validacin
10.2 Verificacin de Modelos de Simulacin
10.3 Calibracin y Validacin de Modelos
Validez 10.3.1 Face
10.3.2 Validacin de los Supuestos del modelo
10.3.3 Validacin de Transformaciones de entrada-salida
10.3.4 Validacin de entrada-salida: Uso de Datos Histricos de entrada
10.3.5 Validacin de entrada-salida: Usando una prueba Tunng
10.4 Resumen
Referencias
Ejercicios
Captulo 11 Anlisis de salida para un modelo individual
1 1.1 Tipos de simulaciones con respecto al anlisis de salida
11.2 naturaleza estocstica de datos de salida

Pgina 8
X
Contenido
11.3 Las medidas de rendimiento y su estimacin
1 Punto 1.3.1 Estimacin
1 1.3.2 Confianza Intervalo Estimacin
11.4 Salida de Anlisis para la terminacin de las simulaciones
1 1.4.1 Antecedentes estadsticos
1 1.4.2 Intervalos de confianza con precisin especificada
1 1.4.3 Cuantiles
11.4.4 Estimacin de probabilidades y Cuantiles de Resumen de Datos
11.5 Salida de Anlisis para Steady State-Simulaciones
11.5.1 Inicializacin Sesgo en estado estable-Simulaciones
11.5.2 Estimacin Error de Estado Estacionario Simulacin
11.5.3 Mtodo de replicacin de estado estable-Simulaciones
11.5.4 Tamao de la muestra en estado estable-Simulaciones
11.5.5 lote se entiende por intervalo de estimacin en estado estable-
Simulaciones
11.5.6 Cuantiles
11.6 Resumen
Referencias
Ejercicios
Captulo 12 Comparacin y evaluacin de diseos de sistemas alternativos
12.1 Comparacin de dos diseos de sistemas
12.1.1 Muestreo independiente con varianzas iguales
12.1.2 Muestreo independiente con varianzas desiguales
12.1.3 Nmeros aleatorios comunes (RCN)
12.1.4 Intervalos de confianza con precisin especificada
12.2 Comparacin de los varios diseos de sistemas
12.2.1 Bonferroni Aproximacin a mltiples comparaciones
12.2.2 Bonferroni Aproximacin a Seleccin de la mejor
12.2.3 Bonferroni enfoque para la indagacin
12.3 metamodelado
12.3.1 Regresin lineal simple
Pruebas 12.3.2 para Importancia de Regresin
12.3.3 Regresin lineal mltiple
12.3.4 aleatorio de asignacin numrica de Regresin
12.4 Optimizacin mediante simulacin
12.4.1 Qu Optimizacin mediante simulacin 'Qu significa?
12.4.2 Por qu es la optimizacin mediante simulacin Difcil?
12.4.3 Usando Heunstics robustos
12.4.4 Un Ejemplo: La bsqueda aleatoria

Page 9
CONTENIDO
xi
12.5 Resumen
Referencias
Ejercicios
Aplicaciones V
Captulo 13 Simulacin de Manufactura y Sistemas de manejo de materiales
13.1 Manufactunng y simulaciones de manejo de materiales
13.1.1 Modelos de Sistemas de Manufactura
13.1.2 Modelos de manejo de materiales
13.1.3 Algunos Equipo Cornmon de manejo de materiales
13.2 Objetivos y medidas de desempeo
13.3 Problemas en la fabricacin y las simulaciones de manejo de materiales
13.3.1 Modelado Los tiempos de parada y fracasos
13.3.2 Modelos de traza-Driven
13.4 Estudios de caso de la simulacin de Fabricacin y Sistemas de manejo de
materiales
13.5 Ejemplo de Fabricacin: A Job-Shop Simulacin
13.5.1 Descripcin del sistema y los supuestos del modelo
Anlisis Presimulation 13.5.2
13.5.3 Modelo de Simulacin y Anlisis del Sistema Diseado
Anlisis 13.5.4 de la estacin de Utilizacin
Anlisis 13.5.5 de Mejoras al sistema de potenciales
13.5.6 Palabras finales
13.6 Resumen
Referencias
Ejercicios
Captulo 14 Simulacin de Sistemas Informticos
14.1 Introduccin
14.2 Herramientas de simulacin
Orientacin 14.2.1 Proceso
Orientacin 14.2.2 Evento
14.3 Modelo de entrada
Proceso 14.3.1 Modulada Poisson
14.3.2 Virtual-Memoria Referencing
Computer-System 14.4 Alto Nivel Simulacin
14.5 CPU Simulacin
14.6 Memoria Simulacin

Pgina 10
xii
Contenido
14.7 Resumen
Referencias
Ejercicios
Captulo 15 Simulacin de Redes de Computadores
550
15.1 Introduccin
Modelado 15,2 Trfico
15,3 Media Access Control
15.3.1 Protocolos de paso de testigo
15.3.2 Ethernet
15.4 Nivel de Enlace
15.5 TCP
15.6 Modelo de construccin
15.6.1 Construccin
15.6.2 Ejemplo
15.7 Resumen
Referencias
Ejercicios
Apndice
ndice

Pgina 11
- 1 -
CAPTULO - 1
INTRODUCCIN A LA SIMULACIN
www.ncetianz.webs.com
Ncetianz

Pgina 12
- 2 -
Simulacin
Una simulacin es la imitacin de la operacin de un mundo real
proceso o sistema en el tiempo.
Breve explicacin
El comportamiento de un sistema a medida que evoluciona con el tiempo es
estudiado mediante el desarrollo de un modelo de simulacin.
Este modelo toma la forma de un conjunto de supuestos
relativa a la operacin del sistema.
Las hiptesis se expresan en
o Las relaciones matemticas
o relaciones lgicas
o Relaciones Simblicas
Entre las entidades del sistema.
Medidas de rendimiento
El modelo resuelto por mtodos matemticos tales como diferencial
clculo, teora de la probabilidad, mtodos algebraicos tiene la solucin
generalmente
consta de uno o ms parmetros numricos que se denominan medidas de
rendimiento.
1.1 Cuando la simulacin es la herramienta adecuada
Simulacin permite el estudio y experimentacin de la interna
interacciones de un sistema complejo, o de un subsistema dentro de un complejo
sistema.
Informativo, cambios organizacionales y ambientales puede ser
simulado y el efecto de esas alteraciones en el comportamiento del modelo
puede ser observador.
Los conocimientos adquiridos en el diseo de un modelo de simulacin puede
ser de
gran valor hacia lo que sugiere una mejora en el sistema bajo
investigacin.
Al cambiar las entradas de simulacin y la observacin de los productos
resultantes,
valiosa informacin se puede obtener en la que las variables son ms
variables importantes y cmo interactan.
La simulacin puede ser utilizado como un dispositivo pedaggico para reforzar
analtica
metodologas de solucin.
Ncetianz

Pgina 13
- 3 -
Simulacin se puede utilizar para experimentar con nuevos diseos o polticas
antes de su aplicacin, a fin de prepararse para lo que puede suceder.
La simulacin puede ser utilizado para verificar las soluciones analticas.
Mediante la simulacin de diferentes capacidades para una mquina, los
requisitos pueden
determinar.
Los modelos de simulacin diseados para la formacin, permiten el
aprendizaje sin la
costo y los trastornos de aprendizaje en el puesto de trabajo.
Animacin muestra un sistema en operacin simulada para que el plan pueda
ser visualizado.
El sistema moderno (fbrica, planta de fabricacin de agua, servicio de
organizacin, etc) es tan complejo que las interacciones pueden ser tratados
slo a travs de la simulacin.
1.2 Cuando la simulacin no es apropiada
Simulacin se debe utilizar cuando el problema no se puede resolver utilizando
el sentido comn.
La simulacin no se debe utilizar si el problema puede ser resuelto
analticamente.
Simulacin no debe utilizarse, si es ms fcil de realizar directa
experimentos.
Simulacin no debe utilizarse, si los costos excede ahorros.
Simulacin no se debe realizar, si los recursos o el tiempo no son
disponible.
Si no hay datos disponibles, ni siquiera estimar la simulacin no se aconseja.
Si no hay suficiente tiempo o la persona no est disponible, la simulacin
no es apropiado.
Ncetianz

Pgina 14
- 4 -
Si los administradores han expectativa razonable decir, demasiado pronto - o
el poder de la simulacin es ms estimada, la simulacin no puede ser
apropiada.
Si el comportamiento del sistema es demasiado complejo o no se puede definir,
la simulacin es
no es apropiado.
1.3 Ventajas de la simulacin
simulacin tambin se puede utilizar para estudiar sistemas en la etapa de
diseo.
Los modelos de simulacin se ejecutan en lugar de solucionador.
Nuevas polticas, procedimientos de operacin, reglas de decisin, el flujo de
informacin,
etc se puede explorar sin interrumpir las operaciones en curso de la
sistema real.
Los nuevos diseos de hardware, diseos fsicos, sistemas de transporte pueden
ser probado sin comprometer recursos para su adquisicin.
Las hiptesis sobre cmo o por qu ciertos fenmenos ocurren pueden ser
probados
de viabilidad.
El tiempo puede ser comprimido o ampliado permitiendo un aumento de
velocidad o
desaceleracin de los fenmenos que se investigan.
Insight puede obtenerse acerca de la interaccin de las variables.
Insight se puede obtener acerca de la importancia de las variables de la
rendimiento del sistema.
Anlisis de cuellos de botella se puede realizar indicacin de dnde trabajo en
curso
proceso, materiales de informacin y as sucesivamente estn siendo
excesivamente
retrasado.
Un estudio de simulacin puede ayudar en la comprensin de cmo el sistema
opera en lugar de cmo las personas piensan que el sistema funciona.
"qu pasara si" las preguntas se pueden responder. til en el diseo de nuevos
sistemas.
Ncetianz

Pgina 15
- 5 -
1.4 Desventajas de simulacin
La construccin de modelos requiere de un entrenamiento especial.
Resultados de la simulacin pueden ser difciles de interpretar.
Los modelos de simulacin y anlisis puede llevar mucho tiempo y
caro.
La simulacin se utiliza en algunos casos cuando una solucin analtica es
posible, o incluso preferible.
1.5 Aplicaciones de Simulacin
Aplicaciones de fabricacin
1. Anlisis de las operaciones de montaje de la electrnica
2. Diseo y evaluacin de un estacin de montaje selectivo para alto
precisin conchas de compresores scroll.
3 Comparacin de reglas de secuenciacin para la fabricacin de
semiconductores
el uso de modelos de instalaciones grandes.
4. Evaluacin de rendimiento herramienta de clster para la produccin de
cabeza de pelcula delgada.
5. Determinacin del tamao ptimo de lote para una fbrica de semiconductores
backend.
6. Optimizacin de tiempo de ciclo y la utilizacin en la prueba de
semiconductores
de fabricacin.
7. Anlisis de estrategias de almacenamiento y recuperacin en un almacn.
8. Investigacin de la dinmica en una cadena de suministro orientada a
servicios.
9. Modelo para una instalacin de eliminacin de municiones qumicas Ejrcito.
Semiconductor Manufacturing
1 Comparacin de las reglas de secuenciacin utilizando modelos a gran
facilidad.
2. La influencia corruptora de la variabilidad.
3. Una nueva regla de liberacin de lotes para fbricas de obleas.
4. Evaluacin de potenciales ganancias en productividad debido a proactivo
gestin volvi a atar.
5. Comparacin de una clula litografa 200 mm y 300 mm de rayos X.
6. capacidad de planificacin con las limitaciones de tiempo entre las
operaciones.
7. 300 mm de reduccin de riesgo del sistema logstico.
Ingeniera de la Construccin
1. Construccin de un muro de contencin de la presa.
2. Trench menos renovacin de infraestructuras urbanas subterrneas.
Ncetianz

Pgina 16
- 6 -
3. actividad de planificacin en un entorno dinmico, multiproyecto.
4. Investigacin del proceso de montaje de acero estructural.
5. plantilla propsito especial para la construccin de tneles utilidad.
Aplicaciones Militares
1. efectos liderazgo Modelado y tipo de recluta en un reclutamiento del ejrcito
estacin.
2. Diseo y prueba de un controlador inteligente para los autnomos
vehculos submarinos.
3. necesidades militares Modelado de operaciones nonwarfighting.
4. rendimiento Multitrajectory para diferentes tamaos de escenarios.
5. Usando agentes adaptativos en la retencin de la Fuerza Area de Estados
Unidos.
Logstica, Transporte y Distribucin Aplicaciones
1. La evaluacin de los beneficios potenciales de una planificacin ferroviario
trfico
algoritmo.
2. Evaluacin de estrategias para mejorar el rendimiento del ferrocarril.
3. modelado paramtrico en la planificacin ferroviaria capacidad.
4. Anlisis de los flujos de pasajeros en una terminal del aeropuerto.
5. proactiva evaluacin vuelo-horario.
6. problemas logsticos en los sistemas de produccin de alimentos autnomos
para
ampliado la exploracin del espacio duracin.
7. Dimensionamiento de flotas de coches de ferrocarril industrial.
Distribucin 8. produccin en industria de la prensa.
9. Diseo de una plaza de peaje
10.Choosing entre los lugares de alquiler de coches.
Reposicin respuesta 11.Quick.
Business Process Simulation
1. Impacto de conexin rediseo banco en la asignacin puerta del aeropuerto.
La planificacin de programas de desarrollo 2. producto.
3. Conciliacin de modelado de negocio y el sistema.
4. previsin personal y planificacin del personal estratgico.
Sistemas Humanos
1. Modeling rendimiento humano en sistemas complejos.
2. estudio del factor humano en el control del trfico fuera.
1.6 Sistemas
Ncetianz

Pgina 17
- 7 -
Un sistema se define como una agregacin o conjunto de objetos
unido de alguna interaccin regular o interdependencia hacia el
realizacin de un propsito.
Ejemplo: Sistema de Produccin
En el sistema anterior hay ciertos objetos distintos, cada uno de los cuales
posee propiedades de inters. Tambin hay ciertas interacciones que ocurren
en el sistema que causan cambios en el sistema.
1.7 Componentes de un sistema
Entidad
Una entidad es un objeto de inters en un sistema.
Ejemplo: En el sistema de la fbrica, los departamentos, las rdenes, las piezas y
productos son
Las entidades.
Atributo
Un atributo indica la propiedad de una entidad.
Ejemplo: Las cantidades para cada orden, tipo de pieza, o el nmero de mquinas
en una
Departamento son atributos del sistema de fbrica.
Actividad
Cualquier proceso que causa cambios en un sistema se denomina como una
actividad.
Ex: proceso del departamento de fabricacin.
Estado del Sistema
Sistema de Control de Produccin
Departamento de Compras
Departamento de Fabricacin
Departamento de la Asamblea
Departamento de Embarque
Ncetianz

Pgina 18
- 8 -
El estado de un sistema se define como la coleccin de variables necesarias
para describir un sistema en cualquier momento, en relacin con el objetivo de
estudio. En otra
palabras, el estado del sistema significan una descripcin de todas las entidades,
atributos
y actividades, tal como existen en un momento dado en el tiempo.
Evento
Un evento se define como un suceso instaneous que pueden cambiar el
estado del sistema.
1.8 Sistema de Medio Ambiente
Los componentes externos que interactan con el sistema y
producir los cambios necesarios se dice que constituyen el entorno del sistema.
En los sistemas de modelado, es necesario decidir sobre la frontera
entre el sistema y su entorno. Esta decisin puede depender de la
propsito del estudio.
Ejemplo: En un sistema de fbricas, los factores que controlan la llegada de
pedidos puede ser
considerado como fuera de la fbrica, pero todava una parte del sistema
medio ambiente. Cuando, consideramos que la demanda y la oferta de bienes,
hay
ciertamente una relacin entre la salida de la fbrica y de llegada de los pedidos.
Esta relacin se considera como una actividad del sistema.
Sistema endgeno
El trmino endgeno se utiliza para describir las actividades y eventos
que ocurre dentro de un sistema. Ex: Dibujo de efectivo en un banco.
Sistema exgena
El trmino exgeno se utiliza para describir las actividades y eventos en
el medio ambiente que afectan al sistema. Ex: Llegada de los clientes.
Sistema Cerrado
Un sistema para el que no hay ninguna actividad exgena y el evento es
dice que es un cerrado. Ex: El agua en un frasco aislado.
Sistema abierto
Se dice que un sistema para el que no hay actividad y evento exgeno
ser una abierta. Ex: sistema del Banco.
Ncetianz

Pgina 19
- 9 -
Sistemas discretos y continuos
Sistemas Continuos
Sistemas en los cuales los cambios son predominantemente lisa son
llamado sistema continuo. Ex: Pista de un agua detrs de una presa.
Jefe
De
Agua
Detrs
La presa
Tiempo
t
Sistemas Discretos
Sistemas en los que los cambios son predominantemente discontinua
se llaman sistemas discretos. Ex: Banco - el nmero de cambios de los clientes
slo cuando un cliente llega o cuando el servicio proporcionado a un cliente es
completado.
N de
Clientes
Esperando en
La Lnea
2
1
0
Tiempo
t
Ncetianz

Pgina 20
- 10 -
1.10 Modelo de un sistema de
Un modelo se define como una representacin de un sistema para la
propsito de estudiar el sistema. Es necesario tener en cuenta slo aquellos
aspectos del sistema que afectan el problema bajo investigacin. Estos
aspectos estn representados en un modelo, y por definicin, es una
simplificacin de
el sistema.
1.11 Tipos de Modelos
Los diversos modelos de tipos son
Modelo matemtico o fsico
Modelo esttico
Modelo Dinmico
Modelo determinstico
Modelo estocstico
Modelo Discreto
Modelo Continuo
Modelo Matemtico
Utiliza notacin simblica y las ecuaciones matemticas a
representar un sistema.
Modelo esttico
Representa un sistema en un punto de tiempo particular, y tambin
conocida como la simulacin de Monte-Carlo.
Modelo Dinmico
Representa sistemas a medida que cambian con el tiempo. Ex: Simulacin de
un banco
Modelo determinstico
No contiene variables aleatorias. Tienen un conjunto conocido de
entradas que se traducir en un nico conjunto de salidas. Ex: Llegada de los
pacientes
al dentista en la hora de la cita programada.
Modelo estocstico
Ncetianz

Pgina 21
- 11 -
Tiene uno o variable ms aleatorio como entradas. Entradas al azar
conduce a salidas aleatorios. Ex: Simulacin de un banco implica azar
tiempos entre llegadas y de servicio.
Modelo discretas y continuas
Utilizado en una manera anloga. Los modelos de simulacin pueden ser
mezclado tanto con discreta y continua. La eleccin se basa en la
caractersticas del sistema y el objetivo del estudio.
1.12 Sistema de Simulacin de eventos discretos
Modelado de sistemas en los que slo los cambios de variables de estado en
un conjunto discreto de puntos en el tiempo. Los modelos de simulacin se
analizan por
numrica en vez de por mtodos analticos.
Mtodos analticos emplean el razonamiento deductivo de
las matemticas para resolver el modelo. Por ejemplo: El clculo diferencial se
puede utilizar para
determinar la poltica de mnimo costo para algunos modelos de inventario.
Mtodos numricos utilizan procedimientos de clculo y son
"corre", que se genera en base a los supuestos del modelo y
observaciones se recogieron para su anlisis y para estimar el verdadero sistema
medidas de desempeo.
Simulacin del mundo real es tan vasto, cuyos recorridos se llevan a cabo
con la ayuda de ordenador. Gran idea puede obtenerse a travs de la simulacin
manualmente que es aplicable para sistemas pequeos.
1.13 Etapas del estudio de simulacin
1. Formulacin del problema
Cada estudio se inicia con una declaracin del problema, siempre
por los responsables polticos. Analista asegura su comprenda claramente. Si es
desarrollado por los responsables polticos analista debe comprender y estar de
acuerdo con
ella.
2. Establecimiento de objetivos y plan general del proyecto
Los objetivos indican las preguntas a ser respondidas por
simulacin. En este punto se debe hacer una determinacin sobre
si la simulacin es la metodologa apropiada. Suponiendo que sea
su caso, el plan general del proyecto debe incluir
Una declaracin de los sistemas alternativos
Un mtodo para evaluar la eficacia de estas alternativas
Los planes para el estudio en trminos de la cantidad de personas involucradas
Ncetianz

Pgina 22
- 12 -
El costo del estudio
El nmero de das necesarios para realizar cada fase del
trabajar con los resultados previstos.
3. Modelo conceptualizacin
La construccin de un modelo de un sistema es probablemente tanto
arte como ciencia. El arte de modelado se ve reforzada por la capacidad
Para abstraer las caractersticas esenciales de un problema
Para seleccionar y modificar los supuestos bsicos que caracterizan la
sistema
Para enriquecer y elaborar el modelo hasta una aproximacin til
resultados
Por lo tanto, lo mejor es comenzar con un modelo sencillo y construir hacia una
mayor
complejidad. Modelo conceptualizacin mejorar la calidad de la
resultante de modelo y de aumentar la confianza del usuario en el modelo
aplicacin del modelo.
4. La recoleccin de datos
Hay una interaccin constante entre la construccin del modelo
y la recogida de los datos de entrada necesarios. Hecho en las primeras etapas.
Objetivo tipo de datos deben ser recogidos.
Traduccin 5. Modelo
Sistemas del mundo real resultan en modelos que requieren una gran cantidad de
almacenamiento de informacin y computacin. Se puede programar mediante el
uso de
lenguajes de simulacin o software especial de simulacin de propsito.
Lenguajes de simulacin son de gran alcance y flexible. Software de simulacin
tiempo de desarrollo de modelos puede ser reducido.
6. Verificado
Se refiere a que programa de ordenador y el control de la
rendimiento. Si los parmetros de entrada y la estructura lgica y
representado correctamente, se completa la verificacin.
7. Validado
Es la determinacin de que un modelo es una representacin exacta
del sistema real. Conseguido a travs de calibracin del modelo, una
proceso iterativo de comparar el modelo con el comportamiento real del sistema
y las discrepancias entre los dos.
Ncetianz

Pgina 23
- 13 -
8. Diseo Experimental
Las alternativas que van a ser simuladas deben determinarse.
Qu alternativas para simular pueden ser una funcin de carreras. Para cada
el diseo del sistema, las decisiones tienen que ser hecho con respecto
Duracin del perodo de inicializacin
Longitud de la simulacin se ejecuta
Nmero de replicacin que se hace de cada ejecucin
9. corridas de produccin y anlisis
Se utilizan para estimar las medidas de rendimiento para la
diseos de sistemas que estn siendo simulados.
10.Ms corre
Basado en el anlisis de carreras que se ha completado. El
analista determina si se necesitan carreras adicionales y qu diseo de los
experimentos adicionales deben seguir.
11.Documentation y presentacin de informes
Dos tipos de documentacin.
La documentacin del programa
La documentacin de procesos
La documentacin del programa
Puede ser utilizado de nuevo por el mismo o diferentes analistas
entender cmo funciona el programa. Adems voluntad modificacin
ser ms sencillo. Los usuarios del modelo pueden cambiar los parmetros de
entrada para una mejor
rendimiento.
La documentacin de procesos
Da la historia de un proyecto de simulacin. El resultado de
todos los anlisis se debe informar de manera clara y concisa en una final
informe.
Esto permitir revisar la formulacin final y
alternativas, los resultados de los experimentos y la recomienda
solucin al problema. El informe final proporciona un vehculo de
certificacin.
12. Ejecucin
Ncetianz

Pgina 24
- 14 -
El xito depende de los pasos anteriores. Si el usuario tiene el modelo
estado involucrado a fondo y entiende la naturaleza del modelo y
sus resultados, la probabilidad de una implementacin vigorosa es mayor.
La construccin de modelos de simulacin se puede dividir en 4 fases.
I Fase
Consiste en los pasos 1 y 2
Es perodo de descubrimiento / orientacin
El analista puede tener que reiniciar el proceso si es
No afinado
Recalibraciones y aclaraciones pueden ocurrir en este
fase o otra fase.
II Fase
Consta de pasos 3,4,5,6 y 7
Se requiere una interaccin continua entre los pasos
Exclusin de modelo de usuario se traduce en consecuencias
durante la implementacin
Fase III
Consiste en pasos 8,9 y 10
Concibe un plan exhaustivo para la experimentacin
Discreta evento estocstico es un experimento estadstico
Las variables de salida son estimaciones que contienen
error aleatorio y por lo tanto adecuado estadstica
se requiere un anlisis.
IV Fase
Consiste en los pasos 11 y 12
La implementacin exitosa depende de la
participacin de los usuarios y todos los pasos exitosos
finalizacin.
Ncetianz

Pgina 25
- 15 -
S
No
No
Y
Y
No
Documentacin
y presentacin de informes
Validat
ed
Produccin
carreras y
anlisis
Experimental
diseo
Ms
Carreras
Implementacin

ELFUERZA

Pgina 26
- 16 -
Captulo 2
Ejemplos de simulacin

La simulacin se utiliza a menudo en el anlisis de los modelos de colas. En un
typicalqueueingmodel simple, shownin
fig1, customersarrivefromtimetotimeand unirse a una lnea de cola o en espera,
son finalmente servido, y, finalmente, dejar el sistema.
fig1: SimpleQueuingModel

Theterm "cliente" se refiere toanytypeof entitythatcan ser viewedas solicitan
"servicio" de asystem.
2.1 Caractersticas de los sistemas de colas

Los elementos clave de un sistema de colas son los clientes y servidores. El
trmino "cliente" se puede referir a la gente,
mquinas, camiones, la mecnica, los pacientes-cualquier cosa que llega a un
facilityand requiere servicio

El trmino "servidor" podra referirse a recepcionistas, reparadores, CPUs en un
equipo, o lavadoras ....
cualquier recurso (persona, mquina, etc. whichprovides therequestedservice.

Tabla 1 enumera una serie de diferentes sistemas de colas.
Sistema
Clientes
Servidor (s)
Recepcin
Gente
Recepcionista
El centro de reparacin
Mquinas
Repairperson
Garaje
Camiones
Mecnico
Herramienta cuna
Mecnica
Secretario Tool-cuna
El Hospital
Los pacientes
Enfermeras
Almacn
Pallets
Crane
Aeropuerto
Aviones
Runway
Lnea de produccin
Casos
Encajadora
Almacn
rdenes
Preparadoras de pedidos
Red de carreteras
Coches
Trafficlight
Grocery
Shoppers
Estacin Pedido
Servicio de lavandera
Ropa sucia
Lavadoras / secadoras
Taller de empleo
Empleos
Mquinas / trabajadores
Lumberyard
Camiones
Puente gra
Aserradero
Registros
Sierras
Computer
Empleos
CPU, disco, cintas
Telfono
Llamadas
Cambio
Ticketoffice
Los aficionados al ftbol
Clerk
El transporte masivo
Riders
Autobuses, trenes
Populationof Calling
potentialcustomers
Esperando lineofcustomers
Ncetianz

Pgina 27
- 17 -
Tabla 1:
Ejemplos de sistemas de colas
Los elementos de un sistema de colas son: -
La Poblacin Calling: -
La poblacin de clientes potenciales, que se refiere como la poblacin de
llamada, m ay ser
se supone que es finita o infinita.
Por ejemplo, considere un banco de 5 mquinas que son curar
neumticos. Despus de un intervalo de tiempo,
una mquina se abre automticamente y debe ser atendido por un trabajador que
quita el neumtico
y pone un neumtico sin curar en la mquina. Las mquinas son
los "clientes", que
"Llegar" en el instante en que se abre automticamente. El trabajador es
el "servidor", que "sirve"
una mquina abierta tan pronto como sea posible. La poblacin de llamada es
finito, y consiste en la
fivemachines.
En los sistemas con una gran poblacin de clientes potenciales, la poblacin
llamada es
por lo general supone que es finito o infinito. Ejemplos de poblaciones infinitas
incluyen el potencial
los clientes de un restaurante, banco, etc
La principal diferencia entre los modelos de poblacin finitos e infinitos es cmo
la tasa de llegada es
definido. En un modelo infinito en la poblacin, la tasa de llegada no se ve
afectada por el nmero de
los clientes que han abandonado la poblacin vocacin y unido al sistema de
colas. En
Por otro lado, para los modelos de poblacin de llamada finitos, la tasa de llegada
al sistema de gestin de colas
hace dependonthenumber ofcustomers siendo espera servedand.
SystemCapacity: -
En muchos sistemas de colas hay un lmite para el nmero de clientes que pueden
beinthewaiting
lineorsystem.Forexample, sala washmayhave anautomaticcar para only10 coches
para esperar en la cola para entrar
theMechanism.
Un cliente que llega que encuentra los systemfulldoes notenterbutreturns
immediatelytothecalling
poblacin.
Algunos sistemas, tales como la venta de entradas de conciertos para los
estudiantes, pueden ser considerados como teniendo
capacidad ilimitada. No hay lmites en el nmero de estudiantes permitidos a
esperar a
comprar boletos.
Cuando un sistema tiene capacidad limitada, se hace una distincin entre la tasa
de llegada (es decir, la
nmero de llegadas por unidad de tiempo) y la tasa efectiva de llegada (es decir,
el nmero que llegan
e introduzca thesystem por unidad de tiempo).
TheArrivalProcess: -
Arr
proceso ival para los modelos infinita en la poblacin por lo general se
caracteriza en trminos de interarrival
tiempos de clientes sucesivas. Las llegadas pueden ocurrir en las horas
programadas o en momentos aleatorios.
Cuando en momentos aleatorios, los tiempos entre llegadas se caracterizan
generalmente por una probabilidad
distribucin
Ncetianz

Pgina 28
- 18 -
El modelo ms importante para las llegadas aleatorias es el proceso de llegada de
Poisson. Si A
n
representa el tiempo entre llegadas entre el cliente n-1 y n cliente (A
1
es el
hora de llegada real de la primera cliente), a continuacin, para un proceso de
llegada de Poisson. A
n
es
exponencialmente distribuido con media E / unidades de tiempo. La tasa de
llegada es clientes por tiempo
unidad. El nmero de llegadas en un intervalo de tiempo de longitud t, digamos N
(t), tiene la Poisson
distribucin con media
t
clientes.
El proceso de llegada de Poisson se ha empleado con xito como un modelo de la
llegada de
personas a restaurantes, en coche-en los bancos, y otras instalaciones de servicio.
Una segunda clase importante de llegadas es las llegadas programadas, tales
como pacientes a un
programados llegada de los vuelos de avin a un aeropuerto la oficina del mdico
o. En este caso, la
tiempos entre [A
n
, N = 1,2, ...} puede ser constante, o ms o menos constante a
pequea cantidad al azar para representar llegadas antes o despus.
Una tercera situacin se produce cuando se supone que al menos un cliente para
estar siempre presente en
la cola, para que el servidor nunca es inactivo debido a la falta de clientes. Para
ejemplo, los "clientes" puede representar la materia prima de un producto, y
suficiente crudo
el material se supone que es siempre disponible.
Para los modelos finitos en la poblacin, el proceso de llegada se caracteriza de
una forma completamente diferente
la moda. Definir un cliente como pendiente cuando ese cliente est fuera de la
gestin de colas
sistema y un miembro de la poblacin de llamada potencial.
Tiempo de ejecucin de un cliente determinado se define como la longitud de
tiempo desde la salida de la
sistema de gestin de colas hasta la prxima llegada de ese cliente a la cola.
Sea A
i
(I)
, A
2
(I)
, ... Son los tiempos de ejecucin sucesivas de cliente /, y dejar que S
(I)
1,
S
(I)
2 .....
ser el
correspondientes tiempos del sistema sucesivas; es decir, S
(I)
n
es el tiempo total empleado en la
sistema i cliente durante la visita nth. La figura 2 ilustra estos conceptos para
mquina 3 en el ejemplo del neumtico curado. El proceso total de llegada es la
superposicin de la
arrivaltimesofallcustomers.
Fig2showsthefirstandsecondarrivalofmachine3.
Fig2: Arrivalprocessforafinite-populationmodel.
A1 (3)
S1 (3)
A2 (3)
St2 (3)
Mquina 3
pendiente
abierta
pendiente
abierta
(SYSTEMTIME)
(SYSTEMTIME)
Firstarrivalofmachine3
Secondarrivalofmachine3
Una importante aplicacin de modelos de poblacin finita es el problema de la
reparacin de la mquina.
Las mquinas son los clientes y un tiempo de ejecucin tambin se llama tiempo
de falla. Cuando un
mquina falla, "llega" a la gestin de colas
sistema de g (la instalacin de reparacin) y permanece all hasta que se "serva"
(reparado). Tiempos para
fracaso de una determinada clase de mquina se han caracterizado por la
exponencial, la
Ncetianz

Pgina 29
- 19 -
Weibull, y las distribuciones gamma. Los modelos con un tiempo de ejecucin
exponencial son a veces
analticamente tratable.
QueueBehaviorand QueueDiscipline: -
El comportamiento de la cola se refiere a las acciones de los clientes, mientras
que en una cola de espera de inicio de los servicios.
En algunas situaciones, existe la posibilidad de que los clientes entrantes pueden
frustrar (dejar cuando
ven que la lnea es demasiado largo), reniegan (salir despus de estar en la lnea
cuando ven
que la lnea se est moviendo demasiado lentamente), o el jinete (pasar de una
lnea a otra si
piensan que han elegido una lnea lenta).
Cola disciplina se refiere enel orderingof lgica customersin una cola y
determina
que los clientes sern elegidos por el servicio cuando un servidor se libera.
Disciplinas de cola comunes incluyen primero en entrar, primero en salir
(FIFO); ltimo en entrar de primero
salir (LIFO); servicio en orden aleatorio (SIRO); menor tiempo de
procesamiento
primero | (SPT) y servicio de acuerdo a la prioridad (PR) .
En un taller de trabajo, disciplinas de cola a veces se basan en las fechas de
vencimiento y en
tiempo de procesamiento esperado para un tipo determinado de trabajo i. Tenga
en cuenta que una cola FIFO
disciplina implica que los servicios comienzan en el mismo orden que las
llegadas, pero eso
los clientes pueden dejar el sistema en un orden debido diferente- diferente
lengthservicetimes.
ServiceTimesandtheServiceMechanism: -
Los tiempos de servicio de las llegadas sucesivas se denotan por S
1,
S
2
, S
3 ...
Pueden
ser constante o de duracin aleatoria. El exponencial, Weibull, gamma,
lognormal,
y distribuciones normales truncadas se han utilizado con xito como modelos de
tiempos de servicio en diferentes situaciones.
.
A veces, los servicios pueden ser distribuidos de manera idntica para todos los
clientes de un determinado tipo o clase o
prioridad, mientras que los clientes de diferentes tipos puede tener
completamente diferente-el tiempo de servicio
distribuciones. Adems, en algunos sistemas, los tiempos de servicio dependen
de la hora del da o la
longitud de la lnea de espera. Por ejemplo, los servidores pueden trabajar ms
rpido de lo normal cuando la espera
cola es larga, lo que reduce eficazmente los tiempos de servicio.
Un sistema de colas consiste en una serie de centros de servicio y la
interconexin
colas. Cada centro de servicio consiste en un nmero de servidores, c, trabajando
en
paralelo; es decir, al llegar a la cabeza de la lnea, un cliente toma la primera
servidor disponible. Mecanismos de servicios paralelos son ya sea de un solo
servidor (c = 1),
varios servidores (1 < c < ), o servidores ilimitadas (c = ). (A las
instalaciones de autoservicio
usuallycharacterized como tener un nmero ilimitado de ofservers.)
Ejemplo 1: -
Considere la posibilidad de un almacn de descuento, donde los clientes pueden
servirse a s mismos, ya sea; o esperar
f
o
r
o
n
e
Ncetianz

Pgina 30
- 20 -
de tres empleados, y finalmente salir despus de pagar un solo cajero. El sistema
es
representado por el diagrama de flujo de la figura 1 a continuacin:
Figura 1: almacn de descuento con tres centros de servicio
El subsistema, que consta de cola 2 y el centro de servicio 2, se muestra con ms
detalle en la figura
2 a continuacin. Otras variaciones de los mecanismos de servicio incluyen
servicio de lote (un servidor que sirve
varios clientes a la vez) o un cliente que requiere varios servidores
simultneamente.
gh
Figura 2: centro de servicio 2, con c = 3 servidores en paralelo.

Ejemplo 2: - Un fabricante de dulces tiene una lnea de produccin que
consta de tres mquinas separadas por buffers de inventario en proceso.
La primera mquina hace y envuelve las piezas individuales de dulces, la
segundo paquetes de 50 piezas en una caja, y los terceros sellos y envuelve la
cuadro. Los dos buffers de inventario tienen capacidades de 1.000 cajas
cada uno. Como se ilustra en la Figura 3, el sistema se modela como tener
tres centros de servicio, que tiene cada centro c = 1 servidor (una mquina),
con limitaciones cola-capacidad entre mquinas. Se supone que
una oferta suficiente de materia prima est siempre disponible en la primera
cola. Debido a las limitaciones de cola de capacidad, la mquina 1 se cierra
hacia abajo cada vez que el tampn de inventario llena a la capacidad, mientras la
mquina 2
se apaga cada vez que se vaca el buffer. En resumen, el sistema consiste
de tres colas de servidor nico en serie con la cola-capacidad
limitaciones y una corriente continua llegada al firstqueue.
Servicecenter2
Llegadas
Salida
Cola 1
La mquina 1
Caramelo
fabricante / envoltura
Cola de 2
Capacidad
1000
Queue 3
Capacidad
1000
Mquina 3
Sellador / envoltura
Mquina 2
Packer
Ncetianz

Pgina 31
- 21 -
Figura 3: lnea Candyproduction
2.2 Formacin de Colas Notacin: -
.
Reconociendo la diversidad de sistemas de colas, Kendall [1953] propuso una
notacin
sistema para sistemas de servidores en paralelo que ha sido ampliamente
adoptado. Una versin abreviada
versin de esta convencin se basa en el formato A / B / C / N / K. Estas letras
representar a las siguientes caractersticas del sistema:
A representa la distribucin del tiempo entre llegadas.
B representa la distribucin de tiempo de servicio.
[smbolos comunes para A y B incluyen M (exponencial o de Markov), D
(Constante o determinista), E
k
(Erlang de orden k), PH (tipo fase), H
(Hiperexponencial), G (arbitraria o general), y GI (cin general
dependiente).]
c representa el nmero de servidores en paralelo.
N representa la capacidad del sistema.
K representa el tamao de la poblacin llamando
Por ejemplo, M / M / 1 / / indica un sistema de servidor nico que tiene
ilimitado
capacidad de la cola y una poblacin infinita de llegadas potenciales. Los
tiempos entre
y los tiempos de servicio se distribuyen de manera
exponencial. Cuando N y K son infinitos, podrn
ser bajado de la notacin. Por ejemplo, M / M / 1 / / es a menudo reducido a
M / M / l.
Notacin adicional utilizado para sistemas de servidores en paralelo aparece en la
Tabla 1 que figura a continuacin.
Los significados pueden variar ligeramente de un sistema a otro. Todos los
sistemas sern
supone que tienen una disciplina de cola FIFO.
Tabla 1. Queueing notacin para el Servidor de los sistemas paralelos
P
n
Probabilidad de estado estacionario de tener n clientes en el sistema
P
n
, (T) Probabilidad de n clientes en el sistema en el momento t

Tasa de llegada

e
Tasa efectiva llegada

La tasa de servicio de un servidor

La utilizacin del servidor
A
n
Tiempo entre llegadas entre los clientes n - 1 y n
S
n
,
Tiempo de servicio del cliente que llega nth
W
n
El tiempo total gastado en el sistema por el cliente que llega ensimo
W
n
Q
Totaltimespentinthewaitinglinebycustomer n.
L (t) Thenumberofcustomersinsystemattime /
L
Q
(T ) El nmero de clientes en la cola en el momento t
L
Largo tiempo de ejecucin-averagenumberofcustomersinsystem
L
Q
A largo plazo el nmero de tiempo promedio de clientes en cola
Ncetianz

Pgina 32
- 22 -

Largo runaveragetimespentinsystempercustomer

Q
Largo runaveragetimespentinqueuepercustomer
2.3 Simulacin de sistemas de colas
Un sistema de colas se describe por su poblacin de llamada, la naturaleza de las
llegadas, la
mecanismo de servicio, la capacidad del sistema y la disciplina de colas. Un solo
canal
sistema de gestin de colas es retratado en figura1.
Llamar a la poblacin
lnea de espera
servidor
Figura 1: Sistema de colas
En la cola de un solo canal, la poblacin llamada es infinito; es decir, si una
unidad abandona la llamada
poblacin y se une a la lnea de espera o entra en servicio, no hay ningn cambio
en la tasa de llegada de
otras unidades que pueden necesitar el servicio.
Las llegadas de servicio se producen una a la vez de forma aleatoria; una vez que
se unen a la lnea de espera,
que eventualmente son servidos. Adems, los tiempos de servicio son de cierta
longitud azar segn
una distribucin de probabilidad que no cambia con el tiempo.
La capacidad del sistema; no tiene lmite, lo que significa que cualquier nmero
de unidades se puede esperar en la cola.
Finalmente, se sirven de unidades en el orden de su llegada por un nico servidor
o canal.
Llegadas y servicios son definidas por la distribucin del tiempo entre llegadas y
el
distribucin de los tiempos de servicio, respectivamente.
Para cualquier cola-multicanal nica o simple, la tasa de llegada efectiva global
debe ser menor
que la tasa de servicio total, o la lnea de espera crecer sin lmite. Cuando las
colas crecen
sin lmite, se denominan "explosiva" o inestable .
El estado del sistema es el nmero de unidades en el sistema y el estado del
servidor,
ocupado o inactivo.
Un evento es un conjunto de circunstancias que causan un cambio instantneo en
el estado de la
sistema. En un solo sistema de colas -canal slo hay dos eventos posibles que
puede
afectar el estado del sistema.
Ellos son la entrada de una unidad en el sistema.
La finalizacin del servicio en una unidad.
El sistema de colas incluye el servidor, la unidad est en servicio y unidades en la
cola. l
reloj de simulacin se utiliza para medir el tiempo simulado. Si una unidad de
slo servicio, la ha completado
simulacin procede de la manera mostrada en el diagrama de flujo de
figure.2. Tenga en cuenta que el servidor
slo tiene dos estados posibles: que est ocupado o inactivo.
Ncetianz

Pgina 33
- 23 -
Figura 2:-acaba de terminar-Servicio diagrama de flujo
El evento de la llegada se produce cuando una unidad entra en el sistema. El
diagrama de flujo para la llegada
evento se muestra en la figura 3 La unidad puede encontrar el servidor, ya sea
libre o ocupado; por lo tanto, ya sea
la unidad de servicio comienza inmediatamente, o entra en la cola para el
servidor. La unidad sigue
el curso de accin se muestra en la figura 4.
Figura 3: Diagrama de flujo del sistema unitario-Introduccin
Si el servidor est ocupado, la unidad entra en la cola. Si el servidor est inactivo
y la cola es
vaco, la unidad comienza el servicio. No es posible que el servidor est inactivo
y la cola para
ser no vaco.
Otro
unidad
esperando?
Unidad entra
Para el servicio de cola
Servidor
Ocupado?
Salida
Evento
Comience Servidor
El tiempo de inactividad
Retire la espera
unidad de la cola
Comience Mantenimiento de la unidad
Llegada Evento
Unidad
Entra en
Servicio
Ncetianz

Pgina 34
- 24 -
Despus de la finalizacin de un servicio el servicio puede llegar a ser inactivo o
permanecer ocupado con la
siguiente unidad. La relacin de estos dos resultados para el estado de la cola se
muestra en
higo 5. Si la cola no est vaca, otra unidad entrar en el servidor y que ser
ocupado. Si el
cola est vaca, el servidor ser inactivo despus de completar un servicio. Estos
dos
posibilidades se muestran como las porciones sombreadas de la figura 5. Es
imposible para que el servidor
convertido ocupado si la cola est vaca cuando se completa un servicio. Del
mismo modo, es
imposible que el servidor est inactivo despus de completar un servicio cuando
la cola no es
vaca.
Las horas del reloj de simulacin para las llegadas y salidas se calculan en una
tabla de simulacin personalizada
para cada problema. En la simulacin, eventos suelen ocurrir en momentos
aleatorios. En estos casos, una
modelo estadstico de los datos se desarroll a partir de cualquiera de los datos
recogidos y analizados, o subjetiva
estimaciones y suposiciones.
Los nmeros aleatorios se distribuyen uniformemente y de forma independiente
en el intervalo (0, 1).
Dgitos aleatorios se distribuyen de manera uniforme en el conjunto {0, 1, 2 ...
9}. Dgitos al azar pueden ser
utilizado para formar nmeros aleatorios mediante la seleccin del nmero
apropiado de dgitos para cada uno aleatorio
nmero y la colocacin de un punto decimal a la izquierda del valor
seleccionado. El nmero apropiado
de dgitos es dictado por la exactitud de los datos utilizados para los propsitos
de entrada. Si la entrada
distribucin tiene valores con dos decimales, de dos dgitos estn tomadas de un-
dgitos aleatorios
mesa y el punto decimal se coloca a la izquierda para formar un nmero
aleatorio.
Servidor
Estado
Ocupado
Idle
Queue Status
No Empty
Vaco
Ingrese Queue
Ingrese Queue
Ingrese Servicio
Imposible
Figura 4: acciones de la unidad potenciales a su llegada
Servidor
Estado
Ocupado
Idle
Queue Status
No Empty
Vaco
Imposible
Imposible
Figura 5: resultados del servidor despus de la finalizacin del servicio
Ncetianz

Pgina 35
- 25 -
Cuando los nmeros se generan utilizando un procedimiento, se hace referencia a
menudo como pseudo
nmeros aleatorios. Dado que el mtodo es conocido, siempre es posible conocer
la secuencia
de los nmeros que se generarn antes de la simulacin.
En un sistema de colas de un solo canal, se generan tiempos entre llegadas y
tiempos de servicio
de la distribucin de estas variables aleatorias. Los ejemplos que siguen muestran
cmo
dichas horas son generadas. Para simplificar, supongamos que los tiempos entre
llegadas eran
generada por lanzar un dado cinco veces y registrar la cara arriba. Tabla 1
contiene un conjunto de
cinco veces entre llegadas se utilizan para calcular los tiempos de llegada de seis
clientes en el
sistema de gestin de colas.
Tabla 1: Interarrival y Reloj tiempos
C
Cuadro 2.3
El primer cliente se supone que llegar a tiempo de reloj 0 Se inicia el reloj en
funcionamiento.
El segundo cliente llega dos unidades de tiempo ms tarde, en un momento clic
de 2. El tercer cliente
llega cuatro unidades de tiempo ms tarde, a una hora de reloj de 6; etctera.
El segundo de tiempo de inters es el tiempo de servicio. Los nicos tiempos de
servicio posibles son uno,
dos, tres, y cuatro unidades de tiempo. Suponiendo que todos los cuatro valores
tienen la misma probabilidad de ocurrir,
estos valores podran haber sido generados por la colocacin de los nmeros del
uno al cuatro en
patatas fritas y los chips de dibujo de un sombrero con el reemplazo,
asegurndose de registrar la
nmeros seleccionados.
Ahora, los tiempos entre llegadas y tiempos de servicio deben estar engranados
para simular la sola
canal de sistema de gestin de colas. Como se muestra en el cuadro 2, el primer
cliente llega a la hora del reloj 0
y comienza inmediatamente servicio, que requiere dos minutos. Servicio se
completa en
hora del reloj 2 El segundo cliente llega a la hora del reloj 2 y es un acabado en
hora del reloj
3. Ntese que el cuarto cliente lleg a la hora del reloj 7, pero el servicio no
poda comenzar hasta que
hora del reloj 9. Esto ocurri porque los clientes 3 no termin el servicio hasta la
hora del reloj 9.
Tabla 2 fue diseado especficamente para una cola de un solo canal que atiende
a clientes en
primero en entrar, primero en salir (FIFO). Se realiza un seguimiento de la hora
del reloj en el que cada evento
ocurre. La segunda columna del cuadro 2 registra la hora del reloj de cada evento
de la llegada, mientras que
la ltima columna registra la hora del reloj de cada evento de la salida.
Cliente
Interarrival Tiempo
Hora de llegada en
Reloj
1
2
3
4
5
6
-
2
4
1
2
6
0
2
6
7
9
15
Ncetianz

Pgina 36
- 26 -
Tabla 2: Tabla Simulacin enfatizando Reloj tiempos
Ejemplo 1: Single-Channel Queue
Una pequea tienda de comestibles tiene una sola caja. Los clientes llegan a este
pago y envo
contador al azar de 1 a 8 minutos de diferencia. Cada valor posible de tiempo
entre llegadas tiene
la misma probabilidad de ocurrencia. Los tiempos de servicio varan de 1 a 6
minutos con el
probabilidades se muestra en el cuadro 5 El problema es analizar el sistema
mediante la simulacin de la
la llegada y el servicio de 20 clientes.
Tabla 5: Servicio de hora de Distribucin
Una simulacin de una tienda de comestibles que comienza con un sistema de
vaco no es realista a menos que el
intencin es modelar el sistema de arranque o para modelar hasta el
funcionamiento en estado estacionario es
alcanzado.
Se necesita un conjunto de nmeros aleatorios distribuidos uniformemente para
generar las llegadas a la
contador de salidas. Los nmeros aleatorios tienen las siguientes propiedades:
1. El conjunto de nmeros aleatorios se distribuye de manera uniforme entre 0 y
1.
E
Servicio horario
Finaliza
(Reloj)
1
2
3
4
5
6
0
2
6
7
9
15
0
2
6
9
11
15
2
1
3
2
1
3
2
1
4
2
3
9
11
12
19
A
Cliente
No.
B
Llegada
Tiempo
(Reloj)
C
Servicio horario
Empieza
(Reloj)
D
Servicio
Tiempo
(Duracin)
Servicio
Tiempo
(Min)
Probabilidad
Acumulativo
Frecuencia
Digit Random
Asignacin
1
2
3
4
5
6
0.10
0.20
0.30
0.25
0.10
0.05
0.10
0.30
0.60
0.85
0.95
1.00
01-10
11-12
31-60
61-85
86-95
96-00
Ncetianz

Pgina 37
- 27 -
2. nmeros aleatorios sucesivos son independientes.
La determinacin del tiempo-entre-la llegada se muestra en el cuadro 6 Tenga en
cuenta que la primera al azar
dgitos son 913 Para obtener el tiempo correspondiente entre llegadas, introduzca
la cuarta columna
de la Tabla 4 y leer 8 minutos de la primera columna de la tabla. Por otra parte,
vemos que
0,913 es decir, entre las probabilidades acumuladas 0.876 y 1.000, de nuevo
resulta en 8
minutos como el tiempo generado
Tabla 6: Tiempo entre llegadas Determinacin
Horario de atencin para los 20 clientes se muestran en la tabla 7 Estos tiempos
de servicio eran
generada en base a la metodologa descrita anteriormente, junto con la ayuda de
la tabla 5.
El tiempo de servicio del primer cliente es de 4 minutos porque el 84 dgitos
cada al azar en el
soporte de 61-85, o alternativamente porque el nmero aleatorio derivado cae
entre 0,84
las probabilidades acumuladas 0,61 y 0,85.
Tabla 7: Horario de Servicios Generado
La esencia de una simulacin manual es la tabla de simulacin. Estas tablas estn
diseadas para
el problema en cuestin, con columnas aadido a responder a las preguntas
planteadas. La simulacin
mesa para la cola de un solo canal, que se muestra, en el cuadro 8 que es una
extensin de la tabla 2 El
primer paso es inicializar la tabla rellenando las clulas para el primer cliente.
El primer cliente se asume para llegar a tiempo 0 del servicio comienza
inmediatamente y acabados
en el momento 4. El cliente estaba en el sistema durante 4 minutos. Despus de
que el primer cliente,
filas posteriores de la tabla se basan en los nmeros aleatorios de tiempo entre
llegadas y
Clientes
Dgitos Aleatorios
Time Between
Llegadas
(Min)
Clientes
Dgitos Aleatorios
Time Between
Llegadas
(Min)
1
2
3
4
5
6
7
8
9
10
-
913
727
015
948
309
922
753
235
302
-
8
6
1
8
3
8
0.7
2
3
11
12
13
14
15
16
17
18
19
20
109
093
607
738
359
888
106
212
493
535
1
1
5
6
3
8
1
2
4
5
Cliente
Random
Dgitos
84
10
74
53
17
79
91
67
89
38
Servicio
Tiempo
(Min)
Cliente
Cliente
Random
Dgitos
Servicio
Tiempo
(Min)
1
2
3
4
5
6
7
8
9
10
4
1
4
3
2
4
5
4
5
3
11
12
13
14
15
16
17
18
19
20
32
94
79
05
79
84
52
55
30
50
3
5
4
1
5
4
3
3
2
3
Ncetianz

Pgina 38
- 28 -
tiempo de servicio y el tiempo de terminacin del cliente anterior. Por ejemplo, el
segundo
cliente llega a tiempo 8. Por lo tanto, el servidor estaba ocioso durante 4
minutos. Saltarse a la
cuarto cliente, se ve que este cliente lleg a tiempo 15 pero no puede ser servido
hasta
tiempo 18. Este cliente tena que esperar en la cola durante 3 minutos. Este
proceso contina durante
20 todos los clientes.
Tabla 8: Tabla de simulacin para el problema de colas
1. El tiempo medio de espera para un cliente es 2,8 minutos. esto se determina en
la siguiente
manera:
El total de clientes tiempo de espera en la cola (min)
Promedio de tiempo de espera =
_________________________________
No total. de los clientes
=
56 = 2,8 minutos
20
2. La probabilidad de que un cliente tiene que esperar en la cola es de 0.65. Esto
se determina en el
siguiente manera:
Probabilidad (espera) = nmero de clientes que esperan
Nmero total de clientes
13
=
= 0.65
20
3. La fraccin de tiempo de inactividad del servidor es 0,21. Esto se determina de
la siguiente manera:
Tiempo total de inactividad del servidor (minutos)
A
Clientes
B
Tiempo transcurrido desde la
ltima llegada
(Min)
C
Llegada
Tiempo
D
Servicio
Tiempo
E
Tiempo
Servicio
Empieza
F
Cliente Tiempo
espera en la cola
T
Tiempo
Servicio
Finaliza
H
Cliente Tiempo
gasta en
sistema
4
1
4
6
2
4
5
4
7
7
9
13
12
7
9
5
7
8
6
4
124
I
Idle
Tiempo de
Servidor
4
9
18
21
25
30
39
45
50
53
56
61
65
66
71
75
78
81
83
86
0
0
0
3
0
0
0
0
2
4
6
8
8
6
4
1
4
5
4
1
56
0
8
14
18
23
26
34
41
45
50
53
56
61
65
66
71
75
78
81
83
4
1
4
3
2
4
5
4
5
3
3
5
4
1
5
4
3
3
2
3
68
0
8
14
15
23
26
34
41
43
46
47
48
53
59
62
70
71
73
77
82
-
8
6
1
8
3
8
7
2
3
1
1
5
6
3
8
1
2
4
5
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
0
4
5
0
2
1
4
2
0
0
0
0
0
0
0
0
0
0
0
0
18
Ncetianz

Pgina 39
- 29 -
Probabilidad de servidor inactivo =
El tiempo total de ejecucin de la simulacin (minutos)
18
=
= 0.21
86
La probabilidad de que el servidor est ocupado es el complemento de 0,21 o
0,79.
4. El tiempo de servicio promedio es de 3,4 minutos, se determina de la siguiente
manera:
Tiempo total de servicio
Tiempo promedio de servicio (minutos) =
68
=
= 3,4 minutos
20
Este resultado se puede comparar con el tiempo de servicio esperado por la
bsqueda de la media de la
la distribucin en tiempo de servicio utilizando la ecuacin
E (s) = sp (s)
Aplicando la ecuacin de valor esperado para la distribucin en la tabla 2.7 da
una esperada
tiempo de servicio de:
= 1 (0.10) 2 + (0,20) + 3 (0,30) + 4 (0,25) + 5 (0,10) + 6 (0,50)
= 3,2 minutos
El tiempo de servicio esperado es ligeramente menor que el promedio de tiempo
en la simulacin. El
simulacin ms largo, el ms cerca de la media ser E (S).
5. El tiempo promedio entre llegadas es de 4,3 minutos. Esto se determina en la
siguiente
manera:
Suma de todos los tiempos entre llegadas
(minutos)
Tiempo medio entre llegadas (minutos) =
Nmero de llegadas - 1
82
=
= 4,3 minutos
19
Uno se resta del denominador porque la primera llegada se supone que ocurrir en
tiempo 0. Este resultado se puede comparar con el tiempo esperado entre llegadas
mediante la bsqueda de la
media de la distribucin uniforme discreta cuyos extremos son a = 1 y b = La
media 8.
est dada por
a + b
1 + 8
E (A) =
=
= 4,5 minutos
2
2
El tiempo esperado entre llegadas es ligeramente superior a la media. Sin
embargo, como la
la simulacin se hace ms largo, el valor promedio del tiempo entre llegadas se
acercar a la
media terica, E (A).
Ncetianz

Pgina 40
- 30 -
6. El tiempo medio de espera de los que esperan es de 4,3 minutos. Esto se
determina en el
siguiente manera:
Tiempo medio de espera de
el total de clientes tiempo de espera en la cola
Los que esperan (minutos) =
Nmero total de clientes que esperan
56
=
= 4,3 minutos
13
7. El tiempo promedio que un cliente gasta en el sistema es de 6,2 minutos. Esto
se puede determinar
de dos maneras. En primer lugar, el clculo se puede lograr mediante la siguiente
relacin:
Promedio de los clientes tiempo
el total de clientes pasan en el sistema
Pasa en el sistema
=
124
=
= 6,2 minutos
20
La segunda manera de calcular este mismo resultado es darse cuenta de que la
siguiente relacin debe
sostener:
Promedio de los clientes tiempo
cliente medio tiempo
cliente medio tiempo
Pasa en el sistema
= Pasa esperando en la cola + gasta en el servicio
De las conclusiones 1 y 4 esto se traduce en:
Promedio de los clientes tiempo gasta en el sistema = 2.8+ 3.4 = 6.2 minutos.
Ejemplo 2: - El Able Baker, Carhop Problema
Este ejemplo ilustra el procedimiento de simulacin cuando hay ms de un
servicio
canal. Considere la posibilidad de una unidad-en el restaurante donde carhops
tomar pedidos y llevar alimentos a la
coche. Coches llegan de la forma mostrada en la tabla 1 Hay dos camareras-Able
y panadero.
Capaz es ms capaz de hacer el trabajo y funciona un poco ms rpido que el del
panadero. La distribucin de sus
tiempos de servicio se muestran en las tablas 2 y 3.
Tabla 1: Distribucin Interarrival de Coches
Time Between
Llegadas
(Min)
1
2
3
4
Probabilidad
0.25
0.40
0.20
0.15
Acumulativo
Probabilidad
0.25
0.65
0.85
1.00
Random
Digit
Asignacin
01-25
26-65
66-85
86-00
Ncetianz

Pgina 41
- 31 -
La simulacin procede de una manera similar al ejemplo 1, excepto que su ms
complejo debido a los dos servidores. Una regla de la simplificacin es que Able
obtiene el cliente si
carhops ambos estn inactivos. Tal vez, Capaz tiene antigedad. (La solucin
sera diferente si el
decisin se hizo al azar o por cualquier otra norma.)
Tabla 2: Servicio de Distribucin de Poder
Tabla 3: servicio de distribucin de panadero
Tabla 3: servicio de distribucin de panadero
Aqu hay ms eventos: llega un cliente, un cliente inicia el servicio de poder, un
cliente complete servicio de Capaz, un cliente inicia el servicio de Baker, y un
cliente completa servicio de Baker. La tabla de simulacin se muestra en la tabla
4.
Despus de que el primer cliente, las clulas de los otros clientes deben basarse
en la lgica y la
frmulas. Por ejemplo, la "hora del reloj de la llegada" en la fila para el segundo
cliente es
calculado como sigue:
D2 = D1 + C2
.El Lgica para calcular que recibe un cliente determinado, y cuando comienza
ese servicio, es ms
compleja. La lgica es la siguiente cuando llega un cliente: si el cliente encuentra
en condiciones
inactivo, el cliente comienza servicio inmediatamente con poder. Si no es capaz
de inactividad pero es panadero,
a continuacin, el cliente empieza el servicio de inmediato con el panadero. Si
ambos estn ocupados, el cliente
comienza el servicio con el primer servidor para ser libre.
El anlisis de la tabla 4 resultados en lo siguiente:
1. Durante el perodo de 62 minutos a poder estaba ocupado 90% del tiempo.
2. Baker fue ocupado slo el 69% del tomo. La regla de antigedad mantiene
panadero menos ocupado.
3. Nueve de las 26 llegadas tuvieron que esperar. El tiempo medio de espera para
todos los clientes era slo
sobre 0,42 minutos, que es muy pequeo.
4. Los nueve que tena que esperar slo esperaron un promedio de 1,22 minutos,
lo cual es bastante
bajo.
5. En resumen, este sistema parece estar bien equilibrado. Un servidor no puede
manejar todos los comensales,
y tres servidores probablemente seran demasiados. Adicin de un servidor
adicional que seguramente
reducir el tiempo de espera a casi cero. Sin embargo, el costo de espera tendra
que ser
bastante alto como para justificar un servidor adicional.
Tabla 4: Tabla de simulacin para el Ejemplo Carhop
A
Cliente
No.
B
Random
Dgitos
para
Llegada
C
Tiempo
entre
Llegadas
D
Reloj
tiempo
Llegada
E
Random
Dgitos
para
Servicio
F
Tiempo
Servicio
Empieza
T
Servicio
Tiempo
H
Tiempo
Servicio
Finaliza
I
Tiempo
Servicio
Empieza
J
Servicio
Tiempo
K
Tiempo
Servicio
Finaliza
L
Tiempo
En
Queue
Servicio horario
(minutos)
Servicio horario
(Minutos)
2
3
4
5
Probabilidad
0.30
0.28
0.25
0.17
Acumulativo
Probabilidad
0.30
0.58
0.83
1.00
Random-Digit
Asignacin
01-30
31-58
59-83
84-00
Servicio horario
(minutos)
Servicio horario
(Minutos)
3
4
5
6
Probabilidad
0.35
0.25
0.20
1.00
Acumulativo
Probabilidad
0.35
0.60
0.80
1.00
Random-Digit
Asignacin
01-35
36-60
61-80
81-00
Ncetianz

Pgina 42
- 32 -
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
26
-
26
98
90
26
42
74
80
68
22
48
34
45
24
34
63
38
80
42
56
89
18
51
71
16
92
-
2
4
4
2
2
3
3
3
1
2
2
2
1
2
2
2
3
2
2
4
1
2
3
1
4
0
2
6
10
12
14
17
20
23
24
26
28
30
31
33
35
37
40
42
44
48
49
51
54
55
59
95
21
51
92
89
38
13
61
50
49
39
53
88
01
81
53
81
64
01
67
01
47
75
57
87
47
0
6
10
15
18
20
24
27
30
35
39
43
45
49
54
59
5
3
5
3
2
4
3
3
5
4
4
2
4
3
3
3
56
5
9
15
18
20
24
27
30
35
39
43
45
49
52
57
62
2
12
23
28
32
35
40
48
51
56
3
6
4
4
3
4
5
3
5
6
43
5
18
27
32
35
39
45
51
56
62
0
0
0
0
0
1
1
0
0
0
1
0
0
1
2
0
2
0
1
1
0
0
0
0
1
0
11
2.4 Simulacin de Inventario de Sistemas
Una clase importante de problemas de simulacin incluye sistemas de inventario.
Un sistema simple inventario se muestra en la figura 1 Este sistema de inventario
tiene un examen peridico
de longitud N, en cuyo momento se comprueba el nivel de inventario. Un pedido
se hizo para que el
el inventario hasta el nivel M. Al final del periodo de revisin, una cantidad de la
orden, Q1, es
colocado. En este sistema de inventario del plazo de ejecucin es cero. La
demanda se muestra como uniforme
durante el perodo de tiempo en la fig 1. En la actualidad, las demandas no son
generalmente uniforme y hacen
fluctuar con el tiempo. Una posibilidad es que todas las demandas se producen al
comienzo del ciclo.
Otra es que el tiempo de espera es al azar de algunos longitud positiva.
Observe que en el segundo ciclo, la cantidad en el inventario cae por debajo de
cero, indicando una
escasez. En la figura 1, estas unidades son pendientes de entrega. Cuando llega la
orden, la demanda de
los artculos pendientes de entrega se cumpla primero. Para evitar la escasez, un
tampn, o seguridad, stock
tendra que ser realizado.
Realizacin de stock en el inventario tiene un costo asociado atribuido a los
intereses pagados por el
Los prstamos obtenidos para comprar los artculos. Otros costos pueden ser
colocados en el porte o tenencia
costar columna: alquiler de espacio de almacenamiento, la contratacin de
guardias, y as sucesivamente.
Una alternativa a la realizacin de inventarios de alto es hacer revisiones ms
frecuentes y
en consecuencia, las compras ms frecuentes o reposiciones. Esto tiene un coste
asociado:
el coste de pedido. Adems, hay un coste en ser corto. Inventarios ms grandes
disminuyen la
posibilidades de escasez. Estos costos deben ser objeto de comercio fuera con el
fin de minimizar el total de
costo de un sistema de inventario.
El costo total de un sistema de inventario es la medida del rendimiento. Esto
puede ser
afectados por las polticas alternativas. Por ejemplo, en la figura 1, el tomador de
decisiones puede controlar
el nivel de inventario mximo, M, y el ciclo, N.
Ncetianz

Pgina 43
- 33 -
En un (M, N) sistema de inventario, los eventos que pueden ocurrir son: la
demanda de elementos de la
inventario, la revisin de la posicin de inventario, y la recepcin de un pedido al
final de
cada perodo de examen. Cuando el tiempo de espera es cero, como en la figura
1, se producen los dos ltimos eventos
simultneamente.

Problema del Vendedor de peridicos
Un problema de inventario clsica se refiere a la compra y venta de
peridicos. El vendedor de papel compra los papeles de 33 centavos cada uno y
vende
ellos por 50 centavos cada uno. Los peridicos no vendidos al final del da se
venden
como chatarra para 5 centavos cada uno. Los peridicos pueden ser adquiridos en
paquetes de 10.
Por lo tanto, el vendedor de papel puede comprar 50, 60, y as sucesivamente.
Hay tres tipos de Newsday, de "buenos", "justas" y "pobres", con
probabilidades de 0.35, 0.45, y 0.25, respectivamente. La distribucin de papeles
exigido en cada uno de estos das se da en la tabla 2.15. El problema es
determinar el nmero ptimo de papeles con el vendedor de peridicos deberan
compra. Esto se lograr por las demandas que simulan durante 20 das y
registrando ganancias de las ventas de cada da.
Los beneficios estn dados por la siguiente relacin:
Ingresos
costo de
forma lucro cesante
salvamento de venta
Ventas Beneficio = forma
peridicos
exceso de demanda
de papeles de desecho
Tabla 5: Distribucin de peridicos Exigi
Formulario de la declaracin del problema, los ingresos procedentes de las ventas
es de 50 centavos por cada
papel vendido. El Costo 9 de peridicos es de 33 centavos por cada papel
comprado.
El lucro cesante de exceso de demanda es de 17 centavos por cada documento
exigido
que no podra proporcionarse. Tal costo escasez es algo controvertido
pero hace que el problema mucho ms interesante. El valor de recuperacin de la
chatarra
trabajos es de 5 centavos cada uno.
Tablas 6 y 7 proporcionan las asignaciones al azar dgitos para los tipos de
Newsday de y las demandas de los Newsday de.
Tabla 6: Asignacin aleatoria de dgitos para el tipo de Newsday
Demanda
Buena
Fair
Pobre
40
50
60
0.03
0.05
0.15
0.10
0.18
0.40
0.44
0.22
0,16
Probabilidad Demand Distribution
Ncetianz

Pgina 44
- 34 -
Tabla 7: Asignacin de dgitos al azar para Prensa Exigi
La tabla de simulacin para la decisin de compra de 70 peridicos se muestra en
mesa 8.En el da 1 la demanda es de 60 peridicos. Los ingresos procedentes de
la
venta de 60 peridicos es de $ 30.00. Diez peridicos sobran al final de
el da. El valor residual a los 5 centavos cada uno es de 50 centavos. El beneficio
por primera
das se determina como sigue:
Beneficio = $ 30,00 - $ 23,10 a 0 + $ 0.50 = $ 7.40
Tabla 8: Tabla de Simulacin de compra fro de 70 peridicos
En el quinto da la demanda es mayor que la oferta. Los ingresos procedentes de
ventas es de $ 35.00, ya que slo 70 documentos estn disponibles bajo esta
poltica. Un
20 documentos adicionales podran haber sido vendidos. Por lo tanto, una
prdida de beneficios de US $ 3,40 (20 * 17
centavos) se evala. La ganancia diaria se determina como sigue:
Beneficio = $ 35.00 - $ 23.10 - $ 3.40 + 0 = $ 8.50
La utilidad del perodo de 20 das es la suma de las ganancias diarias, $
174.90. puede
Tambin se calcula a partir de los totales de los 20 das de la simulacin de la
siguiente manera:
El beneficio total = $ 645 - $ 462 - 13 $ 0.60 + $ 5.50 = $ 174.90
En general, ya que los resultados de un da son independientes de los de la
anterior
das, los problemas de inventario de este tipo son ms fciles que los problemas
de colas.
Tipo de Newsday
Probabilidad
Acumulativo
probabilidad
Digit Random
Asignacin
Buena
Fair
Pobre
0.35
0.45
0.20
0.35
0.80
1.00
01-35
36-80
81-00
Demanda
Buena
Fair
Pobre
Buena
Fair
Pobre
Distribucin acumulativa
Asignacin aleatoria de dgitos
40
50
60
0.03
0.08
0.23
0.10
0.28
0.68
0.44
0.66
0.82
01-03
04-08
09-23
01-10
11-28
29-68
01-44
45-66
67-82
Da
Dgitos aleatorios
para el tipo de
Newsday
Tipo de
Newsday
Random
dgitos para
demanda
Demanda
Ingresos
de las ventas
Lucro cesante
del exceso
demanda
Salvamento
desde
venta de
chatarra
Diaria
ganancias
1
2
3
94
77
49
Pobre
Fair
Fair
80
20
15
60
50
50
$ 30
$ 25
$ 25
-
-
-
$ 0,50
$ 1.0
$ 1.0
$ 7.40
$ 2.90
$ 2.90
Ncetianz

Pgina 45
- 35 -
Simulacin de una (M, N) Sistema de Inventario
Supongamos que el nivel de inventario mximo, M, es de 11 unidades y la
revisin
perodo, N, es de 5 das. El problema es estimar, por simulacin, el promedio
unidades en el inventario y el nmero de das que termina cuando una condicin
de escasez
ocurre. La distribucin del nmero de unidades demandadas por da se muestra
en la
cuadro 9 En este ejemplo, el tiempo de ejecucin es una variable aleatoria, como
se muestra en el cuadro 10.
Suponga que los pedidos se hacen en el cierre de las operaciones y se reciben por
inventario al inicio segn lo determinado por el tiempo de entrega.
Tabla 9: asignaciones dgitos aleatorios para la demanda diaria
Asignaciones de dgitos aleatorios
Tabla 10: Asignacin de dgitos al azar de tiempo de espera
Tabla 11: Tabla de simulacin para (M, N) Sistema de Inventario
Nota: Consulte 2,3,4,5 ciclo de libro de texto pgina no 47.
Para hacer una estimacin de las unidades medias en el inventario final, muchos
ciclos
tendra que ser simulado. Para los fines de este ejemplo, slo cinco ciclos
ser mostrado. Se le pide al lector a seguir el ejemplo como un ejercicio en
Al final del captulo.
Las asignaciones al azar dgitos para la demanda diaria y plazo de ejecucin se
muestran en la
las columnas de la derecha de los cuadros 9 y 10 La tabla de simulacin
resultante es
se muestra en la tabla 11.El simulacin se ha iniciado con el nivel de inventario
en
3 unidades y un pedido de 8 unidades programadas para llegar en 2 das el
tiempo.
Despus de la tabla de simulacin para varios das seleccionados indica cmo el
proceso funciona. El orden de 8 unidades est disponible en la maana del
tercero da del primer ciclo, elevando el nivel de inventario de 1 unidad a 9
unidades;
Demanda
Probabilidad
Acumulativo
Probabilidad
Dgitos aleatorios
asignaciones
0
1
2
0.10
0.25
0.35
0.10
0.35
0,70
01-10
: 11 - 35
36-70
Tiempo de espera
(Das)
Probabilidad
Acumulativo
Probabilidad
Dgitos aleatorios
asignaciones
1
2
3
0,6
0.3
0,1
0,6
0.9
1.0
De 1 - 6
7 - 9
0
Ciclo
Da
Comenzando
Inventario
Dgitos aleatorios
para la demanda
Demanda
Finalizacin
Inventario
Escasez
cantidad
Orden
cantidad
Dgitos aleatorios
Por tiempo de espera
Das
fin
arr
1
1
2
3
4
5
3
2
9
7
4
24
35
65
81
54
1
1
2
3
2
2
1
7
4
2
0
0
0
0
0
-
-
-
-
9
-
-
-
-
5
Ncetianz

Pgina 46
- 36 -
demandas durante el resto del primer ciclo de reducir el inventario final
nivel de 2 unidades en el quinto da. Por lo tanto, se hizo un pedido de 9
unidades. El
tiempo de espera para este fin fue de 1 da. El orden de 9 unidades de esta en
inventario en la maana del da 2 del ciclo 2.
Observe que el inventario inicial en el segundo da del tercer ciclo fue
cero. Una orden de 2 unidades en ese da dio lugar a una condicin de
escasez. Las unidades
estaban pendientes de entrega en ese da y al da siguiente ;; Tambin en la
maana del da
4 de ciclo 3 haba un inventario inicial de 9 unidades que estaban pendientes de
entrega
y la unidad 1 exiga ese da redujo el inventario final a 4 unidades.
Sobre la base de cinco ciclos de simulacin, el inventario promedio final es
aproximadamente 3.5 (88/25) unidades. En 2 de 25 das a la condicin escasez
existido.
Ncetianz

Pgina 47
- 37 -
3_____
GeneralPrinciples
Introduccin
En este captulo se desarrolla un marco comn para el modelado de
sistemas complejos que utilizan la simulacin de eventos discretos.
Cubre los elementos bsicos de toda simulacin de eventos discretos de
construccin
modelos: entidades y atributos, actividades y eventos .

En la simulacin de eventos discretos, un sistema se modela en trminos de su
estado en cada punto en el tiempo; las entidades que pasan a travs del sistema
y las entidades que rep-j resienten systemresources; y las actividades
y eventos que hacen que el estado del sistema para cambiar
.
Este captulo trata exclusivamente con sistema dinmico, estocstico
(Es decir, que implican tiempo y que contiene elementos aleatorios) que
cambios de una manera discreta.
3.1 Conceptos en Simulacin de eventos discretos
El concepto de un sistema y un modelo de un sistema eran
discutido brevemente en los captulos anteriores.
En esta seccin se ampla estos conceptos y desarrolla un
marco para el desarrollo de un modelo de eventos discretos de un
sistema.

Los principales conceptos se definen brevemente y luego ilustran
con ejemplos
:

Sistema:
Una coleccin de entidades (por ejemplo, las personas y
mquinas) que ii juntos con el tiempo para llevar a cabo una o
ms goles.
Modelo: Una representacin abstracta de un sistema, por lo general
contiene estructural, lgico o matemtico
relaciones que describen un sistema en trminos de estado,
entidades y sus atributos, conjuntos, procesos, eventos,
actividades, y los retrasos.
Estado del sistema: Una coleccin de variables que contiene toda
la informacin necesaria para describir el sistema en cualquier
Ncetianz

Pgina 48
- 38 -
tiempo.
Entidad: Cualquier objeto o componente en el sistema que
requiere representacin explcita en el modelo (por ejemplo, una
servidor, un cliente, una mquina).
o Atributos: Las propiedades de una entidad determinada (por ejemplo, la
prioridad del cliente av, el encaminamiento de un trabajo a travs de un
taller de trabajo).
o lista: Una coleccin de (permanente o temporal)
entidades asociadas ordenados de alguna manera lgica
(Como todos los clientes en la actualidad en una lnea de espera,
ordenados por orden de llegada, primero en derecho, o por orden de prioridad).
o Evento: Una ocurrencia instantnea que cambia el
estado de un sistema, como una llegada de un nuevo cliente).
o notificacin de sucesos: Un registro de un evento que se produzca en el
actual o algn tiempo futuro, junto con cualquier asociado
datos necesarios para ejecutar el evento; como mnimo, la
registro incluye el tipo de evento y la hora del evento.
o Lista de eventos: Una lista de notas de acontecimientos futuros,
ordenados por tiempo de ocurrencia; tambin conocido como el futuro
lista de eventos ( FEL ).
o Actividad: Una duracin de tiempo de la longitud especificada (por ejemplo,
una
tiempo de servicio o el tiempo de llegada), que se conoce cuando se
comienza (aunque puede ser definido en trminos de un
distribucin estadstica).
o de retardo: Un duracin del tiempo de no especificado indefinida
longitud, que no se sabe hasta que termina (por ejemplo, un
demora del cliente en una ltima entrada, lnea de espera, primero en salir
que, cuando comienza, depende de llegadas futuras).
o Reloj: Una variable que representa el tiempo simulado .
El futuro de lista de eventos es catalogado por la hora del evento registrado en
la notificacin de eventos.
Una actividad representa tpicamente un tiempo de servicio, una entre llegadas
tiempo, o cualquier otro tiempo de procesamiento cuya duracin ha sido
caracterizado y definido por el modelador.
duracin de una actividad puede ser especificado en un nmero de maneras:
Ncetianz

Pgina 49
- 39 -
1. determinista-por ejemplo, siempre exactamente 5
minutos.
2. ejemplo estadstico-para, como un sorteo al azar de
entre 2,5,7 con probabilidades iguales.
3. Una funcin dependiendo de las variables del sistema
y atributos / o entidad.
La duracin de una actividad es computable a partir de su especificacin
en la
instante en que comienza
.
La duracin de una demora no es especificado por el modelador de antemano,
sino ms bien est determinado por las condiciones del sistema.
Un retraso a veces se llama una espera condicional, mientras que una actividad
se llama unc espera onditional.
La realizacin de una actividad es un evento, a menudo llamada primaria
evento.
La realizacin de un retraso a veces se llama un condicional o
evento secundario.
Ejemplo
3.1 (AbleandBaker, Revisited)
Considere la Able-Baker sistema carhop del Ejemplo 2.2. A
modelo de eventos discrete- tiene los siguientes componentes:
Systemstate
L
Q
(T), el nmero de coches que esperan para ser servido en el momento t
L
A
(T) , 0 o 1 para indicar inactivo Capaz ser o ocupado en el momento t
L
B
(T) , 0 o 1 para indicar Panadero estar inactivo u ocupado en el momento t
Entidades
Ni los clientes (por ejemplo, automviles), ni los servidores necesitan
ser representado de forma explcita, excepto en trminos del estado
las variables, a menos que se desean ciertos promedios de los clientes
(Comparar Ejemplos 3.4 y 3.5)
Eventos
Caso de llegada
Finalizado el Servicio, por Able
Finalizado el Servicio, por Baker
Ncetianz

Pgina 50
- 40 -
Actividades
Tiempo entre llegadas, que se define en la Tabla 2.11
Tiempo de servicio por Able, definido en la Tabla 2.12
Tiempo de servicio por Baker, definido en la Tabla 2.13
Delay
Espera de un cliente en la cola hasta que Able Baker, o se convierte en
libre.
3.2 La Reunin de Programacin / Tiempo-Advance Algoritmo
El mecanismo para el avance de tiempo de simulacin y garantizar
que todos los eventos se producen en orden cronolgico correcto se basa en
la lista de eventos futuros (FEL).
Esta lista contiene todas las notas de acontecimientos que han sido
programado para ocurrir en un tiempo futuro.

En cualquier momento dado t, el FEL contiene toda programado previamente
eventos futuros y sus horas de los eventos asociados
El FEL es ordenada por hora del evento, lo que significa que los eventos son
ordenadas cronolgicamente; es decir, los tiempos de eventos cumplen
t <t1 <= t2 <t3 = <= ...., <= tn
t es el valor de CLOCK, el valor actual de tiempo simulado. El evento
de fecha con el tiempo t1 se llama el evento inminente; es decir, es el siguiente
evento
ocurrir. Despus de la instantnea del sistema en tiempo de simulacin RELOJ
== t
b ha actualizado een, el reloj se adelanta a la simulacin de tiempo
RELOJ _ = t1 y el aviso evento inminente se retira del FEL
y el evento ejecutado .. Este proceso se repite hasta que la simulacin ha
terminado.
La secuencia de acciones que un simulador debe realizar para avanzar el reloj y
construir un
instantnea del sistema se llama el evento de programacin / tiempo de
antelacin algoritmo
Ncetianz

Pgina 51
- 41 -
Instantnea del sistema antiguo en el tiempo t
CIK
SystemState
Futuro Lista de Eventos
T
(5,1,6)
(3, t1) - Tipo 3 evento que se produzca en el momento
t1
(1, t2) - Tipo 1 evento que se produzca en el momento
t2
(1, t3) - Tipo 1 evento que se produzca en el tiempo t
3
(2,
tn) -
2 Tipo de suceso que se produzca en el momento
t
n
Evento-programacin / algoritmo de tiempo de avance
Paso 1: Retire la notificacin de eventos para el evento inminente
(Caso 3, el tiempo t \) del PEL
Paso 2: Avance CLOCK para inminente hora del evento
(Es decir, avanzar RELOJ de r para t1).
Paso 3: Ejecutar evento inminente: el estado del sistema de actualizacin,
Atributos de cambio de entidad, y estableci la pertenencia, segn sea necesario.
Paso 4: Generar eventos futuros (si es necesario) y
colocar sus avisos de eventos en PEL clasificados segn la hora del evento.
(Ejemplo: Evento 4 que se produzca en el momento t *, donde t2 <t * <t3.)
Paso 5: Actualizar las estadsticas acumulativas y contadores.
Nueva instantnea del sistema en el momento t1
OCK
Sistema
Estado
Futuro Lista de Eventos
t \
(5,1,5)
(1,
t2) -
Escriba 1 evento que ocurra en el momento
t1
(4, t *) - Tipo 4 evento que se produzca en el momento t *
(1, t
3
) - Tipo 1 evento que se produzca en el tiempo t
3
(2, tn) - Tipo de evento 2 que se produzca en el momento
tn
Figura
3.2
Avanzando
simulacin
tiempo
y
actualizacin
sistema
imagen
Ncetianz

Pgina 52
MCA52 - Sistema de Simulacin y Modelado
42
La gestin de una lista se llama procesamiento de listas
Las principales operaciones de procesamiento de la lista realizadas en un FEL
son
supresin del hecho inminente, la adicin de un nuevo evento para la
lista, y en ocasiones la eliminacin de algn evento (llamado cancelacin
de un evento).
Como el evento inminente es por lo general en la parte superior de la lista, su
eliminacin
es tan eficiente como sea posible. La adicin de un nuevo evento (y
cancelacin de un evento de edad) requiere una bsqueda de la lista.
La eliminacin y la adicin de los acontecimientos desde el PEL se ilustra en la
Figura 3.2.
o Cuando el evento 4 (por ejemplo, un evento de la llegada) con el tiempo de
eventos t * es
generado en el paso 4, una manera posible de determinar su
posicin correcta en el FEL es llevar a cabo una de arriba hacia abajo
Bsqueda:
Si t * <t2, lugar del acontecimiento 4 en la parte superior de la FEL.
Si t2 < t * < t3, lugar del acontecimiento 4 segundos en la lista.
Si t3, <t * < t4, lugar del acontecimiento 4 tercero en la lista.
Si tn <t *, evento de 4 ltimos de la lista.
o Otra forma es llevar a cabo una bsqueda de abajo hacia arriba
.
La instantnea del sistema en el tiempo 0 se define por las condiciones iniciales
y la generacin de los llamados eventos exgenos.
El mtodo de generar un flujo de llegadas externas, llama
bootstrapping.
Cada simulacin debe tener un evento de detencin
,
aqu se llama E,
que define cunto tiempo se ejecutar la simulacin. Hay
generalmente dos formas de detener una simulacin:
1. En el tiempo 0, programar un evento de simulacin de parada en un
determinado
tiempo futuro T
E
. Por lo tanto, antes de simular, se sabe que el
simulacin se ejecutar durante el intervalo de tiempo [0,
TE
]. Ejemplo:
Simular un taller de trabajo para
TE
= 40 horas.
Longitud 2 Run
TE
est determinado por la simulacin misma.
Generalmente,
TE
es el momento de la ocurrencia de algn especificada
evento E. Ejemplos:
TE
es el tiempo del servicio 100a
Ncetianz

Pgina 53
43
terminacin en un cierto centro de servicio.
TE
es el momento de
descomposicin de un sistema complejo.
3.3 Visiones del mundo
Cuando utilice un paquete de simulacin o incluso cuando se utiliza un manual
simulacin, un modelador adopta una visin del mundo o la orientacin para
desarrollo de un modelo.
Los ms frecuentes son la visin del mundo la programacin de eventos, la
cosmovisin proceso de interaccin, y la actividad de exploracin
visin del mundo.
Cuando se utiliza un paquete que apoya el proceso de interaccin
enfoque, una simulacin analystthinks en trminos de procesos.
Cuando se utiliza el enfoque de la programacin de eventos, un analista de
simulacin
se concentra en los eventos y sus efectos sobre el estado del sistema.
El enfoque basado en procesos de interaccin es popular debido a su
atractivo intuitivo, y debido a que los paquetes de simulacin que
implementarlo permite un analista para describir el flujo del proceso en
trminos de bloques de red o construcciones de alto nivel
.
Tanto el evento de la programacin y el proceso de interaccin
enfoques utilizan un avance de tiempo / variables
.
El enfoque de la actividad de exploracin utiliza un incremento de tiempo fijo y
un enfoque basado en reglas para decidir si las actividades pueden empezar
en cada punto en el tiempo simulado.

El enfoque de la exploracin pura actividad ha sido modificado por lo que
se denomina el enfoque de tres fases.
En el enfoque de tres fases, los eventos se consideran
actividad
unidades de tiempo de duracin de cero. Con esta definicin, las actividades son
dividido
intotwocategoriescalledBand
C.
o
Actividades B: Actividades unidos a ocurrir; todos primaria
Ncetianz

Pgina 54
44
eventos y actividades incondicionales
.
o actividades C: Actividades o eventos que son condicionales
bajo ciertas condiciones de ser cierto.
Con el. trifsico acercan el producto de simulacin con
la ejecucin de las tres fases repetida hasta que se complete:
Fase A: Quite el evento inminente de la FEL y
avanzar el reloj a su hora del evento. Retire cualquier otro
eventos del FEL que tiene la hora del evento.
Fase B: Ejecutar todos los eventos de tipo B que se han eliminado
desde el FEL.
Fase C: Analizar las condiciones que desencadenan cada tipo C
actividad y activar cualquier cuyas condiciones se cumplan.
Vuelva a explorar hasta que no haya actividades de tipo C adicionales pueden
comenzar o
se producen eventos.
El enfoque de tres fases mejora la eficiencia en la ejecucin de
el mtodo de exploracin actividad.
Ejemplo
3,2 (AbleandBaker, Backagain)
. Utilizando el enfoque de tres fases, las condiciones para el comienzo de cada
actividad en la Fase C son:
Actividad
Condicin
Tiempo de servicio por Able
Un cliente est en la cola y es capaz
inactivo,
Tiempo de servicio por Baker
Un cliente est en la cola, Baker est inactivo,
y Abel est ocupado.
3.4 Simulacin Manual de Uso de Programacin de eventos
En una simulacin de eventos-programacin, una tabla de simulacin se utiliza
para
registrar las instantneas del sistema sucesivos como el tiempo avanza.
Vamos a considerar el ejemplo de una tienda de comestibles que slo tiene un
contador de salidas.
Example3.3 (Single-ChannelQueue)
El sistema se compone de los clientes en la lnea de espera, ms la
uno (si los hay) echarle un vistazo.
El modelo tiene los siguientes componentes:
Ncetianz

Pgina 55
45
o
Estado del sistema
(LQ (i), Z, S (r)), donde LQ ((] es el nmero de
clientes en la lnea de espera, y LS (t) es el nmero que es
servido (0 o 1) en el tiempo t.
o
Entidades
El servidor y los clientes no estn explcitamente
modelado, excepto en trminos de las variables de estado anteriores.
o Eventos
Llegada (A)
Salida (D)
Detener evento ( "), programado para ocurrir en el tiempo 60.
o notificaciones de eventos
(A, i). Representando un evento llegada a ocurrir en el futuro
tiempo t
(D, t), lo que representa una salida al cliente en el futuro el tiempo t
( 60), lo que representa el evento de simulacin-parada en el futuro
tiempo 60
o Actividades
Tiempo Inlerarrival, definida en la Tabla 2.6
El tiempo de servicio, que se define en la Tabla 2.7
o Delay
Tiempo al cliente pas en la lnea de espera.
En este modelo, el FEL siempre contendr dos o tres
avisos de eventos.
El efecto de los eventos de llegada y salida fue mostrado por primera vez en
Cifras
a continuacin
Ncetianz

Pgina 56
46
La figura 1 (A): Ejecucin del evento llegada.
Caso de llegada
Ocurre en RELOJ = t
Es
LS (t)
= 1?
Set LS (t) = 1
Aumentar LQ (t) por
1
Generar el tiempo de servicio a *;
Programe nuevo punto de partida
evento en el momento t + s *
Generar tiempo entre llegadas
a *;
Programe nuevo evento llegada
en el momento t + a *
Recopilar estadsticas
Devuelva el control al TIME-
rutina para avanzar
continuar la simulacin
N
Y
Ncetianz

Pgina 57
47
La figura 1 (B): ejecucin del evento de salida.
Evento de salida se produce a
RELOJ = t
Set LS (t) = 0
Es
LQ (t)>
0?
Reducir LQ (t) por 1
Generar servicio
tiempo s *;
Programe nuevo
evento salida a las
tiempo t + s *
Reunir Estadsticas
De control para volver
tiempo de antelacin
rutina para continuar
simulacin
N
Y
Ncetianz

Pgina 58
48
Las condiciones iniciales son que el primer cliente que llegue a tiempo 0 y
comienza el servicio.
Esto se refleja en la tabla de abajo por la instantnea del sistema en el tiempo
cero
(RELOJ = 0), con LQ (0) = 0, LS (0) = 1, y tanto un evento de salida
y el evento de la llegada de la FEL.
La simulacin est programado para detenerse en el tiempo 60.
Dos estadsticas, la utilizacin del servidor y la mxima longitud de la cola, ser
recogido.
utilizacin del servidor se define por servidor ocupado tiempo total de (B)
dividido por.
tiempo total (T
e
).
tiempo ocupado total, B, y la mxima longitud de la cola MQ, ser
acumulada dado que la simulacin progresa.
Tan pronto como la instantnea del sistema en el reloj de tiempo = 0 es
completa, la
comienza simulacin.
En el tiempo 0, el evento es inminente (D, 4).
El reloj se adelant al tiempo de 4, y (D, 4) se retira del
FEL.
Desde LS (t ) = 1 para 0 <= t <= 4 (es decir, el servidor estaba ocupado por 4
minutos), el tiempo ocupado acumulada se incrementa de B = 0 y B = 4.
Por la lgica evento en la Figura 1 (B), establecidas LS (4) = 0 (el servidor se
convierte
ralent).
El FEL se queda con slo dos eventos futuros, (A, 8) y (E, 0).
El reloj de simulacin es el prximo avanzada en cuando 8 y una llegada
evento se ejecuta.
La tabla de simulacin cubre el intervalo [0,9].
Ncetianz

Pgina 59
49
Tabla de simulacin de caja.
Ejemplo 3.4 (El Pedido de Venta Libre Simulacin,
Contina)
Supongamos que el analista de sistemas desea estimar el tiempo medio de
respuesta
y la media de porcentaje de los clientes que gastan ms de 4 minutos en
el sistema el modelo anteriormente mencionado tiene que ser modificado.
o Entidades (Ci, t), en representacin de los clientes Ci que lleg en el momento
t.
o avisos de eventos (A, t , Ci), la llegada del cliente Ci en el futuro
tiempo t
(D, F, Cj), la partida del cliente Cj al futuro
tiempo t.
o Set "cola de la caja," el conjunto de todos los clientes en la actualidad en
la caja registradora (que se sirve o esperando a ser servido),
ordenados por la hora de llegada
Reloj
LQ (t)
LS (t)
FEL
Comentario
B
MQ
0
0
1
(D, 4)
(A, 8)
(E, 60)
Primera A
ocurre (a * =
8) Calendario
Un siguiente
(S * = 4)
horario
siguiente D
0
0
4
0
0
(A, 8)
(E, 60)
Primera D
se produce; (D, 4)
4
0
8
0
1
(D, 9)
(A, 14)
(E, 60)
Segunda A
se produce; (A, 8)
(A * = 6)
horario
Un siguiente
(S * = 1)
horario
siguiente D
4
0
9
0
0
(A, 14)
(E, 60)
Segunda D
ocurre; (D, 9)
5
0
Ncetianz

Pgina 60
50
Tres nuevas estadsticas se recogen: S, la suma de clientes response
veces para todos los clientes que han partido para el momento actual; F, la
nmero total de clientes que gastan ms de 4 minutos en el hotel
Salida contador; N
D
el nmero total de salidas a la actual
tiempo de simulacin.
Estos tres estadsticas acumuladas se actualizan cada vez que la salida
evento ocurre.
La tabla de simulacin se da a continuacin
Tabla de Simulacin para el Ejemplo 3.4
Estado del sistema
Estadsticas acumuladas
Reloj
LQ (t)
LS (t)
Pedido
lnea
FEL
S
N
D
F
0
0
1
(C 1,0)
(D, 4, C1)
(A, 8, C2)
(E, 60)
0
0
0
4
0
0
(A, 8, C2)
(E, 60)
4
1
1
8
0
0
(C2,8)
(D, 9, C2)
(A, 14, C3)
(E, 60)
4
1
1
9
0
0
(A, 14, C3)
(E, 60)
5
2
1
Ejemplo 3.5 (El Camin volquete Problema)
Seis de volcado de camiones se utilizan para transportar carbn desde la entrada
de un pequeo
mina al ferrocarril.
Cada camin es cargado por uno de los dos cargadores.
Despus de la carga, un camin se mueve inmediatamente a escala, para ser
ponderados como
pronto como sea posible.
Tanto las cargadoras y de la escala tienen un primer llegado, primer servido
esperando
lnea (o cola) para los camiones.
El tiempo necesario para viajar desde el cargador a escala se considera
insignificante.
Despus de haberlos pesado, un camin comienza un tiempo de viaje y luego
despus
vuelve a la cola del cargador.
El modelo tiene los siguientes componentes:
o del estado del sistema
[LQ (0, L (f), WQ (r), W (r)], donde
Ncetianz

Pgina 61
51
LQ (f) = nmero de camiones en cola del cargador
L (t) = nmero de camiones (0,1 o 2) que se est cargando
WQ (t ) = nmero de camiones en pesan cola
W (t) = nmero de camiones (0 o 1) se pesa, todo a
simulacin en tiempo t
o notificaciones de eventos
(ALQ ,, t, DTi), camin volquete llega a cola del cargador
(ALQ) en el tiempo t
(EL, t, DTi), camin volquete i termina de cargar (EL) en el tiempo t
(EW, t, DTi), camin volquete i termina pesando (EW) en el tiempo t
o Entidades Los seis camiones de volteo (DTI, ..., DT6)
o Listas
Cola del cargador, todos los camiones a la espera de comenzar la carga,
ordenado en un primer llegado, primer servido
Pesar cola, todos los camiones que esperan para ser pesados, ordenaron
en un primer llegado, primer servido base.
o Actividades de tiempo de carga, tiempo de pesada, y el tiempo de viaje.
o Retardos Retardo en cola del cargador, y el retraso en la escala.
Distribucin de la carga para el carro de descarga
El tiempo de carga
Probabilidad
Acumulativo
probabilidad
Random-Digit
Asignacin
5
0.30
0.30
1-3
10
0.50
0.80
4-8
15
0.20
1.00
9-0
Distribucin del tiempo de pesada para el carro de descarga
Tiempo de pesada
Probabilidad
Acumulativo
probabilidad
Random-Digit
Asignacin
12
0,70
0,70
1-7
16
0.30
1.00
8-0
Distribucin del tiempo de viaje para el carro de descarga
Tiempo de viaje
Probabilidad
Acumulativo
probabilidad
Random-Digit
Asignacin
40
0.40
0.40
1-4
60
0.30
0,70
5-7
80
0.20
0.90
8-9
100
0.10
1.00
0
Ncetianz

Pgina 62
52
Los tiempos de actividad se toman de la siguiente lista
Cargando
tiempo
10
5
5
10
15
10
10
Con un peso
tiempo
12
12
12
16
12
16
Viajes
tiempo
60
100
40
40
80
mesa de simulacin para el problema Dump Truck
Estado del sistema
Listas
stat acumulativa
Reloj
t
LQ (t) L (t) WQ (t) W (t) Cargadora
cola
Pesar
cola
FEL
B
L
B
S
0
3
2
0
1
DT4
DT5
DT6
(EL, 5, DT3)
(EL, 10, DT2)
(EL, 12, DT1)
0 0
5
2
2
1
1
DT5
DT6
DT3
(EL, 10, DT2)
(EL, 5 + 5, DT4)
(EW, 12, DT1)
10 5
10
1
2
2
1
DT6
DT3
DT2
(EL, 10, DT4)
(EW, 12, DT1)
(EL, 10 + 10, DT5)
20 10
10
0
2
3
1
DT3
DT2
DT4
(EW, 12, DT1)
(EL, 20, DT5)
(EL, 10 + 15, DT6)
20 10
12
0
2
2
1
DT2
DT4
(EL, 20, DT5)
(EW, 12 + 12, DT3)
(EL, 25, DT6)
(ALQ, 12 + 60, DT1)
24 12
20
0
1
3
1
DT2
DT4
DT5
(EW, 24, DT3)
(EL, 25, DT6)
(ALQ, 72, DT1)
40 20
24
0
1
2
1
DT4
DT5
(EL, 25, DT6)
(EW, 24 + 12, DT2)
(ALQ, 72, DT1)
(ALQ, 24 + 100, DT3)
44 24
Utilizacin media Cargador = 44/2 = 0,92
Ncetianz

Pgina 63
53
24
Promedio de la escala de utilizacin = 24/24 = 1,00
************************************************** ***********
*****

Capitulo 1,2,3 Del Libro de Banks en Españo

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

Capitulo 1,2,3 Del Libro de Banks en Españo

Enviado por

Direitos autorais:

Formatos disponíveis

Page 2

Eventos discretos Sistema de Simulacin

Você também pode gostar