RESUMEN CAPITULO 9 ROBINSON ET ALL.

RESUMEN CAPITULO 9 ROBINSON ET ALL.

Presentado Por: Luis Carlos Niño y Jorge Andrés Prada.

Presentado A: Profesor Cesar Aceros

CAPITULO 9. OBTENIENDO RESULTADOS EXACTOS

9.2.1. Simulaciones con terminación y sin terminación.

Un modelo de simulación puede ser clasificado en dos tipos: con terminación y sin terminación. Para la simulación con terminación hay un punto de terminación natural que determina la longitud de la corrida y puede ser definido de la siguiente forma:

· El modelo alcanza una condición de vacío.

· La finalización de un periodo de tiempo bajo investigación.

· La finalización del rastro de los datos de entrada.

En cuanto a la simulación sin terminación no tiene un punto natural de finalización.

9.2.2. Salida transitoria.

En la mayoría de los casos la salida de una simulación con terminación es transitoria. La salida transitoria significa que la distribución de las salida está en constante cambio.

9.2.3. Salida en estado estable.

Para las simulaciones sin terminación la salida frecuentemente alcanza un estado estable. Estado estable no significa que la salida no varía, sino que varía de acuerdo a alguna distribución fija.

9.2.4. Otros tipos de salida.

El transitorio y el estado estable no son los únicos tipos de salida que existen en los modelos de simulación. Law y Kelton (2000) identificaron un tercer tipo el estado estable cíclico. Piense en la simulación de una planta de producción con dos turnos, en el turno de la noche tiene pocos operadores y por ende la tasa de producción es menor.

Robinson et al. (2002) describe un cuarto tipo de salida, el estado estable cambiante. En algunos modelos la salida cambia del estado estable a otro a lo largo del tiempo.

9.5. Tratando con sesgo de inicialización: calentamiento y condiciones iníciales.

Esta sección describe dos métodos para tratar con sesgos de inicialización: un periodo de calentamiento y ajuste de condiciones iníciales.

9.5.1. Determinando el periodo de calentamiento.

La pregunta clave es cuanto debería ser la longitud del periodo de calentamiento? La respuesta sería debe ser de longitud suficiente para asegurar que el modelo esté en una condición real. Para una simulación sin terminación normalmente significa que el transitorio inicial ha pasado y la salida del modelo está en estado estable.

A continuación se mencionan cinco métodos propuestos para identificar el sesgo de inicialización y determinar el período de calentamiento. A continuación se mencionan:

· Métodos gráficos: involucra la inspección visual de series de tiempo de los datos de salida

· Aproximaciones heurísticas: aplica reglas simples con pocas suposiciones.

· Métodos estadísticos: utiliza principios estadísticos para determinar el período de calentamiento.

· Prueba de sesgo de inicialización: identifica sí existe cualquier sesgo de inicialización en los datos.

· Métodos híbridos: involucran combinaciones de graficas o métodos heurísticos con una prueba se sesgo de inicialización.

9.5.2. Ajustando las condiciones iníciales.

Una alternativa para usar un periodo de calentamiento es ajustar las condiciones iníciales del modelo. Existen dos formas para identificar las condiciones iníciales.

· Observar el sistema real.

· Correr el modelo de simulación para un período de calentamiento y grabar el estado del modelo, usando esto para definir las condiciones iníciales del modelo para futuras corridas.

9.5.3. Mezcla de condiciones iníciales y período de calentamiento.

En algunos casos es útil usar una mezcla de período de calentamiento y condiciones iníciales. El objetivo es reducir la longitud del período de calentamiento requerido.

9.5.4. Condiciones iníciales vs período de calentamiento.

Para simulaciones con terminación y sin terminación se podría iniciar en un estado irreal y por consiguiente requiere condiciones iníciales para ajustar un período de calentamiento de la corrida. Para simulaciones sin terminación el objetivo es asegura que el transitorio inicial es removido de la salida. Y para simulaciones con terminación el objetivo es asegurar que los resultados no tengan sesgo por un inapropiado inicio de estado.

9.6. Seleccionando el número de replicas y la longitud de la corrida.

Esta selección se realiza con el objetivo de asegurar que los datos de salida son suficientes para estimar el modelo con suficiente exactitud.

9.6.1. Realización de múltiples réplicas.

Una réplica es una corrida de simulación que usa corrientes específicas de números aleatorios. Las réplicas son realizadas con el objetivo de producir múltiples muestras para obtener una mejor estimación del modelo.

9.6.2. Reducción de la varianza.

Uno de los objetivos es obtener una estimación exacta del rendimiento del modelo mientras se reduce el número de réplicas requerido. Esto es de gran ayuda para mejorar el tiempo del experimento.

Los métodos más comunes para la reducción de la varianza son:

· Números aleatorios

· Variables opuestas

9.6.3. Realizando una corrida larga simple.

Robinson (1995) describe un método gráfico para determinar la longitud de la corrida de una corrida larga con el objetivo de asegurar que los resultados son lo suficientemente exactos.

9.6.4. Múltiples réplicas vs corridas largas.

Para simulaciones con terminación no hay más opción que realizar múltiples réplicas. Para simulaciones sin terminación se puede elegir entre las dos opciones. La ventaja de realizar múltiples réplicas es que los intervalos de confianza son fácilmente calculados mientras que con una corrida larga el período de calentamiento solo se corre una vez para cada escenario lo cual reduce el tiempo de la corrida.