3.3.- Definiciones: Replica, corrida, estado transitorio, estado estable, condiciones iniciales, reloj de la simulación.

3.3.- Definiciones: Replica, corrida, estado transitorio, estado estable, condiciones iniciales, reloj de la simulación.

Estado estable Una variable está en estado estacionario (estable) si su valor

esperado es el mismo durante el perıodo de tiempo que estamos considerando.

Una simulación está en estado estacionario si todas sus colas lo están. El estado

estacionario es alcanzado luego de un perıodo de tiempo llamado perıodo

transitorio inicial (run-in).

Reloj de Simulación:

Es el contador de tiempo de la simulación, y su función consiste en responder

preguntas tales como cuánto tiempo se ha utilizado el modelo de la simulación, y

cuanto tiempo en total se requiere que dure esta última.

Existen dos tipos de reloj de simulación: el reloj de simulación absoluto, que

parte del cero y termina en un tiempo total disimulación definido, el reloj de

simulación relativa, que solo consiste en el lapso de tiempo que transcurre entre

dos eventos.

Ejemplo

El tiempo de proceso de una pieza es relativo, mientras que el tiempo

absoluto seria el global: desde que la pieza entro a ser procesada hasta el

momento que terminó su proceso.

31

Estado estacionario, Condiciones y Sesgo inicial Para obtener resultados

confiables:

Durante todo el tiempo en que se toman las medidas (cuando se registran los

datos de la simulación) el sistema debe estar en estado estacionario.

Condiciones iniciales: son los valores iniciales de los parámetros para una

simulación en estado estacionario. Las condiciones iniciales determinan un sesgo

inicial que influye en el tiempo que lleva alcanzar la estabilidad, en los resultados y

en las estimaciones calculadas. Este sesgo se puede anular realizando

simulaciones durante un período de tiempo muy largo.

Cómo obtener resultados confiables Existen 3 maneras:

1. Comenzar en estado estacionario con información del "sistema real".

Cantidad y tipo de entidades en actividad y en colas, organizadas en

el calendario según información anterior y de acuerdo a sus

distribuciones

2. La simulación se corre hasta alcanzar estado estacionario y se toma

“ese” estado del sistema como punto de partida para las siguientes

corridas.

3. Se corre la simulación desde el “sistema vacío” hasta el “estado

estable”, allí se comienzan a recolectar datos. Se desprecian las

medidas del período “run-in”.

El tercer método es el más “seguro”. En los dos primeros se corre el riesgo de

obtener datos sesgados; cuando se alcanza el estado estacionario puede variar

dependiendo a veces de los distintos valores de las variables de decisión.

¿Qué es una réplica? Copia exacta o muy similar.

Función de las réplicas las réplicas; se presentan con la finalidad de obtener

estadísticas de intervalo que nos den una mejor ubicación del verdadero valor de

la variable bajo los diferentes escenarios que se presentan al modificar los

números pseudo aleatorios en cada oportunidad. Disminuir el error de la

simulación Importancia de las réplicas en simulación. De esta manera se obtiene

una relación entre el número de réplicas y la precisión de la estimación, de manera

que entre más replicas se tengas más preciso será el modelo.

Tipos de réplicas Muestreo antitético: es inducir una correlación negativa entre

los elementos correspondientes en las series de números aleatorios utilizados

para generar variaciones de entrada en réplicas diferentes.

Corridas comunes: El objetivo principal es iniciar nuevas corridas de simulación

utilizando siempre los datos almacenados; de esta forma, el uso de las corridas

comunes afecta a todas las alternativas de igual forma. Se debe aplicar cuando el

problema consiste en la comparación de dos o más alternativas.

Muestreo Clasificado: Esta técnica se apoya en un resultado parcial de una

corrida, clasificándolo como interesante o no interesante, en caso de ser

interesante se continúa con la corrida en caso contrario se detiene la corrida.

Variaciones de control: Este método utiliza aproximaciones de modelos

analíticos para reducir la varianza. Muestreo estratificado: En esta técnica la

función de distribución se divide en varias partes, lo más homogéneas posibles

que se resuelven o ejecutan por separado; los resultados obtenidos se combinan

para lograr una sola estimación del parámetro a analizar.

Muestreo sesgado: Consiste en distorsionar las probabilidades físicas del

sistema real, de tal forma que los eventos de interés ocurran más frecuentemente.

Los resultados obtenidos presentarán también una distorsión que debe corregirse

mediante factores probabilísticos de ajuste.