domingo, 3 de enero de 2016

Entrada 11

Visión general de un estudio de simulación en cualquier área

Las tecnologías de simulación pueden ayudar a prevenir futuras crisis financieras

Según Viviane Reding, Comisaria de Sociedad de la Información y Medios de Comunicación de la UE, «la investigación europea de primera clase puede ayudarnos a pasar de la teoría económica del lápiz y el papel a la de los superordenadores. Al posibilitar que una política y sus efectos en la gente puedan probarse mejor mientras aquélla se halle todavía en su fase de formulación, los resultados de este proyecto de investigación permitirán complementar las estadísticas económicas tradicionales y las hipótesis sobre las posibles reacciones de los agentes económicos. Confío en que los investigadores del sector público y los centros de investigación nacionales actúen con rapidez para poner esta herramienta lo antes posible a disposición de quienes toman las decisiones ».

La tecnología de simulación derivada de las actividades de investigación apoyadas por la UE utiliza experimentos informáticos para conocer las relaciones que se darían entre extensas poblaciones de diversos agentes económicos presentes en gran número de mercados interconectados. Es la primera vez que esta tecnología se aplica a tan gran escala utilizando un sistema informático de alta potencia. Cada uno de los hogares (o empresas o bancos) simulados toma diferentes decisiones (por ejemplo, conservar un empleo o buscar otro nuevo, ahorrar, gastar o invertir una mayor o menor proporción del sueldo, etcétera) en respuesta a las distintas políticas monetarias, fiscales o de fomento de la innovación que se les presenten. Esto significa que el impacto de una política en un mercado y en un momento dado ya no tendrá que evaluarse aislado de otros factores.

La teoría económica tradicional no fue capaz de predecir las proporciones del efecto dominó que produciría la crisis crediticia en la economía mundial. El nuevo programa muestra las diferentes reacciones que tienen los bancos ante factores tan diversos como el volumen de reservas que deban mantener en comparación con las inversiones, los patrones de consumo/inversión y de ahorro que sigan sus clientes o la intervención de factores psicológicos tales como la mayor o menor confianza en el mercado. De esta forma, gracias al nuevo programa, los responsables de las políticas –que desean saber cómo afectarán a los bancos y a sus clientes las reformas fiscales y monetarias– podrán conocer de antemano con más fiabilidad el nivel de impacto que tendrá una crisis financiera en la economía real. El programa, además, puede simular los escenarios que corresponderían a una demografía envejecida (ayudando así a planificar la Europa de la tercera edad) o a unos suministros de energía limitados.

Diseñado para funcionar en superordenadores que permitan que la simulación se lleve a cabo a gran escala pero que sea accesible a cualquier ordenador de mesa que se halle conectado, el programa puede ser utilizado por economistas y responsables de políticas que no tengan ningún conocimiento de programación informática. Al conectar entre sí centenares de miles de pequeñas acciones y reacciones simuladas en el conjunto de la economía, el programa puede ofrecer a los políticos una mejor y más amplia imagen del impacto que tendrán sus políticas en la vida y el trabajo de las gentes.


El proyecto, de tres años de duración, ha sido llevado a cabo por economistas e informáticos de ocho universidades (de Italia, Francia, Alemania, Turquía y el Reino Unido) que se reunieron bajo los auspicios de la UE con la financiación del presupuesto de investigación tecnológica de la Comisión.

Entrada 10


Ejercicios de simulación usando hojas de cálculo

En la imagen inferior se muestra un análisis histórico de 200 días sobre el número de consultas diarias realizadas a un sistema de información empresarial (EIS) residente en un servidor central. La tabla incluye el número de consultas diarias (0 a 5) junto con las frecuencias absolutas (número de días que se producen 0, 1,..., 5 consultas), las frecuencias relativas (10/200 = 0,05,...), y las frecuencias relativas acumuladas.




Podemos interpretar la frecuencia relativa como la probabilidad de que ocurra el suceso asociado, en este caso, la probabilidad de un determinado número de consultas (así, p.e., la probabilidad de que se den 3 consultas en un día sería de 0,30), por lo que la tabla anterior nos proporciona la distribución de probabilidad asociada a una variable aleatoria discreta (la variable aleatoria es el  número de consultas al EIS, que sólo puede tomar valores enteros entre 0 y 5).

Supongamos que queremos conocer el número esperado (o medio) de consultas por día. La respuesta a esta pregunta es fácil si recurrimos a la teoría de la probabilidad:

Denotando por X a la variable aleatoria que representa el número diario de consultas al EIS, sabemos que:





Entrada 9


Método de Monte Carlos

Definición: El método de Monte Carlo es una técnica numérica para calcular probabilidades y otras cantidades relacionadas, utilizando secuencias de números aleatorios.

Aplicación
-          Criptografía.
-          Cromo dinámica cuántica.
-          Densidad y flujo de tráfico.
-          Diseño de reactores nucleares.
-          Diseño de VLSI.
-          Ecología.
-          Econometría.
-          Evolución estelar.
-          Física de materiales.

Ejercicio: Método Variable aleatoria
Se denomina variable aleatoria, a una variable X que puede tomar un conjunto de valores {x0, x1, x2, ... xn-1}, con probabilidades {p0, p1, p2, ... pn-1}. Por ejemplo, en la experiencia de lanzar monedas, los posibles resultados son {cara, cruz}, y sus probabilidades son {1/2, 1/2}. En la experiencia de lanzar dados, los resultados posibles son {1, 2, 3, 4, 5, 6} y sus probabilidades respectivas son {1/6, 1/6, 1/6, 1/6, 1/6, 1/6}.
Realicemos ahora la experiencia de hacer girar una ruleta y apuntar el número del sector que coincide con la flecha. En la ruleta de la izquierda de la figura los resultados posibles son {0, 1, 2, 3, 4, 5, 6, 7}, y la probabilidad de cada resultado es 1/8. En la ruleta de la derecha de la figura los posibles resultados son {0, 1, 2, 3}, y las probabilidades respectivas {1/4, 1/2, 1/8, 1/8}, proporcionales al ángulo del sector.
 

 Características

El método de Montecarlo tiene como características ventajas y desventajas.

-          - Una ventaja de la simulación de Montecarlo seria sobre los resultados probabilísticos y gráficos ya que, con los probabilísticos muestran lo que puede suceder y que tan probable es que suceda un resultado, con los gráficos cuando los datos son generados por Montecarlo se hace fácil crear gráficas para observar cuales son las posibilidades de que algo suceda.

-         - Otras ventajas que se puede mencionar serian que cuando se tienen pocos resultados, se hace más difícil ver lo que afecta el resultado, en cambio cuando se utiliza simulación Montecarlo se hace más fácil que vea cuales son las variables que influyen más en los resultados.


-          - Como toda simulación cuando tiene ventajas, tiene sus desventajas así que ahora aprenderemos sobre las desventajas que tiene la simulación Montecarlo, una de ellas es que no siempre proporciona un resultado correcto y podemos cometer un error, ya que la simulación nos brindó un resultado incorrecto.

jueves, 26 de noviembre de 2015

Entrada 8

TEMAS

Simulación manual dirigida por eventos

ACTIVIDAD EN CLASE

1.- investigar en la web  que es la Simulación manual dirigida por eventos

Simulación orientada a eventos
Definición:
El tiempo no avanza de manera continua.
El tiempo avanza sólo cuando ocurre un evento, según el cual se actualiza el sistema.
La variable con la se registra el avance del tiempo se llama reloj de simulación.


En el caso de simulación orientada a eventos, el avance de la simulación depende solamente de los eventos producidos durante su ejecución. Ahora es el tiempo el que depende de la generación de estos eventos y la variable que lleva el total de tiempo de simulación es actualizada sólo cuando existe un cambio en alguna variable de estado.

La simulación concluye cuando se cumple con la condición definida en el inicio del programa, ya sea cantidad de eventos o tiempo trascurrido, y es cuando se calcula la medida de rendimiento.

2.- Describir un ejemplo de Simulación manual dirigida por eventos



ACTIVIDAD  AUTÓNOMA
1.- Realizar un mapa mental de la Simulación orientada a eventos y procesos


2.- Explique u  ejemplo de Simulación orientada a eventos y procesos



En el caso de simulación orientada a eventos, el avance de la simulación depende solamente de los eventos producidos durante su ejecución. Ahora es el tiempo el que depende de la generación de estos eventos y la variable que lleva el total de tiempo de simulación es actualizada sólo cuando existe un cambio en alguna variable de estado. La simulación concluye cuando se cumple con la condición definida en el inicio del programa, ya sea cantidad de eventos o tiempo trascurrido, y es cuando se calcula la medida de rendimiento.

Ejemplo Fila de un Banco
Considerando el sistema de una fila con un cajero en un banco, suponga la siguiente secuencia de eventos:


El estado inicial es (N,E)=(0, Vacía). Es decir, no hay clientes en el banco.


3.- determine una diferencia entre Simulación manual dirigida por eventos y  Simulación orientada a eventos y procesos .
 
En los simuladores orientado a eventos y procesos, el tiempo avanza de manera continua. Cada vez que el tiempo avanza, se revisa si ha ocurrido algún evento para actualizar las variables de estado correspondientes.
En un simulador de tiempo discreto (también conocido como simulador orientado a eventos), el tiempo avanza sólo en los instantes en que ocurren los eventos. Los periodos entre eventos suelen ser de distinta duración y por lo tanto los incrementos al reloj de simulación (variable que lleva el registro del tiempo simulado) son de tamaño desigual.


4.- Identifique 2 ventajas y desventajas de :

Simulación manual dirigida por eventos
Ventajas
- Permite analizar el efecto sobre el rendimiento global de un sistema, de pequeños cambios realizados en una o varias de sus componentes
- A partir de la experimentación con un modelo, es posible analizar los efectos sobre el sistema real de cambios organizativos, o de cambios en la gestión de la información. 

Desventajas
- No se lo debe utilizar cuando existan técnicas analíticas que permitan plantear, resolver y optimizar todo el sistema o alguna parte del mismo.
- No es posible asegurar que el modelo sea válido: Se corre el riesgo de tomar medidas erróneas basadas en aplicar conclusiones falsas obtenidas mediante un modelo que no representa la realidad.  

Simulación orientada a eventos y procesos
Ventajas
- El análisis del modelo del sistema puede permitir la sugerencia de posibles mejoras del sistema real, así como detectar las variables más influyentes en el rendimiento del mismo. 
- Permite la experimentación en condiciones que podrían ser peligrosas o de elevado coste económico en el sistema real. 

Desventajas
- Soluciones no exactas. 
- Existe el riesgo de tomar malas decisiones basadas en modelos de simulación que no han sido validados y verificados adecuadamente. 
MATERIALES DE APOYO
[www.profesorpepelo.com/PROGRAMA%20DE%20SIMULACION.docx]www.profesorpepelo.com/PROGRAMA%20DE%20SIMULACION.docx
[www.ecured.cu/Simulación_de_eventos_discretos]www.ecured.cu/Simulación_de_eventos_discretos

jueves, 5 de noviembre de 2015

7ta entrada

ACTIVIDAD AUTÓNOMA

SELECCIONAR UN LENGUAJE Y UNA APLICACIÓN DE LAS INVESTIGADAS Y DESCRIBA  EN LA SIGUIENTE CLASE A TRAVÉS DE UNA PRESENTACIÓN EL USO DEL LOS MISMOS.(MÍNIMO 5 PRESENTACIONES) UTILICE PARA UNA MAYOR EXPLICACIÓN IMÁGENES DESCRIPTIVAS






jueves, 29 de octubre de 2015

6ta entrada/ Actividad en clase



TEMA:
  • ETAPAS PARA LA CONSTRUCCIÓN DE UN SISTEMA DE SIMULACIÓN
  • ESTRUCTURA PARA LA CONSTRUCCIÓN DE UN SISTEMA DE SIMULACIÓN

MATERIAL DE APOYO

PAG. 12,13,14


  


  



ACTIVIDAD EN CLASE

  1. LECTURA COMPRENSIVA DEL MATERIAL DE APOYO
  2. PREGUNTAS Y RESPUESTAS
  3. DEFINICIÓN DE 5  APLICACIONES Y LENGUAJES DE PROGRAMACIÓN PARA LA CREACIÓN DE UN SISTEMA INFORMÁTICO DE SIMULACIÓN


Lenguajes para simulación

1)  GPSS: Es un lenguaje de programación de propósito general de simulación a tiempo discreto.
2)  SLAM: Es un lenguaje de simulación por el cual se pueden construir modelos con orientación al proceso o al evento.
3)  SIMSCRIPT: Lenguaje de programación  de alto nivel diseñado específicamente para ser usado en entornos de simulación, para realizar simulaciones a gran escala.
4)  GASP: Es un lenguaje de simulación desarrollado por Alan B. Pristker y N. Hurst en 1973 es un lenguaje híbrido porque se puede usar para programar simulaciones discretas, continuas combinadas; siendo el primero en integrar completamente de función del tiempo, GASP IV es un derivado del GASP II, la diferencia radica en la definición del evento espacio-estado (state space event).
5)  SIMAN: Modela un sistema discreto usando la orientación al proceso; es decir, en un modelo de sistema particular, se estudian las entidades que se mueven a través del sistema. Una entidad para SIMAN es un cliente, un objeto que se mueve en la simulación y que posee características únicas conocidas como atributos.

Aplicaciones para simulación

1)  Promodel: ProModel es un simulador con animación para computadoras personales. Permite simular cualquier tipo de sistemas de manufactura, logística, manejo de materiales, etc.
2)  Geovia: GEOVIA proporciona universos 3DEXPERIENCE® que permiten modelar y simular nuestro planeta: desde la vasta extensión de la geosfera hasta los pequeños detalles de un asentamiento urbano.
3)  Biovia: Es un entorno de colaboración científica donde se desarrollan experiencias avanzadas sobre biología, química y materiales.
4)  Enovia: Basada en la plataforma 3DEXPERIENCE, ENOVIA permite a los innovadores aprovechar al máximo las ventajas de la colaboración.

5)  Flexsim: Flexsim es una herramienta de análisis que ayuda a ingenieros y los planificadores a tomar decisiones inteligentes en el diseño y la operación de un sistema. 

lunes, 19 de octubre de 2015

5ta entrada: Actividad en clase

TEMA: METODOLOGÍA DE LA MODELACIÓN EN SIMULACIÓN

TAREAS A EJECUTAR
1.- BUSCAR TRES MEDIOS DE CONSULTAS QUE PERMITA GENERAR UN TEXTO DE UNA PAG. QUE EXPLIQUE EN MANERA DE ENSAYO EXPOSITIVA SOBRE LA METODOLOGÍA DE LA MODELACIÓN EN (SIMULACIÓN).

Metodología de la modelación en simulación

La simulación como tal es un proceso y en general consta de las siguientes etapas:

1)       Definición del sistema:

Para tener una definición exacta del sistema que se desea simular, es necesario hacer primeramente un análisis preliminar de éste, con el fin de determinar la interacción con otros sistemas, las restricciones del sistema, las variables que interactúan dentro del sistema y sus interrelaciones, las medidas de efectividad que se van a utilizar para definir y estudiar el sistema y los resultados que se esperan obtener del estudio.

2)       Formulación del modelo

En la formulación del modelo es necesario definir todas las variables que forman parte de él, sus relaciones lógicas y los diagramas de flujo que describan en forma completa el modelo.

3)       Colección de datos

Es importante que se definan con claridad y exactitud los datos que el modelo va a requerir para producir los resultados deseados.

4)       Implementación del modelo con la computadora

Con el modelo definido, el siguiente paso es decidir si se utiliza algún lenguaje como el fortran,lisp,etc..., o se utiliza algún paquete como Vensim,Stella e iThink, GPSS,Simula,Simscript,Rockwell Arena, etc..., para procesarlo en la computadora y obtener los resultados deseados.

5)       Validación :

A través de esta etapa es posible detallar deficiencias en la formulación del modelo o en los datos alimentados al modelo. Las formas más comunes de validar un modelo son:

§  La opinión de expertos sobre los resultados de la simulación.

§   La exactitud con que se predicen datos históricos.

§  La exactitud en la predicción del futuro.

§  La comprobación de falla del modelo de simulación al utilizar datos que hacen fallar al sistema real.

§  La aceptación y confianza en el modelo de la persona que hará uso de los resultados que arroje el experimento de simulación.

6)       Experimentación

Se realiza después de que el modelo haya sido validado, consiste en generar los datos deseados y en realizar un análisis de sensibilidad de los índices requeridos.

7)       Interpretación

Se interpretan los resultados que arroja la simulación y con base a esto se toma una decisión. Es obvio que los resultados que se obtienen de un estudio de simulación ayudan a soportar decisiones del tipo semi-estructurado.

8)       Documentación

Dos tipos de documentación son requeridos para hacer un mejor uso del modelo de simulación. La primera se refiere a la documentación del tipo técnico y la segunda se refiere al manual del usuario, con el cual se facilita la interacción y el uso del modelo desarrollado.

Fuente

SIMULACIÓN UN ENFOQUE PRÁCTICO, 
pág. 12-14, Raúl Coss Bu, limusa 1981