Modelado de entrada de simulación

Modelado de entrada de simulación

1. Recopilación de datos

   • Hay dos enfoques que surgen con respecto a la recopilación de datos.
     • El primero es el enfoque clásico, en el que se realiza un experimento diseñado para recopilar los datos.
       • El primer enfoque es mejor en términos de control
     • El segundo es el enfoque exploratorio, donde las preguntas se abordan por medio de datos existentes que el modelador no participó en la recopilación.
       • El segundo enfoque es generalmente mejor en términos de costo.
   • Obtener datos sobre los elementos apropiados del sistema de interés es uno de los pasos iniciales y fundamentales en el modelado de entrada exitoso.
     • Un modelador sin experiencia, por ejemplo, recopila los tiempos de espera en una cola de un solo servidor cuando el tiempo de espera es la medida de rendimiento de interés. Aunque estos tiempos de espera son valiosos para la validación del modelo, no contribuyen al modelo de entrada.
   • Los datos apropiados que se deben recopilar para un modelo de entrada para una cola de un solo servidor suelen ser los tiempos de llegada y de servicio.
   • Incluso si la decisión de muestrear el elemento apropiado se toma correctamente, Bratley, Fox y Schrage (1987) advierten que hay varias cosas que pueden estar "equivocadas" en el conjunto de datos.
     • Cantidad incorrecta de agregación.
     • Distribución incorrecta en el espacio.
     • Datos censurados.
     • Resolución de distribución insuficiente.

2. Modelos de Entrada

   • Modelos independientes del tiempo
     • Univariante
       • Discreto
         • Binomial / Degenerado
       • Continuo
         • Normal / Exponencial / Curva de Bezier
       • Mezclado
         • Empírico / basado en seguimiento
     • Multivariante
       • Mezclado
         • Bivariante exponencial
       • Continuo
         • Normal
       • Discreto
         • Independiente / Binomial
     • MODELO'S MONTE CARLO
     • Se clasifican en si hay una o varias variantes
   • Procesos Estocasticos
     • Tiempo discreto
       • Estado discreto
         • Estacioinario
         • No estacionario
       • Estado Continuo
         • Estaiconario
         • No estacionario
     • Tiempo contnuo
       • Estado continuo
         • No estacionario
         • Estacionario
       • Estado discreto
         • Estacionario
         • No estacionario
     • Estos modelos se utilizan a menudo para resolver problemas a nivel de sistema, además de servir como modelos de entrada para simulaciones con elementos estocásticos.
     • Los modelos se clasifican según cómo se mide el tiempo (discreto / continuo), el espacio de estados (discreto / continuo) y si el modelo es estacionario en el tiempo.
   • En el extremo derecho del diagrama aparecen ejemplos de modelos específicos que podrían colocarse en las ramas de la taxonomía.

3. Ejemplos

   • Modelo de tiempo de servicio
     • El primer ejemplo determina un modelo de entrada para los tiempos de servicio.
   • Modelo de hora de llegada
     • y el segundo ejemplo determina un modelo de entrada para un proceso de llegada.
     • El modelado de entrada preciso requiere una evaluación cuidadosa de si es apropiado un modelo estacionario (sin dependencia del tiempo) o no estacionario.
   • Dos ejemplos simples ilustran los tipos de decisiones que surgen a menudo en el modelado de entrada.

4. Software

   • El software de modelado de entrada típico es capaz de ajustar varias distribuciones a un conjunto de datos y evaluar la bondad del ajuste
   • . Un paquete de probabilidad simbólico basado en Maple llamado APPL, desarrollado por Glen y Leemis (1999), se ilustra brevemente aquí para mostrar la flexibilidad de modelado obtenida mediante el uso de un sistema de álgebra por computadora.
   • El paquete permite al usuario definir y manipular variables aleatorias, a diferencia de los procedimientos numéricos aplicados a los datos.
   • El paquete permite al usuario calcular valores esperados, distribuciones de estadísticas de orden, distribuciones de sumas de variables aleatorias independientes, etc.

5. Taxonomia de modelado de entradas