Este documento discute el uso de simulación Monte Carlo en computadora para tomar decisiones en sistemas dinámicos de inventario. Al simular un modelo de inventario con información provista, los primeros resultados mostraron inconsistencias en el comportamiento del sistema. Por lo tanto, los datos se reconsideraron y se volvió a correr la simulación, obteniendo esta vez resultados satisfactorios. La simulación Monte Carlo en computadora puede ayudar a corregir juicios subjetivos y tomar mejores decisiones en sistemas dinámicos de inventario.
La dinámica de sistemas es una metodología desarrollada por Jay Forrester en los años 1950 para modelar sistemas complejos. Se utiliza para construir modelos de sistemas sociales, socioeconómicos y ecológicos considerando bucles de realimentación y retrasos. Un modelo dinámico de sistemas representa un sistema a través de niveles, flujos y variables de control. La simulación de modelos dinámicos permite predecir el comportamiento de sistemas no lineales a través del tiempo y evaluar el impacto de pos
1. La dinámica de sistemas es una metodología para estudiar sistemas complejos de retroalimentación mediante la modelación y simulación. Se usa para entender cómo cambian los sistemas a través del tiempo.
2. El proceso involucra identificar el problema, desarrollar una hipótesis dinámica mediante diagramas de causalidad, y construir un modelo de simulación en la computadora.
3. El modelo es testeado y usado para diseñar y probar políticas alternativas que puedan aliviar el problema originalmente
La Metodología de Sistemas Blandos de Checkland se desarrolló para abordar problemas complejos con un alto componente social y humano que los enfoques de sistemas duros no podían manejar. Consiste en 7 pasos: 1) percepción no estructurada del problema, 2) percepción estructurada, 3) definición de sistemas relevantes, 4) elaboración de modelos conceptuales, 5) comparación de modelos con la realidad, 6) ejecución de cambios factibles, y 7) implantación de cambios en el mundo real. A
Este documento introduce los conceptos fundamentales de sistema, modelo y simulación. Explica que un sistema se compone de elementos que interactúan entre sí y con el medio ambiente. Un modelo es una representación simplificada de un sistema que se utiliza para probar diferentes alternativas a través de la simulación antes de implementar cambios en el sistema real. Existen diferentes tipos de modelos como dinámicos, estáticos, matemáticos y físicos para representar sistemas. La simulación permite probar cambios en un modelo para elegir la mejor alternativa y enfrentar
Este documento presenta una introducción a la simulación dinámica de sistemas. Explica que la dinámica de sistemas es una metodología para modelar y estudiar el comportamiento de cualquier sistema a través del tiempo. Describe que la simulación involucra diseñar modelos de sistemas y realizar experimentos para determinar cómo el sistema se comporta y predice los efectos de cambios. Presenta la estructura típica para la dinámica de sistemas, incluyendo la definición del problema, representación de la estructura, construcción
La ingeniería de sistemas es el método científico que intenta acortar el tiempo entre los descubrimientos científicos y sus aplicaciones para satisfacer las necesidades humanas. Proporciona herramientas para resolver problemas complejos de manera ordenada. Requiere un enfoque interdisciplinario y de planificación a largo plazo. Un sistema se compone de objetos con relaciones entre sí, y la ingeniería de sistemas considera el contenido, planificación y aplicación de proyectos para resolver problemas.
Unidad 1 introducción a la modelación de sistemas (1)Edwin Hernandez
Este documento presenta conceptos básicos sobre modelado de sistemas. Introduce los conceptos de sistemas, señales, modelos y su clasificación. Explica los pasos para construir modelos matemáticos, incluyendo la conceptualización, formulación y evaluación. Define sistemas dinámicos, determinísticos, de parámetros concentrados y lineales. Los modelos matemáticos descritos son ecuaciones que representan la dinámica de sistemas físicos.
La dinámica de sistemas es una metodología desarrollada por Jay Forrester en los años 1950 para modelar sistemas complejos. Se utiliza para construir modelos de sistemas sociales, socioeconómicos y ecológicos considerando bucles de realimentación y retrasos. Un modelo dinámico de sistemas representa un sistema a través de niveles, flujos y variables de control. La simulación de modelos dinámicos permite predecir el comportamiento de sistemas no lineales a través del tiempo y evaluar el impacto de pos
1. La dinámica de sistemas es una metodología para estudiar sistemas complejos de retroalimentación mediante la modelación y simulación. Se usa para entender cómo cambian los sistemas a través del tiempo.
2. El proceso involucra identificar el problema, desarrollar una hipótesis dinámica mediante diagramas de causalidad, y construir un modelo de simulación en la computadora.
3. El modelo es testeado y usado para diseñar y probar políticas alternativas que puedan aliviar el problema originalmente
La Metodología de Sistemas Blandos de Checkland se desarrolló para abordar problemas complejos con un alto componente social y humano que los enfoques de sistemas duros no podían manejar. Consiste en 7 pasos: 1) percepción no estructurada del problema, 2) percepción estructurada, 3) definición de sistemas relevantes, 4) elaboración de modelos conceptuales, 5) comparación de modelos con la realidad, 6) ejecución de cambios factibles, y 7) implantación de cambios en el mundo real. A
Este documento introduce los conceptos fundamentales de sistema, modelo y simulación. Explica que un sistema se compone de elementos que interactúan entre sí y con el medio ambiente. Un modelo es una representación simplificada de un sistema que se utiliza para probar diferentes alternativas a través de la simulación antes de implementar cambios en el sistema real. Existen diferentes tipos de modelos como dinámicos, estáticos, matemáticos y físicos para representar sistemas. La simulación permite probar cambios en un modelo para elegir la mejor alternativa y enfrentar
Este documento presenta una introducción a la simulación dinámica de sistemas. Explica que la dinámica de sistemas es una metodología para modelar y estudiar el comportamiento de cualquier sistema a través del tiempo. Describe que la simulación involucra diseñar modelos de sistemas y realizar experimentos para determinar cómo el sistema se comporta y predice los efectos de cambios. Presenta la estructura típica para la dinámica de sistemas, incluyendo la definición del problema, representación de la estructura, construcción
La ingeniería de sistemas es el método científico que intenta acortar el tiempo entre los descubrimientos científicos y sus aplicaciones para satisfacer las necesidades humanas. Proporciona herramientas para resolver problemas complejos de manera ordenada. Requiere un enfoque interdisciplinario y de planificación a largo plazo. Un sistema se compone de objetos con relaciones entre sí, y la ingeniería de sistemas considera el contenido, planificación y aplicación de proyectos para resolver problemas.
Unidad 1 introducción a la modelación de sistemas (1)Edwin Hernandez
Este documento presenta conceptos básicos sobre modelado de sistemas. Introduce los conceptos de sistemas, señales, modelos y su clasificación. Explica los pasos para construir modelos matemáticos, incluyendo la conceptualización, formulación y evaluación. Define sistemas dinámicos, determinísticos, de parámetros concentrados y lineales. Los modelos matemáticos descritos son ecuaciones que representan la dinámica de sistemas físicos.
Presentación que introduce la Dinámica de Sistemas y el Pensamiento Sistémico, así como el uso del software de modelación matemática STELLA para resolver este tipo de problemas. Se presentan dos ejercicios introductorios sobre el pensamiento sistémico, que no requieren el uso de software para su solución.
Este documento trata sobre los sistemas expertos. Explica que los sistemas expertos son programas informáticos que contienen el conocimiento de uno o más expertos humanos sobre un dominio específico para resolver problemas de manera similar a como lo haría un experto humano. También describe algunas aplicaciones comunes de los sistemas expertos.
El documento trata sobre los sistemas expertos. Explica que son programas informáticos que contienen el conocimiento de uno o más expertos humanos sobre un dominio específico para resolver problemas de forma similar a como lo haría un experto humano. Los sistemas expertos se utilizan como intermediarios entre los expertos humanos y los usuarios para proveer soluciones a problemas complejos basadas en la inferencia y el conocimiento almacenado.
ModelacióN, SimulacióN, TéCnicas Auxiliares De AnáLisisAlejandra Esther
Este documento habla sobre la importancia de la modelación de sistemas para los informáticos y las tres formas en que interactúan con los sistemas: el mundo real que observan, su propia percepción, y los modelos abstractos que crean. Explica que la modelación implica procesos inductivos y deductivos para simplificar sistemas complejos y mejorar la comprensión.
Este documento describe diferentes tipos de modelos, incluyendo modelos icónicos, analógicos, analíticos y conceptuales. Los modelos icónicos son reproducciones a escala del objeto real, mientras que los modelos analógicos tienen una apariencia física distinta pero representan el comportamiento del objeto. Los modelos analíticos usan símbolos matemáticos para representar las propiedades del sistema, y los modelos conceptuales son cualitativos y sirven para clarificar pensamientos o ilustrar conceptos.
Este documento presenta conceptos básicos sobre pensamiento sistémico y dinámica de sistemas. Introduce los objetivos de analizar sistemas de información desde una perspectiva sistémica. Explica que los sistemas son entidades formadas por partes en interacción y define dinámica de sistemas como el estudio del comportamiento determinado por la estructura. Además, presenta herramientas de software para modelar sistemas dinámicos.
El documento presenta los conceptos clave de la cibernética y su influencia en la administración moderna. Introduce la cibernética como una ciencia interdisciplinaria creada por Norbert Wiener para estudiar los sistemas de comunicación y control. Explica que la cibernética tuvo consecuencias importantes en la administración con la llegada de la computadora y la automatización de procesos.
Este documento resume cuatro artículos relacionados con simulaciones sociales, sistemas multiagentes, juegos gerenciales y sociedades artificiales. El primer artículo discute el uso de modelos basados en agentes para analizar fenómenos sociales. El segundo articulo examina el caos y la complejidad en la investigación gerencial y la modelización computacional. El tercer artículo describe el uso de juegos gerenciales para enseñar conceptos de negocios. El cuarto artículo presenta el modelo de Schelling como un ejemplo temprano
El documento presenta conceptos clave de la teoría general de sistemas, incluyendo sus orígenes, supuestos básicos y objetivos. También resume conceptos de cibernética, teoría de la información y teoría dinámica de sistemas, explicando sus definiciones, elementos y relación con la teoría general de sistemas.
El documento presenta una introducción a la teoría general de sistemas propuesta por Ludwig von Bertalanffy y desarrollada por otros pensadores. Explica conceptos clave como sistemas abiertos, cerrados, realimentación, cibernética y teoría matemática de la administración. Incluye ejemplos para ilustrar la aplicación de los enfoques sistémicos en el contexto empresarial.
Este documento describe los conceptos clave de los sistemas y modelos de sistemas. Define un sistema como un conjunto de elementos dinámicamente relacionados que desarrollan una actividad para alcanzar un objetivo, tomando insumos del medio ambiente y proporcionando resultados. Explica que un modelo es una representación simplificada de la realidad que toma en cuenta las variables más relevantes. Además, presenta ejemplos de aplicaciones de los modelos de sistemas y pioneros en el desarrollo de esta teoría.
La dinámica de sistemas es una herramienta que aplica métodos de sistemas duros para resolver problemas no estructurados en sistemas socioeconómicos. Esto plantea dificultades de cuantificación y validación de las relaciones entre las variables del sistema. La simulación permite obtener trayectorias de las variables para comprender cómo la estructura del sistema genera su comportamiento y así determinar acciones para mejorar su funcionamiento. La dinámica de sistemas se puede aplicar en áreas como la gestión de proyectos, sistemas socioló
Este documento describe la ingeniería en sistemas informáticos. Se define como un enfoque interdisciplinario que permite estudiar y comprender la realidad para implementar u optimizar sistemas informáticos complejos. Integra otras disciplinas como matemáticas, física e informática. Surge en la segunda mitad del siglo XX para gestionar el comportamiento impredecible de los sistemas.
1. El documento introduce la simulación de eventos discretos, describiendo sus componentes clave como sistemas, modelos, estados, entidades, eventos y actividades.
2. Explica que la simulación de eventos discretos modela sistemas donde el estado cambia en intervalos discretos de tiempo cuando ocurren eventos. Esto permite experimentar con el modelo para analizar el comportamiento del sistema real.
3. Detalla algunas aplicaciones comunes de la simulación de eventos discretos como simular líneas de producción, sistemas de inventario, y apoyar
Este documento describe los sistemas de información, incluyendo su definición, tipos, clasificaciones y funciones. Un sistema de información se define como un conjunto de elementos que interactúan para apoyar las actividades de una organización mediante la entrada, almacenamiento, procesamiento y salida de información. Los sistemas de información se clasifican como transaccionales, de soporte a la toma de decisiones o estratégicos, dependiendo de su objetivo. Las funciones clave de un sistema de información incluyen la recolección, clasificación y distribuc
Este documento describe los fundamentos y aplicaciones de la dinámica de sistemas en el análisis estratégico de calidad. Explica que la dinámica de sistemas permite modelar el comportamiento dinámico y no lineal de los sistemas a través del tiempo mediante la simulación. Los modelos dinámicos capturan las retroalimentaciones que dominan la toma de decisiones en una organización. La dinámica de sistemas puede ayudar a identificar las causas profundas de los problemas de calidad y probar alternativas estrat
La dinámica de sistemas fue creada por Jay Forrester y se basa en el modelado matemático de sistemas complejos. Se enfoca en entender las organizaciones como redes de relaciones causales dinámicas mediante el uso de realimentación negativa y ciclos de retroalimentación. Esto permite explicar y dirigir el comportamiento de una organización hacia sus objetivos ideales.
This document discusses concepts related to risk analysis and simulation modeling. It defines key terms like risk, models, and Monte Carlo simulation. It explains that Monte Carlo simulation randomly samples input variable distributions thousands of times to model outcomes. The benefits of simulation include analyzing risk and optimizing decisions. Graphs and Excel tools can analyze simulation results to explore outcomes and sensitivities.
El documento describe los orígenes de la simulación en 1940 con el método de Monte Carlo y su uso en el Proyecto Apolo para simular un sobrevuelo tripulado de la Luna y encontrar un lugar apropiado para el alunizaje. Explica que la simulación es un método estadístico numérico para aproximar expresiones matemáticas complejas de forma no determinista y que su objetivo es representar eventos reales relacionados con la astronomía y lo atómico que están ocurriendo o ocurrirán en el futuro.
Este documento presenta un resumen de la simulación de Monte Carlo. Explica que usa números aleatorios para modelar procesos estocásticos y resolver problemas no probabilísticos. Detalla cómo funciona en tres fases: creando modelos probables, sustituyendo valores aleatorios de distribuciones de probabilidad, y calculando resultados repetidamente. Finalmente, destaca ventajas como obtener resultados probabilísticos y de sensibilidad, análisis de escenarios y correlación de variables.
Presentación que introduce la Dinámica de Sistemas y el Pensamiento Sistémico, así como el uso del software de modelación matemática STELLA para resolver este tipo de problemas. Se presentan dos ejercicios introductorios sobre el pensamiento sistémico, que no requieren el uso de software para su solución.
Este documento trata sobre los sistemas expertos. Explica que los sistemas expertos son programas informáticos que contienen el conocimiento de uno o más expertos humanos sobre un dominio específico para resolver problemas de manera similar a como lo haría un experto humano. También describe algunas aplicaciones comunes de los sistemas expertos.
El documento trata sobre los sistemas expertos. Explica que son programas informáticos que contienen el conocimiento de uno o más expertos humanos sobre un dominio específico para resolver problemas de forma similar a como lo haría un experto humano. Los sistemas expertos se utilizan como intermediarios entre los expertos humanos y los usuarios para proveer soluciones a problemas complejos basadas en la inferencia y el conocimiento almacenado.
ModelacióN, SimulacióN, TéCnicas Auxiliares De AnáLisisAlejandra Esther
Este documento habla sobre la importancia de la modelación de sistemas para los informáticos y las tres formas en que interactúan con los sistemas: el mundo real que observan, su propia percepción, y los modelos abstractos que crean. Explica que la modelación implica procesos inductivos y deductivos para simplificar sistemas complejos y mejorar la comprensión.
Este documento describe diferentes tipos de modelos, incluyendo modelos icónicos, analógicos, analíticos y conceptuales. Los modelos icónicos son reproducciones a escala del objeto real, mientras que los modelos analógicos tienen una apariencia física distinta pero representan el comportamiento del objeto. Los modelos analíticos usan símbolos matemáticos para representar las propiedades del sistema, y los modelos conceptuales son cualitativos y sirven para clarificar pensamientos o ilustrar conceptos.
Este documento presenta conceptos básicos sobre pensamiento sistémico y dinámica de sistemas. Introduce los objetivos de analizar sistemas de información desde una perspectiva sistémica. Explica que los sistemas son entidades formadas por partes en interacción y define dinámica de sistemas como el estudio del comportamiento determinado por la estructura. Además, presenta herramientas de software para modelar sistemas dinámicos.
El documento presenta los conceptos clave de la cibernética y su influencia en la administración moderna. Introduce la cibernética como una ciencia interdisciplinaria creada por Norbert Wiener para estudiar los sistemas de comunicación y control. Explica que la cibernética tuvo consecuencias importantes en la administración con la llegada de la computadora y la automatización de procesos.
Este documento resume cuatro artículos relacionados con simulaciones sociales, sistemas multiagentes, juegos gerenciales y sociedades artificiales. El primer artículo discute el uso de modelos basados en agentes para analizar fenómenos sociales. El segundo articulo examina el caos y la complejidad en la investigación gerencial y la modelización computacional. El tercer artículo describe el uso de juegos gerenciales para enseñar conceptos de negocios. El cuarto artículo presenta el modelo de Schelling como un ejemplo temprano
El documento presenta conceptos clave de la teoría general de sistemas, incluyendo sus orígenes, supuestos básicos y objetivos. También resume conceptos de cibernética, teoría de la información y teoría dinámica de sistemas, explicando sus definiciones, elementos y relación con la teoría general de sistemas.
El documento presenta una introducción a la teoría general de sistemas propuesta por Ludwig von Bertalanffy y desarrollada por otros pensadores. Explica conceptos clave como sistemas abiertos, cerrados, realimentación, cibernética y teoría matemática de la administración. Incluye ejemplos para ilustrar la aplicación de los enfoques sistémicos en el contexto empresarial.
Este documento describe los conceptos clave de los sistemas y modelos de sistemas. Define un sistema como un conjunto de elementos dinámicamente relacionados que desarrollan una actividad para alcanzar un objetivo, tomando insumos del medio ambiente y proporcionando resultados. Explica que un modelo es una representación simplificada de la realidad que toma en cuenta las variables más relevantes. Además, presenta ejemplos de aplicaciones de los modelos de sistemas y pioneros en el desarrollo de esta teoría.
La dinámica de sistemas es una herramienta que aplica métodos de sistemas duros para resolver problemas no estructurados en sistemas socioeconómicos. Esto plantea dificultades de cuantificación y validación de las relaciones entre las variables del sistema. La simulación permite obtener trayectorias de las variables para comprender cómo la estructura del sistema genera su comportamiento y así determinar acciones para mejorar su funcionamiento. La dinámica de sistemas se puede aplicar en áreas como la gestión de proyectos, sistemas socioló
Este documento describe la ingeniería en sistemas informáticos. Se define como un enfoque interdisciplinario que permite estudiar y comprender la realidad para implementar u optimizar sistemas informáticos complejos. Integra otras disciplinas como matemáticas, física e informática. Surge en la segunda mitad del siglo XX para gestionar el comportamiento impredecible de los sistemas.
1. El documento introduce la simulación de eventos discretos, describiendo sus componentes clave como sistemas, modelos, estados, entidades, eventos y actividades.
2. Explica que la simulación de eventos discretos modela sistemas donde el estado cambia en intervalos discretos de tiempo cuando ocurren eventos. Esto permite experimentar con el modelo para analizar el comportamiento del sistema real.
3. Detalla algunas aplicaciones comunes de la simulación de eventos discretos como simular líneas de producción, sistemas de inventario, y apoyar
Este documento describe los sistemas de información, incluyendo su definición, tipos, clasificaciones y funciones. Un sistema de información se define como un conjunto de elementos que interactúan para apoyar las actividades de una organización mediante la entrada, almacenamiento, procesamiento y salida de información. Los sistemas de información se clasifican como transaccionales, de soporte a la toma de decisiones o estratégicos, dependiendo de su objetivo. Las funciones clave de un sistema de información incluyen la recolección, clasificación y distribuc
Este documento describe los fundamentos y aplicaciones de la dinámica de sistemas en el análisis estratégico de calidad. Explica que la dinámica de sistemas permite modelar el comportamiento dinámico y no lineal de los sistemas a través del tiempo mediante la simulación. Los modelos dinámicos capturan las retroalimentaciones que dominan la toma de decisiones en una organización. La dinámica de sistemas puede ayudar a identificar las causas profundas de los problemas de calidad y probar alternativas estrat
La dinámica de sistemas fue creada por Jay Forrester y se basa en el modelado matemático de sistemas complejos. Se enfoca en entender las organizaciones como redes de relaciones causales dinámicas mediante el uso de realimentación negativa y ciclos de retroalimentación. Esto permite explicar y dirigir el comportamiento de una organización hacia sus objetivos ideales.
This document discusses concepts related to risk analysis and simulation modeling. It defines key terms like risk, models, and Monte Carlo simulation. It explains that Monte Carlo simulation randomly samples input variable distributions thousands of times to model outcomes. The benefits of simulation include analyzing risk and optimizing decisions. Graphs and Excel tools can analyze simulation results to explore outcomes and sensitivities.
El documento describe los orígenes de la simulación en 1940 con el método de Monte Carlo y su uso en el Proyecto Apolo para simular un sobrevuelo tripulado de la Luna y encontrar un lugar apropiado para el alunizaje. Explica que la simulación es un método estadístico numérico para aproximar expresiones matemáticas complejas de forma no determinista y que su objetivo es representar eventos reales relacionados con la astronomía y lo atómico que están ocurriendo o ocurrirán en el futuro.
Este documento presenta un resumen de la simulación de Monte Carlo. Explica que usa números aleatorios para modelar procesos estocásticos y resolver problemas no probabilísticos. Detalla cómo funciona en tres fases: creando modelos probables, sustituyendo valores aleatorios de distribuciones de probabilidad, y calculando resultados repetidamente. Finalmente, destaca ventajas como obtener resultados probabilísticos y de sensibilidad, análisis de escenarios y correlación de variables.
Este manual presenta los conceptos básicos de Crystal Ball para simulación Monte Carlo. Crystal Ball permite definir rangos de valores para celdas inciertas en una hoja de cálculo y ejecutar simulaciones para mostrar una variedad de resultados posibles y sus probabilidades. El procedimiento incluye definir variables de entrada y pronósticos, ejecutar la simulación, y analizar los resultados en un gráfico de pronósticos. Crystal Ball ayuda a cuantificar riesgos para apoyar la toma de decisiones bajo incertidumbre.
Gestión de Proyectos con Simulación Monte Carlo Webinar 20151028Impala Risk
Webinar Gestión de Proyectos con Simulación Monte Carlo
/ Análisis cuantitativo de riesgos
Dictado por Jorge Gadze
Video del webinar: https://www.youtube.com/watch?v=ryS6TyG0wC4&feature=youtu.be
La simulación de Monte Carlo es una técnica cuantitativa que utiliza modelos matemáticos y computadoras para simular sistemas reales no dinámicos. Genera múltiples resultados posibles basados en distribuciones de probabilidad para factores inciertos. Repite los cálculos miles de veces para producir distribuciones de valores de resultados posibles.
Este documento describe el método de simulación Montecarlo para pronosticar resultados financieros bajo incertidumbre. Explica cómo generar números aleatorios y usar funciones como RAND, VLOOKUP y NORMINV en Excel para simular demanda variable, costos y ganancias múltiples veces. El objetivo es calcular medias y desviaciones estándar que midan el pronóstico y riesgo para la toma de decisiones.
El documento presenta Oracle Application Express (APEX), una herramienta de desarrollo de aplicaciones web centradas en la base de datos Oracle. Explica su arquitectura, funcionalidades clave como informes interactivos y websheets, y novedades en la versión 4.0 como servicios web RESTful y desarrollo colaborativo. También cubre temas como la consolidación de datos y aplicaciones en la base de datos y la migración desde Microsoft Access.
La simulación de Monte Carlo es una técnica cuantitativa que utiliza modelos matemáticos y computadoras para imitar el comportamiento aleatorio de sistemas reales. Se desarrolló originalmente para el proyecto de la bomba atómica y permite introducir el riesgo en la valoración de proyectos de inversión mediante la simulación de muestras aleatorias. Actualmente, herramientas como @Risk Simulator permiten análisis de variables y escenarios para la toma de decisiones financieras.
Este documento describe el método de Montecarlo para calcular el valor de π. Explica que el método involucra lanzar una aguja de longitud conocida sobre una superficie con líneas paralelas equidistantes y contar el número de veces que la aguja corta una línea. La proporción de cortes entre lanzamientos tiende a π/2 a medida que se aumenta el número de lanzamientos. El documento también provee antecedentes históricos sobre el desarrollo del método de Montecarlo y ejemplos de su aplic
El documento describe las capacidades de Oracle SOA Suite para el modelado, monitoreo, integración y gobierno de procesos de negocio. Explica el ciclo de vida BPM, incluido el modelado, ejecución, monitoreo y optimización continua de procesos. También cubre temas como reglas de negocio, integración con Oracle Service Bus y herramientas para el gobierno y catálogo de servicios SOA.
Este documento presenta un estudio sobre la aplicación de la simulación de Monte Carlo a un sistema dinámico de inventarios. El objetivo es demostrar cómo esta técnica de simulación por computadora puede ayudar en la toma de decisiones sobre el punto de pedido y la cantidad pedida. Inicialmente se realizaron simulaciones con datos proporcionados por los dueños de la empresa durante 10 años. Posteriormente, se obtuvieron nuevos datos de registros históricos y se hicieron simulaciones adicionales variando parámetros como la cantidad pedida y el punto de
El documento introduce los conceptos básicos de la simulación de Monte Carlo y su aplicación con Excel. Explica que la simulación de Monte Carlo es una técnica estadística que usa números aleatorios generados por computadora para imitar sistemas probabilísticos. Señala que Excel es una herramienta útil para simulación de Monte Carlo debido a su capacidad de generar números aleatorios y analizar escenarios. Proporciona un ejemplo de cómo usar la función ALEATORIO de Excel para simular una variable aleatoria discreta y estimar su media.
Este documento describe el uso del software FlexSim para simular sistemas de producción híbridos que involucran tanto entidades discretas como fluidos. El documento explica cómo FlexSim puede usarse para modelar, ejecutar y analizar las operaciones de un sistema híbrido, creando un modelo que ilustra la precisión y capacidades de FlexSim. El objetivo es mostrar cómo la simulación con FlexSim puede ser una fuente alternativa para la toma de decisiones en sistemas de producción, ayudando a maximizar la eficiencia y minimizar costos.
El rol de Analista de Sistemas, los mundos y las tecnicasAlejandra Esther
Este documento habla sobre la importancia de la modelación de sistemas para los informáticos y las tres formas en que interactúan con los sistemas: el mundo real que observan, su propia percepción, y los modelos abstractos que crean. Explica que la modelación implica procesos inductivos y deductivos para simplificar sistemas complejos y mejorar la comprensión.
El documento describe conceptos clave relacionados con sistemas, modelos y simulación. Define un sistema como un conjunto de elementos que interactúan para lograr un objetivo. Explica que un modelo es una abstracción teórica que reduce complejidad y permite hacer predicciones. Describe tipos de modelos como verbales, de simulación y analíticos. Luego, define la simulación como experimentar con un modelo que imita aspectos de la realidad para comprobar comportamientos. Finalmente, presenta ejemplos de simulación discreta y continua.
La dinámica de sistemas es una técnica para analizar y modelar el comportamiento temporal en entornos complejos mediante la identificación de bucles de realimentación y demoras. Originalmente desarrollada en 1950, se usa ahora en los sectores público y privado para el análisis y diseño de políticas. Se trata de una herramienta potente para comprender cómo los cambios en un sistema lo afectan a través del tiempo mediante simulaciones.
Este documento describe la simulación digital como una técnica para imitar el comportamiento de un sistema real o hipotético en un ordenador según ciertas condiciones. La simulación permite experimentar con un modelo simplificado del sistema en lugar del sistema real, lo que evita inconvenientes como costos y riesgos. Esto permite tomar mejores decisiones sobre cómo conducir el sistema para satisfacer sus objetivos. La simulación digital es una forma de experimentación computarizada que construye modelos digitales de la realidad para ser interpretados por una computadora.
El documento describe varios aspectos de la simulación de sistemas, incluyendo los elementos clave que deben incluirse para aplicar una metodología avanzada de simulación, como generadores de simuladores, entornos de simulación y animación gráfica. También describe características de los modelos de simulación, como la identificación de recursos y tiempos de interacción. Explica que los generadores de programas son herramientas que permiten traducir la lógica de un modelo de simulación al código de un lenguaje de sim
Este documento presenta una introducción a la dinámica de sistemas. Define la dinámica de sistemas como una metodología para modelar y estudiar el comportamiento de cualquier sistema a través del tiempo que tenga características como existencias, retardos y bucles de realimentación. Explica que Jay Forrester desarrolló esta metodología en la década de 1950 y la aplicó primero al análisis de la estructura y comportamiento de empresas.
Este trabajo es en base a todo lo que abarca sistemas suaves, etapas, características, sistemas duros, los beneficios, sus riesgos, limitaciones y por ultimo sus conclusiones
El documento describe las tecnologías de inteligencia artificial y su importancia en las empresas. Define la inteligencia artificial y explica cómo sistemas como sistemas expertos y redes neuronales pueden aplicarse a dominios como la agricultura, medicina, manufactura y el hogar para complementar las habilidades humanas. También compara el cerebro humano con las computadoras y describe los componentes clave de la inteligencia artificial como la inteligencia organizacional.
Un modelo es una representación simplificada de la realidad que captura algunas de sus propiedades importantes. Existen diferentes tipos de modelos como mentales, formales, icónicos, analíticos y físicos. La simulación utiliza modelos para experimentar con sistemas complejos sin necesidad de probarlos en la realidad. Permite analizar cómo se comportarían sistemas reales ante diferentes escenarios. La modelación y simulación son herramientas útiles pero requieren tiempo y conocimientos estadísticos para interpretar resultados.
Metodologia de checkland para sistemas suavesDuno Winchester
Este documento presenta la Metodología de Sistemas Blandos de Peter Checkland. Explica que esta metodología se enfoca en problemas no estructurados con un alto componente social. Describe los 7 pasos de la metodología: 1) investigar el problema, 2) expresar la situación, 3) seleccionar una visión y definir la raíz, 4) construir modelos conceptuales, 5) comparar los modelos con la realidad, 6) diseñar cambios, 7) implementar acciones. También presenta ejemplos de aplicación a una recepci
El documento describe un sistema experto (SE), que es una aplicación informática capaz de solucionar problemas que requieren un gran conocimiento sobre un tema específico. Un SE imita las actividades de un experto humano para resolver problemas usando conocimiento declarativo y de control almacenado. Los SE se usan comúnmente para monitorización, diseño, planificación, control, simulación e instrucción.
Este documento describe los tipos de sistemas y modelos de simulación. Explica que un sistema se compone de objetos que interactúan para alcanzar un objetivo. Los sistemas se pueden clasificar como continuos, discretos, orientados a eventos discretos o combinados dependiendo de cómo evolucionan sus propiedades con el tiempo. Los modelos simbólicos matemáticos mapean las relaciones de un sistema real y pueden ser estáticos, dinámicos, deterministas, estocásticos, continuos o de eventos discretos. Un buen modelo represent
La investigación de operaciones se aplica a problemas relacionados con la conducción y coordinación de operaciones dentro de una organización. Utiliza métodos matemáticos y de modelado para mejorar la eficiencia y productividad de organizaciones. Algunas características clave son el enfoque de sistemas, el modelado matemático y el trabajo en equipo. La investigación de operaciones ha tenido un gran impacto en mejorar la eficiencia de organizaciones en todo el mundo.
Este documento trata sobre la simulación. Define la simulación como una técnica numérica para conducir experimentos en una computadora sobre sistemas complejos del mundo real a través del tiempo. Explica que involucra el desarrollo de un modelo matemático y lógico de un sistema real para imitar su comportamiento y operación a través del tiempo mediante experimentos. También presenta algunas definiciones de simulación dadas por diferentes autores y explica conceptos básicos como los tipos de modelos, sistemas, propiedades de los sistemas
Fundamentación: Definición, modelación de sistemas.
Definición de modelos. Tipos de modelos: analíticos, analógicos e iónico o a escala.
Simulación de sistemas límites.
Empleo de esta herramienta en áreas como: economía, política, administración de empresas, ecología, urbanismo, física, astronomía, aeronáutica, informática, biología, obras públicas, química, ingeniería y educación.
Técnicas auxiliares del A.S:
El A.S. en los estudios prospectivos. Aplicaciones.
Subtema 6.2 el sistema de actividad humana como un lenguaje de modelaciónJoelin Sanchez
El documento describe el sistema de actividad humana como un lenguaje de modelación. Explica que un sistema de actividad humana puede modelarse como un conjunto de actividades que interactúan, y que estas actividades pueden definirse usando verbos. También describe cómo los sistemas sociales involucran relaciones interpersonales entre seres humanos que realizan actividades juntos. Finalmente, explica que los modelos creados por humanos se basan en observaciones de comportamientos y actividades humanas.
Este documento presenta información sobre el enfoque de sistemas en ingeniería de sistemas. Explica que el enfoque de sistemas concibe a las organizaciones como sistemas compuestos de partes interrelacionadas que interactúan para lograr un objetivo. También describe las características del enfoque de sistemas, como ser interdisciplinario, cualitativo y cuantitativo, organizado y creativo. Finalmente, provee ejemplos de cómo aplicar el enfoque de sistemas en agricultura y sectores productivos.
Este documento lista 36 expedientes relacionados con multas impuestas por el Consejo Consultivo de la Competencia (CCO) y el Tribunal de Sanciones de la Competencia (TSC) a diferentes empresas por infracciones a las normas de competencia. Las infracciones van desde incumplimiento en el requerimiento de información, prácticas anticompetitivas, competencia desleal, hasta abuso de posición dominante. Las multas van desde amonestaciones hasta 1,097 UIT, sumando un total de 3,720.88 UIT.
Este documento lista varias infracciones cometidas por diferentes empresas de telecomunicaciones y las multas impuestas por OSIPTEL. Entre las infracciones se encuentran: vender servicios sin solicitar datos del cliente, no cumplir con medidas correctivas, no intercambiar información de guía telefónica actualizada, y proveer información inexacta sobre calidad de servicio. Las multas van desde 5 UIT por infracciones leves hasta 151 UIT por infracciones muy graves.
Este documento es una solicitud de confidencialidad dirigida a una entidad. Contiene información sobre la solicitud, incluyendo los datos de la empresa solicitante, la información materia de la solicitud, los motivos por los cuales se estima que la información debe mantenerse confidencial y el período durante el cual se solicita la confidencialidad. También incluye detalles sobre las medidas de resguardo de la información tomadas por la empresa y los funcionarios que tienen acceso a la misma.
Este documento presenta los estándares de calidad para la acreditación de las carreras profesionales universitarias de ingeniería en Perú. Explica el concepto de calidad en la educación superior y describe el modelo de calidad y estándares establecidos por el Consejo de Evaluación, Acreditación y Certificación de la Calidad de la Educación Superior Universitaria (CONEAU) para la acreditación de programas de ingeniería. Finalmente, destaca la importancia de la acreditación para promover el desarrollo en Perú a través del conoc
Este documento define los estándares de tipo valorativo y describe cómo evaluarlos, reportarlos y calificarlos. Los estándares de tipo valorativo se refieren a la calidad según la apreciación de expertos y evalúan el cumplimiento de relaciones y características de procesos. La evaluación implica relacionar lo solicitado en el estándar con la información presentada y emitir una apreciación de cumplimiento. Los resultados se reportan en tercera persona en formatos completados y la calificación puede ser de cumple o no cumple.
El documento compara los estándares de aseguramiento de la calidad de una universidad colombiana con los estándares peruanos. Determina que 22 de los estándares colombianos son equivalentes a los estándares peruanos. Proporciona detalles sobre cada estándar equivalente y la fuente de verificación. El propósito es validar que la universidad cumple con los requisitos de aseguramiento de calidad.
Este documento presenta la malla curricular de la carrera de Ingeniería Industrial, dividiéndola en asignaturas obligatorias y electivas. Indica que la carrera requiere un total de 205 créditos, de los cuales 40 son de estudios generales obligatorios, 150 de asignaturas obligatorias de la facultad y 15 créditos electivos. Además, incluye una lista detallada de las asignaturas obligatorias de la carrera con sus respectivos créditos.
La memoria anual 2013 del Seguro Social de Salud (EsSalud) describe las principales actividades y logros de la entidad durante ese año. Se adquirieron más de 2,000 equipos médicos para mejorar los servicios de salud a nivel nacional. También se mejoró la gestión de suministros de medicamentos. Se continuó contratando servicios externos para mejorar el acceso a camas hospitalarias y consultas especializadas. Además, se firmaron convenios con organizaciones internacionales para mejorar la planificación estratégica y la gestión de la
El afán de los humanos por conseguir adivinar el futuro para tomarJuan Timoteo Cori
Este documento introduce los conceptos y metodologías de la prospectiva tecnológica. Explica que la prospectiva se utiliza para reducir la incertidumbre sobre el futuro al recopilar las opiniones de expertos a través de técnicas sistematizadas como paneles de expertos, encuestas Delphi y construcción de escenarios. También describe las diferencias entre la prospectiva, la previsión tecnológica y la vigilancia tecnológica, señalando que la prospectiva contempla un horizonte más amplio y busca consensos entre
El documento presenta las respuestas a un cuestionario básico de requerimientos para un proyecto que modelará una base de datos geográfica sobre rutas de evacuación de un volcán en OpenGIS a partir de información en formato GML. El objetivo es estandarizar la información geográfica y permitir el acceso a la base de datos, con interfaces sencillas para guardar y consultar datos, almacenados en una base de datos MySQL Spatial.
Este documento presenta un esquema de análisis del conflicto social. Explica las principales teorías sobre el conflicto social, incluyendo enfoques funcionalistas, marxistas y de nuevas teorías. También describe las causas, formas, objetivos, desarrollo y consecuencias del conflicto social, así como criterios para clasificarlos. El autor analiza el conflicto desde perspectivas macrosociales e individuales.
El documento presenta el Plan Estratégico Institucional 2012-2016 del Seguro Social de Salud (EsSalud) en Perú. Incluye la visión, misión y objetivos estratégicos de EsSalud, así como las estrategias, indicadores y metas definidas para el periodo 2012-2016. El plan busca mejorar el acceso a servicios de salud de calidad para los asegurados, garantizar la sostenibilidad financiera de la institución y implementar una gestión eficiente basada en resultados.
Este documento presenta el proyecto de desarrollo de una aplicación móvil para Android llamada "MapaQuejas". Inicialmente se introducen los objetivos del proyecto y la justificación de la elección del mismo. A continuación, se realiza un estado del arte de las tecnologías implicadas como Android, Backend as a Service, Git, Eclipse y Java. Luego se especifican los requisitos funcionales y no funcionales del proyecto. Finalmente, se presenta el plan de trabajo incluyendo la metodología, participantes, cronograma y estimaciones.
El documento lista varias variables internas y externas que afectan las posibilidades laborales de los egresados universitarios. Las variables internas incluyen recursos, habilidades, ética, motivación, experiencia, investigaciones y antecedentes de una persona. Las variables externas incluyen oferta y demanda de empleo, prestigio de la universidad, mercado laboral, especializaciones y calidad de la enseñanza.
Este documento presenta los resultados de una auditoría de usabilidad realizada a la aplicación web Ventanilla Electrónica (VEA). Se evaluaron 73 indicadores de usabilidad agrupados en categorías como confiabilidad, eficiencia, funcionalidad y usabilidad. La mayoría de los indicadores fueron cumplidos, aunque se identificaron algunas mejoras, especialmente en campos como la terminología utilizada, la estructuración de la información y la coherencia visual.
Usabilidad de sitios web dedicados al comercio electrónico en buenos airesJuan Timoteo Cori
Este documento presenta una introducción a una investigación sobre la usabilidad de sitios web de comercio electrónico en Buenos Aires. Analiza tres sitios principales (Garbarino, Frávega y Ribeiro) y su interacción con los usuarios para la compra de productos electrónicos. Explica que muchos sitios agregan demasiados elementos visuales que distraen al usuario de su objetivo principal. La investigación evaluará la usabilidad de estos sitios a través de inspecciones de expertos y tests de usuarios para diagnosticar problemas y oportunidades de mejora en la
Este documento presenta una tesis de grado para optar al título de Magíster en Ingeniería Informática. La tesis se enfoca en proponer una metodología de evaluación de usabilidad para aplicaciones web transaccionales. Primero revisa los conceptos de usabilidad, ingeniería web y los principales métodos de evaluación de usabilidad. Luego analiza cómo estos métodos se han aplicado a aplicaciones web transaccionales. Finalmente, presenta un caso de estudio donde se aplican diversos métodos de evaluación a un prototipo web de una cadena de super
Este documento presenta un método para evaluar la usabilidad temprana en ambientes OO-Method a partir de modelos conceptuales. Se define un modelo de usabilidad basado en subcaracterísticas y atributos medibles. Se proponen métricas y agregaciones para medir los atributos a nivel de modelo conceptual, permitiendo evaluar la usabilidad sin necesidad de una aplicación final o participación de usuarios.
En 1974 la Crónica de la Organización Mundial de la
Salud publicó un importante artículo llamando la atención
sobre la importancia de la deficiencia de yodo como problema
de la salud pública y la necesidad de su eliminación, escrito por
un grupo de académicos expertos en el tema, Prof. JB Stanbury
de la Universidad de Harvard, Prof. AM Ermans del Hospital
Saint Pierre, Bélgica, Prof. BS Hetzel de la Universidad de
Monash, Australia, Prof. EA Pretell de la Universidad Peruana
Cayetano Heredia, Perú, y Prof. A Querido del Hospital
algunos casos de tirotoxicosis y el temor a su extensión con
(18)
distribución amplia de yodo . Recién a partir de 1930 varios
(19)
investigadores, entre los que destaca Boussingault , volvieron
a insistir sobre este tema, aconsejando la yodación de la sal para
su uso terapéutico.
Desórdenes por deficiencia de yodo en el Perú
Universitario, Leiden, Holanda .
(15)
En el momento actual hay suficiente evidencia que
demuestra que el impacto social de los desórdenes por
deficiencia de yodo es muy grande y que su prevención resulta
en una mejor calidad de vida y de la productividad, así como
también de la capacidad de educación de los niños y adultos.
Prevención y tratamiento de los DDI
Los desórdenes por deficiencia de yodo pueden ser
exitosamente prevenidos mediante programas de suplementa-
ción de yodo. A través de la historia se han ensayado varios
medios para tal propósito, pero la estrategia más costo-efectiva
y sostenible es el consumo de sal yodada. Los experimentos de
Marine y col.
(16, 17)
entre 1907 a 1921 probaron que la deficiencia
y la suplementación de yodo eran factores dominantes en la
etiología y el control del bocio endémico. El uso experimental
de la sal yodada para la prevención del bocio endémico se llevó
a cabo en Akron, Ohio, con resultados espectaculares y fue
seguida por la distribución de sal yodada en Estados Unidos,
Suiza y otros lugares. El uso clínico de este método, sin
embargo, fue largamente postergado por la ocurrencia de
La presencia de bocio y cretinismo en el antiguo Perú
antecedió a la llegada de los españoles, según comentarios en
crónicas y relatos de la época de la Conquista y el Virreinato. En
(20)
una revisión publicada por JB Lastres se comenta que Cosme
Bueno (1769), refiriéndose a sus observaciones entre los
habitantes del altiplano, escribió “los más de los que allí habitan
son contrahechos, jibados, tartamudos, de ojos torcidos y con
unos deformes tumores en la garganta, que aquí llaman cotos y
otras semejantes deformidades en el cuerpo y sus corres-
pondientes en el ánimo”. Y es lógico aceptar como cierto este
hecho, dado que la deficiencia de yodo en la Cordillera de los
Andes es un fenómeno ambiental permanente desde sus
orígenes.
Luego de la Independencia hasta los años 1950s, la
persistencia del bocio y el cretinismo endémicos en la sierra y la
selva fue reportada por varios autores, cuyos importantes
(20)
COMUNIDADES DE APRENDIZAJE EN EL CURSO DE APLICACIONES PARA INTERNET
9 565-8016cqd
1. Aplicación de simulación Monte Carlo en un
sistema de Inventarios Dinámico
Vicente Ángel Ramírez Barrera1
Ángel Eduardo Ramírez Nieves2
RESUMEN
La principal herramienta con que se cuenta actualmente en las ciencias sociales, y en cualquier
otra ciencia, es la computadora. Su aplicación en áreas organizacionales, administrativas,
empresariales y comerciales ha traído cambios profundos. El propósito de este trabajo es demostrar
cómo la simulación Monte Carlo en computadora digital coadyuva a tomar decisiones en un sistema
dinámico de inventarios y a corregir apreciaciones subjetivas. Los primeros resultados obtenidos
con la información proporcionada mostraron inconsistencias en el comportamiento del sistema por
lo que se procedió a reconsiderar los datos dados y correr nuevamente el modelo de simulación;
esta vez, con resultados satisfactorios.
Administración
1
Profesor-Investigador Universidad Autónoma Metropolitana, Unidad Xochimilco, varbar@correo.xoc.uam.mx
2
Profesor-Investigador Universidad Tecnológica del Estado de México
2. Palabras clave: Computadora, decisión, inventario, simulación y sistema.
Keywords: Computer, decision, inventory, simulation and system.
ABSTRACT
The main tool we currently have in the social sciences, and in any other science, is the computer. Its
application in areas organizational, administrative, business and trade has brought profound changes.
The purpose of this paper is to demonstrate how Monte Carlo simulation in digital computer helps to make
decisions in a dynamic system and correct inventory subjective judgments. The first results obtained with
the information provided showed inconsistencies in the behavior of the system so we proceeded to reconsider
the data given the model and run simulation again, this time successfully.
3. 67
APLICACIÓN DE SIMULACIÓN MONTE CARLO EN UN SISTEMA DE INVENTARIOS DINÁMICO
Introducción
La principal herramienta con que se cuenta actualmente
en las ciencias sociales, así como en cualquier otra ciencia,
es la computadora. Ésta por su capacidad para manejar
grandes volúmenes de datos y amplia flexibilidad para
simular la realidad, abre una nueva expectativa para
observar, analizar y conocer fenómenos de las diversas áreas
sociales. Con el ordenador electrónico se pueden solucionar
problemas que no es factible resolver con otros medios.
Algunos experimentos que se han realizado para solventar
problemas por medio del procesador electrónico de datos
son: simulación de procesos de producción, simulación
para entrenamiento de personas, simulación dinámica no
lineal de sistemas sociales, etc. En especial, las aplicaciones
de la computadora en las áreas organizacionales,
administrativas, empresariales y comerciales han traído
cambios profundos, principalmente con el surgimiento de
una nueva clase social e intelectual de personas que además
de usar al ordenador electrónico, lo comprenden, lo
dominan, y por tanto, piensan de manera diferente acerca
de lo que es el conocimiento ahora; es decir, este
dispositivo electrónico ha venido a modificar la estructura
misma del conocimiento.
El poder de la computadora en la solución de
problemas se halla en su capacidad para modelar y simular
sistemas, aun cuando sean complejos o dinámicos; es tan
sorprendente su potencial en este sentido, que por su uso,
importancia y calificado nivel intelectual, la rama de la
ciencia computacional ha llegado quizás a superar a las
dos ramas tradicionales de la ciencia, la experimental y la
teórica. El vertiginoso ascenso de esta ciencia se debe sin
duda a los impresionantes adelantos que ha habido tanto
en el hardware como en el software de la computación.
De esta manera, a través del procesador electrónico se han
podido enfrentar problemas que antes no podían abordarse.
Este nuevo método de análisis de sistemas que permite el
ordenador electrónico, en especial en las ciencias sociales
como la economía, las ciencias políticas, la
administración, etc., está revelando nuevos aspectos de la
realidad que se viven ahora.
Generalmente en las ciencias sociales no se pueden
realizar pruebas debido a motivos éticos; sin embargo, los
modelos de simulación en computadora son un nuevo
modo de hacer ensayos y a veces son la única ruta a seguir.
Por ejemplo, en el caso de la administración, si se realizan
observaciones precisas de sistemas reales en las
organizaciones y luego se simulan en un ordenador
electrónico los modelos de esos sistemas, se avanza tanto
en la parte teórica como en la eficacia de esas
organizaciones y de sus sistemas, porque los modelos de
computación son una nueva forma de hacer “experimentos”
para resolver problemas, tomar decisiones, innovar y
obtener conocimiento.
La computadora, como herramienta para estudiar
sistemas dinámicos, cumple un importante papel para
establecer la necesaria precisión en ellos, pues se pueden
hacer modelos computarizados con algoritmos que simulen
su conducta a través del tiempo. El comportamiento del
estado del sistema se determina mediante la identificación
de sus elementos o partes, el establecimiento de las
relaciones que existen entre éstos y la definición de sus
límites. Una vez identificados los elementos del sistema,
se recomienda seleccionar aquellos que sean los principales
4. 68
A D M I N I S T R A C I Ó N Y O R G A N I Z A C I O N E S , DICIEMBRE 2010
causantes de su comportamiento; esto es, los que permitan
determinar el espacio del estado del sistema, omitiendo
toda clase de aspectos irrelevantes. Cuando se cuenta con
esta información se está en posibilidad de construir
modelos que representen la estructura del sistema, para
luego, simular su comportamiento en un procesador
electrónico y, como se trata de un modelo de un sistema
dinámico, al representar sus elementos y relaciones, hay
que hacerlo en un estado de interacción.
Cabe recordar que las computadoras son máquinas
y que, aun en los estudios de simulación, no se puede
dejar de lado el juicio humano en relación con los datos y
los programas que se introducen en el ordenador
electrónico; por tanto, siempre hay que tener presente que
un procesador electrónico es un instrumento en manos
humanas y no una caja negra con cualidades mágicas que
pueda crear por si sola una realidad o conocimiento nuevo.
Si esto sucede, entonces con toda seguridad se está
confundiendo la simulación con la realidad. Al intentar
simular sistemas, y para que las simulaciones sean eficaces,
se deben emplear modelos sencillos que los representen,
si no lo que se haría es simplemente tratar de imitar
ciegamente esos sistemas pero sin alcanzar comprensión
alguna de su comportamiento. A través de la simulación
en computadora es factible obtener un cuadro más preciso
de las conductas de los sistemas al establecer correlaciones
entre sus diferentes partes y conocer por qué o cómo se
dan estas3
.
Planteamiento del Problema
El proceso mental de la mayoría de las personas utiliza
conceptos que, después de ser manipulados mentalmente,
crean nuevos arreglos de la realidad. Estos conceptos no
son, de hecho, el sistema real sino abstracciones basadas
en su experiencia, la que ha sido filtrada y modificada por
la percepción del individuo y por los procesos
organizacionales donde está inmerso. De esta manera,…
la mente humana está bien adaptada para construir y usar
modelos que relacionan objetos en el espacio... Pero si se
enfrenta con los modernos sistemas sociales y tecnológicos
sin ayuda, entonces no tiene la capacidad adecuada para
construir e interpretar los modelos dinámicos que
representan a esos sistemas ni para analizar sus cambios a
través del tiempo (Forrester, 1980, p. 3-2).
Algunos de los defectos existentes que puede haber
en los modelos mentales de la gente acerca de los sistemas
pueden ser eliminados. Esto es, se puede entender
razonablemente mejor la realidad de un sistema cuando el
modelo que lo representa se puede expresar como un
diagrama o por medio de ecuaciones, cuando sus
suposiciones subyacentes pueden ser analizadas, cuando
se puede presentar a otras personas y éstas lo entienden y
cuando se puede determinar su patrón de comportamiento
a través del tiempo. Además, con la transcripción de esas
representacioneseninstruccionesparalacomputadoraayuda
al proceso mental de los sujetos a entender como varían
los sistemas en el tiempo.
3
Un modelo que explica y correlaciona los datos de una manera cuantitativa y descriptiva, sin ir a las razones profundas por las cuales
existen tales correlaciones, se denomina fenomenológico. La creación de un modelo fenomenológico es el primer paso hacia una
comprensión más profunda de lo que ocurre en un sistema (Pagels, 1991; p. 88).
5. 69
APLICACIÓN DE SIMULACIÓN MONTE CARLO EN UN SISTEMA DE INVENTARIOS DINÁMICO
La simulación es un proceso de solución que se
sigue paso a paso. Las ecuaciones o las instrucciones dadas
para calcular el siguiente paso en el tiempo son
denominadas “el modelo de simulación”. Actualmente
estos modelos están recibiendo mucha atención por parte
de quienes toman decisiones; cuando se trata con problemas
suscitados en sistemas cuyas soluciones analíticas están
más allá del alcance de las matemáticas actuales o es muy
costoso hacer una experimentación física del mismo,
entonces se gira la atención hacia un proceso de simulación
en computadora.
La simulación en un ordenador electrónico es un
“experimento” que proporciona una solución que no es la
óptima; sin embargo, si otorga un conjunto de
aproximaciones que son soluciones factibles para el
problema o bien un conjunto de posibles patrones de
conducta para el sistema en un futuro. Con la simulación
en computadora digital es posible registrar la historia a
través del tiempo de la operación simulada del sistema;
esto es, se registran los coeficientes y condiciones iníciales
de los valores numéricos que fueron seleccionados en un
principio y se guarda información sobre las diferentes
condiciones y cálculos (paso a paso) como una respuesta
de la conducta que sigue el sistema a través del tiempo
que se simula. Además, hay que considerar que el costo
de uso de las computadoras actualmente es tan barato que
no importa cuán grande sea el número de simulaciones
que se hagan del modelo del sistema, éste será mínimo y
los cálculos muy rápidos.
Desde hace más de 30 ańos que el Sr. Gonzalo
Tlacxami Almaraz es dueńo, junto con dos de sus
hermanos, Raúl y Antonio, de la refaccionaria para autos y
camiones “Almaraz”. Esta está ubicada en el kilometro
20.5 de la carretera federal México – Toluca, en la entrada
al pueblo de Cuajimalpa. La Refaccionaria Almaraz es un
sistema constituido por sus dueńos, los diferentes tipos de
refacciones y productos que venden; además, se puede
clasificar como abierto porque interactúa y tiene relación
con elementos del ambiente (proveedores, clientes,
contadores, representantes de la Delegación Política de
Cuajimalpa de Morelos, etc.). Además, es un sistema
dinámico porque cambia constantemente su estado debido
a las transacciones comerciales que lleva a cabo. En la
Refaccionaria Almaraz se suscitó un problema de
inventarios de amortiguadores para los autos Chevy de la
marca Chevrolet, por lo que se procedió a utilizar
simulación por el método de Monte Carlo para encontrarle
una solución. El problema sentido era cuándo hacían el
pedido a su proveedor y, principalmente, el tiempo en
qué se los entregaban. Los dueńos solicitaron apoyo a los
autores de este trabajo para analizar esta situación.
Objetivo del trabajo
El objetivo de este trabajo es: “Demostrar cómo la técnica
de simulación Monte Carlo en computadora digital
coadyuva a una toma de decisiones adecuada en un sistema
dinámico de inventarios”.
Metodología
El método que se siguió fue, primero, una entrevista
personal donde los dueńos expresaron sus opiniones
respecto del problema sentido y sus experiencias, según su
6. 70
A D M I N I S T R A C I Ó N Y O R G A N I Z A C I O N E S , DICIEMBRE 2010
memoria, sin recurrir a la revisión de documentación.
Después de un primer análisis, sobre la base de la
información proporcionada, y ante resultados adversos, se
procedió a revisar una muestra de sus registros; con estos
datos se determinó nuevamente la demanda semanal y el
número de semanas desde que se coloca el pedido hasta
que se entregan los juegos de amortiguadores en la
Refaccionaria. Por último, se propusieron valores para el
punto de pedido y la cantidad pedida con el propósito de
observar la variación en el comportamiento del sistema de
inventario. En cada uno de las simulaciones se realizaron
corridas que comprenden diez ańos de operación, es decir,
520 semanas simuladas, y se obtuvieron las estadísticas
correspondientes.
Marco conceptual
La técnica de la simulación ha sido por mucho tiempo
una importante herramienta (Thierauf & Grosse, 1970, p.
470 y Hillier & Lieberman, 2010; p. 871) que permite
probar con anticipación los resultados de algunas de las
decisiones que se piensan tomar en las organizaciones
(Bierman et al, 1994; p. 559) y, de hecho, ya existe un
gran número de empresas en todo el mundo que han
implantado modelos de simulación en computadoras para
seleccionar cursos de acción en áreas financieras, de
mercadotecnia, producción, inventarios, etc. (Prawda,
1996; p. 315).
La simulación4
en computadora es una técnica cuya
aplicación tiene como fin obtener conocimiento nuevo o
resolver problemas de decisión imitando la operación o
comportamiento dinámico de un sistema, que se está
proponiendo o que existe en la realidad, mediante la
construcción de un dispositivo experimental numérico o
un modelo matemático y/o lógico, donde se sustituyen las
propiedades esenciales de aquellos por expresiones
matemáticas o lógicas, para luego representar su conducta
en una computadora a través de la dimensión tiempo.
La simulación actualmente es una técnica relevante
de la Investigación de Operaciones, debido principalmente
al gran desarrollo tecnológico que se ha dado en el ámbito
de las computadoras en los últimos sesenta ańos. En los
procedimientos cuantitativos de la Investigación de
Operaciones se utiliza ampliamente el ordenador
electrónico por la flexibilidad con que pueden representarse
los modelos matemáticos y/o lógicos, más la gran capacidad
que tiene de almacenar datos y su rapidez de
procesamiento5
.
Cuando se quiere conocer, mejorar o cambiar el
funcionamiento de un sistema, la mejor manera de hacerlo
4
Naylor (1971; p. 16) en su obra expone dos definiciones de simulación, la primera es más formal que la segunda como se puede ver a
continuación:
a) “x simula a y” si y sólo si: 1), x e y son sistemas formales; 2), y se considera como el sistema real; 3), x se toma como una
aproximación del sistema real; 4), las reglas de validez en x no están exentas de error.
b) Simulación de un sistema (o un organismo) es la operación de un modelo (simulador), el cual es una representación del sistema.
Este modelo puede sujetarse a manipulaciones que serían imposibles de realizar, demasiado costosas o imprácticas. La operación de un
modelo puede estudiarse y con ello, inferirse las propiedades concernientes al comportamiento del sistema o subsistema real.
5
También debido a que actualmente están al alcance de cualquier persona que necesita tomar una decisión o solucionar un problema que
no se pueda resolver porque no se cuenta con modelos matemáticos analíticos que permitan obtener resultados óptimos debido a la
complejidad que presentan, a las relaciones estocásticas que existen entre sus componentes o a la ausencia de información y datos.
7. 71
APLICACIÓN DE SIMULACIÓN MONTE CARLO EN UN SISTEMA DE INVENTARIOS DINÁMICO
es observándolo y luego simulándolo en un procesador
electrónico de datos. La observación permite analizar al
sistema en su estado actual y recopilar datos, generalmente
en un intervalo de tiempo dado. Esto proporciona
información importante acerca de la operación del proceso
o comportamiento del sistema bajo estudio. Después, se
puede representar como un conjunto de relaciones
matemáticas y lógicas entre los elementos y subconjuntos
que lo conforman con el fin de simular su comportamiento;
esto es, para imitar al sistema es necesario contar con un
modelo de simulación6
. Este modelo posteriormente es
traducido a lenguaje de computadora, construido en un
paquete de simulación o representado en una hoja de
cálculo electrónica para ser ejecutado en un ordenador
electrónico, donde se simulará el desempeńo real del
sistema a través del tiempo.
La simulación de un sistema en computadora se
considera como un experimento de tipo estadístico o de
muestreo cuyos resultados deben analizarse mediante
pruebas estadísticas adecuadas. La técnica de la simulación
no es un método de optimización, su aplicación implica
realizar estudios donde se hace la pregunta: żQué sucedería
si...? En particular, la técnica de la simulación se emplea
ampliamente en la administración de todo tipo de
organización para estudiar o analizar sistemas donde no se
pueden usar métodos analíticos que permitan determinar
con exactitud soluciones óptimas. Es decir, apoyándose
en esta técnica y haciendo uso de ordenadores electrónicos
se puede imitar la operación de sistemas para proporcionar,
a quien es responsable de tomar decisiones, de alternativas
de solución, no óptimas, para los problemas que se generan
en dichos sistemas.
El procesador electrónico de datos, dada sus
características de alta velocidad y gran capacidad de
memoria, como ya se mencionó, puede simular la operación
de un sistema por mucho tiempo, inclusive por varios ańos,
en tan sólo algunos minutos. Al registrar el desempeńo de
la operación simulada de un sistema se podrán considerar
varios tipos de diseńo del sistema o cursos de operación
de un proceso perteneciente al sistema, que permitirán
evaluar varias alternativas antes de decidirse por una de
ellas.
Las ventajas de la simulación son: su aplicación
directa, que no afecta al sistema en su operación; menor
costo que la sustitución del sistema real por un nuevo diseńo
propuesto; más fácil de aplicar que los métodos analíticos
y; una vez construido el modelo de simulación, éste se
puede ejecutar en una computadora cuantas veces se desee
para analizar diferentes valores de los parámetros, diversas
políticas propuestas o algunos nuevos diseńos del sistema.
Al realizar la simulación mediante un ordenador
electrónico, los valores de inicio son de tipo controlado y
los proporciona generalmente quien está interesado en
resolver el problema o quien toma las decisiones para que
se solucione; mientras que los valores de tipo probabilístico
se generan mediante algún proceso aleatorio. El proceso
general de una corrida de simulación en computadora se
muestra en la gráfica #1.
6
Winston (2005; p. 1145) define al modelo como la forma de un conjunto de suposiciones acerca de la operación del proceso o sistema real
o propuesto, expresado como relaciones matemáticas o lógicas entre sus objetos o componentes de interés.
8. 72
A D M I N I S T R A C I Ó N Y O R G A N I Z A C I O N E S , DICIEMBRE 2010
Método de Monte Carlo
El uso de la simulación por el método
de Monte Carlo se remonta a fines de
1940, cuando John von Neumann y
Stanislaw Ulam acuńaron el término
“análisis de Monte Carlo” para aplicarlo
a una técnica matemática que usaban
entonces para resolver ciertos problemas
de protección nuclear que eran, o
demasiado costosos para resolverse
experimentalmente o demasiado
complicados para ser tratados
analíticamente. El análisis de Monte
Carlo involucra la solución de un
problema matemático probabilístico,
mediante la simulación de un proceso
estocástico cuyos momentos o
distribuciones de probabilidad
satisfacen las relaciones matemáticas
del problema (Naylor, 1971; p. 15).
Recibió el nombre de Monte Carlo en
referencia al Casino de Monte Carlo,
ubicado en el Principado de Mónaco,
al que se considera “la capital del
juego de azar”. La ruleta es un
generador de números aleatorios. En
la gráfica #2 se expone el
procedimiento que se sugiere aplicar
cuando se usa el método Monte Carlo.
Paso
1
Paso
2
Paso
3
Paso
4
Paso
5
Paso
6
Paso
7
Paso
8
Paso
9
IDENTIFICACIÓN DEL SISTEMA COMPLEJO
DETECCIÓN DE UNA SITUACIÓN DE TOMA DE DECISIONES
IDENTIFICACIÓN DE LA VARIABLE ALEATORIA Y SU ESPACIO DE MUESTREO
RECOLECCIÓN DE DATOS DE LA VARIABLE ALEATORIA
IDENTIFICACIÓN DE LA FUNCIÓN DE PROBABILIDAD O CONSTRUCCIÓN DEL CUADRO DE
FRECUENCIAS ABSOLUTAS Y RELATIVAS
CONSTRUCCIÓN DE LA FUNCIÓN DE PROBABILIDAD ACUMULADA
GENERACIÓN DE UN NUMERO ALEATORIO
SIMULACIÓN DE UN VALOR ALEATORIO ESPECIFICO DE LA VARIABLE ALEATORIA MEDIANTE EL CALCULO
CON LA SUSTITUCIÓN DEL NUMERO ALEATORIO EN LA TRANSFORMADA INVERSA DE LA FUNCIÓN
DE PROBABILIDAD ACUMULADA O CON LA ASIGNACIÓN DEL MISMO EN EL CUADRO DE LA FUNCIÓN DE
PROBABILIDAD ACUMULADA
DETERMINACIÓN O CONSTRUCCIÓN DEL CUADRO DE LA TRANSFORMADA INVERSA DE LA FUNCIÓN
DE PROBABILIDAD ACUMULADA
Gráfica 2
Procedimiento general del método de simulación Monte Carlo
Elaboración propia
¿ES
ACEPTA-
BLE?
ANÁLISIS LÓGICO Y
ESTADÍSTICO DE LOS
VALORES
SIMULADOS
CONCLUIR EL EXPERIMENTO
O SIMULACION
VALORES
SIMULADOS QUE
PROPORCIONAN
UNA POSIBLE
SOLUCIÓN AL
PROBLEMA DE
DECISIÓN
EJECUCIÓN DEL
PROGRAMA DEL
MODELO DE
SIMULACIÓN EN
UNA
COMPUTADORA
NO
DETERMIN STICOS
(DISTRIBUCIONES
DE PROBABILIDAD)
Í
DETERMIN STICOSÍ
ENTRADA DE
DATOS
EXPERIMENTO
ALEATORIO
OBTENCIÓN DE RESULTADOS
SIMULADOS
NO
SI
Gráfica 1
Proceso general de una corrida de simulación
en computadora para resolver un problema de decisión
Elaboración propia
9. 73
APLICACIÓN DE SIMULACIÓN MONTE CARLO EN UN SISTEMA DE INVENTARIOS DINÁMICO
Resultados
En el momento de la entrevista, los dueńos expresan que
su proveedor no les surte adecuadamente. Según su opinión,
la cantidad que se vende de juegos de amortiguadores para
este tipo de auto por semana, es la que se expresa en el
cuadro #1.
Cuadro 1
Distribución de la demanda semanal de juegos completos de
amortiguadores para autos Chevy de la marca Chevrolet
Elaboración propia
1
2
3
4
5
Total
0.05
0.25
0.35
0.20
0.15
1.00
0.05
0.30
0.65
0.85
1.00
Demanda semanal
(Juegos amortiguadores)
Frecuencia
relativa
Frecuencia
acumulada
Respecto al tiempo que transcurre entre la colocación
de un pedido y la entrega de la mercancía por parte del
proveedor, estiman que fluctúa entre dos y cinco semanas,
como se puede observar en el cuadro #2.
Cuadro 2
Distribución de semanas desde que se coloca el pedido hasta la
entrega de los amortiguadores en la Refaccionaria Almaraz
Elaboración propia
2
3
4
5
Total
0.20
0.50
0.20
0.10
1.00
0.20
0.70
0.90
1.00
Numero de
semanas
Frecuencia
relativa
Frecuencia
acumulada
Es obvio que se trata de un problema de inventarios
con demanda y tiempos de entrega de la mercancía no
determinísticos, donde los dueńos están interesados en el
tiempo de anticipación en que deben formular el pedido a
su proveedor, Refaccionaria California, con el propósito
de contar con existencia del producto, para siempre
satisfacer la demanda aleatoria de su clientela. Dada la
situación anterior, para determinar el comportamiento no
determinístico del sistema de inventarios, la demanda
aleatoria y las pérdidas por escasez de los juegos de
amortiguadores para autos Chevy se procedió a realizar
una simulación Monte Carlo.
En el cuadro #3 se determinan los intervalos de
números aleatorios para simular la cantidad demandada
de juegos de amortiguadores para autos Chevy de la marca
Chevrolet y, en el cuadro #4, se especifican los intervalos
de números aleatorios para simular el número de semanas
de entrega de los juegos de amortiguadores por parte del
proveedor.
Cuadro 3
Asignación de números aleatorios para simular la demanda de
juegos de amortiguadores para autos Chevy de la marca Chevrolet
Elaboración propia
0.0000 D<0.05<
0.0500 D<0.30
0.3000 D<0.65
0.6500 D<0.85
0.8500 D<1.00
<
<
<
<
1
2
3
4
5
Intervalo de números
aleatorios
Asignación simulada
de la demanda
10. 74
A D M I N I S T R A C I Ó N Y O R G A N I Z A C I O N E S , DICIEMBRE 2010
Cuadro 4
Asignación de números aleatorios para simular las semanas desde
que se coloca el pedido, hasta la entrega de los amortiguadores en
la Refaccionaria Almaraz
Elaboración propia
Para llevar a cabo la primera simulación en
computadora se ha considerado el punto de pedido (R =
5), la cantidad por pedido (Q = 10) y la existencia en
inventario (II = 15) de juegos de amortiguadores.
En el cuadro #5 se puede observar una muestra de
los resultados iníciales y finales de la primera simulación
en computadora, realizada con datos recolectados según
la apreciación subjetiva de los dueńos, del comportamiento
del inventario semanal de juegos completos de
amortiguadores para autos Chevy durante diez ańos. Los
encabezados de las columnas por sí mismos muestran las
relaciones matemáticas y lógicas utilizadas en la simulación
Monte Carlo en hoja de cálculo Excel. Las estadísticas
obtenidas de esta primer corrida (véase cuadro #6) seńalan
que el inventario promedio al inicio de semana fluctúa,
con un 95% de confianza, entre tres y cuatro juegos de
amortiguadores, sin embargo, en la mayoría de las semanas
no hay existencia y el coeficiente de variación es muy
grande (109.84%); en cambio, la demanda promedio por
semana es prácticamente constante (tres juegos de
amortiguadores) con un coeficiente de variación de
0.0000 D<0.20<
0.2000 D<0.70
0.7000 D<0.90
0.9000 D<1.00
<
<
<
2
3
4
5
Intervalo de números
aleatorios
36.09%, y; las ventas perdidas son de casi dos juegos de
amortiguadores por semana, aunque según la moda la más
de las veces no hay pérdida, pero su coeficiente de variación
de 108.07% implica alta variabilidad en este concepto.
Cuadro 6
Estadísticas descriptivas del inventario a inicio de semana, de la
demanda semanal y de las pérdidas por escasez
Elaboración propia
Ante el alto valor de los coeficientes de variación
obtenidos en las variables de inventario al principio de
semana y la pérdida de ventas semanal, se concluyó que
algo no estaba bien. Se procedió a revisar los datos
proporcionados y a realizar nuevas simulaciones. Después
de un número suficientemente grande de intentos se dedujo
que la apreciación que tenían los dueńos en la entrega del
producto por parte del proveedor en el momento en que la
proporcionaron era probablemente errónea. Un nuevo
acercamiento con ellos condujo a la posibilidad de recabar
datos de los registros de la Refaccionaria. El
comportamiento que se detectó de la demanda semanal
de juegos de amortiguadores varia con respecto a la opinión
Media
Error típico
Mediana
Moda
Desviación estándar
Varianza de la muestra
Curtosis
Coeficiente de asimetría
Rango
Mínimo
Máximo
Suma
Cuenta
Concepto
3.521154
0.16961
2
0
3.867698
14.95909
-1.10939
0.622185
15
0
15
1831
520
3.05962
0.04844
3
3
1.10451
1.21995
-0.73756
0.26937
4
1
5
1591
520
1.56154
0.074
1
0
1.68756
2.84784
-1.0662
0.56105
5
0
5
812
520
Inventario Demanda Pérdida
11. 75
APLICACIÓN DE SIMULACIÓN MONTE CARLO EN UN SISTEMA DE INVENTARIOS DINÁMICO
Cuadro 5
Resultados de la simulación de diez ańos del inventario semanal de juegos completos de amortiguadores para autos Chevy de la marca
Chevrolet
Elaboración propia
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
---
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
4
5
2
4
5
2
4
4
3
2
5
4
5
3
2
4
4
2
5
2
4
4
2
5
4
2
3
4
2
4
4
11
6
4
0
0
0
6
2
0
0
0
0
5
2
0
0
0
0
5
3
0
0
8
3
0
0
0
0
0
0
6
0
0
0
0
5
2
0
0
1
2
5
4
0
0
0
4
4
2
0
0
1
4
0
0
1
2
3
4
2
4
0
0
0
0
10
0
0
0
0
10
0
0
0
0
10
0
0
0
0
0
10
0
0
0
0
10
0
0
0
0
0
0
0.1590
0.3763
0.1270
0.1681
0.9870
NO
NO
NO
SI
NO
NO
NO
NO
SI
NO
NO
NO
NO
SI
NO
NO
NO
NO
NO
SI
NO
NO
NO
NO
SI
NO
NO
NO
NO
NO
NO
15
11
6
4
0
0
10
6
2
0
0
0
10
5
2
0
0
0
10
5
3
0
10
8
3
0
0
0
0
0
10
0.7546
0.8845
0.1472
0.7312
0.9109
0.2980
0.6854
0.7823
0.5587
0.1575
0.9081
0.6843
0.8810
0.4662
0.1462
0.8104
0.8381
0.1650
0.9998
0.2717
0.6873
0.7162
0.1431
0.9274
0.7893
0.2345
0.6073
0.7657
0.2132
0.7569
0.7358
Número de
semana
Inventario
inicio de
semana
Inventario
final de
semana
Ventas
perdidas x
escasez
Colocar
pedido
Cantidad
pedida
Q=
Numero
aleatorio
(demanda)
Número
aleatorio
(entrega)
Demanda
semanal
simulada
0
0
0
0
0
10
0
0
0
0
0
10
0
0
0
0
0
10
0
0
0
10
0
0
0
0
0
0
0
10
0
Número
semanas
simuladas
Cantidad
entregada
0
0
0
2
0
0
0
0
3
0
0
0
0
2
0
0
0
0
0
2
0
0
0
0
5
0
0
0
0
0
0
12. 76
A D M I N I S T R A C I Ó N Y O R G A N I Z A C I O N E S , DICIEMBRE 2010
de los dueńos, de hecho es menor, como se muestra en el
cuadro #7 y lo mismo ocurre con la variable número de
semanas que pasan desde que se coloca el pedido hasta la
entrega de los juegos de amortiguadores en la Refaccionaria
(véase cuadro #8).
Cuadro 7
Distribución de la demanda semanal de juegos completos de
amortiguadores para autos Chevy de la marca Chevrolet revisada.
Elaboración propia
Cuadro 8
Distribución de semanas desde que se coloca el pedido hasta la
entrega de los juegos de amortiguadores en la Refaccionaria
Almaraz revisada
Elaboración propia
Con la información sustraída de los registros de la
Refaccionaria se procedió entonces a elaborar nuevos
intervalos de números aleatorios y realizar nuevas corridas
de simulación de diez ańos (520 semanas). Los resultados
se pueden ver en el cuadro #9 a continuación.
1
2
3
4
5
Total
0.15
0.40
0.25
0.15
0.05
1.00
0.15
0.55
0.80
0.95
1.00
Demanda semanal
(Juegos de amortiguadores)
Frecuencia
relativa
Frecuencia
acumulada
1
2
3
4
Total
0.50
0.30
0.15
0.05
1.00
0.50
0.80
0.95
1.00
Número de semanas Frecuencia
relativa
Frecuencia
acumulada
Media
Error típico
Mediana
Moda
Desviación estándar
Varianza de la muestra
Curtosis
Coeficiente de asimetría
Rango
Mínimo
Máximo
Suma
Cuenta
Concepto
4.988462
0.162105
5
0
3.696567
13.66461
-1.28737
0.081773
15
0
15
2594
520
2.60192
0.04764
2
2
1.08644
1.18034
-0.5725
0.42442
4
1
5
1353
520
0.53077
0.04729
0
0
1.07834
1.16283
3.27084
2.05353
5
0
5
276
520
Inventario Demanda Pérdida
Cuadro 9
Estadisticas descriptivas del inventario a inicio de semana, de la
demanda semanal y las pérdidas por escasez con datos revisados.
Elaboración propia
Con la nueva información recabada aumenta a cinco
juegos de amortiguadores el promedio del inventario inicial
semanal (dos más), la demanda promedio disminuye a
menos de tres juegos de amortiguadores (2.6) y, lo más
notable es que la pérdida de ventas por falta de existencia
se reduce a un promedio semanal de medio juego. Por
otro lado, los coeficientes de variación se comportan así:
el del inventario inicial disminuye de 109.84% a 74.10%,
el de la demanda aumenta de 36.09% a 41.76% y el de la
pérdida prácticamente se duplica al pasar de 108.07% a
203.17%.
Con el fin de ver si se podía mejorar la situación se
modificó la cantidad pedida (Q) de juegos de
amortiguadores disminuyéndola a siete juegos,
manteniendo sin variar el punto de pedido (R =5) y el
inventario inicial (II = 15). El resultado de la simulación,
también de 520 semanas, es el que se expone en el cuadro
#10 a continuación.
13. 77
APLICACIÓN DE SIMULACIÓN MONTE CARLO EN UN SISTEMA DE INVENTARIOS DINÁMICO
Cuadro 10
Estadisticas descriptivas del inventario a inicio de semana, de la
demanda semanal y las pérdidas por escasez
Elaboración propia
La variables demanda y pérdidas de ventas de juegos
de amortiguadores no varían, pero es notable la estadística
moda del concepto inventario al inicio de semana la cual
asciende a diez juegos aunque permanece la misma
variabilidad.
Para continuar con ensayos se determinó reducir el
punto de pedido R a cuatro unidades, manteniendo la
cantidad pedida Q en siete juegos y el inventario a inicio
de semana II en 15. En el cuadro #11 se muestran los
resultados de la simulación de 520 semanas con estos
datos. En términos absolutos los valores promedio son los
mismos que los de la simulación anterior: cinco juegos de
inventario inicial, tres juegos de demanda y un juego de
pérdida por semana. La variabilidad es prácticamente la
misma, de acuerdo a los valores de la desviación estándar.
Lo relevante en este cuadro es que la moda disminuye de
diez unidades a cero.
Media
Error típico
Mediana
Moda
Desviación estándar
Varianza de la muestra
Curtosis
Coeficiente de asimetría
Rango
Mínimo
Máximo
Suma
Cuenta
Concepto
5.153846
0.161163
5
10
3.675072
13.50615
-1.21732
0.052095
15
0
15
2680
520
2.51923
0.04447
2
2
1.01417
1.02853
-0.33958
0.48156
4
1
5
1310
520
0.57692
0.0475
0
0
1.08317
1.17326
2.75433
1.87851
5
0
5
300
520
Inventario Demanda Pérdida
Cuadro 11
Estadisticas descriptivas del inventario a inicio de semana, de la
demanda semanal y las pérdidas por escasez
Elaboración propia
Para resumir, véase el cuadro #12. En primer lugar
están los resultados obtenidos con los datos proporcionados
por los dueńos de la Refaccionaria, con lo cual se obtienen
los promedios de un inventario inicial de aproximadamente
cuatro juegos de amortiguadores, una demanda semanal
de tres y una pérdida promedio semanal de más de un
juego. A continuación se exponen los resultados promedio
de la simulación con datos extraídos de los registros de la
Refaccionaria son: el inventario a inicio de semana es de
cinco (uno más que en el caso anterior); la demanda semanal
es de dos (una unidad menos que en la simulación previa)
y la pérdida de ventas por semana es menor de una unidad
(disminución muy notable con respecto al ejercicio de la
simulación precedente). En tercer término, se exponen los
resultados con datos propuestos, disminuyendo la cantidad
pedida Q de quince a siete; en lo que se refiere a la demanda
semanal y la pérdida por semana de juegos de
Media
Error típico
Mediana
Moda
Desviación estándar
Varianza de la muestra
Curtosis
Coeficiente de asimetría
Rango
Mínimo
Máximo
Suma
Cuenta
Concepto
4.655769
0.166474
4
0
3.796201
14.41114
-1.32433
0.196652
15
0
15
2421
520
2.56154
0.04824
2
2
1.10004
1.21008
-0.42288
0.51429
4
1
5
1332
520
0.80385
0.05546
0
0
1.2646
1.59921
0.7083
1.3833
5
0
5
418
520
Inventario Demanda Pérdida
14. 78
A D M I N I S T R A C I Ó N Y O R G A N I Z A C I O N E S , DICIEMBRE 2010
amortiguadores no hay variación pero el inventario a
principio de semana si aumenta, aunque poco, y lo más
relevante es que se obtiene una moda de diez juegos según
se mencionó antes. Por último, se redujo en una unidad el
punto de pedido R, de cinco a cuatro, y se simuló
nuevamente el comportamiento del inventario de juegos
completos de amortiguadores para autos Chevy de la
marcha Chevrolet; los resultados indican que disminuye
la cantidad de juegos en inventario a menos de cinco
unidades, se mantiene la demanda con una solicitud de
juegos menor a tres y se tiene una pérdida menor a un
juego por semana. La variabilidad, interpretada a través de
la desviación estándar es semejante en todos los casos y
para las tres variables consideradas.
Cuadro 12
Resumen de las estadísticas del inventario a inicio de la semana, de
la demanda semanal y de las pérdidas por escasez
Elaboración propia
Con datos de los dueños
Media
Moda
Desviación estándar
Con datos de los registros
Con datos de 1er propuesta
Media
Moda
Desviación estándar
Media
Moda
Desviación estándar
Media
Moda
Desviación estándar
Con datos de 2da propuesta
Concepto
3.521154
0
3.867698
4.988462
0
3.696567
5.153846
10
3.675072
4.655769
0
3.796201
3.05962
3
1.10451
2.60192
2
1.08644
2.51923
2
1.01417
2.56154
2
1.10004
1.56154
0
1.68756
0.53077
0
1.07834
0.57692
0
1.08317
0.80385
0
1.2646
Inventario Demanda Pérdida
Conclusiones y recomendaciones
La técnica de Simulación Monte Carlo, realizada en hoja
de cálculo Excel de una computadora digital, coadyuva a
la toma de decisiones que se requieren en sistemas
dinámicos.
El método de simulación Monte Carlo en hoja de
cálculo Excel permite corregir la apreciación subjetiva de
un evento cuando no es la adecuada por parte de quienes
toman decisiones, pues el juicio o memoria de las personas
no siempre es correcto. En este caso, la abstracción mental
de la demanda semanal y las semanas de entrega de los
juegos de amortiguadores para autos Chevy, marca
Chevrolet, por los dueńos de la Refaccionaria Almaraz
posiblemente se distorsionó por alguna experiencia
reciente.
De acuerdo con las simulaciones realizadas se
recomienda disminuir el punto de pedido R a cuatro y la
cantidad pedida Q a siete juegos completos de
amortiguadores.
Se propone llevar a cabo un estudio más minucioso
que abarque los costos del inventario de juegos completos
de amortiguadores para esta clase de autos.
15. 79
APLICACIÓN DE SIMULACIÓN MONTE CARLO EN UN SISTEMA DE INVENTARIOS DINÁMICO
Referencias
• Bierman, H., Bonini, C. & Hausman, W., 1994;
Análisis cuantitativo para la toma de decisions; Ed. Addison
Wesley Iberoamericana, S. A.; USA.
• Churchman, C. W., 1979; El enfoque de sistemas;
Editorial Diana, S. A.; México.
• Daellenbach, H., George, J. & McNickle, D.,
1983; Introduction to operations research techniques; Ed.
Allyn and Bacon, Inc.; 2Ș Edición; USA.
• Eppen, G. D., Gould, F. J., Schmidt, C. P., Moore,
J. H. & Weatherford, L. R., 2000; Investigación de
operaciones en la ciencia administrativa; Ed. Prentice Hall
Hispanoamericana, S. A.; México.
• Gillet, B. E., 1976; Introduction to Operations
Research. A computer – oriented algoritmic approach; Ed.
McGraw Hill, Inc.; USA.
• Greenwood, W. T., 1978; Teoría de decisiones y
sistemas de información. Introducción a la toma de
decisiones administrativa; Editorial Trillas, SA.; México.
• Kelton, W. D., Sadowski, R. P. & Sturrock, D. T.,
2008; Simulación con software Arena; Ed. McGraw Hill
Interamericana Editores, S. A. de C. V.; México.
• Moskowitz, H. & Wright, G. P., 1979;
Investigación de operaciones; Ed. Prentice Hall
Hispanoamericana, S. A.; México.
• Prawda, J., 1996; Métodos y modelos de
investigación de operaciones; Editorial LIMUSA, S. A. de
C. V.; México.
• Simon, Herbert A., 1979, El Comportamiento
Administrativo. Estudio de los Procesos de Adopción de
Decisiones en la Organización Administrativa; Ed. Aguilar,
Economía de la empresa; Argentina.
• Taha, H. A., 1997; Investigación de operaciones.
Una introducción.; Ed. Prentice Hall Hispanoamericana,
S. A.; México.
• Thierauf, F. J. & Grosse, R. A. , 1970; Decision
Making through Operations Research; Ed. John Wiley &
Sons, Inc.; USA.