4.4: Elementos comunes de diseño

Los elementos comunes a todos los experimentos de simulación se discuten en las siguientes secciones. Estos incluyen parámetros del modelo y sus valores, medidas de rendimiento y flujos de números aleatorios.

4.4.1 Parámetros del modelo y sus valores

Los parámetros del modelo corresponden a variables de control del sistema o reglas operativas cuyos valores se pueden cambiar para cumplir con los objetivos de solución definidos en el primer paso del proceso de simulación. Los valores de los parámetros del modelo pueden ser cuantitativos, como el tamaño de un búfer o cualitativos, como qué política de enrutamiento usar.

A menudo, en el diseño y análisis experimental tradicional, las restricciones de tiempo y costo resultan en el uso de solo dos o tres valores de cada parámetro del modelo. La simulación brinda la oportunidad de probar tantos valores como el tiempo y los recursos informáticos lo permitan. Por ejemplo, se podrían simular varios tamaños de un búfer entre estaciones. Un tamaño muy grande podría representar un buffer infinito. Un tamaño de búfer de uno o dos sería mínimo. Se podrían evaluar tamaños intermedios de búfer como cinco y diez.

Los valores que se utilizan pueden depender de los resultados de las simulaciones anteriores. Por ejemplo, los resultados de las simulaciones iniciales pueden indicar que se necesita un tamaño de búfer en el rango de 10 a 20. Se ejecutarían simulaciones adicionales para tamaños de búfer entre 10 y 20.

Los parámetros del modelo deben definirse y especificarse sus valores.

4.4.2 Medidas de desempeño

Las medidas de desempeño son cantidades utilizadas para evaluar el comportamiento del sistema. Se definen de acuerdo con el principio 9 del capítulo 1: “Los resultados experimentales de simulación se ajustan a los requisitos únicos del sistema para la información”. Así, cada experimento de simulación podría tener diferentes medidas de desempeño.

Las posibles medidas de desempeño para experimentos con las dos estaciones en un modelo en serie podrían ser las siguientes:

1. El número de elementos que esperan en cada búfer.
2. El porcentaje de tiempo que cada estación de trabajo está ocupada.
3. El porcentaje de tiempo que cada estación de trabajo está inactiva.
4. El tiempo que un artículo pasa en el sistema (tiempo de entrega).
5. El número total de artículos procesados por la estación de trabajo.

Tenga en cuenta que los valores de las variables de estado se utilizan como medidas de rendimiento junto con el tiempo que toman las entidades en uno, más de uno o todos los pasos de procesamiento. También se desea contar el número de entidades que completan el procesamiento. Este tipo de medidas de rendimiento son típicas de muchos experimentos de simulación.

Deben definirse las medidas del desempeño, incluyendo cómo se computa cada una.

4.4.3 Flujos de muestras aleatorias

Un propósito de un experimento de simulación es comparar escenarios. Supongamos que no se encuentra diferencia estadísticamente significativa entre dos escenarios. Esto podría ocurrir porque los escenarios no causan diferencias claras en el rendimiento del sistema. Una segunda posibilidad indeseable es que la varianza de las observaciones realizadas durante la simulación sea demasiado alta para permitir que las verdaderas diferencias en las observaciones del sistema se confirmen estadísticamente.

Supongamos que deseamos evaluar un cambio en el funcionamiento de la estación de trabajo A en las dos estaciones en un modelo en serie donde el rango del tiempo de operación se reduce a distribuir uniformemente entre 7 y 11 segundos desde uniformemente distribuido entre 5 y 13 segundos. Las mismas llegadas podrían ser utilizadas en la simulación de ambos escenarios. De esta manera, la comparación podría hacerse con respecto al mismo conjunto de entidades procesadas por la estación de trabajo. En general, este enfoque se conoce como el método de números aleatorios comunes ya que las simulaciones de los dos escenarios tienen el mismo patrón de llegadas en común. Cada tiempo entre llegadas se determinó tomando una muestra aleatoria de la distribución exponencial modelando esta cantidad. En el próximo capítulo se discutirá cómo se hace esto.

Para comprender mejor el efecto de los números aleatorios comunes, considere lo que sucede cuando no se utilizan. Habría un conjunto diferente de llegadas en la simulación del primer escenario que en la simulación del segundo escenario. Las diferencias observadas en los valores de medición del desempeño entre los dos escenarios podrían deberse a las diferencias en las llegadas o a diferencias verdaderas entre los escenarios. Así, la varianza asociada a las estadísticas resumidas de diferencias en valores, como el plazo medio, probablemente sería mayor que si se utilizaran números aleatorios comunes. Esta mayor varianza podría resultar en una falla en la detección de una verdadera diferencia entre los escenarios con respecto a una medida de desempeño dada, como el tiempo de entrega, incluso si tal diferencia existiera.

El método de números aleatorios comunes requiere distintos flujos de muestras para cada cantidad modelada por una distribución de probabilidad. Si bien esto no garantiza una reducción en la varianza de la diferencia, la experiencia ha demostrado que a menudo ocurre una reducción. En la práctica para la mayoría de los lenguajes de simulación, esto significa que se debe dar un nombre distinto al flujo de muestras asociado a cada cantidad modelada por una distribución de probabilidad.

Law (2007) más detalles sobre el enfoque de números aleatorios comunes así como otras técnicas de diseño de experimentos para controlar la varianza. Banks, Carson, Nelson y Nicol (2009) también discuten estas técnicas.

Las cantidades modeladas por distribuciones de probabilidad en un modelo deben identificarse y denominarse de manera única el método de números aleatorios comunes se puede emplear.