13.2: Puntos hechos en el estudio de caso

Última actualización
Guardar como PDF

Page ID: 80823

\( \newcommand{\vecs}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \) \( \newcommand{\vecd}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash {#1}}} \)\(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\) \(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\)\(\newcommand{\AA}{\unicode[.8,0]{x212B}}\)

El sistema de inventario automático en este estudio de caso ilustra una consideración fundamental de la demanda y la gestión de inventario: el costo de mantener las operaciones de inventario con la necesidad de satisfacer las demandas de los clientes.

Las entidades a veces no representan entidades físicas. En este caso, una entidad representa información de control que fluye dentro del sistema de inventario.

Un sistema puede responder a cambios en los valores de las variables de estado. El sistema de inventario responde a cambios en la cantidad de inventario disponible. Cuando se alcanzan valores críticos, ocurren eventos estatales, en forma de entidades que llegan, e inician respuestas adecuadas. La capacidad de modelar la respuesta dinámica de un sistema a los cambios de valores variables de estado es una capacidad de simulación única.

Una simulación de Montecarlo generalmente se define como tomar muestras de una o más variables aleatorias, manipular las muestras y extraer información de los resultados en una situación en la que el tiempo no juega un papel sustantivo. Este experimento de simulación tiene estas características de Montecarlo. Sin embargo, se consideran múltiples puntos en el tiempo, cada uno separado por un día. Los cambios en los valores de las variables de estado día a día, determinados por las muestras aleatorias, son componentes significativos de la simulación.

En estudios de casos previos se modelan operaciones detalladas que afectan a entidades individuales. En este sistema se describe el efecto agregado de la producción y las ventas en la gestión de inventario. Se utilizan distribuciones estadísticas para cuantificar este comportamiento agregado. Las manipulaciones de estas distribuciones basadas en principios de probabilidad y estadística ayudan a determinar los valores de parámetros del sistema y del modelo.

El modelo utilizado en este estudio de caso ilustra una capacidad de simulación de importancia fundamental. El modelo consta de tres procesos. Cada proceso cambia los valores de las mismas variables de estado. Los procesos determinan independientemente qué acciones tomar en función de los valores de las variables de estado actuales. Sin embargo, ninguna información se transmite explícitamente entre los procesos. El motor de simulación realiza de manera transparente todas las tareas de coordinacion.