Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 151 vistas

    Uso de Experimenter

    Cargado por

    Yenny Yamilett Suil Cruz
    El documento describe los pasos para crear medidas de desempeño usando la herramienta Experimenter en Flexsim para validar modelos de procesos. Estos pasos incluyen crear etiquetas (labels) para los objetos en la simulación, definir fórmulas asociadas a los labels, y crear medidas de desempeño en Experimenter vinculadas a los labels. También explica cómo validar el modelo mediante la ejecución de corridas piloto y comparando los resultados de las medidas de desempeño con datos reales para verificar la precisión del modelo.

    Copyright:

    Attribution Non-Commercial (BY-NC)
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd

    Uso de Experimenter

    Cargado por

    Yenny Yamilett Suil Cruz
    151 vistas4 páginas
    El documento describe los pasos para crear medidas de desempeño usando la herramienta Experimenter en Flexsim para validar modelos de procesos. Estos pasos incluyen crear etiquetas (labels) para los objetos en la simulación, definir fórmulas asociadas a los labels, y crear medidas de desempeño en Experimenter vinculadas a los labels. También explica cómo validar el modelo mediante la ejecución de corridas piloto y comparando los resultados de las medidas de desempeño con datos reales para verificar la precisión del modelo.

    Derechos de autor

    © Attribution Non-Commercial (BY-NC)

    Formatos disponibles

    DOCX, PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    El documento describe los pasos para crear medidas de desempeño usando la herramienta Experimenter en Flexsim para validar modelos de procesos. Estos pasos incluyen crear etiquetas (labels) para los objetos en la simulación, definir fórmulas asociadas a los labels, y crear medidas de desempeño en Experimenter vinculadas a los labels. También explica cómo validar el modelo mediante la ejecución de corridas piloto y comparando los resultados de las medidas de desempeño con datos reales para verificar la precisión del modelo.

    Copyright:

    Attribution Non-Commercial (BY-NC)
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    151 vistas4 páginas

    Uso de Experimenter

    Cargado por

    Yenny Yamilett Suil Cruz
    El documento describe los pasos para crear medidas de desempeño usando la herramienta Experimenter en Flexsim para validar modelos de procesos. Estos pasos incluyen crear etiquetas (labels) para los objetos en la simulación, definir fórmulas asociadas a los labels, y crear medidas de desempeño en Experimenter vinculadas a los labels. También explica cómo validar el modelo mediante la ejecución de corridas piloto y comparando los resultados de las medidas de desempeño con datos reales para verificar la precisión del modelo.

    Copyright:

    Attribution Non-Commercial (BY-NC)
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    de 4

    Uso de Experimenter.

    Experimenter es una herramienta de Flexsim que se utiliza para la Validacin de Modelos de procesos productivos o de servicio, para tal caso es necesaria la creacin de medidas de desempeo para compararlas con alguna variable real del sistema. A continuacin se explicaran los pasos a seguir para la creacin de estas medidas. Paso 1. Crear Label. Label: Es una etiqueta que puede asignarse a todos los objetos de la simulacin (Ver figura N) y cada objeto puede tener ms de un label asignado a l. Estos label sirven para poder ser utilizados en la creacin de medidas de desempeo.

    Paso 2. Creacin de Formula asociada al label Para este caso se creara una frmula para obtener los metro lineales de produccin de la maquina cepilladora. Para lo cual se hace lo siguiente: Pestaa Trigger < OnExit < set Name, tem type or Label Ingresar getlabelnum(current,cepilladora)+3,66 . Ver figura N

    Paso 3. Utilizar Experimenter para la creacin de la Medida de desempeo. En esta etapa se define una medida de desempeo, que para este caso ser ML_Cepilladora y para ello se asocia el label de la maquina Cepilladora a la medida de desempeo. Ver figura N

    Para la creacin de otras medidas de desempeo se debe seguir los mismos pasos antes mencionados.

    Validar un Modelo. La validacin de un proceso es de suma importancia para observar que tan exacto o preciso es el modelo simulado. Para llevarlo a cabo se hace lo siguiente: Definir las corridas piloto del modelo de simulacin. Validar el modelo de simulacin.

    Definir las corridas pilotos de modelo de simulacin. El nmero de corridas piloto de un modelo de simulacin, escrito de manera implcita por Law (2007), es arbitrario, debido a que no se encontr una frmula que permita obtener el nmero Ideal de corridas de prueba que deben ser efectuados; este autor menciona diversos ejemplos de procesos de validacin de modelos, en los cuales, vara desde cinco hasta diez el nmero de corridas piloto, y que este nmero de corridas es definido por las limitantes en costos y tiempo requerido para su realizacin. Tanto Law (2007) como Chung (2004), mencionan de manera implcita en sus ejemplos de validacin que m=n para poder realizar el proceso de validacin del modelo de simulacin contra el sistema real (Siendo m el nmero de datos obtenidos del Sistema y n el nmero de datos obtenidos del modelo de simulacin). Law (2007) menciona que si un modelo va a ser validado contra un sistema real, debe hacerse comparando los datos obtenidos de la medida de desempeo definida del sistema real contra los datos obtenidos de esa misma medida de desempeo del modelo de simulacin. Para este trabajo se escogi 10 rplicas piloto para la experimentacin. Validar modelo de simulacin. Para la validacin del proceso se proceder a correr el modelo 10 veces con un nivel de confianza de un 95% 25916,46 25144,20 22860,36 25114,92 22516,32 23665,56 Tabla. 23387,40 23356,46 21476,88 24346,32

    Ahora para poder determinar la cantidad de rplicas ptimas que se deben correr, es necesario tener en cuenta las siguientes expresiones matemticas.

    { Dnde:

    i : Nmero ptimo de replicas : Error absoluto permitido. : Nivel de significancia. 1-: Nivel de Confianza. S2 : Varianza de la medida de desempeo de inters. t : Valor de tablas de la distribucin t-student n : Nmero de corridas piloto

    Dnde: : Error absoluto permitido. : Promedio estadstico. e : Nivel de precisin.

    Numero de rplica para el modelo. De la tabla se Obtienen los valores de la media y la varianza.

    Media Varianza

    23778,5 16621813,9

    Como el nmero de rplicas optimo es menor al nmero replicas piloto la estimacin hecha es correcta y los valores de produccin de la mquina de cepillado est comprendida entre 22990,51 Metros lineales 24566,06

    También podría gustarte