Simulación de sistemas discretos : un enfoque industrial / Germán Herrera Vidal.

Incluye referencia bibliográfica en la página 165.

1 GENERALIDADES DE LA SIMULACIÓN
1.1 Antecedentes de la simulación.
1.2 Definición de simulación.
1.3 Ventajas y desventajas del uso de la simulación.
1.4 Beneficios de la simulación.
1.5 Áreas de aplicación de la simulación.
1.6 Etapas para realizar un estudio de simulación.
1.7 Tipos de simulación.
1.7.1 Simulación terminal.
1.7.2 Simulación no terminal.

2 SISTEMA Y MODELADO
2.1 Teoría general de sistema.
2.2 Definición de sistema.
2.3 Elementos de un sistema desde el enfoque de la simulación.
2.3.1 Partes entrantes.
2.3.2 Planta.
2.3.3 Partes salientes.
2.3.4 Planeación y control.
2.3.5 Eventos.
2.4 Definición de modelo.
2.5 Elementos básicos de un modelo de simulación.
2.5.1 Locaciones.
2.5.2 Entidades.
2.5.3 Proceso.
2.5.4 Reloj.
2.5.5 Arribos.
2.6 Tipos de modelos de simulación.
2.7 Variables que intervienen en un modelo.
2.7.1 Variables exógenas.
2.7.2 Variables de estado.
2.7.3 Variables endógenas.
2.8 Simulación de eventos discretos.
2.8.1 Modelos de simulación discreta.
2.8.2 Aplicaciones en el sector industrial.
2.8.3 Simuladores de tipo discretos útiles para el sector industrial.
2.8.4 Softwares comerciales para la simulación de procesos industriales.

3 ESTADÍSTICA PARA LA SIMULACIÓN
3.1 La simulación y la estadística.
3.2 Variables aleatorias.
3.2.1 Variable aleatoria discreta.
3.2.2 Variable aleatoria continua.
3.3 Distribuciones de probabilidad.
3.3.1 Distribuciones de probabilidad discreta.
3.3.2 Distribuciones de probabilidad continua.
3.4 Parámetros de estimación.
3.5 Intervalos de confianza.
3.6 Pruebas de hipótesis.
3.7 Pruebas de bondad y ajuste.
3.7.1 Prueba de Chi-Cuadrado.
3.7.2 Prueba de Kolmogorov - Smirnov.

4 NÚMEROS PSEUDO-ALEATORIOS
4.1 Generalidades.
4.2 Números aleatorios.
4.3 Generación de números pseudoaleatorios.
4.3.1 Algoritmo de cuadrados medios.
4-3.2 Algoritmo de productos medios.
4-3-3 Algoritmo de multiplicador constante.
4-3-4 Algoritmo lineal.
4-3-5 Algoritmo congruencial multiplicativo.
4-3.6 Algoritmo congruencial aditivo.
4-3-7 Algoritmo cuadrático.
4.3.8 Algoritmo Blum, Blum y Shub.
4-4 Pruebas estadísticas para los números pseudoaleatorios.
4.4.1 Prueba de medias.
4.4.2 Prueba de varianzas.
4-4-3 Prueba de uniformidad.
4-4-4 Prueba de independencia.

5 GENERACIÓN DE VARIABLES ALEATORIAS
5.1 Generalidades.
5.2 Métodos de generación de variables aleatorias.
5.2.1 Método de la transformada inversa.
5.2.2 Método de convolución.
5.2.3 Método de composición.
5-3 Simulación de distribuciones de variables discretas.
5.3.1 Simulación con distribución Poisson.
5.3.2 Simulación con distribución binomial.
5.3.3 Simulación con distribución Bernoulli.
53.4 Simulación con distribución uniforme discreta.
54. Simulación de distribuciones de variables continuas.
5.4.1 Simulación con distribución uniforme continua.
5.4.2 Simulación con distribución exponencial.
5-4-3 Simulación con distribución normal.
5.4.4 Simulación con distribución Erlang.

6 SIMULACIÓN MONTECARLO
6.1 Antecedentes.
6.2 Definición.
6.3 Procedimiento .
6.4 Simulación Montecarlo aplicado en las matemáticas para la simulación Montecarlo.
6.5 Medidas de desempeño para la simulación Montecarlo en sistemas.
6.6 Simulación en sistemas de teoría de colas.
6.6.1 Modelo de teoría de colas con un servidor tipo no terminal.
6.6.2 Modelo de teoría de colas con un servidor tipo terminal.
6.6.3 Modelo de teoría de colas en paralelo.
6.6.4 Modelo de teoría de colas en serie.
6.7 Simulación de sistemas de modelos de inventarios.
6.7.1 Modelo de revisión continua.
6.7.2 Modelo de revisión periódica.

7 CASOS APLICATIVOS PROPUESTOS
7.1 Caso: producción con una máquina.
7.2 Caso: producción de dos máquinas en serie.
7.3 Caso: producción de dos máquinas en paralelo.
7-4 Caso: control de inventarios - un solo producto.
75 Caso: control de inventarios - varios productos.
7.6 Caso: cadena de suministros - efecto látigo.

8 INTRODUCCIÓN A PROMODEL
8.1 Generalidades de ProModel.
8.2 Características de acceso al programa.
8.3 Descripción de las funciones.
8.3.1 Menú File.
8.3.2 Menú Edit.
8.3.3 Menú View.
8.3.4 Menü Build.
8.3.5 Menú Simulation.
8.3.6 Menú Output.

9 ANÁLISIS DE DATOS DE ENTRADA CON STAT::FIT
9.1 Generalidades.
9.2 Metodología para el análisis de datos de entrada.
9.3 Recolección de datos.
9.4 Entrada de datos por medio de Stat::fit.
9.5 Análisis descriptivo de los datos.
9.6 Prueba de independencia.
9.6.1 Gráfico de dispersión.
9.6.2 Prueba de autocorrelación.
9.6.3 Análisis de pruebas de rachas.
9.7 Selección de la distribución adecuada.
9.8 Evaluación de la distribución.
9.9 Exportación de la distribución seleccionada.
REFERENCIAS.