Resumen:
La simulación y optimización aplicada en la secuencia de procesos productivos, es el resultado, que en la actualidad no contamos con métodos diseñados para este tipo de procesos, de los cuales optimizamos la función de utilidad neta, es decir hacerla independiente del comportamiento de las variables aleatorias propias del proceso.
La simulación de procesos, es el resultado de diseñar un modelo de un sistema real, para realizar posteriores experimentos a partir de hipótesis. Por lo anterior resulta más eficiente experimentar sobre modelos basados en sistemas reales que en los mismos sistemas.
Inicialmente detallaremos los aspectos más relevantes sobre la simulación de procesos a partir de métodos estadísticos, como el Método Monte Carlo, enunciaremos las bases para la resolución de nuestro problema, como son la generación de números pseudos aleatorios aplicada a la formación de diferentes distribuciones, siempre considerando que las distribuciones son independientes entre sí.
Analizaremos el por qué? de la optimización combinatorial, posteriormente se hará una reseña de los algoritmos meta heurísticos más conocidos, así como el análisis de convergencia de estos. En base a los resultados que vamos ha encontrar y el procedimiento a simular seleccionaremos el algoritmo meta heurístico. Por último, analizaremos los resultados de la simulación, partiendo de los resúmenes estadísticos y principalmente de los gráficos de sus funciones acumuladas (ojivas).
