SimuIacin

de
Sistemas


L




L


A







L




L






SESIN 01: MODELAMIENTO Y SIMULACIN DE SISTEMAS. VENTAJAS Y
DESVENTAJAS DE LA SIMULACIN DE SISTEMAS.

1. INTRODUCCIN
Cuando alguien tiene la responsabilidad de conducir un sistema dado, como por ejemplo: un
banco, una ciudad, un sistema de transporte, etc., debe tomar continuamente decisiones acerca
de las acciones que ejecutar sobre el sistema. Estas decisiones deben ser tales que la conducta
resultante del sistema satisfaga de la mejor manera posible los objetivos planteados.
Para poder decidir correctamente es necesario saber cmo responder el sistema ante una
determinada accin. Esto podra hacerse por experimentacin con el sistema mismo; pero factores
de costos, seguridad y otros hacen que esta opcin generalmente no sea viable. A fin de superar
estos inconvenientes, se reemplaza el sistema real por otro sistema que en la mayora de los
casos es una versin simplificada. Este ltimo sistema es el modelo a utilizar para llevar a cabo las
experiencias necesarias sin los inconvenientes planteados anteriormente.
Al proceso de experimentar con un modelo se denomina simulacin. Al proceso de disear el plan
de experimentacin para adoptar la mejor decisin se denomina optimizacin. Si el plan de
experimentacin se lleva a cabo con el solo objeto de aprender a conducir el sistema, entonces se
denomina entrenamiento o capacitacin.

2. EL MODELAMIENTO DE SISTEMAS
La descripcin de las caractersticas de inters de un sistema se conoce como modelo del
sistema, y el proceso de abstraccin para obtener esta descripcin se conoce como modelamiento
de sistemas.
Existen muchos tipos de modelos (modelos fsicos, modelos mentales, modelos simblicos) para
representar los sistemas en estudio. Utilizaremos modelos simblicos matemticos como
herramienta para representar las dinmicas de inters de cualquier sistema para propsitos de
simulacin de sistemas
Los modelos simblicos matemticos mapean las relaciones existentes entre las propiedades
fsicas del sistema que se pretende modelar en las correspondientes estructuras matemticas. El
tipo de formalizacin matemtica que se utilice va a depender de las caractersticas intrnsecas de
las dinmicas de inters que se quiera representar.

3. LA SIMULACIN DE SISTEMAS
Bsicamente con la simulacin se busca imitar, con la ayuda de un computador, la operacin de
uno o varios procesos, con el nimo de estimar sus caractersticas reales. El proceso en cuestin
usualmente se denomina sistema y con el propsito de estudiarlo se hacen supuestos sobre su
operacin. Estos supuestos, que usualmente toman la forma de relaciones matemticas o lgicas
constituyen el modelo, el cual es usado para tratar de entender cmo se comporta el respectivo
sistema.
En algunos casos las relaciones que componen un modelo son lo suficientemente sencillas como
para utilizar mtodos matemticos tales como el clculo, lgebra o teora probabilstica, con el fin
de obtener informacin exacta sobre aspectos de inters, lo cual se conoce como soluciones
analticas. Sin embargo, la mayora de los sistemas reales son demasiado complejos, para ser
evaluados analticamente, por lo tanto estos modelos deben ser estudiados por medio de la
simulacin. Veamos algunos conceptos:

Simulacin es una tcnica numrica para conducir experimentos en una computadora digital.
Estos experimentos comprenden cierto tipo de relaciones matemticas y lgicas, las cuales son
necesarias para poder describir el comportamiento y la estructura de los sistemas complejos del
mundo real a travs de largos periodos de tiempo
Thomas H. Naylor

Simulacin es el proceso de disear y desarrollar un modelo computarizado de un sistema o
proceso y conducir experimentos en este modelo con el propsito de entender el comportamiento
del sistema o evaluar varias estrategias con las cuales se puede operar el sistema
Robert Shanon.



Para nuestro inters la Simulacin es la construccin de modelos informticos que describen la
parte esencial del comportamiento de un sistema de inters, as como disear y realizar
experimentos con el modelo y extraer conclusiones de sus resultados para apoyar la toma de
decisiones. Se usa como un paradigma para analizar sistemas complejos. La idea es obtener una
representacin simplificada de algn aspecto de inters de la realidad. Permite experimentar con
sistemas (reales o propuestos) en casos en los que de otra manera esto sera imposible o
imprctico.
4. MODELOS DE SIMULACIN
Como se puede deducir de todo lo anterior, la simulacin, en el sentido que nos ocupa, supone la
construccin de un modelo de trabajo que presente una similitud de propiedades o de relaciones
con el sistema sujeto a estudio, por lo que en este apartado, nos vamos a centrar en las
caractersticas y anlisis de los modelos de simulacin. El concepto de modelo es uno de esos
conceptos que, debido a la multitud de usos que de l se han realizado en los distintos mbitos de
la vida, se ha convertido en excesivamente ambiguo. El Diccionario de la Real Academia lo define
como: "ejemplar o forma que uno se propone y sigue en la ejecucin de una obra o en otra cosa.
Representacin en pequeo de alguna cosa". Esta definicin, an recogiendo la idea genrica de
lo que es un modelo, queda un poco descentrada de la utilizacin que de l vamos a realizar aqu.
El concepto de modelo que nosotros vamos a considerar es el de Modelo como "la representacin
formal de un sistema", pero a su vez, un sistema puede ser representado por una gran variedad
de modelos dependiendo del propsito de estudio y de la comprensin del mismo. Es decir, la
representacin del sistema a partir del modelo va a verse claramente influenciada por; la propia
subjetividad del investigador, por el objetivo que se pretenda con el anlisis de dicho sistema y por
la tcnica que se va a emplear; fenmenos estos que llevarn a distintas representaciones de un
mismo sistema.
Para estudiar un sistema, es posible hacerlo experimentando con el mismo aunque es dificultoso y
poco prctico. Tambin cabe la alternativa de construir prototipos y probarlos, aunque esto puede
ser muy costoso y dilatado en el tiempo. Adems, si lo que se quiere es predecir la manera como
se comportar el sistema antes de que sea construido, lo anterior ya no es factible.
Por lo general, los estudios de sistemas se realizan con un modelo del sistema. Pero un modelo
no es slo un sustituto de un sistema, sino tambin una simplificacin del mismo. Un modelo, por
tanto, es el cuerpo de informacin relativa a un sistema recabado con el fin de estudiarlo. El
objetivo inmediato de un modelo es representar esquemticamente, pero de manera precisa y til,
la historia y estado actual de un sistema. Sin embargo, el fin ltimo del modelado es proyectar
hacia el futuro cuales pueden ser los diferentes estados del sistema ante diferentes hiptesis. La
tarea de obtener un modelo de un sistema se dividir en forma genrica en dos sub-tareas: La
determinacin de la estructura del modelo, que fija la frontera del sistema e identifica las
entidades, atributos y actividades del sistema. Proporcionar los datos, que suministran los valores
de los atributos que pueden tener y definen las relaciones involucradas en las actividades. En los
modelos, en general, el mayor o menor formalismo as como el nivel de precisin, es muy variable
y va a estar condicionado por el objetivo que se persiga. La utilidad de un modelo, depender de
los elementos que se han tenido en cuenta, y de sus interrelaciones, y ser ms o menos til si
stas son ms o menos buenas. Es decir, que es esencial para la utilidad de un modelo la
identificacin adecuada de sus elementos cruciales, su definicin precisa y operativa y el
establecimiento de las principales relaciones entre ellos. Tambin la utilidad de un modelo va a
estar condicionada por la tcnica que se vaya a aplicar, y por tanto, su construccin tiene que
tener presente, siempre, este factor, de ah que aunque el modelo para un objetivo determinado,
en esencia, es igual siempre, la tcnica especfica a aplicar necesitar de adecuaciones a ella. Por
esto, nosotros al hablar de modelos de simulacin nos vamos a referir a un tipo particular de
modelos, porque estarn orientados a la utilizacin de las tcnicas de simulacin. Los modelos de
simulacin se van a caracterizar por combinar la descripcin del sistema mediante lenguaje natural
por un lado, y la utilizacin de tcnicas numricas por otro.
Entonces, la simulacin consiste, en la generacin de posibles estados del sistema por medio del
modelo que lo representa. Para completar la nocin de modelo, comentaremos brevemente las
caractersticas estructurales y funcionales, stas estn correlacionadas con las de los sistemas,
as como los principios utilizados en la modelizacin. Vamos a enunciar a continuacin, las
caractersticas estructurales de los modelos, segn Martnez y Requena (1986), tenemos:


a) Variables y parmetros del modelo (elementos del sistema). Una variable es la definicin
precisa y operativa de un elemento cuya magnitud vara a lo largo del tiempo. Un parmetro en
cambio, es una magnitud constante en el perodo de estudio del sistema.
b) Relaciones funcionales o funciones entre variables y parmetros. Estas se escriben como
ecuaciones de comportamiento y de definicin. A los elementos endgenos se le denominan
variables dependientes y a los exgenos variables independientes
En cuanto a las caractersticas funcionales de los sistemas tenemos:
a) Retardos: se dan cuando la relacin funcional entre dos variables no opera instantneamente
sino que experimenta demoras o retardos. Al decir instantneamente nos referimos a que la
accin se produce en un perodo de tiempo no superior al que se haya elegido como perodo
convencional de anlisis.
b) Bucles de realimentacin, cuando se producen es ms difcil predecir el resultado final.
Adems, cuando operan conjuntamente efectos retardados y bucles de realimentacin hace que a
veces se encuentren comportamientos no esperados. Una vez analizados los conceptos de
Sistema y de Modelo, vamos a enunciar unos principios a utilizar en la modelizacin del sistema.
Aqu nos proponemos sealar unos principios que pueden servir de gua a la hora de construir un
modelo de simulacin, sobre todo en lo referente al tratamiento de la informacin. Como apunta
G.Gordon (1986), estos principios se pueden englobar en los siguientes:
Formacin en bloques: La descripcin del sistema se debe organizaren una serie de bloques o
subsistemas, con el objetivo de simplificar las interacciones dentro del sistema. Cada bloque
explica parte del sistema que depende de unas variables de entrada y produce unas variables
de salida. Es decir, puede describirse al sistema como un todo en trminos de las
interconexiones entre los bloques.
Relevancia: En el sentido en que el modelo slo debe incluir los aspectos del sistema
relevantes con los objetivos del estudio. Y aunque la informacin irrelevante en el modelo no
perjudica, se debe excluir debido a que aumenta la complejidad del modelo y genera ms
trabajo en la solucin del modelo.
Exactitud: Porque la informacin que se utilice debe ser exacta.
Agregacin: Un factor adicional que debe considerarse, es el grado en que pueden agruparse
las distintas entidades individuales en entidades mayores. En algunos estudios puede ser
necesario construir entidades artificia-les mediante el proceso de agregacin. A continuacin
vamos a encuadrar los modelos de simulacin dentro de una taxonoma general de modelos y
que nos centrarn sobre su posicin respecto a los otros.

5. VENTAJAS Y DESVENTAJAS DE LA SIMULACIN DE SISTEMAS

Ventajas
No es necesario interrumpir las operaciones del sistema que se est estudiando puesto que la
simulacin se basa en el modelo del mismo. Permiten experimentar con un modelo del
sistema, en vez del sistema real que est funcionando, pudiendo controlar los parmetros del
modelo y pudiendo replicar la simulacin de un modelo tantas veces como se desee. Una
rplica, es una nueva simulacin en la que todos los parmetros y condiciones experimentales
son idnticos a los de la simulacin anterior excepto los valores que pueden tomar las
variables aleatorias.
Con los estudios de simulacin, se puede descomponer en subsistemas un sistema
complicado, y estos subsistemas se pueden simular individual o conjuntamente con otros.
En los casos en que hay relaciones complicadas de naturaleza predecible y aleatoria, es ms
fcil utilizar un proceso simulado que desarrollar un complicado modelo matemtico que
represente todo el proceso que se estudia.
La simulacin proporciona un control total sobre el tiempo, debido a que un fenmeno se
puede acelerar. Permiten incluir el tiempo en el anlisis de situaciones esencialmente
dinmicas.
Nos provee de un medio de conocimiento del comportamiento de nuevos sistemas, con el
objetivo de mejorar los ya existentes, y as como para la puesta a punto de un medio
susceptible de proveer un conocimiento completo del sistema global y de sus componentes.


Permiten resolver un cierto tipo de sistemas de ecuaciones, o de transformaciones
matemticas, que debido a su complejidad no pueden resolverse analticamente.
La simulacin proporciona un mtodo ms simple de solucin cuando los procedimientos
matemticos son complejos y difciles. Las tcnicas de simulacin no requieren
simplificaciones y suposiciones hasta el grado, en que las requieren las tcnicas analticas, y
por tanto, cualquier persona, an sin ser tcnico, la utilizar con mayor facilidad.- Un modelo
de simulacin puede explicarse ms fcilmente al personal administrativo, porque
esencialmente es una descripcin del comportamiento de un sistema o proceso.
Con ellas se puede estudiar un sistema sin construirlo, sin perturbarlo y sin destruirlo, en
definitiva sin deformarlo; y a velocidades de comportamiento simulado mucho mayores que en
la realidad, por la capacidad de condensar en breves intervalos de tiempo presente, el tiempo
de acaecimiento de los sucesos previstos para el futuro y sin tener que soportar los problemas
reales inherentes a la introduccin de estos cambios, ni correr los riesgos de llevarlos a la
prctica.
Los procesos de simulacin son herramientas muy efectivas de entrenamiento personal, y
generan una visin macro y micro del sistema bajo estudio mucho ms profunda y detallada
que cualquier modelo analtico o numrico.
Permite la comparacin de un cierto nmero de alternativas para ahorrar costes, aunque a
veces la simulacin es cara, ganar tiempo, evitar riesgos y hacer posible el anlisis, que en la
realidad puede ser imposible.- Permite el desarrollo y/o validacin de relaciones funcionales,
buscando leyes ocultas bajo la apariencia multiforme de los fenmenos. Es decir, se pueden
obtener sencillas expresiones matemticas del comportamiento del sistema en estudio, por
medio de repetidas simulaciones, para extraer interesantes consecuencias que la mera
experimentacin no nos permitira.
En una toma de decisiones, los resultados de un modelo de simulacin pueden ser
verdaderamente valiosos: anlisis de sensibilidad que discrimine que variables de control son
ms efectivas y en que medida, contrastes entre polticas de gestin alternativas, anlisis de
los efectos de situaciones anormales etc..- En problemas en los cuales no se conocen
anticipadamente todos los valores de las variables, o slo se conocen parcialmente y no hay
manera de averiguarlos fcilmente; entonces con la simulacin, se pueden encontrar esos
estados sucesivos, como puede ser la estimacin de los riesgos, beneficios y posibilidades de
xito de un cierto proceso o de un cierto mtodo.- A diferencia de los modelos de optimizacin
analtica, los modelos de simulacin tienden a presentar mejores descripciones de la realidad.
Una vez construido el modelo se puede modificar de una manera rpida con el fin de analizar
diferentes polticas o escenarios. Permite anlisis de sensibilidad

Desventajas
Los modelos de simulacin no dan soluciones ptimas. La simulacin no produce soluciones
ptimas, en contraposicin se realizarn muchas ejecuciones, y de ellas, quedarse con la que
se considere mejor. Es decir, la simulacin es una herramienta descriptiva, no normativa.
A causa de su relativa facilidad de aplicacin, puede haber una tendencia a depender
frecuentemente de esa tcnica, originando la sustitucin de la simulacin por tcnicas
matemticas analticas cuando estas ltimas sean ms adecuadas.
La simulacin no est exenta de las mismas deficiencias que otros modelos matemticos,
como la imposibilidad de cuantificar todas las variables que afecten al comportamiento del
sistema, o que el nmero de variables que se revisan pueda sobrepasar la capacidad de la
computadora de la que se dispone.
Aunque los resultados sean correctos, una validacin perfecta de un modelo de simulacin es
prcticamente imposible de conseguir, y por tanto, las conclusiones que se obtengan
conllevan deformaciones achacables a los defectos de modelizacin.
La simulacin es imprecisa, y no se puede medir el grado de su imprecisin.
Los resultados de simulacin son numricos; por tanto, surge el peligro de atribuir a los
nmeros un grado mayor de validez y precisin.
Se requiere gran cantidad de corridas computacionales para encontrara soluciones, lo cual
representa altos costos.
Es difcil aceptar los modelos de simulacin y difcil de vender



Dadas las ventajas y desventajas de la simulacin, entonces Cundo optar por la Simulacin?
Cuando no exista un sistema real, sea caro o peligroso o sea imposible construir y manipular
un prototipo.
Cuando la experimentacin con el sistema real sea peligrosa, costosa o pueda causar
incomodidades.
Cuando existe la necesidad de estudiar el pasado, presente y futuro de un sistema en tiempo
real, expandido o contrado
Cuando la modelacin matemtica del sistema es imposible (meteorologa, sismologa,
conflictos internacionales, etc.)
Cuando los modelos matemticos carecen de soluciones analticas o numricas (ED No
lineales, problemas estocsticos, etc.)
Cuando sea posible validar los modelos y sus soluciones de una forma satisfactoria

6. CASO DE EXPOSICIN
Un vendedor de revistas est tratando de determinar cuntas revistas comprar semanalmente
para venderlas durante los 7 das de la semana. El vendedor sabe que diariamente la demanda de
revistas puede variar segn las siguientes probabilidades:
Demanda diaria Probabilidad
3 < 0.25
4 0.25 ~ 0.70
5 > 0.70
El vendedor compra a la Editorial, cada revista por $ 1 y lo vende a $ 2. Como la edicin de la
revista es semanal, por las revistas que el vendedor no logra vender, la Editorial; las compra a $
0.5 y por cada revista que el Vendedor no puede vender (por desabastecimiento o falta de stock)
este deja de ganar $ 1. Cul es el nmero de revistas que el Vendedor debera comprar
semanalmente para mantener las operaciones de su negocio?
SESIN 02: LA SIMULACIN DISCRETA Y CONTINUA.
SIMULACIN DE SISTEMAS.


1. SISTEMAS DE ORDEN DISCRETO Y SISTEMAS DE ORDEN CONTINUO
En general los Sistemas Continuos
(pueden cambiar en cualquier momento),
variables preponderantemente de tiempo
tiempo). Las siguientes grficas permiten apreciar mejor estas definiciones:


Sistema Discreto



2. SIMULACIN DE SISTEMAS DISCRETOS Y CONTINUOS
En general los modelos matemticos de tipo dinmico representan sistemas continuos, es decir
sistemas en las que las actividades predominantes del sistema causan pequeos cambios en los
atributos de sus entidades, cuando las relaciones entre ellas describe
cambio de los atributos, por lo que en general, tales modelos estn definidos formalmente por
ecuaciones diferenciales.
Como la Simulacin de Sistemas consiste en hacer un seguimiento a lo largo del tiempo de los
cambios que tienen lugar en el modelo dinmico del sistema, lleva a la aparicin de dos grandes
categoras dentro de la Simulacin de Sistemas segn que los cambios sean continuos o
discretos.


3. SIMULACIN CONTINUA
Para los sistemas con cambios continuos, los sistemas
ms adecuada de representarlos. Denominaremos Simulacin Continua a la simulacin basada en
este tipo de modelos. En los sistemas continuos, el inters primordial est en los cambios suaves,
haciendo uso de las ecuaciones diferenciales. Las computadoras pueden resolver conjunto de
ecuaciones diferenciales lineales en forma simultnea y se utilizan frecuentemente en simulacin
LA SIMULACIN DISCRETA Y CONTINUA. LENGUAJES DE
SIMULACIN DE SISTEMAS. SIMULACION CON ARENA.
SISTEMAS DE ORDEN DISCRETO Y SISTEMAS DE ORDEN CONTINUO
Sistemas Continuos: contiene variables preponderantemente de tiempo
n cambiar en cualquier momento), mientras que los Sistemas Discretos (Eventos)
variables preponderantemente de tiempo-discreto (pueden cambiar en momentos discretos del
. Las siguientes grficas permiten apreciar mejor estas definiciones:
Sistema Discreto Sistema Continuo

SIMULACIN DE SISTEMAS DISCRETOS Y CONTINUOS
En general los modelos matemticos de tipo dinmico representan sistemas continuos, es decir
sistemas en las que las actividades predominantes del sistema causan pequeos cambios en los
atributos de sus entidades, cuando las relaciones entre ellas describen las tasas o ratios de
cambio de los atributos, por lo que en general, tales modelos estn definidos formalmente por
Como la Simulacin de Sistemas consiste en hacer un seguimiento a lo largo del tiempo de los
lugar en el modelo dinmico del sistema, lleva a la aparicin de dos grandes
categoras dentro de la Simulacin de Sistemas segn que los cambios sean continuos o

Para los sistemas con cambios continuos, los sistemas de ecuaciones diferenciales sern la forma
ms adecuada de representarlos. Denominaremos Simulacin Continua a la simulacin basada en
este tipo de modelos. En los sistemas continuos, el inters primordial est en los cambios suaves,
uaciones diferenciales. Las computadoras pueden resolver conjunto de
ecuaciones diferenciales lineales en forma simultnea y se utilizan frecuentemente en simulacin

LENGUAJES DE
SIMULACION CON ARENA.
ontiene variables preponderantemente de tiempo-continuo
istemas Discretos (Eventos): Contiene
discreto (pueden cambiar en momentos discretos del

En general los modelos matemticos de tipo dinmico representan sistemas continuos, es decir
sistemas en las que las actividades predominantes del sistema causan pequeos cambios en los
n las tasas o ratios de
cambio de los atributos, por lo que en general, tales modelos estn definidos formalmente por
Como la Simulacin de Sistemas consiste en hacer un seguimiento a lo largo del tiempo de los
lugar en el modelo dinmico del sistema, lleva a la aparicin de dos grandes
categoras dentro de la Simulacin de Sistemas segn que los cambios sean continuos o
de ecuaciones diferenciales sern la forma
ms adecuada de representarlos. Denominaremos Simulacin Continua a la simulacin basada en
este tipo de modelos. En los sistemas continuos, el inters primordial est en los cambios suaves,
uaciones diferenciales. Las computadoras pueden resolver conjunto de
ecuaciones diferenciales lineales en forma simultnea y se utilizan frecuentemente en simulacin


continua. La simulacin continua se utiliza para modelar sistemas que no estn controlados por
eventos.
Primer ejemplo: Los sistemas ambientales tienden a ser continuos, por ejemplo el efecto de los
cambios de temporada sobre el crecimiento de la vegetacin, la poblacin de animales que comen
hierbas y la poblacin de animales que comen carnes. No es posible decir con certeza que el
crecimiento de la vegetacin se detiene en una fecha determinada, dando lugar a una reduccin
de los animales que la comen. Es ms exacto decir que el crecimiento de la vegetacin se hace
ms lento conforme la luz del sol se reduce y se acelera conforme la luz del sol disponible se
incrementa.
Segundo ejemplo: Un modelo que analiza la relacin entre los diversos factores de costo de la
empresa, ganancias y utilidades. Suponga que un incremento en la publicidad dar lugar a un
incremento de costos de la empresa. Entonces no es correcto decir que un aumento en la
publicidad durante un da en particular dar lugar a un incremento en las ventas ese mismo da.
Como tampoco es correcto decir que un aumento en publicidad suceder solo en un da. Lo
correcto es determinar una frmula que relaciones el incremento en los gastos publicitarios con los
costos de la empresa y las ganancias a travs del tiempo. Esta frmula representara una relacin
continua. El modelado y la simulacin continua, se basa en un flujo de la informacin a travs del
tiempo.
Los simuladores analgicos han sido ampliamente utilizados en este tipo de simulacin, aunque el
desarrollo de las tcnicas numricas para la resolucin de sistemas de ecuaciones diferenciales, el
avance de la computacin digital y de los lenguajes de programacin les han hecho perder
protagonismo. SIMULINK, software para la simulacin de sistemas dinmicos integrado en el
entorno de computacin MATLAB es un ejemplo de lo anteriormente mencionado.

4. SIMULACIN DISCRETA
Para los sistemas discretos, el seguimiento de los cambios de estado requiere la identificacin de
qu es la causa del cambio y cuando lo causa, lo que se denomina suceso. Para la simulacin
discreta el inters est en los eventos. Las ecuaciones son en esencia ecuaciones lgicas que
expresan condiciones para que ocurra un evento. La simulacin discreta consiste en seguir
cambios en el estado del sistema de resultados de la sucesin de eventos. Las ecuaciones del
modelo se convierten entonces en las ecuaciones y relaciones lgicas que determinan las
condiciones en que tiene lugar la ocurrencia de un suceso. Este tipo de simulacin consiste en el
seguimiento de los cambios de estado del sistema que tiene lugar como consecuencia de la
ocurrencia de una secuencia de sucesos.
Primer ejemplo: En un proceso de fabricacin de calzado se puede controlar la produccin de
bienes terminados
Segundo ejemplo: Al medioda, las personas que se encuentran en sus oficinas, suelen salir para
dirigirse a los restaurantes, y a la 1 tienden a regresar a sus oficinas. Las entradas y salidas de las
oficinas y de los restaurantes estn motivadas por un evento, el evento tiempo que se convierte en
la hora del almuerzo.
La siguiente tabla resume las principales diferencias entre los tipos de simulacin:

Simulacin Continua Ofrecen informacin del estado del sistema en
cualquier instante de tiempo
Se construyen a partir de ecuaciones diferenciales
Los efectos de una variable en el comportamiento
del sistema se pueden analizar cualitativamente de
manera ms clara
Simulacin Discreta Informacin del comportamiento del sistema en
intervalos de tiempo seleccionados o dados por el
sistema
Los modelos matemticos son mucho ms fcil de
manejar que los de tiempo continuo




5. LENGUAJES DE SIMULACIN
Existen en el mercado dos grandes clases de software para simulacin: los lenguajes de
simulacin y los simuladores. Un lenguaje de simulacin es un software de simulacin de
naturaleza general y posee algunas caractersticas especiales para ciertas aplicaciones, tal como
ocurre con SIMSCRIPT, SLAM y SIMAN. Estos lenguajes se hicieron muy populares y todava se
usan; sin embargo hay que invertir tiempo para aprender sobre sus caractersticas y uso eficaz.
Con estos lenguajes de simulacin el modelo es desarrollado usando las instrucciones adecuadas
del lenguaje y permitiendo al analista un gran control para cualquier clase de sistema.
Un simulador (o de propsitos especiales) como ocurre con Arena, Promodel, PowerSim, Stella;
entre otros es un paquete de computadoras que permite realizar la simulacin para un ambiente
especfico, no requiriendo esfuerzo en programacin. Por lo general un simulador opera mediante
interfaces intuitivas de usuario, grficas, mens y dilogos. Cuando usamos un simulador los
elementos del modelo se conectan y ejecutan junto con una animacin grfica dinmica de los
componentes del sistema conforme se mueven alrededor y cambian. Hoy en da existen
simuladores para ambientes de manufactura y sistemas de comunicacin permitiendo un menor
tiempo en el desarrollo del modelo, as como tambin contar con el personal sin experiencia en
simulacin. Los simuladores son actualmente muy utilizados para anlisis en alto nivel,
requirindose nicamente agregar detalles en un cierto nivel, puesto que lo dems es estndar.

SIMSCRIPT
Es un lenguaje de simulacin con orientacin al evento y al
proceso, es hbrido porque posee facilidades para simulacin
de sistemas discretos y continuos. SIMSCRIPT 11.5 est
basado en entidades, atributos y conjuntos. Visualiza el
mundo a ser simulado como un conjunto de entidades que
pueden ser descritas a travs de sus atributos y los eventos
que aparecen en el tiempo.
SIMSCRIPT 11.5, producido por CACI Products Company
(La Jolla, California), fue utilizado en el pasado en grandes y
complejas simulaciones, como es el caso de los modelos no
orientados a colas; por ejemplo modelos de combates
militares. Se encuentra disponible en versin PC destacando
su ambiente de S11VIGRAPHICS.

SLAM
SLAM II (Simulation Languaje for Alternative Modeling) es un
lenguaje de simulacin por el cual se pueden construir modelos
con orientacin al proceso o al evento. SLAM fue desarrollado
en 1979 por Dennis Pedge y Alan Pritsker y es distribuido por
Pritsker Corporation (indianapolis, Indiana). La parte de SLAM
que se orienta a los procesos emplea una estructura reticular
compuesta por smbolos de nodos y ramas tales como colas,
servidores y puntos de decisin. Modelamiento significa
incorporar esos smbolos a un modelo de red que representa el
sistema y en donde las entidades (tems) pasan a travs de la
red. SLAM contiene un procesador que convierte la
representacin visual del sistema a un conjunto de sentencias.

SIMAN
El ambiente de modelamiento en SIMAN se desarrolla entre
el Modeling y el Experiment; en el primero se describe las
componentes del sistema y sus interacciones y en el
segundo se definen las condiciones del experimento (longitud
de la corrida, condiciones iniciales).
SIMAN modela un sistema discreto usando la orientacin al
proceso; es decir, en un modelo de sistema particular, se
estudian las entidades que se mueven a travs del sistema.
Una entidad para SIMAN es un cliente, un objeto que se


mueve en la simulacin y que posee caractersticas nicas conocidas como atributos. Los
procesos denotan la secuencia de operaciones o actividades a travs del que se mueven las
entidades, siendo modeladas por el diagrama de bloques.

6. SIMULACIN CON ARENA
El aumento de la capacidad de procesamiento de los computadores,
unido a las cada vez mayores posibilidades grficas de los mismos,
ha contribuido a la aparicin de software de simulacin ms
amigable, que facilita al usuario el proceso de elaboracin,
validacin y experimentacin de modelos mediante el uso de
herramientas grficas dentro de un entorno de ventanas. Dentro de
este grupo se ubica
ARENA (http://www.arenasimulation.com desarrollado por Rockwell
Software combina la facilidad de uso de los simuladores de alto nivel
con la flexibilidad de los lenguajes de simulacin. ARENA se nos
presenta como una Herramienta Orientada al Proceso, por cuanto
permite la descripcin completa de la experiencia que una entidad desarrolla al interior del sistema
conforme fluye a travs de l. Arena proporciona la tecnologa que se necesita para completar con
xito todas las fases de un estudio de simulacin:
Construccin de modelos de Simulacin con la flexibilidad y el nivel de detalle que se precise:
Tecnologa de Templates.
Integracin con Ms VISIO.
Integracin y anlisis de datos de entrada:
Mdulos para Lectura/Escritura en archivos de datos.
Integracin con Excel y Access.
Herramienta Input Analyzer.
Visualizacin y animacin de los procesos y estados del sistema representados en los modelos:
Conexin con software de Realidad Virtual para Arena VRABox.
Importacin desde AutoCAD.
Arena Symbol Factory.
Libreras de objetos de animacin.
Grficos y displays de estado del sistema.
Control de la ejecucin de las simulaciones y facilidades para depuracin de modelos.
Excelentes informes y herramientas para anlisis de resultados:
Informes Crystal Reports.
Exportacin de informes a Word, Excel, HTML, entre otros.
Herramienta de anlisis de resultados Output Analyzer.
Experimentacin y comparacin de alternativas:
Process Analyzer.
Optimizacin de procesos. Software complementario para la optimizacin de los procesos
modelados en Arena:
Optquest for Arena.
ISSOP.
Costes Basados en Actividades.Integracin y comunicacin con otras aplicaciones:
Tecnologa ActiveX.
VBA incorporado en Arena.
Arena RT
Dentro de la Familia de Software de Arena, tenemos:

Arena Basic Edition:
Es la versin de introduccin al mundo Arena. Sus aplicaciones se centran en el anlisis de
procesos de gestin administrativa y servicios en Seguros, Banca o Finanzas, o flujos y procesos
de fabricacin no intensivos en manejo de materiales.

Arena Standard Edition:
Sus aplicaciones abarcan campos diversos, destacando el anlisis de sistemas de produccin y
logstica industrial, distribucin, nodos de transporte y almacenaje, servicios, as como logstica
integral y el anlisis de toda la cadena de suministro.



Arena ProfessionaI Edition:
Se utiliza para crear Templates personalizados que estn enfocados en una aplicacin, empresa o
sector de actividad determinado. Arena PE es una extensin de Arena SE e incluye toda su
potencia y flexibilidad de modelado de procesos y sistemas industriales, logsticos o de servicios.
Adems de los Templates y herramientas de anlisis de Arena SE, incorpora las funcionalidades
que se requieren para la creacin de Templates.

Arena Contact Center Edition:
Es la herramienta esencial para analizar el servicio y la atencin ofrecidos a los clientes desde el
Centro de Contacto de una organizacin. Permite evaluar el impacto en el centro provocado por
mltiples formas de contacto, analizar diferentes estrategias de enrutamiento de contactos, evaluar
el ROI de nuevas tecnologas para el centro, analizar el impacto estratgico de un centro virtual,
etc.
Pero no slo permite analizar el funcionamiento del centro, adems permite integrar en un solo
modelo todos los procesos de gestin administrativa y prestacin de servicios asociados a la
operativa del centro.

Arena Factory AnaIyzer:
Se utiliza principalmente para el anlisis y planificacin de capacidad de instalaciones Industriales,
as como para el anlisis de mejoras en la produccin. Cabe destacar la capacidad de Arena
Factory Analyzer para compartir datos de la planta con los productos RSBizware de Rockwell
Software, que se utilizan para la planificacin y programacin de la produccin (RSScheduler) y el
anlisis de las operaciones en planta (PlantMetrics, RSSQL e Historian).

Arena Packaging Edition:
Est especialmente indicado en el anlisis de lneas de fabricacin y envasado/empaquetado de
gran velocidad de produccin, que son fundamentales en industrias de alimentacin y bebidas,
industria farmacutica, qumica y cosmticos, e industria electrnica.
Permite evaluar el ROI asociado a la implantacin de nueva tecnologa y equipos de proceso,
validar el diseo de lneas, evaluar mejoras en lneas existentes, etc.

Arena 3D PIayer:
Arena 3D Player es una potente herramienta, que permite visualizar en 3D el proceso simulado.
Proporcionar una precisa animacin de los procesos simulados.
Entre sus caractersticas encontramos:
Creacin de animaciones 3D para modelos existente de Arena.
Importacin de animaciones existentes en 2D.
Importar archivos DXF.
Importar formas en VRML.
Control de la velocidad de animacin.
Saltar a un tiempo futuro en la animacin.

Arena RT:
Arena RT aumenta las capacidades de Arena mediante la incorporacin de las siguientes
funcionalidades:
Arena RT permite que Arena coordine la lgica del modelo de simulacin con los procesos
reales, o bien con aplicaciones software externas. Arena y el proceso externo al modelo se
comunican mediante un sistema de mensajes bidireccional.
Arena RT permite sincronizar la velocidad del reloj de simulacin de Arena con el reloj de tiempo
real del sistema operativo residente en el sistema mediante la aplicacin de un factor que
determina el grado de sincronizacin.

TempIate FIow Process
El Template Flow Process ha sido diseado con el fin de facilitar el modelado de las actividades
asociadas a sistemas semicontinuos.
Los tipos de actividades que podrn ser modeladas con los mdulos incorporados en el template
son las siguientes:


Modelado de operaciones semicontinuas de flujo, como pueden ser el aadir, extraer o transferir
material entre tanques.
Permite definir zonas de almacenamiento de materiales a granel.
Permite monitorizar los niveles de materiales contenidos en tanques.
Proporcionar el control discreto para asignacin de tasas en reguladores de flujo.
El template Flow Process es muy til para usuarios de Arena que modelan procesos industriales
semi-continuos y de flujos de materiales.



SESIN 03: NATURALEZA EXPERIMENTAL DE LA SIMULACIN. ESTUDIOS
DE SIMULACIN FRENTE A ESTUDIOS ANALTICOS.


1. INTRODUCCION
La simulacin de sistemas ofrece un mtodo para analizar el comportamiento de un sistema.
Aunque los sistemas varan en sus caractersticas y complejidades, la sntesis de la formacin de
modelos, la ciencia de la computacin, y las tcnicas estadsticas que representa este tipo de
simulacin constituye un conjunto til de mtodos para aprender sobre estas caractersticas y
complejidades e imponerles una estructura. Para comprender las caractersticas tcnicas de este
enfoque y aplicarlas a un problema real, es necesario familiarizarse con los conceptos que
describen un sistema y un modelo.

2. NATURALEZA EXPERIMENTAL DE LA SIMULACIN
La planeacin e implementacin de proyectos complejos en los negocios, industrias y gobierno
requieren de grandes inversiones, razn por la que es indispensable realizar estudios preliminares
para asegurar su conveniencia de acuerdo a su eficiencia y ejecucin econmica para proyectos
de cualquier tamao. Una tcnica para ejecutar estudios piloto, con resultados rpidos y a un
costo relativamente bajo, est basado en la modelacin y se conoce como simulacin. El proceso
de elaboracin del modelo involucra un grado de abstraccin y no necesariamente es una rplica
de la realidad; consiste en una descripcin que puede ser fsica, verbal o abstracta en forma, junto
con las reglas de operacin. Ms an debido a que el modelo es dinmico, su respuesta a
diferentes entradas puede ser usada para estudiar el comportamiento del sistema del cual fue
desarrollado.
La simulacin no pretende aislar las relaciones entre determinadas variables, sino que, busca
observar la forma en que cambian todas las variables del modelo a travs del tiempo. Las
relaciones entre las variables deben ser deducidas de las observaciones. Para lograr comprender
las relaciones que participan en el sistema, es necesario realizar varias "corridas" de simulacin,
por consiguiente, la simulacin debe planearse como una serie de experimentos.
La tcnica de la simulacin observa la manera en que cambian todas las variables del modelo con
el tiempo. Las relaciones entre las variable deben deducirse de esas observaciones. Se tienen que
realizar muchas corridas para comprender las relaciones que participan en el modelo. El modo en
que se desarrollan los experimentos de simulacin depende directamente de la naturaleza del
estudio. Geoffrey Gordon en su libro Simulacin de Sistemas plantea que los estudios de sistemas
son de tres tipos:
AnIisis de Sistemas
Pretende comprender la manera en que opera un sistema existente o propuesto. Se construye un
modelo de sistema y mediante la simulacin se investigan el comportamiento del modelo.

Diseo de Sistemas
El propsito es producir un sistema que satisfaga algunas especificaciones.
El diseador puede elegir o planear determinados sistemas de componentes y
conceptualmente elige una combinacin determinada de componentes para construir un
sistema.
El sistema propuesto se modela y se predice su comportamiento a partir del conocimiento del
comportamiento del modelo.
Si el comportamiento predicho se compara con el comportamiento deseado favorablemente,
se acepta el diseo, sino se redisea.

PostuIacin de un Sistema
Manera en que se emplea la simulacin en estudios sociales econmicos, polticos y mdicos en
que se conoce el comportamiento del sistema.
Se establecen hiptesis de un conjunto probable de entidades y actividades que pueden explicar
el comportamiento.
Se compara la respuesta del modelo con bases en esas hiptesis contra el comportamiento
conocido.


3. ESTUDIOS DE SIMULACION FRENTE A ESTUDIOS ANALITICOS
Los modelos analticos son frmulas matemticas que generan una solucin cuantitativa para un
determinado conjunto de problemas. Nos dan soluciones rpidas y algunos son capaces de dar
soluciones ptimas con un margen bajo de error. Son generalmente estticos, prescriptitos y
determinsticos. Sus principales desventajas son:
A menudo se requiere que las suposiciones se simplifiquen para que entren en el modelo.
Son incapaces de considerar el comportamiento aleatorio que se exhibe en la mayora de los
sistemas.
Conforme los sistemas se vuelven ms complejos, las soluciones tambin.
Son incapaces de resolver problemas de gran complejidad.
Los modelos de simulacin capturan las relaciones de causa y efecto de un sistema en una
computadora, siendo capaz el modelo de generar el mismo comportamiento que ocurrira en el
sistema. La simulacin produce un registro actual histrico y una sumatoria estadstica de todas
las actividades que toman lugar en el modelo durante un tiempo determinado. Los resultados
obtenidos al correr la simulacin generan medidas cuantitativas del desempeo del sistema, tales
como la utilizacin del recurso y los tiempos del ciclo. Como herramienta experimental, la
simulacin se usa para examinar la efectividad de un diseo en particular. Ayuda a evaluar una
solucin y nos da ideas sobre algunos problemas. La simulacin es cuantitativa y mide la
utilizacin del recurso y los tiempos de espera. A diferencia de los modelos analticos y simblicos,
toma en cuenta las fluctuaciones estadsticas e interdependencias ms complejas. Sus principales
desventajas son:
Pueden ser difciles de construir.
Son ms descriptivos que prescriptitos.
En los casos en que los problemas a tratarse sean sistemas de alta complejidad y ligados a una
naturaleza aleatoria de las variables, que incluye el modelo del sistema y donde a la tcnica
analtica le sea muy difcil de establecer una solucin que no implique muchas restricciones al
comportamiento del sistema, entonces para estos casos debe emplearse la Simulacin de
Sistemas que involucra el Modelado de Sistemas.
Dado un modelo matemtico de un sistema, en ocasiones es posible obtener informacin de l a
travs de mtodos analticos, ms si ello no es posible, es menester emplear mtodos de cmputo
numricos en la resolucin de las ecuaciones. Se dispone de una enorme variedad de estos
mtodos, para solucionar las ecuaciones de modelos matemticos. En el caso de los modelos
matemticos dinmicos, se ha conseguido identificar una tcnica especfica, denominada
simulacin de sistemas, en la cual se resuelven simultneamente todas las ecuaciones del modelo
con valores que crecen continuamente en el tiempo. En consecuencia, La simulacin de sistema
se puede definir como la tcnica de resolucin de problemas siguiendo los cambios en el tiempo
de un modelo de sistema dinmico.
Como la tcnica de simulacin no busca la resolucin analtica de las ecuaciones de un modelo,
generalmente un modelo matemtico construido con propsitos de simulacin es de diferente
naturaleza a otro diseado para tcnicas analticas, ya que este caso se requiere tener presente
las restricciones impuestas por la tcnica analtica, adems de hacer variadas suposiciones
generales que satisfagan las restricciones.
En cambio, es posible construir un modelo de simulacin con ms libertad. Formando una serie de
componentes que correspondan a los diagramas de bloque. Cada componente se puede describir
matemticamente en forma directa y natural, sin otorgar demasiada consideracin a la
complejidad de manejar varios de estos componentes. Pero, es necesario organizar y configurar
las ecuaciones de modo tal, para que se pueda emplear un procedimiento rutinario en su
resolucin simultnea.
En sistemas continuos, donde el inters principal se enfoca en los cambios suaves, se emplean en
su descripcin conjuntos de ecuaciones diferenciales. Cuando las simulaciones estn basadas en
estos modelos, se conocen como simulaciones continuas.
En sistemas discretos, el nfasis est puesto en los eventos o actividades, las ecuaciones son en
esencia ecuaciones lgicas que expresan las condiciones para la ocurrencia de un evento. La
simulacin consiste en seguir los cambios en el estado del sistema resultantes de la sucesin de
eventos. En este caso, se conocen como simulacin discreta, la simulacin se realiza decidiendo
una secuencia de eventos y avanzando el tiempo al evento siguiente ms inminente.


SESIN 04: ETAPAS PARA REALIZAR UN ESTUDIO DE SIMULACIN DE
SISTEMAS. EJEMPLO

1. METODOLOGA DE SIMULACIN
Todo proyecto de simulacin atraviesa en la prctica, diversas etapas o fases a lo largo de las
cuales, va desarrollndose hasta verse completado. La siguiente figura muestra los pasos a seguir
en un estudio de simulacin:




Definicin deI Sistema.
Implica hacer un anlisis preliminar del sistema, con el fin de determinar la interaccin del sistema
con otros sistemas, las variables que interactan dentro del sistema y sus interrelaciones, las
medidas de efectividad que se van a utilizar para definir y estudiar el sistema y los resultados que
se esperan obtener del estudio. Esta etapa lleva a la formulacin del problema real que se estudia.
Se trata de fijar exactamente el problema que quiere abordarse, as como establecer el objetivo u
objetivos que se persigue en la simulacin. Esta etapa tambin considera:
La formulacin del problema
Se define los objetivos del estudio (objetivos y metas).
Se define el sistema a estudiar.
Se define los lmites del sistema, sus alcances y limitaciones (restricciones de la abstraccin).
Se especifica el diagrama de flujo lgico.

RecoIeccin y procesamiento de Ia informacin requerida.
Con la recoleccin lo que se indica, es la necesidad de hacerse con todos los datos disponibles
para la simulacin del comportamiento del sistema. Y el procesa-miento no es ms que la
transformacin de esos datos en informacin que podamos utilizar imprescindible para simular un
b S
C b
l M
l
v
L
l
b


sistema. Se pueden considerar tres posibles fuentes para generar informacin: datos histricos o
series temporales, opiniones de expertos y estudios de campo. En esta etapa tambin se
considera:
Se recopila datos de la realidad con la finalidad de estimar las variables y parmetros de
entrada.
Se debe decidir: Cmo recopilar la informacin. Qu datos se necesita y si son importantes.
En caso de tener variables aleatorias: Identificar la distribucin de frecuencias. Verificar si la
distribucin no cambia en el tiempo.
Validar la sensibilidad del modelo ante diferentes distribuciones de probabilidad.
Probar si una serie de nmeros pertenece a cierta distribucin de la probabilidad.
Los modelos de simulacin con los cuales nosotros vamos a trabajar, van a ser de sistemas
discretos y estocsticos, por lo tanto la informacin requerida para simular dichos sistemas tendr
caractersticas aleatorias, esto obliga a averiguar el tipo de distribucin probabilstica que gobierna
a la informacin. Y para ello se requiere la realizacin de una serie de pruebas estadsticas, como
son:
a) Tests referentes a valores medios (diferencias entre medias).
b) Tests referentes a variaciones (JI-DOS, F de Snedecor).
c) Tests referentes a recuento de datos (proporciones, tablas de contingencia, bondad de ajuste,
tests de ejecuciones e intervalo).
d) Pruebas no paramtricas (rangos, medianas, correlacin, Kolmogorov-Smirnov).

FormuIacin deI ModeIo.
Ya es sabido que modelar sistemas es ms un arte que una tcnica. Al elaborar un modelo, se
caracterizan las relaciones que gobiernan la interaccin de las componentes del sistema y de las
actividades endgenas y exgenas. La cuestin clave al modelar es saber distinguir lo relevante
de lo que no lo es. Porque el mejor model no es el ms complejo y el que tiene ms detalles, sino
el que, siendo muy simple, se adeca al objetivo perseguido, ya que cuanto ms detalles, ms
pesado, confuso y costoso de experimentar es el modelo resultante. En esta etapa tambin se
debe tomar en cuenta:
El modelo es la reduccin o abstraccin del sistema real a un diagrama de flujo lgico, donde
se identifican los elementos, las variables y los eventos importantes para cumplir el objetivo
del estudio.
Se define el nivel de detalle del estudio (o nivel de simplificacin).
Un modelo detallado puede implicar mucho tiempo en su implementacin.
Un modelo simplificado no permitir lograr el objetivo planteado.

ImpIementacin o Programacin deI ModeIo.
Para ello se puede emplear los diseos generalizados y los modulares (o de bloque). Es
aconsejable que el programa tenga bastante flexibilidad para adaptarse a los posibles cambios
que impongan las futuras revisiones. Se pueden distinguir las siguientes fases:
a) Elaborar un diagrama de flujo que muestre el efecto de las diferentes actividades sobre las
componentes importantes del sistema.
b) Disear la programacin en algn lenguaje especial (GPSS, SIMSCRIPT, GASP, DYNAMO,
SIMAN ...), o el FORTRAN que es ms general, y que tiene mayor flexibilidad que el resto de
lenguajes generales de simulacin.
c) Probar el programa de ordenador hasta eliminar todos los errores lgicos y no lgicos.
d) Generar resultados.
En esta etapa tambin se decide el lenguaje de programacin o el software de simulacin a usar.
Puede ser Software de Simulacin como GPSS, Arena, Simscript, Simula, Promodel, Dynamo,
Powersim. O puede ser algn lenguaje de Propsito General como Java, C++, C#, Visual Basic,
etc
En esta fase se comprueba que el programa se ajusta al modelo, es una tarea esencial y muy
laboriosa. En esta etapa se toma en cuenta el proceso de llevar a un nivel de confianza del usuario
referente a cualquier inferencia acerca de un sistema es correcta. Pero no se puede probar si un
simulador es correcto o verdadero. Lo que importa es la utilidad operativa del modelo y no la
verdad de su estructura. No existe la prueba de validacin de un modelo. Se hacen pruebas a lo
largo de su desarrollo:


Validar la sensibilidad del modelo.
Prueba de las suposiciones.
Prueba de transformaciones E-S

VaIidacin deI ModeIo o Programa.
Puede ocurrir que aunque el programa funcione acorde y correctamente con el modelo, ste sea
inexacto, es decir, que no se ajuste a la realidad. Para ello basta con comprobar que nuestro
modelo simulado reproduce resultados conocidos del sistema real en estudio. Un buen modelo de
simulacin es aqul, donde los resultados de varias rplicas no tienen diferencias
estadsticamente significativas. Si esto no es as, se puede deber a:- Mal diseo experimental.-
Mal uso de un buen modelo.- Que el anlisis de los resultados se corresponda a la fase inestable
del sistema, es decir, que sean los primeros resultados del proceso de simulacin. Esto se puede
solucionar extendiendo el perodo de simulacin para que el sistema simulado entre en una fase
estable y sean los resultados de estafase del experimento los que se validen.
Para asegurar que el modelo se comporta de la manera que el experimentador desea.
Se verificar si el modelo est correctamente construido.
Se verifica si el modelo se ha construido de acuerdo a las especificaciones.
Se realiza por inspeccin a lo largo del proyecto.

Experimentacin o Diseo de experimentos de simuIacin.
Una vez validado el modelo se realiza la experimentacin que consiste en generar los datos
deseados y realizar el anlisis de sensibilidad de los ndices requeridos. El anlisis de sensibilidad
consiste en variar los parmetros del sistema y la observacin del efecto en la variable de inters.
Una vez verificado y validado el programa, el sistema en estudio est recogido en nuestro
programa de computador y podemos reproducir su comportamiento, en diversas situaciones
cuantas veces deseemos. Es aconsejable una planificacin rigurosa de la combinatoria de
posibilidades de experimentacin, lo que se denomina un diseo experimental.

Documentacin finaI.
En un estudio de simulacin, es preciso documentar todo lo hecho en las distintas fases, para
poder realizar revisiones o investigar posibles errores de los resultados. El anlisis de resultados
consiste en recolectar, sistemticamente, los datos producidos por la simulacin, calcular ciertas
estadsticas, y por ltimo interpretar-las

2. EJEMPLO
La siguiente figura muestra un sistema de montaje electrnico y pruebas

l 8
L
1klA
1klA
l l A
l l 8
S
L
LxlC
k
L


l A
1klA
l 8
WLl8

b

k
L
l A
L


Este sistema representa las operaciones finales de la produccin de dos diferentes unidades
electrnicas selladas. Las partes que llegan son cajas de metal moldeado ya que han sido
mecanizadas y trabajadas para aceptar las partes electrnicas.
Las primeras unidades, llamadas Parte A, se producen en un departamento contiguo, fuera de los
lmites de este modelo, con tiempos entre llegadas que estn exponencialmente distribuidos con
una media de 5 (todos los tiempos estn en minutos) para nuestro modelo. A la llegada, se
transfieren (de forma instantnea) al rea de preparacin de la Parte A, en donde las superficies
de unin de las cajas se mecanizan y trabajan para asegurar un buen sellado y despus a la parte
se le quita la rebaba, se desbarba y limpia; el tiempo de proceso para esta operacin combinada
en el rea de preparacin de la Parte A sigue una distribucin TRIA(1,4,8). Despus se transfiere
la parte (otra vez, de forma instantnea) al sellador.
Las segundas unidades, llamadas Parte B, se producen en un edificio diferente, tambin fuera de
los lmites de este modelo, en donde se les retiene hasta que est listo un lote de cuatro unidades;
el lote se enva al rea de produccin final que estamos modelando. El tiempo entre las llegadas
de los lotes sucesivos de la Parte B de nuestro modelo es exponencial con una media de 30
minutos. A la llegada del rea de preparacin de la parte B, el conjunto se separa en las cuatro
unidades individuales, que se procesan una a una desde este punto y las partes individuales
proceden (de forma instantnea) al rea de preparacin de la parte B. El proceso en el rea de
preparacin de la parte B tiene los mismos tres pasos que el rea de preparacin de la Parte A,
excepto que el tiempo del proceso para la operacin combinada sigue una distribucin
TRIA(3,5,10). Entonces la parte se enva (de forma instantnea) al sellador.
En la operacin del sellador se insertan los componentes electrnicos, la caja se ensambla y se
sella y se prueba la unidad sellada. El tiempo total del proceso para estas operaciones depende
del tipo de parte: TRIA(1,3,4) para la Parte A y WEIB(2.5,5.3) para la Parte B. Noventa y nueve por
ciento de las partes pasan la inspeccin y se transfieren inmediatamente al departamento de
envo; si una parte pasa es independiente de si cualquier otra parte lo hace. Las partes restantes
se transfieren de forma instantnea al rea de retrabado en donde se les desensambla, repara,
limpia, se ensamblan de nuevo y se les pone a prueba otra vez. Ochenta por ciento de las partes
que se procesan en el rea de retrabado se recuperan y transfieren de forma inmediata al
departamento de envo como partes reprocesadas y el resto se transfiere de forma instantnea al
rea de descarte. El tiempo para reprocesar una parte sigue una distribucin exponencial con una
media de 45 minutos y es independiente del tipo de parte y de la disposicin ltima (recuperacin
o descarte).
Queremos recopilar estadsticas en cuanto a uso del recurso, nmero en cola, tiempo en cola y
tiempo del ciclo (o tiempo total en el sistema) en cada rea por separado para las partes enviadas,
recuperadas o descartadas. En un principio realice la simulacin para un periodo de 8 horas o
1920 minutos.