Modelacin y Simulacin

Captulo 1

Introduccin
El analista tiene a su disposicin una gran cantidad de software de simulacin que le permite tomar decisiones en temas muy diversos.
Determinar la mejor localizacin de una nueva planta Disear un nuevo sistema de trabajo Efectuar el anlisis productivo de un proceso ya existente pero que requiere mejoras.

Simulacin de Eventos Discretos

Proceso de simulacin que se basa en el uso de ecuaciones matemticas y estadsticas. Consiste en relacionar los diferentes eventos que pueden cambiar el estado de un sistema bajo estudio por medio de distribuciones de probabilidad y condiciones lgicas del problema que se est analizando.

Simulacin de Eventos Discretos (Ejemplo)

En proceso de inspeccin 0.2% de los productos tiene algn tipo de defecto (estadsticamente ) Puede simularse con facilidad mediante una simple hoja de clculo
Considerando estadsticas de rechazos y productos conformes y asignando una distribucin de probabilidad con 0.2% de oportunidad de defecto para cada intento de inspeccin

Conceptos importantes

DEFINICIN DE SIMULACIN

Simulacin de eventos discretos

Conjunto de relaciones lgicas, matemticas y probabilsimas que integran el comportamiento de un sistema bajo estudio cuando se presenta un evento determinado.
El objetivo del modelo de simulacin consiste, precisamente, en comprender, analizar y mejorar las condiciones de operacin relevantes del sistema.

Sistema
Conjunto de elementos que se interrelacionan para funcionar como un todo. Desde el punto de vista de la simulacin, tales elementos deben tener una frontera clara. Ejemplos:
Atencin de clientes en un banco Inventarios de una empresa Atencin en la sala de emergencia de un hospital.

Cada uno de ellos tiene: entidades, estado del sistema, eventos actuales y futuros, localizaciones, recursos, atributos, variables y el reloj de la simulacin.

Entidad
Representacin de los flujos de entrada a un sistema; ste es el elemento responsable de que el estado del sistema cambie. Ejemplos:
Clientes que llegan a la caja de un banco Las piezas que llegan a un proceso El embarque de piezas que llega a un inventario.

Estado del sistema

Es la condicin que guarda el sistema bajo estudio en un momento determinado (fotografa) Se compone de variables o caractersticas de operacin:
Puntuales: nmero de piezas que hay en el sistema en ese momento Acumuladas o promedio: tiempo promedio de permanencia de una entidad en el sistema, en una fila, almacn o equipo.

Eventos
Es un cambio en el estado actual del sistema. Ejemplos:
la entrada o salida de una entidad, la finalizacin de un proceso en un equipo, la interrupcin o reactivacin de una operacin (digamos por un descanso del operario), la descompostura de una mquina.

Tipos de Eventos
Eventos actuales: estn sucediendo en el sistema en un momento dado. Eventos futuros: se presentarn en el sistema despus del tiempo de simulacin, de acuerdo con una programacin especfica.

Localizaciones
Son todos aquellos lugares en los que la pieza puede detenerse para ser transformada o esperar a serlo. Ejemplos:
Almacenes, bandas transportadoras, mquinas, estaciones de inspeccin, etctera.

Recursos
Son aquellos dispositivos diferentes a las localizaciones necesarios para llevara cabo una operacin. Ejemplos:
un montacargas que transporta una pieza de un lugar a otro una persona que realiza la inspeccin en una estacin y toma turnos para descansar una herramienta necesaria para realizar un proceso pero que no forma parte de una localizacin especfica, sino que es trasladada de acuerdo con los requerimientos de aquel.

Atributo
es una caracterstica de una entidad. Ejemplos:
si la entidad es un motor, los atributos seran su color, peso, tamao o cilindraje.

Los atributos son muy tiles para diferenciar entidades sin necesidad de generar una entidad nueva Pueden adjudicarse al momento de la creacin de la entidad, o asignarse y/o cambiarse durante el proceso.

Variables
Son condiciones cuyos valores se crean y modifican por medio de ecuaciones matemticas y relaciones lgicas. Pueden ser
Continuas: el costo promedio de operacin de un sistema Discretas: el nmero de unidades que deber empacarse en un contenedor.

Las variables son muy tiles para realizar conteos de piezas y ciclos de operacin, as como para determinar caractersticas de operacin del sistema.

El reloj de la simulacin
Es el contador de tiempo de la simulacin Su funcin consiste en responder preguntas tales como:
Cunto tiempo se ha utilizado el modelo en la simulacin? Cunto tiempo en total se quiere que dure esta ltima?

Se relaciona con la tabla de eventos futuros, pues al cumplirse el tiempo programado para la realizacin de un evento futuro, ste se convierte en un evento actual.
Regresando al ejemplo de la pieza en la mquina:
Cuando el tiempo de proceso se cumpla, la pieza seguir su camino hasta su siguiente localizacin; El reloj de la simulacin simula precisamente ese tiempo.

Tipos de Reloj
Absoluto: parte de cero y termina en un tiempo total de simulacin definido Relativo: slo considera el lapso de tiempo que transcurre entre dos eventos. Ejemplos:
Tiempo relativo: tiempo de proceso de una pieza Tiempo absoluto: tiempo global de la simulacin:
desde que la pieza entr a ser procesada hasta el momento en el que termin su proceso.

Tipos de modelos
Existen distintos modelos de simulacin que permiten representar situaciones reales de diferentes tipos. Fsicos:
Como un avin a escala en un tnel de viento

Matemticos:
a los cuales pertenecen los modelos de simulacin de eventos discretos.

Tipos de modelos
Los modelos pueden diferenciarse segn el tipo de ecuaciones matemticas que los componen. Eventos continuos: las relaciones entre las variables relevantes de la situacin real se definen por medio de ecuaciones diferenciales, dado que stas permiten conocer el comportamiento de las variables en un lapso de tiempo continuo.
Ejemplos: de qu manera se transfiere el calor en un molde o determinar cmo fluye cierto material dentro de una tubera, e incluso discernir el comportamiento del nivel de un tanque de gasolina al paso del tiempo mientras el vehculo est en marcha.

Modelos discretos: el comportamiento puede representarse por medio de ecuaciones evaluadas en un punto determinado.
Ejemplo: si hacemos un muestreo del nmero de personas que llegaron a un banco en un lapso de tiempo especfico, podemos simular esta variable con ecuaciones ligadas a distribuciones de probabilidad que reflejen dicho comportamiento.

Modelos estticos y dinmicos

Modelos dinmicos: representan sistemas en los que el estado del que estamos analizando cambia respecto del tiempo.
Ejemplo: el nmero de personas que hacen fila para entrar a una sala de cine vara con el tiempo.

Modelos estticos: representan sistemas que generan un resultado bajo un conjunto de situaciones o condiciones determinado
Ejemplo: al lanzar un dado los nicos valores que se puede obtener son 1,2,3,4,5 o 6, de manera que el resultado de la simulacin ser uno de tales valores posibles; Este tipo de simulacin generalmente se conoce como simulacin de Monte Carlo.

Modelos determinsticos y estocsticos

Modelos determinsticos: representan sistemas con relaciones constantes entre los cambios de las variables del modelo.
Ejemplo, si las cajas empleadas en un proceso contienen siempre 5 productos, cada vez que se aada una caja al inventario ste se incrementar en 5 unidades.

Modelos estocsticos: representan sistemas en los que al menos una variable es tomada como un dato al azar y las relaciones entre variables se toman por medio de funciones probabilsticas.
Si, por el contrario, se da una distribucin de probabilidad en el proceso de manera que algunas cajas contienen 3 productos, otras 4 y as por el estilo, el inventario se modificar segn el nmero de piezas de cada caja y, en consecuencia, ser necesario un modelo estocstico.

En el caso de la simulacin de eventos discretos hablaremos de modelos matemticos, discretos, dinmicos, y que pueden incluir variables determinsticas y probabilsticas.

Rplica o corrida
Cuando ejecutamos el modelo en una ocasin, los valores que obtenemos de las variables y parmetros al final del tiempo de simulacin generalmente sern distintos de los que se producirn si lo volvemos a correr usando diferentes nmeros pseudo aleatorios. Por lo tanto, es necesario efectuar ms de una rplica del modelo que se est analizando, con la finalidad de obtener estadsticas de intervalo que nos den una mejor ubicacin del verdadero valor de la variable bajo los diferentes escenarios que se presentan al modificar los nmeros pseudo aleatorios en cada oportunidad.

Ejemplo
1. Un taller recibe ciertas piezas, mismas que son acumuladas en un almacn temporal en donde esperan a ser procesadas. Esto ocurre cuando un operario transporta las piezas del almacn a un torno. 2. Desarrolle un modelo que incluya el nmero de piezas que hay en el almacn esperando a ser atendidas en todo momento, y el nmero de piezas procesadas en el torno.

Ejemplo
Sistema: En este caso, el sistema est conformado por el conjunto de elementos interre-lacionados para el funcionamiento del proceso: las piezas, el almacn temporal, el operario, el torno. Entidades: En este modelo slo tenemos una entidad: las piezas, que representan los flujos de entrada al sistema del problema bajo anlisis. Estado del sistema:
Podemos observar que cuando llevamos 1 hora 10 minutos de simulacin (vea el extremo superior derecho de la figura) en el almacn se encuentran 9 piezas esperando a ser procesadas; el operario est transportando una pieza ms para procesarla en el torno. El torno, por lo tanto, no est trabajando en ese momento, aunque ya ha procesado 4 piezas. Adems de estos datos, podemos llevar un control de otras estadsticas relacionadas con el estado del sistema, como el tiempo promedio de permanencia de las piezas en los estantes del almacn temporal o en el sistema global.

Eventos: Entre otros, podramos considerar como eventos de este sistema el tiempo de descanso del operario o la salida de una pieza tras ser procesada por el torno. Adems es posible identificar un evento futuro: la llegada de la siguiente pieza al sistema (tendramos ms eventos de este tipo respecto de las piezas que esperan a que el operario las tome).

Ejemplo
Localizaciones: En este caso tenemos el almacn al que debern llegar las piezas y en el que esperarn a ser procesadas, as como el torno en donde esto ocurrir. Recursos: En este modelo, un recurso es el operario que transporta las piezas del almacn al torno. Atributos: Digamos que (aunque no se menciona en el ejemplo) las piezas pueden ser de tres tamaos diferentes. En este caso, un atributo llamado tamao podra agregarse a la informacin de cada pieza que llega al sistema, para posteriormente seleccionar el tipo de operacin que deber realizarse y el tiempo necesario para llevarla a cabo de acuerdo con dicho atributo.

Ejemplo
Variables: Tenemos dos variables definidas en este caso: el nmero de piezas en el almacn y el nmero de piezas procesadas en el torno. Reloj de la simulacin: Como se puede ver en la esquina superior derecha de la figura 1.1, en este momento la simulacin lleva 1 hora 10 minutos. El reloj de la simulacin continuar avanzando hasta el momento que se haya establecido para el trmino de la simulacin, o hasta que se cumpla una condicin lgica para detenerla, por ejemplo, el nmero de piezas que se desean simular.

Estados de un Sistema
Transitorio: Se presenta al principio de la simulacin. En el estado transitorio hay mucha variacin entre los valores promedio de las variables de decisin del modelo, por lo que formular conclusiones con base en ellos sera muy arriesgado, toda vez que difcilmente nos daran una representacin fiel de la realidad. Estable: los valores de las variables de decisin permanecen muy estables, presentando slo variaciones poco significativas.
En este momento las decisiones que se tomen sern mucho ms confiables. Sin embargo no todas las variables convergen al estado estable con la misma rapidez.

Ventajas de la Simulacin
Es muy buena herramienta para conocer el impacto de los cambios en los procesos sin necesidad de llevarlos a cabo en la realidad. Mejora el conocimiento del proceso actual al permitir que el analista vea cmo se comporta el modelo generado bajo diferentes escenarios. Puede utilizarse como medio de capacitacin para la toma de decisiones. Es ms econmico realizar un estudio de simulacin que hacer muchos cambios en los procesos reales. Permite probar varios escenarios en busca de las mejores condiciones de trabajo de los procesos que se simulan. En problemas de gran complejidad, la simulacin permite generar una buena solucin. En la actualidad los paquetes de software para simulacin tienden a ser ms sencillos, lo que facilita su aplicacin. Gracias a las herramientas de animacin que forman parte de muchos de esos paquetes es posible ver cmo se comportar un proceso una vez que sea mejorado.

Desventajas de la Simulacin
Aunque muchos paquetes de software permiten obtener el mejor escenario a partir de una combinacin de variaciones posibles, la simulacin no es una herramienta de optimizacin. La simulacin puede ser costosa cuando se quiere emplearla en problemas relativamente sencillos de resolver, en lugar de utilizar soluciones analticas que se han desarrollado de manera especfica para ese tipo de casos. Se requiere bastante tiempo generalmente meses para realizar un buen estudio de simulacin; por desgracia, no todos los analistas tienen la disposicin (o la oportunidad) de esperar ese tiempo para obtener una respuesta. Es preciso que el analista domine el uso del paquete de simulacin y que tenga slidos conocimientos de estadstica para interpretar los resultados.