INTRODUCCION Simulacin es un rea de estudio que forma parte de la Investigacin de Operaciones (IDO), La cual es usada prcticamente en todas las

reas de estudio conocidas. Simulacin permite estudiar un sistema sin tener que realizar experimentacin sobre el sistema real. Esto presenta muchas ventajas que discutiremos ms adelante aqu. Sin embargo, esta no es la nica forma de estudiar un sistema; otra posibilidad es construir un modelo anlitico conformado por un conjunto de ecuaciones (generalmente diferenciales) que representan al sistema para luego resolverlo para diferentes situaciones, o bien plantear un modelo de optimizacin que pretende proporcionar la mejor estrategia que el sistema debe adoptar para funcionar mejor de acuerdo con alguna medida de rendimiento establecida en la "funcin objetivo" y satisfaciendo las diversas condiciones del problema, establecidas en "las restricciones". Los modelos que se obtienen como un conjunto de ecuaciones se denominan con frecuencia modelos analticos, es decir modelos de ecuaciones diferenciales o de optimizacin. Por cierto que, los estudiosos de las ecuaciones diferenciales afirman con orgullo que todos los modelos analticos son de ecuaciones diferenciales, ya que incluso una simple ecuacin algebrica es una ecuacion diferencial de orden cero (sic). Cualquiera que sea el caso, analizaremos aqu a manera de introduccin los modelos analticos y los de simulacin, que por cierto an no decimos como son, pues primero veremos algunas inconveniencias de los modelos analticos. Posteriormente, despues de discutir brevemente que son los modelos de simulacin, indicaremos ventajas y desventajas de los modelos de simulacin. INCONVENIENCIA DE LOS MODELOS ANALITICOS La construccin de un modelo analtico tiene con frecuencia serios invonvenientes, entre los que podemos citar: 1) La dificultad de encontrar el modelo de ecuaciones que representen al sistema real y 2) La dificultad para resolver el modelo. Por otro lado, con frecuencia se requiere que los individuos que participan en el equipo deben tener una gran capacitacin y destreza. De modo que estos equipos de trabajo suelen ser costosos. En contraparte, para obtener modelos de simulacin, los equipos de trabajo pueden estar conformados por personas con menor calificacin, de modo que la coordinacin de estos equipos es en general mas simple y casi siempre ms econmico. Con esto no se pretende decir que los modelos analticos sean intiles, ya que existen cierto tipo de problemas, para los cuales se conoce la forma de obtencin del modelo as como la manera de construir un algoritmo eficiente para resolverlo.

QU ES SIMULACIN? Simulacin es una palabra que es familiar a los profesionales de todas las disciplinas e incluso para aqullos que no han estudiado una carrera profesional. De esta manera el significado de la palabra Simulacin se explica casi por s misma. Entre los significados que podemos obtener de la gente comn y corriente para la palabra "Simular", se encuentran los siguientes: "Imitar la realidad", "emular un sistema", "dar la apariencia o efecto de un sistema o situacin real". Hay muchas definiciones propuestas sobre lo que significa Simulacin, he aqu algunas definiciones: "Una simulacin es una imitacin de la operacin de un proceso del mundo real sobre determinado tiempo" "El comportamiento de un sistema durante determinado tiempo puede ser estudiado por medio de un modelo de simulacin. Este modelo usualmente toma su forma a partir de un conjunto de postulados sobre la operacin del sistema real". En la primera definicin, est implcito un sistema, mismo que contiene un proceso (posiblemente formado por subprocesos). De esta manera se trata de un sistema el cual cambia con el tiempo. Ntese que en esta definicin no se seala si las relaciones de las variables del sistema son discretas o continuas, esto depende del modelo que representar al sistema real. Esta divisin no existe siempre en la realidad, hemos sido los seres humanos quienes lo hemos dividido (para facilitar su estudio) en discreto y continuo. Esto pasa con todas las cosas de la naturaleza; est es nica, sin embargo, el hombre se ha encargado en dividirla en fisica, biologa, matemticas, etc. No importa como dividamos a la naturaleza esta seguir siendo nica y probablemente indivisible. Un modelo es una representacin de un objeto de inters. No obstante que el objeto sea nico, el nmero de representaciones es por lo general muy grande, de modo que el nmero de modelos de un sistema del mundo real lo es es tambin. Puesto que para un sistema del mundo real habr tantas representaciones como concepciones de la realidad se tengan, el nmero de modelos es por lo general infinito. El hecho de que se tenga ms de un modelo de simulacin para un sistema real, no nos debe preocupar demasiado, encontrar un modelo de simulacin casi siempre es facil, mientras que encontrar un modelo analtico con frecuencia es una tarea arda, independientemente que, para muchos problemas, un modelo analtico,simplemente no existe. Obsrvese que en la segunda definicin tambin se hace incapi de un modelo, dejando entrever la posibilidad de diferentes modelos, lo cual resulta totalmente natural, dada la multiplicidad de modelos para un mismo objeto del mundo real. Ntese tambin que se propone un objetivo de la simulacin: "estudiar sistemas reales a travs de modelo". Podriamos agregar aun ms que el propsito de estudiar a los sistemas reales es comprender la interaccin de los procesos que inervienen en el, con el propsito de modificarlos para obtener un beneficio determinado. En esta definicin est implicito que: 1) Un modelo de simulacin representa un conjunto de suposiciones (o postulados) sobre la operacin de un sistema real. 2) Los postulados de un modelo de simulacin se pueden expresar como relaciones entre entidades u objetos de inters del sistema en forma de expresiones matemticas, lo que llevara a un modelo analtico.

Afortunadamente, es posible reemplazar esas expresiones mtemticas y el clculo de los valores de las variables de inters, a travs de funciones de distribucin de probabilidad. Para los problemas de lneas de espera, existen modelos analticos que pretenden representar los resultados promedio de la utilizacin de dichas funciones de distribucin de probabilidad. Los Modelos de Markov tambin apuntan en esa direccin. Los Modelos de simulacin de eventos discretos (o simulacin tipo MonteCarlo), por el contrario, utilizan estas funciones de distribucin con el propsito de realizar una experimentacin cuyos resultados llevarn, despus de un nmero conveniente de ensayos a lo que se obtendra en el sistema real. Estos modelos de simulacin tienen la ventaja que se pueden para muchos tipos de problemas y no slo para aqullos de lneas de espera. Existen ademas modelos del rea de teora de Control que incorporan funciones de distribucin de probabilidad y lo que se conoce como estabilidad de sistemas, referidos recientemente como Teora de Caos que se pueden tambin usar para una gran variedad de problemas. Los modelos de estabilidad empleados asi son por lo regular dificiles de construir y validar. Por otra parte tambin existen modelos de optimizacin que utilizan funciones de distribucin y permiten estudiar sistemas del mundo real de alguna manera; ejemplos de elos son los modelos de redes neuronales y algoritmos genticos. Otros tcnicas empleadas son Redes de petri y Modelos de Regresin. En este curso solamente estudiaremos modelos de lneas de espera y de Markov y, modelos de Simulacin de eventos discretos tipo Montecarlo. En lo que sigue usaremos el trmino "Simulacin", para referirnos a "Simulacin de Eventos Discretos". En este curso usaremos el Trmino "Simulacin", para referirnos a la Simulacin de Eventos Discretos tipo MoneCarlo.

SITUACIONES EN QUE LA SIMULACION ES ADECUADA La Simulacin permite el estudio de, y la experimentacin con, las interacciones internas de un sistema real o, entre un subsistema con uno o mas sistemas donde las relaciones son de naturaleza estocstica. La simulacin es conveniente cuando: * Se requiere analizar diferentes cambios en la informacin y su efecto. Se desea experimentar con diferentes diseos o polticas. Se desea verificar soluciones analticas. Un modelo analtico es imposible o dificil de construir. Se desea estudiar un sistema real y resulta peligroso o costoso hacerlo en el propio sistema real; la posibilidad de hacerlo mediante un modelo anlitico resulta imposible iconveniente. Ademas, puede resultar conveniente: Usar la simulacin como un instrumento pedaggico para reforzar metodologas analticas. Determinar cuales son las variables ms importantes del modelo de un sistema, mediante el uso de simulacin. De esta manera se podr construir un modelo refinado del sistema real. Esto puede ser til para la construccin de modelos diferentes a los de simulacin. Algunas aplicaciones de Simulacin que podemos citar son los siguientes: * Operaciones de mantenimiento Simulacin del Trfico de un sistema (Teleproceso, Trfico areo y terrestre, telecomunicaciones, telefona,...). Cambios en la configuracin de un sistema. Simulacin econmica. Estrategias militares. Control de inventarios. Lneas de produccin.

* * * *

* * * * * *

ESTUDIO DE FENOMENOS PROCESOS DE ESPERA Y SIMULACIN Independientemente que en el proximo mdulo estudiaremos los modelos de los sistemas que involucran procesos de espera, permitasenos en esta introduccin recalcar que los modelos de simulacin son usados en sistemas que involucran procesos de espera. Un sistema de ese tipo se conoce como Sistema de Espera y a l llegan elementos llamados "clientes", en diversos instantes de tiempo. El tiempo se considera discreto para un sistema de espera y los clientes son generados generalmente en unidades externas al sistema de espera, denominada comunmente fuente. Dentro del sistema de espera se tienen uno o ms elementos conocidos como servidores. Los clientes al entrar al sistema se dirigen hacia uno de los servidores y, si es necesario, luego a otro, y a otro y as suscesivamente. Los servidores proporcionan atencin a los clientes, para lo cual brindan cierta cantidad de tiempo. El tiempo que brindan los servidores es por lo general una variable aleatoria, cuya funcin de distribucin depende de cada sistema. Por otra parte, los tiempos que tarda una fuente en generar cada cliente tambin son variables aleatorias y su funcin de distribucin depende de la situacin que se est simulando. Los clientes al llegar a un servidor pueden estar en dos estados: atendindose en espera. Como consecuencia se forman ante cada servidor lneas de espera. Dependiendo de la aplicacin es posible que cadad lnea de espera tenga una capacidad de contener cierto nmero de clientes. esto ocurre por ejemplo en procesadores de computadoras y en problemas de alamacenes de inventarios. Como consecuencia puede resultar que una linea de espera bloquee el paso de clientes que fueron atendidos en una etapa previa; en estos casos se dice que el servidor en cuestin est bloqueado. Estos sistemas de espera pueden ser estudiados de las siguientes formas: a) Modelo de Lneas de espera, b) Simulacin Montecarlo, c) Redes de Petri. A Conticuacin se resumen las ventajas (y desventajas) de los modelos de simualacin.

Etapa Formulacin del problema. Diseo del modelo conceptual.

Descripcin Define el problema que se pretende estudiar. Incluye por escrito sus objetivos. Especificacin del modelo a partir de las caractersticas de los elementos del sistema que se quiere estudiar y sus interacciones teniendo en cuenta los objetivos del problema. Identificar, recoger y analizar los datos necesarios para el estudio. Construccin del modelo de simulacin partiendo del modelo conceptual y de los datos. Comprobar que el modelo se comporta como es de esperar y que existe la correspondencia adecuada entre el sistema real y el modelo. Analizar los resultados de la simulacin con la finalidad de detectar problemas y recomendar mejoras o soluciones. Proporcionar documentacin sobre el trabajo efectuado. Poner en prctica las decisiones efectuadas con el apoyo del estudio de simulacin.

Recogida de datos. Construccin del modelo. Verificacin y validacin. Anlisis.

Documentacin. Implementacin.