Introduccin Este trabajo surge de la necesidad de estudiar la materia de simulacin y el programa promodel, la motivacin de esta investigacin es el estudio de tiempos

y movimientos de las lneas de produccin de la empresa tostadas ositos. La simulacin de eventos discretos, es el conjunto de relaciones lgicas matemticas y probabilsticas que integran el comportamiento de un sistema bajo estudios cuando se presenta un evento determinado. El objetivo del modelo de simulacin consiste, en comprender, analizar y mejorar las condiciones de operacin relevante del sistema. La definicin bsica del sistema dice que se trata de un conjunto de elementos que se interrelacionan para funcionar como un todo; desde el punto de vista de la simulacin, los elementos deben tener una frontera clara. Un sistema puede dividirse en elementos que son relevantes para la construccin de lo que constituir su modelo de simulacin; entre ellos tenemos entidades, estado del sistema, eventos actuales y futuros, localizaciones, recursos, atributos, variables y el reloj de la simulacin. Marco terico De acuerdo a Kelton, Sadowski y Sadowski (2002), el trmino de simulacin se refiere a una extensa coleccin de mtodos y aplicaciones para imitar el comportamiento de sistemas reales. Los mtodos de simulacin son aplicables en el anlisis del desempeo de una lnea de ensamble, ya que este desempeo depende de la interaccin de varios componentes individuales: operadores, estaciones de trabajo, sistema de manejo de materiales, sistema de informacin, programacin de la produccin, administracin del trabajo en proceso, aspectos de recursos humanos, retrabajos, por mencionar algunos. Esta interaccin es de difcil representacin con algoritmos. Se requiere de un nmero adecuado de experimentos para alcanzar estabilidad estadstica y ya que este nmero a veces resulta muy grande, el proceso de simulacin se realiza por medio de programas de computacin (Chow, 1990). Kelton, Sadowski y Sadowski (2002) mencionan tres tipos de modelos para llevar a cabo la simulacin: modelos fsicos, modelos matemticos y modelos para computadora. Los autores se refieren a la simulacin por computadora como los mtodos para el estudio de modelos de sistemas reales por medio de un software diseado para imitar las operaciones y caractersticas de dichos sistemas. Conceptos bsicos. A continuacin se describen algunos conceptos bsicos en los mtodos de simulacin, principalmente en la simulacin por computadora, como es el caso del software Arena. Sistema en coleccin de entidades que actan e interactan juntos para alcanzar un fin comn. En la prctica, un sistema en la simulacin depende totalmente de los objetivos de un estudio en particular (Law, 1982).

Modelo de simulacin: Representacin de un sistema desarrollado con el propsito de estudiar ese sistema. El modelo debe ser lo suficientemente detallado o vlido para que sirva como base para tomar una decisin tal y como si se tratara de un experimento en el sistema real (Law, 1982). Los modelos pueden clasificarse en modelos estticos o dinmicos, continuos o discretos, y determinsticos o estocsticos. Los modelos estticos son la representacin de un sistema en un tiempo particular, mientras que los dinmicos son la representacin del sistema a travs de cierto tiempo. En un modelo continuo, el estado de sistema puede cambiar continuamente en el tiempo. En un modelo discreto, los cambios ocurren exclusivamente en puntos separados en el tiempo. Por ltimo, los modelos determinsticos son aquellos que no tienen elementos aleatorios, por su parte, los modelos estocsticos si tienen aleatoriedad.

Entidades: Las entidades son los objetos dinmicos en la simulacin. Atributos: Son valores que caracterizan a las entidades. Este valor puede variar entre las entidades. De hecho, como mencionan, los atributos individualizan a las entidades. Variables: Es informacin que refleja alguna caracterstica del sistema, sin importar el estado o cantidad de las entidades. Recursos: Como su nombre lo indica, representan todo recurso como personal, equipo o espacio. Cuando estn disponibles, los recursos son ocupados por la entidad y al terminar son liberados. Eventos: Es un acontecimiento que sucede en un instante durante la simulacin que puede cambiar atributos, variables, o un acumulador estadstico. Acumuladores estadsticos. Son variables que se registran informacin estadstica durante el progreso de la simulacin. Son tiles para obtener informacin sobre las medidas de desempeo en el estudio de un sistema.

En el caso del software Arena, estos elementos de simulacin pueden ser representados con mdulos que el software contiene, para modelar un sistema. Arena combina las ventajas de un simulador de alto nivel, con los elementos grficos que permiten una fcil representacin y organizacin de los modelos.

Ventajas de simulacin. Dentro de las ventajas que tiene el mtodo de simulacin por computadora, se citan aquellas que menciona: La mayora de los sistemas reales complejos con elementos estocsticos, no pueden ser descritos de forma precisa con modelos matemticos. La simulacin es una alternativa para estudiar estos sistemas. La simulacin permite estimar el desempeo de un sistema existente bajo un conjunto proyectado de condiciones de operacin. A travs de la simulacin es posible comparar diferentes propuestas de diseos alternativos de sistemas, para determinar cul cumple mejor los requerimientos. En la simulacin se puede mantener ms control sobre las condiciones experimentales de lo que es posible cuando se experimenta en el sistema mismo. La simulacin permite el estudio de un sistema por periodos largos.

Las desventajas de la simulacin. Las desventajas que se presentan al simular, radican en el hecho de que al haber muchos sistemas afectados por situaciones incontrolables y aleatorias, los modelos tienen componentes de esta naturaleza, y por lo tanto los resultados tambin son aleatorios. Aunque esta situacin puede ser contrarrestada al hacer una rplica por un largo tiempo, es difcil determinar qu tan largo debe ser este tiempo. Tambin se considera como desventaja de la simulacin el tiempo y recursos que se requieren para desarrollar un modelo de simulacin, pero como mencionan Kelton y Sadowski (2002), la simulacin se ha hecho cada vez ms popular en las ltimas tres dcadas. Una de las razones es que la simulacin es cada vez ms efectiva y consume menos recursos. Adems del desarrollo que los programas para esta herramienta ha tenido en los ltimos aos, que ha permitido que sea ms sencillo modelar un sistema.

PASOS PARA REALIZAR UN ESTUDIO DE SIMULACIN: La realizacin de un estudio de simulacin requiere la ejecucin de una serie de actividades y anlisis. A continuacin se mencionan los pasos bsicos para realizar un estudio de simulacin. 1.- Definicin de sistema bajo estudio: en esta etapa es necesario conocer el sistema a modelar. Para ello se requiere saber que origina el estudio de simulacin y establecer los supuestos de modelos; es conveniente definir las variables de decisin del modelo, determinar las interacciones y establecer con precisin los alcances y limitaciones que aquel podra llegar a tener. 2.- Generacin del modelo de simulacin base: la generacin de este modelo es el primer reto para el programador de la simulacin, toda vez que debe traducir a un lenguaje de simulacin informacin que se obtuvo en la etapa de definicin del sistema, incluyendo las interrelaciones de todos los posibles subsistemas que exista en el problema modelar. 3.- Recoleccin y anlisis de datos: en esta etapa se debe determinar que informacin es til para la determinacin de las distribuciones de probabilidad asociadas a cada una de las variables aleatorias innecesarias para la simulacin. El anlisis de los datos necesarios para asociar una distribucin de probabilidad a una variable aleatoria, as como las pruebas que se debe aplicar a los mismos, se analizaran ms adelante. Al finalizar la recoleccin y anlisis de datos para todas las variables del modelo, se tendr las condiciones necesarias para generar una versin preliminar del problema que se est simulando. 4.- Generacin del modelo preliminar: en esta etapa se integra la informacin obtenida a partir del anlisis de los datos, los supuestos del modelo y todos los datos que se requieran para tener un modelo lo ms cercano posible a la realidad del problema bajo estudios. Al finalizar esta etapa el modelo est listo para su primera prueba: su verificacin o, en otras palabras, la comparacin de la realidad. 5.- Verificacin del modelo: una vez que se han identificado las distribuciones de probabilidad de las variables del modelo y se han implantado los supuestos acordados, es necesario realizar un procesos de verificacin de datos para comprobar la propiedad de la programacin del modelo, y comprobar que todos los parmetros usados en la simulacin funciones correctamente. Una vez que se a completado la verificacin, el modelo est listo para su comparacin con la realidad del problema que se est modelando. 6.- Validacin del modelo: el proceso de validacin del modelo consiste en realizar una serie de pruebas al mismo, utilizando la informacin de entrada real para observar su comportamiento y analizar sus resultados.

Si el problema bajo simulacin involucra un proceso que se desea mejorar, el modelo debe de someterse a prueba con las condiciones actuales de operacin, lo que nos dar como resultado un comportamiento similar al que se presenta realmente en nuestro proceso. 7.- Generacin del modelo final: una vez que el modelo se a validado el analista est listo para realizar la simulacin y estudiar el comportamiento del procesos. En caso de que se desee comparar escenarios diferentes para un mismo problema, este ser el modelo raz; en tal situacin, el siguiente paso es la definicin de los escenarios analizar. 8.- Determinacin de los escenarios para el anlisis: tras validar el modelo es necesario acordar con el cliente los escenarios que se analizar. Una manera muy sencilla de determinarlos consiste en utilizar un escenario pesimista, uno optimista y uno intermedio para que la variable de respuesta ms importante. Por su parte, el analista tambin puede contribuir a la seleccin de escenario, sugiriendo aquellos que considere ms importante; al hacerlo dar pie a que se reduzca el nmero de combinaciones posibles. 9.- Anlisis de sensibilidad: una vez que se obtienen los resultados de los escenarios es importante realizar pruebas estadsticas que permitan comparar los escenarios con los mejores resultados finales. Si dos de ellos tienen resultados similares ser necesario comparar sus intervalos de confianza respecto de la variable de respuesta final. Si no hay interseccin de intervalos podremos decir con certeza estadstica que los resultados no son iguales; sin embargo, si los intervalos se trasladan ser imposible determinar, estadsticamente ablando, que una solucin es mejor que otra. 10.- Documentacin del modelo sugerencias y conclusiones: una vez realizado el anlisis de los resultados, es necesario efectuar toda la documentacin del modelo. Esta documentacin es muy importante, pues permitir el uso del modelo generado en caso de que se requieran ajustes futuros. En ellas se deben incluir los supuestos del modelo, las distribuciones asociadas a sus variables, todos sus alcances y limitaciones, y en general la totalidad de las consideraciones de programacin. Tambin es importante incluir sugerencias tanto del uso del modelo como sobre los resultados obtenidos, con el propsito de realizar un reporte ms completo. Por ltimo, debern presentarse as mismo las conclusiones del proyecto de simulacin, a partir de las cuales es posible obtener los reportes ejecutivos para la presentacin final.

Objetivo general. Analizar y simular un modelo de PROMODEL el proceso de CARDY DESECHABLES aplicando los conocimientos adquiridos en la materia de simulacin. Objetivo especfico. identificar fallas, tiempos muertos y cuellos de botellas. saber si se cuenta con suficientes recursos para la capacidad instalada, o de lo contrario si ocupa mayor maquinaria para aprovechar al mximo dichos recursos. Toma de tiempos de cada operacin.

Anlisis del sistema, identificacin de locaciones, entidades, recursos y procesos. LOCACIONES: ENTIDADES: RECURSOS: VARIABLES: