Deben cumplir con ms requisitos de

Simulacin desempeo dado el incremento de la

Proceso de imitar un sistema real sobre el
tiempo, teniendo en cuenta los eventos que
modifican el estado de dicho sistema.
competencia y el incremento en las
expectativas de los clientes.
Simulacin como solucin en la toma de
decisiones:

Un sistema es un conjunto de elementos que Permite comprender como opera el sistema

funcionan juntos para el logro de un objetivo. en s.
Evala cuantitativamente las opciones de
Para proponer estrategias para su adecuada solucin. Tomando decisiones Inteligentes y
operacin. elaboradas.
Es una herramienta experimental para Identifica claramente los problemas.
modelar el comportamiento de un sistema. Se reduce el tiempo y el costo de probar o
No resuelve el problema. evaluar el sistema real.
No resuelve por si sola los problemas.
Idea General: Generar un modelo capaz de
reproducir la respuesta obtenida del sistema real Usos de la simulacin
mediante experimentacin, con el propsito de
Herramienta verstil aplicable a una variedad de
comprender el comportamiento y/o de evaluar
campos:
diversas estrategias de operacin del sistema.
Diseo de sistemas:
Un modelo es un conjunto de supuestos y
Seleccin de mtodos
aproximaciones de cmo opera el sistema.
Seleccin de tecnologa
Propsito Reducir tiempo requerido para
ajustes
Describir el comportamiento de un sistema Manejo de sistemas:
Desarrollar o formular hiptesis sobre el Organizacin y asignacin de
sistema observado recursos
Utilizar el modelo para predecir Control del flujo de clientes y
comportamientos futuros, introducir materiales
cambios en el sistema o en los mtodos de Manejo de inventario y atrasos
operacin. Capacitacin y educacin
El enfoque en el mejoramiento de sistemas de Comunicacin y ventas
produccin y servicios es fundamental, el diseo y Relaciones Pblicas
el manejo de estos sistemas se ha convertido en un
reto por factores como: Factores que contribuyen al uso de la
simulacin
Los sistemas tienen una vida til corta
debido a los constantes cambios en la Mayor consciencia y comprensin de la
tecnologa. tecnologa.
Son cada vez ms complejos como Mayor disponibilidad, capacidad y facilidad
resultado de los grandes avances en la en el uso del software de simulacin.
tecnologa.
Mayor capacidad y velocidad de proceso de
las computadoras.
 Reduccin en el costo del hardware.
La amplia adopcin de microcomputadoras
en empresas.
Beneficios de la Simulacin
Permite experimentar relaciones complejas
en sistemas que analticamente seran
imposibles de obtener
Puede ser usada para verificar soluciones
analticas
La simulacin genera una visin profunda y
detallada del sistema en estudio; sin
embargo, no produce resultados ptimos,
sino buenos.
La simulacin permite al analista desarrollar
cambios en el proceso productivo sin
comprometer recursos fsicos de la
compaa. (instalacin de sistemas de
manejo de materiales, maquinaria.)
Manipulacin del tiempo de simulacin
Es posible reconstruir escenarios y
desarrollar evaluaciones detalladas del
sistema, lo cual sera imposible de realizar
en el proceso real, debido a que no se
puede observar o controlar en el contexto
general.
Permite realizar anlisis de sensibilidad para
estudiar diferentes alternativas a procesos
de produccin ya existentes.
Identificacin de restricciones
Entrenamiento del grupo de trabajo
Objetividad en la toma de decisiones
Especificacin de requerimientos
Ventajas
Una vez el modelo es construido, puede ser
utilizado repetidamente para analizar
propuestas de diseo o polticas de
operacin.
Los mtodos de simulacin pueden ser
usados para analizar un sistema propuesto
aun cuando los datos estn en las fases
preliminares de recoleccin y anlisis.
Los datos de simulacin son mucho menos
costosos de obtener que los datos reales de
un sistema.
La simulacin es relativamente ms sencilla
de aplicar que los mtodos analticos.
Mientras que los modelos analticos
requieren de enormes sacrificios en cuanto
a su validez debido a la simplificacin, los
modelos de simulacin usualmente
permiten representar relaciones complejas
sin perder validez.
En algunos casos, simulacin es la nica
herramienta disponible para obtener
soluciones a un problema.
Desventajas
Los modelos de simulacin para
computadores digitales, pueden ser
costosos y requerir enorme cantidad de
tiempo en su preparacin y validacin.
Normalmente un modelo de simulacin
estocstico requiere de numerosas corridas
que puede resultar altamente costoso en
recursos computacionales.
La aleatoriedad del modelo representa un
factor importante
Como se menciona al inicio de esta seccin,
muchas veces el analista olvida sus
aptitudes y entrenamiento matemtico y
aplica simulacin en sistemas relativamente
simples en los cuales una solucin analtica
sera suficiente.
La simulacin puede ser una herramienta
muy poderosa. Permite modelar
incertidumbre y variabilidad.
Los resultados pueden ser mal
interpretados.
Es difcil identificar cuando los resultados
son vlidos.
No se toman en cuenta los factores
humanos y tecnolgicos.

Cundo se debe Simular?
La complejidad de un sistema es el determinante
del uso de la simulacin:
El desarrollo de un modelo matemtico es
muy difcil o imposible.
El sistema tiene uno o ms variables
internamente dependientes.
El objetivo es observar el comportamiento
del sistema durante un periodo de tiempo.
Tipos de Modelos
Fsicos(icnicos)
Modelos a escala de sistemas de manejo de
materiales
Maqueta de un edificio
Simuladores de vuelo
Lgicos(matemticos)
Aproximaciones y supuestos del
funcionamiento del sistema
(determinsticos, probabilsticos y
simulacin)
Por lo general representado mediante
programas para computadora
Juegue con el programa para evaluar
escenarios, obtener resultados y aprender
sobre el comportamiento del modelo
Cundo aplicar uno u otro?
Si el modelo es suficientemente simple se
deben usar modelos matemticos
tradicionales (teora de colas, ecuaciones
diferenciales o programacin lineal).
o Bueno en el sentido de que se
obtienen soluciones exactas y en
muchos casos ptimas
o Pero puede requerir de muchos
supuestos que castigan la validez del
modelo
Si el problema es complejo y el modelo
requiere el manejo de muchas variables se
debe usar simulacin
Tipos de Modelos de Simulacin
Estticos vs. Dinmicos: Tiene el tiempo algn
impacto en el modelo?
De cambio-continuos o discretos: Puede el
estado del sistema cambiar continuamente o
solo en puntos discretos en el tiempo?
Determinsticos o Estocsticos: Es todo puntual o
existe incertidumbre?
La mayor cantidad de modelos operacionales
son: Dinmicos, de cambios discreto, estocsticos
Modelacin en Simulacin
de Sistemas
Elemento de una simulacin
Estado del Sistema: Conjunto de variables que
contienen toda la informacin para describir el
sistema en un periodo de tiempo. Determinan la
efectividad del sistema. (Nmero de piezas que hay
en un momento determinado, Tiempo promedio
de permanencia de una entidad en el sistema)
Evento: Es un hecho que ocurre instantneamente
y que cambia el estado del sistema y por tanto en
la simulacin.
Localizaciones: Son todos aquellos lugares en los
que la entidad puede detenerse para ser
transformada o esperar a serlo. (Proceso,
almacenamiento, espera)
Actividad: Proceso que provoca cambios en el
sistema
Descripcin de proceso: Describe el proceso
general que una entidad experimenta cuando se
mueve a travs del sistema.
Proceso: Est asociado con una entidad y
representa la secuencia de estados que la entidad
experimenta sobre el tiempo.
Entidad: Objeto, componente o elemento de
inters en el sistema que se mueve en la
simulacin.
Cambian de estado, afectan y son afectados por
otras entidades. (clientes, mquinas)
Caractersticas:
Atributos:
Caractersticas de las entidades, las describe
y las diferencia.
Todas las entidades tienen los mismos
campos para atributos, pero con valores
distintos. El valor de un atributo se adhiere
a una entidad especfica, como una etiqueta
pegada a la entidad, no cambia de valor, no
se pierde.
Cada entidad que entra debe tener un
atributo.
Todas las entidades tienen los mismos tipos
de atributos, pero con valores distintos, por
ejemplo: Hora de ingreso, Fecha de
vencimiento, Prioridad, Color, tipo de
cliente.
Se comportan como variables locales.
Algunos son automticos en Arena, otros
los define el analista.
Variables (Globales)
Reflejan una caracterstica del sistema,
independiente de las entidades: no le
pertenecen a la entidad, esta pasa por ah
lo puede cambiar, pero no le pertenece (#
de partes terminadas: 1 pasa a 2 pasa a 3
pero ese nmero no le pertenece a la
entidad.
Solo existe un valor asociado al nombre de
la variable en todo el modelo.
No relacionadas con las entidades
Algunas estn predefinidas en Arena, otras
deben ser definidos por el usuario.
Las entidades tienen acceso y pueden
cambiar variables.
Tiempo de viaje entre estaciones
Nmero de partes en el sistema
Reloj de la simulacin
Algunas variables se pueden usar como
atributos: Tiempo de llegada del cliente
Recursos:
Son aquellos dispositivos necesarios para
llevar a cabo la operacin.
Por lo que compiten las entidades: Gente,
Equipo, Espacio
Los recursos se asignan a las entidades,
pero las entidades no pertenecen a ningn
recurso en particular
Un recurso puede tener mltiples
unidades de capacidad: Sillas en la mesa de
un restaurante. Mltiples agentes
 (idnticos) en el mostrador de una
aerolnea
La entidad toma (SEIZE) un recurso, lo usa
(DELAY), lo libera (RELEASE)
Nmero de unidades de un recurso puede
cambiar a lo largo de la simulacin
Colas (queues):
Las entidades esperan cuando no pueden
continuar su ruta (pues probablemente el
recurso que quieren tomar no est
disponible)
Tienen nombre, a veces ligados al recurso
asociado
Pueden tener capacidad finita para modelar
espacios limitados, se quiere saber qu pasa
con la entidad si al arribar a la cola esta est
llena
Usualmente se llevan estadsticas del largo
de la cola y del tiempo de espera en sta
Medidas de Efectividad o Acumuladores de
estadsticas:
Variables que observan lo que est
ocurriendo
Dependen de las medidas de desempeo
deseadas
Actitud pasivas en el modelosolo
observan
Muchos son automticos en Arena, pero
algunos deben ser definidos por el usuario
Al final de la simulacin se utilizan para
calcular las medidas de desempeo del
modelo
Reloj de la Simulacin:
Es el contador de tiempo de la simulacin
Funcin: Responder preguntas tales como:
cunto tiempo se ha utilizado el modelo?
Qu ha pasado en x tiempo?
Tipos de Reloj:
Reloj absoluto: Parte de cero termina en un
tiempo total de simulacin definido.
Reloj Relativo: Considera el lapso de tiempo
que transcurre entre dos eventos
Rplica o Corrida de Simulacin:
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.
Nmero de rplicas que dan valides al
resultado.
Estado Transitorio o periodo de calentamiento:
Se presenta al principio de la simulacin
(hay mucha variacin entre los valores
promedio de las variables)
Es la primera porcin, no representativa, ya
que no est en condiciones normales.
Determinar el periodo transitorio y
eliminarlo de las estadsticas para que no
me altere los resultados
Estado Estable: Los valores de las variables de
decisin permanecen muy estables, presentando
variaciones poco significativas
 Metodologa de
Simulacin
Etapa 1: Definicin del Sistema
Definir el problema a estudiar
Anlisis preliminar del sistema que se desea
simular
Determinar los lmites, restricciones y
medidas de efectividad a ser usadas en la
definicin del sistema a estudiar.
Etapa 2: Formulacin del Modelo conceptual
Es la reduccin o abstraccin de un sistema real a
travs de un diagrama de flujo lgico.
Diagrama del Modelo Conceptual
Colas: Crculo con el nombre de la cola
dentro.
Actividades: Rectngulo con su respectiva
etiqueta.
Recursos: Crculo pequeo con su
respectiva etiqueta.
Lneas/arcos: Indica el flujo (orden de
precedencia) para la participacin de las
entidades en las actividades o para la
obtencin de recursos.
Las lneas de puntos se utilizan para indicar
la obtencin y liberacin de recursos.
Lneas en zigzag: Indica la creacin o
destruccin de entidades
Etapa 3: Preparacin de datos
Identificar los datos necesarios para el
modelo y su reduccin en forma apropiada
Definir con claridad y exactitud los datos
que el modelo va a requerir para producir
los resultados deseados.
Los datos se pueden obtener de diferentes
fuentes:
Registros contables
Ordenes de produccin
Opiniones de expertos
Experimentacin
Anlisis de los datos recolectados
Etapa 4: Construccin del Modelo de Simulacin
Describir el modelo en un lenguaje
apropiado de computadora. (Procesar el modelo y
Obtener resultados)
Etapa 5: Validacin y Verificacin
El proceso de verificacin es la tarea de
asegurarse que el modelo se comporta
como se plane (observaciones al correr el
sistema).
La validacin, es la tarea de asegurarse que
el modelo sea una representacin del
sistema real en estudio.
Es importante realizar la validacin
estadstica del modelo (datos reales
comparados con los del modelo, medias
ect...)
Esta etapa permite detallar deficiencias en
la formulacin del modelo o en los datos
alimentados al mismo
Etapa 6: Experimentacin
Se realiza una vez que el modelo ha sido
validado
Consiste en generar los datos deseados
Calcular el nmero de rplicas apropiado
Realizar anlisis de sensibilidad de los
ndices requeridos
Etapa 7: Anlisis de datos de salida
Interpretar los resultados que genera la
simulacin
Anlisis estadsticos necesarios para
analizar los datos de salida de las corridas
de simulacin
Analizar e interpretar los datos generados
Etapa 8: Implementacin y Documentacin
Simulacin Manual
PROCEDIMIENTO
1. Recolectar datos de arribo de entidades y
procesamiento de las mismas.
2. Generar nmeros y variables aleatorias
ajustados a distribuciones tericas o
empricas.
3. Establecer el o los relojes de la simulacin
4. Simular el proceso hasta el tiempo de
parada, actualizando el o los relojes y
usando una tabla de simulacin
5. Calcular las estadsticas de las medidas de
efectividad y hacer grficos
OPCIONES DE ANLISIS
1. Determinsticos (Experiencia)
Comparacin entre tiempo promedio entre
llegadas y servicio:
En promedio las partes estn siendo
procesadas ms rpidamente de lo que
llegan. (Tlle>Tser)
El sistema tiene oportunidad de operar de
manera estable a largo plazo, no debera
explotar
Si todos los tiempos entre llegadas y
tiempos de servicio fuesen iguales (sin
variabilidad), nunca tendramos partes en
cola
Como los datos claramente indican
variabilidad, entonces s se puede formar
una cola
Si tuvisemos medias de los tiempos entre
llegadas < tiempos de servicio, la cola
explotara
2. Teora de Colas
Requiere supuestos adicionales sobre el modelo
Modelo puro y simple: M/M/1 cola
Tiempo entre llegadas ~ exponencial
Tiempo de servicio ~ distribucin
exponencial e independiente de los arribos
E(servicio) < E (entre llegadas)
Estado estable (corrida larga, siempre)
Resultados analticos exactos. Tiempo
promedio en cola es
Problemas: validacin, estimacin de las medias,
tiempo
A menudo es til como primera aproximacin
3. Mecanismos de Simulacin
Operaciones individuales (llegadas, tiempos
de servicio) ocurren igual que en la realidad
Los movimientos y cambios ocurren en el
momento correcto y en el orden correcto
Interaccin de los diferentes componentes
Se usan variables para obtener las
medidas de desempeo
Nada misterioso u oscuro
Pero muchos detalles y registro de datos
El software de simulacin hace esa tarea
por usted
Luego de un total de n corridas, se obtiene la tabla
resumen con las medidas de desempeo de cada
corrida y se calculan los intervalos de confianza
para valores esperados:

Generacin de Nmeros
y Variables Aleatorias
Nmeros Aleatorias
Dan un comportamiento real al modelo.
Aportando variabilidad dentro de sus
eventos.
Proceso matemtico-estadstico
Siguen una distribucin uniforme continua
por eso van de 0 a 1.
Para simular el comportamiento de una o
ms variables aleatorias es necesario contar
con un conjunto suficientemente grande de
ri que permita que por lo menos la
secuencia tenga al menos un periodo de
vida de n=231
Los nmeros aleatorios usados en la
simulacin no son realmente aleatorios.
Son una secuencia de nmeros
pseudoaleatorios, U(i), determinsticos
entre (0,1), teniendo las mismas
propiedades estadsticas relevantes como
una verdadera secuencia de nmeros.
Algoritmos para obtenerlos
Todos los mtodos se basan en una semilla
En la generacin se debe poner especial
cuidado al periodo, que es el nmero de
nmeros que se puede generar hasta que
se repita la serie
MTODO DEL CUADRADO MEDIO
Seleccionar una semilla (Xo) con D dgitos D>3
Elevar la semilla al cuadrado
Escoger los dgitos del centro del cuadrado
como nmero aleatorio (Si no es posible
obtener los D dgitos del centro del
nmero Yi, agregue ceros a la izquierda del
nmero.)
Elevar esos dgitos al cuadrado
Repetir pasos 3 y 4 hasta generar los nmeros
deseados sin que se repita la cadena o la serie
MTODO CONGRUNCIAL LINEAL
El prximo nmero aleatorio es determinado a
partir del ltimo nmero generado
Genera una secuencia de nmeros enteros por
medio de la siguiente ecuacin recursiva:
Ri+1= (aRi+c) mod (m) i=0,1,2, 3, n
dnde:
Ro= Semilla
a = Multiplicador
c = Constante aditiva
m = Mdulo
y una secuencia de nmeros aleatorios definidos
por Ui=Ri/m
Periodo completo: Cuando se generan la misma
cantidad de nmeros aleatorios que el mdulo.
Teorema
En el mtodo congruencial lineal se tiene periodo
completo si y solo si se cumplen las siguientes
condiciones:
 1. El nico entero positivo que (exactamente)
divide a m y c es 1.
2. Si q es un nmero primo que divide a m
entonces q debe dividir a (a-1)
3. Si 4 divide a m, entonces 4 debe dividir (a-
1).
Aplicacin del Teorema
a=5 c=7 Xo=4 mod=8
Condicin 1: c y m no tienen otro factor comn
ms que 1.
Los factores de m=8 son (1, 2, 4, 8),
entonces c=1 (con factor 1) condicin 1 es
verdadera.
Condicin 2: (a-1) es un mltiplo de cada nmero
primo que divide m
Los primeros nmeros primos son (1, 2, 3,
5, 7). Los nmeros primos q, que dividen a
m=8 son (q =1, 2). Entonces a=5, a-1=4,
claramente q = 1 divide a 4 y q = 2 divide a
4.
Condicin 3: Si 4 divide a m, entonces 4 debe
dividir a (a-1)
Entonces m=8, y por lo tanto 4 divide a m.
Tambin, 4 divide a-1=4.
Como las tres condiciones se cumplen se
puede decir que es de periodo completo.
Variables Aleatorias
En simulacin se debe siempre muestrear de una
distribucin de probabilidad que representa la
ocurrencia de eventos
Estas distribuciones pueden ser tericas o
empricas y ambas pueden ser continuas o
discretas
Las distribuciones empricas estn
representadas por distribuciones de
frecuencias
En el caso de distribuciones tericas existen
varios mtodos para generar las variables
Tcnicas para generar variables aleatorias
provenientes de una distribucin terica
Transformada inversa (usada para generar
variables aleatorias distribuidas segn
Exponencial, Weibull y Triangular)
Funcin acumulada (usada para generar
variables aleatorias de distribuciones
empricas)
Transformacin directa (usada para generar
variables normalmente distribuidas)
Mtodo de convolucin (usado para
generar variables aleatorias distribuidas
segn Erlang, Poisson y Gamma)
MTODO DE LA TRASFORMADA INVERSA
Para simular variables aleatorias continuas, lo cual
se logra mediante la funcin acumulada F(x) y la
generacin de nmeros pseudoaleatorios ri~U(0,1)
Para simular variables aleatorias de tipo discreto,
como en las distribuciones de Poisson, Bernoulli,
Binomial.
Procedimiento
1. Genere un nmero aleatorio uniforme (r) entre
0 y 1.
2. Encontrar la funcin acumulada de la
distribucin respectiva.
2. Igualar esa funcin a R (nmero aleatorio
uniformemente distribuido) sea F(x)= R
3. Resolver la anterior ecuacin para x
F = 1 ()
4.Establecer la funcin generadora
Continuas:
EXPONECIAL
UNIFORME
WEIBULL
TRIANGULAR
 Tamao de Muestra
1. Realizar una corrida preliminar con un
nmero determinado de rplicas.

Discretas

2. Seleccionar el nivel de precisin absoluta.

(mismas unidades que los datos)

DISTRIBUCIONES EMPRICAS

Datos observados directamente,

distribucin emprica en lugar de una
distribucin terica
Datos no se ajustan a ninguna distribucin 3. Determinar el nmero de rplicas como:
conocida

En este caso se trabaja con la frecuencia

relativa acumulada y el punto medio que
representa a la variable aleatoria.
Ejemplo: Para una distribucin de probabilidad
variable s=0,424
Xk=Li+Ls/2

4. Realizar lo mismo para cada medida

de desempeo y se elige el n mayor
como el n de la simulacin