Manual Witness

SIMULACIN DE PROCESOS DE FABRICACIN
INDICE
BLOQUE I. TEORA DE SIMULACIN

I.1 Concepto de simulacin.
I.2 Etapas de un proceso de simulacin.
I.3 La simulacin Monte Carlo.
I.4 Ventajas e inconvenientes de la simulacin.
I.3 Programas y lenguajes de simulacin.
BLOQUE II. HERRAMIENTAS PARA LA SIMULACIN
II.1 Algoritmos de generacin de nmeros aleatorios.
II.2 Distribuciones de probabilidades.
BLOQUE III. INTRODUCCIN A LA SIMULACIN CON WITNESS.
III.1 Introduccin a WITNESS.
III.2 Proyectos de simulacin con WITNESS.
III.3 Modelado con WITNESS.
III.4 Conceptos bsicos de WITNESS.
BLOQUE IV. PRCTICAS DE SIMULACIN CON WITNESS.
IV.1 Creacin de un modelo con WITNESS.
IV.2 Experimentacin con modelos como herramienta de ayuda a la gestin
empresarial.
BIBLIOGRAFA.
RESUMEN
El curso de Simulacin de los procesos de fabricacin pretende ser una

introduccin a cmo se utilizan las herramientas software para la mejora de los procesos
de produccin. En primer lugar, se estudiarn desde un punto de vista terico los
fundamentos de la simulacin, aportando en la documentacin algn ejemplo al
respecto, para a continuacin centrar las sesiones de trabajo en la creacin de modelos y
su mejora, todo ello mediante el software de simulacin WITNESS.
El objetivo de este curso es que el alumno conozca la simulacin interactiva de los

procesos productivos, sus posibilidades, sus limitaciones, y que la considere como una
herramienta ms de gestin, tan imprescindible como cualquier otra, para los tiempos en
los que la toma de decisiones para la direccin de operaciones exige que sea cada vez
ms gil para que las empresas, tanto manufactureras como de servicios, puedan ser
competitivas en un mercado cada vez ms cambiante.
SIMULACIN DE PROCESOS DE FABRICACIN. 1

BLOQUE I
TEORA DE SIMULACIN.

BLOQUE I. TEORA DE SIMULACIN.
I.1 Concepto de simulacin.

La simulacin es una tcnica mediante la cual se tratan de imitar los rasgos, aspecto
y caractersticas de un sistema real a travs de una representacin matemtica, la cual
ser a continuacin estudiada desde el ngulo de sus propiedades y caractersticas
operativas para extraer de las mismas conclusiones que ayuden a la toma de decisiones
sobre la direccin de operaciones.
La tcnica de la simulacin es ampliamente utilizada por muchas empresas de todo el

mundo, tanto del sector industrial como del sector servicios. A continuacin se citan
algunas de las aplicaciones de la simulacin:
Evaluacin de proyectos de capital.
Ejecucin de modelos regularmente para la comprobacin de los programas de
produccin.
Evaluacin de las alternativas propuestas.
Mejora de las instalaciones existentes.
La gestin del cambio.
La gestin de personal.
La gestin de inventarios.
Anlisis de lneas de espera.
La gestin logstica.
Sincronizacin de dispositivos.
Los campos en los que la simulacin puede ser aplicada son muy variados, de entre
los cuales destacan los siguientes:
La industria del automvil.
La industria qumica.
Electrnica.
La industria aerospacial.
Ingeniera.
La industria de la alimentacin.
La industria papelera.
La banca y las finanzas.
La administracin estatal.
El transporte y el trfico.

As, por ejemplo, Airbus Industries utiliza los modelos de simulacin para probar la
aerodinmica de los problemas propuestos; la ciudad de Atlanta los utiliza para
controlar el trfico; el ejrcito de los Estados Unidos simula, mediante PC, juegos de
guerra; parte del adiestramiento de los pilotos de algunas escuelas de capacitacin se
realizan a travs de programas de simulacin de vuelo; etc.
I.2 Etapas de un proceso de simulacin.

En esta seccin se estudiar la metodologa de un proceso de simulacin, mostrando
primeramente un diagrama de flujo del proceso, y analizando a continuacin en que
consiste cada una de dichas fases.
INICIAR
DEFINIR EL PROBLEMA
CONSTRUIR EL MODELO DE
SIMULACIN
ESPECIFICAR LOS VALORES

DE LAS VARIABLES Y LOS
PARMETROS
HACER FUNCIONAR LA
SIMULACIN
EVALUAR LOS RESULTADOS
VALIDAR
PROPONER UN NUEVO
EXPERIMENTO
FIN

Definicin del problema.
Esta fase consiste fundamentalmente en la especificacin de los objetivos del sistema

estudiado y en la identificacin de las variables que regulan el comportamiento del
sistema, tanto las controlables por el decisor, como las no controlables.
Construccin del modelo de simulacin.
Lo primero que se debe mencionar es que a cada problema real le corresponde un

modelo de simulacin diferente, por lo tanto, se debe de huir de la bsqueda de un
modelo universal que resuelva todos los problemas. La naturaleza nica de cada modelo
de simulacin hace que las especificaciones que se realicen ms adelante en este punto
no se deban considerar como normas rgidas, si no que son ms bien una sntesis de las
pautas de los diferentes enfoques de la simulacin.
Las actividades clave en esta fase de la simulacin son las siguientes:
1. Especificacin de los parmetros y las variables: el primer paso en la

construccin de un modelo de simulacin consiste en determinar qu propiedades
del sistema son fijas (parmetros) y cuales son variables (variables).
2. Especificacin de las normas de decisin: las normas de decisin (o normas

operativas) son series de condiciones bajo las cuales se observa el
comportamiento del sistema, como por ejemplo cual es el orden en que se le
suministra el servicio al cliente, el cual puede depender de varias variables y
parmetros del sistema. Por ejemplo, una orden de pedido para almacn depende
del estado del inventario en ese momento, de la cantidad de pedidos pendientes
de recibir, del stock de seguridad, de la demanda y del tiempo de suministro.
3. Especificacin de las distribuciones de las probabilidades: para la simulacin

pueden utilizarse distribuciones de los dos tipos siguientes: las distribuciones de
frecuencia emprica, que son las que se obtienen directamente a travs de los
datos extrados del modelo real, y las distribuciones matemticas tpicas, las
cuales se infieren a travs de los datos obtenidos del sistema mediante pruebas de
contraste de hiptesis.
4. Especificacin del procedimiento de incremento del tiempo: en la simulacin

se puede trabajar con tiempo expandido o tiempo comprimido, a modo de si se
tratase de un reproductor de video en el cual se puede ralentizar la imagen o
acelerarla, con el fin de estudiar ms detalladamente o ms ampliamente el
modelo.
Especificacin de los valores de variables y parmetros.
Por definicin, una variable cambia de valor a lo largo del proceso de simulacin,
pero ser necesario especificarle un valor inicial, en algunos casos una raz de nmero
aleatorio para poder seguir generando valores aleatorios en base a un determinado
algoritmo. Por otro lado, el valor de un parmetro permanece constante, sin embargo,
este puede variarse para as estudiar diferentes alternativas en otras simulaciones.

La determinacin de las condiciones iniciales de un experimento es muy importante,
ya que, frecuentemente, un sistema necesita de un cierto tiempo para alcanzar sus
condiciones estacionarias, que son las que pueden interesar en el estudio de una planta
de produccin que funcione a tres turnos. En estos casos, se puede recurrir a lo que se
denomina un periodo de precalentamiento, el cual consiste en descartar todo lo ocurrido
en el modelo durante un periodo inicial de tiempo determinado, que ser el necesario
para alcanzar el funcionamiento estacionario del sistema.
En otros casos puede ocurrir que lo que interese fundamentalmente de la simulacin

es analizar el periodo transitorio de la misma, como pueda ser el caso de la bsqueda de
soluciones para un problema que se pudiera dar al comienzo de una actividad cualquiera
un lunes por la maana despus de haber permanecido cerrada la instalacin durante el
fin de semana.
Otro aspecto importante dentro de los procesos de simulacin consiste en determinar

la duracin del experimento, para lo cual se pueden adoptar tres enfoques diferentes
dependiendo de cual sea el propsito del mismo:
1. Continuar con la simulacin hasta que se haya alcanzado el estacionario del

sistema.
2. Hacer funcionar la simulacin durante un periodo fijo de tiempo y observar si las

condiciones del sistema al final del periodo parecen razonables.
3. Fijar la duracin del funcionamiento de manera tal que se rena una muestra lo
suficientemente grande para efectos del contraste de hiptesis estadstico.
Evaluacin de los resultados.
Las conclusiones que se pueden extraer de un experimento de simulacin dependen

del grado de rigor con que se represente el sistema real en el modelo, tanto por el diseo
de los dispositivos como por la informacin estadstica en l contenida.
Los resultados obtenidos pueden ser evaluados de varios modos:

1. Mediante pruebas de inferencia estadstica.
2. Mediante los datos operativos obtenidos del sistema real.
3. Mediante datos operativos obtenidos de sistemas similares.
Validacin.
La validacin consiste en verificar que el cdigo programado es una traduccin

vlida de la grfica de flujo y en comprobar que la simulacin es representativa del
sistema real de un modo adecuado. En el programa puede que sea necesario depurar
errores en la codificacin y/o errores en la lgica. Los primeros son fciles de detectar,
por cuanto el programa puede que no corra, por contra, los segundos son ms difciles
de detectar, ya que en estos casos el programa corre pero no reporta los resultados
correctos.
Para facilitar la tarea de la depuracin del cdigo, la mayora del software de

simulacin actual ofrece la posibilidad de construir el modelo de una forma interactiva,

de modo que el programador no tenga que programar todo el cdigo de una sola vez, si
no que lo pueda ir comprobando paulatinamente segn lo va construyendo.
Propuesta de un nuevo experimento.
Basndose en los resultados de la simulacin, se pueden realizar nuevos

experimentos en los que se modifiquen uno o varios factores, como pueden ser los
parmetros, como por ejemplo, trabajar con tamaos de lote diferentes; las variables,
como pueden ser las distribuciones de la demanda; las reglas de decisin, lo cual sera
apropiado si las primeras condujesen a resultados pobres; las condiciones iniciales, para
lo cual puede estar bien partir con unas condiciones de inicio que se corresponden con
los valores obtenidos en el experimento previo; y la duracin del experimento, ya que
podra suceder que el sistema tuviese ms de un nivel estacionario, y el hecho de
alcanzar el segundo fuera nicamente cuestin de tiempo.
Lo que es recomendable siempre que se realice un nuevo experimento es trabajar

siempre con el mismo flujo de nmeros aleatorios, para lo cual hay que partir siempre
de la misma raz en el algoritmo de generacin de nmeros aleatorios.
CASO. Mejora de la gestin del servicio de urgencias de un hospital.
Desafo. Utilizacin de una manera efectiva tanto del personal como de las
instalaciones de una sala de urgencias de un hospital.
Estrategia. Utilizar el software de simulacin para modelar el sistema real del modo
ms fiel posible, y sobre dicho modelo simular las diferentes opciones estratgicas para
que, segn sean los resultados de cada simulacin, se tome la decisin ms acorde con
los objetivos marcados.

Esta forma de afrontar el problema reduce considerablemente los riesgos que supone
el hecho de experimentar con un sistema real, y adems, una vez construido el modelo,
la evaluacin de diferentes alternativas estratgicas se agiliza considerablemente.
El reto, en definitiva, consiste en que manteniendo un adecuado servicio de atencin

a los pacientes, priorizando la atencin de estos segn sea su gravedad, se elabore un
programa de direccin de operaciones adecuado de manera que se utilicen de la manera
ms eficiente posible los recursos del servicio de urgencias.
Este estudio de simulacin sigue los pasos que se ha indicado previamente que tiene
que seguir un estudio de este tipo:
Definicin del problema Mejora en la atencin a los pacientes, tratando de

reducir los tiempos de espera de los pacientes,
respetando un orden de prioridad segn sea su
gravedad. Todo ello aprovechando los recursos
disponibles lo mejor posible.
Construir el modelo de simulacin Planteamiento grfico de la lgica del problema,

caracterizndolo mediante una serie de variables y
parmetros que regirn su comportamiento.
Recopilacin de informacin a partir del modelo real
Especificar los valores de las variables
para poder averiguar o inferir los valores de las
y los parmetros
variables y parmetros que forman parte del modelo.
Especificacin de dichos valores en la lgica del
modelo.
Hacer funcionar la simulacin Ejecucin de la simulacin durante un tiempo
determinado.
Evaluar los resultados Comprobacin de los resultados mediante

comparacin con los obtenidos en el sistema real.
Validar Si ambos resultados son parejos, entonces se

considera que el modelo representa fielmente la
realidad, en caso contrario debera replantearse el
procedimiento a partir del segundo paso.
Proponer un nuevo experimento Una vez el modelo est validado, se pueden realizar
modificaciones sobre el mismo para ver cuales son
los resultados que se obtienen, pudiendo
extrapolarse dichos resultados al modelo real si se le
sometiera a dichos cambios.

I.3 Simulacin Monte Carlo.
Siempre que un sistema cuente con elementos aleatorios dentro de su
comportamiento, se va a poder aplicar la simulacin Monte Carlo. Dicho mtodo de
simulacin consta de los siguientes cinco pasos:
1. Establecer una distribucin de probabilidades en relacin con las variables
importantes.
2. Construir una distribucin de probabilidades acumuladas para cada variable.
3. Establecer un intervalo de nmeros aleatorios para cada variable.
4. Generar nmeros al azar.
5. Simular una serie de ensayos.
A continuacin se pasar a examinar cada uno de esos cinco pasos:
Paso 1. Establecer una distribucin de probabilidades. Hay una gran cantidad de

variables en los sistemas reales, las cuales queremos simular y cuyo comportamiento es
probabilstico. La idea fundamental del mtodo Monte Carlo es la de crear valores
vlidos para tales variables y as poder generar diferentes experimentos. Por citar
algunos ejemplos, se tienen los plazos de suministro de mercancas, las tasas de
demanda, los tiempos entre llegadas a una cola, los tiempos de suministro de servicio a
esa cola, las tasas de avera de una mquina, el tiempo de reparacin de una mquina,
etc.
Una forma habitual de establecer una distribucin de probabilidades para una

variable dada es mediante el anlisis de los datos histricos. La probabilidad o
frecuencia relativa de cada resultado posible de una variable, se encuentra dividiendo la
frecuencia de la observacin por el nmero total de observaciones.
Paso 2. Construir una distribucin de probabilidades acumuladas para cada

variable. La realizacin de esta tarea consiste en ir sumando la probabilidad acumulada
del intervalo inmediatamente anterior, y partiendo del valor cero, de modo que la
probabilidad acumulada del ltimo intervalo sea 1,00.
Paso 3. Establecer un intervalo de nmeros aleatorios para cada variable. Una

vez que se ha establecido la distribucin de probabilidades acumulada, se ha de asignar
una serie de valores aleatorios a cada intervalo de la variable en estudio. Estos nmeros
aleatorios han de ser seleccionados a travs de un proceso aleatorio en el cual cada
nmero tenga las mismas probabilidades de ser elegido.
Paso 4. Generar nmeros aleatorios. La generacin de nmeros aleatorios para la

resolucin de un problema de simulacin se puede realizar de dos formas diferentes:
1. Mediante la utilizacin de algoritmos de generacin de nmeros aleatorios por

computador, que sera lo ms apropiado cuando se utilicen los ordenadores para
la realizacin de experimentos de simulacin.
2. Mediante la utilizacin de tablas de nmeros aleatorios, mtodo til sobre todo

para la resolucin manual de problemas de simulacin. A continuacin se

muestra una tabla de nmeros aleatorios que ser utilizada en los ejemplos que se
vern a continuacin:
TABLA 1. Nmeros aleatorios.

52 06 50 88 53 30 10 47 99 37 66 91 35 32 00 84 57 07
37 63 28 02 74 35 24 03 29 60 74 85 90 73 59 55 17 60
82 57 68 28 05 94 03 11 27 79 90 87 92 41 09 25 36 77
69 02 36 49 71 99 32 10 75 21 95 90 94 38 97 71 72 49
98 94 90 36 06 78 23 67 89 85 29 21 25 73 69 34 85 76
96 52 62 87 49 56 59 23 78 71 72 90 57 01 98 57 31 95
33 69 27 21 11 60 95 89 68 48 17 89 34 09 93 50 44 51
50 33 50 95 13 44 34 62 64 39 55 29 30 64 49 44 30 16
88 32 18 50 62 57 34 56 62 31 15 40 90 34 51 95 26 14
90 30 36 24 69 82 51 74 30 35 36 85 01 55 92 64 09 85
50 48 61 18 85 23 08 54 17 12 80 69 24 84 92 16 49 59
27 88 21 62 69 64 48 31 12 73 02 68 00 16 16 46 13 85
45 14 46 32 13 49 66 62 74 41 86 98 92 98 84 54 33 40
81 02 01 78 82 74 97 37 45 31 94 99 42 49 27 64 89 42
66 83 14 74 27 76 03 33 11 97 59 81 72 00 64 61 13 52
74 05 81 82 93 09 96 33 52 78 13 06 28 30 94 23 37 39
30 34 87 01 74 11 46 82 59 94 25 34 32 23 17 01 58 73
59 55 72 33 62 13 74 68 22 44 42 09 32 46 71 79 45 89
67 09 80 98 99 25 77 50 03 32 36 63 65 75 94 19 95 88
60 77 46 63 71 69 44 22 03 85 14 48 69 13 30 50 33 24
60 08 19 29 36 72 30 27 50 64 85 72 75 29 87 05 75 01
80 45 86 99 02 34 87 08 86 84 49 26 24 08 01 86 29 11
53 84 49 63 26 65 72 84 85 63 26 02 75 26 92 62 40 67
69 84 12 94 51 36 17 02 15 29 16 52 56 43 26 22 08 62
37 77 13 10 02 18 31 19 32 85 31 94 81 43 31 58 33 51
Fuente: Reproducido de Direccin de la Produccin. Decisiones tcticas 6 Edicin, Jay Heizer. Prentice Hall 2001.
Paso 5. Simular el experimento. Se pueden simular los resultados de un

experimento sin ms que seleccionar una serie de nmeros aleatorios a partir de la tabla
anterior. Habra que matizar que, cuantas ms iteraciones se realicen en el experimento,
mayor ser la fiabilidad de los resultados obtenidos.
A continuacin se va a estudiar un ejemplo a travs del cual se pueden ver reflejados

los cinco pasos anteriores:
Ejemplo. Taller del automvil Gutirrez.

El gerente del Taller Gutirrez quiere hacer un estudio sobre la demanda diaria de
bateras y, recopilando los datos histricos de los ltimos 200 das, va a obtener la
distribucin de probabilidades, y a partir de sta, la distribucin de probabilidad
acumulada. Esos datos estn recogidos en la tabla siguiente.

TABLA 2. Asignacin de intervalos de nmeros aleatorios para Talleres Gutirrez.
Demanda de Probabilidad del Probabilidad Intervalo de nmeros
bateras Frecuencia suceso acumulada aleatorios
0 10 10/200=0,05 0,05 De 01 a 05
1 20 20/200=0,10 0,15 De 06 a 15
2 40 40/200=0,20 0,35 De 16 a 35
3 60 60/200=0,30 0,65 De 36 a 65
4 40 40/200=0,20 0,85 De 66 a 85
5 30 30/200=0,15 1,00 De 86 a 00
200 das 200/200=1,00
A continuacin se ver con ms detalle el concepto de los nmeros aleatorios

simulando 10 das de demanda de bateras en el Taller Gutirrez. Se seleccionarn los
nmeros aleatorios expresados en la Tabla 1 empezando por la esquina superior
izquierda y continuando hacia abajo por la primera columna.
TABLA 3. Demanda de bateras simulada.

Nmero Demanda diaria
Da aleatorio simulada
1 52 3
2 37 3
3 82 4
4 69 4
5 98 5
6 96 5
7 33 2
8 50 3
9 88 5
10 90 5
39 Demanda total de 10 das
39/10= 3,9 =Demanda diaria media de bateras
Resulta interesante observar que la demanda diaria media de bateras difiere de la

demanda diaria esperada, la cual se puede hallar a partir de los datos de la Tabla 2:
Demanda esperada = (probabilidad de i unidades) (demanda de i unidades) =
= (0,05)(0)+(0,01)(1)+(0,20)(2)+(0,30)(3)+(0,20)(4)+(0,15)(5)
=0 + 0,1 + 0,4 + 0,9 + 0,8 + 0,75 = 2,95 bateras

Sin embargo, si se hubiese realizado la simulacin para 1000 das, en lugar de slo
para 10 das, la demanda diaria media simulada sera prcticamente la misma que la
demanda media esperada.
I.4 Ventajas e inconvenientes de la simulacin.

La simulacin es una tcnica de gestin muy til siempre y cuando se utilice para
propsitos que se adecuen bien a sus caractersticas, ya que de lo contrario, se podran
presentar grandes inconvenientes, tal y como ocurre con cualquier tcnica en cualquier
campo.
A continuacin se citarn algunas de las principales ventajas que reporta el uso de la

simulacin:
1. La tcnica de simulacin es relativamente sencilla y flexible.
2. El hecho de desarrollar el modelo de un sistema conduce con frecuencia a una

mejor comprensin del sistema real.
3. La simulacin no interrumpe las actividades en curso del sistema real.
4. La simulacin es mucho ms general que los modelos matemticos y puede

utilizarse cuando las condiciones no son apropiadas para un anlisis matemtico
tpico.
5. La simulacin proporciona una representacin del sistema real ms realista y con

menos restricciones que el correspondiente modelo matemtico.
6. La simulacin permite trabajar con tiempo expandido, de modo que sucesos que
suceden muy rpidamente en la realidad se puedan observar durante un espacio
temporal mayor en la simulacin. Tambin permite trabajar con tiempo
comprimido, de modo que se puede observar en breves minutos lo que en la
realidad ocurre en varios meses.
7. Con la simulacin se pueden estudiar los efectos interactivos de los componentes

individuales o de las variables, para determinar cuales son importantes.
8. La simulacin puede emplearse como un juego para el entrenamiento de

capacitacin.
9. La simulacin responde a preguntas del tipo Qu ocurre si...?.
Respecto a las desventajas o inconvenientes en que incurre el uso de la simulacin

caben destacar los siguientes:
1. Los buenos modelos de simulacin pueden resultar caros y requerir de mucho

tiempo para su desarrollo.

2. La simulacin no es una tcnica de optimizacin, de ah que sea preferible un
anlisis matemtico de los sistemas siempre y cuando esto no suponga la
suposicin de hiptesis muy restrictivas.
3. Los resultados de la simulacin dependern en gran medida de la bondad de los

datos de entrada.
4. Cada modelo de simulacin es nico, de ah que su aplicacin y las

consecuencias que se extraigan de ella no van a ser transferibles a otros
problemas.
I.5 Programas y lenguajes de simulacin.

Dada la complejidad operativa de los modelos de simulacin, se requerir de un
planteamiento informatizado para el tratamiento de la misma y la extraccin de
conclusiones vlidas, ya que de lo contrario, se estara ante problemas muy complejos y
largos para resolver manualmente. Los ordenadores pueden generar series de nmeros
aleatorios, simular miles de periodos de simulacin en segundos y ofrecer unos
informes detallados en tiempo real que sern de gran ayuda para la gestin del sistema.
Los modelos de simulacin pueden clasificarse dentro de una de las dos categoras
siguientes:
Modelos continuos.
Modelos discretos.
Los modelos continuos se basan en ecuaciones matemticas, lo cual le confiere dicha
continuidad, con valores para todo su intervalo temporal.
Por el contrario, la simulacin discreta se da nicamente en puntos especficos. Por

ejemplo, la simulacin de la llegada de automviles a una estacin de servicio se
corresponden con una simulacin discreta, ya que esta salta de un punto a otro; la
llegada de un automvil, el inicio de un servicio, la finalizacin del servicio, la llegada
de otro automvil, etc.
En lo que respecta a los lenguajes de simulacin, se pueden distinguir dos tipos

diferentes:
Lenguajes de propsito general, tales como BASIC, FORTRAN, C++,

etc.
Lenguajes de propsitos especiales, tales como Witness, Arena,

Simscript, Simfactory, Extend, Modsim, GPSS, MAP I, SLAM II, Tailor
II y Micro Saint.
Las hojas de clculo, tales como Excel, pueden utilizarse como software de
simulacin de una forma rpida y cmoda, ya que tales paquetes disponen de algoritmos
programados para la generacin de nmeros aleatorios.

BLOQUE II
HERRAMIENTAS PARA LA
SIMULACIN.

BLOQUE II. HERRAMIENTAS PARA LA SIMULACIN.
II.1 Algoritmos de generacin de nmeros aleatorios.
Como se ha visto en el bloque I, la base cientfica sobre la que se apoya la

simulacin de procesos de fabricacin es la de la simulacin Monte Carlo, la cual
necesita inexcusablemente utilizar series de nmeros aleatorios. Para la resolucin
manual de problemas de simulacin se han utilizado tablas de nmeros aleatorios del
estilo a la mostrada en la TABLA 1, pero para la resolucin utilizando medios
informticos, la implementacin de tablas de este estilo no va a ser lo ms eficiente en
cuanto a velocidad de procesamiento de datos, y lo que se utilizar ser algoritmos de
generacin de nmeros pseudoaleatorios.
En definitiva, la obtencin de nmeros aleatorios se puede realizar de varios modos,

siempre y cuando el resultado de los mismos sea la obtencin de una serie de nmeros
que no sigan ningn patrn definido. Entre ellos, se podran citar los siguientes:
a) Utilizacin de una ruleta perfectamente equilibrada: mediante este mtodo,

se obtendr un nmero de una sola cifra en cada tirada, con una probabilidad de
1/10 para cada uno de ellos. Si fuese preciso extraer una serie de nmeros
aleatorios de n cifras cada uno, los nmeros extrados de la ruleta se agruparan
en grupos de n.
b) Utilizacin de las tablas de la Rand Corporation: la Rand Corporation es una

empresa que tiene editado un libro que contiene una serie de 1.000.000 de
nmeros aleatorios, los cuales han sido obtenidos mediante medios fsicos.
El mtodo empleado para la obtencin de la serie consiste en tomar los ruidos

emitidos por lmparas electrnicas y analizar el nmero de veces que la seal
sobrepasa un lmite prefijado. As pues, si se ha sobrepasado el lmite un nmero
de veces par, se asignar un 0, y si se ha sobrepasado un nmero de veces impar,
entonces se asignar un 1, de tal modo que al final se componga un nmero
binario que se corresponder al nmero aleatorio resultante.
Pero ninguno de estos mtodos es aplicable para integrarlo dentro de un proceso de

generacin de nmeros aleatorios por ordenador. En su lugar se utilizarn algoritmos de
generacin de nmeros pseudoaleatorios, los cuales no son considerados al cien por cien
como aleatorios porque realmente va a existir un patrn dentro de la serie, pero dicho
patrn slo es conocido por la persona que ha implementado el algoritmo.
Las propiedades que ha de cumplir una serie para que esta sea de nmeros
pseudoaleatorios son las siguientes:
1. La serie se comportar segn una distribucin uniforme de probabilidades.
2. Todos y cada uno de los nmeros son estadsticamente independientes.

3. Todos los nmeros de la serie son reproducibles.
4. La generacin de nmeros ha de darse segn un ciclo no repetitivo tan largo

como se desee a la hora de implementar el mtodo.
Otras propiedades que aun no siendo necesarias si que son deseables son las
siguientes:
5. Se han de generar nmeros a una velocidad alta.
6. Han de ocupar poca memoria de computadora.
A continuacin se exponen algunos de los mtodos ms comunes en la generacin

de series de nmeros pseudoaleatorios:
a) El Mtodo de los cuadrados medios: este mtodo consiste en elegir un nmero

de 2n cifras y elevarlo al cuadrado, tomando a continuacin sus 2n cifras
centrales, el cual constituir el siguiente nmero de la serie, y ser el que sirva
de base para conseguir el siguiente nmero de la serie.
Ejemplo:
X0 = 4122 => X02 = 16990884
X1 = 9908 => X12 = 98168464
X2 = 1684 => ...
El primer nmero de la serie se elige al azar, y ese nmero es al que se le

denomina como semilla de la serie. Aunque el mtodo es aplicable para
cualquier semilla de 2n cifras, lo ms habitual es emplearlo con semillas de 4
cifras.
Con este mtodo se conseguir una serie de nmeros de 2n cifras

pseudoaleatoria, la cual puede ser convertida en una serie de nmeros aleatorios
de cualquier nmero de cifras sin ms que unir varios nmeros, o tomar slo un
nmero de cifras determinado de cada nmero, o combinar ambos
procedimientos.
Por otro lado, es importante advertir que este mtodo presenta un

inconveniente, y este es el hecho de que si se diera el caso de que vuelve a
aparecer un mismo nmero, la serie se repetira peridicamente.
Ejemplo:
X0 = 3708 => X02 = 13749264
X1 = 7492 => X12 = 56130064
X2 = 1300 => X22 = 1690050
X3 = 6900 => X32 = 47610000

X4 = 6100 => X42 = 37210000
X5 = 2100 => X52 = 4410000
X6 = 4100 => X62 = 16810000
X7 = 8100 => X72 = 65610000
X8 = 6100 => X82 = 37210000
...
En el ejemplo anterior se puede observar que el bucle que va desde X4 a X7 se

repetir indefinidamente lo cual, invalidar el carcter pseudoaleatorio deseado
para la misma. As pues, de la serie de dicho ejemplo slo se van a poder
considerar como pseudoaleatorios los 8 primeros trminos de la serie hallada.
Del ejemplo anterior se podra extraer que el periodo mximo de repeticin

que se puede alcanzar para una serie empleando el mtodo de los cuadrados
medios es de 102n nmeros.
Finalmente, hay que advertir que este mtodo presenta otro inconveniente
muy a tener en cuenta, y es el hecho de que se puede caer en series que
presenten una tendencia a cero.
Ejemplo:
...
Xn = 3606 => Xn2 = 13003236
Xn+1 = 32 => Xn+12 = 1024
Xn+2 = 10 => Xn+22 = 100
Xn+3 = 1 => Xn+32 = 1
Xn+4 = 0 => Xn+42 = 0
...
b) El mtodo de Lehmer : es otro mtodo de generacin de nmeros

pseudoaleatorios el cual va a consistir en el siguiente algoritmo:
1. Se parte de una semilla X0 de n cifras y de un nmero base Y de k cifras,

siendo k < n..
2. Se multiplican X0 e Y entre s, obteniendo un nmero de n+k cifras.
3. Las k primeras cifras sern asignadas a la variable a, y las n siguientes sern

asignadas a la variable b.

4. Se realiza la resta b-a, y el nmero que se obtiene ser el siguiente de la serie
pseudoaleatoria.
5. Volver al paso 1 tomando como semilla el nmero obtenido en el paso 4.
Ejemplo:
X0 = 4122 Y = 76
X0 Y = 4122 76 = 31 3272
3272 31 = 3241
X1 = 3241
X1 Y = 3241 76 = 24 6316
6316 24 = 6292
X2 = 6292
X2 Y = 6292 76 = 47 8192
8192 47 = 8145
X3 = 8145
...
c) Los mtodos congruenciales: se basan en la propiedad de la congruencia entre

nmeros con su mdulo. Esta propiedad es la siguiente:
X Y X Y es mltiplo de m /m es el modulo de X e Y
Hay varias formas de generar series de nmeros pseudoaleatorios de nmeros

congruentes. El mtodo general vendra expresado por la expresin siguiente:
Xn+1 = ( a Xn + b ) mdulo ( m )
c.1) Mtodo congruencial multiplicativo: se basa en la expresin general

anterior en la cual el trmino independiente b = 0. El problema que tiene
este mtodo es que va a tener un comportamiento cclico cuyo periodo
mximo alcanzable ser de m/4 trminos. Ese periodo mximo se
alcanzar siempre y cuando se den las condiciones siguientes:
9 m = 2e (e > 2)*
9 a = 8 t + 3 / t = 1, 2, ...
9 Semilla impar.
* e suele ser habitualmente el tamao mximo de palabra (en bits son 16 o 32).

Ejemplo:
m = 32 a = 11 X0 = 3
Xn+1 = 11 Xn mod (32)
X1 = 11 3 mod ( 32 ) = 33 mod (32 ) = 1
(33/32 = 1 + 1/32)
X2 = 11 1 mod ( 32 ) = 11 mod (32 ) = 11
(11/32 = 11/32)
X3 = 11 11 mod ( 32 ) = 121 mod (32 ) = 25
(121/32 = 3 + 25/32)
X4 = 11 25 mod ( 32 ) = 275 mod (32 ) = 19
(275/32 = 8 + 19/32)
X5 = 11 19 mod ( 32 ) = 209 mod (32 ) = 17
(209/32 = 6 + 17/32)
X6 = 11 17 mod ( 32 ) = 187 mod (32 ) = 27
(187/32 = 5 + 27/32)
X7 = 11 27 mod ( 32 ) = 297 mod (32 ) = 9
(297/32 = 9 + 9/32)
X8 = 11 9 mod ( 32 ) = 99 mod (32 ) = 3
(99/32 = 3 + 3/32)
...
Se puede comprobar que, como se cumplen las condiciones

previamente establecidas, se ha alcanzado el periodo mximo para el ciclo
que es de m/4=32/4=8 trminos.
c.2) Mtodo congruencial mixto: este mtodo, similar al mtodo congruencial

multiplicativo, utiliza la expresin general de los mtodos congruenciales
pero, a diferencia del anterior, el trmino independiente b toma un valor
distinto de 0. Es el mtodo que emplea Witness para generar series de
Nmeros pseudoaleatorios. Mediante este mtodo se puede alcanzar un
periodo mximo de la serie de m, es decir, una serie de tamao cuatro
veces mayor a la que se puede conseguir utilizando el mtodo congruencial
multiplicativo. Las condiciones que han de darse para que se pueda
alcanzar dicho periodo mximo son:

9 Las variables a y b representan a nmeros primos entre s.
9 La resultante de (a-1) es mltiplo de todos los primos que

dividen a m.
9 Si m es mltiplo de 4, entonces (a-1) tambin ha de serlo.
Ejemplo:
m = 16
a1=43 a = 13
b = 17
Xn+1 = (13 Xn + 17 ) mod ( 16 )
X0 = 3
X1 = ( 13 3 + 17) mod ( 16 ) = 56 mod 16 = 8
(56/16 = 3 + 8/16)
X2 = (13 8 + 17) mod ( 16 ) = 121 mod 16 = 9
(121/16 = 7 + 9/16)
X3 = (13 9 + 17) mod ( 16 ) = 134 mod 16 = 6
(134/16 = 8 + 6/16)
X4 = ( 13 6 + 17) mod ( 16 ) = 95 mod 16 = 15
(95/16 = 5 + 15/16)
X5 = (13 15 + 17) mod ( 16 ) = 212 mod 16 = 4
(212/16 = 13 + 4/16)
X6 = (13 4 + 17) mod ( 16 ) = 69 mod 16 = 5
(69/16 = 4 + 5/16)
X7 = 2; X8 = 11; X9 = 0; X10 = 1; X11 = 14; X12 = 7
X13 = 12; X14 = 13; X15 = 10; X16 = 3 ...
Si no se cumpliese una de las condiciones previamente especificadas,

podra darse el caso de obtener una serie de nmeros predecible, de modo
que no se podra considerar como una serie de nmeros pseudoaleatorios.

Ejemplo:
m = 10
a = 11
b = 13
Xn+1 = ( 11 Xn + 13 ) mod ( 10 )
X0 = 7
X1 = ( 11 7 + 13) mod ( 10 ) = 90 mod 10 = 0
(90/10 = 9 + 0/10)
X2 = ( 11 0 + 13) mod ( 10 ) = 13 mod 10 = 3
(13/10 = 1 + 3/10)
X3 = ( 11 3 + 13) mod ( 10 ) = 46 mod 10 = 6
(46/10 = 4 + 6/10)
X4 = ( 11 6 + 13) mod ( 10 ) = 79 mod 10 = 9
(79/10 = 7 + 910)
X5= ( 11 9+ 13) mod ( 10 ) = 112 mod 10 = 2
(112/10 = 11 + 2/10)
X6= ( 11 2 + 13) mod ( 10 ) = 35 mod 10 = 5
(35/10 = 3 + 5/10)
...
En el ejemplo anterior se puede observar que la serie sigue una regla tal
que el nmero de la serie sigue la regla siguiente:
Xn+1= Xn mod 10
De este modo, al ser predecible la serie, no puede ser considerada

como una serie de nmeros pseudoaleatorios.
Se pueden emplear varios mtodos para comprobar el carcter

pseudoaleatorio de una serie de nmeros. Entre ellos, dos de los ms
eficaces pueden ser los dos siguientes:
- Mtodo grfico: consiste en construir una grfica con los nmeros

de la serie. Dicho grfico representara en su eje horizontal la
progresin desde X0 hasta Xn, separados a intervalos iguales, y en

su eje vertical se representara el valor correspondiente a cada una
de las variables representadas en el eje horizontal. Si dicha grfica
representase rectas paralelas, esto denotara una tendencia en la
serie, lo cual sera revelador de que dicha serie no representa a
nmeros pseudoaleatorios.
- Mtodo estadstico: este mtodo consiste en realizar pruebas de

hiptesis para comprobar si la distribucin estadstica que siguen
los nmeros de la serie se corresponde a una distribucin uniforme.
Si no fuera as, entonces se considerar que dicha serie no
representa a nmeros pseudoaleatorios. Algunos de los test de
hiptesis que se pueden realizar son los siguientes:
- Test de Kolmogorov Smirnov.
- Prueba de la 2.
- Run test.
Podra ocurrir que se probase una serie de nmeros por alguno de los
mtodos anteriores y el resultado ofrecido por la prueba fuese el de que la
serie efectivamente representa a una serie de nmeros pseudoaleatorios,
pero en realidad, dicha serie no se corresponda a una tal. As pues, el
ltimo de los ejemplos, que representaba a una serie de nmeros con una
tendencia, pasara el test de Kolmogorov Smirnov. Para evitar este tipo
de situaciones confusas, lo deseable sera realizar ms de una prueba, y en
el momento en que alguna de dichas pruebas no se cumpla, entonces se
estar en la certeza de que la serie de nmeros no es pseudoaleatoria.
II.2 Distribuciones de probabilidades.
Las distribuciones de probabilidades junto con la generacin de nmeros

pseudoaleatorios son las herramientas que utiliza la simulacin para dotar de
variabilidad al modelo, y que dicha variabilidad sigua unas pautas tales como las del
sistema real.
En esta seccin se van a exponer todas las distribuciones de probabilidades que

utiliza el software de simulacin Witness, las cuales se van a desgloasar en
distribuciones enteras o discretas y en distribuciones reales o contnuas.

a) Distribuciones enteras.
BINOMIAL
Proporciona una muestra de nmeros que siguen una distribucin binomial.

Devolver la cantidad de xitos esperados, dado un nmero de pruebas y una
probabilidad de xito.
Parmetros que la definen:
p: Probabilidad de xito: real.
T: Nmero de pruebas: entero.
Prn: semilla de nmeros pseudoaleatorios: entero.
Forma:
Ejemplos de llamadas a la funcin: J = BINOMIAL(0.1, 5, 1)
J = BINOMIAL(0.1, 10, 1)
J = BINOMIAL(0.5, 5, 1)
J = BINOMIAL(0.5, 10, 1)
Ejemplos de aplicacin:
Nmero de artculos defectuosos en un lote de un tamao especfico.
Nmero de artculos demandados desde un almacn.

IUNIFORM
Proporciona una muestra de nmeros que siguen una distribucin uniforme

entera. Puede ser utilizada cuando sea equiprobable obtener cualquier valor
entero dentro de un rango especfico.
Parmetros: n: Valor mnimo: entero.
x: Valor mximo: entero.
prn: semilla de nmeros pseudoaleatorios: entero.
Forma:
Ejemplos de llamadas a la funcin: J = IUNIFORM(0, 10, 1)
Esta distribucin es frecuentemente utilizada como una primera aproximacin

a una cantidad entera la cual se sabe que vara entre dos valores.
POISSON
Proporciona una muestra de nmeros que siguen una distribucin de Poisson.

Generalmente se utiliza para estimar el nmero de llegadas durante un periodo
dado. Puede considerarse como el complemento de la distribucin exponencial
negativa.
Parmetros: m: media: real.
prn: semilla de nmeros pseudoaleatorios: entero.

Forma:
Ejemplos de llamadas a la funcin: J = POISSON(0.5, 1)
J = POISSON(1, 0,2)
J = POISSON(2, 0,3)
J = POISSON(6, 0,4)
Tamao de lote para las partes.
Cantidad de output de la mquina de produccin.
b) Distribuciones reales.
BETA
Proporcionar una muestra de nmeros que siga una distribucin beta. La

distribucin beta puede asumir una amplia variedad de formas y, a menudo, es
utilizada como una vasta aproximacin del modelo cuando los datos reales estn
limitados.
Parmetros: a; parmetro de forma 1: real.
b; parmetro de escala 2: real.
prn; semilla de nmeros aleatorios.

Forma:
Ejemplos de llamadas a la funcin: X = BETA(1.5, 5.0, 1)
X = BETA (5.0, 1.5, 2)
Proporcin de artculos defectuosos.
Tiempo para completar una tarea.
ERLANG
Proporciona una muestra de nmeros que siguen una distribucin erlang K.

La erlang es una familia de distribuciones cuya curva ser diferente dependiendo
del valor del parmetro K.
Cuando K es 1, la erlang es idntica a la exponencial negativa. Esto es

debido a que esta est basada en la suma de K muestras de nmeros que siguen
una distribucin exponencial negativa con la misma media.
Cuando K es 2, la erlang es una distribucin con forma de campana sesgada

hacia la izquierda.
Segn va creciendo el parmetro K, la erlang tiende cada vez ms hacia la

distribucin normal.
Parmetros: m; media: real.
k; valor de K: entero.
prn; semilla de nmeros aleatorios.
Forma:

Ejemplos de llamadas a la funcin: R = ERLANG(1.0, 1, 1)
R = ERLANG(1.0, 2, 2)
R = ERLANG(1.0, 3, 3)
Tiempo necesario para completar un servicio, por ejemplo, tiempo para

servir a un cliente o para reparar una mquina.
GAMMA
Proporciona una muestra de nmeros que siguen una distribucin gamma con
la forma y escala especificadas.
Parmetros: a; forma: real
b; escala: real
prn; semilla de nmeros pseudoaleatorios.
Forma:
Ejemplos de llamadas a la funcin: R = GAMMA(2.0, 1.0, 42)
Tiempos entre averas.
LOGNORML
Proporciona una muestra de nmeros que siguen una distribucin lognormal.

Es una distribucin con forma de campana sesgada hacia la izquierda que no
admitir nunca valores menores o iguales a 0 para la media, ya que nunca
devolver valores negativos.
Los datos de una muestra se dice que se comportan segn una distribucin
lognormal si los logaritmos decimales de los mismos siguen una distribucin
normal.

s; desviacin estndar: real.
prn; semilla de nmeros pseudoaleatorios: entero.
Forma:
Ejemplos de llamadas a la funcin: R = LOGNORMAL(1.65, 16, 1)
Tiempo necesario para completar un servicio, por ejemplo, tiempo para servir
a un cliente o para reparar una mquina.
NEGEXP
Proporciona una muestra de nmeros que siguen una distribucin exponencial

negativa. Esta distribucin puede considerarse como la complementaria de la
distribucin de Poisson.
Forma:
Ejemplo de llamada a la funcin: R = NEGEXP(1.0, 1)

Tiempo entre sucesos, por ejemplo, tiempos entre llagadas de partes o

tiempos de vida til.
NORMAL
Proporciona una muestra de nmeros que siguen una distribucin normal. Es

una de las distribuciones que se dan ms comnmente en la naturaleza, y su
curva tiene forma de campana simtrica.
Esta distribucin puede devolver valores negativos, as pues, es preciso tener

cuidado cuando se use en el modelo para valores de tiempo.
s; desviacin tpica: real.
prn; semilla de nmeros pseudoaleatorios: entero
Forma:
Ejemplo de llamada a la funcin: R = NORMAL(0, 1.0, 1)
Ejemplo de aplicacin:
Tiempos de ciclo.
RANDOM
Proporciona una muestra de nmeros pertenecientes al intervalo comprendido

entre 0.0 y 1.0, y que siguen una distribucin uniforme. As pues, cualquier
fraccin comprendida en ese intervalo tiene la misma probabilidad de
ocurrencia.
Parmetros: prn; semilla de nmeros pseudoaleatorios: entero.

Forma:
Ejemplo de llamada a la funcin: R = RANDOM(1)
Ejemplo de aplicacin:
Se puede utilizar para calcular un nmero aleatorio para un algoritmo.
TNORMAL
Proporciona una muestra de nmeros que siguen una distribucin normal

truncada. Es una distribucin similar a la normal, con la diferencia de que los
valores mximo y mnimo vienen especificados.
s; desviacin tpica: real.
i; valor mnimo: real.
a; valor mximo: real.
Forma:
Ejemplo de llamada a la funcin: R = TNORMAL(0.0, 6.0, -4.0, 4.0,

43)
Los datos de tiempo pueden ser aproximados por una distribucin normal
aunque, con la restriccin lgica de que no pueden tomar valores negativos.

TRIANGLE
Proporciona una muestra de nmeros que siguen una distribucin triangular, y

cuya curva tiene forma triangular.
Parmetros: n; valor mnimo: real.
m; moda: real.
x; valor mximo: real.
Forma:
Ejemplo de llamada a la funcin: R = TRIANGLE(1.0, 1.8, 4.0, 1)
La distribucin triangular es la ms empleada cuando los datos estadsticos

necesarios son difciles de obtener, pero se conocen los valores mximo y
mnimo posibles, as como su valor ms probable.
UNIFORM
Proporciona una muestra de nmeros que siguen una distribucin uniforme.

Se utilizar cuando la probabilidad de que se de cualquier valor dentro del rango
especificado sea la misma.
Parmetros: n; valor mnimo: real.
x; valor mximo: real.

Forma:
Ejemplo de llamada a la funcin: R = UNIFORM(3.0, 8.0, 1)
Esta distribucin es frecuentemente utilizada como una primera aproximacin

a una cantidad real la cual se sabe que vara entre dos valores.
WEIBULL
Proporciona una muestra de nmeros que siguen una distribucin de weibull

con la escala y forma especificada.
Parmetros: a; forma: real.
b; escala: real.
Forma:
Ejemplo de llamada a la funcin: R = WEIBULL(2.0, 1.0, 43)
Modelado de la fiabilidad.

BLOQUE III
INTRODUCCIN A LA
SIMULACIN CON WITNESS.

BLOQUE III. INTRODUCCIN A LA SIMULACIN CON
WITNESS.
III.1 Introduccin a WITNESS.
La simulacin tiene mucho que ofrecer a las organizaciones, tanto para las industrias
de fabricacin como a las empresas de servicios.
El papel de la simulacin es el de evaluar cualquier alternativa prctica posible en
apoyo de las iniciativas estratgicas principales, las cuales pueden suponer una gran
inversin financiera, o en apoyo de la bsqueda continua para mejorar el
comportamiento en los niveles tctico y operacional. Ejemplos de dichas evaluaciones
son cambios en el mix de produccin, aumento o disminucin del volumen de
produccin, mejoras sobre la marcha, reduccin del lead-time y mejora de los tiempos
de respuesta al cliente.
La simulacin proporciona al usuario una informacin amplia y en profundidad en la
cual basar sus decisiones: no es una herramienta de optimizacin. Es capaz de captar la
complejidad de grandes sistemas, incluso de una factora entera. Adems, la
aproximacin simulada se apoya en un anlisis de sensibilidad que permite cambios
rpidos en la lgica del modelo y en los datos.
Qu es la Simulacin Visual Interactiva?
La Simulacin Visual Interactiva es algo que tiene capacidad para la creacin
grfica de modelos simulados, presentacin dinmica del sistema simulado y de
interaccin del usuario con la ejecucin del programa.
R. D. Hurrion, Engineering Journal of Operations Research
Simulacin con WITNESS

WITNESS es un paquete de software de simulacin del Grupo Lanner. Es la
culminacin de ms de una dcada de experiencia en el desarrollo de simulacin por
ordenador. Esta experiencia nos ha llevado a desarrollar una aproximacin visual,
interactiva e interpretativa para la simulacin sin necesidad de compilacin.
Los beneficios de la aproximacin WITNESS son:
La gente puede comprometerse ms trabajando juntos como un equipo creando y
utilizando modelos WITNESS.
Los modelos pueden construirse y comprobarse en pequeas etapas sucesivas, las
cuales simplifican en gran medida la construccin del modelo.
El modelo puede ser cambiado en cualquier momento durante su ejecucin. Los
cambios son incorporados inmediatamente llevando a una construccin del
modelo ms rpida.
Actualmente hay ms de 5.500 sistemas WITNESS usndose en todo el mundo,
desde empresas de fabricacin hasta bancos y aeropuertos.

Las aplicaciones incluyen:
La evaluacin de proyectos de inversin.
Ejecucin de modelos regularmente para comprobar los programas de
produccin.
La evaluacin de alternativas propuestas.
Mejora de las instalaciones existentes.
La gestin del cambio.
WITNESS puede ser aplicado en una amplia gama de entornos:
La industria del automvil.
La industria qumica.
Electrnica.
Aeronutica.
Ingeniera.
Alimentacin.
Prensa.
Bancos y finanzas.
Gobierno.
Transportes.

III.2 Proyectos de simulacin con WITNESS.
Introduccin
Los proyectos de que trata la simulacin tienen muchos aspectos particulares, los
cuales deben ser gestionados con especial cuidado para asegurar su objetivo. Los temas
de este captulo resumen una secuencia tpica de acontecimientos en un proyecto,
utilizando una metodologa prctica:
Establecimiento de los objetivos.
Decisin de las posibilidades y nivel de detalle en el modelo.
Recogida de datos.
Estructuracin del modelo.
Construccin del modelo.
Ejecucin del modelo.
Creacin de informes.
Comprobacin del modelo.
Experimentacin con el modelo
Documentar el modelo.
Presentacin de los resultados e implementacin de los mismos.
Establecimiento de los objetivos.

Esta es la primera, y ms importante fase de cualquier proyecto de simulacin. La
intencin de un proyecto de simulacin debera ser la de tomar una mejor decisin
comercial. Un modelador de simulacin, debe comprender que esas decisiones
comerciales probablemente tendrn importantes implicaciones en el contenido del
modelo simulado.
Por ejemplo, considerar dos modelos de la misma clula de produccin por dos
razones totalmente diferentes.
El primer modelo se construye para averiguar la mxima productividad terica de la
clula sujeta a diferentes mix de produccin. El modelo, por lo tanto, contiene
informacin detallada de la disponibilidad de las partes (contenida dentro de un fichero
de partes), y los programas de produccin de las clulas (contenidos dentro de un
fichero de datos). No se considera el trabajo necesario para hacer funcionar a la clula
al mximo rendimiento.
El segundo modelo se construye para investigar el nmero de operaciones necesarias
para que la clula opere eficientemente. El modelo, a veces contiene informacin
detallada sobre prioridades de tareas, interrupcin de actividades y cambios de diseo.
En este caso, el programa de produccin puede que tenga menos importancia.
As, el contenido de los modelos es guiado por la decisin comercial que se necesite
tomar. No hay requisitos para representar cada caracterstica particular de la clula de
produccin real en otro modelo.

Posibilidades y nivel de detalle del modelo.
Las posibilidades de un modelo de simulacin se refieren a dnde comienza y donde
termina. Por ejemplo, considerar un modelo de un servicio de mecanografa. El objetivo
del modelo est en decidir cuntos mecangrafos son necesarios para entregar un
determinado documento a tiempo. El servicio de mecanografa podra ser considerado
aisladamente.
Las partes llegan a la bandeja de entrada de la oficina (lnea de espera). Cada
mecangrafo toma los documentos de la entrada, los procesa y los empuja fuera del
modelo (a enviar).
De un modo alternativo, el servicio de mecanografa podra considerarse como parte
del flujo de papel de la organizacin completa. Esto incluye cambios en los puntos
inicial y final del modelo simulado para abarcar mayor amplitud del sistema real.
Es importante limitar el modelo lo menos posible. Observando el nivel de detalle
contenido en un modelo, la regla de oro es modelar el mnimo necesario para lograr
los objetivos del modelo.
Al comienzo de la construccin del modelo, pequeos aadidos al mismo llevan a
grandes mejoras de su veracidad o rigor. Segn se va haciendo el modelo ms complejo,
cada adicin siguiente aportar menos al rigor del modelo. De hecho, podra decirse que
la adicin de detalles innecesarios podra llevar a una eventual cada en el rigor del
modelo. Esto es particularmente cierto cuando se est intentando modelar el
comportamiento humano, el cual a menudo es inconsistente. El grfico de abajo muestra
la relacin entre el nivel de detalle del modelo y el rigor o veracidad del mismo.
Efecto de la adicin de detalles al modelo simulado

rigor
Nivel de detalle
Es posible emplear elementos de WITNESS para representar combinaciones de

procesos reales y, por lo tanto, al modelo a procesar en alto nivel. Por ejemplo, una
clula de fabricacin o incluso podra representarse una planta de fabricacin entera
como una mquina WITNESS.

Recogida de datos.
La informacin para un modelo es posible clasificarla en una de las tres categoras
siguientes:
1.- Disponible los datos estn realmente disponibles, y lo estn en un formato
apropiado que el modelo puede usar inmediatamente.
2.- No disponible pero posible de recoger el dato, o est en formato incorrecto o no
ha sido captado antes. Se podra necesitar realizar un pequeo trabajo de estudio para
recoger este tipo de datos (por ejemplo, cronometrando ciertos procesos
manualmente).
3.- Ni disponible, ni posible de recoger los datos no estn actualmente disponibles, y
no son fciles de recoger (por ejemplo, para el modelo de una nueva factora en una
zona no industrial con maquinaria nueva).
Si los datos no estn disponibles ni se pueden captar, se deben utilizar estimaciones.
Se pueden obtener estimaciones tiles de varias maneras:
1.- Utilizando datos de fabricacin Las mquinas de fabricacin a menudo incluyen
informacin ( por ejemplo, fiabilidad de los datos) en su folleto comercial y de
especificaciones.
2.- Anlisis de sensibilidad incluye la sustitucin de un parmetro desconocido (por
ejemplo, el tiempo de ciclo de una mquina), con un valor alto y otro bajo por contra
y la comparacin de los resultados de la simulacin completa. Si los resultados son
parecidos, entonces se concluye que el tiempo de ciclo de mquina no es una parte
crtica del proceso completo, y que una vasta estimacin del tiempo de ciclo de
mquina podra ser suficiente. Si los resultados son claramente diferentes, entonces
el tiempo de ciclo de mquina es un estadstico crtico y se precisar de un trabajo
adicional para asegurar que se ha estimado fielmente.
Cuando se utilice una estimacin, se debera aclarar sobre que modelo se basa cada
suposicin. Si se demuestra que el ltimo modelo es inadecuado para representar la
situacin real, entonces se podrn escudriar las sobre las cuales est basado.
Estructuracin del modelo.

Un importante paso final antes de construir el modelo es estructurarlo. Esto
identificar las reas ms difciles en la construccin del modelo, y remarcar cualquier
necesidad adicional de datos que pueden haber sido obviados hasta ahora, como puede
ser el tiempo de transferencia entre procesos.
Este proyecto toma la forma de un esbozo de la instalacin a modelar. El proyecto
debera identificar los elementos WITNESS (o grupo de elementos) para modelar cada
proceso de la vida real. Puede contener informacin considerando las reglas de entrada
y salida empleadas en elementos clave y un resumen de las acciones que se necesitan
incluir a los elementos para dar el grado necesario de control lgico. Tambin se pueden
incorporar otros elementos (como son los tiempos de ciclo de las mquinas y las
capacidades de las lneas de espera) dentro del proyecto.

Construccin del modelo.
Se recomienda construir el modelo de un modo sucesivo, y que se compruebe cada
etapa exhaustivamente antes de construir la siguiente etapa. Si se hace esto, es ms fcil
localizar posibles problemas para un modelo que si se hace buscando a travs del
modelo completo.
Hay que evitar la tentacin de experimentar con un modelo antes de que est
completo. Es mejor tener un modelo completo y contrastado, que actuar como
referencia con la cual pueden compararse los resultados experimentales.
Los pasos principales en la construccin de un modelo son la creacin de elementos
(definicin, presentacin y detallado de los mismos), unindolos juntos entonces
mediante reglas.
Se puede construir tambin una lgica ms compleja dentro del modelo utilizando
acciones.
Ejecucin del modelo.

Despus de definir, presentar y detallar los elementos del modelo, ste se puede
ejecutar inmediatamente, modificarlo aadiendo, cambiando o borrando elementos. Se
puede ejecutar de nuevo el modelo para evaluar el impacto de estos cambios.
Esta capacidad para construir un modelo de un modo sucesivo, y la comprobacin de
cada seccin sobre la marcha, es una potente ayuda para la productividad, y genera
confianza en el modelo.
Se puede ejecutar el modelo en diferentes modos, desde el de paso a paso (con la
pantalla de presentacin completa) al de tiempo comprimido en el futuro (sin pantalla
de presentacin).
Hay muchas caractersticas de WITNESS que son de ayuda para el anlisis,
incluyendo tablas de informes y grficos estndar (los cuales muestran los
comportamientos matemticos bsicos de todos los elementos del modelo
automticamente), mtodos rpidos, vistas de procesos y flujo de elementos. Se pueden
crear tambin series temporales, grficos circulares, histogramas y tablas de informes y
expresiones personalizadas en WITNESS.
Creacin de informes.
Cuando se haya construido y ejecutado el modelo, se pueden utilizar los informes
WITNESS para ayudar a elegir entre la modelizacin de distintos escenarios.
Por ejemplo:
Para aumentar la utilizacin de maquinaria, se puede estar ms interesado en la
proporcin del tiempo que las mquinas gastan en un estado inactivo comparado
con el tiempo empleado en un estado ocupado durante una simulacin.
Para aumentar la productividad de la operacin, se puede estar ms interesado en
el nmero de partes procesadas durante una simulacin de un da.
Para racionalizar la fuerza de trabajo, se estar interesado en la proporcin de
tiempo que los operarios de cada clase permanecen ocupados.

Para reducir los desperdicios, se puede estar interesado en la cantidad de partes
que eran desechadas durante el periodo simulado.
Para evitar prdidas de clientes debido a que las colas eran demasiado largas, se
estar interesado en el nmero de clientes que rehsan entrar por esta razn
(nmero de partes rechazadas).
Para estimar la vida de los vehculos, se estar interesado en la distancia total que
recorren en una semana simulada.
Se pueden escoger diferentes tipos de informes a realizar, y se pueden imprimir los
informes, presentarlos por pantalla, o guardarlos en varios tipos de ficheros (incluyendo
los formatos CSV o DIF). Se pueden copiar todos los grficos y ficheros estndar en el
portapapeles de Windows y pegarlos en otras aplicaciones.
Comprobacin del modelo.

La comprobacin del modelo consiste en la verificacin y en la validacin.
La verificacin asegura que el contenido del modelo es consistente con lo que se
espera de l. Por ejemplo, establece que las partes estn circulando por las rutas
correctas entre elementos, y que cualquier tarea utilizada es atendida por los elementos
correctos con la prioridad pedida.
La validacin (que sigue normalmente a la verificacin) compara el rigor del modelo
comparado con la situacin real. Un ejercicio de validacin normal podra incluir el
suministro de un conjunto de inputs (por ejemplo, partes que llegan y programas de
produccin), y el estudio de un conjunto de outputs modelo (por ejemplo, el nivel medio
de trabajo en curso de una parte, o la relacin de productividad de tiempo empleado
para cada parte).
Las etapas de verificacin y validacin de un estudio de simulacin son normalmente
interactivos en los que se incluye la revisin de algunas de las etapas ya descritas. Por
ejemplo, el modelo puede requerir de la adicin de algunos procesos an no modelados,
aumentando las posibilidades del modelo.
Experimentacin.
Cuando se haya comprobado que el modelo emula el comportamiento de la situacin
real, se puede investigar sobre un nmero de escenarios alternativos. Los escenarios
deberan haber sido definidos dentro de los objetivos originales del estudio de
simulacin.
Una experimentacin de xito incluye normalmente un periodo de precalentamiento
o unas condiciones iniciales, la decisin de una duracin adecuada, y la ejecucin del
modelo con ms de un grupo de nmeros aleatorios.
Un periodo de precalentamiento permite al modelo alcanzar una estabilidad de
forma gradual antes de cotejar cualquier resultado con WITNESS. Por ejemplo, es muy
improbable que una lnea de produccin pudiera estar completamente vaca de partes
primeras en un lunes por la maana, aunque la simulacin por ordenador podra
comenzar desde esta situacin. Un periodo de precalentamiento de, por ejemplo, una
semana, podra permitir acumular inventarios hasta un nivel normal. Se podra ordenar
al modelo que omita los resultados de la primera semana, y comenzar a recoger

resultados desde el lunes por la maana de la segunda semana. Para especificar el
periodo de precalentamiento se puede usar, o el comando model/options/statistics, o el
comando model/experiment.
Una posible alternativa al periodo de precalentamiento es la de incluir algunas
condiciones iniciales en el modelo. En el momento inicial, las partes son enviadas a
varios elementos. El nmero de partes y sus destinos corresponden a una situacin
tpica de trabajo en curso. Ahora no se necesita periodo de precalentamiento, ya que el
modelo est siendo ejecutado desde una situacin normal de la vida real. Se pueden
crear condiciones iniciales utilizando llegadas de partes activas, o falsas condiciones
iniciales de mquinas que procesan un gran nmero de partes en el instante cero, pero
que se hacen inactivas para el resto de la simulacin.
Se pueden usar tambin ficheros de partes para cargar un modelo nuevo con
definiciones de elementos.
Aunque la mayor parte de las ejecuciones de simulacin requieren de algn periodo
de precalentamiento, o de condiciones iniciales, algunas situaciones no necesitan
ninguna. Por ejemplo, un modelo construido para estudiar los niveles de servicio al
cliente en un banco, comenzara preferentemente desde un estado vaco en que los
bancos no tienen clientes cuando abren sus puertas cada maana.
Algunos experimentos incluyen la ejecucin de un modelo para una duracin
especificada bajo circunstancias diferentes. La duracin de la ejecucin debera
determinarse mediante un nmero de factores. El factor ms importante es que se tome
una muestra razonable de nmeros aleatorios de cada semilla de nmeros aleatorios
utilizado en el modelo. Cada ejecucin debera apuntar el uso de al menos entre 10 y 15
nmeros de cada semilla. Si se est utilizando una semilla para calcular un intervalo
entre paradas de entre 1 y 2 semanas, entonces se necesitara una duracin de entre 20 y
30 semanas.
Otro factor es el periodo de informacin de la situacin real que est siendo
modelada. Tiene poco sentido calcular una duracin ptima de ejecucin de 3 semanas
y un da si se necesita comparar los resultados del modelo con una situacin real en la
que el periodo de informacin es cada 30 das.
Es importante ejecutar cualquier modelo con actividad aleatoria utilizando muchas
semillas diferentes de nmeros aleatorios antes de depositar la confianza en los
resultados del modelo. De otro modo, es posible que los resultados obtenidos sean
nicamente la consecuencia de un conjunto de grupos de nmeros aleatorios escogidos
ms que de los cambios que se hayan hecho al modelo. Debera compararse cada
conjunto de resultados; si se encuentran valores no representativos, se deberan revisar,
evaluar, y, si es necesario descartarlos.
Se puede utilizar el comando model/random numbers para reiniciar grupos
aleatorios, desde inusuales hasta usuales o viceversa. De un modo alternativo, se puede
utilizar la opcin model/experiment para automatizar la ejecucin de un modelo que
utilice grupos de nmeros aleatorios.
Documentacin.
Es buena idea documentar como se ha construido el modelo, lo cual lo hace ms fcil
de comprender si se examina en un momento posterior. Dicha documentacin debera
incluir el diagrama de la estructura del modelo. WITNESS tambin proporciona otras

herramientas para la documentacin del modelo, bien dentro del propio modelo, bien
externamente a un fichero o una impresora.
Se pueden atar notas a muchos elementos, detallando dilogos y presentando las
notas en la ventana de simulacin. Se pueden utilizar para introducir descripciones de
como debera funcionar cada parte del modelo. Se puede usar tambin una marca de
exclamacin en las reglas y las acciones para insertar comentarios sobre el propsito de
la regla o de la accin.
De un modo alternativo, se puede utilizar la opcin reports/list para enviar un
informe de cada elemento (junto con su tipo de elemento) a un fichero o a una
impresora. Entonces, se puede editar el fichero o tomar notas sobre el papel en que se ha
copiado el informe.
Las fuentes de datos utilizadas, las suposiciones hechas y los resultados obtenidos
deberan formar parte tambin de la documentacin del modelo. Si el proyecto es
documentado convenientemente, entonces la documentacin demostrar ser una tarea
menos pesada. Se recomienda que la documentacin de cualquier proyecto est
cumplimentada antes de la presentacin de los resultados, con lo que se ha enterrado le
frecuente menor inclinacin a documentar un proyecto.
Presentacin de resultados e implementacin.

El mtodo de presentacin de los resultados depende del tamao del proyecto de
simulacin y de la cultura de la organizacin.
Un modelo animado proporciona una herramienta de comunicacin efectiva en la
cual apoyar las decisiones comerciales, particularmente si se ha realzado su
presentacin grfica.
Se debera de tratar de asegurar que los resultados del modelo forman parte del
proceso de toma de decisiones, y que el modelo no se utiliza simplemente para justificar
una decisin pasada. Las acciones resultantes del estudio del modelo de simulacin
deberan ser implementadas. De otro modo, se habran desperdiciado todos los
esfuerzos realizados.
Si el modelo est documentado adecuadamente, probablemente se utilizar de nuevo,
quiz con cambios hechos sobre alguno de los parmetros. Se desarrollar el modelo
como apoyo para una mejor toma de decisiones en el futuro.
III.3 Modelado con WITNESS.
Esta seccin proporciona una introduccin a la construccin bsica de bloques de

WITNESS y como se pueden usar para construir un modelo. La descripcin se disea
para ofrecer una apreciacin total del producto antes de entrar en los modelos ejemplo
donde los procesos de WITNESS y sus propiedades son exploradas en ms detalle.

Elementos: la construccin de bloques WITNESS.
Una operacin de negocios o comercial puede producir un nmero de partes
diferentes empleando una variedad mquinas, cintas transportadoras, vehculos, otros
equipos y gente.
Un modelo de WITNESS utiliza la misma combinacin de partes, gente, mquinas y
otros dispositivos de simulacin, llamados elementos de modelado, para simular la
operacin que est siendo estudiada.
Hay dos principales versiones de WITNESS que ofrecen terminologas diferentes
para fabricacin y para el sector servicios. Este libro utiliza terminologa de fabricacin
todo el tiempo el sector servicios equivalente es listado en el librito de referencia
rpida.
Hay cuatro clases de elementos de modelado: discretos, continuos, lgicos y
grficos. Como ya se ha familiarizado con las capacidades de cada elemento, se
encontrar con que cualquier aspecto de la operacin puede ser representada con todo su
significado.
Elementos discretos.
Se presentan como iconos dinmicos y representan entidades tangibles en la
situacin real que est siendo estudiada.
Partes. (Parts)
Las partes fluyen a travs del modelo. Pueden representar, por ejemplo:
Productos (coches, motores, etc.).
Un proyecto progresando a travs de una gran empresa.
Llamadas en una centralita telefnica.
Componentes electrnicos diminutos u ordenadores enteros.
Gente circulando en un supermercado.
Las partes pueden ser:
Presentadas de diferentes maneras como un icono o texto de descripcin.
Caracterizadas por un conjunto particular de atributos (por ejemplo, peso,
longitud, color), los cuales puede ser fijos (para todas las partes del mismo
tipo) o variable (para cada parte individual del mismo tipo).
Manejadas de diferentes modos (empaquetadas, creadas individualmente o en
lotes, cambiadas dentro de otras partes, muchas partes pueden ser combinadas
dentro de una parte, o una parte puede ser dividida en muchas partes).
Llenadas de fluido y vaciado de fluido.
Lneas de espera. (Buffers)
Hay lugares donde las partes pueden estar a la espera. Por ejemplo:
Partes esperando una operacin en una planta industrial.
Gente en una cola.

El espacio areo con aviones esperando aterrizar.
Una tolva que contiene componentes en una estacin de ensamblaje.
Las lneas de espera pueden:
Tener partes colocadas dentro de ellas segn diferentes mtodos de ordenacin
(por ejemplo, FIFO o por prioridades).
Estar ligadas directamente a mquinas (lneas de espera dedicadas).
Retener partes durante un tiempo mnimo especificado. De este modo, las
lneas de espera pueden utilizarse para simular equipos como pueda ser un
horno y operaciones como asentamiento o descanso laboral.
Retener partes hasta un tiempo mximo especificado despus del cual dejan la
lnea de espera. De este modo, las lneas de espera pueden utilizarse para
simular colas como gente haciendo cola en la caja de un supermercado.
Mquinas. (Machines)
Hay potentes elementos que se utilizan para representar cualquier cosa que tome
partes de algn sitio, las procese y las enve a su destino. Por ejemplo:
Una mquina herramienta, torno o una prensa.
Una tienda completa o una sola caja de un supermercado.
Una organizacin que se encarga de un proyecto el cual va evolucionando.
Una planta entera o una clula individual.
Cintas transportadoras. (Conveyors)
Se utilizan para mover partes desde un punto fijo del modelo a otro despus de un
tiempo. Las cintas transportadoras pueden ser de dos tipos, de rodillos y de correa, y
ambas estn representadas. Hay tambin construcciones para modelar un tipo
especial de sistemas de cintas transportadoras llamadas power and free (impulsar y
liberar). He aqu cuatro construcciones adicionales para este propsito llamadas
estaciones, transportistas, secciones y redes.
Vehculos. (Vehicles)
Representan vehculos, (por ejemplo, vehculos guiados automticamente, gras,
carretillas elevadoras) que transportan partes. Se puede especificar:
Una variedad de destinos y prioridades para vehculos.
El tiempo que un vehculo debe permanecer parado al final de un trayecto antes
de ir al siguiente.
Una duracin en que el trayecto permanece ocupado despus de que un
vehculo lo ha abandonado (por ejemplo, para evitar colisiones entre
vehculos).
Una velocidad mxima para un vehculo en un trayecto.
La velocidad de un vehculo cuando est cargado y cuando est vaco.
Aceleracin y deceleracin de un vehculo.
El tiempo requerido para cargar y descargar las partes de un vehculo.

Trayectos. (Tracks)
Son los caminos que siguen los vehculos cuando transportan las partes. Tambin
definen puntos en los cuales los vehculos pueden ser cargados, descargados o
aparcados. Se pueden modelar trayectos unidireccionales o bidireccionales.
Operario. (Labor)
Es un recurso (por ejemplo, herramientas, gente o equipo el cual puede ser
requerido por otros elementos para el procesado, primer establecimiento, reparacin,
limpieza y cosas por el estilo. Se puede tomar trabajo de otro elemento para que
dicho elemento pueda completar una tarea ms importante (prioridad de trabajos).
Mdulos. (Modules)
Un mdulo es un elemento compuesto de una coleccin de otros elementos
WITNESS. Los mdulos pueden ser usados para la construccin de modelos de caja
negra o modelos jerrquicos. Se puede definir, presentar y detallar nicamente
como otro elemento WITNESS, y proteger el mdulo con un password. Las opciones
para utilizar mdulos, son muy amplias. Las uniones a ficheros de mdulos externos
proporcionan conceptos de herencia.
Elementos de procesamiento continuo.
Se emplean para simular modelos donde el flujo continuo es un factor.
Fluidos. (Fluids)
Los fluidos representan lquidos y productos de flujo libre como el polvo. Se
presentan como flujos de color que fluyen a travs de una tubera, tanque y
elementos de proceso. Las mezclas de fluidos se muestran con bandas de diferentes
colores (en la proporcin de la cantidad de cada fluido que hay en la mezcla).
Tanques. (Tanks)
Los tanques son elementos de proceso continuos en los cuales los fluidos pueden
ser retenidos o almacenados (esto es, actan como lneas de espera de fluidos). Los
tanques pueden:
Ser vaciados en varias etapas.
Tener especificados avisos de aumento o cada de niveles, los cuales habilitan
que se desarrolle una accin cuando se ha alcanzado.
Cambia el nombre y el color de un fluido en la entrada o salida.
Ser presentado de varias maneras.
Presentar sus contenidos en unidades de volumen.
Presentar las proporciones de mezcla de fluidos como un porcentaje, junto con
los nombres de esos fluidos.
Procesadores. (Processors)
El flujo de fluidos en un procesador sufre algn tipo de operacin, y, despus,
fluyen fuera (esto es, actan como mquinas para fluidos). Un ejemplo de procesador
podra ser una vasija en la cual se mezcla un nmero de fluidos y se calientan durante
un tiempo determinado. Los procesadores pueden:

Tener niveles calibrados, mostrando los contenidos precisos.
Presentar las proporciones de la mezcla de fluidos en un procesador como un
porcentaje, junto con los nombres de los fluidos.
Tener un nivel de proceso mnimo por debajo del cual el procesador no actuar.
Ser vaciado de acuerdo a ciertos criterios.
Paradas de acuerdo a ciertos criterios.
Tener especificados avisos de aumento o cada de niveles, los cuales habilitan
que se desarrolle una accin cuando se ha alcanzado.
Cambia el nombre y el color de un fluido en la entrada o salida.
Tuberas. (Pipes)
Son elementos empleados para conectar procesadores y tanques. Los fluidos
fluyen a travs de tuberas en una relacin dada. Las tuberas pueden:
Ser vaciadas de acuerdo a ciertos criterios.
Paradas de acuerdo a ciertos criterios.
Cambiar el nombre y el color de un fluido en la entrada o salida.
Tener relaciones de flujo negativas.
Fluir producto o estar vacas.
Elementos lgicos.
Representan los datos y los aspectos informativos del modelo (tales como control e
informacin). Estos le capacitan para obtener datos fcilmente, personalizar informes y
construir una lgica ms completa dentro de los modelos WITNESS.
Atributos. (Attributes)
Son caractersticas de una parte especfica o unidad de trabajo. Por ejemplo,
podra estar retenido en un atributo el nmero de cilindros en un motor, y se podra
utilizar este atributo para determinar la duracin requerida para sintonizacin y
ajuste. Cada atributo puede guardar un entero, o un nmero real, o un string, o una
referencia a otro elemento de modelado WITNESS.
Variables. (Variables)
Las variables son valores a los que se pueden acceder desde cualquier parte del
modelo. Por ejemplo, una variable podra ser utilizada para grabar el valor de los
artculos en un inventario. Adems de las variables que define uno mismo,
WITNESS proporciona muchas variables de sistema (una de las cuales guarda el
tiempo de reloj de la simulacin actual, y una que guarda el nmero de parte actual
en un lote). Una variable puede:
Guardar un entero, o un nmero real, o un string, o una referencia a otro elemento
de modelado WITNESS.
Ser un conjunto igual a una expresin que incluye atributos, a un valor constante,
a una muestra de una distribucin o a otra variable.
Presentar su nombre y valor en la pantalla.

Distribuciones. (Distributions)
Las distribuciones permiten construir con variabilidad dentro del modelo
incluyendo datos que se han recogido de la situacin real. Por ejemplo, si las
observaciones muestran que las operaciones de factora de tipo X requieren de entre
5 y 10 minutos, pero la duracin ms frecuente es de 8,2 minutos, la informacin
podra ser introducida dentro del modelo utilizando una distribucin. Las
distribuciones pueden:
Ser definidas por el usuario.
Ser una del amplio rango de distribuciones enteras y reales ya proporcionadas por
WITNESS.
Ser cualquiera continua o discreta.
Ficheros. (Files)
Los ficheros permiten tomar valores que son relevantes para la simulacin y
cargarlos dentro del modelo WITNESS, o salvar valores desde el modelo WITNESS
en un fichero que puede ser usado en otra aplicacin (para producir informes
personalizados, por ejemplo).
Funciones. (Functions)
WITNESS proporciona un gran nmero de funciones internas que se pueden
utilizar para dotar de inteligencia al modelo. Por ejemplo, podra emplearse una
funcin para detectar el nmero de partes que hay actualmente en una cinta
transportadora. Tambin se pueden crear funciones propias. Las funciones
predefinidas incluyen:
Funciones informativas y de estado, por ejemplo, devolver el nmero de partes en
un elemento especfico, devolver la cantidad de espacio libre en un elemento.
Funciones de muestreo aleatorias, por ejemplo, devolver una muestra desde una
distribucin normal.
Funciones aritmticas, por ejemplo, devolver el mnimo nmero de una lista de
nmeros enteros o reales.
Nombres de funciones.
Las funciones pueden:
Presentar sus nombres y los valores devueltos ms recientemente en la pantalla
como parte del modelo.
Ser creadas empleando las acciones de lenguaje WITNESS predefinidas y despus
ser utilizadas repetidamente en el modelo con la misma facilidad que las
funciones predefinidas.
Ficheros de partes. (Part files)
Los ficheros de partes contienen una lista de partes; para cada parte en un fichero,
se puede especificar el tamao de lote (como cuantas partes llegan de una vez),
atributos de la parte (por ejemplo icono, color, peso) y el tiempo de llegada de la
parte al modelo. Es habitual para el modelado de problemas de programacin

sencillos donde los mecanismos entre llegadas normales no le permiten especificar
llegadas de partes con suficiente precisin.
Se puede tambin sacar partes del modelo de simulacin a ficheros de partes. De
este modo, es posible producir un fichero de partes como una salida desde un modelo
que se utiliza como entrada a otro modelo.
Se pueden sacar partes desde el modelo hasta ficheros de partes. De este modo, es
posible producir un fichero de partes como una salida desde un modelo que es
utilizada como entrada a otro modelo.
Cambios. (Shifts)
Los elementos de cambio son usados para simular un patrn de cambio (o una
serie de patrones de cambio) que son, en efecto, una secuencia de periodos trabajados
y no trabajados. Los patrones de cambio pueden aplicarse a recursos laborales y otros
elementos para simular el funcionamiento del cambio.
Elementos grficos.
Son representaciones grficas de qu es lo que le est sucediendo al modelo como
son las ganancias en la ejecucin.
Grficos circulares. (Pie charts)
Los grficos circulares permiten representar los resultados de la simulacin en la
pantalla en el formato de grfico circular estndar. Se puede inclinar la presentacin
de los grficos circulares y sacar los segmentos para aumentar el impacto. Los
grficos circulares son habituales en la representacin del porcentaje de tiempo que
gasta un elemento en un cierto estado (por ejemplo, que cantidad de tiempo se
emplea en estado ocupado, y cuanto es estado parado).
Series temporales. (Timeseries)
Las series temporales permiten presentar los resultados de la simulacin en la
pantalla en forma de grfico que dibuja los valores tomados para la simulacin
respecto al tiempo. Se pueden dibujar siete valores con siete colores diferentes. Las
series temporales son habituales para determinar las tendencias o los ciclos,
reforzando el modelo, ya que proporciona un historial del valor especificado adems
una media y una desviacin estndar.
Histogramas. (Histograms)
Los histogramas permiten presentar los resultados de la simulacin en la pantalla
en forma de grfico de barras. Es habitual para determinar el rango de valores
observado por algn parmetro de la simulacin.
Elementos de manipulacin.
Reglas. (Rules)
Las partes y los fluidos se transfieren entre elementos de acuerdo a unas reglas de
entrada y de salida de los dilogos de detalle de esos elementos. Las reglas pueden:
Permitir modelar decisiones complejas sobre la transferencia de partes y fluidos
basadas en, al menos, un criterio.
Ser introducidas de modo semiautomtico usando una propiedad rpida en
WITNESS.

Contener comentarios que documenten la lgica.
Dirigir partes y fluidos a una variedad de lugares fuera del modelo (por ejemplo,
pueden ser embarcadas o desechadas)
Ser creadas usando slo los botones de la barra de accin estndar.
Expresiones. (Expressions)
Una de las propiedades ms potentes de WITNESS es la flexibilidad con la cual
se manejan valores. En cualquier lugar en que se necesite un valor, se puede
especificar una frmula o expresin (si se utilizan programas de hojas de clculo, se
valorar este concepto). Dependiendo del contexto, WITNESS o elabora el valor
inmediatamente o almacena la expresin para un uso futuro. Por ejemplo, el tiempo
de ciclo de una mquina puede introducirse como una expresin que ser evaluada
cada vez que la mquina comience un nuevo ciclo de trabajo.
Acciones. (Actions)
WITNESS proporciona un lenguaje de programacin sencillo conocido como
Acciones. Estas similitudes las comparte con el lenguaje de programacin BASIC
pero se lee ms parecido al ingls e incorpora instrumentos de ayuda. Utilizando
acciones, se puede dar a WITNESS instrucciones especficas sobre la lgica del
modelo, dotndole al modelo de los clculos y las frmulas que apoyan las
decisiones en la situacin real que se est estudiando. Las acciones pueden:
Ser usadas para introducir interaccin entre el modelo y el usuario, por ejemplo,
solicitndole respuestas especficas en los puntos adecuados donde el modelo est
ejecutndose.
Ser utilizadas en etapas clave de una operacin de los elementos (por ejemplo, al
finalizar un ciclo, cuando una parte deja el modelo, antes de que las observaciones
se dibujen en la serie temporal, cuando un procesador termina el vaciado).
Ser utilizadas para agrupar las condiciones iniciales del modelo.
Ser utilizadas en una etapa durante la ejecucin del modelo.
Construccin y uso del modelo WITNESS.
Hay tres etapas principales en la construccin de un modelo WITNESS:
Definicin de elementos.
Se debe especificar los nombres y cantidades de los elementos que se usarn en el
modelo. Se puede usar el rbol de elementos, pero es ms rpido y fcil utilizar la
paleta de diseo de elementos que viene con WITNESS; a esta se le pueden aadir
paletas para crear libreras de elementos definidos y mdulos que puedan ser
utilizados una y otra vez. Con slo hacer clic en el elemento elegido y colocarlo en la
ventana de simulacin, no slo se define el elemento, sino que tambin se crea algo
de la presentacin por defecto y datos de detalle para ese elemento, lo cual har que
se ahorre tiempo y esfuerzo.
Presentacin de elementos.
Se debe decidir como se quiere que sean presentados en la pantalla los elementos
del modelo. Hay una variedad de opciones que incluyen iconos, texto, cajas, lneas,
elipses, expresiones, nombres de tipos de fuentes y color de texto y lneas. Se puede
adaptar la presentacin para prestar atencin a objetivos particulares del modelo (por

ejemplo, aadiendo etiquetas o texto extra). Se puede mirar en las opciones de
presentacin de algunos elementos haciendo doble clic en su icono con el botn
derecho del ratn.
Detallado de los elementos.
El dilogo de detalle para cada elemento permite especificar exactamente como
opera exactamente ese elemento, cmo se controlan las entradas y salidas de un
elemento, las acciones que tienen lugar cuando tiene lugar un evento particular y
como cambia, averas, prioridades y como se aplican. Se pueden examinar algunos
detalles de los elementos haciendo doble clic en su icono con el botn izquierdo del
ratn.
Ejecutando el modelo.
Despus de la definicin, presentacin y detallado de los elementos del modelo, se
puede ejecutar inmediatamente, despus se modifica aadiendo, cambiando o
borrando elementos, despus se ejecuta de nuevo para evaluar el impacto de esos
cambios. Esta capacidad para construir un modelo de un modo sucesivo,
comprobando cada seccin sobre la marcha, es una ayuda potente para la
productividad y genera confianza en la validez del modelo.
Se puede ejecutar el modelo en una variedad de modos, desde el de paso a paso
(con presentacin de pantalla total) al de tiempo comprimido en el futuro (sin
presentacin en pantalla).
Informes: medicin del rendimiento.
WITNESS genera informes automticamente. Se pueden usar esos informes como
ayuda para la eleccin entre escenarios de modelado alternativos.
Los informes estndar comprenden una coleccin de estadsticos para un elemento
o para una presentacin grfica. Estn disponibles otros tipos de informes, por
ejemplo, una lista de elementos definidos en el modelo, un sumario de los detalles de
un elemento especfico y una lista de elementos que estn actualmente libres,
bloqueados, o esperando una labor.
Tambin se puede exportar informacin desde un informe en multitud de formatos
(y se pueden pegar datos al portapapeles para utilizar otros paquetes de software tales
como las hojas de clculo).
Mdulos externos de WITNESS.

WITNESS XA es un programa separado de WITNESS que analizar experimentos
del modelo y proporcionar informacin estadstica (por ejemplo, intervalos de
confianza). En este manual se incluye un ejemplo de anlisis.
WITNESS Optimizer es un programa que carga otras opciones dentro de los mens
de WITNESS. Ofrece un algoritmo nico que buscar maximizar (o minimizar) una
funcin objetivo estableciendo cierto conjunto de parmetros de simulacin dentro de
unos rangos dados.
WITNESS VR ofrece grficos de realidad virtual para modelos WITNESS. El
programa permite crear una imagen en 3D a partir de una capa 2D automticamente
utilizando una librera de objetos 2D. La capacidad de volar en torno a un mundo

virtual, como pueda ser una factora, tocando un botn es una herramienta de
comunicacin extremadamente potente.
Archivado: reunin de una cartera de modelos.
WITNESS permite almacenar modelos y partes de modelos en muchos formatos
diferentes. Algunos de los formatos ms utilizados son:
.MOD Fichero de modelo (los elementos del modelo y el entorno, pero no su
estado).
.SIM Fichero de modelo y estado (el modelo y el estado en que estaba cuando
se salv). Se puede ejecutar el modelo desde este punto.
.LST Fichero de librera (texto que contiene la definicin completa de un
modelo)
.DES Un conjunto de elementos de diseo.
.MDL Un fichero de mdulo.
Ayuda.
Adems de los manuales de WITNESS y del apoyo Help Desk, se proporciona
ayuda on-line con la versin completa de WITNESS. Esta es la documentacin ms
comprensiva y contiene saltos de hipertexto y herramientas de bsqueda para moverse
rpidamente hasta el tema requerido. Hay que pulsar la tecla <F1> cuando se necesite
ayuda, o hacer clic en el botn de ayuda en un dilogo para presentar ayuda para este
dilogo.
Realzando la presentacin en pantalla.
Las siguientes herramientas son ejemplos de los modos en que se puede realzar el
modelo y hacerlo ms claro. Se puede aadir:
Una presentacin de teln de fondo creada en un paquete de dibujo CAD
importado desde un fichero .DXF.
Iconos extra. Se pueden disear iconos propios que pueden cambiar de color para
reflejar el estado del elemento que estn representando. Ms adelante, en el curso
de construccin de un modelo, hay un ejemplo de una librera de iconos. Es
posible importar ficheros de mapa de bits (.BMP) y utilizarlos como iconos de
WITNESS.
Texto y etiquetas explicativas.
Lneas, por ejemplo, para indicar el flujo de trabajo en curso.
Cajas y elipses, por ejemplo, para dividir el modelo en zonas indicando
operaciones o para prestar atencin a ciertas reas.
Logotipos de empresa.
Teclas mostrando colores de estados para elementos.
Realces acsticos (utilizando ficheros .wav).
Realces de vdeo (utilizando ficheros .avi).
Se puede elegir:

Colores diferentes para presentar texto, lneas y nombres de elementos. Ambos
colores, tanto color de fondo como de primer plano pueden ser alterados.
Diferentes patrones de relleno para cajas, crculos o elipses.
Diferentes fuentes de texto.
Diferentes tamaos de iconos.
Para redefinir los relojes de simulacin digitales y analgicos a las necesidades
del problema.
III.4 Conceptos bsicos de manejo de WITNESS.
La tcnica ms adecuada para aprender a manejar un simulador de procesos es la

utilizacin de modelos sencillos que ya estn construidos.
Un modelo con bastante inters didctico en Witness es el fichero DEM1.MOD

archivado en el subdirectorio DEMO/TUTORIAL de la instalacin Witness. El modelo
puede abrirse pulsando la opcin Open en el men desplegable File o sino pulsando la
tecla de abrir fichero en la barra estndar.
Los comandos de la barra estndar ms destacados son los siguientes:
Tecla de abrir fichero.
Tecla para aplicar a un elemento la regla push. Las piezas o vehculos son enviados al primer elemento que est
disponible segn un orden de preferencia dado y que sea capaz de aceptarlas.
Tecla para aplicar a un elemento la regla pull. Las piezas se tomarn del primer elemento que est disponible
segn un orden de preferencia dado y que sea capaz de suministrarlas.
La descripcin de dicho modelo se puede seguir con mayor facilidad si se abre y se

ejecuta.
En este modelo el proceso de fabricacin consiste en unir una pieza inferior y otra
superior mediante dos tornillos. El proceso de ensamblado lo realiza un robot de forma
automtica y despus se realiza una inspeccin antes de que la pieza acabada salga del
modelo.
La barra de ejecucin se muestra en la parte inferior de la pantalla.

Los comandos de la barra de ejecucin que se van a emplear son los siguientes:
Tecla de inicio. Pone el reloj a cero, borra los informes y lleva a los elementos al estado de parada
Tecla de stop o parada. Para la ejecucin en cualquier modo.
Tecla de ejecucin en modo paso a paso. Permite examinar cada paso que se da durante el proceso de ejecucin
Tecla de ejecucin en modo normal. Ejecuta el modelo con la simulacin visible
Tecla de ejecucin en modo acelerado. Ejecuta el modelo pero no es posible visualizar la simulacin
Tecla de tiempo lmite de ejecucin. Cuando se activa permite ejecutar un modelo hasta el tiempo (en minutos)
que el usuario indica en la ventana de texto adjunta
Las caractersticas que definen cada elemento pueden observarse haciendo doble
click sobre su propio nombre en la pantalla.
El almacn indicado como TOPS guarda las piezas superiores que llegan en lotes de
1 a tiempos variables.
El almacn BOTTOMS guarda las piezas inferiores que llegan en lotes de 1 y a

tiempos variables.
El almacn SCREWS contiene tornillos que llegan en lotes de 6 y a tiempos

variables.
La mquina de ensamblado ASSEMBLY toma una pieza superior, una inferior y 2

tornillos. Su ciclo de operacin es de 2 minutos.

En el dispositivo de inspeccin las piezas unidas son inspeccionadas en grupos de 4 y
el tiempo de sta operacin es de 5 minutos. Despus las piezas salen del modelo.
En un plot se indican cada 5 minutos las lecturas del coste de la materia en

elaboracin (en amarillo) y de las piezas que se encuentran en ensamblado e inspeccin
(en rojo).
La ventana del tiempo indica semanas, das, horas y minutos. El tiempo tambin se
indica en la barra de ejecucin.
Ejecucin en modo paso a paso hasta el instante de tiempo 20.
Hacer click en el icono de inicio para reiniciar el tiempo a cero. Despus utilizar el
icono de ejecucin en modo paso a paso.
Hasta que no se pulse la tecla <Enter> o se presione el botn izquierdo del ratn no
se proceder a la ejecucin del siguiente paso el cual ocurre en la siguiente unidad
simulada de tiempo. Un comentario acerca de lo que ocurre en el modelo acompaa
a cada paso en la ventana interactiva Interact Box.
Presionar la tecla <Enter>. Inicialmente una pieza superior y una inferior llegan al
robot de ensamblado. Continuar pulsando la tecla <Enter> mientras el robot de
ensamblado est a la espera de los tornillos para comenzar el trabajo.
En el modelo entran una nueva pieza superior y otra inferior que quedarn en sus
lugares de almacenamiento correspondientes (buffers) hasta que sean solicitados.
En el instante 5 llega un lote de 6 tornillos, 2 de los cuales van al robot de

ensamblado y el resto se queda almacenado en el buffer. El robot de ensamblado
comienza un ciclo y cambia su color de amarillo (inactivo) a verde (ocupado).
En el instante 7 una pieza ensamblada llega a la mquina de inspeccin, la cual

permanecer no comenzar a trabajar hasta que lleguen otras 3 piezas ensambladas.
El robot de ensamblado vuelve a tener todas las piezas.
En el instante 10 las series de tiempo dan una segunda lectura. Todos los almacenes
de materiales en curso estn vacos, por lo que el grfico amarillo est a cero. El
grfico rojo sube mientras las mquinas de ensamblado e inspeccin se llenan.
En el instante 17 la cuarta pieza ensamblada entra en la mquina de inspeccin y el

icono de esta se muestra verde (ocupado).
Cuando se llega al instante 20, el robot de ensamblado se encuentra bloqueado

debido a que la mquina de inspeccin est todava ocupada y el robot no puede
liberarse de la pieza ensamblada. El bloqueo se mantiene hasta que el lote de 4
piezas ensambladas sale del modelo. Despus la pieza ensamblada podr pasar a la
mquina de inspeccin y el robot de ensamblado se volver a llenar con otras 4
componentes.

Si se sigue ejecutando el modelo se pueden observar los cambios de estado del
mismo y del valor de los materiales en curso.
Para detener la ejecucin hacer click en la tecla de stop.
Ejecucin en modo normal y acelerado hasta el instante 50.
Hacer click en el icono de inicio para reiniciar el tiempo a cero.
Introducir 50 en la ventana contigua a la tecla de tiempo lmite de ejecucin.

Despus utilizar el icono de ejecucin en modo normal o acelerado.
Una vez realizada una simulacin se puede obtener los informes correspondientes en
el men desplegable Reports seleccionando la opcin Reports. Se debe expandir el
rbol correspondiente a la opcin Simulation y seleccionar todos aquellos elementos de
los que se quiera obtener informacin haciendo click en la casilla correspondiente.
Tambin se pueden seleccionar todos con la opcin Select All. Por ltimo para
visualizar la informacin hay que pulsar la opcin Statistics que genera los informes.
Cuando el modelo se ha ejecutado hasta el tiempo 50, se puede observar que el robot
de ensamblado ha estado inactivo por ms de un tercio del tiempo, bloqueado durante el
12% y trabajando durante el resto. Estas mismas caractersticas se pueden observar para
la mquina de inspeccin.
Una de las mejoras que se pueden hacer en el modelo es reducir la cantidad de

tiempo durante la que la mquina de inspeccin bloquea el robot de ensamblado
reduciendo el tamao de lote y acortando el tiempo de inspeccin. Para ello se debe
hacer doble click en el icono de la mquina de inspeccin, editar el campo de lote
mnimo sustituyendo el 4 por el 2, editar el campo de tiempo de ciclo sustituyendo 5.0
por 2.5 y pulsando la opcin aceptar.

Si se ejecuta el modelo hasta el instante 50 se puede observar que el tiempo de
bloqueo se ha reducido al 4%.
Se pueden realizar otras modificaciones para mejorar el proceso como una simple
reduccin en el tiempo de inspeccin.
Otro modelo interesante en Witness es el fichero DEM2.MOD archivado en el

subdirectorio DEMO/TUTORIAL de la instalacin Witness. Este modelo ilustra
elementos de procesamiento continuo y el uso de acciones de usuario especficas para
cambiar el comportamiento del modelo, de modo que el usuario tiene el control de la
planta. En este modelo un fluido verde llega al tanque 1 y otro rojo llega al tanque 2.
Ambos fluidos parten de dichos tanques para llenar un mezclador del que pasan a un
tercer tanque.
En el modelo hay unos flujos entrantes variables que llegan a los tanques 1 y 2 (con
valores entre 1 y 10) y un flujo saliente variable que sale del tanque 3 (con valores entre
2 y 20). Los flujos restantes, que van de los tanques 1 y 2 al mezclador y del mezclador
al tanque 3, pueden controlarse y las tasas se ven bajo las lneas que conectan los
elementos. Las cifras colocadas sobre cada elemento indican el porcentaje del mismo
ocupado por el fluido.
Ejecutar en modo normal.
Observar que aproximadamente en el instante 3 el tanque 3 explota.
IMPORTANTE: Para comenzar de nuevo se debe pulsar la tecla <Enter>.
Hacer click sobre el icono reiniciar.
Esta vez se debe intentar parar la simulacin antes de que ningn tanque que de
completamente lleno o vaco haciendo click sobre el icono de stop, pulsando el botn
derecho del ratn o la tecla <Esc>.

Para seleccionar las tasas de flujo se debe elegir la opcin user actions del men
desplegable run. Introducir las nuevas tasas y pulsar O.K.
Mantener la ejecucin del modelo parando la simulacin y cambiando las tasas

intentar llegar hasta el instante 50.
Modelos de este tipo se utilizan para entrenar al personal de instalaciones de control

de procesos.
Por ltimo el modelo DEM3.MOD archivado en el subdirectorio

DEMO/TUTORIAL de la instalacin Witness muestra como funciona un proceso en el
que las unidades de producto forman una cola que se ve afectada por los tiempos de
avera y reparacin de un banco de trabajo que vienen dados por leyes de distribucin
de probabilidad. Esto es muy comn en los modelos de simulacin. Los tiempos son a
menudo aleatorios y resulta necesario evaluar esos comportamientos.
Al ejecutar el modelo se puede observar como las piezas hacen cola en el

transportador mientras la mquina pasa por diferentes estados.
Un contador guarda el nmero de piezas que sale del modelo. En el grfico de la

derecha se puede ver el nmero de piezas que salen del modelo cada 60 minutos. Un
diagrama de sectores que se actualiza cada 30 minutos indica la actividad del banco de
trabajo.
Los informes del modelo se obtienen como en los otros casos.
Para agilizar el proceso se puede levar el tiempo entre roturas haciendo doble click
sobre el elemento banco de trabajo, seleccionando la pestaa breakdowns e
introduciendo la ley NEGEXP(90,3) en el campo Time Between Failures con lo que se
aumenta en 30 minutos el tiempo medio entre roturas.

Tambin se puede reducir el tiempo que se tarda en reparar la mquina seleccionando
el campo Repair Time e introduciendo la ley UNIFORM(15,25,5).
Finalmente se puede cambiar el banco por una mquina que trabaja por lotes. Hacer
doble click en el icono banco de trabajo y elegir la opcin Batch en el campo Type,
despus marcar 2 en el campo Batch Minimum.
Cabe destacar que si se hacen simulaciones para 500 unidades de tiempo y en

adelante el tiempo durante el que esta ocupada la mquina vara, y esa variacin
comienza a ser mnima a partir de aproximadamente 4000 unidades de tiempo, esto
significa que para conocer verdaderamente los resultados se deben simular muchos
minutos.

BLOQUE IV
PRCTICAS DE SIMULACIN CON

WITNESS.

BLOQUE IV. PRCTICAS DE SIMULACIN CON WITNESS.
IV.1 Creacin de un modelo con Witness.
Introduccin
Esta es una descripcin de cmo construir y utilizar un modelo sencillo con

WITNESS. El modelo demuestra conceptos, sin representar necesariamente un sistema
real. Con WITNESS se pueden desarrollar modelos mucho mayores y ms detallados.
El modelo se construir de un modo paso a paso, ya que es el modo en que se puede

asegurar que cada etapa del modelo es correcta antes de pasar a la siguiente etapa, y de
ver claramente los efectos de cualquier cambio que se le practique al modelo.
En las dos primeras etapas se construir un modelo simple con mquinas y cintas
transportadoras y a partir del cual se puede calcular la salida y la capacidad del sistema.
En las etapas 3 y 4 se aadirn ms caractersticas (por ejemplo, averas, operarios,

tiempos de preparacin) para hacerlo ms realista. Incluso con un pequeo incremento
en la complejidad del modelo, se puede ver que este se vuelve difcil a la hora de
calcular su rendimiento manualmente, y que WITNESS ser de gran ayuda para
determinarla.
En las etapas 5 y 6 se ajusta el modo en el cual opera el modelo para mejorar el

rendimiento y utilizacin de los recursos.
Si no se quiere construir el modelo, pero se quiere ver la aproximacin paso a paso

al modelo construido, ejecutar los modelos desde el STAGE1.MOD hasta el
STAGE6.MOD en el subdirectorio demo\tutorial de la versin instalada de WITNESS.
Estos ficheros corresponden al modelo construido al final de las etapas desde la 1 hasta
la 6.
Resumen del modelo.

En el modelo, los widgets son pesados, lavados, producidos e inspeccionados.
Despus de cada operacin, las partes viajan hasta la siguiente operacin sobre una cinta
transportadora, la cual acta a la vez como elemento de transporte y como lnea de
espera. Tras la inspeccin de las partes, estas dejan el modelo. Se requiere de un
operario para realizar varias actividades en la mquina produce.
El modelo completo tiene un aspecto como el siguiente:

Etapa 1
Se comenzar abriendo el modelo START.MOD, el cual est en el subdirectorio

demo\tutorial de la versin instalada de WITNESS.
La ventana de diseo de elementos permite aadir elementos WITNESS de un modo

fcil y rpido al modelo.
La primera etapa del modelo que se va a construir contiene una parte (Widget), una
pesadora (Weigh) y una cinta transportadora (C1).
Hacer un click sobre el icono de machine en la ventana de diseo de elementos. El

cursor cambiar desde una flecha a un aspa. Posicionar el aspa en la ventana de
simulacin (window 1) y hacer click con el botn izquierdo del ratn. Aparecer una
mquina (Machine001) en la simulacin dentro de un cuadro. Mantener el botn
izquierdo del ratn pulsado mientras el cursor est dentro del cuadro y arrastrar el nuevo
elemento por la pantalla para posicionarlo. Hacer click fuera del cuadro para hacerlo
desaparecer. La mquina es ahora parte del modelo que se est construyendo.
Aadir una cinta transportadora haciendo click sobre el icono conveyor en la

ventana de diseo de elementos. Cuando el cursor se convierta en un aspa, hay que
llevarlo hasta la ventana de simulacin y hacer click de nuevo. Arrastrar la cinta
transportadora hasta la posicin deseada.
Aadir una parte del mismo modo.

Ya estn aadidos los tres elementos para esta primera etapa, el siguiente paso
consiste en aadir los detalles necesarios para ejecutar el modelo.
Detallado de un elemento
Los elementos pueden ser detallados de varias maneras:
El modo ms fcil para acceder y cambiar los detalles de un elemento es haciendo

doble click sobre el elemento mostrado en la pantalla (que es el icono de mquina o el
de la cinta transportadora).
Otras opciones son:
Haciendo click una vez sobre el icono del elemento, despus haciendo click sobre
el botn detail de la barra estndar.
Seleccionando la opcin model/elements y utilizando el element selector.
Detallado de la informacin de la parte.
Hacer doble click sobre PART001 para acceder a la ventana de dilogo detail
para este elemento.
Cambiar el nombre de la parte a widget sencillamente escribiendo sobre el

nombre existente
Hacer click en el botn Aceptar para aceptar este cambio.
Detallado de la informacin de la mquina.
Hacer doble click sobre el icono de la mquina Machine001 e introducir los

siguientes datos:
Name: weigh
Cycle time: 5
Hacer click en el botn Aceptar para aceptar estos cambios.
Detallado de la informacin de la cinta transportadora.
Hacer doble click sobre el icono de cinta transportadora Conveyor001 e

introducir lo siguiente:
Name: C1
Hacer click en el botn Aceptar para aceptar este cambio.
Lo mostrado en la ventana Window 1 ahora tendra el aspecto siguiente:

En esta etapa todo lo que se ha hecho es introducir un tiempo de ciclo nico y
cambiar los nombres de los elementos, pero el resto de los detalles sobre el
comportamiento de los elementos se pueden cambiar del mismo modo.
El siguiente paso en este modelo es el de definir las reglas lgicas de unin entre los
elementos del modelo. Estas reglas pueden introducirse o bien a travs de la barra de
accin y el ratn, o bien a travs de la ventana de dilogo de detalle de los elementos.
Hay muchos tipos de reglas de conexin en WITNESS. Las ms comunes son las reglas
de empujar (push); tirar de (pull); porcentaje (percent); secuencia (sequence). Tambin
las hay menos comunes que sirven para introducir atributos o condiciones "if", reglas
para introducir complejas decisiones lgicas, etc.
Informacin de detalle de las reglas de la mquina.
Seleccionar la mquina weigh haciendo click sobre su icono. Ahora hacer click
sobre el botn de tirar de en la barra de accin estndar.
La regla por defecto sera PULL dejar esto en este caso, pero notar que en este
caso se podran seleccionar otros a travs de la caja de dilogo desplegable.
Hacer click sobre el icono de widget y despus pulsar el botn world, y se

debera ver lo siguiente:
Hacer click en el botn OK para aceptar esta regla.

Ahora hacer click sobre el botn de empujar en la barra de accin estndar.
Hacer click sobre el icono de la cinta transportadora C1 y en OK para

seleccionar esta regla.
Informacin de detalle de las reglas de la cinta transportadora.
Seleccionar la cinta transportadora C1 haciendo click sobre su icono.
Ahora hacer click sobre el botn de empujar de la barra de accin estndar.
Hacer click sobre el botn Ship de la barra de reglas de accin para crear la regla
PUSH SHIP para el elemento C1.
Hacer click sobre el botn OK de la barra de reglas de accin para aceptar la

regla.
Ejecutando el modelo.
Introducir el tiempo de finalizacin de la simulacin en la caja de texto que esta junto

al botn de ejecutar hasta (smbolo de despertador) en la barra de accin de ejecucin,
haciendo click en la caja y despus introduciendo dentro el valor 100. Ahora hacer click
sobre el botn de ejecucin (una flecha apuntando a la derecha) para arrancar la
ejecucin del modelo.
WITNESS ha sido diseado con un mecanismo interno de seguridad para avisar

desde la ejecucin del modelo de la falta informacin vital. Si no se ha introducido una
marca de tiempo para una cinta transportadora, entonces tan pronto como se comience
la ejecucin del modelo, se demandar dicho ndice de tiempo. Introducir:
Index Time:0.5
Hacer click en el botn OK.
Resultados previstos.
Se sabe que la longitud de la cinta transportadora es equivalente a 10 partes sobre la

misma, as pues, cada parte dedica 0,5 10 = 5 minutos sobre la cinta transportadora.
Una parte tarda d10 minutos en pasar el sistema:
= 5 minutos en la pesadora (= weigh cycle time)
+ 5 minutos sobre C1

y una parte llega cada 5 minutos (controlado por el tiempo de ciclo de weigh). Por lo
tanto, si el modelo se ejecutase para 10 minutos, se esperan producir 19 partes widget.
Si se examina el informe para la parte widget despus de que el modelo haya sido
ejecutado para 100 minutos, se pueden comprobar las previsiones.
Esto es lo correspondiente al modelo en STAGE1.MOD.

Modificacin del aspecto del modelo
Si se desea, se puede modificar la presentacin del modelo para realzar el aspecto del
modelo. Si no se desea cambiar el aspecto del modelo se puede pasar por alto esta
seccin y pasar inmediatamente a la segunda etapa, pero es recomendable trabajar con
la fase de presentacin para comprender ms completamente las posibilidades que
WITNESS ofrece en esta rea.
Los elementos mostrados pueden ser seleccionados y arrastrados a travs de la

pantalla con el ratn. Tambin pueden moverse varios elementos a la vez dibujando un
cuadro alrededor de los elementos con el ratn y despus arrastrarla por la pantalla.
WITNESS permite guardar imgenes en ventanas o en capas de imgenes, y tambin

ligar varias imgenes en un nico elemento. Para guardar imgenes, utilizar la opcin
view/layers o la de view/windows/control. Para ligar imgenes a un elemento se utiliza
la barra de herramientas de presentacin mostrada a continuacin:
El acceso a la barra de herramientas de presentacin para un elemento se puede

hacer de las siguientes maneras:
Hacer doble click con el botn derecho del ratn sobre el elemento.
Seleccionar la opcin model/elements para mostrar el element selector. Hacer click

sobre el elemento en el rbol de elementos con el botn derecho del ratn para
mostrar el men del elemento, entonces, seleccionar la opcin display (ver pintura
de abajo).

Informacin de presentacin para las mquinas.
Utilizando la barra de presentacin, se pueden hacer varios cambios sobre la

apariencia del modelo en pantalla.
Seleccionar draw, update, delete o stretch de la primera caja desplegable.
Seleccionar el tipo de dispositivo que se quiere actualizar, dibujar, borrar o estirar

desde la segunda caja desplegable.
Usar el botn del lapicero para dibujar o actualizar el artculo seleccionado.
Tratar de aadir varios artculos a la presentacin y actualizarlos.
Etapa 2
Una vez que se ha creado una mquina y una cinta transportadora, y se ha
comprobado que el modelo funciona, se le pueden ir aadiendo ms mquinas y cintas
transportadoras.
La construccin de un modelo de un modo paso a paso como se est haciendo en este

punto hace que sea mucho ms fcil aislar los errores y los problemas potenciales y
permitir una comprensin de lo que est ocurriendo de una manera ms clara. Por otro
lado, los aadidos y cambios pueden realizarse en cualquier momento e incorporarlos
inmediatamente sin la necesidad de reiniciar el modelo.
Aadir otra mquina al modelo haciendo click en machine en la ventana de diseo

de elementos, y se va a posicionar al final de C1. Cambiar los detalles de esta mquina
haciendo doble click en su icono. Introducir:
Name: wash
Cycle Time: 4
Aadir otra cinta transportadora a continuacin de la mquina WASH. Cambiar los
detalles de esta cinta transportadora haciendo doble click sobre su icono e introducir:
Name: C2
Index Time: 0.5
Aadir otra mquina y detallarla como sigue:
Name: produce
Cycle Time: 3
Despus, aadir otra cinta transportadora y detallarla como sigue:
Name: C3
Index Time: 0.5
Finalmente, aadir la ltima mquina detallndola con:
Name: inspect
Cycle Time: 3

Para crear una variable que grabe y muestre la salida de la mquina inspect, elegir el
elemento de diseo Vinteger (variable entera) y posicionarla en la pantalla del mismo
modo que se haca para los dems elementos.
Cambiar su nombre a output haciendo doble click en el icono e introduciendo su

nombre en el campo apropiado. Hacer Click en el botn OK de la caja de dilogo.
Cambio de la apariencia de la variable.
Hacer doble click sobre output con el botn derecho del ratn. Seleccionar name
simulation layer desde la caja desplegable y hacer click en el botn del lapicero. Hacer
click en el botn de color de fondo. Escoger el color deseado desde la paleta de color de
windows y hacer click en el botn OK. La fuente para presentar el nombre puede ser
seleccionada utilizando el botn de las fuentes, el cual da acceso a las fuentes de
Windows.
Para actualizar con su nuevo color y fuente el aspecto del nombre de la variable hay
que hacer click en el botn update.
Detallado de la variable.
La variable output cuenta el nmero de widgets de salida desde la mquina inspect

y muestra el contador en pantalla. Para lograr esto se necesitan corregir los detalles para
la mquina inspect.
Hacer doble click sobre la mquina inspect para seleccionarla.
Hacer click en el botn actions on finish.
Introducir: output=output+1.
Hacer click en el botn OK para aceptar esta situacin.
Hacer click en el botn Aceptar para aceptar los detalles de inspect.
(Se puede utilizar el lenguaje de acciones en muchos puntos del modelo para dar
instrucciones especficas sobre la lgica del modelo. Por ejemplo, se pueden emplear
acciones para almacenar valores o para interactuar con el usuario invitndole a
introducir datos en la caja interactiva, la cual ser utilizada en el modelo).

Reglas.
Para poder ejecutar el modelo, el ltimo paso es el de introducir las reglas de entrada
y de salida que controlan el flujo de partes a travs del modelo del mismo modo que en
la etapa 1.
Hacer click sobre C1 para seleccionarlo.
(C1 es mostrado en la caja de seleccin de la barra de accin estndar).
Hacer click en el botn de empujar.
Borrar la palabra ship del cuadro de edicin y hacer click en la mquina wash.
Hacer click en el botn OK para aceptar la regla Push Wash.
Ahora se introducirn las reglas de las nuevas mquinas para producir un flujo a
travs del sistema.
Primero para la mquina WASH:
Utilizar el botn de empujar para crear la regla Push C2.
Despus, para la mquina PRODUCE:

Utilizar el botn tirar de para crear la regla Pull C2.
Utilizar el botn empujar para crear la regla Push C3.
Para finalizar, para la mquina INSPECT:
Utilizar el botn tirar de para crear la regla Pull C3.
Utilizar el botn empujar para crear la regla Push Ship.
Reubicar los elementos en la pantalla si esto se considera necesario. El modelo
debera tener el aspecto como el siguiente:

Mostrado de las teclas de estado para el modelo.
Frecuentemente es til mostrar un conjunto de teclas junto al modelo para mostrar

los diferentes colores para los estados de los elementos.
Seleccionar la opcin view/keys.
Elegir la opcin mquina. Cambiar el color de fondo para que coincida con el
color de la ventana y hacer click en draw. El cursor toma el aspecto de un aspa.
Posicionar el cursor en la pantalla donde se quiera que aparezca la esquina
superior izquierda.
Hacer click en el botn izquierdo del ratn para plasmar las teclas.
Se sabe que la longitud de la cinta transportadora es equivalente a 10 partes,

empleando cada parte 0.5 10 = 5 mins en pasar la cinta transportadora.
Cada parte emplea un total de 30 minutos en recorrer el modelo:

= 5 mins en Weigh
+ 5 mins en C1
+ 4 mins en Wash
+ 5 mins en C2
+ 3 mins en Produce
+ 5 mins en C3
+ 3 mins en Inspect
y una parte Widget es introducida en el modelo cada 5 minutos (la mquina Weigh es
el cuello de botella con un tiempo de ciclo de 5 minutos).
Por lo tanto, si el modelo se ejecuta durante 100 minutos, se observar que deben
producirse 15 widgets.
Asegurarse de que se parte del tiempo cero haciendo click en el botn inicio de la
simulacin. Ejecutar el modelo durante 100 minutos y examinar posteriormente los
informes para la parte widget. Puede verse que en la columna bajo Number Shipped, el
15 indica el nmero de widgets que han sido procesadas con xito en el modelo. Esto
corresponde con el nmero 15 de la variable output.
El modelo realizado hasta ahora corresponde con el de STAGE2.MOD.
Etapa 3
Se necesitan caractersticas adicionales para hacer al modelo ms realista. Hay que
asumir que la mquina produce a veces es necesario que un operario la prepare o
realice tareas de mantenimiento en ella.
Aadir un elemento operario desde la ventana de diseo y cambiar su nombre a

operator.

Informacin de detalle del operario.
Hacer doble click en Labor001 para acceder al dilogo de detalle de este

elemento.
Cambiar el nombre del operario a operator escribiendo simplemente sobre el

nombre existente.
Detalle del mantenimiento y/o preparacin de la mquina Produce.
Hacer doble click sobre produce para acceder al dilogo de detalle de esta
mquina
Seleccionar la carpeta setup de este dilogo.
Hacer click sobre el botn add/remove para detallar una etapa de mantenimiento
o preparacin. Hacer click sobre Add para aadir el nombre por defecto de la
operacin.
Hacer click en OK para volver a la carpeta setup.
Para setup1 dejar el setup mode como no. Of operations e introducir la siguiente
informacin:
Setup Time: 12.0
No. Of operations: 5
Seleccionar ahora el botn labor rule para introducir una regla.
Borrar la regla que aparece por defecto (NONE) en lo alto de la ventana e introducir:
operator.
Hacer click sobre el botn OK para aceptar esta regla de operario.
Hacer click sobre el botn OK para aceptar los detalles de la operacin de

preparacin o mantenimiento.
La mquina produce ahora necesita una tarea de mantenimiento cada 5 operaciones,

es decir, cada 5 widgets procesados. Cada tarea de mantenimiento consume 12 minutos
y es desempeada por el operario operator.
Ejecutar el modelo nuevamente para 100 minutos (recordar que es necesario

reiniciarlo primero).
Acceder a los informes de todos los elementos.
Utilizar las teclas >> para pasar de un elemento a otro.
Notar en la mquina produce, que es el cuello de botella del modelo, el efecto que
produce la operacin de mantenimiento, reduciendo la produccin de widgets a 12.

Como los tiempos utilizados para la operacin de mantenimiento son fijos, podra
haber sido posible calcular que la produccin de widgets caera a 13, pero ahora el
cculo se torna ms complejo. Si los valores variasen, el clculo se tornara imposible.
Viendo los informes para el operator, se puede ver que est desocupado el 76% del
tiempo, y an hay problemas con las cintas transportadoras, que estn o bloqueadas o
vacas.
El modelo STAGE3.MOD es el que corresponde a esta etapa del modelo.
Etapa 4
Esta vez se va a utilizar al operario para realizar reparaciones, adems del
mantenimiento para la mquina produce, la cual ahora se avera con un tiempo entre
fallos que vara de acuerdo a una distribucin, y el tiempo empleado para su reparacin
tambin vara segn una distribucin.
Muestreo aleatorio
En el mundo real, las operaciones estn sujetas a cierto grado de variabilidad. Se

puede introducir esta variabilidad en el modelo empleando distribuciones. WITNESS
proporciona una gran variedad de distribuciones de entre las cuales escoger (o permite
definir nuevas distribuciones si se desea emplear datos particulares).
WITNESS necesita utilizar series de nmeros extrados de distribuciones. Se deben

emplear nmeros diferentes cada vez, o se pierde el efecto de la variabilidad. WITNESS
supera esto a travs del muestreo desde distribuciones empleando generadores de
nmeros aleatorios. Cuando se especifique una distribucin, se debe especificar tambin
el nmero raz del que va a partir el generador de nmeros aleatorios que utilice la
distribucin.
Detallado de las averas de la mquina produce
Hacer doble click sobre la mquina produce y seleccionar la carpeta breakdowns.
Hacer click sobre el botn add/remove y utilizar el botn add para aadir la
avera predeterminada breakdown number 1.
Cambiar el breakdown mode a busy time.
Hacer click sobre el botn labor rule para introducir una regla.
Borrar la regla predeterminada e introducir: operator.
Hacer click sobre el botn OK en el dilogo de edicin de las reglas de los

operarios.

Colocar el cursor en el campo time between failures dentro del marco breakdown
interval.
Seleccionar en el men principal la opcin edit/insert distribution.
Elegir la distribucin NEGEXP y hacer click en el botn prompt.
Introducir los parmetros como Mean=60 y PRN Stream = 1.
Hacer click sobre el botn OK para aceptar la informacin introducida.
Hacer click en el campo de repair time, e insertar la distribucin Lognorml con

los parmetros Mean=10, Standard Deviation=2 y PRN Stream=2 de la
misma manera que antes.
Hacer click sobre el botn OK para aceptar la informacin introducida.
Hacer click sobre el botn OK para aceptar la informacin de detalle y cerrar el

dilogo.
Esto implica que la mquina produce ahora realice los siguientes clculos:
El tiempo entre averas lo calcula empleando una distribucin exponencial

negativa de media 60 y utilizando una raz para la generacin de nmeros
aleatorios de 1.
El tiempo de reparacin lo calcula utilizando la distribucin lognormal de media

10, desviacin estndar de 2 y raz de nmeros aleatorios de 2.
Ahora que se han contemplado averas en el modelo, se debera ejecutar el modelo

por un tiempo mayor, por ejemplo de 500, para asegurar el echo de que se den varias
averas durante ese periodo. De este modo se puede ver la interaccin total entre los
procesos y la competencia entre los elementos por el operario. Incluso en este modelo
tan simple, es por ahora imposible calcular el desempeo del modelo manualmente.
Cerrar la barra de seleccin de accin y ejecutar el modelo como antes (es necesario
reiniciarlo primero), pero ahora con un tiempo de 500. Es modo ms rpido de hacerlo
es:
Colocar el cursor sobre el botn del despertador (ejecutar hasta) en la barra de

botones de ejecucin y hacer click de modo que el botn aparezca pulsado. En el campo
adyacente, introducir 500 y hacer click en el botn de inicio (dos flechas hacia la

izquierda). Ejecutar el modelo en modo rpido como un lote (dos flechas hacia la
derecha).
Examinar los informes de cada elemento haciendo click sobre el elemento y

haciendo click despues sobre el botn del informe.
Se puede observar desde los informes que el problema principal se produce cuando la
mquina produce es preparada o se avera, lo cual causa bloqueos aguas arriba del flujo
de produccin (ver el blocked % para la mquina wash). Esto tiene tambin efectos
aguas abajo, de modo que la mquina inspect y la cinta C3 estn funcionando
aproximadamente a media capacidad.
Tambin se puede ver lo siguiente:
El operario est desocupado aproximadamente la mitad del tiempo.
Se tienen 72 widgets como salida del sistema.
Hasta este punto se corresponde con el modelo STAGE4.MOD.
Etapa 5
Para mejorar el rendimiento, se puede implementar una segunda mquina produce y
una segunda cinta C2.Tambin se puede cambiar la regla de salida para la mquina
wash de modo que las partes se dirijan hacia la cinta que tiene menor ocupacin en ese
momento. Un cambio puede realizarse en cualquier momento de la ejecucin, no slo al
comienzo de la misma. Sin embargo, debe pararse la ejecucin del modelo antes de
hacer cualquier cambio.
Como ejercicio de cambio dinmico del modelo, se van a incrementar en uno las
cantidades de C2 y produce. Antes de hacer esto es recomendable reordenar la pantalla
para hacer hueco a los nuevos dispositivos. Por defecto, los nuevos elementos se
situarn a la derecha de los originales y, para evitar que haya una congestin de
elementos, ser necesario crear un espacio para acomodarlos en la pantalla. Como otra
alternativa, se pueden arrastrar los items hacia una posicin por debajo de los existentes.
Hacer doble click sobre el icono de C2 para mostrar su caja de dilogo de detalle.
Introducir Quantity: 2 y hacer click en OK
Hacer doble click sobre el icono de produce para mostrar su caja de dilogo de
detalle.
Introducir Quantity: 2 y hacer click en OK
Para ligar cada mquina produce con su corrrespondiente cinta de alimentacin, se

debe modificar la regla de entrada. Para hacer esto, especificar N, la cual es la variable

especial que WITNESS utiliza para asociar elementos que tienen el mismo ndice.
Hacer doble click sobre la mquina produce para mostrar su dilogo de detalle.
Hacer click sobre el botn from del marco input.
Editar la regla y aadir (N). Para hacer esto:
Hacer click despus de C2 y escribir (N).
Hacer click sobre el botn OK para aceptar esta regla.
Hacer click sobre el botn OK para aceptar el detalle de produce.
De un modo similar, se deben enviar las partes hacia una de las dos cintas desde
wash. Hacer doble click sobre el icono de wash para acceder a su dilogo de detalle.
Hacer click sobre el botn To del marco output.
Borrar la regla existente en lo alto de la ventana e introducir: LEAST PARTS

C2(1), C2(2).
Hacer click sobre el botn OK para aceptar esta regla.
Hacer click sobre el botn OK para aceptar el detalle de produce.
Esta regla enva las partes hacia la cinta menos ocupada, repartindose as la carga
entre las cintas. Ejecutar el modelo de nuevo por 500 unidades de tiempo (recordar
reiniciarlo primero mediante el botn de inicio de las dos flechas hacia la izquierda).
Observar como esto mejora el rendimiento del modelo. Compensa el gasto extra el
incremento de la produccin? Apartir de los informes se puede ver lo siguiente:
Se han producido 94 widgets.
Ahora, el operario est desocupado slo aproximadamente el 38% del tiempo.
Esta etapa del modelo se corresponde con el modelo STAGE5.MOD.

Etapa 6
Es a menudo difcil obtener datos rigurosos sobre los tiempos de reparacin y otras
informaciones clave a lo largo del modelado. Podra estarse interesado en conocer la
sensibilidad del modelo frente a los cambios de un factor de entrada especfico. Al fin y
al cabo, es el fin de la simulacin.
Se seguirn los siguientes pasos para examinar la sensibilidad de la salida cuando el

tiempo de reparacin de la mquina produce se incrementa.
Hacer doble click sobre el icono de la mquina produce para mostrar su dilogo de
detalle. Seleccionar la carpeta breakdown.
Incrementar la media del tiempo de reparacin desde 10 hasta 20 cambiando el

tiempo de reparacin a LOGNORML (20,2,2).
Ejecutar el modelo en modo comprimido para 500 unidades de tiempo como antes
(recordar reiniciar antes el modelo) y, a continuacin, examinar los informes:
El operario est ocupado durante el 83% del tiempo.
Esto ha tenido poco efecto sobre la salida, pero ha aumentado considerablemente la

carga de trabajo del operario.
Hacer doble click sobre el icono de la mquina produce para mostrar el dilogo de
detalle.
Incrementar la media del tiempo de reparacin desde 10 hasta 30 cambiando el

tiempo de reparacin a LOGNORML (30,2,2).
Ejecutar el modelo en modo comprimido para 500 unidades de tiempo como antes
(recordar reiniciar antes el modelo) y, a continuacin, examinar los informes:
El operario est ocupado durante el 92% del tiempo.
A partir de los resultados se pueden ver las posibilidades de incrementar el tiempo de

reparacin del modelo, de modo que la conclusin que se extrae es la de que, siempre
que sea posible, hay que mantener los tiempos de reparacin por debajo de los 20
minutos.
A esta fase le corresponde el modelo STAGE6.MOD.

IV.2 Experimentacin con modelos como herramienta de ayuda a la
gestin empresarial
El modelo con el que se va a trabajar est archivado como JETTY.MOD y se
encuentra en el subdirectorio DEMO. Este modelo consiste en la representacin de un
puerto donde llegan los barcos para descargar una serie de productos.
ste modelo tiene una restriccin que consiste en que el elemento Jetty (muelle)
utiliza un nico elemento Crane (gra), con lo que solo se puede descargar un barco en
un momento dado.
Los barcos solo pueden pasar a travs de la esclusa bajo determinadas condiciones de
marea. La marea esta representada por el elemento procesador de marea que tiene
niveles de aviso de subida y bajada de marea para sealar el estado de la marea.
Eligiendo la opcin Windows del men desplegable View se puede observar en la

pantalla un histograma de los retrasos de atraque, Mooring Delays. Tambin se puede
observar este histograma dentro de la ventana Facility Overview.
De la misma forma se puede visualizar un diagrama de sectores que indica los usos
que ha tenido cada uno de los atracaderos del muelle, es la opcin Jetty Utilization.
Este modelo puede utilizarse para mostrar la potencia de la simulacin a la hora de

mejorar las instalaciones.

Para comprender completamente este escenario es necesario tener ms informacin.
Esta es una fase tpica de muchos proyectos de simulacin y generalmente se debe pasar
por ella antes de comenzar a construir un modelo. Es realmente importante entender el
proceso o el negocio que se simula lo mejor posible y establecer los objetivos del
trabajo de modelado que se va a hacer.
Para este modelo particular, a la persona que gestiona el puerto se le ha

encomendado establecer la forma de incrementar la cifra de negocio. Los barcos que
pasan por el puerto tienen la opcin de usar instalaciones alternativas que se encuentran
a una distancia no muy lejana. Si el rea exterior del puerto est llena los barcos no
esperarn y buscarn un puerto alternativo. Por otra parte, si dicho rea no est llena los
barcos aguardarn para entrar.
Una persona iniciada en la simulacin se preguntara si por ejemplo las instalaciones

alternativas con ofertas especiales pueden ser ms atractivas para los barcos. En este
caso se supondr la regla establecida anteriormente.
Los datos para el caso base de este modelo son los siguientes:
Tiempo que tarda en pasar un barco por la 20 minutos

esclusa
Tiempo entre llegadas para los barcos NEGEXP(60,1)
Tiempo que tarda una gra en descargar un 150 minutos
barco
Capacidad del rea exterior de espera del 2
puerto para barcos entrantes
Capacidad del rea interior de espera del 3
puerto para barcos entrantes
Capacidad del rea interior de espera del 2
puerto para barcos salientes
Nmero de gras en el muelle 1
Sistema de marea Cambio de marea alta a baja y viceversa
en 5 horas (5 metros de diferencia).
Marea alta mantenida durante 1 hora
Profundidad por encima de la que opera la 3 metros
esclusa
El patrn de llegadas aleatorias de barcos dado por una ley de distribucin

exponencial negativa significa que como trmino medio llega un barco cada 60 minutos.
Este patrn es un estndar de WITNESS. El 1 representa la serie infinita de nmeros
pseudoaleatorios n1. Estos nmeros se utilizarn para establecer los diferentes
intervalos de llegada cuando se ejecuta la simulacin. Los experimentos con WITNESS
se pueden repetir porque en cada ejecucin se generarn las mismas muestras de
nmeros aleatorios, en este caso el mismo patrn de llegadas.
Las distribuciones y la exactitud de los parmetros son fundamentales de cara a

obtener unos buenos resultados de la simulacin. Si un parmetro tiene un rango de
variacin hay que modelar esa variacin.

Pasando a trabajar con el caso base, un tiempo deseable de ejecucin es 100 das.
Como el modelo contiene una ley de distribucin exponencial negativa ste debe ser
ejecutado durante un tiempo suficientemente largo como para abarcar toda la
variabilidad del proceso.
Para establecer la longitud de la ejecucin se puede observar la variabilidad de los

resultados sobre distintos segmentos de tiempo. As, si el resultado sobre 1000 minutos
es el mismo que sobre 10000 minutos entonces posiblemente la longitud correcta de
ejecucin del modelo sea 1000 minutos. Pero se debe tener cuidado porque si el modelo
contiene un evento que ocurre cada milln de minutos o ms entonces puede que se
necesite este tiempo de ejecucin.
Introducir en la ventana de texto de tiempo 100 das escribiendo 100*24*60. Ejecutar

en modo acelerado. La simulacin parar cuando se alcance el tiempo introducido.
Para ver los resultados se puede utilizar la opcin windows del men desplegable
view. Tambin se puede utilizar la opcin reports del desplegable reports para ver las
tablas de resultados estndar.
El resultado clave de esta simulacin es la cifra de negocio que viene dada por el
nmero de barcos que se han descargado frente al nmero de barcos que no han podido
ser atendidos.
Otro resultado importante es el clculo del tiempo que tardan en ser atendidos los
barcos desde que entran al puerto, lo cual representa el nivel de servicio y que puede
afectar a la decisin de volver e este puerto.
Tambin es importante fijarse donde se producen los cuellos de botella en el proceso

y donde hay que apoyar con inversiones.
En la simulacin realizada se han atendido 955 barcos y la media del tiempo que han
tardado en ser atendidos ha sido de 1098 minutos.
Tambin se puede observar los porcentajes de tiempo durante los que la gra y la
esclusa han estados ocupadas, el nmero de barcos rechazados, el tiempo medio de
espera en cada cola...
Ahora se supondr que los resultados que produce este modelo son realistas y por
tanto se valida dicho modelo.
El siguiente paso es examinar las posibles opciones que tiene el gestor del puerto. Lo
normal es que existan varias opciones reales favorables dadas por el gestor. Se debe
conseguir la opcin ms til en base a la experimentacin. Se debe explorar el modelo
para llegar a entender totalmente la dinmica del proceso. Normalmente para evaluar las
opciones se tendr en cuenta el tiempo.

Algunas de las opciones que pueden realizarse son:
N de caso 1 2 3 4 5
Caso
base
DATOS
N de gras 1 2 2 2 2
Capacidad de la cola de salida del puerto 2 2 3 2 3
Disponibilidad de la esclusa cada ciclo de 11 horas 5 5 5 7 7
RESULTADOS
Barcos atendidos 955 1352
Barcos que rechazan el puerto porque esta lleno 1402 1006
Tiempo medio en el puerto 1098 643
Utilizacin de la gra 99,73% 70.67%
Utilizacin de la esclusa 26,61% 37,63%
Espera en muelle para la gra (media sobre 3 amarraderos) 64,2% 14,5%
Bloqueo en muelle de barcos salientes (media sobre 3) 1,67% 22,5%
Se puede observar que el drenado de los canales de la esclusa permite operar durante
7 de las 11 horas del ciclo de marea en lugar de 5, lo que produce unos resultados
mucho mejores que aumentar en una unidad la capacidad de la cola de salida del interior
del puerto.
Por otra parte, debe hacerse balance de todos estos resultados combinando la
solucin prctica con el coste.
Ingreso neto obtenido en la operacin normal de descarga de un barco: 4000 u.m.
Coste de una gra adicional: 10 millones u.m. Se deprecia en 500 das.
Coste de un operario adicional para una nueva gra: 1000 u.m. por da.
Coste de drenaje de los canales de la esclusa: 2000 u.m. por da y nivel (2

horas/nivel).
Coste de incrementar la capacidad de cualquier cola en una unidad (a travs de una

nueva organizacin, instalacin de boya de flujo o drenaje extra): 1000 u.m. por da.
Coste de construir una segunda esclusa: 10 millones u.m. Se deprecia en 500 das.
El reto planteado consiste en averiguar cul es la mejor opcin para el puerto basada
en la informacin dada.

N de grupo:
OPCIN A
Elementos Unidades Coste

Gras 1 2000000
Operarios 1 100000
Horas de disponibilidad de la esclusa 0 0
Capacidad de la cola de salida del puerto 0 0
Capacidad de la cola de entrada al puerto 0 0
(exterior)
Esclusas 0 0
Coste total 2100000
Ingresos
Barcos atendidos 1352-955 1588000
Beneficios
Beneficios totales -512000
OPCIN B
Elemento Unidades Coste

Gras
Operarios
Horas de disponibilidad de la esclusa
Capacidad de la cola de salida del puerto
Capacidad de la cola de entrada al puerto
Esclusas
Coste total
Ingresos
Barcos atendidos
Beneficios
Beneficios totales

OPCIN C

Gras
Operarios
Esclusas
Coste total
Ingresos
Barcos atendidos
Beneficios
Beneficios totales
OPCIN D

Gras
Operarios
Esclusas
Coste total
Ingresos
Barcos atendidos
Beneficios
Beneficios totales
La opcin elegida es:...................................................

N de caso 1 2 3 4 5
Caso
base
DATOS
N de gras 1 2 2 2 2
Capacidad de la cola de salida del puerto 2 2 3 2 3
Disponibilidad de la esclusa cada ciclo de 11 horas 5 5 5 7 7
RESULTADOS
Barcos atendidos 955 1352 1383 1698 1715
Barcos que rechazan el puerto porque esta lleno 1402 1006 975 661 644
Tiempo medio en el puerto 1098 643 610 488 478
Utilizacin de la gra 99,73% 70.67% 72,28% 88,63% 89,52%
Utilizacin de la esclusa 26,61% 37,63% 38,49% 47,22% 47,69%
Espera en muelle para la gra (media sobre 3 amarraderos) 64,2% 14,5% 13,7% 20,7% 21,7%
Bloqueo en muelle de barcos salientes (media sobre 3) 1,67% 22,5% 11,9% 7,2% 2,0%

N de grupo:
OPCIN A
Elementos Unidades Coste

Gras 1 2000000
Operarios 1 100000
(exterior)
Esclusas 0 0
Coste total 2100000
Ingresos
Beneficios
OPCIN B

Gras 1 2000000
Operarios 1 100000
Esclusas 0 0
Coste total 2200000
Ingresos
Beneficios

OPCIN C

Gras 1 2000000
Operarios 1 100000
Esclusas 0 0
Coste total 2300000
Ingresos
Beneficios
Beneficios totales 672000
OPCIN D

Gras 1 2000000
Operarios 1 100000
Esclusas 0 0
Coste total 2400000
Ingresos
Beneficios
Beneficios totales 640000
La opcin elegida es: C..................................................

BIBLIOGRAFA.
1. Direccin de la produccin. Decisiones Tcticas, 6 Edicin. Jay Heizer y Barry

Render. Prentice Hall 2001.
2. Administracin de produccin y operaciones 8 Edicin. Richard B Chase,

Nicholas J. Aquilano y F. Robert Jacobs. Mc Graw Hill 2000.
3. Simulation with Arena. W. David Kelton, Randall P. Sadowski y Deborah A.

Sadowski. Mc Graw Hill 1998.
4. Probabilidad y estadstica para ingeniera y administracin William W. Hines y

Douglas C. Montgomery.
5. WITNESS. Tutorial Manual Lanner Group 1999.

Manual Witness

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Manual Witness

Uploaded by

Copyright:

Available Formats

SIMULACIN DE PROCESOS DE FABRICACIN

BLOQUE I. TEORA DE SIMULACIN

El curso de Simulacin de los procesos de fabricacin pretende ser una

El objetivo de este curso es que el alumno conozca la simulacin interactiva de los

SIMULACIN DE PROCESOS DE FABRICACIN. 1

SIMULACIN DE PROCESOS DE FABRICACIN. 2

I.1 Concepto de simulacin.

La tcnica de la simulacin es ampliamente utilizada por muchas empresas de todo el

SIMULACIN DE PROCESOS DE FABRICACIN. 3

I.2 Etapas de un proceso de simulacin.

ESPECIFICAR LOS VALORES

EVALUAR LOS RESULTADOS

SIMULACIN DE PROCESOS DE FABRICACIN. 4

Esta fase consiste fundamentalmente en la especificacin de los objetivos del sistema

Construccin del modelo de simulacin.

Lo primero que se debe mencionar es que a cada problema real le corresponde un

Las actividades clave en esta fase de la simulacin son las siguientes:

1. Especificacin de los parmetros y las variables: el primer paso en la

2. Especificacin de las normas de decisin: las normas de decisin (o normas

3. Especificacin de las distribuciones de las probabilidades: para la simulacin

4. Especificacin del procedimiento de incremento del tiempo: en la simulacin

Especificacin de los valores de variables y parmetros.

SIMULACIN DE PROCESOS DE FABRICACIN. 5

En otros casos puede ocurrir que lo que interese fundamentalmente de la simulacin

Otro aspecto importante dentro de los procesos de simulacin consiste en determinar

1. Continuar con la simulacin hasta que se haya alcanzado el estacionario del

2. Hacer funcionar la simulacin durante un periodo fijo de tiempo y observar si las

Evaluacin de los resultados.

Las conclusiones que se pueden extraer de un experimento de simulacin dependen

Los resultados obtenidos pueden ser evaluados de varios modos:

La validacin consiste en verificar que el cdigo programado es una traduccin

Para facilitar la tarea de la depuracin del cdigo, la mayora del software de

SIMULACIN DE PROCESOS DE FABRICACIN. 6

Propuesta de un nuevo experimento.

Basndose en los resultados de la simulacin, se pueden realizar nuevos

Lo que es recomendable siempre que se realice un nuevo experimento es trabajar

CASO. Mejora de la gestin del servicio de urgencias de un hospital.

SIMULACIN DE PROCESOS DE FABRICACIN. 7

El reto, en definitiva, consiste en que manteniendo un adecuado servicio de atencin

Definicin del problema Mejora en la atencin a los pacientes, tratando de

Construir el modelo de simulacin Planteamiento grfico de la lgica del problema,

Evaluar los resultados Comprobacin de los resultados mediante

Validar Si ambos resultados son parejos, entonces se

SIMULACIN DE PROCESOS DE FABRICACIN. 8

Paso 1. Establecer una distribucin de probabilidades. Hay una gran cantidad de

Una forma habitual de establecer una distribucin de probabilidades para una

Paso 2. Construir una distribucin de probabilidades acumuladas para cada

Paso 3. Establecer un intervalo de nmeros aleatorios para cada variable. Una

Paso 4. Generar nmeros aleatorios. La generacin de nmeros aleatorios para la

1. Mediante la utilizacin de algoritmos de generacin de nmeros aleatorios por

2. Mediante la utilizacin de tablas de nmeros aleatorios, mtodo til sobre todo

SIMULACIN DE PROCESOS DE FABRICACIN. 9

TABLA 1. Nmeros aleatorios.

Paso 5. Simular el experimento. Se pueden simular los resultados de un

A continuacin se va a estudiar un ejemplo a travs del cual se pueden ver reflejados

Ejemplo. Taller del automvil Gutirrez.

SIMULACIN DE PROCESOS DE FABRICACIN. 10

200 das 200/200=1,00

A continuacin se ver con ms detalle el concepto de los nmeros aleatorios

TABLA 3. Demanda de bateras simulada.

Resulta interesante observar que la demanda diaria media de bateras difiere de la

Demanda esperada = (probabilidad de i unidades) (demanda de i unidades) =

=0 + 0,1 + 0,4 + 0,9 + 0,8 + 0,75 = 2,95 bateras

SIMULACIN DE PROCESOS DE FABRICACIN. 11