REPUBLICA BOLIVARIANA DE VENEZUELA

MINISTERIO DEL PODER POPULAR PARA LA EDUCACION SUPERIOR

UNIVERSITARIA

UNIVERSIDAD NACIONAL EXPERIMENTAL DE GUAYANA

UNEG

AREA:

 Profesor:  Alumno:

Guaita Egle Suarez 20805106

Nairivi Aguilera 23502456

PUERTO ODAZ ABRIL 2019

 INDICE

 Introducción Pg. 01

 Desarrollo

Eventos Discretos Pg.02

Características y estructuras Pg. 03-05

Modelos Conceptuales Aplicable a MSDE Pg. 06

Proceso y estructuras de MSDE Pg. 07-08

Componentes de MSDE Pg. 09-12

Software de Arena Pg. 13-14

Características Pg. 14

Otros Software Pg. 15-16

 Conclusión Pg.17
 Bibliografía Pg. 18
 INTRODUCCION

La simulación, no es más que el diseño de un modelo a partir de un sistema

“real” que permite experimentar sobre dicho modelo para describir, explicar y
predecir el comportamiento del sistema real. En la mayoría de los casos, las
interrelaciones que componen el sistema serán lo suficientemente
complicadas y complejas como para hacer inviable la obtención de
soluciones analíticas exactas con métodos matemáticos.

Es pues la simulación una buena herramienta para el estudio de estos

sistemas. No se aspira a encontrar soluciones analíticas y exactas del
problema, sino a la mejor comprensión de los sistemas en estudio.

Cuando hablamos de simulación de eventos discretos es aquella en la que

los cambios de estado de las variables se realizan en puntos discretos del
tiempo accionados por eventos, estos típicos eventos pueden incluir: La
llegada de un cliente o una pieza, la falla de un recurso o máquina o
simplemente la terminación de una actividad.

Tiene por finalidad identificar a sistemas en los que los eventos que cambian
el estado del mismo ocurren en instantes espaciados en el tiempo, a
diferencia de los sistemas cuyo estado puede cambiar continuamente en el
tiempo aparentemente simple

De igual manera el software de simulación arena permite Ofrece todo lo que

usted pueda necesitar para empezar a construir sus simulaciones desde que
instala el producto. La herramienta de ayuda es sensitiva al contexto, lo cual
hará que la solución de todos sus problemas o dudas sea resuelta
eficazmente.
  SIMULACION DE ENVENTOS DICRETOS

La simulación de eventos discretos, es una herramienta de análisis que se

difunde rápidamente en el ambiente empresarial, comprobando su utilidad
para apoyar la toma de decisiones relacionadas con la planeación de la
producción y los inventarios.

Los eventos discretos son todas aquellas acciones o resultados de un

experimento que tienen como resultado un número entero. Por ejemplo, el
número de productos dañados en un embarque, el número de personas que
abordan un autobús, el número de estudiantes que se titulan al final de sus
estudios. Por el contrario los eventos continuos producen números continuos,
es decir que tienes decimales, tales como el peso, la cantidad de líquido, el
tiempo, la intensidad luminosa y el calor.

El sistema de evento discreto tiene por finalidad identificar a sistemas en los

que los eventos que cambian el estado del mismo ocurren en instantes
espaciados en el tiempo, a diferencia de los sistemas cuyo estado puede
cambiar continuamente en el tiempo.

Aunque la simulación de eventos discretos, pueden modelar muchos de los

fenómenos que enfrentan los responsables de la administración de los
procesos productivos por ejemplo los de una empresa.

Existen simulaciones que requieren de horas y días para poder obtener un

resultado, esta simulación requieren de una estructura de datos llamada lista,
que se encargue de extraer y guardar eventos que se procesaran en la
simulación. En el enfoque distribuido de la simulación deben contar con su
propia lista y su reloj local, esto trae consigo inherentemente algunos
problemas, como la ejecución ordenada de los eventos de acuerdo a sus
dependencias de causa y efecto, casos de ínter-bloqueos, entre otros.
  Características y estructuras:

I. Están basadas en su totalidad por actividades lógicas y

matemáticas.
II. El modelo va cambiando parcialmente conforme ocurren los
eventos.
III. El sistema solo cambia cuando ocurre un evento estos cambios se
van registrando para poder comprender el comportamiento del
modelo.
IV. Cuando un evento se realiza el tiempo de la simulación avanza. V.
La lista de eventos pendientes va reduciéndose conforme los
eventos se van realizando.
V. La ejecución de un evento puede generar nuevos eventos.
VI. Una simulación tiene que poder ser repetida múltiples ocasiones
generando los mismos resultados, siempre y cuando las variables
sean las mismas.

 Estructura.

 Definición del sistema

Es entender el problema, estudiarlo y analizarlo, para poder interpretar que

es lo que buscamos y que es lo que necesitamos de este modo podemos
generar una simulación más adecuada a lo que nosotros necesitamos.
  Formulación del modelo

Es la creación teórica de un posible modelo que ya hemos delimitado e

identificado todas sus variables que pueden afectar el resultado. Esto es
teórico que nos ayudara a introducir el modelo al software.

 Recolección de datos

Es el proceso de estudiar el sistema he identificar las variables de este. Una

vez identificadas estas variables se tiene que tomar un registro de ellas
generando datos históricos que estadísticamente podrían predecir el
comportamiento del sistema. E ahí la importancia de los datos.

 Implementar el modelo en el programa de computadora

En este paso solo es diseñar una solución a nuestro problema e introducirla

a un software especializado, para que este programa basado en
herramientas matemáticas y estadísticas pueda generar los resultados de un
modelo que más se asemejan a la realidad y que es probable que ocurra.

 Verificar el modelo

Es la comprobación de que nuestro simulador está bien hecho, tomando en

cuenta a todas nuestras variables y por lo tanto comprobaremos que los
resultados obtenidos son los que deseamos.
  Validar el sistema

Esto no es más que la aprobación del modelo puesto que ya comprobamos

que está bien diseñado y que cubre nuestras necesidades y está listo para
usarse

.
 Experimentar

Esto implica correr varias veces el programa para comparar los resultados y
embace a estos crear nuestra estrategia que solucione nuestros problemas
de la forma más eficiente.

 Interpretar los datos arrojados por el programa

No es más que la evaluación del pro y los contras que genera ese modelo y
basándose en estos datos interpretar si ese sistema es eficiente y factible o
definitivamente hay que intentarlo con otros modelos.

 Documentar

Es plasmar nuestro modelo ya comprobado y bien definido para poderlo

presentar ante los interesados, capacitarlos y adaptarlos para aplicar este
nuevo modelo que tiene por objeto la mejora.
  MODELOS CONCEPTUALES APLICABLES A SISTEMAS DE
EVENTOS DISCRETOS.

 Modelo de simulación de eventos discretos (MSED)

Se utilizan para estudiar sistemas y procesos cuyo estado va cambiando con

el tiempo de forma discreta, por lo que permiten conceptualizar el curso de
su manejo en términos de los eventos que pueden suceder durante el
modelado, y cuyo impacto afecta a otros componentes del sistema.

Por todo ello, y dado que en el mundo real es frecuente encontrarse con
procesos y sistemas cuyo análisis, mediante métodos matemáticos, resulta
extraordinariamente complejo o incluso imposible de llevar a cabo, el uso de
MSED permite resolver problemas de esta índole.

En tales circunstancias, la alternativa más eficaz para afrontar este tipo de

estudios consiste en construir unos modelos lógico-matemáticos de forma
que permitan imitar o simular el comportamiento del mundo real. Como
resultado de repetir dicha simulación un número suficiente de veces, se
obtendrá un histórico artificial de observaciones sobre el comportamiento del
sistema o proceso.

A partir de dichas observaciones, y utilizando técnicas de análisis

estadístico, será posible extraer conclusiones sobre el funcionamiento de
dicho sistema.
  Proceso de los MSED

El diseño, el desarrollo y el análisis de resultados de una simulación es un

proceso sofisticado, que requiere del analista unos mínimos conocimientos
sobre programación, matemáticas, estadística, gestión de proyectos y
también sobre el propio sistema estudiado.

La principal característica de un sistema de eventos discretos es que el

sistema está determinado por una secuencia de eventos que ocurren en
momentos aleatorios de tiempo.

Se escribe un programa de simulación para MSED se puede realizar una

aproximación del esquema temporal de funcionamiento de las entidades en
el sistema. Así, deberá describirse la secuencia de eventos y actividades que
realizarán las entidades durante su estancia en el sistema y cómo se
modificarán. Algunos de los sistemas más estudiados son los problemas de
colas que se aplican en determinadas situaciones, como la espera que
deben tener los pacientes entre visita y visita, si los centros donde son
tratados no pueden absorber toda su demanda.

 Estructura de la simulación de eventos discretos.

La simulación de eventos discretos se refiere a la modelación computacional

de sistemas que evolucionan en el tiempo mediante cambios instantáneos en
las variables de estado. Los cambios ocurren en puntos separados del
tiempo. En términos más matemáticos, diríamos que los cambios del sistema
ocurren en un conjunto contable de puntos del tiempo.

En términos generales, el modelo contiene tres elementos principales;

 La entrada
Está representada por una variable de tipo discreto la cual asume valores
enteros, posteriormente, el modelo de simulación representa la situación que
evalúa los valores de entrada.

 El Proceso

Generalmente los modelos matemáticos que conforman la base de la

simulación pueden ser tan simples como una suma, un promedio, o tan
complejos como una ecuación diferencial, un sistema de ecuaciones, etc.

 La salida

Está conformada por un grupo de valores que representan la información

derivada de los dos elementos anteriores y que permitirán tener una idea de
los resultados que pudiesen presentarse en la realidad, de darse el caso.

 Componentes de los modelos de simulación de eventos discretos

(MSED)

 Reloj de simulación

Puesto que en este tipo de simulación se está considerando la evolución

temporal del sistema, cuyo estado se modifica sólo en instantes discretos de
tiempo a causa de la aparición de algún evento, será necesario introducir un
«reloj de simulación» que registre el tiempo virtual transcurrido desde la
puesta en marcha del sistema, y que permita referenciar el instante exacto
en que ocurre cada uno de los eventos.
Es importante no confundir el tiempo virtual que marca el reloj de simulación
con el tiempo de computación, el cual registra el tiempo real transcurrido
desde que la simulación se puso en marcha.

El tiempo marcado por el reloj de simulación hace explícito el paso del tiempo
a lo largo del modelo. Esto hace posible señalar el comienzo y el final de la
simulación, y la aparición de eventos clínicos en su momento exacto, sin
necesidad de ciclos de duración fija.

 Entidades

Son los elementos dinámicos que se simulan a través del modelo, cambian
de estatus, afectan y son afectados por otras entidades y son los
protagonistas de los eventos clínicos de estudio del modelo. Estas entidades
suponen una diferencia importante respecto a los árboles de decisión o a los
modelos de Markov, en los cuales se especifican los resultados, pero éstos
en sí no son caracterizados como elementos explícitos del modelo, tal como
ocurre en los MSED.

 Atributos

Son las características de las entidades, con las cuales se describen y

diferencian Un atributo importante en las evaluaciones económicas,
fundamental en los estudios de coste-utilidad, sería la calidad de vida. Ésta
se puede estudiar de forma detallada incluyéndola mediante un atributo.
Todas las entidades tienen los mismos tipos de atributos, pero con diferentes
valores para cada entidad; los valores de los atributos están, por tanto,
ligados a una entidad concreta

 Eventos
Es todo aquello que puede ocurrir durante la simulación en función del
proceso que estamos estudiando. Por ejemplo, una baja laboral.

El concepto de evento va más allá de las transiciones de los modelos de

Markov .A pesar de que hay una secuencia temporal dada, los eventos
pueden suceder de forma casi simultánea y pueden hacerlo en cualquier
secuencia lógica en relación con la historia plausible del proceso de
estudio.Los riesgos de que los diferentes eventos ocurran pueden tomar la
forma de funciones dependientes de los datos y depender de algunos
atributos y variables. Estas funciones pueden cambiar durante la simulación.

 Variables

Las variables definen el modelo y reflejan una característica del conjunto, no

de entidades específicas. Son especificaciones que se mantienen a lo largo
del modelo, aunque sus valores pueden cambiar durante el proceso de
simulación, y van a definir el entorno de la simulación afectándolo a lo largo
de todo el proceso.

Las variables de uso común son: el horizonte temporal (duración de la

simulación), las tasas de descuento para los costes y los beneficios, las tasas
de incidencia, la proporción al inicio, la tasa de admisión o la perspectiva de
uso. Sólo hay una copia de cada variable que se mantiene para todo el
modelo.

 Recursos

Definidos en un tiempo determinado, su consumo lleva asociado el gasto de

una serie de unidades de dichos recursos en momentos de tiempo concretos
Algunos recursos pueden consumirse de manera simultánea en un momento
dado, pero lo más frecuente es que las entidades tengan que competir por
estos recursos, que además tienen un coste unitario de uso.
  Acumuladores estadísticos

Son variables que acumulan la información de lo que ha pasado sin participar

en el suceso mismo, es decir, son pasivos. Dependen de la caracterización
de los resultados pedidos al modelo. Al final de la simulación, se usan para
obtener el resultado final, y las medidas de éstos (cocientes coste
efectividad)

 Retrasos

Se pueden generar 2 tipos de retrasos: explícitos, que son los que se

generan por algún tipo de acción o proceso (ej, la duración del proceso a
realizar), e implícitos, causados por otras acciones o condiciones en la
simulación del modelo (ej, colas para acceder a una ejecución o proyecto).

 Ecuaciones de riesgo y generadores de números aleatorios

Las primeras se refieren a ecuaciones que se aplican de forma individual a

cada individuo del modelo, y pueden ser:

Funciones (lineal, logarítmica, de riesgo etc.)

Distribuciones estadísticas de probabilidad (normal, exponencial, weibull,

beta, gamma, etc.).

Los números aleatorios se generan mediante algoritmos computacionales

avanzados para asegurar la aleatorización y crear el comportamiento
estocástico del modelo, y se basan en variables seudo-aleatorias, creadas a
través de un procedimiento determinístico.
En la mayoría de las simulaciones, los experimentos tienen por objetivo
obtener valores medios de los resultados de sus distribuciones
probabilísticas.
  Modelos:

 Los árboles de decisión

Son un método de representación de una situación, que maneja la

incertidumbre en la toma de decisiones respecto a la evaluación en función
de sus efectos. Se caracterizan gráficamente por un conjunto de ramas (que
representan las diferentes decisiones y sus consecuencias) que parten de
nodos. Estos nodos son el punto de origen de cada una de dichas decisiones
(nodos de acción), sus consecuencias (nodos de acontecimiento), o en los
que desembocan los resultados finales (nodos terminales).

 Un modelo de Markov

Consiste en una serie de experimentos en los que cada uno tiene posibles
resultados, y la probabilidad de cada resultado depende exclusivamente del
resultado obtenido en el experimento previo. Se han utilizado de forma
extensiva desde hace años, ya que permiten tener en cuenta el factor
tiempo, por lo que son muy útiles en procesos donde la evolución varía en un
determinado período, dividido en ciclos.

Aunque los modelos de Markov son actualmente los más empleados en la

evaluación económica de tecnologías y productos sanitarios, se ha
observado un interés creciente por modelos más realistas.
  SOFWARE DE SIMULACION ARENA

Es un sistema que probé un entorno de trabajo integrado para construir

modelos de simulación en una amplia variedad de campos; integra, en un
ambiente fácilmente comprensible, todas las funciones necesarias para el
desarrollo de una simulación exitosa (animaciones, análisis de entrada y
salida de datos y verificación del modelo). Arena cuenta con una excelente
capacidad gráfica, ofrece gran versatilidad, pues se puede modelar desde
una fábrica automotriz hasta una sala de espera de un hospital. (Figura 8).

Es útil en simulación de eventos discretos. Es compatible con productos

Microsoft office

La simulación arranca con la puesta en marcha del reloj de simulación, tras lo

cual se da la lectura de los diferentes valores iniciales, introducidos en él,
como las características de la población, los detalles del manejo de los
eventos y los costes en función del tratamiento asignado. Estos valores de
entrada son almacenados y leídos por el modelo diseñado en el software de
simulación empleado.

El último paso es analizar los resultados obtenidos al ejecutar el modelo

varias veces para poder inferir el efecto del proceso evaluado. Una vez
obtenidos los resultados al ejecutar el modelo, éstos se evalúan a través del
análisis de sensibilidad.

Arena simulador es un software de simulación de eventos discretos para la

optimización de procesos complejos. El modelado de eventos discretos es el
proceso de representar el comportamiento de un sistema complejo como una
serie de eventos bien definidos y ordenados en el tiempo.
Esto permite analizar rápidamente el comportamiento de un proceso o
sistema a lo largo del tiempo, partiendo de un proceso dado se puede
generar diferentes escenarios para buscar la solución a un problema sin una
causa clara, o permite encontrar el mejor escenario minimizando el riesgo de
una futura inversión. Mediante el modelado del proceso se pueden identificar
cuellos de botella dentro del sistema o al contrario identificar cuellos
sobredimensionados innecesarios en el mismo

 Características

Modelado de los procesos para definir, documentar y comunicar.

Simular el funcionamiento futuro de su sistema para entender las complejas

relaciones e identificar oportunidades de mejora.

Visualizar las operaciones con gráficos de animación dinámica.

Analizar cómo el sistema funcionará en su ambiente real.

Para el caso de Arena, se puede obtener información estadística de las

entidades, recursos, variables y colas del modelo pudiendo ser
seleccionadas por el usuario. Cada uno de estos módulos tiene la opción de
seleccionar si se desea el reporte de las estadísticas o no. La diferencia más
importante radica en el tipo de reportes que maneja cada simulador. Arena
maneja bases de datos como fuente de los reportes aumentándole de
manera considerable la funcionalidad de estos y de la información que se
puede obtener. Es completamente personalizable con un formato igual al
presentado por pequeñas bases de datos como Microsoft Access o bases
mayores como Visual Fox Pro entre otras. Esto implica la posibilidad de
obtener reportes gráficos y numéricos en el mismo formato.
OTROS SOFWARE;

 GASP IV

Es una colección de subrutinas FORTRAN, diseñadas para facilitar la

simulación de secuencia de eventos y procesos. Algunas de sus rutinas y
funciones son: gestión de listas de eventos futuros,
adición y remoción de
entidades, colección de estadísticas, generadores de variables aleatorias y

reporte estándar. Usado para programadores de simulación discretos,
continuos y combinados con tipo de licencia comercial. Requerimientos
recomendables:

Sistema Operativo: Windows 7 32bit, 64bit, Windows 8

Disco duro: 1 GB espacio disponible

Memoria: 4 GB RAM

 SIMSCRIPT II.5

Es un lenguaje de simulación con orientación al evento y al proceso, es

híbrido porque posee facilidades para simulación de sistemas discretos y
continuos. Está basado en entidades, atributos y conjuntos. Utilizado para
modelos no orientados a colas; por ejemplo modelos de combates militares.
Es conectado solo en plataforma Windows versión 2000/NT, Unix/PC Linux

 SIMAN

Modela un sistema discreto usando la orientación al proceso, se estudian las

entidades que se mueven a través del sistema. Una entidad para SIMAN es
un cliente, un objeto que se mueve en la simulación y que posee
características únicas conocidas como atributos. Los procesos denotan la
secuencia de operaciones o actividades a través del que se mueven las
entidades, siendo modeladas por el diagrama de bloques. Utilizado
principalmente en Contabilidad Electrónica. Modela un sistema discreto de
licencia Comercial

 CONTROLP

Pueden simularse procesos en realimentación simple, en control en cascada

y en control en adelanto (feedforward). Para cada uno de estos procesos, el
programa facilita el diagrama de bloques de un sistema pre configurado y
totalmente operativo. No se precisa efectuar ningún tipo de programación ni
de diseño gráfico.

Proporciona respuesta temporal o frecuencia según lo configure el usuario.

El usuario puede componer, configurar o modificar el sistema mediante los
cuadros de diálogo desplegables del diagrama de bloques. Control IP
permite el estudio de la respuesta del sistema frente a perturbaciones, ya
sean debidas a cambios en el punto de consigna (set point), cambios de
carga en el proceso o cambios introducidos en los parámetros de los
componentes del sistema.

Apropiado para analizar procesos industriales y sistemas controlados.

Compatible con cualquier versión de Windows. Requiere unos 3,3 MB de
espacio libre en disco (o pendrive o disco duro externo). La cantidad de
memoria RAM es irrelevante.
 CONCLUSION

El análisis de sistemas ayuda a resolver situaciones complejas, ubicando los

puntos de apalancamiento más convenientes. Para ellos es necesario ver el
total en vez de las partes. En vez de ver los elementos de una organización
en forma aislada conviene verlos como elementos parciales de la realidad
industrial.

Es obvio que esta realidad industrial es mucho más compleja que alguna
individualidad en particular. Sin embargo, es útil conocer que hay dos tipos
de complejidades: una relativa a los detalles y otra relativa a la dinámica.

Esta última está presente en situaciones donde la causa y el efecto son

sutiles, y donde el efecto de la intervención a través del tiempo no es obvia.
Por ejemplo, las técnicas de pronósticos, planificación o algún método
analítico convencional no están equipadas para afrontar la complejidad
dinámica.

Un conjunto complejo de industrias para ensamblar un equipo, o el inventario

de una fábrica supone complejidad dinámica. Cuando la misma acción tiene
efectos distintos a corto y a largo plazo, hay complejidad dinámica. Cuando
la misma acción tiene consecuencia en un punto y otras consecuencias en
otra parte del sistema hay complejidad dinámica.

Los modelos gerenciales adaptados para guiar a la dirección sobre

decisiones oportunas y pertinentes que tienen efectos en el corto, medio y
largo plazo tienen complejidad dinámica
 BIBLIOGRAFIA

Rodríguez Barrios JM, Hernández Velasco CI. Análisis mediante simulación

de eventos discretos: una metodología emergente. Gestión Clínica y
Sanitaria. 2006;3:21.

Rubinstein RY. Simulation and the Monte Carlo method. New York: John
Wiley & Sons; 1981.

Barceló J. Simulación de sistemas discretos. Madrid: Isdefe; 1996.

Fábregas A. A. (2003). Simulación de sistemas productivos con Arena.

Ediciones Uninorte.

Leirca, I. E. (1999). SOFTWARE DE SIMULACIÓN. Revistas UNMSM , 1.

Pérez, R. A. (Junio de 2007). SOFTWARE DE SIMULACIÓN DE

PROCESOS DE SEPARACIÓN DE DESCARGA GRATUITA. Recuperado el
1 de Septiembre de 2016, de Ingeniería