CONCEPTOS BÁSICOS DE SIMULACIÓN

 Modelo: Representación física, matemática o lógica de un sistema y/o sus componentes.

 Simulación: Interacción de los componentes de un modelo en el tiempo.
 Experimento: Ejecución única de una simulación. Es necesario realizar múltiples
repeticiones del experimento para que la simulación esté completa.
 Entidad: Representación física de cualquier elemento simulado
 Agente: Entidad a la que se le puede asignar autonomía para la toma de decisiones, son
preferidos frente a las entidades pues permiten modelar situaciones más complejas.
 Estado: Situación de una entidad y/o agente en un momento específico de la simulación.
 Evento: momentos elementales a partir de los cuales se articula la simulación y se llega al
resultado final.
 Parámetro: Atributo inicial de cada entidad y/o agente.
 Variable: Atributo y/o estado de entidades y/o agentes que varían a lo largo de la
simulación.
 Semilla (SEED): Valor de base para la generación de números aleatorios.
 Reloj de simulación: Tiempo total de la simulación. No siempre se utiliza pues también se
utilizan condiciones lógicas para detener el experimento.

METODOLOGÍA DE LA SIMULACIÓN

 Definición del sistema: Se hace un análisis preliminar para determinar la interacción con
otros sistemas, las restricciones, las variables y sus interrelaciones, las medidas de
efectividad que se van a utilizar para definir y estudiar y los resultados que se esperan
obtener del estudio.
 Formulación del Modelo: Una vez definidos los resultados, se define y construye el
modelo con el cual se obtendrán los resultados deseados. Es necesario definir todas las
variables que forman parte de él, sus relaciones lógicas y los diagramas de flujo que
describan en forma completa el modelo.
 Colección de datos: Los métodos son tan variados como los problemas a los que éstos se
pueden aplicar. Si se clasifican por su sencillez, se puede ir desde las aproximaciones
manuales hasta las técnicas más sofisticadas de alta tecnología.
 Implementación del modelo con computadora: Decidir si se utiliza algún lenguaje como el
fortran, lisp, etc, o se utiliza algún paquete como Vensim, Stella, iThink, GPSS, Simula,
Simscript, Rockwell Arena, entre otros, para procesarlo en la computadora y obtener los
resultados deseados
 Validación: Es posible detallar deficiencias en la formulación del modelo o en los datos
alimentados al modelo. Las formas más comunes de validar un modelo son:
o La opinión de expertos sobre los resultados de la simulación.
o La exactitud con que se predicen datos históricos.
o La exactitud en la predicción del futuro.
o La comprobación de falla del modelo de simulación al utilizar datos que hacen
fallar al sistema real.
 o La aceptación y confianza en el modelo de la persona que hará uso de los
resultados que arroje el experimento de simulación.
 Experimentación: Consiste en generar los datos deseados y en realizar un análisis de
sensibilidad de los índices requeridos.
 Interpretación: Se interpretan los resultados que arroja la simulación y con base a esto se
toma una decisión. Los resultados ayudan a soportar decisiones del tipo semiestructurado.
 Documentación: Dos tipos de documentación son requeridos, la documentación del tipo
técnico y la segunda se refiere al manual del usuario, con el cual se facilita la interacción y
el uso del modelo desarrollado.

ETAPAS DE UN PROYECTO DE SIMULACIÓN

 Formulación del problema: Se define con precisión el problema que se desea resolver, sin
ningún tipo de ambigüedad y definiendo claramente los objetivos.
 Definición del sistema: Implica en clasificarlo (estático o dinámico, lineal o no lineal,
estable o inestable, etc), identificar las entidades, atributos y actividades del sistema y
establecer sus fronteras
 Formulación del modelo: Es imprescindible formular una representación simplificada del
mismo con la que trabajaremos en el resto de etapas de proyecto
 Preparación de datos: Es necesario recoger datos sobre el sistema real para preparar de
manera adecuada las entradas de la simulación, recoger las entradas del sistema real
durante un intervalo significativo de tiempo, ya con la información suficiente, se debe
identificar la distribución de probabilidad de las entradas que se han observado para utiliz
en la generación de entradas de simulación.
 Traducción del modelo: El modelo matemático del sistema no puede utilizarse
directamente. Es necesario traducirlo con ayuda de algún tipo de software a un lenguaje
comprensible por el ordenador

ELEMENTOS BÁSICOS DE UN SIMULADOR DE EVENTOS DISCRETOS

 DEFINICIÓN DE EVENTOS DISCRETOS: son todas aquellas acciones o resultados de un

experimento que tienen como resultado un número entero. ejem el número de productos
dañados en un embarque
 CARACTERÍSTICAS DE LA SIMULACIÓN DE EVENTOS DISCRETOS:
o Se basa en un modelo de cálculo.
o Puede contener una o varias variables de entrada y de salida.
o Las variables de entrada son discretas.
o Sirve para evaluar los efectos de ciertas situaciones ante determinadas decisiones.
o Apoya la toma de decisiones para que esta sea rápida y segura.
 ESTRUCTURA DE LA SIMULACIÓN DE EVENTOS DISCRETOS: Modelación computacional de
sistemas que evolucionan en el tiempo mediante cambios instantáneos en las variables de
estado. En términos matemáticos, los cambios del sistema ocurren en un conjunto
contable de puntos del tiempo.
Tres elementos principales, entrada, proceso y salida.
VENTAJAS

 No es necesario interrumpir las operaciones de la compañía.

 Proporciona muchos tipos de alternativas posibles de explorar.
 La simulación proporciona un método más simple de solución cuando los procedimientos
matemáticos son complejos y difíciles.
 Proporciona un control total sobre el tiempo, debido a que un fenómeno se puede
acelerar.
 Auxilia el proceso de innovación ya que permite al experimentador observar y jugar con el
sistema.
 Generalmente es más barato mejorar el sistema vía simulación que hacerlo en el sistema
real.
 Es mucho más sencillo visualizar y comprender los métodos de simulación que los
métodos puramente analíticos

DESVENTAJAS

• La simulación es imprecisa, y no se puede medir el grado de su imprecisión.

• Los resultados de simulación son numéricos; por tanto, surge el peligro de atribuir a los
números un grado mayor de validez y precisión.

• Los modelos de simulación en una computadora son costosos y requieren mucho tiempo
para desarrollarse y validarse.

• Los modelos de simulación no dan soluciones óptimas

• Requiere "largos" periodos de desarrollo.
• Cada modelo de simulación es único