1 Introduction to Simulation

Una simulación es la imitación de la operación de un proceso o sistema del

mundo real a lo largo del tiempo. Ya sea por de la mano o en un ordenador, la
simulación implica la generación de una historia artificial de un sistema y la
observación de esa historia artificial para inferir las características operativas
del sistema real. El comportamiento de un sistema a medida que evoluciona
con el tiempo se estudia mediante el desarrollo de un modelo de simulación.
Este suele adoptar la forma de un conjunto de supuestos relativos al
funcionamiento del sistema. Estos supuestos se expresan en relaciones
matemáticas, lógicas y simbólicas entre las entidades u objetos de interés, del
sistema. Una vez desarrollado y validado, un modelo puede ser usado para
investigar una gran variedad de "preguntas sobre el sistema del mundo real.
Las modificaciones potenciales del sistema se pueden simular primero, en para
predecir su impacto en el rendimiento del sistema. La simulación también se
puede utilizar para estudiar sistemas en el la fase de diseño, antes de que se
construyan dichos sistemas. Por lo tanto, el modelado de simulación puede ser
utilizado como una herramienta de análisis para predecir el efecto de los
cambios en los sistemas existentes y como herramienta de diseño para
predecir el rendimiento de nuevos sistemas bajo diferentes circunstancias. En
algunos casos, se puede desarrollar un modelo que sea lo suficientemente
simple como para ser "resuelto" por malhematical métodos. Tales soluciones
podrían ser encontradas por el uso de cálculo diferencial, teoría de
probabilidad, algebraica métodos, u otras técnicas matemáticas. La solución
suele consistir en uno o más parámetros numéricos, Las cuales son llamadas
medidas de rendimiento del sistema. Sin embargo, muchos sistemas del
mundo real son tan compiex que los modelos de estos sistemas son
virtualmente imposibles de resolver matemáticamente. En estos casos, La
sirmilitacin numérica por ordenador puede utilizarse para imitar el
comportamiento del sistema a lo largo del tiempo. Desde el los datos se
recogen como si se observara un sistema real. Estos datos generados por la
simulación se utilizan estimar el measur�s de rendimiento del sistema. Este
libro proporciona un tratamiento introductorio de los conceptos y métodos de
una forma de simulación. Modelado - modelado de simulación de eventos
discretos. El primer capítulo discute inicialmente cuándo usar la simulación, sus
ventajas y desventajas, y las áreas reales de su aplicación. Luego los
conceptos de sistema y modelo son explorados. Por último, se esbozan los
pasos a seguir para construir y utilizar un modelo de simulación de un sistema.
1.1 CUANDO LA SIMULACIÓN SEA LA HERRAMIENTA ADECUADA
La disponibilidad de lenguajes de simulación de propósito especial, de
capacidades informáticas masivas a un ritmo decreciente. y de los avances en
las metodologías de simulación han hecho de la simulación una de las más
herramientas ampliamente utilizadas y aceptadas en la investigación operativa
y el análisis de sistemas. Circunstancias bajo las cuales la simulación es la
herramienta apropiada para no haber sido discutida;d por muchos autores,
desde Naylor et al. [ 1966] hasta Shannon[1998]. La simulación puede utilizarse
para los siguientes fines:
1. La simulación permite el estudio y la experimentación de las interacciones
internas de un complejo o de un subsistema dentro de un sistema complejo.
2. Se pueden simular los cambios informativos, organizativos y ambientales, y
el efecto de los mismos. Se pueden observar alteraciones en el
comportamiento del modelo.
3. El conocimiento adquirido durante el diseño de un modelo de simulación
puede ser de gran valor para sugiriendo una mejora en el sistema bajo
investigación.
4, El cambio de las entradas de la simulación y la observación de las salidas
resultantes pueden producir una valiosa información sobre qué variables son
las más importantes y cómo interactúan las variables.
5. La simulación puede ser utilizada como un dispositivo pedagógico para
reforzar las metodologías de solución analítica.
6. La simulación puede utilizarse para experimentar con nuevos diseños o
políticas antes de su implementación, con el fin de prepárate para lo que pueda
pasar.
7. La simulación puede utilizarse para verificar soluciones analíticas.
8. Simular diferentes capacidades para una máquina puede ayudar a
determinar los requisitos de la misma.
9. Los modelos de simulación diseñados para la formación hacen posible el
aprendizaje sin el coste y la interrupción de instrucción en el trabajo.
10. La animación muestra un sistema en funcionamiento simulado para poder
visualizar el plano.
11. El sistema de módem (fábrica, planta de fabricación de obleas,
organización del servicio, etc.) es tan complejo que sus interacciones internas
pueden ser tratadas sólo a través de la simulación.
1 .2 CUANDO LA SIMULACIÓN NO SEA APROPIADA
Esta sección está basada en un artículo de Banks and Gibson [ 1997], quien
dio diez reglas para evaluar cuando la simulación no es apropiado. La primera
regla indica que no se debe utilizar la simulación cuando el problema puede se
resuelva con sentido común. Se da un ejemplo de una instalación de etiquetas
para automóviles que sirve a los clientes que llegan aleatoriamente a una tasa
media de 100/hora y se sirven a una tasa media de 12 horas. Para determinar
el mínimo número de servidores necesarios, la simulación no es necesaria.
Sólo calcula 100/12 = 8.33 indicando que nueve o se necesitan más servidores.
La segunda regla dice que la simulación no debe utilizarse si el problema
puede resolverse analíticamente. Para ejemplo, bajo ciertas condiciones, el
tiempo de espera medio en el ejemplo anterior se puede encontrar a partir de
curvas que fueron desarrollados por Hillier y Lieberman[2002]. La siguiente
regla dice que no se debe usar la simulación si es más fácil realizar
experimentos directos. Un se da un ejemplo de un restaurante de comida
rápida en el que era menos costoso poner en escena a una persona que
recibía pedidos utilizar un terminal portátil y comunicación de voz para
determinar el efecto de añadir otra estación de pedido en el tiempo de espera
de los clientes.
La cuarta regla dice que no se debe usar la simulación si los costos exceden
los ahorros. Hay muchos pasos para completar una simulación, como se
discutirá en la Sección l.l.l, y esto debe hacerse a fondo. Si una simulación El
estudio cuesta 20.000 dólares y el ahorro podría ser de 10.000 dólares, la
simulación no sería apropiada. Las reglas cinco y seis indican que la simulación
no debe realizarse si los recursos o el tiempo no están disponibles. Si se
estima que el costo de la simulación es de $20,000 y sólo hay $10,000
disponibles, la sugerencia es no
INTRODUCCIÓN A LA SIMULACIÓN 5 aventurarse en un estudio de
simulación. Del mismo modo, si una decisión es necesaria en dos semanas y
una simulación tomará un mes, no se aconseja el estudio de simulación.
La simulación toma datos, a veces muchos datos. Si no hay datos disponibles,
ni siquiera estimaciones, la simulación es no se aconseja. La siguiente regla se
refiere a la capacidad de verificar y validar el modelo. Si no hay tiempo
suficiente o si el personal no está disponible, la simulación no es apropiada. Si
los gerentes tienen expectativas irrazonables, si piden demasiado y demasiado
pronto, o si el poder de la simulación está sobreestimada, la simulación podría
no ser apropiada. Por último, si el comportamiento del sistema es demasiado
complejo o no se puede definir, la simulación no es apropiada. Comportamiento
humano es a veces extremadamente complejo de modelar.
1.3 VENTAJAS Y DESVENTAJAS DE LA SIMULACIÓN
La simulación es intuitivamente atractiva para un cliente porque imita lo que
sucede en un sistema real o lo que es para un sistema que se encuentra en
fase de diseño. Los datos de salida de una simulación deberían corresponder
directamente a las salidas que podrían ser registradas desde el sistema real.
Adicionalmente, es posible desarrollar un modelo de simulación de un sistema
sin supuestos dudosos (como la misma distribución estadística para cada) de
los modelos que pueden resolverse matemáticamente. Por estas y otras
razones, la simulación es frecuentemente la técnica de elección en la
resolución de problemas. A diferencia de los modelos de optimización, los
modelos de simulación se "ejecutan" en lugar de resolverse. Dada una
particular de las características de entrada y del modelo, se ejecuta el modelo y
se observa el comportamiento simulado. Este proceso de los insumos
cambiantes y las características del modelo resulta en un conjunto de
escenarios que son evaluados. Una buena solución, ya sea en el análisis de un
sistema existente o en el diseño de un nuevo sistema, se recomienda para
implementación.
La simulación tiene muchas ventajas, pero algunas desventajas. Estos están
listados por Pegden, Shannon, y
Sadowski[1995]. Algunas ventajas son estas:
1. Nuevas políticas, procedimientos operativos, reglas de decisión, flujos de
información, procedimientos organizativos, y así sucesivamente pueden ser
explorados sin interrumpir las operaciones en curso del sistema real.
2. Los nuevos diseños de hardware, layouts físicos, sistemas de transporte,
etc. pueden probarse sin necesidad de comprometer recursos para su
adquisición.
3. Las hipótesis sobre cómo o por qué ocurren ciertos fenómenos pueden ser
probadas para determinar su factibilidad.
4. - El tiempo puede ser comprimido o expandido para permitir una aceleración
o desaceleración de los fenómenos bajo investigación.
5. Se puede obtener información sobre la interacción de las variables.
6. Se puede obtener información sobre la importancia de las variables para el
rendimiento del sistema.
7. Se puede realizar un análisis de cuellos de botella para descubrir dónde se
encuentra el trabajo en proceso, la infonación, los materiales, y así
sucesivamente se están retrasando excesivamente.
8. Un estudio de simulación puede ayudar a comprender cómo funciona el
sistema en lugar de como funcionan los individuos. Creo que el sistema
funciona.
.
9 "Y si' preguntas pueden ser contestadas. Esto es particularmente útil en el
diseño de nuevos sistemas.
Algunas desventajas son estas:
1. La construcción de modelos requiere una formación especial. Es un arte que
se aprende con el tiempo y a través de la experiencia. Además, si dos modelos
son construidos por personas competentes diferentes, pueden tener
similitudes, pero es muy poco probable que sean las mismas.
2. Los resultados de la simulación pueden ser difíciles de interpretar La
mayoría de las salidas de la simulación son esencialmente variables aleatorias
(por lo general se basan en entradas aleatorias), por lo que puede ser difícil
distinguir si una observaciones el resultado de las interrelaciones del sistema. o
de la ofrandonmess.
3. El modelado y análisis de simulación puede llevar mucho tiempo y ser
costoso. Escatimar recursos para El modelado y el análisis podría dar como
resultado un modelo de simulación o un análisis que no sea suficiente para la
tarea.
4. La simulación se utiliza en algunos "casos cuando una solución analítica es
posible, o incluso preferible, como fue el caso de discutido en la Sección 1.2.
Esto podría ser particularmente útil en la simulación de algunas líneas de
espera. Donde hay disponibles modelos de colas de formulario cerrado. En
defensa de la simulación, estas cuatro desventajas, respectivamente, pueden
ser compensadas de la siguiente manera:
1. Los proveedores de software de simulación han estado desarrollando
activamente paquetes que contienen modelos que sólo necesitan introducir
datos para su funcionamiento. Estos modelos tienen la etiqueta genérica
"simulador" o "plantilla".
2. Muchos proveedores de software de simulación han desarrollado
capacidades de análisis de salida dentro de sus paquetes por realizar un
análisis muy exhaustivo.
3. La simulación se puede realizar más rápido hoy que ayer y será aún más
rápido mañana, porque de los avances en hardware que permiten un rápido
funcionamiento de los escenarios y debido a los avances en muchas
simulaciones paquetes. Por ejemplo, algunos programas de simulación
contienen construcciones para modelar material que utiliza transportadores
tales como carretillas elevadoras, transportadores y vehículos guiados
automatizados.
4. Los modelos de forma cerrada no son capaces de analizar la mayoría de los
sistemas complejos que se encuentran en práctica. En muchos años de
práctica de consultoría por dos de los autores, no se encontró ningún problema
que podría haberse resuelto con una solución de forma cerrada.
1.4 ÁREAS DE APLICACIÓN
Las aplicaciones de la simulación son muy amplias La Conferencia de
Simulación de Wmter (WSC) es una excelente manera de aprender más
información sobre lo último en aplicaciones y teoría de simulación. También
hay numerosos tutoriales tanto en el los niveles principiantes y avanzados. La
CSM está patrocinada por seis sociedades técnicas y el Instituto Nacional de
Estándares y Tecnología (NIST). Las sociedades técnicas son la American
Statistical Association (ASA), Asociación de Maquinaria Informática/Grupo de
Especial Interés en Simulación (ACM/SIGSIM), Instituto del Ingenieros
Eléctricos y Electrónicos: Sociedad de Informática (IEEEICS), Instituto de
Electricidad y Electrónica Ingenieros: Sociedad de Sistemas, Hombre y
Cibernética (IEEEISMCS), Instituto de Ingenieros Industriales (liE), Instituto de
Investigación Operativa y Ciencias de la Gestión: Escuela Superior de
Simulación (INFORMS/CS) y La Sociedad para la Simulación por Computadora
(SCS). Nótese que el IEEE está representado por dos órganos. Información
sobre la próxima CSM puede obtenerse en www. wintersim.org. Los programas
de la CSM con las ponencias completas son disponible en www. informs-cs.
org /wscpapers. html. Algunas presentaciones, por área, de un reciente A
continuación se enumeran las CSM: Aplicaciones en la fabricación
Modelado dinámico de sistemas de fabricación en continuo, utilizando
analogías con sistemas eléctricos Benchmarking de un modelo estocástico de
planificación de la producción en un banco de pruebas de simulación
Reducción del cambio de color de la línea de pintura en el ensamblaje de
automóviles Modelado de la calidad y la productividad en la fabricación de
cables de acero Análisis de capacidad de recursos compartidos en la
fabricación de biotecnología Modelo de información neutral para simular las
operaciones del taller de maquinaria Fabricación de semiconductores
Planificación de la producción en intervalos de tiempo constantes con
aplicación al control de trabajo en curso Aceleración de productos bajo reglas
de despacho orientadas a la fecha de vencimiento Marco de diseño para
sistemas automatizados de manejo de materiales en fábricas de fabricación de
obleas de 3()()()..mm
INTRODUCCIÓN A LA SIMULACIÓN 7
Tomar decisiones de diseño óptimas para las herramientas de dispensación de
próxima generación Aplicación del modelado de herramientas de clúster en la
fabricación de obleas de 3()();mm factory. Simulación basada en entidades
residentes de herramientas de cámara por lotes en la fabricación de
serruconductores de 300 mm. Ingeniería de la Construcción y Gestión de
Proyectos Impacto de la multitarea y el sesgo de fusión en la adquisición de
equipos complejos Aplicación de conceptos lean y simulación para equipos de
mantenimiento de operaciones de drenaje Construcción de un modelo de
tienda virtual para la fabricación de acero Simulación de la cadena de
suministro de madera aserrada residencialAplicaciones Militares. Diseño
basado en frecuencia para la terminación de simulaciones: Un ejemplo de
imposición de la paz Un marco multi-basado para soportar simulaciones
interactivas basadas en militares en entornos 3D Especificación del
comportamiento de fuerzas generadas por ordenador sin programación
Fidelidad y validez: Problemas de la representación del comportamiento
humano Evaluación de los efectos de la tecnología en el desempeño humano
mediante el desarrollo y la evaluación del espacio comercial Impacto de un
sistema logístico automático en el proceso de generación de sortija Desarrollo
de planes de investigación para el modelado y simulación de operaciones
militares en terrenos urbanos Logística, cadena de suministro y aplicaciones de
distribución. - Análisis de inventario en un entorno de fabricación servidor-
computadora Comparación de métodos de detección de cuellos de botella para
sistemas AGV Simulación de red de suministro de semiconductores Análisis de
los flujos de pasajeros de salida internacional en una terminal aeroportuaria
Aplicación de técnicas de simulación discreta a las cadenas de suministro de
gas natural líquido
Simulación en línea de ped�:strian flow en edificios públicos
Modos de transporte y tráfico
Simulación de la absorción del retardo de la aeronave Determinación del plan
de ejecución mediante la optimización de la simulación, simulacion de la fusión
de autopistas y comportamiento divergente Servicio de modelos de
ambulancias de la Cruz Roja Austriaca .Modelado de simulación en apoyo de la
lucha contra incendios en Norfolk Modelado de llegadas de barcos a puertos
Optimización de un sistema de transporte de barcazas para la entrega de
petróleo Optimización iterativa y simulación del tráfico de barcazas en una vía
navegable interior
Simulación del proceso de Bnslness
Modelado basado en agentes y simulación del rendimiento de la tienda para
una fijación de precios personalizada. VISualización de modelos de negocio
probabilísticos Modelado y siinulación de un call center telefónico Uso de la
simulación para aproximar subdegradantes de medidas de rendimiento
convexas en sistemas de servicio El papel de la simulación en el control de
equipajes en los aeropuertos Simulaciones de riesgo de fatiga humana en
operaciones continuas Optimización de un sistema de facturación de
telecomunicaciones Segmentación de la base de clientes para obtener el
máximo rendimiento Cuidado de la salud Modelar el consultorio y la atención al
paciente en las prácticas de atención médica ambulatoria.Evaluación de las
operaciones hospitalarias entre el servicio de urgencias y una unidad de
telemetría médica. Estimación de la capacidad máxima en una sala de
emergencias Reducir la duración de la estancia en un servicio de urgencias
Simulación de ideas de mejora six-sigma para el departamento de ergonomía
de un hospital Una herramienta basada en la programación lineal de números
enteros de simulación para la programación del personal de la sala de
emergencias.
Algunas tendencias generales en la aplicación de la simulación son las
siguientes: En la actualidad, la simulación para el análisis de riesgos está
creciendo, incluso en áreas como seguros, precios de opciones y análisis de
carteras.
La simulación de sistemas a gran escala como la red troncal de Internet, las
redes inalámbricas y las cadenas de suministro están creciendo a medida que
el hardware y el software aumentan su capacidad para manejar un número
extremadamente grande de entidades en un tiempo razonable.
Por último, los modelos de simulación de sistemas automatizados de
manipulación de materiales (AMHS) se utilizan como bancos de pruebas para
el desarrollo y la prueba funcional de un sistema de control o de un emulador
de software; se utilizan para proporcionar las mismas respuestas a un sistema
de control que el AMHS real (por ejemplo, una caja que bloquea o despeja una
foto o un comando para empezar a recoger una orden). El desarrollo de
software puede ser mucho más temprano durante la instalación y puesta en
marcha de AMHS, para reducir el tiempo en el campo al tratar de depurar el
software de control mientras se intenta poner en marcha un nuevo sistema o
continuar funcionando uno existente. Los modelos han sido impulsados por
sistemas de control a varios niveles, desde sistemas de supervisión de alto
nivel, como sistemas de gestión de almacenes (WMS) o sistemas de despacho
de AGV, hasta sistemas de control de bajo nivel como controladores lógicos
programables (PLC) que controlan marges en un sistema convertidor.
1.5 SISTEMAS Y ENTORNO DE SISTEMAS
Para modelar un sistema, es necesario entender el concepto de un sistema y
los límites del sistema. Un sistema se define como un grupo de objetos que se
unen en alguna interacción regular o interdependencia hacia el logro de algún
propósito. Un ejemplo es un sistema de producción que fabrica automóviles.
Los trabajadores operan conjuntamente, junto con una línea de ensamblaje,
para producir un producto de alta calidad. Un sistema a menudo se ve afectado
por cambios que ocurren fuera del sistema... Tales cambios se dicen que
ocurren en el entorno del sistema [Gordon. 1978] En los sistemas de modelado,
es necesario decidir sobre el límite entre el sistema y su entorno... esta
decisión puede depender del propósito del estudio. En el caso del sistema de
fábrica, por ejemplo, los factores que controlan la llegada de pedidos pueden
considerarse ajenos a la influencia de la fábrica y, por lo tanto, parte del
entorno. Sin embargo, si se considera el efecto de la oferta sobre la demanda,
habrá una relación entre la producción de la fábrica y la llegada de los pedidos,
y esta relación debe ser considerada como una actividad del sistema, esto se
consideraría una limitación impuesta por el medio ambiente. Sin embargo, en
un estudio de los efectos de las leyes monetarias en el sector bancario, el
establecimiento del límite sería una actividad del sistema. (Gordon, 1978)
1.6-1.7-1.8. NO ESTAN
Así como los componentes de un sistema eran entidades, atributos y
actividades, los modelos están representados de la misma manera. Sin
embargo, el modelo contiene sólo aquellos componentes que son relevantes
para el estudio. Los componentes de un modelo se discuten más extensamente
en el Capítulo 3.
1.9 TIPOS DE MODELOS
Los modelos pueden clasificarse como matemáticos o físicos. Un modelo
matemático utiliza notación simbólica y ecuaciones matemáticas para
representar un sistema. Un modelo de simulación es un tipo particular de
matemática modelo de un sistema.
Los modelos de simulación pueden clasificarse además como estáticos o
dinámicos, deterministas o estocásticos, y discreto o continuo. Un modelo de
simulación estática, denominado simulación de Monte Carlo, representa a, en
un momento determinado. Los modelos de simulación dinámicos representan
los sistemas a medida que cambian o tiempo de la vida.
La simulación de un banco de 9:00 a.m. a 4:00 p.m. es un ejemplo de
simulación dinámica. Los modelos de simulación que no contienen variables
aleatorias se clasifican como determinísticos. Modelos deterministas tienen un
conjunto conocido de entradas, que resultará en un conjunto único de salidas.
Llegadas deterministas ocurrirían en el consultorio del dentista si todos los
pacientes llegaron a la hora de la cita programada. Un modelo de simulación
estocástico tiene una o más variables aleatorias como entradas. Las entradas
aleatorias conducen a salidas aleatorias. Dado que las salidas son al azar,
pueden considerarse sólo como estimaciones de las características reales de
un modelo. La simulación de un banco suele implicar tiempos de inter llegada
aleatorios y tiempos de servicio aleatorios. Así, en un estocástico la salida mide
el número medio de personas en espera, el tiempo de espera medio de un
deben ser tratados como estimaciones estadísticas de las verdaderas
características del sistema. Los sistemas discretos y continuos se definieron en
la Sección 1.7. Los modelos discretos y continuos son definidos de manera
análoga. Sin embargo, un modelo de simulación discreto no siempre se utiliza
para modelar un modelo discreto. Tampoco se utiliza siempre un modelo de
simulación continua para modelar un sistema continuo. Tanques y son
modelados discretamente por algunos proveedores de software, aunque
sabemos que el flujo de fluido es continuo. Además, los modelos de simulación
pueden ser mixtos, tanto discretos como continuos. La opción de usar o no un
discreto o continuo {o discreto y continuo) el modelo de simulación es una
función de las características del sistema y el objetivo del estudio. Así, un canal
de comunicación podría ser modelado discretamente si las características y el
movimiento de cada mensaje se consideraran importantes. Por el contrario, si
el flujo de los mensajes en conjunto a través del canal fue de importancia,
modelando el sistema a través de una simulación continúa. Podría ser más
apropiado. Los modelos considerados en este texto son discretos, dinámicos y
estocásticos.
1.10 SIMULACIÓN DE SISTEMA DE EVENTOS DISCRETOS
Este es un libro de texto sobre simulación de sistemas de eventos discretos. La
simulación de sistemas de eventos discretos es el modelado de sistemas en los
que la variable de estado cambia sólo en un conjunto discreto de puntos en el
tiempo. La simulación los modelos son analizados por métodos numéricos más
que por métodos analíticos. Los métodos analíticos emplean el razonamiento
deductivo de las matemáticas para "resolver" el modo L Por ejemplo, se puede
utilizar el cálculo diferencial para calcular la política de costo mínimo para
algunos modelos de inventario. Los métodos numéricos emplean
procedimientos para "resolver" modelos matemáticos. En el caso de los
modelos de simulación, que emplean modelos numéricos los métodos, los
modelos se "ejecutan" en lugar de resolverse, es decir, se genera una historia
artificial del sistema a partir de los supuestos del modelo y las observaciones
se recopilan para ser analizados y para estimar el verdadero sistema medidas
de la ejecución. Los modelos de simulación del mundo real son bastante
grandes, y la cantidad de datos almacenados y manipulados es enorme, por lo
que tales ejecuciones se llevan a cabo normalmente con la ayuda de un
ordenador. Sin embargo, mucha perspicacia puede obtenerse simulando
manualmente modelos pequeños.
En resumen, este libro de texto trata sobre la simulación de sistemas de
eventos discretos en los que los modelos de interés son analizados
numéricamente, normalmente con la ayuda de una computadora
1.11 resbalones en un estudio de simulación
La figura 1.3 muestra un conjunto de pasos para guiar a un constructor de
modelos en un estudio de simulación completo y sólido. Similar y la discusión
de los pasos se pueden encontrar en otras fuentes [Shannon, 1975; Gordon,
1978; Law and Kelton; 2000]. El número al lado de cada símbolo en la Figura
1.3 se refiere a la discusión más detallada. Texto. Los pasos de un estudio de
simulación son los siguientes:
Formulación del problema. Cada estudio debe comenzar con una declaración
del problema. Si la expresión es proporcionado por los responsables políticos,
o aquellos que tienen el problema, el analista debe asegurarse de que el
problema que se describe se entiende claramente. Si el analista está
desarrollando una declaración del problema, es importante que los
formuladores de políticas entiendan y estén de acuerdo con la formulación.
Aunque no se muestra en la Figura 1.3, hay son ocasiones en las que el
problema debe reformularse a medida que avanza el estudio. En muchos
casos, los encargados de formular políticas y los analistas son conscientes de
que hay un problema mucho antes de que se conozca la naturaleza del
problema. Fijación de objetivos y plan general del proyecto; Los objetivos
indican las preguntas que se deben plantear. Respondido por simulación. E
este punto, se debe determinar si la simulación es la
Una metodología apropiada para el problema tal como se ha formulado y los
objetivos declarados. Suponiendo que se decida que la simulación es
apropiada, el plan general del proyecto debe incluir una declaración de los
sistemas alternativos para y de un método para evaluar la eficacia de estas
alternativas. También debe incluir los planes para el estudio en términos del
número de personas involucradas, el costo del estudio y el número de días
necesarios para llevar a cabo cada fase del trabajo, junto con los resultados
esperados al final de cada etapa.

Conceptualización de modelos. La construcción de un modelo de un sistema

es probablemente tanto arte como ciencia.
Pritsker [ 1998] ofrece una larga discusión sobre este paso. Aunque no es
posible proporcionar un conjunto de instrucciones que conducirán a la
construcción de modelos exitosos y apropiados en cada caso, hay algunos
pautas generales que se pueden seguir"[Morris, 1%7]. El arte de modelar es
realzado por la habilidad de abstraer las características esenciales de un
problema, para seleccionar y modificar los supuestos básicos que caracterizan
al sistema, y luego enriquecer y elaborar el modelo hasta obtener una
aproximación útil. Por lo tanto, es mejor empezar con un modelo simple y
construir hacia una mayor complejidad. Sin embargo, la complejidad del
modelo no tiene por qué superar que sea necesario para lograr los fines para
los que está concebido el modelo. La violación de este principio sólo se suma a
los gastos de construcción de modelos y computación. No es necesario tener
un mapeo uno a uno entre los y el sistema real. Sólo se necesita la esencia del
sistema real.
Es aconsejable involucrar al usuario del modelo en la conceptualización del
modelo. Involucrando al usuario del modelo tanto mejorar la calidad del modelo
resultante y aumentar la confianza del usuario del modelo en la aplicación del
modelo. (El capítulo 2 describe una serie de modelos de simulación. En el
Capítulo 6 se describen los modelos de colas que puede resolverse
analíticamente. Sin embargo, sólo la experiencia con sistemas reales frente a
problemas de libros de texto puede "enseñar" el arte de la construcción de
modelos.
Recolección de datos. Existe una interacción constante entre la construcción
del modelo y la colección. De los datos de entrada necesarios [Shannon, 1975].
A medida que la complejidad del modelo cambia, los datos requeridos también
pueden cambiar. Además, dado que la recolección de datos toma una porción
tan grande del tiempo total requerido para realizar una simulación, es necesario
comenzarla lo antes posible, normalmente junto con las etapas iniciales de
construcción de modelos. Los objetivos del estudio dictan, en gran medida, el
tipo de datos que deben recopilarse. En el estudio de un banco, por ejemplo, si
el deseo es conocer la duración de las colas de espera a medida que cambia el
número de cajeros, los tipos de datos necesarios serían las distribuciones de
las horas de inter llegada (a diferentes horas del día), la distribuciones del
tiempo de servicio para los cajeros, y distribuciones históricas sobre la duración
de las colas de espera bajo vacying condiciones. Este último tipo de datos se
utilizará para validar el modelo. De simulación (el Capítulo 9 trata sobre los
datos recopilación y análisis de datos; en el Capítulo 5 se analizan las
distribuciones estadísticas que se producen con frecuencia en la simulación
modelando. Véase también una excelente discusión de Henderson[2003].

Traducción de modelos. La mayoría de los sistemas del mundo real dan

como resultado modelos que requieren una gran cantidad de información
almacenamiento y computación, por lo que el modelo debe introducirse en un
formato reconocible por ordenador. De "programa", a pesar de que es posible
lograr el resultado deseado en muchos casos con poco o nada de sin
codificación real. El modelador debe decidir si programa el modelo en un
lenguaje de simulación, como por ejemplo GPSSIH (discutido en el Capítulo 4),
o para usar software de simulación de propósito especial. Para la fabricación y
manipulación de materiales, el Capítulo 4 trata sobre Arena®, AutoMod™,
Extend™, Flexsirn, MicroSaint, ProModel®, Quest®, SIMUL8® y WITNESS™.
Los lenguajes de simulación son potentes y flexibles. Sin embargo, si el
problema es susceptible de solución con el software de simulación, el tiempo
de desarrollo del modelo es en gran medida reducido. Además, la mayoría de
los paquetes de software de simulación han añadido características que
mejoran su flexibilidad, aunque la cantidad de flexibilidad varía mucho.
¿Verificado? La verificación se refiere al programa informático preparado para
el modelo de simulación. ¿Es el programa de ordenador funcionando
correctamente? Con modelos complejos, es difícil, si no imposible, traducir un
modelo con éxito en su totalidad sin una buena cantidad de depuración, si los
parámetros de entrada y lógica Si la estructura del modelo está correctamente
representada en el ordenador, se han completado la verificación. Para el en su
mayor parte, se utiliza el sentido común para completar este paso. (El Capítulo
10 trata sobre la verificación de la simulación y Balci[2003] también discute este
tema.
- ¿Validado? La validación generalmente se logra a través de la calibración del
modelo, un proceso iterativo de comparar el modelo con el comportamiento real
del sistema y usar las discrepancias entre ambos, y los conocimientos
adquiridos, para mejorar el modelo. Este proceso se repite hasta que la
precisión del modelo ES Jud ged. Aceptable. En
En el ejemplo de un banco mencionado anteriormente, los datos fueron
recolectados concordando con la longitud de las líneas de wrutmg bajo
condiciones actuales. ¿El modelo de simulación replica esta medida del
sistema? Este es uno de los medios de validación. (El capítulo 10 discute la
validación de modelos de simulación, y ]3alci[2003] también discute este tema.
Diseño experimental. Deben determinarse las alternativas que deben
simularse. A menudo, la decisión sobre las alternativas a simular en función de
las ejecuciones ya finalizadas, y analizado. Para cada diseño de sistema que
se simula, las decisiones deben ser made relativa a la longitud del período de
inicialización, la duración de las ejecuciones de simulación y el número de
repeticiones de cada carrera. (Capítulos 11 y 12 discuten temas asociados con
el diseño experimental, y Kle!Jnen[1998] discute este tema extensivamente.)

Tiradas de producción y análisis. Las series de producción y su análisis

posterior se utilizan para estimar medidas de rendimiento para los diseños de
sistemas que se están simulando. (capítulo. 11 y 12 discuten el análisis de los
experimentos de simulación, y el Capítulo 4 discute el software para llevar a
cabo este paso, mcludmg
AutoStat (en AutoMod), OptQuest (en varios programas de simulación),
SirnRmrner (en el modelo Pro), y WITNESS Optimizer (en WITNESS).
Más Carreras? Dado el análisis de las ejecuciones que se han completado, el
analista determina si se necesitan recorridos adicionales y qué diseño deben
seguir esos experimentos adicionales.
Documentación e informes. Hay dos tipos de documentación: programa y
progreso. La documentación del programa es necesaria por numerosas
razones. Si se va a utilizar el programa.de nuevo por los mismos o diferentes
analistas, podría ser necesario entender cómo funciona el programa. Esto
creará confianza en el programa, de modo que los usuarios de modelo y los
cim de los policyrnakers tomen decisiones basadas en el análisis.
Además, si el programa va a ser modificado por el mismo analista o por otro
diferente, este paso puede ser facilitado en gran medida mediante la
documentación adecuada. Una experiencia con un programa inadecuadamente
documentado es normalmente lo suficiente para convencer a un analista de la
necesidad de este importante paso. Otra razón para documentar un programa
es para que los usuarios del modelo puedan cambiar los parámetros a voluntad
en un esfuerzo por aprender las relaciones de relanzamiento entre los
parámetros de entrada y las medidas de salida de rendimiento o para descubrir
los parámetros de entrada que optimiZe alguna salida medición del
desempeño. .
Musselman[1998] discute los informes de progreso que proporcionan la
importante historia escrita de un sunulanon Los informes de proyecto dan una
cronología del trabajo realizado y de las decisiones tomadas. Esto puede ser
de gran ayuda en mantener el proyecto en curso.
El mejillón sugiere informes frecuentes (mensuales, por lo menos) para que
incluso los que no están involucrados en el día- hoy en día la operación puede
mantenerse al día La conciencia de estos otros a menudo puede mejorar la
finalización con éxito del proyecto mediante la aparición temprana de
malentendidos, cuando el problema puede resolverse fácilmente. El mejillón
también sugiere mantener un registro del proyecto que proporcione un registro
completo de los logros y las solicitudes de cambio, decisiones clave y otros
asuntos de importancia.Por lo que se refiere a los informes, Musselman sugiere
resultados frecuentes
Estos pueden o no ser los resultados de logros importantes. Su máxima es
que "es mejor trabajar con muchos hitos intermedios que con una fecha límite
absoluta". Las posibilidades previas al informe final incluyen una especificación
del modelo, prototipo animaciones de demostraciones, resultados de
entrenamiento, análisis intermedios, Documentación del programa, progreso
informes y presentaciones. Sugiere que estos resultados deben ser
cronometrados juiciosamente a lo largo de la vida del proyecto.
El resultado de todos los análisis debe ser reportado de manera clara y concisa
en un informe final. Esto permitirá a los usuarios del modelo (ahora, los
tomadores de decisiones) revisar la formulación final, los sistemas alternativos
que se abordaron, el criterio por el cual se compararon las alternativas, los
resultados de los experimentos y la solución recomendada al problema.
Además, si las decisiones tienen que justificarse a un nivel más alto, el informe
final debería proporcionar un vehículo de certificación para el usuario/tomador
de decisiones del modelo y aumentar la credibilidad del modelo y del proceso
de construcción del modelo.
Implementación. El éxito de la fase de implementación depende de lo bien
que se hayan realizado los pasos anteriores. También depende de cuán
exhaustivamente el analista ha involucrado al usuario final del modelo durante
todo el proceso de simulación. Si el usuario del modelo ha estado
completamente involucrado durante el proceso de construcción del modelo y si
el usuario del modelo entiende la naturaleza del modelo y sus resultados, se
realza la similitud de una implementación vigorosa [Pritsker, 1995]. Por el
contrario, si el modelo y sus supuestos subyacentes no se han comunicado
adecuadamente, la implementación probablemente se verá afectada,
independientemente de la validez del modelo de simulación.
El proceso de construcción del modelo de simulación mostrado en la Figura 1.3
puede dividirse en cuatro fases. La primera fase, que consiste en los pasos I
(Formulación del Problema) y 2 (Establecimiento del Objetivo y Diseño
General), es un período de descubrimiento u orientación. El planteamiento
inicial del problema suele ser bastante "confuso", los objetivos iniciales suelen
tener que ser reajustados, y el plan original del proyecto tendrá que ser
ajustado. Estas re calibraciones y aclaraciones podría ocurrir en esta fase, o
quizás ocurrirán después o durante otra fase (es decir, el analista podría tener
que reiniciar el proceso).
La segunda fase está relacionada con la construcción de modelos y la
recolección de datos e incluye los pasos 3 (Conceptualización del Modelo), 4
(Recolección de Datos), 5 (Modelo `Traducción), 6 (Verificación), y 7
(Validación). Se requiere una interacción de atenuación entre los pasos. La
exclusión del usuario modelo durante esta fase puede tener graves
implicaciones en el momento de la implementación.
La tercera fase se refiere al funcionamiento del modo L. Comprende los pasos
8 (Diseño experimental), 9 (Ejecuciones de producción y análisis) y 10
(Ejecuciones adicionales). Esta fase debe tener un plan minuciosamente
concebido para experimentar con el modelo de simulación. Una simulación
estocástica de evento discreto es de hecho un experimento estadístico. Las
variables de salida son estimaciones que contienen errores aleatorios y, por lo
tanto, se requiere un análisis estadístico adecuado. Tal filosofía está en
contraste con la del analista que hace una sola carrera y saca una inferencia de
ese único punto de datos.
La cuarta fase, la de implementación, involucra los pasos II (Documentación e
Informes) y 12 (Implementación). El éxito de la implementación depende de la
participación continua del usuario modelo y de la finalización satisfactoria de
cada paso del proceso. Quizás el punto más crucial en todo el proceso es el
paso 7 (Validación), porque un modelo inválido va a llevar a resultados
erróneos que, si se implementan, podrían ser peligrosos, costosos, o ambos.
EJERCICIOS
1. Asigne nombres a entidades, atributos, actividades, eventos y variables de
estado para los siguientes sistemas:
a) Biblioteca universitaria
b) Banco
c) Centro de llamadas
d) Servicio de transfusión
e) Almacén departamental
f) Cuartel de bomberos
g) Aeropuerto
b) Organización de programas informáticos
2. Considere el proceso de simulación mostrado en la Figura 1:3.
a) Reducir las medidas en dos por lo menos combinando actividades similares.
Dé sus razones.
b) Aumentar los escalones en al menos dos, separando los escalones actuales
o ampliándolos en escalones anteriores. Dar tu razonamiento.
3. Se llevará a cabo una simulación de una intersección de tráfico importante,
con el objetivo de mejorar el flujo de tráfico actual. Proporcione tres iteraciones,
en orden creciente de complejidad, de los pasos 1 y 2 m del proceso de
estimulación de la Figura 1.3.
4. Una simulación se llevará a cabo de cocinar una cena de espaguetis para
descubrir a qué hora una persona debe comenzar la orden de tener la comida
en la mesa a las 7:00 P.M. Leer una receta para preparar una cena de
espaguetis (o pídale la receta a un amigo o pariente). Lo mejor que pueda,
trace lo que entienda que se necesita: en la fase de recolección de datos del
proceso de simulación de la Figura 1.3, para realizar una simulación en la que
el modelo incluya cada paso de la receta. ¿Cuáles son los eventos, actividades
y objetos móviles del estado? en este sistema?
5. Haga una lista de los eventos y actividades que solicitan el programa de
maestría en una universidad.
6. Lea un artículo sobre la aplicación de la simulación relacionada con su área
principal de estudio o interés en las Actas actuales de la CSM y prepare un
informe sobre la forma en que el autor sigue los pasos descritos en la figura
1.3.
7. Obtener una copia de las Actas de la CSM recientes e informar sobre las
diferentes solicitudes presentadas.
8. Obtenga una copia de las Actas de la CSM más recientes e informe sobre la
solicitud más inusual que pueda encontrar.
9. Vaya al sitio web de la Conferencia de Simulación de Invierno en
www.wintersim.organd dirección la siguiente:
(a) ¿Qué tutoriales avanzados se ofrecieron en la CSM anterior o están
previstos en la próxima?
(b) ¿Dónde y cuándo se celebrará la próxima CSM?
10. Vaya al sitio web de la Conferencia de Simulación de Invierno (Winter
Simulación Conferencie) en www.winter.org. Y diríjase a lo siguiente:
(a) ¿Cuándo fue la CSM más numerosa (en asistencia) y a qué hora? ·
(b) ¿En qué año civil, desde el comienzo de la CSM, no hubo Conferencia?
(c) ¿Cuál fue la mayor extensión de tiempo, desde el comienzo de la CSM,
entre los sucesos del
Conferencia?
(d) Al comenzar con la 25ª CSM, ¿puede discernir un patrón para la ubicación
de la Conferencia?
11. Busque en la web "Aplicaciones de simulación discreta" y prepare un
informe basado en los resultados.
12. Busque en la web "Manufacturing simulation" y prepare un informe basado
en los resultados.
13. Busque en la web "Call centersimulation" y prepare un informe basado en
los resultados.