INSTITUTO TECNOLOGICO SUPERIOR DE

NARANJOS

CARRERA:
ING. INDUSTRIAL
MATERIA:
SIMULACIÓN
UNIDAD: 1
EVIDENCIA:
INVESTIGACIÓN
MAESTRO:
YAZMÍN HERNÁNDEZ ZAVALA
ALUMNO:
SANTOS SANTIAGO CARLOS EDUARDO

GRUPO: 602 “A”

C.D. NARANJOS VER. FEBRERO DE 2020
ÍNDICE
INTRODUCCION.......................................................................................................3

1.1 REVISIÓN DE LOS CONCEPTOS DE SISTEMA Y MODELO..........................4

Sistema..................................................................................................................4

Modelo...................................................................................................................4

1.2. CONCEPTO DE SIMULACIÓN.........................................................................5

1.3 TIPOS DE SIMULACIÓN....................................................................................6

Sistema discreto...................................................................................................6

Sistema continuo..................................................................................................6

Modelo...................................................................................................................6

Clasificación de los modelos..............................................................................7

1.4 PASOS PARA REALIZAR UN ESTUDIO DE SIMULACIÓN............................8

CONCLUSIÓN.........................................................................................................13

FUENTES BIBLIOGRAFICAS................................................................................13

2
 INTRODUCCION

Simulación es una técnica numérica para conducir experimentos en una

computadora digital. Estos experimentos comprenden ciertos tipos de relaciones
matemáticas y lógicas, las cuales son necesarias para describir el comportamiento
y la estructura de sistemas complejos del mundo real a través de largos periodos
de tiempo.

Esta investigación es un estudio de la simulación, el cual requiere la ejecución de

una serie de actividades y análisis que permitan sacarle el provecho a un
problema. Se analizarán conceptos básicos, así como se mencionarán los pasos
básicos para realizar un estudio de simulación.

3
 1.1 REVISIÓN DE LOS CONCEPTOS DE SISTEMA Y MODELO

Sistema
Un sistema es un conjunto de partes o elementos organizados y relacionadas que
interactúan entre sí para lograr un objetivo. Los sistemas reciben (entrada) datos,
energía o materia del ambiente y proveen (salida) información, energía o materia.
Un sistema es un conjunto de funciones que operan en armonía o con un mismo
propósito, y que puede ser ideal o real. Por su propia naturaleza, un sistema
posee reglas o normas que regulan su funcionamiento y, como tal, puede ser
entendido, aprendido y enseñado. Por consiguiente, si hablamos de sistemas,
podemos referirnos a cuestiones tan distintas como el funcionamiento de una nave
espacial o la lógica de una lengua.

Modelo
Un modelo es una abstracción teórica del mundo real que tiene dos utilidades
fundamentales:

 Reducir la complejidad, permitiéndonos ver las características importantes

que están detrás de un proceso, ignorando detalles de menor importancia
que harían el análisis innecesariamente laborioso; es decir, permitiéndonos
ver el bosque a pesar del detalle de los árboles.

 Hacer predicciones concretas, que se puedan falsar mediante experimentos

u observaciones. De esta forma, los modelos dirigen los estudios empíricos
en una u otra dirección, al sugerir qué información es más importante
conseguir.

Sin embargo, es importante recordar que los modelos no nos proporcionan una
información directa de lo que está ocurriendo realmente en el mundo real. Las
predicciones del modelo deberán ser validadas o refutadas por los resultados
empíricos.

4
Tipos de modelos

Los modelos verbales se ajustan al esquema de “si se cumple esta condición,

entonces lógicamente debería de ocurrir esto”. Aunque algunas personas no
tienen muy buena opinión de estos modelos verbales, pues carecen de rigor
matemático, estos modelos pueden llegar a ser muy potentes. La teoría de Darwin
de evolución por selección natural era un modelo verbal y, sin embargo,
revolucionó la biología. El modelo de Darwin establecía que, si existe variación en
un carácter que esté correlacionado con el éxito reproductivo, y esta variación es
“heredable”, entonces el carácter cambiará en sucesivas generaciones; es decir,
evolucionará.

En los modelos de simulación el sistema que se quiere modelar se simula en un

ordenador.

Los modelos analíticos definen el sistema con ecuaciones que pueden resolverse
para diferentes valores de las variables introducidas y así, predecir el
comportamiento del sistema.

1.2. CONCEPTO DE SIMULACIÓN.

Puede definirse a la simulación como la experimentación con un modelo que imita

ciertos aspectos de la realidad. Esto permite trabajar en condiciones similares a
las reales, pero con variables controladas y en un entorno que se asemeja al real
pero que está creado o acondicionado artificialmente.

La idea es que la simulación permita comprobar el comportamiento de una

persona, de un objeto o de un sistema en ciertos contextos que, si bien no son
idénticos a los reales, ofrecen el mayor parecido posible.

Dentro de áreas como la ingeniería industrial existe lo que se conoce como

simulación de procesos. Se trata de una herramienta muy importante dentro del
sector, pues facilita enormemente la realización de proyectos y tareas. ¿Cómo?

5
Gracias a que se encarga de proceder a representar un proceso mediante otro
que resulta mucho más sencillo y fácilmente comprensible.

Es decir, mediante este recurso lo que se logra es poder llevar a cabo diseños
buenos a la primera y conseguir productos que permiten obtener un mayor
beneficio o un coste competitivo en lo que se refiere a su propia fabricación.

1.3 TIPOS DE SIMULACIÓN

Sistema discreto
Las variables de estado cambian con solo en puntos discretos o contables en el
tiempo. Un ejemplo típico de simulación discreta ocurre en las colas donde
estamos interesados en la estimación de medidas como la longitud de la línea de
espera. Tales medidas solo cambian cuando el cliente entra o sale del sistema; en
todos los demás momentos, no ocurre nada en el sistema desde el punto de vista
de la interferencia estadística. Otra definición es que el sistema discreto es una
descripción en el estado del mismo.

Sistema continuo
Las variables de estado cambian en forma continua a través del tiempo. Un
ejemplo típico de simulación continua es el estudio de la dinámica de la población
mundial. Otra descripción es que un sistema continuo tiene la forma de
ecuaciones en que los atributos del sistema cambian con el tiempo

Modelo
Se define modelo como el cuerpo de información relativa a un sistema recabado
para fines de estudiarlo. Ya que al recabarlo y el propósito del estudio determina la
naturaleza de la información que se reúne, no hay un modelo único de un sistema.
Los distintos analistas interesados en diferentes aspectos del sistema o el mismo
analista producirán distintos modelos del mismo sistema según cambie su
comprensión del sistema.

6
Clasificación de los modelos
Existen múltiples tipos de modelos para representar la realidad. Algunos de ellos
son:

 Dinámicos; utilizados para representar sistemas cuyo estado varía con el

tiempo.
 Estáticos; utilizados para representar sistemas cuyo estado es invariables a
través del tiempo.
 Matemáticos; representan la realidad en forma abstracta de muy diversas
maneras
 Físicos; son aquellos en que la realidad es representada por algo tangible,
construido en escala o que por lo menos se comporta en forma análoga a
esa realidad (maquetas, prototipos, modelos analógicos, etc).
 Analíticos; la realidad se representa por fórmulas matemáticas. Estudiar el
sistema consiste en operar con esas fórmulas matemáticas (resolución de
ecuaciones).
 Numéricos; se tiene el comportamiento numérico de las variables
intervinientes. No se obtiene ninguna solución analítica.
 Continuos; representan sistemas cuyos cambios de estado son graduales.
Las variables intervinientes son continuas.
 Discretos; representan sistemas cuyos cambios de estado son de saltos.
Las variables varían en forma discontinua.
 Determinísticos; son modelos cuya solución para determinadas condiciones
es única y siempre la misma.
 Estocásticos; representan sistemas donde los hechos suceden al azar, lo
cual no es repetitivo. No se puede asegurar cuales acciones ocurren en un
determinado instante. Se conoce la probabilidad de ocurrencia y su
distribución equiparable dentro del intervalo .

7
 1.4 PASOS PARA REALIZAR UN ESTUDIO DE SIMULACIÓN

La realización de un estudio de simulación requiere la ejecución de una serie de

actividades y análisis que permitan sacarle el mejor provecho, los pasos básicos
para realizar un estudio de simulación son:

1-Definicion del sistema bajo estudio: En esta etapa es necesario conocer el

sistema a modelar. Para ello se requiere saber qué origina el estudio de
simulación y establecer los supuestos del modelo: es conveniente definir con
claridad las variables de decisión del modelo, determinar las interacciones entre
éstas, y establecer con precisión los alcances y limitaciones que aquel podría
llegar a tener.

Antes de concluir este paso es recomendable contar con la información suficiente

para lograr establecer un modelo conceptual o un mapa mental del sistema bajo
estudio, el cual debe incluir sus fronteras y todos los elementos que lo componen,
además de las interacciones entre ellos, los flujos de productos, las personas y los
recursos, así como las variables de mayor interés para el problema.

2- Generación del modelo de simulación base: Una vez que se ha definido el

sistema en términos de un modelo conceptual, la siguiente etapa del estudio
consiste en la generación de un modelo de simulación base. No es preciso que
este modelo sea demasiado detallado, pues se requiere mucha más información
estadística sobre el comportamiento de las variables de decisión del sistema. La
generación de este modelo es el primer reto para el programador de la simulación,
ya que debe traducir a un lenguaje de simulación la información que se obtuvo en
la etapa de definición del sistema, e incluir las interrelaciones de todos los posibles
subsistemas que existan en el problema a modelar. En caso de que se requiera
una animación, éste también es un buen momento para definir qué gráfico puede
representar mejor el sistema que se modela. Igual que ocurre en otras ramas de la

8
investigación de operaciones, “la simulación exige ciencia y arte en la generación
de sus modelos".

El realizador de un estudio de simulación es, en este sentido, como un artista que

debe usar toda su creatividad para realizar un buen modelo que refleje la realidad
del problema que se está analizando. Conforme se avanza en el modelo base se
pueden ir agregando las variables aleatorias del sistema, con sus respectivas
distribuciones de probabilidad asociadas.

3-Recolección y análisis de datos: Es posible comenzar la recopilación de la

información estadística de las variables aleatorias del modelo de manera paralela
a la generación del modelo base. En esta etapa se debe establecer qué
información es útil para la determinación de las distribuciones de probabilidad
asociadas a cada una de las variables aleatorias necesarias para la simulación.
Aunque en algunos casos se logra contar con datos estadísticos, suele suceder
que el formato de almacenamiento o de generación de reportes no es el apropiado
para facilitar el estudio. Por ello, es muy importante dedicar el tiempo suficiente a
esta actividad.

De no contar con la información requerida o en caso de desconfiar de la

disponible, será necesario realizar un estudio estadístico del comportamiento de la
variable que se desea identificar, para luego incluirla en el modelo.

4-Generacion del modelo preliminar: En esta etapa se integra la información

obtenida a partir del análisis de los datos, los supuestos del modelo y todos los
datos necesarios para crear un modelo lo más cercano posible a la realidad del
problema bajo estudio. En algunos casos — sobre todo cuando se trata del diseño
de un nuevo proceso o esquema de trabajo— no se cuenta con información
estadística, por lo que debe estimarse un rango de variación o determinar (con
ayuda del cliente) valores constantes que permitan realizar el modelado. Si éste es
el caso, el encargado de la simulación puede, con base en su experiencia, realizar
algunas sugerencias de distribuciones de probabilidad que comúnmente se
asocien al tipo de proceso que se desea incluir en el modelo.
9
Al finalizar esta etapa el modelo está listo para su primera prueba: su verificación
o, en otras palabras, la comparación con la realidad.

5-Verificación del modelo: Una vez que se han identificado las distribuciones de
probabilidad de las variables del modelo y se han implantado los supuestos
acordados, es necesario realizar un proceso de verificación de datos para
comprobar la propiedad de la programación del modelo, y comprobar que todos
los parámetros usados en la simulación funcionen correctamente. Ciertos
problemas, en especial aquellos que requieren muchas operaciones de
programación o que involucran distribuciones de probabilidad difíciles de
programar, pueden ocasionar que el comportamiento del sistema sea muy
diferente del que se esperaba.

Por otro lado, no se debe descartar la posibilidad de que ocurran errores

humanos al alimentar el modelo con la información. Incluso podría darse el caso
de que los supuestos iniciales hayan cambiado una o varias veces durante el
desarrollo del modelo. Por lo tanto, debemos asegurarnos de que el modelo que
se va a ejecutar esté basado en los más actuales. Una vez que se ha completado
la verificación, el modelo está listo para su comparación con la realidad del
problema que se está modelando. A esta etapa se le conoce también como
validación del modelo.

6-Validación del modelo: El proceso de validación del modelo consiste en

realizar una serie de pruebas simultáneas con información de entrada real para
observar su comportamiento y analizar sus resultados.

Si el problema bajo simulación involucra un proceso que se desea mejorar, el

modelo debe someterse a prueba con las condiciones actuales de operación, lo
que nos dará como resultado un comportamiento similar al que se presenta
realmente en nuestro proceso. Por otro lado, si se está diseñando un nuevo
proceso la validación resulta más complicada. Una manera de validar el modelo en
este caso, consiste en introducir algunos escenarios sugeridos por el cliente y
validar que el comportamiento sea congruente con las expectativas que se tienen
10
de acuerdo con la experiencia. Cualquiera que sea la situación, es importante que
el analista conozca bien el modelo, de manera que pueda justificar aquellos
comportamientos que sean contrarios a la experiencia de los especialistas que
participan en su validación.

7- Generación del modelo final: Una vez que el modelo se ha validado, el

analista está listo para realizar la simulación y estudiar el comportamiento del
proceso. En caso de que se desee comparar escenarios diferentes para un mismo
problema, éste será el modelo raíz; en tal situación, el siguiente paso es la
definición de los escenarios a analizar.

8-Determinación de los escenarios para el análisis: Tras validar el modelo es

necesario acordar con el cliente los escenarios que se quieren analizar. Una
manera muy sencilla de determinarlos consiste en utilizar un escenario pesimista,
uno optimista y uno intermedio para la variable de respuesta más importante. Sin
embargo, es preciso tomar en cuenta que no todas las variables se comportan
igual ante los cambios en los distintos escenarios, por lo que tal vez sea necesario
que más de una variable de respuesta se analice bajo las perspectivas pesimista,
optimista e intermedia.

El riesgo de esta situación radica en que el analista podría realizar un diseño de

experimentos capaz de generar una gran cantidad de réplicas, lo que redundaría
en un incremento considerable de costo, análisis y tiempo de simulación. Es por
ello que muchos paquetes de simulación cuentan con herramientas para realizar
este proceso, las cuales eliminan la animación y acortan los tiempos de
simulación. Estas herramientas permiten realizar varias réplicas del mismo
escenario para obtener resultados con estadísticas importantes respecto de la
toma de decisiones (por ejemplo, los intervalos de confianza).

9-Analisis de sensibilidad: Una vez que se obtienen los resultados de los

escenarios es importante realizar pruebas estadísticas que permitan comparar los
11
escenarios con los mejores resultados finales. Si dos de ellos tienen resultados
similares será necesario comparar sus intervalos de confianza respecto de la
variable de respuesta final. Si no hay intersección de intervalos podremos decir
con certeza estadística que los resultados no son iguales; sin embargo, si los
intervalos se sobreponen será imposible definir estadísticamente que una solución
es mejor que otra. Si se desea obtener un escenario "ganador", será necesario
realizar más réplicas de cada modelo y/o incrementar el tiempo de simulación de
cada corrida. Con ello se busca acortar los intervalos de confianza de las
soluciones finales y, por consiguiente, incrementar la probabilidad de diferenciar
las soluciones.

10-Documentacion del modelo, sugerencias y conclusiones: Una vez

realizado el análisis de los resultados, es necesario efectuar toda la
documentación del modelo. Esta documentación es muy importante, pues
permitirá el uso del modelo generado en caso de que se requieran ajustes futuros.
En ella se deben incluir los supuestos del modelo, las distribuciones asociadas a
sus variables, todos sus alcances y limitaciones y, en general, la totalidad de las
consideraciones de programación. También es importante incluir sugerencias
tanto respecto del uso del modelo como sobre los resultados obtenidos, con el
propósito de realizar un reporte más completo. Por último, deberán presentarse las
conclusiones del proyecto de simulación, a partir de las cuales es posible obtener
los reportes ejecutivos para la presentación final.

12
Ilustración. Gráfica de Gantt de un proyecto de simulación

CONCLUSIÓN

La simulación se utiliza en una amplia variedad de empresas, para ayudar a la

gerencia a tomar decisiones. Casi todas las empresas tienen problemas de
planificación y la simulación puede ayudar a resolverlos. Se utiliza más
frecuentemente para ayudar a la gerencia en los casos en que el problema no se
presta a soluciones rutinarias.

Así pues, la simulación ayuda a la gerencia a tomar decisiones; ofrece un método

mediante el cual se pueden probar los planes propuestos, antes de llevarlos a
cabo. Además, pueden ponerse de manifiesto los puntos débiles del negocio en la
estructura de la empresa. Por lo tanto, el propio proceso de representación
mediante modelos resulta frecuentemente beneficioso para el mismo.

FUENTES BIBLIOGRAFICAS

Dunna, E. G., Reyes, H. G., & Barrón, L. E. (2013). SIMULACIÓN Y ANÁLISIS DE

SISTEMAS CON PROMODEL. México: PEARSON.

13
Definición de sistema. (2018, 27 agosto). Recuperado 19 febrero, 2020, de
http://www.alegsa.com.ar/Dic/sistema.php

DEFINICION E IMPORTANCIA DE LA SIMULACIÓN EN LA INGENIERIA. (2011,

27 septiembre). 19 febrero, 2020, de https://villalana.wordpress.com/1-1-
definicion-e-importancia-de-la-simulacion-en-la-ingenieria/

Clasificación de los modelos de simulación - SIMULACION. (s.f.). 19 febrero,

2020, de https://sites.google.com/site/benjaminruiztadeo/home/unidad-
1/clasificacion-de-los-modelos-de-simulacion

Revisión de los conceptos de sistema y modelo. (s.f.). 19 febrero, 2020, de

http://simulacionequ5.blogspot.com/2017/01/1_31.html

14