Introducción a Simulación

Ing. César Fernández

 Resumen
◼ Cuando Simular (y cuando no)
◼ Ventajas y desventajas de Simulación
◼ Áreas de aplicación
◼ Componentes de un sistema
◼ Sistemas continuos y discretos
◼ Tipos de Modelos
◼ Conceptos en simulación de eventos
discretos 2
 Introducción
Qué es Simulación?
Banks:
"Una simulación es la imitación de la operación de un
proceso o sistema del mundo real a lo largo del tiempo".
Implica la generación de una historia artificial de un
sistema y la observación de esa historia artificial para
hacer inferencias"
Law & Kelton:
" En una simulación, usamos una computadora para
evaluar numéricamente un modelo (de un sistema) y se
recopilan datos para estimar las características deseadas
(y verdaderas) del modelo"
3
 Introducción
Específicamente
➢ Desarrollamos un modelo de algún sistema del mundo real que
(esperamos) represente las características esenciales de ese
sistema.
◼ No necesita representar exactamente el sistema, solo las partes
relevantes
➢ Usamos un programa (generalmente) para probar / analizar ese
modelo
◼ Eligiendo cuidadosamente la entrada y salida
➢ Utilizamos los resultados del programa para hacer algunas
deducciones sobre el sistema del mundo real.

4
 Cuándo Simular (y Cuándo No)
Si un modelo válido del sistema es suficientemente simple para
tener solución analítica y resultados exactos, no se debe simular
◼ Clave: válido … posible sólo para los sistemas más

sencillos
No use una simulación si es más fácil o más barato experimentar
directamente en un sistema real
No use una simulación si el sistema es demasiado complejo para
modelar correctamente y con precisión
 Cuándo Simular (y Cuándo No)
Cuando el sistema es complicado, se tiene la tentación de sobre-
simplificarlo para tener un modelo analíticamente tratable
◼ Ventaja: soluciones exactas, sin incertidumbre o ruido

◼ ¿Qué tan buena es una respuesta exacta con un modelo

equivocado? ¿Cómo medir qué tan “equivocado” es un

modelo?
◼ Solución del modelo (quizá no realista) vs. solución del

problema real
 Cuándo Simular (y Cuándo No)
Desventaja de la simulación (estocástica) – las respuestas son
estimaciones estadísticas con incertidumbre y ruido
◼ Los experimentos por simulación se diseñan y analizan

estadísticamente
◼ Se puede medir y reducir la incertidumbre a niveles tolerables

◼ Pero debemos ser conscientes y considerarla

Es mejor respuesta estimada y suficientemente precisa con modelo

correcto, que respuesta exacta con modelo incorrecto
◼ Se esperan pequeñas variaciones estadísticas con diferentes

versiones del mismo software

◼ Aun con modelos estocásticos, deben obtenerse los

mismos resultados con múltiples repeticiones y la misma

versión
 Cuándo Simular (y Cuándo No)
Simulamos, cuando por ejemplo, la NASA quiere saber si el daño en
el transbordador espacial lo amenazará al volver a entrar a la
atmósfera:
◼ Si esperan hasta el reingreso para emitir un juicio, ya es
demasiado tarde.
◼ En este caso no es factible hacer la prueba del mundo real

Podemos simular para verificar la solución analítica

Simular diferentes capacidades para una máquina puede ayudar a
determinar sus requerimientos
 Ventajas y Desventajas de
Simulación
Ventajas:
◼ Una vez construido, el modelo puede ser modificado de

manera rápida con el fin de analizar diferentes políticas o

escenarios.
◼ Es más económico mejorar el sistema vía simulación.

◼ Es posible analizar sistemas complejos o con mayor detalle.

◼ En algunos casos la simulación es el único medio para

lograr la solución.
◼ Se puede realizar un análisis de cuello de botella para

descubrir dónde se retrasa excesivamente el trabajo en

proceso (WIP), la información, los materiales, etc.
 Ventajas y Desventajas de
Simulación
Desventajas:
◼ Los modelos de simulación son costosos y requieren mucho
tiempo para desarrollarse y validarse
◼ Se requiere gran cantidad de corridas computacionales
para encontrar “soluciones óptimas”.
◼ Es difícil aceptar los modelos de simulación

◼ La construcción de modelos requiere capacitación especial.

Es un arte que se aprende con el tiempo y a través de la

experiencia.
◼ Si dos modelos son construidos por individuos competentes

diferentes, pueden tener similitudes, pero es muy poco

probable que sean iguales
 Áreas de Aplicación
➢ Aplicaciones de Manufactura
➢ Aplicaciones de negocio (business processes
modeling)
➢ Ingeniería de construcción y gestión de proyectos
➢ Logística, transporte y distribución (Supply Chain
Management)
➢ Aplicaciones militares
➢ Medicina
➢ Industria 4.0
 Componentes de un Sistema
➢ Entidades: Objetos de interés dentro de un
sistema. Típicamente "activo" de alguna manera
➢ Ej: clientes, empleados, dispositivos, máquinas, etc.
➢ Atributos: Es una propiedad de la entidad, que
utiliza los atributos para almacenar información.
➢ Ej: Para el cliente: artículos comprados, factura total
➢ Actividades: Representa un período de tiempo
de una longitud especificada, la entidad puede
realizar actividades mientras está en el sistema
➢ Ej: Para el cliente: compras, pago de factura
 Componentes de un Sistema
Por ejemplo, Si se está estudiando un banco, los
clientes podrían ser una de las entidades, el saldo en
sus cuentas corrientes podría ser el atributo y los
depósitos podrían ser una actividad.

➢ Estado del Sistema: Se define como la colección

de variables necesarias para describir el sistema
en cualquier momento, en relación con los
objetivos del estudio.
 Componentes de un Sistema
➢ Evento: Se define como una ocurrencia
instantánea que podría cambiar el estado del
sistema
➢ Ej: un cliente llega a una tienda
➢ Definiciones adicionales:
➢ El término endógeno se usa para describir la
ocurrencia de actividades y eventos dentro del sistema.
➢ Ejemplo: el cliente pasa de comprar a la salida
➢ El término exógeno se usa para describir actividades y
eventos en del ambiente que afectan al sistema.
➢ Ej: el cliente entra o sale de la tienda
 Componentes de un Sistema
Sistema Entidad Atributo Actividad Evento Variable
de Estado
Banco Clientes saldo de Hacer llegada; Número de
cuenta depósito salida cajeros
corriente ocupados;
número de
clientes
esperando
Producción Maquinaria Velocidad; Soldadura; Falla Estado de
capacidad estampado los equipos
(ocupado,
inactivo)
 Componentes de un Sistema
Sistema Entidad Atributo Actividad Evento Variable
de Estado
Comunicacio Mensajes Longitud; Transmisión Llegada al número
nes destino destino esperando
ser
transmitido
Inventario Bodega Capacidad Retiro Demanda Niveles de
inventario;
demanda
atrasada
 Sistemas Continuos y
Discretos
➢ Sistema Discreto: es uno en el que las variables
de estado cambian solo en un conjunto discreto de
puntos en el tiempo.
➢ Ej. Número de clientes en cola, estado de un servidor
(ocupado, libre, falla)
➢ Sistema Continuo: es uno en el que las
variables de estado cambian continuamente con el
tiempo. Normalmente descrito por ecuaciones
diferenciales que se resuelven numéricamente.
➢ Ej. Presión en un tanque, temperatura en un horno,
flujo de un fluido
 Tipos de Modelos
Físicos y Matemáticos:
➢ Modelo Físico: Es una representación física del

sistema (a menudo reducida) que se construye

realmente. Las pruebas se ejecutan en el modelo y
los resultados se utilizan para tomar decisiones
sobre el sistema.
➢ Ej: Desarrollo de la "bomba de rebote" en la Segunda
Guerra Mundial
Tipos de Modelos
 Tipos de Modelos
Físicos y Matemáticos:
➢ Modelo Matemático: Representar el sistema

utilizando relaciones lógicas y matemáticas.

➢ Ejemplo simple: 𝑑 = 𝑣𝑜𝑡 + ½ 𝑎𝑡
2

➢ Esta ecuación se puede usar para predecir la distancia

recorrida por un objeto en el tiempo t.
➢ Sin embargo, ¿la aceleración siempre será la misma?
➢ A menudo, este modelo es bastante complejo y
está definido por las entidades y los eventos.
 Tipos de Modelos
Estáticos y Dinámicos:
➢ Estático: Paso del tiempo no tiene un papel activo

o significativo en la ejecución del modelo; a

menudo se puede hacer en hojas de cálculo.
También se le conoce como simulación de Monte
Carlo.
➢ Dinámico: Representan sistemas a medida que

cambian con el tiempo. El paso del tiempo es

esencial y explícito en la ejecución del modelo; casi
nunca se hace en hojas de cálculo, excepto para
modelos muy sencillos
 Tipos de Modelos
Determinísticos y Estocásticos:
➢ Determinístico: Las entradas a la simulación son

valores conocidos. No se utilizan variables

aleatorias. Este tipo de modelos tienen un conjunto
conocido de entradas, que dará como resultado un
conjunto único de salidas.
➢ Ej: Las llegadas de los clientes a una tienda se controlan
durante un período de días y los tiempos de llegada se
utilizan como entrada para la simulación.
 Tipos de Modelos
Determinísticos y Estocásticos:
➢ Estocástico: Se usan una o más variables aleatorias

en la simulación. Los resultados solo pueden

interpretarse como estimaciones del verdadero
comportamiento del sistema ya que entradas
aleatorias conducen a salidas aleatorias.
➢ La calidad de la simulación depende en gran medida de
la aproximación a la realidad de la distribución aleatoria
de datos.
➢ Diferentes situaciones pueden requerir diferentes
distribuciones
 Conceptos en simulación de
eventos discretos
Vamos a trabajar principalmente con sistemas
dinámicos y estocásticos que cambian de
manera discreta.
Aquí vamos a expandirnos en estos conceptos
y proponer un marco para el desarrollo de un
modelo de eventos discretos de un sistema.
 Conceptos en simulación de
eventos discretos
➢ Sistema: Una colección de entidades (por ejemplo,
personas y máquinas) que interactúan juntas a lo largo
del tiempo para lograr uno o más objetivos.
➢ Modelo: Una representación abstracta de un sistema,
que generalmente contiene relaciones estructurales,
lógicas o matemáticas que describen un sistema en
términos de estado, entidades y sus atributos,
conjuntos, procesos, eventos, actividades y retrasos.
➢ Estado del Sistema: Una colección de variables que
contienen toda la información necesaria para describir
el sistema en cualquier momento
 Conceptos en simulación de
eventos discretos
➢ Entidad: cualquier objeto o componente en el sistema
que requiera una representación explícita en el modelo
(por ejemplo, un servidor, un cliente, una máquina).
➢ Atributos: Las propiedades de una entidad determinada
(por ejemplo, la prioridad de un cliente en espera, el
enrutamiento de un trabajo a través de una tienda de
trabajo).
➢ Lista (colas): una colección de entidades asociadas
(permanente o temporalmente), ordenadas de manera
lógica.
 Conceptos en simulación de
eventos discretos
➢ Evento: una ocurrencia instantánea que cambia el
estado de un sistema (como la llegada de un nuevo
cliente).
➢ Aviso de evento: un registro de un evento que ocurrirá
en el momento actual o futuro, junto con cualquier dato
asociado necesario para ejecutar el evento; como
mínimo, el registro incluye el tipo de evento y la hora
del evento.
➢ Lista de eventos: una lista de avisos de eventos para
eventos futuros, ordenados por hora de ocurrencia;
también conocida como la lista de eventos futuros (FEL)
 Conceptos en simulación de
eventos discretos
➢ Actividad: una duración de tiempo de longitud
especificada (por ejemplo, un tiempo de servicio o
tiempo entre llegadas), que se conoce cuando comienza
(aunque puede definirse en términos de una
distribución estadística).
➢ Retraso (delay): una duración de tiempo indefinida, no
especificada, que no se conoce hasta que finaliza (por
ejemplo, el retraso de un cliente en una línea de espera
de último en entrar, primero en salir que, cuando
comienza, depende de las llegadas futuras).
➢ Reloj: una variable que representa el tiempo simulado
 Conceptos en simulación de
eventos discretos
Ejemplo: Call Center, considere un call center atendido
por Able y Baker un modelo de evento discreto que tiene
los siguientes componentes:
➢ Estado del sistema:

➢ 𝐿𝑄 𝑡 , la cantidad de llamadas que esperan ser atendidas

en el tiempo t.
➢ 𝐿𝐴 𝑡 , 0 o 1 para indicar que Able está inactivo u ocupado
en el tiempo t.
➢ 𝐿𝐵 𝑡 , 0 o 1 para indicar que Baker está inactivo u
ocupado en el tiempo t.
 Conceptos en simulación de
eventos discretos
➢ Entidades:
➢ Ni las personas que llaman ni los servidores deben estar
representados explícitamente, excepto en términos de las
variables de estado, a menos que se consideren ciertos
promedios de llamadas.
➢ Eventos:
➢ Evento de llegada
➢ Finalización del servicio por parte de Able
➢ Finalización del servicio por parte de Baker
 Conceptos en simulación de
eventos discretos
➢ Actividades:
➢ Tiempo entre llegadas
➢ Tiempo de servicio por Able
➢ Tiempo de servicio por Baker.
➢ Delay:
➢ La persona que llama y tiene que esperar en la cola hasta
que Able o Baker se liberen
 Proceso de Simulación
Establezca Objetivos
Determine Partes Interesadas Experimentación

Especificación de Funciones Reporte de Resultados

Prototipo Implementación

Construcción del Modelo

Colección de Datos de Entrada

Validación y Verificación