SIMULACIN

TEMA 12.- CONCEPTOS BSICOS.

12.1. Introduccin.
12.2. Clasificacin de sistemas.
12.3. Clasificacin de modelos.
12.4. Modelos de simulacin de eventos discretos.
12.5. El proyecto de simulacin.
12.6. Ventajas y desventajas de la simulacin.
12.7. Aplicaciones empresariales de la simulacin.
12.8. El Programa de Simulacin ARENA.

12.1. Introduccin.
La simulacin digital es una tcnica que permite imitar (o
simular) en un ordenador el comportamiento de un sistema fsico
o terico segn ciertas condiciones particulares de operacin.
El uso de la simulacin como metodologa de trabajo es una
actividad muy antigua, y podra decirse que inherente al proceso
de aprendizaje del ser humano.
Para poder comprender la realidad y toda la complejidad que un
sistema puede conllevar, ha sido necesario construir
artificialmente objetos y experimentar con ellos dinmicamente
antes de interactuar con el sistema real.
La simulacin digital puede verse como el equivalente electrnico
a este tipo de experimentacin.

12.2. Clasificacin de sistemas.

Un sistema puede definirse como una coleccin de objetos o
entidades que interactan entre s para alcanzar un cierto
objetivo.
Estado de un sistema: conjunto mnimo de variables necesarias
para caracterizar o describir todos aquellos aspectos de inters
del sistema en un cierto instante de tiempo. A estas variables las
denominaremos variables de estado.
Atendiendo a la relacin entre la evolucin de las propiedades de
inters y la variable independiente tiempo, los sistemas se
clasifican en:
.
Sistemas Continuos: Las
variables del estado del
sistema evolucionan de
modo continuo a lo largo
del tiempo.

Figura 12.1. Ejemplo de sistema continuo.

Figura 12.2. Evolucin de una variable de un sistema continuo.

 Sistemas Discretos. Se caracterizan porque las propiedades

de inters del sistema cambian nicamente en un cierto
instante o secuencia de instantes, y permanecen constantes
el resto del tiempo. La secuencia de instantes en los cuales
el estado del sistema puede presentar un cambio, obedece
normalmente a un patrn peridico (figura 12.3).

Figura 12.3. Evolucin de una variable de

un sistema discreto.

Sistemas orientados a eventos discretos. Al igual que los

sistemas discretos, se caracterizan porque las propiedades de
inters del sistema cambian nicamente en una secuencia de
instantes de tiempo permaneciendo constantes el resto del
tiempo. La secuencia de instantes en los cuales el estado del
sistema puede presentar un cambio, obedece a un patrn
aleatorio (figura 12.4).

Figura 12.4. Evolucin de una variable de un

sistema orientado a eventos discretos.

 Sistemas combinados. Aquellos que combinan subsistemas

que siguen filosofas continuas o discretas, respectivamente.
Es el caso de los sistemas que poseen componentes que
deben ser necesariamente modelados segn alguno de
dichos enfoques especficos.

12.3. Clasificacin de modelos.

La descripcin de las caractersticas de inters de un sistema se
conoce como modelo del sistema, y el proceso de abstraccin
para obtener esta descripcin se conoce como modelado.
Existen muchos tipos de modelos (modelos fsicos, modelos
mentales, modelos simblicos) para representar los sistemas en
estudio. Utilizaremos modelos simblicos matemticos como
herramienta para representar las dinmicas de inters de cualquier
sistema en un entorno de simulacin digital.
Los modelos simblicos matemticos mapean las relaciones
existentes entre las propiedades fsicas del sistema que se
pretende modelar en las correspondientes estructuras
matemticas. El tipo de formalizacin matemtica que se utilice
va a depender de las caractersticas intrnsecas de las dinmicas
de inters que se quieran representar.
La descripcin en trminos matemticos de un sistema real no es
una metodologa de trabajo propia de la simulacin digital, sino
que es inherente a la mayora de las tcnicas que se utilizan para
solventar cualquier tipo de problema, las cuales suelen seguir
unas pautas que, de modo general, se pueden resumir en:

Reconocimiento del problema.

Formulacin del modelo matemtico.
Solucin del problema matemtico.
Interpretacin de los resultados matemticos en el contexto
del problema real.

Consideraciones que se deben tener en cuenta para garantizar una

representacin eficiente del sistema real:
Un modelo se desarrolla siempre a partir de una serie de
aproximaciones e hiptesis y, consecuentemente, representa
tan slo parcialmente la realidad.
Un modelo se construye para una finalidad especfica y debe
ser formulado para que sea til a dicho fin.
Un modelo tiene que ser por necesidad un compromiso entre
la simplicidad y la necesidad de recoger todos los aspectos
esenciales del sistema en estudio.
Un buen modelo debe:
Representar adecuadamente aquellas caractersticas del
sistema que son de nuestro inters.
Ser una representacin abstracta de la realidad lo
suficientemente sencilla como para facilitar su
mantenimiento, adaptacin y reutilizacin.
Modelos Estticos frente a Modelos Dinmicos
Los Modelos Estticos suelen utilizarse para representar el
sistema en un cierto instante de tiempo; por tanto, en su
formulacin no se considera el avance del tiempo.
STOCK = Stock inicial + Material entrada Material consumido
Los Modelos Dinmicos permiten deducir cmo las variables de
inters del sistema en estudio evolucionan con el tiempo.
Evolucin del STOCK = Flujo de entrada Flujo de salida

dS
= Fi ( t ) Fo ( t )
dt

S( k + 1 ) = S( k ) + Fi ( k ) Fo ( k )

Modelos Deterministas respecto a Modelos Estocsticos.

Un modelo se denomina Determinista si su nuevo estado puede
ser completamente definido a partir del estado previo y de sus
entradas. Es decir, ofrece un nico conjunto de valores de salida
para un conjunto de entradas conocidas.
Los Modelos Estocsticos requieren de una o ms variables
aleatorias para formalizar las dinmicas de inters. En
consecuencia, el modelo no genera un nico conjunto de salidas
cuando es utilizado para realizar un experimento, sino que los
resultados son utilizados para estimar el comportamiento real del
sistema.

Modelos Continuos frente a Modelos Discretos.

Los Modelos Continuos se caracterizan por representar la
evolucin de las variables de inters de forma continua. En
general suelen utilizarse ecuaciones diferenciales ordinarias si se
considera simplemente la evolucin de una propiedad respecto al
tiempo, o bien ecuaciones en derivadas parciales si se considera
tambin la evolucin respecto a otras variables adicionales.
De modo anlogo a la definicin de los modelos continuos, los
Modelos Discretos se caracterizan por representar la evolucin de
las variables de inters de forma discreta.

12.4. Modelos de simulacin de eventos discretos.

Los Modelos de Eventos Discretos son modelos dinmicos,
estocsticos y discretos en los que las variables de estado cambian
de valor en instantes no peridicos del tiempo. Estos instantes de
tiempo se corresponden con la ocurrencia de un evento.
Un evento se define como una accin instantnea que puede
cambiar el estado de un modelo.
RECEPCIN
DE RDENES

PROCESADO
DE RDENES

En promedio se reciben
10 rdenes al da:
- Ordinarias (40%)
- Prioritarias (60%)

EXPEDICIN

Tiempo de proceso:
- Ordinarias (2 horas)
- Prioritarias (4 horas)

Figura 12.5. Esquema del procesado de rdenes.

Los parmetros ms significativos del sistema son:

Hay 4 trabajadores por cada turno diario de 8 horas.
Se trabaja desde las 9 de la maana hasta las 5 de la tarde.
No obstante, la jornada laboral se alarga si no ha sido
posible expedir todas las rdenes recibidas a lo largo del da.
Slo se aceptan rdenes hasta las 13 horas.
En promedio, se reciben 10 rdenes cada da.
Hay dos tipos de rdenes, las ordinarias (el 40%) y las
prioritarias (el 60% restante).
En promedio, una orden prioritaria requiere 4 horas de
proceso, mientras que una ordinaria slo 2 horas.

12.4.1. Simulacin del Modelo Esttico.

rdenes
horas
horas
2
=8
da
orden
da
rdenes
horas
horas
4
= 24
rdenes prioritarias = 6
da
orden
da
rdenes ordinarias = 4

horas
da
trabajador es
horas
horas
8
= 32
capacidad disponible = 4
da
trabajador
da
capacidad necesaria = 8 + 24 = 32

porcentaje de utilizacin =

capacidad necesaria
32
100 =
100 = 100%
capacidad disponible
32

12.4.2. Simulacin Manual del Modelo Orientado a Eventos Discretos.

Orden es
expedida
llegada de
una orden

NO
NO

4 trabajadores
ocupados

SI

SI
Trabajador
en espera
de rdenes

Se inicia el
proceso de
la orden

Hay rdenes
En la cola

Quitar una
orden de
la cola

La orden
entra
en cola

Figura 12.6. Diagrama de flujo del evento de

llegada de una orden.

Se inicia el
proceso de
la orden

Figura 12.7. Diagrama de flujo del evento de

expedicin de una orden.

rdenes /
Hora
1
2
3
4

Tabla 12.1. Distribucin de probabilidades.

Probabilidad
Probabilidad
Nmeros
(%)
Acumulada
Aleatorios
40
40
00 39
30
70
40 69
20
90
70 89
10
100
90 99

Tipo de
Orden
Ordinaria
Prioritaria

Tabla 12.2. Distribucin de probabilidades.

Probabilidad
Probabilidad
Nmeros
(%)
Acumulada
Aleatorios
40
40
00 39
60
100
40 99

Tabla 12.3. Resumen de la simulacin del proceso de llegada de rdenes.

Nmero Nmero de Numero
Tipo de
Hora
Aleatorio
llegadas
Aleatorio
orden
9 horas
54
2
02
Ordinaria
38
Ordinaria
10 horas
12
1
11
Ordinaria
11 horas
36
1
78
Prioritaria
12 horas
60
2
21
Ordinaria
47
Prioritaria
13 horas
90
4
92
Prioritaria
50
Prioritaria
82
Prioritaria
44
Prioritaria

10

11

12

13

14

15

16

17

18

Figura 12.8. Diagrama de la simulacin manual.

19

20

Tabla 12.4. Tabla de la simulacin manual del procesado de rdenes.

Nmero Tipo de
Tipo de Nmero Nmero en Tiempo Tiempo en
Hora
de orden orden
evento
en cola
sistema
en cola el sistema
9
1
Ordinaria Llegada
0
1
9
2
Ordinaria Llegada
0
2
10
3
Ordinaria Llegada
0
3
11
1
Ordinaria Expedicin
0
2
2 h.
11
2
Ordinaria Expedicin
0
1
2 h.
11
4
Prioritaria Llegada
0
2
12
3
Ordinaria Expedicin
0
1
2 h.
12
5
Ordinaria Llegada
0
2
12
6
Prioritaria Llegada
0
3
13
7
Prioritaria Llegada
0
4
13
8
Prioritaria Llegada
1
5
13
9
Prioritaria Llegada
2
6
13
10
Prioritaria Llegada
3
7
14
5
Ordinaria Expedicin
2
6
2 h.
15
4
Prioritaria Expedicin
1
5
4 h.
16
6
Prioritaria Expedicin
0
4
4 h.
17
7
Prioritaria Expedicin
0
3
4 h.
19
8
Prioritaria Expedicin
0
2
1 h.
5 h.
19
9
Prioritaria Expedicin
0
1
2 h.
6 h.
20
10
Prioritaria Expedicin
0
0
3 h.
7 h.

tiempo de ciclo promedio para rdenes ordinarias =

tiempo de ciclo promedio para rdenes prioritarias =

tiempo promedio en la cola =

2 + 2 + 2 + 2 horas
horas
=2
4 rdenes
orden

4 + 4 + 4 + 5 + 6 + 7 horas
horas
=5
6 rdenes
orden

0 + 0 + 0 + 0 + 0 + 0 + 0 + 1 + 2 + 3 horas
horas
= 0 ,6
10 rdenes
orden

tiempo mximo en la cola = 3 horas

nivel de servicio promedio =

7 rdenes a tiempo
100 = 70%
10 rdenes

3 trabajadores han tenido que trabajar un total de 6 horas extras para completar las
rdenes

12.4.3. Simulacin digital mediante un lenguaje de propsito general.

12.4.4. Simulacin mediante un Entorno de Simulacin.

Figura 12.9. Interfaz grfico de modelado en el simulador Arena.

12.5. El proyecto de simulacin.

Tabla 12.5. Etapas de un proyecto de simulacin.

Etapa
Descripcin
Formulacin del problema. Define el problema que se pretende estudiar. Incluye por
escrito sus objetivos.
Diseo del modelo
Especificacin del modelo a partir de las caractersticas de
conceptual.
los elementos del sistema que se quiere estudiar y sus
interacciones teniendo en cuenta los objetivos del problema.
Recogida de datos.
Identificar, recoger y analizar los datos necesarios para el
estudio.
Construccin del modelo. Construccin del modelo de simulacin partiendo del
modelo conceptual y de los datos.
Verificacin y validacin. Comprobar que el modelo se comporta como es de esperar
y que existe la correspondencia adecuada entre el sistema
real y el modelo.
Anlisis.
Analizar los resultados de la simulacin con la finalidad de
detectar problemas y recomendar mejoras o soluciones.
Documentacin.
Proporcionar documentacin sobre el trabajo efectuado.
Implementacin.
Poner en prctica las decisiones efectuadas con el apoyo del
estudio de simulacin.

12.6. Ventajas y desventajas de la simulacin.

Permite analizar el efecto sobre el rendimiento global de un

sistema, de pequeos cambios realizados en una o varias de
sus componentes
A partir de la experimentacin con un modelo, es posible
analizar los efectos sobre el sistema real de cambios
organizativos, o de cambios en la gestin de la informacin.
El anlisis del modelo del sistema puede permitir la
sugerencia de posibles mejoras del sistema real, as como
detectar las variables ms influyentes en el rendimiento del
mismo.
Permite la experimentacin en condiciones que podran ser
peligrosas o de elevado coste econmico en el sistema real.
La simulacin suele ser utilizada tambin con una
perspectiva pedaggica para ilustrar y facilitar la
comprensin de los resultados que se obtienen mediante la
tcnicas analticas.

En resumen:
Permite responder muy satisfactoriamente a preguntas del
tipo qu ocurrira si realizamos este cambio en ...
Contribuye a la reduccin del riesgo inherente a la toma de
decisiones.
Inconvenientes:
1. Soluciones no exactas.
2. Existe el riesgo de tomar malas decisiones basadas en
modelos de simulacin que no han sido validados y
verificados adecuadamente.

12.7. Aplicaciones empresariales de la simulacin.

Procesos de fabricacin. Fue una de las primeras reas
beneficiadas por estas tcnicas. La simulacin se emplea tanto
para el diseo como para la ayuda a la toma de decisiones
operacionales.

Figura 12.10. Ejemplos de modelos de simulacin para el anlisis y

mejora de procesos productivos.

Logstica. La simulacin contribuye de forma significativa a la

mejora de los procesos logsticos en general. Dentro de esta rea,
se incluye tanto una cadena completa de suministros, como la
gestin de inventarios de un almacn.

Figura 12.11. Ejemplos de aplicacin de la simulacin a procesos logsticos.

Transporte.

Figura 12.12. Aplicacin de la simulacin en el campo del transporte.

Sanidad. Se emplea tanto para la mejora de un departamento

hospitalario, como en la logstica asociada a los transplantes o a
la coordinacin mdica de una regin.

Figura 12.13. Aplicacin al servicio de emergencias de un hospital.

Negocios (Business Processing). Simulacin de los procesos

administrativos y de negocio de una empresa. En esta rea estn
teniendo mucho xito los juegos de empresa en los que a travs de
la simulacin de los efectos de las decisiones que se van tomando
se puede entrenar a los directivos.

Figura 12.14. Aplicaciones en el campo de la simulacin de negocios.

Servicios en general. Servicios pblicos, gestin de restaurantes,

banca, empresas de seguros, etc.

Figura 12.15. Simulacin de un banco y de un pequeo supermercado.

12.8. El Programa de Simulacin ARENA.

En este apartado se har un breve resumen de los mtodos de
modelado de sistemas aplicando el programa de simulacin
ARENA (de Systems Modeling Corporation, www.sm.com).
Utilizando ejemplos sencillos, se ir haciendo un recorrido por las
posibilidades del programa para simular cualquier tipo de sistema.
Elementos de un modelo de ARENA.
Entidades. La mayora de las simulaciones incluyen
entidades que se mueven a travs del modelo, cambian de
estado, afectan y son afectadas por otras entidades y por el estado
del sistema, y afectan a las medidas de eficiencia. Son los
elementos dinmicos del modelo, habitual mente se crean, se
mueven por el modelo durante un tiempo y finalmente abandonan
el modelo. En un proceso sencillo de fabricacin, como el que
analizamos en el primer ejemplo, las entidades sern las piezas que
son creadas, pasan a la cola si la mquina que debe procesarlas est
ocupada, entran en la mquina cuando sta queda libre, y
abandonan el sistema cuando salen de la mquina. En este caso
slo habr un tipo de entidades (aunque puede haber
simultneamente varias copias de la entidad circulando por el
diagrama), pero en un caso general podra haber muchos tipos de
entidades distintas (y muchas copias de cada una de ellas), que
representaran distintos tipos de piezas, de diferentes
caractersticas, prioridades, rutas, etc.
Atributos. Para individualizar cada entidad, se le pueden unir
distintos atributos. Un atributo es una caracterstica de todas las
entidades, pero con un valor especfico que puede diferir de una
entidad a otra. Por ejemplo, en el primer ejemplo, nuestras
entidades (piezas), podran tener unos atributos denominados Hora
de Llegada, Fecha de Entrega, Prioridad y Color para indicar esas
caractersticas para cada entidad individual. Arena hace un
seguimiento de algunos atributos de manera automtica, pero ser

necesario definir, asignar valores, cambiar y usar atributos

especficos, en cada sistema que se desee simular.
Variables (Globales). Una variable es un fragmento de
informacin que refleja alguna caracterstica del sistema,
independientemente de las entidades que se muevan por el modelo.
Se pueden tener muy diferentes variables en un modelo, pero cada
una es nica. Existen dos tipos de variables: las variables
prefijadas de Arena (nmero de unidades en una cola, nmero de
unidades ocupadas de un recurso, tiempo de simulacin, etc.) y las
variables definibles por en usuario (nmero de unidades en el
sistema, turno de trabajo, etc.) Contrariamente a los atributos, las
variables no estn unidas a ninguna entidad en particular, sino que
pertenecen al sistema en su conjunto. Las entidades pueden variar
el valor de las variables en algn momento, por ejemplo, la
variable Nmero de Unidades en el Sistema cambiar de valor
cuando se crea o se elimina una entidad.
Recursos. Las entidades compiten por ser servidas por
recursos que representan cosas como personal, equipo, espacio en
un almacn de tamao limitado, etc. Una o varias unidades de un
recurso libre son asignadas a una entidad, y son liberadas cuando
terminan su trabajo. Una entidad podra recibir simultneamente
servicio de varios recursos (por ejemplo una mquina y un
operario)
Colas. Cuando una entidad no puede continuar su
movimiento a travs del modelo, a menudo porque necesita un
recurso que est ocupado, necesita un espacio donde esperar que le
recurso quede libre, sta es la funcin de las colas. En Arena, cada
cola tendr un nombre y podra tener una capacidad para
representar, por ejemplo, un espacio limitado de almacenamiento.
Acumuladores de estadsticas. Para obtener las medidas de
eficiencia finales, podra ser conveniente hacer un seguimiento de
algunas variables intermedias en las que se calculan estadsticas,
por ejemplo: el nmero total de piezas producidas, el tiempo total
consumido en la cola, el nmero de unidades que han pasado por la

cola (necesitaremos este valor para calcular el tiempo medio en

cola), el mayor tiempo invertido en la cola por una entidad, el
tiempo total en el sistema (en cola ms procesado), el mayor
tiempo consumido en el sistema por una entidad, etc. Todos estos
acumuladores deberan ser inicializados a 0, y cuando sucede
algn hecho en el sistema, se tendrn que actualizar los
acumuladores afectados.
Eventos. Un evento es algo que sucede en un instante
determinado de tiempo en la simulacin, que podra hacer cambiar
los atributos, variables, o acumuladores de estadsticas. En nuestro
ejemplo sencillo, slo hay tres tipos de eventos: Llegada de una
nueva pieza al sistema, Salida de una pieza del sistema cuando
finaliza el tiempo de procesado en la mquina, y Final de la
simulacin, cuando se cumple el tiempo previsto.
Reloj de la Simulacin. El valor del tiempo transcurrido, se
almacena en una variable denominada Reloj de Simulacin. Este
reloj ir avanzando de evento en evento, ya que al no cambiar nada
entre eventos, no es necesario gastar tiempo llegando de uno a
otro.

Ejemplo de modelado de un sistema sencillo

Para introducir los conceptos fundamentales de la metodologa de
simulacin con Arena, vamos a modelar un sistema simple: Se
trata de un sencillo sistema de atencin al pblico. Los clientes
llegan a la instalacin, si el servidor est ocupado atendiendo a otro
cliente, el que acaba de llegar se une a la cola. Si, por el contrario,
el servidor est libre, el cliente pasa inmediatamente a ser atendido.
Cuando el servidor acaba la atencin a un cliente, comenzar a
servir al que estuviera en la primera posicin de la cola, y si un
hubiera nadie, quedara desocupado.

Servidor

Clientes en Cola
Cliente atendido

Vamos a suponer que los clientes llegan al sistema segn una

distribucin exponencial de media 5 minutos; el tiempo que el
servidor emplea en atender a un cliente se distribuye segn una
funcin triangular de tiempo mnimo 1 minuto, modal 4 y mximo
8 minutos. Haremos una simulacin de 15 minutos y calcularemos:
El nmero total de clientes atendidos
El valor medio del tiempo de espera en la cola. Si Di es el
tiempo que pas en la cola el i-simo cliente, y N es el
nmero de clientes que pasaron por la cola, el valor medio
buscado ser:
N

i =1

En Arena, este tipo de estadsticas se denominan Tally

Statistics, debido a que el valor de la estadstica se va
calculando al mismo tiempo que las entidades van pasando
por el punto donde se calcula.
El valor ms alto del tiempo de espera en la cola.
El nmero medio de clientes esperando en la cola. Este valor
se calcula como la media ponderada de las posibles
longitudes de la cola (0, 1, 2, ... ), ponderada por la
proporcin de tiempo de simulacin que en la cola haba ese
nmero de clientes. Si llamamos Q(t) al nmero de clientes
en la cola en cualquier momento t, el valor medio buscado
ser el rea bajo la curva, dividido por la longitud de la
simulacin 15.

15

Q(t )
0

15
15

Este tipo de estadsticas persistentes en el tiempo (TimePersistent Variable) son comunes en simulacin. sta indica
el nmero medio en la cola, lo que puede ser interesante para
asignar el espacio adecuado.
El mximo nmero de clientes que ha habido en la cola en un
momento determinado.
Los valores medio y mximo del tiempo que un cliente
permanece en el sistema (en la cola ms siendo atendido). El
valor medio ser una estadstica de tipo Tally.
La utilizacin del servidor, definida como el porcentaje del
tiempo en que el servidor est ocupado. Se trata de otra
estadstica persistente en el tiempo, en este caso la funcin
B(t) solo puede tomar dos valores 0, cuando el servidor est
libre y 1 cuando est ocupado.
15

B(t )
0

15

15

Para modelar el sistema con Arena, se irn arrastrando los mdulos

adecuados al diagrama. En primer lugar se coger el modulo
Arrive con el que se modelar el proceso de llegada de los
clientes al sistema. Haciendo doble clic sobre el dibujo del
mdulo aparecer una ventana en la que se introducirn los datos
relativos a la llegada de los clientes al sistema:
Enter Data
Station

Llegada

Arrival Data
Time Between
Mark Time Attribute

EXPO(5)
Tiempo de llegada

Leave Data
Connect

Seleccionar

Para similar el proceso de

servicio, se arrastrar el mdulo
Server al diagrama (si se seleccion
la opcin Connect en el mdulo
anterior, el servidor aparecer ya conectado al mdulo de llegada).
Haciendo doble clic en el smbolo del servidor se podrn introducir
las caractersticas del proceso de atencin a los clientes:
Enter Data
Station

Atencin al cliente

Arrival Data
Process Time TRIA(1,4,8)
Leave Data
Connect

Seleccionar

Para modelar el proceso

de salida del sistema se
escoger el mdulo Depart,
en el que se introducirn los
datos relativos al proceso de
salida de los clientes de la instalacin, adems de algunas de las
estadsticas que se recopilarn:

Enter Data
Station

Salida

Count
Individual Counter
Counter Clientes atendidos
Tally
Individual Tally
Tally
Tiempo en Sistema
Attribute Tiempo de llegada

Las caractersticas de la simulacin

se introducen en el mdulo Simulate:

Project
Title
Analyst
Date
Replicate
Length of Replication

Sistema Sencillo
Yo
10-10-1962

15

Utilizando dos mdulos Animate aadiremos dos grficos,

que nos proporcionarn informacin sobre el nmero de clientes en
la cola y la ocupacin del servidor.

Por ltimo, se puede aadir el ttulo SISTEMA

SENCILLO, para identificar el modelo. De esta manera, el
modelo esta listo para ser ejecutado.

EJEMPLO 1: SIMULACIN DE PROCESOS

DE SERVICIO CON ARENA
El Banco Nacional de Occidente piensa abrir una ventanilla de
servicio en automvil para servicio a los clientes. La gerencia
estima que los clientes llegarn a una tasa de 15 por hora. El
cajero que estar en la ventanilla puede atender clientes a una tasa
de uno cada tres minutos.
Suponiendo que las llegadas son de Poisson y que el servicio es
exponencial, encuentre:
1. La utilizacin del cajero.
2. El nmero promedio en cola.
3. Nmero promedio en el sistema.
4. Tiempo promedio de espera en cola.
5. Tiempo promedio de espera en el sistema (incluyendo el
servicio).
Por la disponibilidad limitada de espacio y el deseo de
proporcionar un nivel de servicio aceptable, el gerente del banco
quisiera asegurar, con un 95% de certeza que los clientes no
tengan que esperar y sean atendidos inmediatamente. Para ello

tiene dos opciones: conseguir que el empleado de la ventanilla

trabaje ms rpido, o poner ms empleados conservando la misma
tasa de servicio. Evaluar las dos posibilidades.

EJEMPLO 2: SIMULACIN DE PROCESOS

DE FABRICACIN CON ARENA
Se trata de simular el proceso de fabricacin de un producto que
est compuesto por 3 elementos: 2 tapas (la superior y la inferior,
y el interior).
Las tapas llegan a la lnea de fabricacin segn un proceso de
Poisson de media 5 tapas/hora. El 50% son tapas superiores y el
otro 50% inferiores. Una vez recibidas, es necesario pintarlas,
para lo que pasan de una en una; por un proceso de pintura cuya
duracin es independiente de la clase de tapa que se trate; se ha
comprobado que se distribuye segn una triangular de tiempo
mnimo 6, medio 9 y mximo 12 minutos. Hay un control de
calidad del proceso de pintura que separa las tapas correctamente
pintadas (el 95%) de las defectuosas, las cuales vuelven al
proceso de pintura de nuevo.
Por otra parte, el elemento interior del producto final, llega a la
lnea de fabricacin empaquetado en cajas de 3 unidades,
siguiendo una distribucin exponencial de media 64 minutos. El
proceso de desempaquetado lo realiza una mquina que tarda en
realizar el trabajo un tiempo que se distribuye segn una uniforme
entre 30 y 50 minutos. Adems, esta misma mquina separa las
unidades defectuosas (el 10%) y las enva a chatarra.
Posteriormente, se tiene una mquina que hace el ensamblaje de
una tapa superior, una inferior y un elemento interior para
constituir el producto final. El tiempo de ensamblado se
distribuye segn una normal de media 15 minutos y varianza 10
minutos.
Se trata de simular el proceso para calcular cuantas unidades del
producto final es posible fabricar en 1 mes (30 das) con jornadas
de 8 horas.

EJEMPLO 3: SIMULACIN DE DISTINTOS

TRANSPORTES CON ARENA
Las piezas llegan al primer proceso de una en una, con una media
de 10 unidades/hora (Poisson); la mitad son de color ROJO y la
otra mitad AZULES. En el primer proceso se dispone de 2
mquinas iguales que realizar el trabajo tardando un tiempo que
se distribuye segn una triangular de tiempos mnimo, modal y
mximo, de 5, 8 y 10 minutos respectivamente. Cuando finaliza
este primer trabajo, se mandan las piezas al departamento 2
utilizando un transporte directo (ROUTE) que tarda 12 minutos.
En el departamento 2, se agrupan las piezas en cajas de 6
unidades del mismo color. Las cajas son mandadas al
departamento 3 a travs de una cinta transportadora
(CONVEYOR), de 100 metros de longitud y que se mueve a una
velocidad constante de 200 metros/hora.
En el departamento 3 se sacan las unidades de las cajas, y se
procesan de una en una en una mquina que tarda un tiempo que
se distribuye uniformemente entre 4 y 8 minutos. El producto ya
finalizado se mete otra vez en cajas de 10 unidades del mismo
color que se llevarn al almacn 1 si son rojas, y al almacn 2 si
son azules. Para ello se utilizar una carretilla elctrica
(TRANSPORTER), que se mover a una velocidad de 30
km/hora si va vaca, y 10 km/hora cuando va llena. La distancia
hasta el almacn 1 es de 6 km, y de 10 km al almacn 2.

Tabla de Nmeros Aleatorios.

27767
13025
80217
10875
54127
60311
49739
78626
66692
44071
59820
25704
22304
17710
25852
46780
59849
47670
94304
08105
64281
66847
72461
21032
95362
49712
58275
89514
15472
12120
95294
66986
80620
55411
95083
90726
68984
36421
92638
21036
13173
86716
92581
12470
01016
34030
50259
73959
46874
60883

43584
14338
36292
62004
57326
42824
71484
51594
13986
28091
96163
91035
90314
59621
58905
56487
96169
07654
71803
59987
61826
70495
33230
91050
67011
97380
61764
11788
50669
86124
00566
34099
51790
85667
06783
57166
83620
16489
40333
82808
33365
38746
02262
56500
00857
60726
46345
76145
37088
52109

85301
54066
98525
90391
26629
37301
92003
16453
99837
07362
78851
26313
78438
15292
55018
75211
87195
30342
73465
21437
18555
32350
21529
13058
06651
10404
97586
68224
48139
51247
70481
74474
11436
77535
28102
98884
89747
18059
67054
77501
41468
94559
41615
50273
41396
25807
06170
60808
80940
19516

88977
15243
24335
61105
19087
42678
98086
94614
00582
97703
16499
77463
66276
76139
56374
10271
46092
40277
09819
36786
64937
02985
53424
16218
16136
55452
54716
23417
36732
44302
06905
20740
38072
99892
57816
08583
98882
51061
16067
97427
85149
37559
70360
93113
80504
24260
97965
54444
44893
90120

29490
47724
24432
57411
24472
45990
76668
39014
81232
76447
87064
55387
18396
59526
35824
36633
26787
11049
58869
49226
64654
01755
72877
06554
57216
09971
61459
46376
26823
87112
21785
47458
40405
71209
85561
93889
92613
67667
24700
76479
49554
49678
64114
41794
90670
71529
88302
74412
10408
46759

69714
66733
24896
06368
88779
43242
73209
97066
44987
42537
13075
72681
73538
52113
71708
68424
60939
72049
35220
77837
25843
14750
17334
07850
39618
59481
21647
25366
05511
21476
41101
64809
68032
92061
29671
57067
89719
60631
71594
68562
17994
53119
56861
86861
08289
78920
98041
81105
36222
71643

94015
74108
62880
11748
17944
66067
54244
30945
69170
08345
73035
47431
43277
53856
30540
17374
59202
83012
09504
98524
41145
48968
39283
73950
49856
37006
87417
94746
12459
14713
49386
06312
60942
92329
77936
38101
39641
84054
47468
43321
91178
98189
96717
39448
58137
47648
11947
69181
14004
62342

64874
88222
87873
12102
05600
42792
91030
57589
37403
88975
41207
43905
58874
30743
27886
52003
11973
09832
96412
97831
42820
38603
04149
79552
99326
22186
17198
49580
91314
71181
54480
88940
00307
98932
63574
77756
69457
40455
03577
31370
10174
81851
54244
93136
17820
13885
56203
96845
23153
07589

32444
88570
95160
80580
60478
95043
45547
31732
86995
35841
74699
31048
11446
08670
61732
70707
02902
25571
90193
65704
14924
70312
90850
24781
40902
72682
21443
01176
80582
13177
23604
15995
11897
78284
31384
11657
91339
99396
57649
28977
29420
29651
10701
25722
22751
70669
19324
38525
69249
08899

48277
74015
59221
41867
03343
52680
70818
57260
90307
85771
09310
56699
16082
84741
75454
70214
33250
77628
79568
09514
39650
05682
64618
89483
05069
07385
41808
28838
71944
55292
23554
69321
92674
46347
51924
13897
22502
63680
63266
23896
90438
84215
41393
08564
36518
93406
20504
11600
05747
05985

APLICACIONES DE LA SIMULACIN
1. DISEO DE LAS INSTALACIONES. ESTA APLICACIN EVALA EL TAMAO DE LAS
INSTALACIONES O EL NMERO DE EMPLEADOS QUE SE REQUIEREN.
2. PLANIFICACIN AGREGADA. EVALUACIN DEL COSTE DE PLANES ALTERNATIVOS.
3. PROGRAMACIN. SECUENCIACIN DE TAREAS EN TODO TIPO DE PROCESOS.
4. GESTIN DE INVENTARIO. SE SIMULAN LAS REGLAS DE DECISIN PROPUESTAS PARA
CALCULAR COSTES Y EFECTO EN EL SERVICIO AL CLIENTE.
5. PLANIFICACIN DE REQUERIMIENTOS DE MATERIALES. EVALUAR EL EFECTO DE LOS
CAMBIOS PROPUESTOS EN EL PLAN DE PRODUCCIN.
6. SIMULACIN DE SISTEMAS ECONMICOS. EVALUAR EL EFECTO DE DECISIONES
(DEVALUACIN DE LA MONEDA, EL IMPUESTO AL VALOR AADIDO, ETC.) EN LAS
DEMS VARIABLES MACROECMICAS.
7. SIMULACIN DE ESTADOS FINANCIEROS. PERMITE ANALIZAR ESTRATEGIAS QUE
LLEVARN A LA ORGANIZACIN AL LOGRO DE SUS OBJETIVOS Y METAS DE CORTO,
MEDIO Y LARGO PLAZO.
SIMULACIN - 1 ..

METODOLOGA DE SIMULACIN (1)

FORMULACIN DEL
PROBLEMA Y PLANIFICACIN
DEL ESTUDIO

DISEO Y VALIDACIN DE UN
MODELO CONCEPTUAL

PREGUNTAS QUE DEBEN CONTESTARSE.

HIPTESIS QUE DEBEN PROBARSE.
EFECTOS QUE SE DESEAN ESTIMAR.

LMITES DEL MODELO (EXTENSIN Y

AMPLITUD DEL MISMO).
ELEMENTOS QUE CONSTITUYEN EL
MODELO (RECURSOS, MATERIA PRIMA,
PRODUCTOS, ...)
ESCENARIOS
OPERACIONALES
A
EXAMINAR.
REGLAS DE TRABAJO.
CRITERIOS SOBRE EL MANEJO DE LOS
RECURSOS.
DISEO O LAYOUT DEL SISTEMA.
SIMULACIN - 2 ..

METODOLOGA DE SIMULACIN (2)

RECOPILACIN Y
ORGANIZACIN DE LOS DATOS

CREACIN DEL MODELO

MEDIANTE EL SOFTWARE
ADECUADO

VALIDACIN DEL
MODELO FRENTE AL
SISTEMA REAL

RUTAS DE LAS PIEZAS Y POSIBLES

ALTERNATIVAS.
SECUENCIACIN DE OPERACIONES.
TIEMPOS DE OPERACIN.
CICLOS DE MQUINA Y TIEMPOS DE
PREPARACIN.
EFICIENCIA DE LOS TRABAJADORES.
TURNOS DE TRABAJO.
LGICA
DE
PROCESAMIENTO
(PRIORIDADES ETC.)
...

EJECUCIN DEL MODELO

Y ANLISIS DE LOS
RESULTADOS OBTENIDOS
SIMULACIN - 3 ..

MTODO DE SIMULACIN DE MONTECARLO: EJEMPLO DE SIMULACIN

DINMICA CON INCREMENTOS DE TIEMPO FIJOS.
GESTIN DE LOS PEDIDOS A PROVEEDORES EN UN NEGOCIO DE VENTA DE
LECHE
ESTUDIO DE LA DEMANDA EN LOS LTIMOS 100 DAS:
Demanda
(Unidades del producto)
20-24
25-29
30-34
35-39
40-44
45-49
50-54

Punto medio

Frecuencia

22
27
32
37
42
47
52

0.05
0.10
0.20
0.30
0.20
0.10
0.05

VENTA MEDIA DIARIA:

VENTA MEDIA = 0.05(22) + 0.10(27) + 0.20(32) + 0.30(37) +
+ 0.20(42) + 0.10(47) + 0.05(52) = 37
SIMULACIN - 4 ..

DOS REGLAS DE DECISIN POSIBLES:

REGLA 1:

PEDIR UN NMERO DE UNIDADES DE LECHE IGUAL

A LA DEMANDA DEL DA ANTERIOR

REGLA 2:

PEDIR UNA CANTIDAD FIJA (37 UNIDADES) SIN

TENER EN CUENTA LA DEMANDA DEL DA
ANTERIOR.

SE SIMULAR LA DEMANDA PARA LOS PRXIMOS 15 DAS, Y SE CALCULARN

LOS BENEFICIOS DERIVADOS DE LA ADOPCIN DE CADA UNA DE LAS
ALTERNATIVAS. SE ELEGIR LA REGLA DE DECISIN QUE DE MAYORES
BENEFICIOS
PRECIO DE VENTA = 50 u.m./unidad
PRECIO DE COMPRA = 25 u.m./unidad
SIMULACIN - 5 ..

MTODO DE MONTECARLO DE SIMULACIN

ASIGNACIN DE NMEROS ALEATORIOS

Punto medio
de la demanda
22
27
32
37
42
47
52

Frecuencia
0.05
0.10
0.20
0.30
0.20
0.10
0.05

Nmeros
aleatorios
00 - 04
05 - 14
15 - 34
35 - 64
65 - 84
85 - 94
95 - 99

UTILIZACIN DE UNA TABLA DE NMEROS ALEATORIOS

SIMULACIN - 6 ..

Da
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

Nmero
aleatorio

Demanda

27
43
85
88
29
69
94
84
32
48
13
14
54
15
47

37
32
37
47
47
32
42
47
37
32
37
27
27
37
32
37
587

REGLA 1
Cantidad
Ventas
ordenada
37
32
37
47
47
32
42
47
37
32
37
27
27
37
32
550

32
32
37
47
32
32
42
37
32
32
27
27
27
32
32
500

REGLA 2
Cantidad
Ventas
ordenada
37
37
37
37
37
37
37
37
37
37
37
37
37
37
37
555

32
37
37
37
32
37
37
37
32
37
27
27
37
37
37
515

Regla 1: Beneficio = 50(500) - 25(550) = 11.250 u.m.

Regla 2: Beneficio = 50(515) - 25(555) = 11.875 u.m.
SIMULACIN - 7 ..

0.35

Demanda
Real
Demanda
Simulada

0.3
0.25
0.2
0.15
0.1
0.05
0
22

27

32

37

42

47

52

35

34
Utilidad
Ventas

Ventas por Perodo

Utilidad por Perodo

Figura 8. Lechera: demanda real versus demanda simulada.

33
0

25

50

75

100

125

150

Nmero de das simulados

Figura 9. Resultados obtenidos versus longitud de la simulacin.

SIMULACIN - 8 ..

RESULTADOS DE LA SIMULACIN DE 100 DAS

REGLA 1
Beneficios:
749
Ventas:
1.687

REGLA 2
810
1.735

VARIACIN EN EL PRECIO DE COMPRA

C=20
Regla 1
Regla 2
936
995
Beneficio

C=30
Regla 1
561

Regla 2
625

ANLISIS DE SENSIBILIDAD RESPECTO A LA CANTIDAD FIJA PEDIDA

800

600

400

200

0
0

10

20

30

40

50

60

Figura 10. Anlisis de sensibilidad respecto a la cantidad pedida.

SIMULACIN - 9 ..

MTODO DE SIMULACIN DE MONTECARLO: EJEMPLO DE SIMULACIN

DINMICA CON INCREMENTOS DE TIEMPO VARIABLES.
PROCESO DE LLEGADA: EXPONENCIAL DE MEDIA 6 DAS
TASA DE SERVICIO: CONSTANTE (5 DAS)
1

ln (1 NA)

P ( x t ) = 1 e t

Probabilidad Acumulada

t=

0.2
0.15
0.1
0.05
0
0-1

1-2

2-3

3-4

4-5

5-6

6-7

7-8

(a) Intervalo entre cada llegada

8-9

9-10

1-EXP(-lambda*t)
0.7

0
0

7.22
(b) Intervalo entre cada llegada, t

Figura 11. Distribucin de los intervalos de llegada.

SIMULACIN - 10 ..

N de
NA
llegada
1
2
3
4
5
6
7
8
9
10

44
18
45
52
14
91
63
70
72
57

Intervalo Tiempo
Entrada
entre
de
al puerto
llegadas llegada
3.5
3.5
3.5
1.2
4.7
8.5
3.6
8.3
13.5
4.5
12.8
18.5
0.9
13.7
23.5
15
28.7
28.7
6
34.7
34.7
7.4
52.1
52.1
7.8
59.9
59.9
5.1
65.0
65.0

Tiempo
en
servicio
5
5
5
5
5
5
5
5
5
5

Salida Tiempo Tiempo de

del
de espera
servicio
puerto del barco
ocioso
8.5
0
3.5
13.5
3.8
0
18.5
5.2
0
23.5
5.7
0
28.5
9.8
0
33.7
0
0.2
39.7
0
1.0
57.1
0
12.4
64.9
0
2.8
70.0
0
0.1
Total
24.5
20

llegadas
TMEspera =
salidas

24,5
= 2,45 das
10

SIMULACIN - 11 ..