Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Simulación de Sistemas Cap 1
Simulación de Sistemas Cap 1
1.1 Introduccin
La simulacin de sistemas tiene que ver con el antiguo arte de la formulacin de modelos para
representar la realidad fsica que observamos. Se puede decir que es un proceso muy antiguo,
inherente al proceso de enseanza aprendizaje del ser humano, de hecho el hombre prehistrico
utilizaba la simulacin para resolver sus problemas, sobre todo cuando pensaba y desarrollaba
estrategias para cazar animales.
El inicio del empleo de la tcnica de simulacin se remonta hacia el final de 1940, cuando John
Von Neumann y Stanislaw Ulam inventaron el trmino anlisis de Monte Carlo, tcnica que
utilizaron en la solucin de problemas de proteccin nuclear que eran demasiado complicados
para resolverlos con tcnicas matemticas convencionales o demasiado costosos para
resolverse en forma experimental, llamado as haciendo referencia al Casino de Montecarlo del
Principado de Mnaco, que en aquel tiempo era la capital del juego de azar, ya que el mtodo
encontraba la solucin de un problema matemtico determinstico mediante la simulacin de un
proceso estocstico. Con el desarrollo de la computadora digital al inicio de la dcada de 1950
se pudieron realizar simulaciones considerando modelos matemticos del sistema bajo estudio,
surgiendo aplicaciones en diversos campos. Este libro se enfoca principalmente a la simulacin
de eventos discretos.
La simulacin digital es una tcnica que se utiliza para representar o modelar en una
computadora un sistema real o hipottico. El proceso de simulacin de sistemas por lo tanto
implica la modelacin sobre todo matemtica de un sistema que queremos conocer y hacer que
logre sus objetivos para los cuales fue diseado, mediante la experimentacin simulada del
modelo, utilizando las ventajas que implica el uso de una computadora digital. Aun cuando la
simulacin se aplica a todo tipo de sistemas ya sen continuos o discretos.
Una que se considera una definicin formal, es la que propuso C. West Churchman.
X simula a Y si y solo si: a), X y Y son sistemas formales; b), Y se considera como el
sistema real; c), X se toma como un aproximacin del sistema real; d), las reglas de validez de X
no estn exentas de error.
La definicin anterior es muy general que permite ambigedades y no es precisa, veremos
algunas mas precisas y adecuadas al propsito de este libro.
Una definicin ms tpica y apropiada es la de Shubick
Simulacin de un sistema es la operacin de un modelo, el cual es una representacin del
sistema. Este modelo puede sujetarse a manipulaciones que serian imposibles de realizar,
demasiado costosas e imprcticas. La operacin de un modelo puede estudiarse y con ello,
inferirse las propiedades concernientes al comportamiento al comportamiento del sistema o
subsistema real.
Las siguientes definiciones son ms cercanas a lo que se plantea en este libro:
Robert E. Shannon
La simulacin es el proceso de disear y desarrollar un modelo computarizado de un sistema o
proceso y conducir experimentos con este modelo con el propsito de entender el
comportamiento del sistema del mundo real o evaluar varias estrategias con los cuales puedan
se pueda operar el sistema.
Thomas H. Naylor restringi an ms la definicin hacia los tipos de modelos con los cuales
interactuamos como ingenieros industriales.
Simulacin es una tcnica numrica para conducir experimentos en una computadora digital.
Los cuales requieren ciertos tipos de modelos lgicos y matemticos,
que describen el
Las aplicaciones de la simulacin son muy variadas, que van desde los juegos operacionales
que tienen que ver con medios ambientes simulados dentro de los cuales los jugadores toman
decisiones, tales como los juegos militares y los juegos gerenciales, los cuales son utilizados
para entrenar dirigentes militares y directores de empresas, por otro lado est el anlisis de
Monte Carlo que es uno de los fundamentos de la simulacin es una tcnica de simulacin para
problemas que tienen una base estocstica e inclusive se usa para resolver problemas
matemticos determinsticos que no se pueden resolver por mtodos estrictamente
determinsticos, obtenindose soluciones aproximadas simulando un proceso estocstico. Las
aplicaciones que se presentan en este libro tratan principalmente con los procesos que se
desarrollan en empresas de manufactura y de servicios y alguna otra aplicacin que suceda en
un sistema dinmico y discreto.
Algunos ejemplos de aplicacin serian:
Evita tomar riesgos innecesarios al poner en practica modificaciones en el modelo antes que en
el sistema real.
Reduce el costo de hacer modificaciones en sistemas complejos, al utilizar el modelo de
simulacin y verificar sus efectos.
La participacin en el proceso de simulacin puede en un momento dado ser mas valioso que la
simulacin en si misma por el conocimiento a fondo que se adquiere del sistema bajo estudio.
La simulacin proporciona una visin sistmica a las personas involucradas en el proceso de
simulacin.
Act
Figura 1
conveniente adoptar una clasificacin que nos permita ubicarnos en el tipo de sistemas que
vamos a simular, al respecto consideramos que la clasificacin de Peter Checkland [ ] es la mas
adecuada.
De acuerdo con el mapa sistmico del universo propuesto por Checkland, podemos considerar el
universo como un conjunto de sistemas interactuando y propone lo siguiente:
SISTEMAS NATURALES
Sistemas trascendentales
Los sistemas naturales son los que existen de por si, el hombre no interviene en su diseo y
construccin, van desde lo ms pequeo como el mundo subatmico, hasta los ms
gigantescos, como lo son los sistemas planetarios y galcticos, pasando por los seres vivos y
sobre todo el ser humano visto como sistema.
Dentro de los sistemas naturales se clasifican los sistemas fsicos diseados, los cuales son
pensados y construidos por el hombre, como las herramientas individuales simples y
sofisticadas, los dispositivos que imitan algn sistema natural, como la computadora que son
equipos complejos y los sistemas automticos muy grandes. Son sistemas cuyo objetivo esta
claramente definido.
Los sistemas abstractos diseados, son diseados y hechos por el hombre, son por lo general
conceptuales, tal como los lenguajes humanos, las filosofas, el software que usamos en la
computadora y sirven a un propsito especifico bien definido.
Los sistemas de actividad humana, son una combinacin de sistemas fsicos o abstractos
diseados y un sistema natural en particular como son los humanos, dando por resultado una
complejidad mayor, puesto que intervienen los humanos como elementos esenciales en su
funcionamiento y haciendo uso de los otros sistemas diseados para el logro se los objetivos
establecidos para el sistema de actividad humana de que se trate. El mas sencillo de estos
sistemas es el sistema hombre-maquina, incrementando su complejidad en la manera que
intervengan ms humanos y sistemas diseados, como seran los sistemas de produccin, las
plantas industriales y dems organizaciones que cumplan con los requerimientos para ser
considerados como este tipo de sistemas.
Los sistemas sociales estan en el lmite de los sistemas de actividad humana y los sistemas
naturales puesto que por naturaleza el ser humano sociabiliza para cumplir ciertas necesidades
bsicas de convivencia e interaccin humanas, sin embargo este tipo de sistemas son ms
complicados para hacer que logren sus objetivos, puesto que los mismos son mas difciles de
establecer.
Finalmente Checkland defini los sistemas trascendentales, como aquellos que puede ser que
existan, aun cuando no tengamos conocimiento de ellos.
Se puede decir que podemos aprender de los sistemas naturales, usar los sistemas diseados y
tratar de hacer que logren los objetivos para los cuales fueron diseados los sistemas de
actividad humana, que son en los cuales estaremos modelando y simulando sistemas.
10
11
Como conclusin podemos decir que es importante que consideremos que los sistemas en los
cuales haremos la modelacin y simulacin de sistemas son por lo general de actividad humana
y mas que optimizacin buscaremos el mejoramiento del sistema para que logre los objetivos
para los cuales fue diseado y que la simulacin es una herramienta que ser mas poderosa
bajo el contexto de las metodologas utilizadas para tratar con sistemas suaves.
Caractersticas de un sistema de actividad humana.
Una forma de visualizar cualquier sistema, parte de una herramienta simple pero muy poderosa
que se le llama la caja negra, con la cual podemos representar las entradas, las actividades de
transformacin principales que modifican, procesan o transforman las entradas en ciertas
salidas. Si podemos identificar estos elementos, estaremos en posibilidad de definir la esencia
del sistema bajo estudio.
12
Las caractersticas que debe reunir cualquier sistema de actividad humana son las siguientes:
Objetivos. El sistema debe tener objetivos claros, definidos y que se puedan medir.
Medidas de desempeo. Como consecuencia de los objetivos, si estos estn claros y bien
establecidos se tendrn medidas de desempeo con las cuales se le puede dar seguimiento al
logro de objetivos.
Conectividades. Existen relaciones definidas entre los subsistemas o elementos que conforman
el sistema.
Lmites. Estn definidos los lmites del sistema y subsistemas, para evitar dilucin en las
responsabilidades y establecer adecuadamente quien debe tomar las decisiones y dentro de que
lmites.
Tomador de decisiones. Existe un tomador de decisiones o un cuerpo de tomadores de
decisiones que asignan los recursos que requiere el sistema, en algunas ocasiones el tomador
de decisiones se encuentra en el suprasistema.
Asignacin de recursos. Debe existir disponibilidad de recursos que se puedan asignar para que
el sistema logre los objetivos.
Subsistemas. El sistema esta formado de subsistemas que interactan para el logro de los
objetivos del sistema y los mismos cumplen a su vez con las caractersticas de un sistema, es
decir tienen objetivos, medidas de desempeo, etc.
13
14
naturaleza del control fue que ste no trata de tirar de palancas para producir unos resultados
deseados e inexorables. Esta nocin del control se aplica slo a mquinas triviales. Nunca se
aplica a un sistema total que incluye cualquier clase de elemento probabilstico -- desde la
meteorologa, hasta las personas; desde los mercados, a la poltica econmica. No: la
caracterstica de un sistema no-trivial que est bajo control es que a pesar de tratar con variables
demasiado extensas para cuantificar, demasiado inciertas para ser expresadas, e incluso
demasiado difciles de comprender, algo puede ser hecho para generar un objetivo predecible.
Wiener encontr justo la palabra que quera en la operacin de los grandes barcos de la antigua
Grecia. En el mar, los grandes barcos batallaban contra la lluvia, el viento y las mareas -cuestiones de ninguna forma predecibles. Sin embargo, si el hombre, operando sobre el timn,
poda mantener su mirada sobre un lejano faro, podra manipular la caa del timn, ajustndola
constantemente en tiempo-real, hasta alcanzar la luz. Esta es la funcin del timonel. En los
tiempos rudos de Homero la palabra Griega para designar al timonel era kybernetes, que Wiener
tradujo al Ingls como cybernetics, en espaol ciberntica."
Como vemos esta caracterstica de los sistemas es fundamental, dado que si se quiere tener un
buen desempeo debemos tener los objetivos, las medidas de desempeo, darles seguimiento,
evaluar si se estn cumpliendo y tomar acciones de control, basada en la retroalimentacin
proporcionada por el subsistema de control.
La siguiente figura muestra las maneras que podemos utilizar para analizar el comportamiento
de un sistema, suponiendo que el sistema se pueda modelar con una aproximacin a la realidad
adecuada y prctica, desde el punto de vista de su construccin y su costo. Es importante
mencionar que en este esquema no se consideran los modelos conceptuales que se generan
con las metodologas para solucin de problemas en sistemas suaves, porque se sale del
propsito del libro.
15
Qu es un modelo?
Un modelo es una representacin de un sistema y la forma en que este opera. El objetivo es
analizar el comportamiento del sistema
complejidad estar determinada por el tipo de sistema a modelar y que tanto representa la
realidad. La ventaja de los modelos es bajo ciertas restricciones y suposiciones representen de
una manera simplificada la realidad, de tal manera que podamos estudiarlo, experimentar con el
con el propsito de mejorarlo, sin tener que tratar con el sistema real, lo cual representa ciertas
ventajas que mas adelante se mencionarn.
Los modelos matemticos considerados constan de cuatro elementos: Componentes, variables,
parmetros y relaciones funcionales.
Las variables a su vez se clasifican en: variables exgenas, variables de estado y variables
endgenas. Las exgenas son variables independientes o de entrada del modelo y actan sobre
el sistema pero no reciben ninguna accin por parte del mismo. Tambin las variables exgenas
se pueden clasificar en controlables y no controlables, las controlables pueden quedar
16
establecidas por los tomadores de decisiones, en cambio las no controlables las determina el
medio ambiente en el cual se sita el sistema.
Las variables de estado describen el estado del sistema en un momento determinado, estas
variables interaccionan con las exgenas y las endgenas de acuerdo a las relaciones
funcionales. Como ejemplo de este tipo de variables en una empresa pudiera ser el flujo de
efectivo, los niveles de inventario, en un sistema de colas serian, el tiempo de espera para ser
atendido, el tiempo de atencin, el tiempo total.
Las variables endgenas son las dependientes o de salida del sistema y se generan por la
interaccin de las variables exgenas con las de estado.
Como relaciones funcionales se pueden considerar: las identidades y las caractersticas de
operacin las cuales generan el comportamiento del sistema, las identidades son definiciones o
declaraciones, como la definicin de utilidad bruta (la diferencia entre las ventas y el costo de
produccin), Las caractersticas de operacin son hiptesis, generalmente una relacin
matemtica que relaciona las variables endgenas y de estado del sistema.
17
Modelos dinmicos.
Son los modelos matemticos que consideran que las interacciones de sus elementos varan con
respecto al tiempo, su aplicacin es amplia, entre las que se encuentran los modelos de
sistemas de inventarios, de lneas de espera, de produccin, de planeacin y de las
organizaciones en general.
La modelos de simulacin considerados en el libro son los dinmicos y estocsticos y como se
ha mencionado desde el inicio de eventos discretos.
18
Existen dos mtodos para el avance del tiempo; el de incremento fijo y el de incremento variable,
los cuales fueron mencionados por primera vez en un artculo publicado en el Journal of
Industrial Engineering por Kong Chu y Thomas H. Naylor [ ].
Incremento fijo de tiempo.
En este tipo de incremento de tiempo la computadora simula un reloj que registra el instante que
en tiempo real ha alcanzado el sistema, el reloj avanza en intervalos o incrementos discretos de
longitud constante de tiempo, como segundos, minutos, horas, etc. Dependiendo de los
requerimientos del sistema. Al tiempo indicado por el reloj se le llama tiempo de reloj.
En este caso el evento es examinado y procesado en cuanto ocurre, ya que el tiempo sigue
avanzando hasta que ocurre el siguiente evento.
Donde:
19
Para el caso de la simulacin de una lnea de espera con incremento de tiempo variable, el
avance del reloj sera:
Donde:
20
En este tipo de avance del reloj los perodos inactivos de tiempo son ignorados por lo que existe
un ahorro de tiempo computacional, contrario a lo que sucede en el de tiempo fijo.
1.6 Etapas de un proyecto de simulacin.
El proceso de simulacin toma como esencia el mtodo cientfico y el anlisis de Monte Carlo.
El mtodo cientfico consiste bsicamente de cuatro pasos.
Prediccin del comportamiento del sistema, con base en la hiptesis formulada mediante
el uso de la deduccin lgica o matemtica, esto es, por la obtencin de soluciones del
modelo o modelos matemticos.
Realizar experimentos para probar la validez de las hiptesis o del modelo matemtico.
Etapas :
1. Formulacin del problema. Es la etapa ms importante, ya que partiendo de una
buena definicin del problema, se tendr el 50% de la solucin del mismo y es aqu
donde se definir si es necesaria la aplicacin de la tcnica de simulacin o se requiere
otro tipo de tcnica para su solucin. Para ilustrar lo anterior, partamos de lo siguiente, si
tuviramos que definir nuestra funcin como Ingenieros al futuro empleador, diramos
que somos expertos en la solucin de problemas y que por esto nos deberan de pagar
de acuerdo a la magnitud de la problemtica de que se trate, sin embargo, de acuerdo a
mi experiencia como profesor
21
Que es un problema?, el 95% no tiene una clara idea de que contestar, a pesar de que
nos pasamos la mayor parte de nuestra carrera aprendiendo metodologas y tcnicas
para solucin de problemas.
Una definicin simple sera la siguiente:
Un problema es una discrepancia o desviacin entre lo que es en la realidad comparado
contra lo que debera ser.
Grficamente se puede expresar de la siguiente manera:
Figura 8 Qu es un problema?
22
que debe cumplir un sistema. En esta etapa se deben definir los objetivos de la
simulacin
2. Anlisis y recoleccin de datos. Es una fase que se realiza simultneamente a la
anterior, puesto que se requiere colectar una cantidad de datos mnima para tener la
posibilidad de definir un problema, es necesario que se defina que datos son los
requeridos para simular adecuadamente el sistema. Los datos se pueden obtener de los
estados financieros, las ordenes de compra, las ordenes de trabajo y en general de los
registros estadsticos que lleve la organizacin, de la opinin de expertos y si no se tiene
informacin disponible, puede obtenerse a travs de experimentacin y observacin
directa de la operacin del sistema.
3. Desarrollo del modelo. De acuerdo con la definicin exacta de lo que se espera
obtener del estudio de simulacin, entonces se procede a construir y definir el modelo
con el cual se obtendrn los resultados deseados. Se deben definir todas las variables
del modelo, sus relaciones lgicas y funcionales, los diagramas de flujo que lo describan,
los subsistemas que se requieran y todas las dems caractersticas que lo hagan mas
cercano al sistema real. Es importante definir en esta etapa que tanto detalle se requiere,
que necesita modelarse con cuidado y que parte se puede modelar en forma mas ligera,
discutir con los tomadores de decisiones las suposiciones del modelo.
La representacin computacional del modelo se puede llevar a cabo utilizando un
lenguaje de propsito general, como C++, Visual Basic o Java o un lenguaje de
simulacin, dependiendo del sistema a simular, por lo general actualmente debido a la
versatilidad, flexibilidad y facilidad de manejo se utilizan con mayor frecuencia en la
industria los lenguajes de simulacin, tales como Promodel, Arena, Witness, Simproces,
cada uno con ventajas y desventajas en su uso, por lo que es importante que el analista
defina cuidadosamente el Lenguaje mas adecuado para el tipo de modelo a simular.
4. Validacin y verificacin del modelo. Es una de las etapas cruciales del estudio de
simulacin en la cual se debe verificar que la representacin en la computadora
represente adecuadamente el modelo conceptual, a travs de la opinin de los que
conocen el sistema real, siguiendo la lgica del modelo computacional, investigando las
regiones extremas de los parmetros de entrada y viendo su funcionamiento con
entradas obvias para verificar si los resultados son como se esperan. La validacin se
realiza cotejando la exactitud con que se predicen los datos histricos, verificando si los
datos de salida corresponden a la realidad, utilizando datos que hacen fallar al sistema
real y verificando el comportamiento del modelo de simulacin, preguntando a las
23
personas que harn uso de los datos que se generen con la simulacin si estos les
generan confianza.
5. Experimentacin y optimizacin. En esta etapa se requiere el uso del diseo de
experimentos y se realiza despus de que se esta conforme con la validacin del modelo
y estamos seguros que representa la realidad con la fidelidad que se requiere.
Idealmente se deberan disear los experimentos que se llevarn a cabo con el modelo
de simulacin, en primer lugar debemos definir los niveles de los factores (variables
exgenas y parmetros), la combinacin de estos y el orden de los experimentos, aqu
es importante que nos aseguremos que los resultados estn libres errores fortuitos.
Existen varios casos de anlisis que se pueden utilizar, como la comparacin de medias
y variancias de las alternativas seleccionadas, la determinacin de los efectos de los
diferentes niveles de las variables en los resultados de la simulacin y la bsqueda de
los valores ptimos de un conjunto de variables, para llevar a cabo esto ltimo se
algoritmos de tursticos de bsqueda. Vale la pena mencionar que en la prctica puede
ser que el diseo de experimentos como tal no se pueda efectuar por diversas razones,
como el tiempo o no se tiene bien definido hacia donde se va con el anlisis.
En ocasiones el anlisis se realiza en base a la sugerencia y prueba de alternativas por
parte de un grupo de expertos en el funcionamiento del sistema real. Por lo general
tambin se realizan tres tipos de anlisis: el anlisis de candidato, el comparativo y el
predictivo.
El anlisis de candidato se realiza durante las primeras fases del diseo de un sistema,
se intenta identificar los mejores candidatos dentro de un grupo grande de diseos
potenciales que requieren un estudio adicional, este tipo de modelos son todava
perfectibles por lo que carecen de detalle y se requiere hacer cierto nmero de rplicas
para identificar a los ganadores potenciales.
El anlisis comparativo se realiza cuando se selecciona el diseo final. Se tiene un
conjunto de diseos y se desea identificar el mejor comparativamente.
El anlisis predictivo se realiza por lo general con pocos o muy a menudo con un solo
sistema, para esto se supone que seleccion el mejor sistema y se desea estimar el
desempeo real del mismo.
Para realizar el diseo de experimentos se debe determinar el tamao de la muestra
para que tenga validez estadstica.
24
Una simulacin de
estado estable es aquella en que las cantidades a estimar se definen a largo plazo. En
cualquiera de los dos casos se tiene que llegar a determinar las funciones de distribucin
de las variables aleatorias de salida y establecer intervalos de confianza que nos
permitan interpretar los resultados y realizar comparaciones para tomar una decisin.
25
BIBLIOGRAFA
1. Banks Jerry, Carson John, Discret event simulation, Editorial Prentice Hall
2. Checkland PB. 1971, asystems map of the universe, Journal of Systems Engineering
2(2): 107-114
3. Coss Bu Ral, Simulacin Un enfoque prctico, Editorial Limusa. 2002.
4. Fishman, G. Principles of discrete event simulation, Editorial John Wiley & Sons.Gordon,
G. Simulacin de Sistemas, Mxico: Editorial Diana. 1989.
5. Gottfried, B.S. Elements of Stochastic Process Simulation, Englewood Cliffs, N.J.:
Editorial Prentice Hal
6. Guasch Antoni, Piera Miguel, Casanova Josep, Figueras Jaume, Modelado y
Simulacin,Editorial Alfaomega, 2005.
7. Harrell Ch. Ghosh B., Bowden R. Simulation using PROMODEL w/CD-ROM, second
Edition, Editorial Mc Graw Hill, 2004.
8. Hillier, F.S. y Lieberman, G.J. Introduccin a la Investigacin de Operaciones, Mxico:
Editorial Mc Graw Hill. 2003. 5 Edicin.
9. Kelton W David, Sadowski Randall, Sturrock David, Simulacin con software Arena,
cuarta edicin, Editorial McGraw Hill, 2008.
10. Law A. y Kelton W. Simulation Modeling and Anlisis, Editorial Mc Graw Hill.
11. Naylor, Balintfy y Burdick, Tcnicas de Simulacin de computadoras, Editorial Limusa.
12. Ross, S. Simulation, USA: Editorial Academic Press. 1997. 2 Edicin.
13. Taha, H.A. Investigacin de Operaciones, Mxico: Editorial Alfa Omega.
14. Winston. Investigacin de Operaciones, Editorial Iberoamericana.
26
27