Está en la página 1de 17

ndice

Introduccin a la Simulacin de eventos discretos ............................................................................. 1 1.1Introduccin ............................................................................................................................... 1 1.1.1 El poder de la simulacin ................................................................................................... 2 1.1.2 Origen de la simulacin ...................................................................................................... 2 1.2. Definiciones y Aplicaciones ...................................................................................................... 3 1.2.1 Definiciones ........................................................................................................................ 3 1.2.2 Ventajas de la simulacin ................................................................................................... 3 1.2.3 Desventajas de la simulacin ............................................................................................. 4 1.2.4 Cundo es apropiada la simulacin? ................................................................................ 4 1.2.5 reas de aplicacin............................................................................................................. 5 1.3. Estructura y caractersticas de la simulacin de eventos discretos ......................................... 5 1.3.1 Sus principales caractersticas son: .................................................................................... 6 1.3.2 Elementos clave de la simulacin de eventos discretos .................................................... 7 1.3.3 Puntos a tener en cuenta en el desarrollo de un proyecto de simulacin de eventos discretos ...................................................................................................................................... 8 1.4. Sistemas, Modelos y Control .................................................................................................... 9 1.4.1 Caractersticas que deben presentar los modelos: .......................................................... 11 1.4.2 Clasificacin de los modelos............................................................................................. 11 1.5. Mecanismos de tiempo fijo y tiempo variable ....................................................................... 13 1.6. Etapas de un Proyecto de simulacin .................................................................................... 14 1.7 Conclusiones............................................................................................................................ 15 1.8 Bibliografa .............................................................................................................................. 15

INTRODUCCIN A LA SIMULACIN DE EVENTOS DISCRETOS

1.1 Introduccin La simulacin es una tcnica de las ciencias administrativas muy poderosa y se utiliza mucho para el anlisis y estudio de sistemas complejos. La simulacin se podra definir como una tcnica que imita la operacin de un sistema del mundo real a medida que evoluciona con el tiempo. Esto normalmente se hace desarrollando un modelo de simulacin. Un modelo de simulacin, por lo general, toma la forma de un conjunto de suposiciones acerca de la operacin del sistema, expresado como relaciones matemticas o lgicas entre los objetos de inters en el sistema. A diferencia de las soluciones matemticas exactas disponibles con la mayor parte de los modelos analticos, el proceso de simulacin tiene que ver con ejecutar el modelo a travs del tiempo, por lo comn en una computadora, para generar muestras representativas de las medidas de desempeo. A respecto, la simulacin se podra ver como un experimento de muestreo donde los resultados son los puntos mustrales. Por ejemplo, para obtener la mejor estimacin de la medida de la media de desempeo, se promedian los resultados mustrales. Resulta evidente que mientras ms puntos mustrales se generen, mejor ser la estimacin. Sin embargo, otros factores, como las condiciones iniciales de la simulacin, la longitud del periodo que est siendo simulado, la exactitud del modelo en s, inciden en qu tan buena ser la estimacin final. Al igual con la mayora de otras tcnicas, la simulacin tiene sus ventajas y desventajas. La principal ventaja de la simulacin es que la teora es relativamente directa. En general, los mtodos de simulacin son ms fciles de aplicar que otros mtodos. Una de las primeras referencias sobre simulacin se encuentra hacia el ao 1940, cuando Von Neumann y Ullman trabajaron sobre la simulacin del flujo de neutrones para la construccin de la bomba atmica en el proyecto Montecarlo. Desde entonces se conocan las tcnicas de simulacin como procesos Montecarlo, aunque en la actualidad se diferencian ambas cosas, siendo los segundos un tipo particular de simulacin. Tambin se
1

realiz un proceso de simulacin para el proyecto Apollo dentro del plan espacial de la N.A.S.A, acerca del movimiento dentro de la atmsfera de la luna. 1.1.1 El poder de la simulacin 1. El poder de la simulacin consiste no slo en que provee un mtodo de anlisis formal, sino que es capaz de predecir el desempeo de sistemas por ms complejos que sean. 2. Lo que hace exitoso a un gerente es la habilidad de predecir los resultados de cursos alternativos de accin. Simulacin provee esta amplia visin de lo que puede suceder al tomar una o ms decisiones. La simulacin y el mtodo cientfico. La simulacin sigue los cuatro pasos del mtodo cientfico: 1. Formule la hiptesis: Qu diseo o polticas del sistema trabajan mejor? 2. Disee el experimento: Construya el modelo para poder probar la hiptesis. 3. Pruebe la hiptesis: Corra el modelo varias veces y pruebe la hiptesis. 4. Obtenga conclusiones: Analice resultados del modelo y tome las mejores decisiones. 1.1.2 Origen de la simulacin En las actividades de la guerra los militares disearon e iniciaron lo que pas a llamarse Investigacin de Operaciones. Los norteamericanos disearon en 1940, durante las operaciones de creacin de la bomba de hidrgeno, un mtodo de simulacin que permite predecir sucesos con amplios niveles de acercamiento en las probabilidades de ocurrencia.

1.2. Definiciones y Aplicaciones 1.2.1 Definiciones Modelo: Representacin de un sistema con el propsito de estudiarlo. Modelo matemtico: Utiliza notacin simblica y ecuaciones matemticas para representar el sistema. Simulacin esttica: Representa al sistema en un punto particular del tiempo. Tambin se conoce como simulacin de Monte Carlo. Simulacin dinmica: Representa el sistema y su evolucin conforme avanza el tiempo. Modelo determinista: Es un modelo de simulacin que no contiene variables aleatorias. Modelo estocstico: Es un modelo de simulacin que incluye una o varias variables aleatorias. Nota: Entradas aleatorias generan salidas aleatorias. Dado que las salidas son aleatorias, solamente podemos considerarlas como una estimacin de las verdaderas caractersticas del modelo. Sistema discreto: Un sistema en el cual las variables de estado cambian con valores discretos. Sistema continuo: Un sistema en el cual las variables de estado cambian con valores continuos con el tiempo. 1.2.2 Ventajas de la simulacin Pueden estudiarse nuevas polticas, procedimientos operacionales, reglas de decisin, flujos de informacin, procedimientos organizacionales, etc., sin afectar la operacin normal del sistema real. Pueden probarse nuevos diseos mecnicos, sistemas de transporte, etc., sin asignar grandes cantidades de recursos financieros para su adquisicin. Puede probarse la factibilidad del cmo o por qu ciertos fenmenos pueden ocurrir. Podemos acelerar o decelerar un fenmeno en investigacin. Podemos obtener informacin acerca de la interaccin de las variables.
3

Podemos obtener informacin acerca de la importancia de cada una de las variables en el desempeo general del sistema. Se puede desarrollar anlisis de cuello de botella, indicando en qu partes se estn retrasando demasiado informacin, materiales, etc. Una simulacin puede ayudar a entender cmo opera el sistema. Podemos responder preguntas del tipo: Qu pasara si...?. Esto es particularmente til en el diseo de nuevos sistemas.

1.2.3 Desventajas de la simulacin Construir un modelo requiere de entrenamiento. Es un arte que se aprende con el tiempo y a travs de la prctica. Ms an, si dos personas competentes construyen un modelo para el mismo sistema, pueden tener similitudes, pero es muy poco probable que sean exactamente iguales. Los resultados de la simulacin pueden ser muy difciles de interpretar. Dado que la mayora de los resultados de las simulaciones son esencialmente variables aleatorias (estn basadas en entradas aleatorias), puede ser difcil determinar si una observacin es un resultado de las interrelaciones de las variables o de la aleatoriedad. La modelacin de un sistema y su anlisis puede consumir mucho tiempo y ser costoso. Dedicarse a hacer la simulacin de un sistema y su anlisis puede despus indicar que este modelo es insuficiente. La simulacin se utiliza en algunos casos aun cuando podemos encontrar las soluciones analticamente, o an preferibles. Esto es verdadero en la simulacin de algunas lneas de espera donde hay disponibles modelos de colas cerradas. 1.2.4 Cundo es apropiada la simulacin? La simulacin permite el estudio, la experimentacin, interacciones internas de un sistema, o de un subsistema dentro de un sistema complejo. Cambios organizacionales, informticos y ambientales pueden ser simulados y el efecto de estas alteraciones puede observarse.

El conocimiento ganado al disear un modelo de simulacin puede ser de gran valor para sugerir mejoras en el sistema investigado. Al cambiar las entradas del modelo y al observar las salidas, podemos obtener sugerencias valiosas acerca de cules variables son ms importantes y cmo interactan entre ellas. La simulacin puede utilizarse como un dispositivo pedaggico para fortalecer metodologas de soluciones analticas. La simulacin puede ser usada para experimentar con nuevos diseos o polticas antes de su implementacin para prepararnos sabiendo qu puede ocurrir. La simulacin puede utilizarse para verificar soluciones obtenidas analticamente. 1.2.5 reas de aplicacin Sistemas de manufactura. Sistemas pblicos. Sistemas de transporte. Sistemas de construccin. Sistemas de entretenimiento. Reingeniera de procesos de negocios. Procesamiento de alimentos. Desempeo de sistemas computacionales 1.3. Estructura y caractersticas de la simulacin de eventos discretos Tambin conocida como simulacin de tiempo contino lo cual quiere decir que una vez iniciado la simulacin no se detendr hasta vela terminado, en otras palabras la simulacin de eventos discretos es un de las herramientas de programacin ms utilizadas en la actualidad debido a su estructura ms fcil y rpida de aprender. Adems de la disponibilidad de los lenguajes de propsito especial. En este tipo de simulacin se generan y administran eventos en el tiempo por medio de una cola de eventos ordenada segn el tiempo de simulacin en que deben ocurrir y de esta forma el simulador lee de la cola y dispara nuevos eventos. Entre otros un evento puede ser: la llegada de un cliente, la llegada de un camin, el inicio del proceso de una
5

pieza, la finalizacin de un proceso de fabricacin. Esta modalidad de simulacin se usa tpicamente en el diseo de la mayora de eslabones de la cadena de suministro tales como: lneas de produccin, plantas de procesamiento, bodegas de materia prima, bodegas de producto terminado, puntos de atencin a clientes, hospitales, centros de atencin mdica. Una variacin importante de la simulacin de eventos discretos es la simulacin de agentes, en ella las entidades (tales como molculas, clulas, rboles o consumidores) son representados directamente (en vez de representarse a travs de sus densidades o cantidades), estos agentes poseen estados internos y conjuntos de comportamientos o reglas sencillas individuales que definen como son actualizados estos estados entre los diferentes puntos en el tiempo, definiendo as el comportamiento del conjunto de los agentes. Un ejemplo tpico para este tipo de simulacin es el de peatones en un evento de evacuacin, para que dado unas reglas generales del comportamiento de movimiento de cada individuo se logre simular y determinar el tiempo de evacuacin de todo el grupo de peatones dado un nmero de salidas en una locacin determinada. 1.3.1 Sus principales caractersticas son:

i) Estn basadas en su totalidad por actividades lgicas y matemticas ii) El modelo va cambiando parcialmente conforme ocurren los eventos iii) El sistema solo cambia cuando ocurre un evento estos cambios se van registrando para poder comprender el comportamiento del modelo. iv) Cuando un evento se realiza el tiempo de la simulacin avanza. v) La lista de eventos pendientes va reducindose conforme los eventos se van realizando Vi) La ejecucin de un evento puede generar nuevos eventos. vii) Una simulacin tiene que poder ser repetida mltiples ocasiones generando los mismos resultados, siempre y cuando las variables m sean las mismas.

1.3.2 Elementos clave de la simulacin de eventos discretos

En el camino al desarrollo de proyectos usando simulacin de eventos discretos es importante comprender algunos conceptos inherentes a esta tcnica. I. Entidades: Son los objetos que fluyen a travs del sistema, podran ser: clientes, productos, cajas, camiones y pallets entre otros II. Atributos: Son las diferentes caractersticas que definen a las entidades: tipo, edad, gnero, peso, volumen, tiempo de inicio de un proceso. III. Variables: Son aquellas que definen el modelo y sus estados como un conjunto: nmero de entidades en proceso, nmero de entidades entrantes, nmero de entidades salientes, costo de proceso unitario. IV. Reloj de simulacin: Variable que lleva control del tiempo virtual de simulacin, no se debe confundir con el tiempo real de ejecucin, es decir mientras en mi reloj de mano pasaron 5 minutos desde que se ejecut la simulacin, en el modelo el reloj de simulacin podra haber avanzado das, meses o inclusive aos. V. Eventos: Diferentes tipos de acontecimientos que ocurren a travs de la simulacin, que hacen que el reloj de simulacin avance, tales como: llegada de un paciente, dao de una mquina, inicio de operacin de un trabajador, finalizacin de un proceso de fabricacin. VI. Recursos: Objetos a los que se les asocia algn tipo de gasto o de consumo de los mismos para realizacin de tareas de operacin o transporte: operarios, montacargas, mquinas, buffers de almacenamiento, bandas transportadoras.

1.3.3 Puntos a tener en cuenta en el desarrollo de un proyecto de simulacin de eventos discretos

En el desarrollo de un proyecto de simulacin es importante tener una metodologa de desarrollo y entendimiento del proyecto, a continuacin evidencio de forma resumida la metodologa que le recomiendo seguir para este tipo de proyectos. Definicin de objetivos, alcance y de medidas de desempeo a evaluar: Antes de iniciar la construccin del modelo se debe definir cul es el objetivo y alcance ltimo del proyecto que debera ser de la forma: cul es el diseo ms adecuado de bodega?, cul es la mejor configuracin de la lnea?, cul es el impacto de realizar los cambios que propone la junta o comit? Una vez definido el objetivo se debe determinar qu indicadores son los adecuados para cuantificar los efectos de mejoras potenciales, estos podran ser: nivel de servicio, tiempo de ciclo promedio, entidades en proceso mximas y throughput entre otros. Definicin del nivel de detalle adecuado: Una vez definido el objetivo e indicadores a evaluar, se procede a establecer el nivel de detalle que se debe trabajar, esto depende principalmente de que los indicadores que se hayan definido sean relevantes para la operacin. Segn estos las entidades podran ser definidas como, camiones, pallets, cajas, unidades sueltas, unidades sueltas de fresa, etc. Este paso es de los ms crticos y determinantes de xito dentro del proyecto, pues por ejemplo si se quisiera evaluar el nmero de montacargas y de muelles en una bodega de productos de consumo masivo y se defini que el indicador base del proyecto es el nmero de estibas despachadas en un turno, carecera de sentido simular al nivel de detalle de las unidades sueltas por referencia, sabor y color. Construccin del modelo base: El objetivo en este punto es construir un modelo pivote robusto y vlido sobre el cual se harn los cambios en los escenarios. En la construccin del modelo base existen cuatro etapas asociadas: Construccin: Consiste en desarrollar la lgica del modelo de forma que represente el sistema real.

Calibracin: en esta etapa se incluyen los valores de variables de entrada al modelo, tales como, tiempos de proceso, demanda, fallos de mquinas, etc. Verificacin: en esta fase se compara las salidas del modelo con las salidas esperadas, por ejemplo en throughput, inventarios, etc. Para esta etapa es recomendable someter el modelo a situaciones extremas para verificar que la lgica o comportamiento sean los esperados.

Validacin: aqu se comparan las salidas del modelo con resultados histricos del sistema real, se recomienda hacer uso de estadsticas como intervalos de confianza y pruebas de hiptesis.

1.4. Sistemas, Modelos y Control Un Sistema se define como una coleccin de entidades (por ejemplo, personas, mquinas, etc.) que actan e interactan juntas para lograr un fin comn. En la prctica, qu se entiende por sistema?, depende de los objetivos del estudio particular que se pretenda hacer. El conjunto de entidades que componen el sistema para un estudio puede ser slo un conjunto de todas las entidades utilizadas para otro estudio. Se puede definir el estado de un sistema con un conjunto de variables necesarias para describir el sistema en un punto particular de tiempo, relativo a los objetivos del estudio. Los sistemas se pueden clasificar en dos tipos, discretos y continuos. Un sistema discreto es aquel en el que las variables de estado cambian instantneamente en puntos separados en el tiempo. Un sistema continuo es aquel en el que las variables de estado cambian continuamente con respecto al tiempo. En la prctica muchos sistemas no son completamente discretos o continuos, usualmente es posible clasificarlos en base al tipo de cambios que predominen en el mismo. En algunos momentos en la vida de un sistema es necesario estudiar el mismo para entender las relaciones entre sus componentes o predecir su comportamiento bajo nuevas condiciones que se consideran. Existen diferentes formas de estudiar un sistema: Experimentar sobre el sistema actual frente a experimentar con un modelo del sistema. Lo primero es preferible siempre y cuando se pueda alterar el sistema con las nuevas condiciones y no sea muy costoso. Sin embargo es muy raro que esto se pueda llevar a cabo, ya que normalmente estos experimentos suelen ser muy
9

costosos o muy destructivos para el sistema. Incluso puede ocurrir que el sistema no exista pero se quiera estudiar posibles alternativas de construccin del mismo (sistemas de fabricacin, armas nucleares, etc.). Por estas razones es necesario construir un modelo que represente al sistema y estudiar ste para poder responder a las cuestiones planteadas sobre el sistema. Modelo fsico frente a modelo matemtico: Para muchos la palabra modelo, evoca imgenes de miniaturas, cabinas separadas de los aviones para el entrenamiento de los pilotos, etc. Estos son ejemplos de modelos fsicos (tambin conocidos como modelos icnicos). Sin embargo la mayora de los modelos construidos para estudiar los sistemas son matemticos, los cuales representan un sistema en trminos de relaciones cuantitativas y lgicas que pueden ser cambiadas para ver cmo el modelo reacciona y ver as como debera comportarse el sistema, si el modelo es vlido. Solucin Analtica frente a Simulacin: Una vez que se ha construido un modelo matemtico, ste debe examinarse para poder concluir el comportamiento del sistema y as responder a las cuestiones planteadas sobre el mismo. Si el modelo es simple, es posible trabajar con estas cantidades y relaciones y obtener una solucin analtica exacta. Sin embargo hay veces en las que obtener una solucin analtica resulta complejo y necesita muchos recursos de computacin. En estos casos el modelo puede ser estudiado por medio de simulacin, es decir, se ejercita el modelo numricamente por medio de entradas para ver cmo stas afectan a las medidas de salida o ejecucin. Por tanto podemos definir la simulacin como la tcnica de resolucin de problemas siguiendo en el tiempo los cambios de un modelo de un sistema (Gordon, 1969), o como el proceso de disear un modelo de un sistema real y realizar experimentos con dicho modelo con el propsito de comprender el funcionamiento del sistema o de evaluar diferentes estrategias (dentro de los lmites impuestos por un criterio o conjunto de criterios) para la operacin del sistema (Shannon, 1975), para este ltimo autor, simulacin incluye tanto la modelizacin como el uso del modelo para estudiar el sistema. Otra posible definicin es entender la simulacin como el proceso de disear un modelo matemtico o lgico de un sistema real y realizar una serie de experimentos con el
10

ordenador sobre l para describir, explicar y predecir el comportamiento del sistema real (Naylor y otros). Por modelo entendemos la representacin de un sistema, desarrollado con el propsito de estudiar dicho sistema. Los modelos deben contener slo los aspectos esenciales del sistema real que representan. Aquellos aspectos del sistema que no contribuyen significativamente en su comportamiento no se deben incluir, ya que lo que haran sera obscurecer las relaciones entre las entradas y las salidas. En qu punto se debe parar de incluir realismo en el modelo? Esto depende del propsito para el cual el modelo se haya desarrollado.

1.4.1 Caractersticas que deben presentar los modelos: * Deben ser fciles de entender y manejar. * Deben ser simples y de costo no excesivo. * Deben ser una buena aproximacin del sistema real, que controle el mayor nmero posible de aspectos del mismo y que stos contribuyan de forma significativa al sistema (hay relaciones en el sistema que no son significativas y pueden obviarse en el modelo). El diseo y control de modelos de modelos obliga a tener conocimientos de cuatro reas de conocimiento distintas: Modelizacin: necesarios para disear el modelo que permita dar respuestas vlidas del sistema real que represente. El diseo es una fase muy importante, ya que los errores proporcionarn modelos falsos. Programacin: ya que el modelo se ha de implantar con un lenguaje de programacin. Probabilidad y Estadstica: la probabilidad es necesaria para definir y estudiar las variables aleatorias de las entradas, y la estadstica para permitir el diseo y anlisis de los experimentos. Mtodos Heursticos: para permitir llegar a una solucin buena del problema planteado. 1.4.2 Clasificacin de los modelos Nos vamos a centrar en los modelos matemticos y su estudio por medio de simulacin. Los modelos se pueden clasificar en:

11

Estticos frente a Dinmicos: Un modelo esttico es una representacin de un sistema en un punto particular del tiempo, o uno que representa un sistema en el cual el tiempo no juega ningn papel; ejemplos de simulaciones estticas son los modelos Monte Carlo. De otro lado, los modelos dinmicos representan sistemas que evolucionan con el tiempo.

Determinsticos frente a Probabilsticos: Si un modelo no contiene ningn componente probabilstico se conoce como determinstico (ej. un complicado sistema de ecuaciones diferenciales que describen una sustancia qumica). En un modelo determinstico la salida es determinada una vez que se especifican las relaciones, cantidades y entradas. Sin embargo muchos sistemas tienen ciertos componentes aleatorios de entrada y stos se representan mediante modelos probabilsticos (por ejemplo la mayora de los sistemas de colas e inventarios). Los modelos de simulacin probabilsticos producen salidas que son aleatorias y deben ser tratadas como tales, es decir como una estimacin de las verdaderas caractersticas del modelo; esta es una de las desventajas de la simulacin.

Continuos frente a Discretos: Los modelos de simulacin continuos y los discretos se definen de forma anloga a la de los sistemas. Slo decir que no siempre es usado para modelar un sistema discreto y viceversa. La decisin de utilizar un modelo discreto o continuo para un sistema particular depende de los objetivos del estudio. Por ejemplo un modelo del flujo de trfico en una autova podra ser discreto si son importantes las caractersticas y movimientos de los coches individuales. Alternativamente, si los coches se tratan en conjunto el flujo de trfico se puede describir mediante ecuaciones diferenciales en un modelo continuo.

Prescriptivos frente a Descriptivos: Los primeros pretenden tomar decisiones sobre el sistema; se utilizan cuando se desea responder y optimizar una cuestin acerca del sistema, tratan de dar la mejor solucin. Los segundos se limitan a describir el comportamiento del sistema y dejan la totalidad del proceso de optimizacin en manos del analista.

De Ciclo Abierto frente a de Ciclo Cerrado: En los primeros no hay realimentacin, es decir, las salidas no afectan a las entradas. En los segundos las salidas s afectan a las entradas (ej. un sistema de calefaccin).
12

1.5. Mecanismos de tiempo fijo y tiempo variable Parte de la construccin de modelos es el mecanismo de avance de tiempo. Este depender de la aproximacin elegida para describir el comportamiento del sistema. Si se eligi la aproximacin de flujo fsico, este diagrama de flujo podra refinarse para convertirse en el diagrama de flujo del programa. Si se sigui la aproximacin de cambio de estado, el diagrama de flujo desarrollado debera describir el procedimiento que efecta los cambios de estado en el tiempo. Otros dos factores inciden en la construccin del diagrama de flujo del programa: elegir un mecanismo de avance del tiempo y el lenguaje de programacin que se seleccione. Hay fundamentalmente dos formas de considerar el avance del tiempo en un modelo de simulacin: Incrementos fijos de tiempo: se considera un intervalo fijo de tiempo y el estado del modelo se comprueba despus de transcurrido cada uno de estos incrementos constantes. Incrementos por los eventos (N.E.T.A., Next Event Time Advance): las comprobaciones y modificaciones de las variables afectadas se realizan slo despus de la ocurrencia de un evento. Aqu el incremento de tiempo es variable, va desde la ocurrencia de un evento a otro. El avance del tiempo de simulacin depende de cul de las aproximaciones se elija. Si se elige el incremento por eventos, el reloj se inicializa a 0, y se incrementa al siguiente tiempo en que vaya a ocurrir un suceso, en ese momento, en este momento de actualizacin del reloj se modifican las variables que se vean afectadas por la ocurrencia del suceso. Si por el contrario se elige un incremento de tiempo fijo, el reloj se inicia a 0 y se va actualizando cada vez que pase el incremento de tiempo fijado. En esos instantes se observar el sistema para realizar los cambios. En ese momento puede ocurrir que no haya sucedido ningn cambio o que por el contrario que hayan ocurrido ms de un suceso con lo cual se tendr que decidir cul atender antes (por ejemplo dando prioridad a los sucesos). En esta aproximacin pueden ocurrir errores de redondeo, que hacen referencia a la
13

diferencia de tiempo que pasa desde que sucede un suceso hasta que ste se computa (cuando el reloj se incrementa). Hay que tener cuidado en la eleccin del incremento de tiempo. Si ste es demasiado pequeo se realizar trabajo intil, ya que se comprobarn cambios cuando en realidad no ha ocurrido ningn suceso. Por el contrario si es demasiado grande se producirn muchos errores de redondeo y la dinmica del modelo ser ineficiente. Avance del reloj de simulacin segn los sucesos.

Avance del reloj de simulacin en incrementos fijos.

1.6. Etapas de un Proyecto de simulacin En el proceso de construccin del modelo de simulacin se realizan, en general, los siguientes pasos:

Definicin del sistema Determinar la interaccin de las variables entre s, del sistema con otros sistemas, etc. Debemos entender el problema antes de iniciar con su solucin.

Formulacin del modelo Definir todas las variables que forman parte del sistema, sus relaciones. Escribir una definicin completa del problema. incluir detalles como entradas y salidas esperadas, el procesamiento necesario, suposiciones sobre el problema, etc.

Coleccin de datos Definir con claridad los datos con que se va a alimentar el modelo.

14

Implementacin del modelo Decidir el lenguaje de programacin a utilizar para implementar el modelo en una computadora. Validacin Detallar las deficiencias del modelo o en los datos alimentados al mismo. Opinin de expertos sobre los resultados de la simulacin. La exactitud con que se predicen datos histricos. La exactitud de la prediccin en el futuro. La comprobacin de falla del modelo de simulacin con datos que hacen fallar al sistema real. La aceptacin y confianza en el modelo de la persona que har uso de los resultados que arroje el experimento de la simulacin.

Experimentacin: La experimentacin con el modelo se realiza despus de que ste ha sido validado. Consiste en generar datos. Interpretacin: Se interpretan los resultados que arroja la simulacin para tomar una decisin. Documentacin. Documentacin tcnica Servir para hacer modificaciones al modelo. Documentacin para el usuario Manual detallado de uso del sistema de simulacin para la persona que maneje el sistema.

Nota: Las suposiciones deben siempre escribirse en la documentacin del programa de computadora generado como simulador. Por ejemplo, si debemos alimentar al sistema con un coeficiente para indicar un porcentaje que debe cumplir con: 0 p 1, la documentacin debe mencionar este requerimiento de manera explcita. 1.7 Conclusiones 1.8 Bibliografa
Abad, R. C. (2002). Introduccin a la Simulacin y a la Teora de Colas. Coruia: Netbiblo. Adolfo. (s.f.). itescam.edu.mx. Recuperado el 2013 de 02 de 9, de itescam.edu.mx: www.itescam.edu.mx/principal/sylabus/fpdb/recursos/r83521.PDF 15

Apolinar, E. S. (2008). simulacin de sistemas. Mxico: Pisis. Bu, R. C. (S/N). Simulacin un enfoque practico. S/N: Limusa. David M Autor Himmelblau, K. B. (1976). Analisis y simulacin de procesos. Barcelona: Reverte. itescam. (s.f.). itescam.edu.mx. Recuperado el 2013 de 02 de 8, de itescam.edu.mx: www.itescam.edu.mx/principal/sylabus/fpdb/recursos/r56954.DOC Ross, S. M. (2002). Simulacion. Madrid: Prentice Hall. Sarduy, S. (1982). La simulacin. s/n: Morte avila editores.

16