Está en la página 1de 23

Instituto Tecnolgico Superior De Valladolid

UNIDAD 6: MODELACIN Y SIMULACIN DE OPERACIONES Y


PROCESOS

TRABAJO: INVESTIGACIN

Docente: M. en Arq. Aguilar Rivero Lucila Guadalupe

Alumnos:
Cocom Tut Juan Carlos
Dzul Dzidz Jos Lorenzo
Hoil Oy Florentino

MODELACIN Y SIMULACIN DE OPERACIONES Y PROCESOS


La modelacin y simulacin de procesos permite desarrollar modelos virtuales y
experimentar en forma dinmica con ellos. Lo que facilita identificar y cuantificar
oportunidades de mejora en el desempeo actual, as como analizar el
comportamiento del proceso bajo estudio en diferentes condiciones de operacin y
adelantarse proactivamente a cambios futuros.

Modelar y simular un proceso es como tenerlo en la computadora y ponerlo a


trabajar para observar y analizar su comportamiento durante diferentes periodos y
condiciones de trabajo con el propsito de identificar oportunidades de mejora y
responder a las preguntas qu pasa si?, al realizar cambios y analizar su
desempeo bajo diferentes entornos de operacin.

Algunas de las aplicaciones ms comunes son: el diseo, mejora y rediseo de


lneas de manufactura.

EL PROCESO DE SIMULACIN: CONCEPTO, ELEMENTOS Y FASES.

La simulacin de este da se basa en la idea del muestreo utilizado con el


mtodo
Montecarlo. Difiere en que estudia el comportamiento de sistemas reales
como una
funcin de tiempo. Existen dos tipos distintos de modelos de simulacin.

1. Los modelos continuos se ocupan de sistemas cuyo comportamiento


cambia continuamente con el tiempo. Estos modelos suelen utilizar
ecuaciones diferenciales para describir las interacciones entre los
diferentes elementos del sistema. Un ejemplo tpico tiene que ver con el
estudio de la dinmica de la poblacin mundial, donde el inters primordial
son los cambios suaves. Por ejemplo el comportamiento de algunos
parsitos (las fluctuaciones en el nmero de su poblacin con respecto a la
poblacin de sus anfitriones), la posicin relativa de un conjunto de astros,
etc.

2. Los modelos discretos tienen que ver principalmente con el estudio de lneas
de espera con el objetivo de determinar medidas como el tiempo de espera
promedio y la longitud de la cola. Estas medidas cambian slo cuando un cliente
entra, o sale del sistema. Los instantes en que ocurren los cambios en puntos
discretos especficos del tiempo (eventos de llegada y salida), originan el nombre
simulacin de evento discreto.

Este captulo presenta los fundamentos de la simulacin de evento discreto,


incluida una descripcin de los componentes de un modelo de simulacin, la
recoleccin de estadsticas de simulacin y el aspecto estadstico del experimento
de simulacin.

Tambin pone nfasis en el papel de la computadora y los lenguajes de simulacin


en la ejecucin de modelos de simulacin.

Se aplica en sistemas discretos, donde el inters primario est en los eventos,


siendo las ecuaciones que los describen ecuaciones lgicas que expresan las
condiciones para que ocurra un evento.

La simulacin consiste en seguir los cambios en el estado del sistema producidos


por la sucesin de eventos.

Un evento describe la ocurrencia de un cambio en un instante de tiempo y por lo


tanto puede provocar un cambio en el valor de algn atributo de una entidad o de
la entidad en s (crear o destruir una entidad, iniciar o detener una actividad), lo
cual requiere la construccin de un programa que permita seguir la secuencia de
eventos.
Llamamos entidad a cualquier objeto de inters en el sistema, atributo denota una
propiedad de una entidad, y todo lo que provoque cambios en el sistema se
conocer como actividad del mismo.

El trmino estado del sistema indica una descripcin de todas las entidades,
atributos y actividades segn su existencia en algn instante del tiempo. El
progreso o desarrollo en el tiempo del sistema se estudia siguiendo sus cambios
de estado.

Por ello es necesario llevar un registro del paso del tiempo, al que llamamos
"tiempo de reloj" que es un nmero, inicializado en 0 al comienzo de la simulacin,
y que va indicando cuantas unidades de tiempo simulado han transcurrido desde
el comienzo.

Al menos que especficamente se exprese de manera contraria, el trmino "tiempo


de simulacin", significa el tiempo del reloj indicado y no el tiempo que ha
necesitado la computadora para realizar la simulacin (tiempo de cmputo) es
ms, por lo general, no existe una relacin directa entre ambos.

Si simulsemos el sistema operativo de una computadora, en el que los eventos


reales ocurren en intervalos medios en fracciones de microsegundos, aunque la
realizsemos en una mquina de alta velocidad, notaramos que la simulacin
tomara fcilmente miles de veces ms tiempo que la operacin real del sistema.

Por otro lado, para la simulacin de un sistema econmico, en el que se ha


estudiado eventos que ocurren una vez al ao, es fcil realizar una operacin de
cien aos en unos cuantos minutos de clculo.

Existen dos mtodos para actualizar el tiempo del reloj, a los que llamamos
mecanismo de control de flujo de tiempo.

a) el reloj avanza a la hora en que debe ocurrir el siguiente evento, conocido como
mecanismo orientado al evento.
b) el reloj avanza en intervalos pequeos (generalmente uniformes) y en cada
intervalo se determina si debe ocurrir un evento o no, llamado mecanismo
orientado a intervalos, usado normalmente en simulacin continua.

Elementos de la simulacin de evento discreto

El objetivo final de la simulacin es estimar algunas medidas de desempeo


deseables que describan el comportamiento del sistema simulado. Por ejemplo, en
una instalacin de servicio, las medidas de desempeo asociadas pueden incluir
el tiempo de espera promedio hasta que un cliente es atendido, la longitud
promedio de la cola y la utilizacin promedio de la instalacin de servicio. Esta
seccin muestra cmo se recopilan las estadsticas del sistema simulado con base
en el concepto de eventos.

Definicin genrica de eventos


Todas las simulaciones de eventos discretos describen, directamente o
indirectamente, situaciones de colas en las que los clientes llegan (para servicio),
esperan en la cola (si es necesario) y luego reciben el servicio antes de salir de la
instalacin de servicio.
Como tal, cualquier simulacin de evento discreto, independientemente de la
complejidad del sistema que describe, se reduce a tratar con dos eventos bsicos:
llegadas y salidas. El siguiente ejemplo ilustra el uso de los eventos de llegada y
salida para describir un sistema compuesto de colas distintas.

Ejemplo 1

Metalco Jobshop recibe dos tipos de trabajos: regulares y urgentes. Todos los
trabajos se procesan en dos mquinas consecutivas con amplias reas
intermedias. Los trabajos urgentes siempre suponen prioridad preventiva sobre los
trabajos regulares.
Esta situacin consta de colas en tndem que representan las mquinas. Al
principio nos podemos inclinar a identificar los eventos de la situacin como
A11: Un trabajo regular llega a la mquina 1.
A21: Un trabajo urgente llega a la mquina 1.
D11: Un trabajo regular sale de la mquina 1.
D21: Un trabajo urgente sale de la mquina 1.
Al2: Un trabajo regular llega a la mquina 2.
A22: Un trabajo urgente llega a la mquina 2.
D12: Un trabajo regular sale de la mquina 2.
D22: Un trabajo urgente sale de la mquina 2.

En realidad slo hay dos eventos: la llegada de un (nuevo) trabajo al taller y la


salida de un trabajo (terminado) de una mquina. En primer lugar observe que los
eventos D11 y A12 en realidad son los mismos. Lo mismo aplica a D21 y A22.
Luego, en la simulacin discreta podemos utilizar un evento (llegada o salida) de
ambos tipos de trabajos y simplemente etiquetar el evento con un atributo que
identifique el tipo de trabajo como regular o urgente. (En este caso podemos
pensar en el atributo como un descriptor de identificacin personal, y de hecho lo
es). Dado este razonamiento, los eventos del modelo se reducen a (1) una llegada
A (al taller), y (2) una salida D (de una mquina). Las acciones asociadas con el
evento de llegada dependen del tipo de trabajo que llega (urgente o regular) y de
la disponibilidad de una mquina. Asimismo, el procesamiento del evento de salida
depender de la mquina y del estatus de los trabajos en espera.
Habiendo definido los eventos bsicos de un modelo de simulacin, demostramos
cmo se ejecuta el modelo. La figura 19.4 ofrece una representacin esquemtica
de ocurrencias tpicas de eventos en la escala de tiempo de la simulacin. Una
vez que se han realizado todas las acciones asociadas con un evento existente, la
simulacin salta al siguiente evento cronolgico. En esencia, la ejecucin de la
simulacin ocurre en los instantes en que ocurren los eventos.
Cmo determina la simulacin el tiempo de ocurrencia de los eventos? Los
eventos de llegada estn separados por el tiempo entre llegadas (el intervalo entre
llegadas sucesivas) y los eventos de salida son una funcin del tiempo de servicio
en la instalacin. Estos tiempos pueden ser determinsticos (por ejemplo un tren
que llega a una estacin cada 5 minutos) o probabilsticos (como la llegada
aleatoria de los clientes a un banco). Si el tiempo entre eventos es determinstico,
la determinacin de sus tiempos de ocurrencia es simple. Si es probabilstico,
utilizamos un procedimiento especial para muestrear de la distribucin de
probabilidad correspondiente.
Este punto se trata en la siguiente seccin.

Simulacin estadstica: a veces llamada Mtodo Monte Carlo, es el muestreo de


los mundos posibles de nuestro sistema, mtodo que estudiaremos con ms
detalle.
LAS TCNICAS MONTECARLO

Un precursor de la simulacin actual es el experimento Montecarlo, un esquema


de modelado que estima parmetros estocsticos o determinsticos con base en
un muestreo aleatorio. Algunos ejemplos de aplicaciones Montecarlo incluyen la
evaluacin de integrales mltiples, la estimacin de la constante y la inversin de
matrices. Esta seccin utiliza un ejemplo para demostrar la tcnica Montecarlo. El
objetivo del ejemplo es enfatizar la naturaleza estadstica de la simulacin.

Utilizaremos un muestreo Montecarlo para estimar el rea del siguiente crculo:

El radio del crculo es r 5 cm, y su centro es (x, y) 5 (1, 2).


El procedimiento para estimar el rea requiere encerrar estrechamente el crculo
en un cuadrado cuyo lado sea igual al dimetro del crculo, como se muestra en la
figura 19.1. Los puntos de esquina se determinan a partir de la geometra del
cuadrado.
La estimacin del rea del crculo se basa en un experimento de muestreo que
brinda una oportunidad igual de seleccionar cualquier punto en el cuadrado. Si m
de n puntos muestreados quedan dentro del crculo, entonces.

Para asegurarnos de que todos los puntos en el cuadrado son igualmente


probables, las
coordenadas x y y de un punto en el cuadrado se representan por medio de las
siguientes distribuciones uniformes:
La determinacin de una muestra (x, y) se basa en el uso de nmeros (seudo)
aleatorios independientes 0-1. La tabla 19.1 incluye una muestra de tales
nmeros, los cuales utilizaremos en los ejemplos de este captulo. Para el
propsito de simulacin general, se utilizan operaciones aritmticas especiales
para generar nmeros (seudo) aleatorios 0-1, como se demostrar en la seccin
19.4. Se puede usar un par de nmeros aleatorios 0-1, R1 y R2, para generar un
punto aleatorio (x, y) en el cuadrado utilizando las siguientes frmulas:

y = -3 + [7 - (-3)]R2 = -3 + 10R2
x = -4 + [6 - (-4)]R1 = -4 + 10R1

Para demostrar la aplicacin del procedimiento, consideremos R1 5 .0589 y R2


5.6733.
y = -3 + 10R2 = -3 + 10 * .6733 = 3.733
x = -4 + 10R1 = -4 + 10 * .0589 = -3.411

Este punto queda dentro del crculo debido a que:

(-3.411 - 1) ^2 + (3.733 - 2)^2 = 22.46 <6 25


APLICACIONES DE LA SIMULACIN EN PROBLEMAS DE LNEAS DE
ESPERA E INVENTARIOS.

Al principio de este libro se mencion que el tipo de simulacin que realizaramos


es de procesos dinmicos discretos. En esta parte veremos precisamente la
aplicacin de la simulacin a procesos discretos de lneas de espera e inventarios,
sustancialmente. En el desarrollo del marco terico de la simulacin se han
establecido dos puntos de vista relativos a la consideracin o tratamiento de los
eventos discretos. En el primer punto de vista, orientado al proceso la atencin se
centra en las entidades del sistema y se considera a la simulacin como la tarea
de seguir los cambios que ocurren conforme las entidades pasan de una actividad
a otra. El segundo punto de vista, al que se le refiere como orientado al evento o
basado en la mquina, la atencin se centra en las actividades conforme se
aplican a distintas entidades.

Es importante hacer notar que la ejecucin de una simulacin se mantiene


igual sin importar el punto de vista que se tome.

El mecanismo de tiempo reloj.

En el proceso de la simulacin se requiere llevar registros de todas las actividades


que se ejecuten y de las entidades involucradas, y se deben de actualizar
repetidamente para reflejar la sucesin de la ocurrencia de los eventos en el
sistema. Para eso se requiere de un dispositivo que registre los tiempos de
eventos futuros de acuerdo a la evolucin de la simulacin.

El registro del tiempo se hace con un mecanismo virtual que reconoce como
tiempo reloj (CLOCK). Al inicio de una corrida de simulacin, como parte de las
condiciones iniciales se le da el valor de cero para ir registrando las unidades de
tiempo simulado que han transcurrido desde que la simulacin est corriendo.

Se consideran dos mecanismos para el registro del tiempo reloj. El primero que se
conoce como avance variable de tiempo, consiste en avanzar el reloj a la hora a
que debe de ocurrir el siguiente evento. El segundo mtodo conocido como
incremento fijo de tiempo, consiste en avanzar el reloj en intervalos pequeos
uniformes de tiempo y determinar en cada intervalo si deben de ocurrir eventos en
ese lapso.

La generacin de llegadas exgenas a travs del cordn de botas


(bootstrapping).

La llegada exgena de una entidad se define como un evento y la hora de llegada


de la siguiente entidad se registra como uno de los tiempos del evento. Cuando el
tiempo reloj llega a este tiempo de evento, se ejecuta el evento de entrada de la
entidad al sistema y de inmediato se calcula el tiempo de llegada de la siguiente
entidad con base en la funcin de distribucin de tiempos entre llegadas. A este
proceso se le denomina cordn de botas.

EJEMPLO

La gerencia de operaciones de la compaa transportista de pasajeros El Gallo


Qu, Qu, ha programado la operacin de sus autobuses de primera clase para
que pasen por la poblacin conocida como El Mango cada quince minutos pero
debido a diversas circunstancias como pueden ser las condiciones climticas y el
estado del camino, el tiempo de arribo de los autobuses a la terminal camionera
de dicha poblacin, sigue una distribucin de probabilidad normal con media de 15
minutos y desviacin estndar de 3 minutos. El nmero de asientos vacos en los
autobuses se distribuye segn un proceso de Poisson con tasa media de 1.5 por
autobs. Los pasajeros que llegan a abordar los autobuses lo hacen tambin
segn una distribucin de Poisson con tasa media de 4 por hora. Se supone una
disciplina de servicio del tipo PEPS y adems no se permiten viajeros de pie, as
mismo, los pasajeros que llegan a esperar los autobuses estn dispuestos a
esperar el tiempo que sea necesario para abordar. Se considera que la empresa
proporciona el servicio a una poblacin infinita y que la capacidad de la sala de
espera tambin es infinita. Efecte una corrida de simulacin para los primeros
diez pasajeros y registre el tiempo reloj, as como una estimacin del tiempo
medio de espera de los pasajeros y la longitud promedio de la cola.
Este problema a pesar de su cotidianeidad, realmente no puede ser resuelto al
menos, fcilmente por mtodos analticos. Entonces usaremos la simulacin para
tener una descripcin del comportamiento del sistema y basados en el tiempo
medio de espera de los pasajeros, poder tomar decisiones respecto al tiempo
entre llegadas de los autobuses o ms an, respecto de la distribucin del mismo.

Las condiciones iniciales se establecen de manera que se ajusta el tiempo reloj a


cero y se avanzar hasta el tiempo simulado de la primera llegada ya sea de un
pasajero o de un autobs. Tambin se supone que al inicio de la simulacin no hay
pasajeros esperando en la cola.

Como el nmero de pasajeros que llegan al paradero se distribuye segn un


proceso de Poisson, entonces, por las propiedades y relaciones existentes entre
las distribuciones de Poisson y exponencial negativa; el tiempo entre llegadas de
los pasajeros sigue la distribucin exponencial con media de 15 min. (4 pasajeros /
hora = 4 pasajeros / 60 min. = 1 pasajero / 15 min.), el generador de muestras
simuladas aleatorias es:

Basados en este generador, a continuacin se realizan los clculos del tiempo


reloj de los eventos correspondientes a las llegadas de los pasajeros, los cuales
se presentan en la siguiente tabla:

Tiempo entre llega- Tiempo reloj de la


Pasajero Nos. Aleatorios
das de los llegada de los
(pax) uniformes RND
pasajeros (min) pax (min)

1 0.428 12.7 12.7

2 0.848 2.5 15.2

3 0.881 1.9 17.1

4 0.494 10.6 27.7

5 0.178 25.9 53.6

6 0.475 11.2 64.8


7 0.231 22.0 86.8

8 0.912 1.4 88.2

9 0.654 6.4 94.6

10 0.417 13.1 107.7

Por otro lado, en lo que se refiere a los asientos vacos en los autobuses, su
funcin de distribucin es la Poisson con una tasa media de ? = 1.5 asientos
vacos / autobs. Por tanto el generador de muestras aleatorias lo obtenemos con
la tabla de transformacin inversa, se tiene:

la tabla de frecuencia acumulada de la distribucin de asientos vacos es:

X f(x) F(x)
0 0.223 0.223
1 0.335 0.558
2 0.251 0.804
3 0.125 0.934
4 0.047 0.981
5 0.014 0.995
6 0.005 1.000

Y la tabla de transformacin inversa es:

VALOR
INTERVALO GENERADO
RND DE X Asientos
vacos
0.000 - 0.223 0
0.224 0.558 1
0.559 0.809 2
0.810 0.934 3
0.935 0.981 4
0.982 0.995 5
0.996 1.000 6

Como el tiempo entre llegadas de los autobuses sigue la distribucin normal con
media de 15 min. y su desviacin estndar es de 3 min., el generador de muestras
simuladas aleatorias es:

Basados en la tabla para los asientos vacos y en el generador de tiempos entre


llegadas para los autobuses, a continuacin se realizan los clculos
correspondientes a los eventos tiempo de llegada de los autobuses y su respectiva
disponibilidad de asientos vacos, los cuales se presentan en la siguiente tabla:

Nmero Tiempo entre Tiempo reloj Nmeros Nmero


Autobs aleatorio llegadas de de las aleatorios de
(bus) normal los llegadas de uniformes asientos
RANORM autobuses los autobuses RND vacos
1 0.542 16.3 16.3 .762 2
2 1.828 20.5 36.8 .121 0
3 -0.008 15.0 51.8 .177 0
4 -0.006 15.0 66.8 .434 1
5 -0.770 12.7 79.5 .625 2
6 -0.598 13.2 92.7 .931 3
7 -0.318 11.0 103.7 .354 1
8 0.733 17.2 120.9 .644 2
9 -0.968 12.1 133.0 .182 0
10 -0.677 13.0 146.0 .309 1
11 -0.379 13.9 159.9 .319 1

12 0.000 15 174.9 .601 2

A continuacin se muestran los resultados de la corrida de la simulacin realizada


con el enfoque al flujo del proceso:

Tiempo reloj de
Tiempo reloj Tiempo de
llegada de Autobs
Pasajero de a bordo espera del
pasajero a la de abordo
del pasajero pasajero
estacin.
1 12.7 1 16.3 3.6
2 15.2 4 66.8 51.6
3 17.1 5 79.5 51.8
4 27.7 5 79.5 51.8
5 53.6 6 92.7 39.1
6 64.8 6 92.7 27.9
7 86.8 6 92.7 5.9
8 88.2 7 103.7 15.5
9 94.6 8 120.9 26.3
10 107.7 8 120.9 13.2
Para esta corrida se tiene un tiempo promedio de espera de 29.73 min. y la
longitud de la misma en tiempo fue de prcticamente 2 horas.

Tiempo reloj Cantidad de Pasajeros


Longitud Pasajeros
Autobs de llegada a asientos que
de la cola en la cola
la estacin vacos abordan
1 16.3 2 1,2 2 1,2
2 36.8 2 3,4 0 -
3 51.8 2 3,4 0 -
4 66.8 4 3,4,5,6 1 3
5 79.5 3 4,5,6 2 4,5
6 92.7 3 6,7,8 3 6,7,8
7 103.7 1 9 1 9
8 120.9 1 10 2 10

Vemos que la longitud promedio de la cola es 2.25 pasajeros.

Considerando un tamao de muestra adecuado, estos resultados pueden ser


usados para apoyar a la gerencia de la empresa a tomar decisiones que brinden a
los usuarios del servicio que prestan la oportunidad y comodidad en sus viajes en
esa lnea.

USO DE SOFTWARE.

El uso de software que permite modelar y simular fenmenos complejos con


Dinmica de Sistemas, para su desarrollo se han utilizado tcnicas de
Programacin Orientadas a Objetos (POO), diseo basado en componentes,
patrones de diseo y el Lenguaje Unificado de Modelado (UML).

Evolucin brinda la posibilidad de crear, editar y guardar Diagramas de


Influencias, como parte de la representacin del modelo y eslabn importante en
el proceso de modelado con DS; el Diagrama de Influencias es una representacin
de carcter cualitativo en la cual se hace nfasis en las estructuras cclicas
(realimentadas) que presentan las relaciones de influencia entre los elementos de
un sistema y que explican su dinmica.

Adems, Evolucin facilita la construccin del modelo en el lenguaje de Flujos y


Niveles, mediante un editor de Diagramas de Flujo-Nivel; la definicin de las
ecuaciones de cada una de las variables de los elementos del diagrama de Flujo-
Nivel proporciona el modelo en el lenguaje de las ecuaciones, soportado
principalmente en la ecuaciones diferenciales asociadas a cada nivel y los flujos
que le afectan. El modelo en el lenguaje de las ecuaciones lo recibe el ncleo de
Evolucin, el Motor de simulacin, ste resuelve el sistema de ecuaciones
diferenciales, segn el escenario y las condiciones de simulacin establecidas por
el modelador. Los resultados de la simulacin se visualizan por medio de un
Presentador de Resultados, utilizando diversos componentes y controles como
grficas en dos y tres dimensiones, tablas, dial, barras de desplazamiento,
etiquetas, etctera para presentar el modelo en el lenguaje del comportamiento.

El anlisis de los resultados de la simulacin es una importante herramienta para


la evaluacin del modelo; Con tal fin es necesario realizar diferentes simulaciones
teniendo en cuenta condiciones sobre las cuales el modelo tiene comportamientos
especficos, as como analizar cualitativamente las trayectorias temporales,
identificando las tendencias que se observan en las mismas. En este sentido,
Evolucin cuenta con herramientas que facilitan la realizacin de dos tipos de
Anlisis de Sensibilidad: por variacin de escenarios y por variacin de
parmetros. Evolucin es una herramienta de DS que circula actualmente a nivel
internacional en idioma Espaol. Es de resaltar el diseo basado en componentes
que permite la reutilizacin de unidades de software como parte de otras
aplicaciones.

La evolucin de Evolucin

El software Evolucin inici como una propuesta del ingeniero Hugo Hernando
Andrade Sosa profesor titular de la Universidad Industrial de Santander, fundador
del grupo SIMON de Investigacin en Modelamiento y Simulacin.
Caractersticas de Evolucin

A continuacin se presenta las caractersticas ms representativas de la


herramienta Evolucin, al tiempo que se comparan con las de software similares.

Administracin

Esta caracterstica le permite al usuario asignar un nombre al proyecto


desarrollado, una descripcin, la cual es comnmente utilizada para describir el
modelo en trminos del lenguaje natural o lenguaje en prosa, registrar el nombre
del autor y establecer una contrasea, restringiendo el acceso al modelo. Entre
estas restricciones se encuentran: no permitir ver el modelo, no modificarlo o crear
nuevas ventanas de presentacin de resultados. Adems, la administracin
muestra las estadsticas del proyecto relativas al nmero de sectores, elementos y
relaciones que hacen parte del modelo y cantidad de cada tipo de variable. Esta
caracterstica de administracin es similar a la presentada en el software
Powersim, el cual posee una ventana para la informacin del proyecto (ttulo,
autor, compaa, etc.) y ofrece seguridad para poder crear una contrasea con el
propsito de proteger el proyecto de simulacin, de igual forma, muestra las
estadsticas como el nmero de componentes utilizados.

Modelado

Evolucin cuenta con dos espacios de trabajo fundamentales para la formulacin


del proyecto de modelado, el Editor de Diagramas de Influencias y el Editor de
Flujo-Nivel.

El Editor de Diagramas de Influencias facilita la descripcin de las relaciones de


influencia entre las variables del modelo; distinguiendo las relaciones de material
de las de informacin, para una lectura rigurosa de las relaciones y ciclos. La
relacin de material representa la transmisin de una magnitud que se conserva
de un elemento al otro (asociada a un Nivel) y la de informacin es utilizada
cuando simplemente la informacin que contiene el valor de una variable tiene
efectos sobre otra. El modelador decide si desea hacer estas distinciones en el
diagrama. Adems, se puede agregar elementos de tipo informativo como son los
signos (+ -) en las relaciones y los ciclos de realimentacin. Un ejemplo de este
editor se presenta en la Figura 2.

Para facilitar la organizacin del modelo, el Editor de Diagramas de Influencias


posibilita agrupar elementos por medio de sectores; adems permite generar
copias o clones de un elemento y de esta manera evitar las relaciones cruzadas
o demasiado extensas; estos dos mecanismos facilitan la construccin de
diagramas complejos y de gran tamao. As mismo, Evolucin facilita una matriz
que muestra de forma tabulada las relaciones existentes entre los elementos del
diagrama de influencias. Adems, es posible generar un bosquejo preliminar del
Diagrama de Flujo Nivel a partir del Diagrama de Influencias.

Los Diagramas de Influencias en Evolucin son informativos y por lo tanto no son


obligatorios para realizar una simulacin. Estos diagramas, constituyen un
mecanismo de apoyo en el desarrollo y la documentacin del modelo, presentando
de manera explcita las relaciones entre sus elementos y los ciclos de
realimentacin que definen la hiptesis dinmica del modelo sobre el fenmeno
explicado. Se han identificado diferentes formas de abordar la representacin de
modelos a travs de los Diagramas de Influencias ofrecidos por las herramientas
software revisadas:

Sin editor de diagrama de influencias, ejemplo AnyLogic

. Con editor de grficos el cual puede ser utilizado para elaborar cualquier
diagrama o grfico. Sin embargo, sin los elementos propios del diagrama de
influencias, ejemplo Powersim.

Con editor de diagrama de influencias para elaborar un modelo de tipo


informativo, ejemplo Evolucin.

El editor de Flujo-Nivel que permite modificar la presentacin de los diferentes


elementos que conforman el diagrama (eliminar el icono que representa al
elemento y dejar nicamente el nombre), con el propsito de presentarlo a modo
de un diagrama de influencia. Para que el modelo desarrollado sea un modelo de
simulacin, al menos se deben identificar los flujos (Vensim) o los flujos y niveles
(Stella/Ithink).

En Evolucin el Editor de Flujo-Nivel permite elaborar el diagrama que genera el


modelo de simulacin, es decir, el modelo suministrado al motor de Evolucin para
realizar la simulacin. Adems de los elementos pertenecientes al Diagrama de
Forrester, el modelador puede introducir otros elementos que contribuyen a que el
modelo sea ms explcito en su definicin como son los parmetros, variables
exgenas y de valor anterior, no linealidades (tablas), submodelos y componentes
como el FIS. Una imagen de este editor se puede ver en la Figura 3.
Evolucin permite el uso de los elementos tradicionales de DS (flujos, niveles,
retardos, no linealidades, parmetros, variables auxiliares y variables exgenas) y
adems, incluye otros elementos ms como: los que denomina valor anterior, este
elemento entrega a las variables que influye el valor que obtiene en la interaccin
la anterior la variable de la cual recibe la informacin; esto implica un retardo de la
informacin por un (1) delta de tiempo.

Las herramientas software examinadas tienen diferentes formas de organizacin


de los modelos. Por ejemplo Powersim permite crear otros modelos en un mismo
archivo pero en editores separados, los cuales son integrados en un modelo
principal. Evolucin ofrece una caracterstica similar a travs del componente
denominado submodelo, el cual permite incluir modelos ubicados o almacenados
en otros archivos.

Adems, al igual que en el Editor de Diagramas de Influencias, el Editor de Flujo-


Nivel, Evolucin permite agregar elementos para el ordenamiento (presentacin,
documentacin) del modelo, como los sectores y clones. De igual forma, brinda al
modelador diferentes vistas del modelo como lo es la vista de ecuaciones, que
muestra la definicin de cada elemento y la vista de mapa de sectores, que
presenta el modelo en trmino de los sectores que lo conforman y las relaciones
existentes entre ellos, ocultando el detalle de los elementos en cada sector. Stella
ofrece una caracterstica similar, que permite ocultar el detalle al interior del sector,
es decir, los elementos que agrupa. Esto, para modelos complejos que implican
numerosos elementos y relaciones, facilita la comprensin del modelo a un nivel
mayor de abstraccin, como se muestra en la Figura 4.
http://www.sites.upiicsa.ipn.mx/polilibros/portal/Polilibros/P_terminados/SimSist/do
c/SIMULACI-N-152.htm

http://dinamicasistemas.utalca.cl/6_Publicaciones/Revista/Vol5Num1/RDS_5_1_1.
pdf

TAHA, HAMDY A, Investigacin de operaciones, Novena edicin, PEARSON


EDUCACIN, Mxico, 2012, ISBN: 978-607-32-0796-6, rea: Matemticas, PAG
647, CAPTULO 19:Modelado de simulacin.