SIMULACIN QU ES

Ciencias

En las ciencias, el significado de simulacin es el artificio contextual que lleva a

la investigacin de una hiptesis o un conjunto de hiptesis de trabajo utilizando modelos.
Que ayuden a la comprensin y entendimiento de conceptos y experimentos que no basten
con estar tericamente sustentados.

Computacin

Thomas T. Goldsmith Jr. y EstleRay Mann la definen en trminos de computacin como:

"La Simulacin es una tcnica que est basada en nmeros para guiar experimentos en una
computadora digital. De manera que estos experimentos comprenden ciertos tipos de
relaciones matemticas y lgicas, las cuales se necesitan para poder describir el
comportamiento y la estructura de sistemas complejos del mundo real a travs de largos
perodos."

En general

Una definicin ms formal, formulada por R. E. Shannon es: "La simulacin es el proceso
de disear un modelo de un sistema real y llevar a trmino experiencias con l, con la
finalidad de comprender el comportamiento del sistema o evaluar nuevas estrategias -
dentro de los lmites impuestos por un cierto criterio o un conjunto de ellos - para el
funcionamiento del sistema."

Podemos resumir que la simulacin consiste en analizar y estudiar el contexto de nuestro

problema inicial, identificar y reconocer los objetivos del proyecto, especificar qu ndices
de medicin respecto a la efectividad del sistema se necesitan, posteriormente determinar
los objetivos del modelo que se desea realizar y, por ltimo, definir el sistema a modelar
mediante un sistema de simulacin (ejem. Software de simulacin Flexsim Express).

En la carrera de Ingeniera Civil comnmente necesitamos evaluar nuestras alternativas,

por ejemplo como aumentar la resistencia de concretos ligeros (ptimos para construir
pues al entrar en contacto con el agua presentan la misma maleabilidad que los pesados
pero presentando mucho menos dificultad para levantarlos o manipularlos. Tambin son
ms fciles de transportar, disminuyendo el movimiento de gras y maquinaria.

Si tratamos de analizar qu es lo que pensamos al escuchar simulacin podremos ver que

es la accin de simular o imitar algo que no es lo que originalmente se piensa o propone. Es
correcto pensar en la simulacin como la experimentacin con ayuda de un modelo que
imita a ciertos aspectos de la realidad. Lo cual nos permite comenzar a trabajar en
condiciones muy parecidas (similares) a las reales, pero cuidando que las variables
controladas se mantengan sin cambio alguno (de lo contrario estos parmetros podran
alterar el sistema entero) y en un entorno que se parece mucho al real pero que est
acondicionado de manera artificialmente. La intencin principal de la simulacin es que
permita comprobar el comportamiento de una persona, de un objeto o de un sistema en
ciertos contextos que, no siendo los reales, tienen mucho parecido. De esta manera, es
posible detectar y eliminar errores antes de que la experiencia en s, de manera eficaz, sea
algo concreto en la vida real.

Simulacin

La simulacin es la representacin de un proceso o fenmeno mediante otro ms simple,

que permite analizar sus caractersticas; p ero la simulacin no es solo eso tambin es algo
muy cotidiano, hoy en da, puede ser desde la simulacin de un examen, que le hace la
maestra a su alumno para un examen del ministerio, la produccin de
textiles, alimentos, juguetes, construccin de infraestructuras por medio de maquetas,
hasta el entrenamiento virtual de los pilotos de combate.

(
UNIDAD 1: INTRODUCCIN A LA SIMULACIN

Las primeras referencias sobre simulacin se encuentran 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
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.

Actualmente, la simulacin es una poderosa tcnica para la resolucin de problemas. Sus

orgenes estn en la teora de muestreo estadstico y anlisis de sistemas fsicos
probabilsticos complejos. El aspecto comn de ambos es el uso de nmeros y muestras
aleatorias para aproximar soluciones.

Una de las ms famosas aplicaciones de muestras aleatorias, ocurre durante la segunda

guerra mundial, cuando la simulacin se utiliz para estudiar el flujo de neutrones dentro
del desarrollo de la bomba atmica. Esta investigacin era secreta y le dieron un nombre en
cdigo: Monte Carlo. Este nombre se mantiene, y durante mucho tiempo se usaba para
hacer referencia a algunos esfuerzos en simulacin. Pero el trmino mtodos Monte Carlo,
se refiere actualmente a una rama de las matemticas experimentales que trata con
experimentos de nmeros aleatorios, mientras que el trmino simulacin, o simulacin de
sistemas, cubre una tcnica de anlisis ms prctico, y es lo que vamos a estudiar.
Vamos a ver tcnicas que utilizan los computadores para imitar, o simular, el
comportamiento de sistemas del mundo real. Para estudiar cientficamente estos sistemas, a
menudo se han de hacer una serie de suposiciones acerca de cmo trabaja ste. Estas
suposiciones que usualmente toman la forma de relaciones matemticas o lgicas,
constituyen un modelo que va a ser usado para intentar comprender el comportamiento del
sistema correspondiente.

Si las relaciones que componen el modelo son suficientemente simples, es posible usar
mtodos matemticos (tales como lgebra, clculo o teora de la probabilidad) para obtener
una informacin exacta de las cuestiones de inters; a esto se le llama solucin analtica.
Sin embargo, la mayora de los sistemas del mundo real son demasiado complejos y
normalmente los modelos realistas de los mismos, no pueden evaluarse analticamente. Lo
que se puede hacer es estudiar dichos modelos mediante simulacin. En una simulacin se
utiliza el ordenador para experimentar con un modelo numricamente, de forma que con los
resultados obtenidos se haga una estimacin de las caractersticas del sistema

reas de aplicacin de la simulacin

Dentro de reas como la ingeniera industrial existe lo que se conoce como simulacin de
procesos. Se trata de una herramienta muy importante dentro del sector, pues facilita
enormemente la realizacin de proyectos y tareas. Gracias a que se encarga de proceder a
representar un proceso mediante otro que resulta mucho ms sencillo y fcilmente
comprensible. Es decir, mediante este recurso lo que se logra es poder llevar a cabo diseos
buenos a la primera y conseguir productos que permiten obtener un mayor beneficio o un
coste competitivo en lo que se refiere a su propia fabricacin.

A nivel econmico y financiero, tendramos que destacar otros tipos de simuladores. As,
por ejemplo, en Espaa existe lo que se conoce como simulador de renta. Se trata de una
herramienta que se pone al alcance de los ciudadanos para que puedan llevar a cabo de
manera muy rpida y sencilla lo que es su declaracin de la renta.

Por otro lado, tambin hay un sistema de simulacin de elecciones. Gracias a l lo que se
logra es realizar una aproximacin a los resultados que se van a producir en unas
elecciones, ya sean locales, regionales, nacionales o europeas, por ejemplo. En Espaa este
mecanismo recibe el nombre de simulador electoral.

Las simulaciones son habituales en el mbito de la aviacin. La formacin de los pilotos

incluye prcticas en simuladores que presentan todos los mandos de un avin para volar
virtualmente en un ambiente simulado. De esta manera, si el piloto comete algn error
propio del proceso de aprendizaje, no sufrir ningn dao ya que todo se trata de una
simulacin; en cambio, si el error se cometiera en un vuelo real, el avin podra caerse. Lo
que ofrece la simulacin, en este caso, es un mbito seguro para la prctica.
(
Simulacin Aplicada a la Logstica.
Gestin de la Cadena de Suministro
Basado en un modelo de simulacin con Vensim

En la actualidad existen diferentes estructuras de gestin de Cadena de Suministro

basadas en la colaboracin entre los integrantes de la misma. Para este trabajo se analizan
las ventajas y desventajas de la utilizacin de cada una de estas estructuras, en particular
Vendor Managed Inventory (VMI) y Electronic Point of Sales (EPOS) en la gestin de la
variabilidad de la demanda con respecto a la Cadena Tradicional. Adems se utilizan varios
modelos de Gestin de Cadena de Suministro, construidos usando la Metodologa de la
Dinmica de Sistemas, en los que se modelan y simulan con el programa informtico
Vensim las estructuras mencionadas.

Estos modelos constituyen una herramienta eficaz que permite recrear diferentes
escenarios, que se ajusten, en mayor o menor medida, con los objetivos
empresariales (tcticos u operativos) propuestos. Con esta base ser posible
posteriormente analizar la variacin del efecto ltigo (tambin conocido como
efecto Bullwhip) como uno de los principales causantes de las inestabilidades en el
proceso de gestin de demanda que se producen a lo largo de la Cadena de
Suministro.

DEFINICIN E IMPORTANCIA SIMULACION EN INGENIERIA

Simulacin es una tcnica numrica para conducir experimentos en una computadora

digital. Estos experimentos comprenden ciertos tipos de relaciones matemticas y lgicas,
las cuales son necesarias para describir el comportamiento y la estructura de sistemas
complejos del mundo real a travs de largos periodos de tiempo.

Importancia de la simulacin en la Ingeniera.

A travs de un estudio de simulacin, se puede estudiar el efecto de cambios internos y

externos del sistema, al hacer alteraciones en el modelo del sistema y observando los
efectos de esas alteraciones en el comportamiento del sistema.

Una observacin detallada del sistema que se est simulando puede conducir a un mejor
entendimiento del sistema y por consiguiente a sugerir estrategias que mejoren la operacin
y eficiencia del sistema.
 La simulacin de sistemas complejos puede ayudar a entender mejor la operacin del
sistema, a detectar las variables ms importantes que interactan en el sistema y a entender
mejor las interrelaciones entre estas variables.

La tcnica de simulacin puede ser utilizada para experimentar con nuevas situaciones,
sobre las cuales tiene poca o ninguna informacin. A travs de esta experimentacin se
puede anticipar mejor a posibles resultados no previstos.

Cuando nuevos elementos son introducidos en un sistema, la simulacin puede ser usada
para anticipar cuellos de botella o algn otro problema que puede surgir en el
comportamiento del sistema.

Aplicaciones de la Simulacin

Las reas de aplicacin de la simulacin son muy amplias, numerosas y diversas, basta
mencionar slo algunas de ellas: Anlisis del impacto ambiental causado por diversas
fuentes Anlisis y diseo de sistemas de manufactura. Anlisis y diseo de sistemas de
comunicaciones. Anlisis de grandes equipos de cmputo. Anlisis de un departamento
dentro de una fbrica. Adiestramiento de operadores. Anlisis financiero de sistemas
econmicos. Evaluacin de sistemas tcticos o de defensa militar.

La simulacin se utiliza en la etapa de diseo para auxiliar en el logro o mejoramiento de

un proceso o diseo o bien a un sistema ya existente para explorar algunas modificaciones.

Donde la simulacin es la representacin de un proceso o fenmeno mediante otro mas simple,

que permite analizar sus caractersticas; Pero la simulacin no es solo eso tambin es algo muy
cotidiano, hoy en da, puede ser desde la simulacin de un examen, que le hace la maestra a su
alumno para un examen del ministerio, la produccin de textiles, alimentos, juguetes,
construccin de infraestructuras por medio de maquetas, hasta el entrenamiento virtual de los
pilotos de combate.

Las aplicaciones recreativas, hoy muy extendidas y mejoradas principalmente por los adelantos en
este campo, estn especialmente diseadas para crear un pasatiempo que logre sacar de la rutina
al ser humano, y que el mejor de los casos de otro modo seria impracticable debido a su costo.
Estas consisten en crear ambientes y decorados artificiales con sonido en algunos casos, que
logran una perfecta simulacin de cualquier tipo de contenido, creando el pasatiempo perfecto

La simulacin es una tcnica muy poderosa y ampliamente usada en las ciencias para analizar y
estudiar sistemas complejos. En Investigaciones se formularon modelos que se resolvan en forma
analtica. En casi todos estos modelos la meta era determinar soluciones ptimas. Sin embargo,
debido a la complejidad, las relaciones estocsticas, etc., no todos los problemas del mundo real
se pueden representar adecuadamente en forma de modelo. Cuando se intenta utilizar modelos
analticos para sistemas como stos, en general necesitan de tantas hiptesis de simplificacin que
es probable que las soluciones no sean buenas, o bien, sean inadecuadas para su realizacin. En
eso caso, con frecuencia la nica opcin de modelado y anlisis de que dispone quien toma
decisiones es la simulacin. Simular, es reproducir artificialmente un fenmeno o las relaciones
entrada-salida de un sistema. Esto ocurre siempre cuando la operacin de un sistema o la
experimentacin en l son imposibles, costosas, peligrosas o poco prcticas, como en el
entrenamiento de personal de operacin, pilotos de aviones, etc.

IMPORTANCIA DE LA SIMULACIN
La importancia de la simulacin radica en que las grandes empresas o empresas pequeas que
necesitan saber el resultado de algn acontecimiento y para ello se gastara dinero o tiempo y
posiblemente no diera un buen resultado por ello acuden a la simulacin para poder prevenir
dichos resultados.

Las aplicaciones de la simulacin parecen no tener lmites. Actualmente se simulan los

comportamientos hasta las partes ms pequeas de un mecanismo, el desarrollo de las epidemias,
el sistema inmunolgico humano, las plantas productivas, sucursales bancarias, etc.

Cabe mencionar la creciente importancia de la Simulacin en la Investigacin de operaciones y en

sus aplicaciones industriales. En los pases altamente desarrollados la simulacin es una
herramienta principal de en los procesos de toma de decisiones, en el manejo de empresas y el
planeacin de la produccin. Adems, la Simulacin es cada vez ms amigable para el usuario,
que no tiene que ser un especialista en computacin.

Recientes avances en las metodologas de simulacin y la gran disponibilidad de software que

actualmente existe en el mercado, han hecho que la tcnica de simulacin sea una de las
herramientas ms ampliamente usadas en el anlisis de sistemas. Adems de las razones antes
mencionadas, Thomas H. Naylor ha sugerido que un estudio de simulacin es muy importante
para la ingeniera de sistemas porque presenta las siguientes ventajas en el diseo de estos:

La simulacin de sistemas complejos puede ayudar a entender mejor la peracin del sistema, a
detectar las variables ms importantes que interactuan en el sistema y a entender mejor las
interrelaciones entre estas variables.

La tcnica de simulacin puede ser utilizada para experimentar con nuevas situaciones, sobre las
cuales tiene poca o ninguna informacin. A travs de esta experimentacin se puede anticipar
mejor a posibles resultados no previstos.

Simulacin de Procesos Constructivos

En ingeniera siempre andamos buscando la optimizacin en la utilizacin de nuestros
recursos ya sea obra o en concursos para adjudicacin de obras.
En el primer caso se trata de obtener la ptima utilizacin, fundamentalmente, de la mano
de obra as como de nuestros materiales y equipos; en el segundo caso lo que buscamos es
obtener la mejor propuesta en tiempo, costo y calidad con un determinado grupo de
profesionales y bajo las condiciones propias de cada empresa reflejadas en sus respectivos
porcentajes de Gastos Generales y Utilidades.
Herramientas para ello tenemos los programas para programacin y control de obras, los
de presupuestos y anliss de precios unitarios, etc.

En el caso especfico de la ejecucin de obras casi siempre se ha dejado que la propia

experiencia adquirida con los aos en el ejercicio de la profesin sea la que nos determine
la mejor manera de llevar a cabo (proceso constructivo) una obra en concreto. Con ello nos
referimos a la forma en que los diversos trabajos (partidas) se concatenen entre s en un
tren de actividades que lleven a una optimizacin tanto de recursos como tiempo.

Hay diversos estudios que se han venido llevando a cabo en Colombia en la Universidad de
los Andes, Mxico.

A pesar de que sta tcnica no es nueva, pues ya lleva mas de tres dcadas en desarrollo, la
tendencia actual es cada vez en mayor en su uso, la cual se puede llevar incluso a
la Simulacin de rendimientos de mano de obra.

Con ello podemos simular procesos constructivos sin necesidad de ejecutarlos

ayudndonos en su optimizacin, determinando cual es la mejor asignacin de recursos y
como mejorar las relaciones entre procesos apuntando a los tiempos y costos de obra.

An hay mucho camino y trabajo en su desarrollo, sin embargo las expectativas en la

industria de la construccin son bastante optimistas.

(
CONCEPTOS BSICOS MODELACION

MODELACION:

Es aquello que sirve para representar o describir otra cosa, es decir crea prototipos (primer
diseo). El modelo puede tener una forma semejante o ser totalmente distinto del objeto
real.

MODELO:

Un modelo se puede definir como una representacin simplificada de un sistema real, un

proceso o una teora, con el que se pretende aumentar su compuncin hacer predicciones y
posiblemente ayudar a controlar el sistema
Icnico: versin a escala del objeto real y con sus propiedades relevantes ms o menos
representadas.
Analgico: modelo con apariencia fsica distinta al original, pero con comportamiento
representativo.
Analtico: relaciones matemticas o lgicas que representen leyes fsicas que se cree
gobiernan el comportamiento de la situacin bajo investigacin.

Que mtodos o tcnicas se utilizan en los problemas de simulacin?

METODOLOGA DE SIMULACIN

Aunque se van a presentar una serie de pasos de forma secuencial, realmente es un proceso
iterativo.

1.3.1.- Formulacin del problema

Se definen las cuestiones para las que se buscan las respuestas, las variables implicadas y
las medidas de ejecucin que se van a usar.

Esta fase es muy importante para poder alcanzar un modelo vlido, se puede dividir a su
vez en 5 fases

1.3.1.1.- Identificacin del Problema

Se hace una abstraccin del tipo de problema que se va a tratar. Se identifican los recursos a
utilizar, los requisitos que se van a exigir (relaciones a establecer).

1.6.1.2.- Reconocer las variables del sistema

Se han de identificar las variables que interviene en el sistema y que son de inters para
nuestro modelo, stas se pueden clasificar en:

Variables exgenas: son variables externas al modelo y existen con independencia de l.

Se consideran variables de entrada. stas a su vez se pueden dividir en dos grupos:

 Variables controlables o de decisin (factores): son aquellas sobre las que el analista
puede decidir su valor dentro de ciertos lmites.

Variables incontrolables o parmetros: sus valores no se pueden decidir sino que vienen
fijados. Las variables sern controlables o incontrolables dependiendo de quin las defina.

Variables endgenas: son variables internas y las variables de salida del modelo. Son
funcin de las variables exgenas y de la estructura del modelo.

1.3.1.3.- Especificacin de las restricciones de las variables de decisin

Incluso en el caso de que las variables sean controlables, estn limitadas o restringidas a
ciertos lmites dentro de los cuales se pueden modificar.

Es importante considerar cuidadosamente las restricciones sobre las variables de decisin,

ya que definen el posible espacio de soluciones dentro del cual se buscar una buena
solucin o la ptima usando el modelo de simulacin.

1.3.1.4.- Desarrollar una estructura preliminar del modelo que interrelacione las
variables del sistema y las medidas de ejecucin.

Para evaluar la efectividad de un sistema, se debe identificar una medida o medidas de

comportamiento (o ejecucin) para juzgarlo. Estas medidas se seleccionan del conjunto de
variables endgenas. La medida o medidas que se pretenden optimizar se conocen como
funcin objetivo.

Hay veces en las que existe una nica funcin objetivo dominante y entonces se intenta
optimizar sta sin tener en cuenta las otras variables, aunque siempre considerando las
restricciones. En otras ocasiones existe ms de una funcin dominante, en este caso, hay
que estudiar las distintas funciones objetivo e intentar encontrar valores para los cuales las
funciones son ptimas.

Cuando se quiere tener en cuenta varias medidas de comportamiento, a menudo no se

podrn optimizar simultneamente. Lo ideal sera hacer mnimas ambas medidas, el tiempo
de espera y el costo de tener los empleados, pero si se minimiza una de ellas la otra
aumenta. Se tienen tres formas de abordar este problema:
 Establecer compromisos implcitos entre las medidas. Esta aproximacin es muy subjetiva
y no se va a considerar. Se dan los resultados a quin tenga que tomar la decisin y l ser
quien establezca la relacin entre las variables conflictivas.

Establecer compromisos explcitos, realizando una combinacin de todas las medidas

usando una dimensin comn tal como el costo. A estas tcnicas se les suele conocer como
anlisis de toma de decisiones multiatributo o multiobjetivo. Para realizar esta tcnica se
tiene que decidir una dimensin comn para todas las medidas, factores pesos, y formar una
funcin que las combine.

Restriccin y corte: seleccionar una medida como la que ms interesa optimizar y hacer
que las otras estn dentro de un rango de valores aceptable. Esto reduce la posibilidad de
encontrar un ptimo, o al menos las mejores soluciones.

1.3.1.5.- Desarrollo de un modelo apropiado

Los modelos son abstracciones de las partes esenciales del sistema. Se ha de intentar ver si
con las variables que se han especificado se tiene suficiente para describir estos aspectos
importantes del sistema (si no se tienen suficientes entonces el modelo no ser una buena
representacin del sistema), o por el contrario se han definido ms de las necesarias (esto
puede oscurecer las relaciones entre las variables realmente importantes). En resumen, lo
que se tiene que fijar en este paso es el nivel de detalle al que se debe llegar en el modelo.
El nivel de detalle depende de:

Propsito del modelo.

Contribucin de las variables al modelo.

No es igual si lo que se desea hacer es un modelo para una previsin a largo plazo, en cuyo
caso la precisin puede ser menor, debido a que al transcurrir el tiempo las variables van a
cambiar e incluso podrn aparecer otras nuevas, que si se desea una previsin a corto plazo,
entonces se deber profundizar ms en el nivel de detalle.

1.3.2.- Coleccin de datos y Anlisis

Aunque la recogida de datos se va a ver como el segundo paso, es bastante posible que se
hayan tenido que recoger datos para la formulacin del problema. Sin embargo, durante
este paso se recoge el mayor volumen de datos, se reduce y se analiza.

Los mtodos de recogida de datos son tan variados como los problemas a los que stos se
pueden aplicar. Si se clasifican por su sencillez, se puede ir desde las aproximaciones
manuales hasta las tcnicas ms sofisticadas de alta tecnologa. En la seleccin de un
mtodo se pueden tener en cuenta los siguientes factores:

Capacidad de quien recoja los datos.

El impacto que pueda producir el proceso de recoleccin sobre el comportamiento del

sistema real. Puede producir perturbaciones reales o fsicas en el sistema o psicolgicas.

La facilidad de conversin de los datos a una representacin procesable por el ordenador.

El coste del mtodo.

En muchas situaciones es suficiente con la observacin directa y la recogida manual de los

atributos de inters. Pero si la medida que se quiere observar depende de una persona, su
comportamiento se puede ver afectado por estar siendo observada. Otras veces puede
ocurrir que la accin que se quiere observar sea muy rpida y que no sea posible realizar
una observacin humana.

Para decidir el nmero de muestras necesarias, se ha de establecer una relacin costo-

exactitud y hacer una optimizacin de dicha relacin.

Una vez realizado el muestreo, los datos se han de analizar e introducir en el modelo. Los
datos usados para definir el modelo pueden ser de dos tipos:

Deteminsticos: son datos conocidos con certeza. stos se pueden introducir fcilmente en
el modelo.

Probabilsticos: hay dos formas de incluirlos en el modelo:

Usar la muestra de datos recogida para representar la distribucin de probabilidades.

 Determinar una distribucin probabilstica terica que se comporte como la

muestra y usar sta en el modelo. Esto permite tener una mejor comprensin
(generalizacin) del modelo.

1.3.3.- Desarrollo del modelo

Incluye la construccin y depuracin del modelo del sistema real, incluyendo la seleccin
de un lenguaje de programacin, codificacin del modelo. Esta etapa se va a dividir en dos
partes:

Comprensin del sistema y Construccin del modelo.

1.3.3.1.- Comprensin del sistema

Una de las tareas ms difciles en el anlisis de simulacin es adquirir el suficiente

conocimiento del sistema para poder desarrollar un modelo apropiado, es decir, conocer el
comportamiento del sistema. Dos tcnicas comnmente usadas son la aproximacin de
flujo fsico y la aproximacin de cambio de estado.

Aproximacin de Flujo Fsico. Se ha de identificar las entidades cuyo procesamiento o

transformacin constituye el propsito principal del sistema. Estas entidades pueden tomar
diferentes caminos en el sistema, las rutas que siguen se determinan mediante reglas de
decisin. La representacin del sistema vendr dada mediante un diagrama de flujo de
entidad y los elementos de procesamiento del sistema.

Aproximacin de Cambio de Estado. Para describir esta aproximacin, se debe definir

unas variables endgenas adicionales que son las variables de estado e introducir un nuevo
concepto, el de suceso o evento. Las variables de estado describen el estado del sistema en
cada momento. Dados los valores actuales de las variables de estado, las variables exgenas
y la estructura del modelo, se puede determinar el estado futuro del sistema. Un evento es
un instante particular en el tiempo en el que el sistema cambia de estado. La evolucin del
sistema se puede representar mediante un grafo de sucesos.

1.3.3.2.- Construccin del Modelo

Las tareas principales en la construccin de un modelo son:

Eleccin Mecanismo de avance del 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
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.

Eleccin de un Lenguaje de programacin. Hay un creciente nmero de lenguajes de

programacin disponibles para la implementacin de modelos de simulacin.
Entre los lenguajes de simulacin destacan: GPSS (General Purpose Simulation System),
SLAM (Simulation Language for Alternative Modeling), SIMAN (Simulation Analysis), y
SIMSCRIPT. Muchos lenguajes de propsito general son completamente adecuados para la
simulacin, por ejemplo, FORTRAM, PASCAL,, pero los lenguajes de simulacin
proporcionan una serie de caractersticas que hacen la programacin, depuracin y
experimentacin ms eficientes en tiempo y esfuerzo, aunque consuman ms tiempo en la
ejecucin. Quizs la ms importante ventaja de los lenguajes de simulacin es la
correspondencia entre los elementos del sistema y los elementos del lenguaje. Por ejemplo,
en GPSS hay bloques de diagramas de flujo y conjuntos de sentencias de programa
llamados QUEUE que procesan entidades a travs de una cola de espera y acumulan datos
de variables de salida tales como tiempo de espera en la cola.

El lenguaje seleccionado puede influir en la forma exacta del diagrama de flujo del
programa de computador.

Generacin de nmeros y variables aleatorias. Se van a necesitar muestras aleatorias

para representar valores de variables de entrada probabilsticas. Utilizando estos nmeros
aleatorios podemos obtener valores de variables aleatorias que sigan ciertas distribuciones
de probabilidad.

Aunque se ha hecho referencia a que los nmeros usados en simulacin son aleatorios, no
lo son totalmente, ya que se producen a partir de algoritmos determinsticos. Sin embargo
las propiedades de los nmeros producidos se pueden hacer lo suficientemente cerradas de
forma que stos sean completamente utilizables para la simulacin. Si el modelo se
implementa con un lenguaje de propsito general, se puede seleccionar e incluir algoritmos
necesarios para generar las variables aleatorias requeridas. Pero si se utiliza un lenguaje de
simulacin estos algoritmos estn incluidos y pueden ser fcilmente accesibles por el
usuario.

Implementacin y depuracin del modelo. La facilidad o dificultad en esta etapa

dependen en gran medida del lenguaje de programacin que se haya elegido.

1.3.4.- Verificacin y Validacin del modelo

La Verificacin del modelo consiste en ver cul es la consistencia interna del modelo.
La Validacin consiste en asegurar que existe la una correspondencia entre el sistema real y
el modelo. Un buen mtodo para la validacin es hacer un test para ver cmo el modelo
predice el comportamiento del sistema ante determinadas entradas.

La verificacin y validacin del modelo se realiza en todas los niveles de modelizacin:

modelo conceptual, modelo lgico y un modelo de ordenador. La verificacin se centra en
la consistencia interna del modelo, mientras que la validacin se interesa por la
correspondencia entre el modelo y la realidad.

Se dice que un modelo es vlido si sus medidas de salida tienen una correspondencia
apropiada con las mismas medidas en el sistema real. La comprobacin ltima para la
validez de un modelo es ver cmo el modelo puede predecir un comportamiento futuro del
sistema ante unas determinadas entradas.

1.3.5.- Experimentacin y Anlisis de las salidas

Se han de disear los experimentos que se van a llevar a cabo sobre el modelo y luego
analizar las salidas obtenidas, de forma que podamos responder a las cuestiones que se
plantearon.

1.3.5.1.- Experimentacin con el modelo

El propsito ltimo de la experimentacin con el modelo es obtener informacin acerca del

comportamiento del sistema para que esto nos ayude en la toma de decisiones. Cuando
consideramos la ejecucin de un sistema se puede desear conocer cmo se comporta dicho
sistema en sentido absoluto, o comparativamente, para poder contrastar varias
configuraciones alternativas del sistema. O se podran considerar dos medidas
simultneamente.

Es evidente que el nmero de exploraciones que se tendran que realizar es extremadamente

largo. Hasta para los diseos de experimentos ms modestos, la exploracin de todas las
posibles soluciones en la bsqueda de la mejor solucin, no es algo factible. Se necesita una
aproximacin estructurada ms directa para encontrar una solucin que merezca la pena.
Podemos considerar dos aproximaciones diferentes para abordar este problema: conjunto
predeterminado de experimentos y tcnicas de bsqueda de ptimos.
Conjunto de experimentos predeterminado: esta aproximacin impone identificar
factores que podran afectar a la medida de salida y ejecutar los experimentos con los
factores puestos a determinados valores. Una vez realizados los experimentos se aplicaran
unas tcnicas estadsticas denominadas anlisis de la varianza (ANOVA), para decidir cul
o cules de los factores seleccionados tiene realmente algn impacto en la medida de salida.
Las medidas de salida se pueden adaptar de forma que las suposiciones estadsticas de esta
tcnica se satisfagan de forma razonable y puedan ser aplicadas en la experimentacin del
modelo.

Un diseo experimental particularmente general es el diseo factorial. Se consideran dos o

ms factores pudiendo estar cada uno a dos o ms niveles.

El uso de un conjunto predeterminado de experimentos es efectivo para encontrar buenas

soluciones si se puede aproximar una regin de optimalidad con experimentos previos o
con la experiencia que se tenga sobre el problema. Sin embargo esta tcnica no puede
conducir a la mejor solucin global, ni siquiera puede garantizar un ptimo local.

Tcnicas de bsqueda de ptimos: un conjunto de estas tcnicas se conoce como

Metodologa de Superficie de Respuesta (RSM). La superficie de respuesta es la funcin
que describe las relaciones de las medidas de ejecucin con los factores o variables de
decisin. Dos factores definen una superficie de 3 dimensiones, la cual puede ser vista
como un terreno en donde se puede escalar. De hecho, la representacin en 2 dimensiones
de la respuesta de superficie es como las lneas de contorno de un mapa topogrfico.
Usando varias estrategias se pueden alcanzar puntos altos en el terreno, y quizs llegar a la
cumbre. Una estrategia es el mtodo de escalado ascendente. Esta requiere que el modelo se
ejecute suficientemente para hacer que se pueda determinar qu direccin (qu cambios en
los valores de los factores) parece conducir a un incremento en la altitud (incremento en la
medida de salida). Las variables de decisin se van cambiando de esta forma y el proceso
contina hasta que ya no se puede llegar ms alto, en ese momento se ha alcanzado un
ptimo local o global.

1.3.5.2.- Anlisis de las salidas

En la interpretacin de las salidas del modelo, hay algunos aspectos que son nicos de la
simulacin. Mientras que los modelos analticos proporcionan soluciones con medidas de
ejecucin completamente definidas, los modelos de simulacin producen estimaciones de
las medidas que estn sujetas a error.

Las salidas del modelo de simulacin se consideran muestras. Las principales cuestiones en
la obtencin de estimaciones tiles a partir de muestras son: que la muestra sea
representativa del comportamiento del sistema, y que el tamao de la muestra sea lo
suficientemente grande para que las estimaciones de las medidas de ejecucin alcancen un
buen nivel de precisin. El tamao de la muestra es algo que est bien definido, pero la
representatividad del comportamiento del sistema depende de la naturaleza de las
cuestiones que tienen que ser contestadas por el modelo.

Se pueden realizar dos tipos de anlisis con un modelo de simulacin:

Anlisis para sistemas con final definido: la ejecucin del modelo finaliza cuando ocurre
un evento especfico. Se tomara una muestra por ejecucin.

Anlisis para sistemas con final no definido (sistemas en estado de equilibrio o

estacionario): el inters est en medias de las medidas de comportamiento de ejecuciones
largas, despus de que el sistema ha pasado por algn periodo de comportamiento
transitorio. Las medidas en estado estacionario se pueden definir como el valor de las
medidas en el lmite, cuando la longitud de la ejecucin tiende a infinito.

En ambos casos, las condiciones inicia les (estado del sistema el empezar la ejecucin)
pueden influir en la estimacin de las medidas de comportamiento.

El tamao de la muestra es importante ya que la precisin de las estimaciones depende de la

varianza de la media de la muestra, y la varianza cambia de forma inversamente
proporcional al tamao de la muestra (si se cuadriplica el tamao de la muestra la
desviacin estndar se reduce a la mitad). La definicin de tamao de muestra para
simulacin depende del tipo de anlisis que se haya hecho. Para el anlisis de un sistema
con final definido se podra reproducir el periodo de inters, con las condiciones iniciales
apropiadas, un determinado nmero de veces hasta conseguir la precisin deseada de la
estimacin. En cada ejecucin de obtendr un elemento de la muestra. Con un anlisis en
estado estacionario el tamao de la muestra est estrechamente enlazado con el tamao de
la ejecucin del modelo o cantidad de tiempo de simulacin.

1.3.6.- Implantacin de los resultados de la Simulacin

Se ha de asegurar que los resultados son aceptados por el usuario.

Este paso final es uno de los ms importantes y el que ms se descuida de todo el proceso.
Parece obvio que los beneficios de un largo y costoso anlisis no se realizarn sin una
implementacin apropiada y una aceptacin por parte de los usuarios.

Entre las razones por las que los esfuerzos de implantacin son a menudo intiles, se
incluyen las siguientes:

Existe un vaco de comunicacin entre el analista de la simulacin y los encargados y

usuarios del sistema.

Falta de entendimientos por parte de los encargados del sistema debido a los tecnicismos
utilizados.

El compromiso de implementacin es tardo.

Resistencia al cambio.

Falta de coincidencia entre el personal disponible y los objetivos marcados por el modelo.

Hay aproximaciones que tratan estos obstculos potenciales. Estas aproximaciones

requieren que los usuarios y los analistas estn implicados desde el comienzo en el proyecto
simulacin.

STRUCTURA ETAPAS ESTUDIO DE SIMULACIN

Para llevar acabo un experimento de simulacin se requiere realizar las siguientes etapas:

Definicin Del Sistema: Para tener una definicin exacta del sistema que se desea simular,
es necesario hacer primeramente un anlisis preliminar del mismo, con el fin de determinar
la iteracin del sistema con otros sistemas.

Formulacin Del Modelo: Una vez que estn definidos con exactitud los resultados que se
desean obtener del estudio el siguiente paso es definir y construir el modelo con el cual se
obtendrn los resultados deseados.

Coleccin De Datos: Es posible que la facilidad de obtencin de algunos datos o la

dificultad de conseguir otros, pueda influenciar el desarrollo y formulacin del modelo.

Implementaron Del Modelo En La Computadora: A k.o. se define cual es el lenguaje

que se va a utilizar algunos de estos pueden ser de propsito general como: Visual basic,
Java, Delphi o se pueden usar unos paquetes como: GBSS,SIMULA,PROMODEL.
Validacin: A travs de esta etapa es posible detallar definiciones en la formulacin del
modelo o en los datos alimentados al modelo.

Experimentacin: La experimentacin con el modelo se realizara despus de que este ha

sido validado.

Interpretacin: A que se interpretan los resultados que arroja la simulacin y en base a

esto se toma una decisin.

Documentacin: existen dos tipos de documentacin que son requeridos para hacer un
mejor uso del modelo de simulacin

ETAPAS PROYECTO SIMULACIN

Otro importante aspecto abordado en la investigacin es la identificacin y estudio de las

tcnicas de integracin para la formulacin de las tareas docentes.

A continuacin se describen muy brevemente algunas tcnicas utilizadas para la

formulacin de problemas qumicos de integracin estructural, que son los ms
importantes:

1.-Modelacin. Fijado el objetivo que se persigue en la creacin de un problema,

inmediatamente se activan los componentes intelectuales bsicos: sensaciones,
percepciones, memoria, pensamiento e imaginacin.

2.-Tanteo-error. Consiste en un proceso continuo de adecuacin y ajuste por bsqueda y

prueba de los datos y/o las incgnitas segn las condiciones del problema, hasta encontrar
las ms adecuadas.

3.-Asociacin. Por analoga. En esta tcnica se hace uso de la reproduccin en una primera
fase. Consiste en establecer nuevos nexos entre datos e incgnitas siguiendo formatos y
textos guardados en la memoria para obtener otras por medio de la innovacin.

4.-Integracin. Por inclusin. Es una tcnica muy sencilla, cuyo procedimiento es

asequible a cualesquier sujeto. Consiste en elaborarla de forma tal que las incgnitas de los
diferentes incisos mantengan una dependencia sucesiva en forma de cadena.

5.-Reformulacin. Consiste en reconstruir la estructura gramatical y de sistema mediante

procesos de innovacin. Se diferencia de la analoga por la profundidad de los cambios
introducidos, puesto que se parte de un ejemplo concreto que debe ser modificado y no de
recuerdos que pueden ser borrosos y a veces confusos.
Resolucin de 5 ejemplos de aplicacin en la ingeniera civil

El simulador de la Estacin Total de la Leica TS02, TS06, Ts09 para PC es una buena herramienta
para los que estn aprendiendo a usar la Estacin Total sin necesidad de tener una fsicamente se
puede instalar en la mayora de las PC con sistemas operativos de windows.

Es til para los alumnos que estn en la materia de Ingenieria Civil. Ya que muchas veces las
estaciones totales no pueden ser llevadas a casa para que el alumno practique. Este prctico
simulador le permite al alumno trabajar en sus prcticas de replanteo, levantamientos
topogrficos, estacionar un equipo leica, estacin libre, etc. Todo esto con la facilidad de tener un
equipo donde instalar el simulador.

Por ejemplo si el ingeniero civil se viera en la necesidad emplear la lnea de referencia la cual nos
es muy til en el replanteo de alineaciones y se encuentra presente en la mayora de las
estaciones totales que existen en el mercado hoy en da. La situacin requiere que el ingeniero
calcule el posicionamiento de las estacas que se van a colocar para delimitar un terreno de
grandes dimensiones, del cual conoce solamente tres puntos. Por lo que dicho ingeniero hara uso
del simulador para calcular de antemano o establecer en qu puntos se encontraran las estacas
(aprox.)

Procedimiento:

1. Abrimos el simulador Estacin Total de la Leica

2. Se pretende posicionar la lnea de estacas ubicada a 30m de nuestra lnea de referencia al
abrir el simulador este nos mostrar el men. Seleccionamos programa
3. Seleccionamos de nuestra memoria el Punto1 y guardamos los datos. Seleccionamos de la
memoria el Punto2 y guardamos.
4. Regresamos a programa y seleccionamos Linea de Referencia (F4). En la siguiente pantalla
aparece la opcin: Defina la obra, donde colocamos los datos de la estacin y la
orientacin del teodolito utilizando las teclas F1, F2 e F3 y en seguida teclee F4 para
iniciar. Si no sabemos las coordenadas del punto donde est estacionado es posible usar el
programa Estacin Libre para determinarlas.
5. Defina el distanciamiento lateral (Offset), la dislocacin longitudinal (Lnea), el offset de la
altitud (H) y la rotacin de la lnea de referencia, en relacin a la lnea creada por los
puntos P1 y P2 elegidos en la pantalla anterior, y presione F3 IMPLANT.
6. Posicione el prisma cerca de la maquete y teclee F2 (Dist) para medir.
7. Aparecern en la pantalla los valores de DO y DL. Mueva el prisma 2.511m a la izquierda y
mida nuevamente presionando F2 (Dist)
8. Note que ahora el valor de DO es casi igual a 0.
9. http://mundogeo.com/blog/2000/01/01/linea-de-referencia/
10. https://www.youtube.com/watch?v=4okwI_OFpag
11. https://www.youtube.com/watch?v=vYOFOOA71qU
12.
https://es.wikipedia.org/wiki/Simulaci%C3%B3n

http://mundocivil.blogspot.mx/2008/09/simulacin-de-procesos-constructivos.html

http://dle.rae.es/?id=Xw4s6f6

http://dinamica-de-sistemas.com/revista/0310b.htm

https://villalana.wordpress.com/1-1-definicion-e-importancia-de-la-simulacion-en-la-
ingenieria/

http://simulacionis.es.tl/-DEFINICI%D3N-E-IMPORTANCIA-SIMULACI%D3N-EN-
INGENIER%CDA-.htm

https://iupsmsimulacion.wordpress.com/campos-de-aplicacion-de-la-simulacion/ <-

Elabora un trabajo de investigacin sobre el tema: SIMULACIN. El contenido del trabajo dar respuesta a las preguntas: Que es la
simulacin? Cul es el rea de aplicacin de la simulacin? Qu mtodos o tcnicas se utilizan en los problemas de simulacin?
Qu problemas de la Ingeniera civil se pueden resolver con la simulacin?. Describa la resolucin de 5 ejemplos de aplicacin en la
ingeniera civil. Su trabajo debe contener:
Portada
Introduccin
ndice
Desarrollo del tema
Resolucin de problemas de aplicacin
Conclusiones
Fuentes de informacin consultadas

Escala 1 a 50,000

Entrar a la pgina del inegi, ir a la parte de cartas topogrficas

Se imprimen pero primero se revisan. El viernes traerlas y se revisan. Por ahora es digital

En las cartas vamos a buscar reas o zonas especificas donde estn marcadas las curvas de
nivel, la parte sur del estado tiene mas representacin de cambios de nivel o la zona pegaa
al sur del estado (Campeche qroo), la zona costera norte no, tiene curvas de nivel a una
distancia alejada es casi uniforme, necesitamos que se revisen en las cartas cambios
representativos