Documentos de Académico
Documentos de Profesional
Documentos de Cultura
INGENIERA INDUSTRIAL
NOMBRE DE LA MATERIA:
Simulacin
CATEDRATICO:
INVESTIGACIN
Unidad 1.- Introduccin a la simulacin
6 A
FECHA DE ENTREGA:
05/03/17
ndice
Introduccin ........................................................................................................................... 1
1.1.- Revisin de los conceptos de sistema y modelo ............................................................ 2
1.2.- Concepto de simulacin. ................................................................................................ 2
1.3.-Tipos de simulacin ......................................................................................................... 3
1.3.1.- Discreta (Determinista o estocstica)...................................................................... 4
1.3.2.- Continua (Determinista o estocstica) .................................................................... 4
1.4.- Descripcin de ejemplos o casos prototipo. .................................................................. 4
1.4.1.- De simulacin discreta............................................................................................. 4
1.4.2.- De simulacin continua ........................................................................................... 5
1.5.- Catlogo de programas de cmputo comerciales de simulacin. ................................. 5
1.6.- Lectura de artculos sobre aplicaciones de la simulacin. ........................................... 15
Conclusin ............................................................................................................................ 29
Fuente bibliogrfica .............................................................................................................. 30
Introduccin
1
1.1.- Revisin de los conceptos de sistema y modelo
Sistema: Es un conjunto de elementos relacionados entre s y que funcionan como un todo.
Cajeros
[comerciales]
[cajas de seguridad]
Modelo: Es un prototipo que sirve de referencia y ejemplo. Es una abstraccin terica del
mundo real que tiene dos utilidades fundamentales:
Sin embargo, es importante recordar que los modelos no nos proporcionan una informacin
directa de lo que est ocurriendo realmente en el mundo real. Las predicciones del modelo
debern ser validadas o refutadas por los resultados empricos.
Puede definirse a la simulacin como la experimentacin con un modelo que imita ciertos
aspectos de la realidad. Esto permite trabajar en condiciones similares a las reales, pero con
variables controladas y en un entorno que se asemeja al real pero que est creado o
acondicionado artificialmente.
2
La simulacin es una tcnica experimental de resolucin de problemas lenta e iterativa.
Debemos usarla cuando:
o No exista un sistema real, sea caro o peligroso o sea imposible construir y manipular
un prototipo
o La experimentacin con el sistema real sea peligrosa, costosa o pueda causar
incomodidades
o Existe la necesidad de estudiar el pasado, presente y futuro de un sistema en tiempo
real, expandido o contrado (control de sistemas en tiempo-real, cmara lenta,
crecimiento de poblaciones, efectos colaterales de frmacos, etc.)
o La modelacin matemtica del sistema es imposible (meteorologa, sismologa,
conflictos internacionales, etc.)
o Los modelos matemticos carecen de soluciones analticas o numricas (ED No
lineales, problemas estocsticos, etc.)
o Cuando sea posible validar los modelos y sus soluciones de una forma satisfactoria
o Cuando la precisin esperada por la simulacin sea consistente con los requisitos de
un problema concreto (por ejemplo la dosis de radiacin en el tratamiento del cncer
requiere una precisin extrema-, prediccin de la poblacin mundial de tigres es
relativamente relevante su exactitud-)
Limitaciones de la simulacin
Meelamkavil, 1987
Ejemplo
Un granjero posee 100 Has. de terreno en las que slo puede plantar cereales o caa de
azcar. El problema es determinar cul debe ser su poltica de explotacin ptima, es decir,
qu plantar y cunto plantar teniendo en cuenta los recursos disponibles.
1.3.-Tipos de simulacin
De acuerdo a la naturaleza del modelo empleado, la simulacin puede ser por (Fishman,
1978):
3
o Hombre-Mquina: Se estudia la relacin entre las personas y la mquina. Las
personas tambin forman parte del modelo. La computadora no se limita a
recolectar informacin, sino que tambin la genera. Un ejemplo de este tipo de
simulacin es el simulador de vuelo.
Simulacin por computadora: El modelo es completamente simblico y est
implementado en un lenguaje computacional. Las personas quedan excluidas del
modelo. Un ejemplo es el simulador de un sistema de redes de comunicacin donde
la conducta de los usuarios est modelada en forma estadstica. Este tipo de
simulacin a su vez puede ser:
o Digital: Cuando se utiliza una computadora digital.
o Analgica: Cuando se utiliza una computadora analgica. En este grupo
tambin se pueden incluir las simulaciones que utilizan modelos fsicos.
Estocstica: En este caso algn elemento del sistema tiene una conducta aleatoria.
Entonces, para entradas conocidas no es posible asegurar los valores de salida. Un ejemplo
de sistema estocstico es una mquina tragamonedas en la cual una misma accin (tirar la
palanca) genera un resultado incierto (ganar o perder). Cuando un sistema determinstico es
alimentado con entradas estocsticas, la respuesta del sistema es tambin estocstica. Por
ejemplo, la temperatura ambiente es una variable estocstica que afecta la respuesta del
calentador elctrico. En el mundo real, los sistemas siempre tienen elementos estocsticos
ya sea por su propia naturaleza o porque son fenmenos no comprendidos actualmente; por
ejemplo, a un caverncola le poda parecer que las eclipses eran fenmenos aleatorios, hoy
ellas son predichas. Sin embargo, se puede considerar a un sistema real con un sistema
determinstico si su incertidumbre es menor que un valor aceptado.
Determinista: Son modelos cuya solucin para determinadas condiciones es nica y siempre
la misma.
4
Ejemplo: Se simulan pacientes con una serie de caractersticas de entrada en el modelo:
sociodemogrficas (edad y sexo), factores de riesgo (presin arterial, diabetes, enfermedad
vascular previa) y tipo de indicacin para el marcapasos (bloqueo de rama, o enfermedad
del nodo inusual). Para cada uno de los pacientes simulados se genera un gemelo, el cual
presenta las mismas caractersticas basales y slo se diferencia en la intervencin del
modelo evaluado a la que es sometido (uno de los gemelos va por la ruta de implantacin de
marcapasos monocamerales y otro por la de bicamerales). Los pacientes transitarn por el
modelo durante los eventos clnicos de estudio (FA, ACV, muerte, supervivencia libre de
enfermedad, sndrome del marcapasos y otras complicaciones), as como los costes
asociados a la utilizacin de recursos que suponen dicha diferencia de eventos.
5
que facilitan la simulacin de diversos procesos. Es un simulador bidireccional, ya que el
flujo de informacin va en dos direcciones (hacia delante y hacia atrs). De esta forma,
puede calcular las condiciones de una corriente de entrada a una operacin a partir de las
correspondientes a la corriente de salida sin necesidad de clculos iterativos. Posee un
entorno de simulacin modular tanto para estado estacionario como para rgimen dinmico.
Es un software para la simulacin de plantas petroqumicas y afines.
AspenPlus
CHEMCAD
6
ProModel
ProModel
Resultados probados.
ARENA
7
objetivo de la industria. La flexibilidad de la herramienta de modelado de simulacin Arena
permite el anlisis de todo, desde centros de atencin al cliente para completar las cadenas
de suministro.
SIMNET II
2. Lnea de espera.
DYNAMO
8
han utilizado el lenguaje del programa DYNAMO. No obstante al no tratarse de un programa
que funcione en entorno grfico de tipo Windows, ha ido cediendo posiciones en los ltimos
aos a programas con interfaces ms amigables como los que se citaron al principio.
POWERSIM
Planificacin estratgica
Gestin de recursos
Reingeniera de procesos
La ltima versin del programa POWERSIM 2.5, incorpora prestaciones multimedia galeras
de objetos y efectos de colores para realizar presentaciones de cierta espectacularidad de
cara a los usuarios, no tan avanzadas, por ejemplo las que ofrece el programa WITNESS,
pero superiores a las presentaciones relativamente planas del ITHINK.
WITNESS
STELLA Y ITHINK
9
diseado para aplicaciones cientficas y de ciencias sociales, mientras que ITHINK est
diseado para servir de soporte a aplicaciones del mbito de la empresa.
La ltima versin del programa ITHIN 5.1.1, incorpora algunos elementos de visualizacin
grfica amigable de resultados del tipo simulador de vuelo y mayor potencia de clculo.
AnyLogic
Evolucin
iThink/Stella
Powersim
Simile
Vensim
10
11
Simuladores para procesos diversos
o Flexsim
12
empresas lderes en la industria para simular sus procesos productivos antes de llevarlo a
ejecucin real. Actualmente, existe mucha gente implicada en este proyecto y su uso se
encuentra muy extendido en EEUU y Mxico. Existe una web propietaria del
software (http://www.flexsim.com/community/forum/downloads.php) que posee multitud de
descargas de herramientas adicionales al software, como modelos 3D y libreras, y una gran
comunicacin mediante foros.
o Plant Simulation
Dentro del portafolio de Diseo y Optimizacin de Plantas al que pertenece Plant Simulation
es junto con los productos de Fbrica y Manufactura Digital parte del Software de Product
Lifecycle Management (PLM). Esta aplicacin permite comparar alternativas complejas
de produccin, incluyendo la inmanente lgica del proceso, a travs de simulaciones de
computadora. Plant Simulation es utilizado por planeadores de produccin individuales as
como empresas multinacionales, primariamente para planear estratgicamente layout,
lgicas de control y dimensiones de complejas y grandes inversiones de produccin. Es uno
de los principales productos que dominan ese mercado.
Industria automotriz
Proveedores automotrices
Aeroespacial
Plantas manufactureras
Ingeniera mecnica
Industria de procesos
Industria de electrnicos
Aeropuertos
13
Softwares en la ingeniera qumica
WITNESS
ARENA
Tambin mencionado anteriormente, este software es una gran herramienta para simular
procesos de cualquier tipo. Desde simples colas hasta procesos con gran cantidad de
variables involucradas. Este tipo de software es de gran utilidad para visualizar y estudiar de
qu modo se estn llevando a cabo diferentes procesos.
Arena cuenta con un sistema de animacin llamado Cinema Animation System, el que nos
ayuda a comprender y visualizar los procesos en forma clara. Adems, Arena nos entrega la
capacidad de disear ambientes de simulacin y adems nos da la posibilidad de crear
diferentes Templates (barras de herramientas) para una empresa especfica, departamento
o tarea usando el lenguaje e imgenes para facilitar el trabajo y comprensin de la
simulacin.
TAYLOR ED
14
1.6.- Lectura de artculos sobre aplicaciones de la simulacin.
Resumen
El presente trabajo es una revisin de la literatura sobre simulacin de cadenas de suministro y
resume los conceptos principales sobre simulacin y analiza ms de 70 artculos publicados entre los
aos 2000 y 2006. El objetivo es brindar una revisin crtica para quienes empiezan su investigacin
en esta rea o estn interesados en la simulacin como herramienta para mejorar la cadena de
suministro en los niveles estratgico, tctico y operativo. Selecciona 40 artculos en funcin de sus
nuevos enfoques y aplicaciones, y los clasifica segn ocho criterios: objetivos, tipo de anlisis, etapas
de la cadena de suministro abarcadas, procesos simulados, grado de detalle de cada eslabn,
simulacin del nivel estratgico, tipo de modelo de simulacin, y simulacin de modelos de evento
discreto. El trabajo concluye determinando nueve reas de desarrollo de los nuevos enfoques y
aplicaciones, de las cuales los sistemas multi-agentes y las estrategias de colaboracin y
coordinacin son los ms empleados y estudiadas.
15
Simulacin de Cadenas de Suministro: Nuevas Aplicaciones y reas de Desarrollo Caldern
En los siguientes prrafos de este apartado se Tambin se pueden dar modelos Combinados
presentan los conceptos bsicos sobre los como modelos integrados que incorporan
Modelos de Simulacin. tanto variables discretas como continuas.
Para modelar tal tipo de sistema, el modelo
Carson (2003) afirma que un Modelo de debe representar tanto los componentes
Simulacin (MS) es un modelo descriptivo de discretos como los continuos, as como las
un proceso o sistema, que usualmente incluye interacciones que pueden ocurrir entre ellos.
parmetros para representar diferentes Lee et al. (2002) muestran una aplicacin en
configuraciones del sistema o proceso. la que la informacin acerca de las rdenes
Adems, dice que el MS se puede usar para de los clientes, los flujos de informacin en
experimentar, evaluar y comparar muchos cada etapa de la cadena de suministro, y los
sistemas alternativos. Estas tres, afirma, son niveles de inventario en el distribuidor y en
las razones claves para hacer simulacin, y cada fbrica son considerados elementos
sus principales resultados son la prediccin continuos, y el transporte es considerado
del rendimiento y la Identificacin de los como un elemento discreto.
problemas del sistema.
Terzi y Cavalieri (2004) han revisado ms de
Hay muchos tipos de modelos usados como 80 artculos (todos entre 1989 y 2002) de
base para la simulacin. Primeramente simulacin en el contexto de Cadenas de
podemos distinguir entre modelos Estticos, Suministro. La mayora de los programas de
que no varan con el tiempo, y modelos simulacin para CS encontrados son modelos
Dinmicos, que s varan con el tiempo Dinmicos de Evento Discreto. Afirman que la
(Crosbie, 2000). simulacin de tales modelos se realiza,
generalmente, segn dos enfoques
Los modelos Dinmicos se pueden dividir en estructurales: i) Simulacin Local, que utiliza
Continuos y de Evento Discreto. Los modelos slo un modelo de simulacin, ejecutado
Continuos se basan usualmente en sobre un solo ordenador como un nico
ecuaciones diferenciales con el tiempo como modelo que reproduce todos los nodos; y ii)
una variable independiente, y en ellos el Simulacin Paralela o Distribuida (SPD), que
estado del sistema cambia de forma continua pone en prctica ms modelos (uno para cada
de manera que puede ser diferente en cada nodo), ejecutada sobre ms ordenadores y/o
instante de tiempo. Los modelos de Evento multiprocesadores, capaz de correr en el
Discreto cambian slo en momentos modo paralelo o distribuido en una sola
especficos, determinados por la ocurrencia simulacin cooperativamente.
de un evento (por ejemplo la llegada de una
orden), entonces el modelo ejecuta el proceso Terzi y Cavalieri (2004) indican que la
que desencadena dicho evento y avanza el ejecucin prctica de la SPD necesita una
tiempo correspondiente; luego el estado del estructura que permita modelar la informacin
sistema no cambia hasta que ocurra el compartida y sincronizar las distintas simula-
siguiente evento y cuando este sucede se ciones locales. En la literatura se distinguen
avanza el reloj del sistema hasta ese instante dos estructuras de SPD diferentes: i) estructu-
(Crosbie, 2000). ra Descentralizada, basada en la lgica de
protocolo distribuido, en la cual todos los
Casi todos los Modelos de Evento Discreto nodos estn mutuamente interconectados.
(MED) son estocsticos, es decir, contienen Los protocolos distribuidos trazan un mapa de
algunos componentes modelados como los mensajes que cada nodo enva continua-
distribuciones de probabilidad (por ejemplo el mente a otros nodos para brindar su informa-
cin actualizada a la etapa de simulacin
apropiada; y ii) estructura Centralizada,
16
Simulacin de Cadenas de Suministro: Nuevas Aplicaciones y reas de Desarrollo Caldern
REVISIN DE LA LITERATURA
17
Simulacin de Cadenas de Suministro: Nuevas Aplicaciones y reas de Desarrollo Caldern
Tabla 1: Objetivos
2 Mejorar confiabilidad
Manufactura y Distribucin (slo
3 Minimizar inventarios
1
4 Reducir tiempo de entrega almacenes)
5 Mejorar 2, 3 y 4 2 Proveedores, Manufactura y Distribucin
6 Maximizar utilizacin del equipo 3 1 + Transporte
7 Aumentar flexibilidad 4 2 + Transporte
Mejorar simulacin (intercambio de 5 3 + Detallistas
8
6 4 + Detallistas
informacin)
Proveedores y Manufactura (partes y
9 Reducir trabajo en proceso
7
Mejorar simulacin (ms detallada y ensamble)
10
8 7 + Transporte
menor tiempo)
Manufactura, Distribucin y Detallistas
11 Reutilizacin
9 (sin transporte)
18
Almacn Central y Minoristas (slo
10
reposicin)
2 Previsin de la Demanda
3 Control de Inventarios
6 Planificacin de Ventas
8 Presupuestos y Precios
10 Flujo de materiales
19
Simulacin de Cadenas de Suministro: Nuevas Aplicaciones y reas de Desarrollo Caldern
3 Yi et al. (2002) 2, 4 y 7 6, 7 y 11 11 10
14 Jain (2004) 5 2 3 2, 3, 4 y 9
20
28 Vorst, Tromp y Zee (2005) 10 y 11 1, 6 y 7 6 3, 4, 7, 9 y 10
35 Liu (2006) 1 6 y 11 10 3, 4 y 8
21
Simulacin de Cadenas de Suministro: Nuevas Aplicaciones y reas de Desarrollo Caldern
Tipo de
Grado de Simulacin Simulacin
Modelo de
detalle de del Nivel Local o SPD
Simulacin
cada Estratgico, (Centralizada
y si emplea
eslabn: A, Tctico y/u o Descentra-
Multi-
MoB Operativo lizada)
Artculos Agentes
22
24 Rabelo et al. (2005) B E Combinado Local
23
Simulacin de Cadenas de Suministro: Nuevas Aplicaciones y reas de Desarrollo Caldern
24
Simulacin de Cadenas de Suministro: Nuevas Aplicaciones y reas de Desarrollo Caldern
Por ltimo, diferentes modelos, arquitecturas y Chain, Actas de 2005 Winter Simulation
tecnologas estn contribuyendo a Conference, 2034 -2041, Orlando, USA, 4 al 7
incrementar la velocidad de simulacin y
mejorar el intercambio de datos entre los Diciembre (2005).
miembros de la CS. En la Tabla 5 se
Byrne, P.J. y C. Heavey, Simulation, a
presentan tres aportaciones de: Kilgore (2002)
Framework for Analysing SME Supply Chains,
(ya mencionado en diseo de estndares),
Iannone et al. (2003) y Marthaler et al. (2003). Actas de 2004 Winter Simulation Conference,
1, 112-120, Washington DC, USA, 5 al 8 de
CONCLUSIONES
Diciembre (2004).
A travs del anlisis de 40 artculos
Carson, J.S.II, Introduction to modelling and
seleccionados entre los aos 2002 y 2006, se
simulation, Actas de 2003 Winter Simulation
han determinado nueve (9) reas de
desarrollo de las aplicaciones de Simulacin Conference, 1, 7-13, New Orleans, USA, 7 al
de la CS. Estas reas (en orden de mayor a 10 de Diciembre (2003).
menor nmero de trabajos) son: Chan, F.T.S. y H.K. Chan, Simulation
Simulacin con Multi-Agentes. modeling for comparative evaluation of supply
chain management strategies, International
Estrategias de colaboracin y Journal of Advanced Manufacturing
coordinacin. Technology, 25, 9981006 (2005).
25
Simulacin de Cadenas de Suministro: Nuevas Aplicaciones y reas de Desarrollo Caldern
Management, 1, 583- 594, Porto, Portugal, 26 Lim, S.J. y otros tres autores, A simulation
al 28 de Mayo (2003). approach for production-distribution planning
with consideration given to replenishment
Jain, S., Supply Chain Management Tradeoffs policies, Int. J. of Advanced Manufacturing
Analysis, Actas de 2004 Winter Simulation Technology, 27(5-6), 593 703 (2006).
Conference, 2, 297-303, Washington DC,
USA, 5 al 8 de Diciembre (2004). Lin, Z. y D. -B. Tsao, On the evaluation of
downstream information sharing, Journal of
Jain, S. y S. Leong, Stress Testing a Supply Japan Industrial Management Association
Chain using Simulation, Actas de 2005 Winter 56(6), 413-420 (2006), Tambin en lnea:
Simulation Conference, 1650 -1657, Orlando, http://www.scopus.com/scopus/search/form.ur
USA, 4 al 7 Diciembre (2005). lSlo Abstract en Ingls. Acceso: 16 de Junio
(2006).
Joines, J.A. y otros cuatro autores, Supply
Chain Multi-Objective Simulation Optimization, Liu, B. y otros tres autores, Supply- Chain
Coordination With Combined Contract for a
Short-Life-Cycle Product, IEEE Transactions
Actas de 2002 Winter Simulation Conference, on Systems, Man, and CyberneticsPart A:
2, 1306-1314, San Diego, USA, 8 al 11 de Systems And Humans, 36(1), 53-61 (2006).
Diciembre (2002).
Macal, C.M. y M.J. North, Tutorial on agent-
Kaihara, T., Multi-agent based supply chain based modeling and simulation, Actas de
modelling with dynamic environment , Int. J. of 2005 Winter Simulation Conference, 1, 2-15,
Production Economics, 85, 263269 (2003). Orlando, USA, 4 al 7 Diciembre (2005).
Kilgore, R.A., Simulation Web Services With Marthaler, D., D. Armbruster y C. Ringhofer, A
.Net Technologies, Actas de 2002 Winter Mesoscopic Approach to the Simulation of
Simulation Conference, 1, 841-846, San Semiconductor Supply Chains, Simulation,
Diego, USA, 8 al 11 de Diciembre (2002). 79(3), 157-162 (2003).
Kleijnen J.P.C., Supply chain simulation: a Mele, F.D. y otros tres autores, A simulation-
survey (en lnea), 2003. http://greywww.kub. based optimization framework for parameter
nl: 2080/greyfiles/center/2003/doc/103.pdf optimization of supply-chain networks,
Acceso: 26 de Enero (2005)
Industrial and Engineering Chemistry
Lalwani, C.S., S.M., Disney y M.M. Naim, On
assessing the sensitivity to uncertainty in Research, 45(9), 3133-3148 (2006).
distribution network design, International
Journal of Physical Distribution and Logistics Moyaux, T., B. Chaib-draa y S. DAmours,
Management, 36(1), 5-21 (2006).
Multi-Agent Simulation of Collaborative
Landeghem, H. Van y El-H. Aghezzaf, Strategies in a Supply Chain (en lnea), 2004.
http://www.aamas2004.org/proceedings/009_
Analyzing the cost effect of supply chain best moyauxt_strategies.pdf. Acceso: Abril (2005).
practices using a causal model, Actas de Int.
Conference on Industrial Engineering and Nair, A. y D.J. Closs, An examination of the
Production Management, 1, 563-582, Porto, impact of coordinating supply chain policies
Portugal, 26 al 28 de Mayo (2003). and price markdowns on short lifecycle
product retail performance, International
Le Blanc, I. y otros tres autores, Vehicle Journal of Production Economics, 102(2), 379-
routing concepts in the closed-loop container 392 (2006). Tambin en lnea:
network of ARN - A case study, OR Spektrum, http://www.scopus.com/scopus/search/form.ur
28(1), 53-71 (2006). l Acceso: Junio (2006).
Lee, Y.H., M.K. Cho y Y.B. Kim, A discrete- Pathak, S.D., D.M. Dilts y G. Biswas, A Multi-
continuous combined modeling approach for Paradigm Simulator for Simulating Complex
supply chain simulation, Simulation, 78(5), Adaptive Supply Chain Networks, Actas de
321-329 (2002). 2003 Winter Simulation Conference, 1, 808-
816, New Orleans, USA, 7 al 10 de Diciembre
(2003).
26
Rabelo, L., M. Helal y Ch. Lertpattarapong,
Analysis of Supply Chains Using System Dynamics, Neural Nets, and Eigenvalues,
Rabelo, L. y otros tres autores, Supporting Simulation-Based Decision Making with the use
of AHP Analysis, Actas de 2005 Winter Simulation Conference, 2042 -2051, Orlando,
USA, 4 al 7 Diciembre (2005).
Sarjoughian, H.S. y otros seis autores, Hybrid Discrete Event Simulation with Model
Predictive Control for Semiconductor Supply-Chain Manufacturing, Actas de 2005 Winter
Simulation Conference 256-266, Orlando, USA, 4 al 7 Diciembre (2005).
Suwanruji, P. y S.T. Enns, Evaluating the Performance of Supply Chain Simulations with
Tradeoffs Between Multiple Obljectives, Actas de 2004 Winter Simulation Conference, Vol.
2, 338-342, Washington DC, USA, 5 al 8 de Diciembre (2004).
Umeda, S. y Y.T. Lee, Design Specifications of a Generic Supply Chain Simulator, Actas
de 2004 Winter Simulation Conference, 1, 103-111, Washington DC, USA, 5 al 8 de
Diciembre (2004).
Umeda, S. y F. Zhang, Supply chain simulation: generic models and application examples,
Production Planning & Control, 17(2), 155166 (2006).
Vlachos, D., P. Georgiadis y E. Iakovou, A system dynamics model for dynamic capacity
planning of remanufacturing in closed-loop supply chains, Computers & Operations
Research, Article in Press, Corrected Proof,
27
Vorst, J.G.A.J. van der, S. Tromp y D-J van der Zee, A Simulation Environment for the
Redesign of Food Supply Chain Networks: Modeling Quality Controlled Logistics, Actas de
2005 Winter Simulation Conference 1658 - 1667, Orlando, USA, 4 al 7 Diciembre (2005).
Yi, D.W., S.H. Kim y N.H. Kim, Combined Modeling with Multi-Agent Systems and
Simulation: Its Application to Harbor Supply Chain Management, Actas de 35th Hawaii
International Conference on System Sciences, 3, 1615-1624. Big Island, Hawai, 7 al 10 de
Enero (2002).
Zhang, C. y otros tres autores, Sharing shipment quantity information in the supply chain,
Omega 34 (5), 427-438 (2006). Tambin en lnea: http://www.scopus.com/
scopus/search/form.url. Acceso: 12 de Junio (2006).
28
Conclusin
29
Fuente
Banks J., Carson J.S., Nelson B.L, 1996, Discrete-Event System Simulation. Second
Edition., Prentice-Hall, New Jersey.
Fishman G.S., 1978, Conceptos y mtodos en la simulacin digital de eventos discretos,
Limusa, Mxico.
Kelton W.D., Sadowski R.P., Sadowski D.A., 1998, Simulation with Arena, Mc Graw Hill,
Boston.
Ogunnaike B.A., Harmon Ray W., 1994, Process Dynamics, Modeling and Control,
Oxford, New York.
Shannon R.E., 1988, Simulacin de Sistemas. Diseo, desarrollo e implementacin,
Trillas, Mxico.
Law A.M., Kelton W.D., 1991, Simulation Modeling & Analysis, Second Edition, McGraw-
Hill, New York.
bibliogrficahttp://softwaresdesimulacion.blogspot.mx/2014/02/softwares-de-
simulacion.html
30