S.E.P. S.N.E.S.T. D.G.E.S.T. S.E.V.

INSTITUTO TECNOLGICO SUSPERIOR DE LAS

CHOAPAS.

INGENIERA INDUSTRIAL
NOMBRE DE LA MATERIA:

Simulacin
CATEDRATICO:

Ing. Ral Ramos Urgell

NOMBRE DEL ALUMNO(A):

Rubier Lpez Vega

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

La simulacin de los procesos antes de que estos sean puestos en marcha ha

sido una estrategia que nos permite evitar errores, fallos o prdidas en una
industria. Es por eso que en el siguiente trabajo conocers a gran medida desde
los conceptos que se emplean en simulacin, hasta algunos programas o
softwares que se utilizan para poner en marcha una simulacin de algn proceso.
Finalmente podrs leer algunos artculos donde nos hablan de la importancia de la
aplicacin de la simulacin.

En los primeros dos temas hablaremos de los conceptos de sistema, modelo y

simulacin. Para el punto tres nos emergeremos en los tipos de simulaciones, por
mencionar a las directas y continuas, as tambin la determinista y la estocstica.

Y como es de esperarse en la actualidad debido al avance tecnolgico se han

creado softwares que nos permiten una simulacin de un sistema, y aqu te
presentamos una lista de los softwares de simulacin ms utilizados mencionando
una breve descripcin de cada una.

Para finalizar el trabajo te ponemos a disposicin el artculo Simulacin de

Cadenas de Suministro: Nuevas Aplicaciones y reas de Desarrollo de Jos
L. Caldern y Francisco C. Lario, donde nos hablan de la aplicacin de la
simulacin en la cadena de suministros y la importancia de esta.

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.

La palabra sistema procede del latn systma, y ste del griego

(systema, identificado en espaol como unin de cosas de manera organizada).

Un SISTEMA es una coleccin de entidades (seres o mquinas) que actan y se relacionan

hacia un fin lgico.

Ejemplo: Un banco con:

Cajeros

[comerciales]

[cajas de seguridad]

Productos Seguros Fondos Planes, etc.

Modelo: Es un prototipo que sirve de referencia y ejemplo. Es una abstraccin terica del
mundo real que tiene dos utilidades fundamentales:

Reducir la complejidad, permitindonos ver las caractersticas importantes que estn

detrs de un proceso, ignorando detalles de menor importancia que haran el anlisis
innecesariamente laborioso.

Hacer predicciones concretas, que se puedan falsar mediante experimentos u

observaciones. De esta forma, los modelos dirigen los estudios empricos en una u
otra direccin, al sugerir qu informacin es ms importante conseguir.

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.

Un MODELO es una representacin simplificada de un sistema elaborada para comprender,

predecir y controlar el comportamiento de dicho sistema.

La representacin de modelos puede adoptar distintas formas:

Mentales: visin personal de un pas o ideologa

Fsicas: de una casa, un puente, un ordenador
Simblicas: H2O, F=m.a

1.2.- Concepto de simulacin.

La simulacin es la representacin de un proceso o fenmeno mediante otro ms simple,
que permite analizar sus caractersticas.

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.

La idea es que la simulacin permita comprobar el comportamiento de una persona, de un

objeto o de un sistema en ciertos contextos que, si bien no son idnticos a los reales,
ofrecen el mayor parecido posible. As, es posible corregir fallos antes de que la experiencia,
efectivamente, se concrete en el plano de lo real.

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

No es ciencia ni arte, es una combinacin de ambas

Es el ltimo cartucho
Experimental e iterativa
Cara en trminos de mano de obra y tiempo de computacin
Generalmente proporciona soluciones subptimas
Validacin compleja
La recopilacin, anlisis e interpretacin de resultados requiere buenos conocimientos
de probabilidad y estadstica

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):

Identidad: Es cuando el modelo es una rplica exacta del sistema en estudio. Es la

que utilizan las empresas automotrices cuando realizan ensayos de choques de
automviles utilizando unidades reales.
Cuasi-identidad: Se utiliza una versin ligeramente simplificada del sistema real. Por
ejemplo, los entrenamientos militares que incluyen movilizacin de equipos y tropas
pero no se lleva a cabo una batalla real.
Laboratorio: Se utilizan modelos bajo las condiciones controladas de un laboratorio.
Se pueden distinguir dos tipos de simulaciones:
o Juego operacional: Personas compiten entre ellas, ellas forman parte del
modelo, la otra parte consiste en computadoras, maquinaria, etc. Es el caso de
una simulacin de negocios donde las computadoras se limitan a recolectar la
informacin generada por cada participante y a presentarla en forma ordenada
a cada uno de ellos.

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.

1.3.1.- Discreta (Determinista o estocstica)

Se tiene un sistema discreto cuando las relaciones funcionales del sistema slo permiten
que el estado vare en un conjunto finito (contable) de puntos temporales. Las causas
instantneas de los cambios de estados se denominan eventos.

Determinista: Si el sistema no contiene ningn elemento aleatorio es un sistema

determinstico. En este tipo de sistema, las variables de salidas e internas quedan
perfectamente determinadas al especificar las variables de entrada, los parmetros y las
variables de estado. Es decir, las relaciones funcionales entre las variables del sistema estn
perfectamente definidas. El calentador elctrico estudiado es un sistema determinstico.

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.

1.3.2.- Continua (Determinista o estocstica)

Se tiene un sistema continuo cuando las relaciones funcionales entre las variables del
sistema slo permiten que el estado evolucione en el tiempo en forma continua (basta que
una variable evolucione continuamente). Matemticamente, el estado cambia en infinitos
puntos de tiempo. El recipiente del calentador es un subsistema continuo porque tanto M
como T evolucionan en forma continua durante la operacin del sistema.

Determinista: Son modelos cuya solucin para determinadas condiciones es nica y siempre
la misma.

Estocstica: Representan sistemas donde los hechos suceden al azar, lo cual no es

repetitivo. No se puede asegurar cules acciones ocurren en un determinado instante. Se
conoce la probabilidad de ocurrencia y su distribucin probabilstica. (Por ejemplo, llega una
persona cada 20 10 segundos, con una distribucin equiprobable dentro del intervalo).

1.4.- Descripcin de ejemplos o casos prototipo.

1.4.1.- De simulacin discreta

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.

1.4.2.- De simulacin continua

Ejemplo: Un fabricante de comida para perros, requiere el auxilio de una compaa

consultora con el objeto de construir un modelo de simulacin para su lnea de fabricacin, la
cual produce medio milln de latas al da a una velocidad casi constante. Debido a que cada
una de las latas se represent como una entidad separada en el modelo, ste resulto ser
demasiado detallado y por ende caro para correrlo, hacindolo poco til. Unos meses ms
tarde, se hizo una reformulacin del modelo, tratando al proceso como un flujo continuo.
Este nuevo modelo produjo resultados precisos y se ejecut en una fraccin del tiempo
necesario por el modelo original.

1.5.- Catlogo de programas de cmputo comerciales de simulacin.

HYSYS

Es un programa interactivo enfocado a la

ingeniera de procesos y la simulacin, que se
puede utilizar para solucionar toda clase de
problemas relacionados con procesos qumicos.
Este simulador cuenta con una interfaz muy
amigable para el usuario, adems de permitir el
empleo de operadores lgicos y herramientas

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

El Sistema Avanzado para Ingeniera de

Procesos (ASPEN) es un mercado lder en
herramientas de modelado de proceso de
diseo conceptual, optimizacin y monitoreo
de desempeo para la industria qumica,
polmeros, especialidades qumicas, metales
y minerales. Aspen Plus es un simulador
estacionario, secuencial modular (en las
ltimas versiones permite la estrategia
orientada a ecuaciones). Actualmente es
posible que sea el ms extendido en la
industria. Se ha utilizado para modelar procesos en industrias: qumica y petroqumica, refino
de petrleo, procesamientos de gas y aceites, generacin de energa, metales y minerales,
industrias del papel y la pulpa y otros. Aspen Plus tiene la base de datos ms amplia entre
los simuladores de procesos comerciales, e incluye comportamiento de iones y de
electrolitos. Adems modela y simula cualquier tipo de proceso para el cual hay un flujo
continuo de materiales y energa de una unidad de proceso a otra. Posee herramientas para
clculos de costes y optimizaciones del proceso, generacin de resultados en forma grfica
y en tablas y otros.

CHEMCAD

Es un paquete de mdulos que abarca

clculo y diseo de intercambiadores de
calor (CC-THERM), simulacin de
destilaciones dinmicas (CC-
DCOLUMN), simulacin de reactores
por lotes (CC-ReACS), simulacin de
destilaciones por lotes (CC-BATCH),
simulacin de redes de tuberas (CC-
SAFETY NET). Recientemente ha sido
puesta a la venta la versin 6 de
CHEMCAD con una nueva interface de
usuario y otras propiedades adicionales. Este sistema es muy usado en todo el mundo, para
el diseo, operacin y mantenimiento de procesos qumicos en una gran variedad de
industrias incluyendo la exploracin de petrleo y gas; y naturalmente en procesos qumicos,
farmacuticos, biocombustibles y procesos de fbricas industriales. De forma general este
software, como una herramienta de productividad tiene muchas ventajas entre las que cabe
mencionar las siguientes:

Incremento en la productividad por el uso de informacin obtenida a partir de la

simulacin diaria de clculos relacionados con las condiciones de operacin.

Maximizar la rentabilidad de las operaciones por el diseo ms eficiente de nuevos

procesos y equipos.

Reduccin de costos e inversiones de capital por la optimizacin y solucin de los

cuellos de botella existentes en los procesos y en los equipos.

6
 ProModel

Es un programa de simulacin de procesos

industriales, permite simular cualquier tipo de
proceso de manufactura, adems de
procesos logsticos, procesos de manejos de
materiales y contiene excelentes
simulaciones de talleres, gras viajeras,
bandas de transporte y mucho ms. Se
puede crear un modelo computarizado de
todo proceso de manufactura y una vez
realizado el modelado, puedes simular Justo
a Tiempo, Teora de Restricciones, Sistemas de Empujar y Jalar, Logstica y muchas otras
ms. Adems de permitir el simulado de acciones, nos ensea como optimizar los procesos
en la misma, y as obtener los mejores con el consumo mnimo de recursos, para dicha
tarea, el sistema cuenta con 2 optimizadores.

ProModel es un paquete de simulacin que no realiza solamente el simulado, sino tambin

optimiza los modelos ingresados. Corre bajo el sistema operativo Windows y sus
requerimientos mnimos son un procesador 486, 32 MB de RAM, 2 MB de espacio en Disco
Duro.

Softwares para lineas de espera

ProModel

ProModel, mencionado en la categora anterior, es un simulador con animacin para

computadoras personales. Prcticamente, cualquier sistema puede ser modelado. Algunos
ejemplos incluyen determinar la mejor combinacin de factores para maximizar produccin
minimizando costo, etc.

Algunas ventajas son:

nico software de simulacin con optimizacin plenamente integrada.

Creacin de modelos rpida, sencilla y flexible.

Elementos de Logstica, Manejo de Materiales, y Operaciones incluidas. (Bandas de

transporte, Gras Viajeras, Operadores).

Resultados probados.

Importacin del Layout de Autocad, y cualquier herramienta de CAD / CAE / Diseo,

as como de fotografas digitales.

Integracin a Excel, Lotus, Visual Basic y herramientas de Microsoft.

Genera en automtico las grficas en 3 dimensiones para visualizacin en el espacio

tridimensional.

ARENA

Es un modelo de simulacin por computadora que

nos ofrece un mejor entendimiento de las cualidades
de un sistema, efecta diferentes anlisis del
comportamiento. Arena facilita la disponibilidad del
software el cual est formado por mdulos de
lenguaje siman. Arena no tiene un enfoque nico

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

El diseo de SIMNET II se basa en

la idea general que los modelos de
simulacin discreta pueden
crearse de una u otra manera
como sistemas de lneas de
espera. En este contexto, el
lenguaje se basa en un
acercamiento de red que utiliza
tres nodos autodescriptivos: una
fuente, en donde llegan las
transacciones (clientes), una lnea de espera, donde la espera tiene lugar en caso de que
esta sea necesaria, y una instalacin, en donde se lleva a cabo el servicio. Se agrega un
cuarto nodo, llamado auxiliar, para incrementar las capacidades de modelacin de lenguaje.
Esta informacin se almacena en archivos. SIMNET II utiliza diferentes tipos de archivos:

1. Calendario de eventos (o E.FILE como se llama en SIMNET II) es el archivo principal

que mueve la simulacin.

2. Lnea de espera.

OR Brainware Decision Tools

El objetivo del mdulo de Lneas de

Espera de OR Brainware Decision
Tools Versin 2.1.0 es apoyar a las
pequeas y medianas empresas en
el estudio de las colas en sus
sistemas de produccin de bienes o
servicios de una manera sencilla y
rpida. Est compuesto por un total
de 8 modelos de lneas de espera,
seis de los cuales estn diseados
para poblaciones infinitas, y los otros
dos modelos restante son para poblaciones finitas. El mdulo de Control de Inventarios del
programa OR Brainware Decision Tools versin 2.1.0 est constituido por un conjunto de
diez sub-mdulos de optimizacin que le ayudarn a las pequeas y mediana empresas a
tomar decisiones en cuanto a tamaos ptimos del lote de produccin o de compra.

Softwares para simulacin de inventarios

Existen disponibles en el mercado diversos programas comerciales de simulacin

desarrollados especficamente para modelos dinmicos de sistemas, tales como los
programas DYNAMO, POWERSIM,WITNESS, STELLA y ITHINK, entre otros.

DYNAMO

Es el ms clsico de materia de simulacin dinmica

de sistemas, habiendo servido de referencia para
otros paquetes informticos respecto al software de
programacin lineal. La gran mayora de los modelos
dinmicos de sistemas que ha publicado la literatura
cientfica especializada hasta hace unos diez aos

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

Es un paquete para computadoras personales

desarrollado por una compaa noruega de
software, powersim AS, para correr en la plataforma
de Windows y de caractersticas similares al
programa ITHINK, que ser descrito ms adelante,
aunque reforzadas. Est diseado como
herramienta de business simulation, para crear
cuadros de mando o cuadros de navegacin para
la gestin de las empresas. Sus principales reas
de aplicacin son las siguientes:

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

Es un programa dirigido esencialmente a la

simulacin dinmica de procesos industriales
de produccin, ms restringidos que los otros
paquetes descritos bajo el punto de vista de la
dinmica de sistemas, pero dotado de
mltiples herramientas para su funcin
principal. Puede modelizar sobre la base de
dichas herramientas todo tipo de actividades
relacionadas con los fluidos y cuenta con
elementos de monetizacin especficos para
la industria del petrleo, como pueden ser
tanques, tuberas, etc.

Dispone de gran capacidad de visualizacin grfica de los modelos y de los resultados de la

simulacin alcanzando caractersticas de visualizacin dinmica, con animacin integrada,
importacin con CAD e incluso realidad virtual. Se puede representar, por ejemplo el layout
de la planta simulada y los movimientos de personal y mercancas en la misma.

STELLA Y ITHINK

Todo el software existente, quizs los programas ms

conocidos y difundidos entre los expertos en simulacin
dinmica de sistemas son los paquetes STELLA y
ITHINK

Tanto Stella como ITHINK son el mismo desarrollo

informtico aunque preparado especficamente para
diferentes entornos de trabajo. As, STELLA est

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.

Herramientas ms utilizadas en el mbito acadmico y empresarial

Podemos nombrar, en orden alfabtico, a:

AnyLogic

Evolucin

iThink/Stella

Powersim

Simile

Vensim

Actualmente estas herramientas software ofrecen diferentes servicios, por medio de un

entorno intuitivo para el usuario.

En la siguiente tabla se muestra las principales caractersticas de los software listados:

10
11
Simuladores para procesos diversos

o Flexsim

Es un software para la simulacin de

eventos discretos, que permite modelar, analizar,
visualizar y optimizar cualquier proceso
industrial, desde procesos de manufactura hasta
cadenas de suministro. Adems, Flexsim es
un programa que permite construir y ejecutar el
modelo desarrollado en una simulacin dentro de
un entorno 3D desde el comienzo. Actualmente, El
software de simulacin Flexsim es usado por

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

Es una aplicacin de computadora desarrollada

por Siemens PLM Software para modelar,
simular, analizar, visualizar y optimizar
sistemas productivos y de procesos, el flujo de
materiales y operaciones logsticas.

Utilizando Plant Simulation, los usuarios

pueden optimizar el flujo de materiales,
utilizacin de recursos y logstica para todos
los niveles de planeacin de plantas desde
manufactureras globales, fbricas locales, a lneas especficas.

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

Industria de productos de consumo

Aeropuertos

Compaas logsticas (logsticas de transportacin, logsticas de transporte y

logsticas de produccin)

Proveedores de almacenes altos, proveedores de vehculos guiados

automticamente y sistemas de monorriel elctricos.

Casas de consultora y proveedores de servicios.

Astilleros Simulation Cooperation in the Maritime Industries; SinCoMar es un grupo

de inters de astilleros y proveedores, universidades e instituciones involucradas en la
simulacin de construccin de barcos.

Puertos, especialmente en terminales de contenedores.

13
Softwares en la ingeniera qumica

WITNESS

Ya fue mencionado anteriormente y es uno de los ms usados, ms confiables y mejor

conocidos entre los softwares SED (Simulacin de eventos discretos).
El WITNESS contiene muchos elementos para manufactura discreta de partes y es
fuertemente orientado a mquinas. Por ejemplo, las mquinas pueden ser sencillas, en lotes,
produccin, ensamble, multi-estaciones, o multi-cclo. Las bandas transportadoras pueden
acumular o no acumular. Existen opciones para la mano de obra, vehculos, y cuadrillas de
trabajo. El WITNESS tambin contiene elementos para procesamiento continuo incluyendo
flujo de fluidos a travs de procesadores, tanques y pipas. Se pueden especificar variables y
atributos. Las partes que llegan pueden ser programadas usando un archivo. Se pueden
usar funciones y distribuciones para especificar tiempos de operacin y para otros
propsitos. Los tiempos muertos de las mquinas pueden programarse sobre la base de
operacin, tiempo de uso, o tiempo disponible. La mano de obra es un recurso que puede
ser preferenciado, usando un sistema de prioridades, y ser una base programada para las
condiciones actuales del modelo.

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

El Taylor Ed es un paquete de software desarrollado por la compaa fabricante de

software FLEXSIM. El flujo de conexiones entre los tomos en Taylor ED est determinado a
travs de canales, que es lo mismo que los encadenamientos en otros softwares. El Taylor
Ed sale del mercado dejando su lugar al simulador FLEXSIM.
El futuro de la simulacin de procesos es el FLEXSIM (tambin mencionado con
anterioridad).La insuperable flexibilidad y poder del FLEXSIM es la perfecta herramienta
para ayudar a los ingenieros, administradores, y tomadores de decisin a visualizar y probar
operaciones propuestas, procesos y sistemas dinmicos en una realidad virtual de 3D.

14
1.6.- Lectura de artculos sobre aplicaciones de la simulacin.

Simulacin de Cadenas de Suministro:

Nuevas Aplicaciones y reas de Desarrollo
Jos L. Caldern (1,2) y Francisco C. Lario (2)

Universidad Politcnica de Valencia, Dpto. de Organizacin de Empresas,

Campus de Vera, s/n., 47022 Valencia-Espaa (e-mail:
jocalla@doctor.upv.es)

Universidad Politcnica de Valencia, Centro de Investigacin Gestin e Ingeniera de

Produccin (CIGIP)., Campus de Vera, s/n., 47022 Valencia-Espaa (e-mail:
fclario@omp.upv.es)

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.

Palabras clave: simulacin, cadenas de suministro, modelos de evento discreto, multi-agentes

Supply Chain Simulation: New Applications and Development Areas

Abstract
A literature review on supply chain simulation is presented. The paper summarizes the main concepts
on simulation and analyzes more than 70 papers published between the years 2000 and 2006. The
objective is to offer a state of the art for those who begin research in this area or are interested in the
simulation as a tool to improve the supply chain in the strategic, tactical and operative levels. Fourty
articles are selected considering the new approaches and applications, and classifies them according
to eight criteria: objectives, analysis type, supply chain stages included, simulated processes, detail of
each stage, simulation of the strategic level, type of simulation models, and simulation models of
discrete events. The work finishes determining nine development areas of the new approaches and
applications, of which the multi- agents systems and the strategies of collaboration and coordination
are the most used and studied.

Keywords: simulation, supply chain, multi-agents, discrete event models

15
Simulacin de Cadenas de Suministro: Nuevas Aplicaciones y reas de Desarrollo
INTRODUCCIN
Para el presente trabajo se ha revisado la
literatura sobre Simulacin de Cadenas de
Suministro (CS) con el objetivo de presentar
una visin rpida de los Modelos de
Simulacin y ofrecer un Estado del Arte de las
aportaciones ms recientes sobre Simulacin
de CS.
En los siguientes prrafos de este apartado se
presentan los conceptos bsicos sobre los
Modelos de Simulacin.
Carson (2003) afirma que un Modelo de
Simulacin (MS) es un modelo descriptivo de
un proceso o sistema, que usualmente incluye
parmetros para representar diferentes
configuraciones del sistema o proceso.
Adems, dice que el MS se puede usar para
experimentar, evaluar y comparar muchos
sistemas alternativos. Estas tres, afirma, son
las razones claves para hacer simulacin, y
sus principales resultados son la prediccin
del rendimiento y la Identificacin de los
problemas del sistema.
Hay muchos tipos de modelos usados como
base para la simulacin. Primeramente
podemos distinguir entre modelos Estticos,
que no varan con el tiempo, y modelos
Dinmicos, que s varan con el tiempo
(Crosbie, 2000).
Los modelos Dinmicos se pueden dividir en
Continuos y de Evento Discreto. Los modelos
Continuos se basan usualmente en
ecuaciones diferenciales con el tiempo como
una variable independiente, y en ellos el
estado del sistema cambia de forma continua
de manera que puede ser diferente en cada
instante de tiempo. Los modelos de Evento
Discreto cambian slo en momentos
especficos, determinados por la ocurrencia
de un evento (por ejemplo la llegada de una
orden), entonces el modelo ejecuta el proceso
que desencadena dicho evento y avanza el
tiempo correspondiente; luego el estado del
sistema no cambia hasta que ocurra el
siguiente evento y cuando este sucede se
avanza el reloj del sistema hasta ese instante
(Crosbie, 2000).
Casi todos los Modelos de Evento Discreto
(MED) son estocsticos, es decir, contienen
algunos componentes modelados como
distribuciones de probabilidad (por ejemplo el
Caldern
tiempo entre llegadas de rdenes sucesivas o
el tiempo de reparacin de una avera) . Esto
introduce variacin aleatoria al modelo y los
resultados de la simulacin resultan
estocsticos, obligando a hacer anlisis
estadstico para validar sus conclusiones
(Carson, 2003).
Tambin se pueden dar modelos Combinados
como modelos integrados que incorporan
tanto variables discretas como continuas.
Para modelar tal tipo de sistema, el modelo
debe representar tanto los componentes
discretos como los continuos, as como las
interacciones que pueden ocurrir entre ellos.
Lee et al. (2002) muestran una aplicacin en
la que la informacin acerca de las rdenes
de los clientes, los flujos de informacin en
cada etapa de la cadena de suministro, y los
niveles de inventario en el distribuidor y en
cada fbrica son considerados elementos
continuos, y el transporte es considerado
como un elemento discreto.
Terzi y Cavalieri (2004) han revisado ms de
80 artculos (todos entre 1989 y 2002) de
simulacin en el contexto de Cadenas de
Suministro. La mayora de los programas de
simulacin para CS encontrados son modelos
Dinmicos de Evento Discreto. Afirman que la
simulacin de tales modelos se realiza,
generalmente, segn dos enfoques
estructurales: i) Simulacin Local, que utiliza
slo un modelo de simulacin, ejecutado
sobre un solo ordenador como un nico
modelo que reproduce todos los nodos; y ii)
Simulacin Paralela o Distribuida (SPD), que
pone en prctica ms modelos (uno para cada
nodo), ejecutada sobre ms ordenadores y/o
multiprocesadores, capaz de correr en el
modo paralelo o distribuido en una sola
simulacin cooperativamente.
Terzi y Cavalieri (2004) indican que la
ejecucin prctica de la SPD necesita una
estructura que permita modelar la informacin
compartida y sincronizar las distintas simula-
ciones locales. En la literatura se distinguen
dos estructuras de SPD diferentes: i) estructu-
ra Descentralizada, basada en la lgica de
protocolo distribuido, en la cual todos los
nodos estn mutuamente interconectados.
Los protocolos distribuidos trazan un mapa de
los mensajes que cada nodo enva continua-
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
basada en la lgica de centralizacin, en la
que un solo ordenador (administrador del
proceso) es responsable de unir los nodos
participantes. La lgica centralizada provee un
software que es capaz de recibir mensajes
estndar de cada uno de los nodos conecta-
dos, y, adems, de distribuir las comunicacio -
nes necesarias entre los nodos participantes.
Segn Terzi y Cavalieri (2004), el enfoque de
Simulacin Local es, todava, el enfoque ms
encontrado en la literatura. Es usado
principalmente para el diseo de redes de CS,
pero tambin para verificar modelos
estratgicos y arquetipos de gestin. Los
Procesos ms simulados son los relacionados
con la Distribucin, el Transporte y la
Planificacin de Inventario. En sntesis, el
enfoque de simulacin local: 1) se usa dentro
de varios sectores industriales y con
empresas de diferente tamao; y 2) se aplica
generalmente a CS de un solo propietario,
sobre todo porque las empresas no desean
compartir su informacin y sus modelos de
simulacin con otras empresas de la CS.
La revisin de la literatura indica claramente
que el enfoque de SPD no es an el enfoque
predominante. Las experiencias destacan de
formas diferentes la atencin creciente de la
comunidad cientfica e industrial a la SPD de
CS: 1) en el mundo de la investigacin est
en la fase de evaluacin, sobre todo para
resolver problemas de estabilidad de
Tecnologas de Informacin (problemas de
sincronizacin del tiempo en la simulacin); y
2) se aplica principalmente a CS de
multipropiedad, por su caracterstica de
solucionar cualquier problema de compartir
informacin entre nodos (Terzi y Cavalieri,
2004).
Bandinelli et al. (2006) han realizado una
revisin de las tecnologas disponibles y de
los aspectos tecnolgicos de la estructura de
SPD, tales como los estndares de
Comunicacin Inter-Procesos y las
infraestructuras de tiempo real. Ellos explican
brevemente los siguientes estndares: HLA-
RTI (High Level Architecture y Run-time
Infrastructure), CORBA (Common Object
Request Broker Architecture), RMI (Java
Remote Method Invocation), EJB (Enterprise
JavaBeans), DEVS (Discrete Event Systems
Specification), CORBA-DEVS, HLA-DEVS,
GRID (General Runtime Infrastructure for
Distributed Simulation), SIMJAVA (aplicacin
Caldern
basada en RMI), JINI (aplicacin basada en
infraestructura EJB) y COM+ (de Microsoft).
Comparan algunos de los ms conocidos
estndares de Comunicacin Inter-Procesos
en funcin de los siguientes objetivos
generales: (i) lograr un mejor desempeo en
el intercambio de informacin para SPD; y (ii)
asegurar el nivel apropiado de
confidencialidad de la informacin.
Bandinelli et al. (2006) tambin han
distinguido cuatro formas de aplicar la
estructura de SPD segn diferentes niveles de
negociacin entre los miembros de la CS:
(i) sin-negociacin/simple-simulacin; (ii)
negociacin-fuera-de-lnea/simple-simulacin;
negociacin-en-lnea/simple-
simulacin; y
negociacin-en-lnea/simulacin-anidada.
Afirman que su clasificacin puede ser
til para distinguir funcionalidades y
lmites de cada aplicacin especfica.
Los sistemas de Multi -Agentes estn siendo
empleados en la SPD por su capacidad para
permitir la interaccin de diferentes empresas
en la CS, cada una con su software y lenguaje
especfico, corriendo en paralelo, como una
sola gran simulacin sincronizada. Macal y
North (2005) explican los conceptos bsicos
de la simulacin y el modelado basado en
agentes. Mencionan aplicaciones en distintos
campos de investigacin. Hacen referencia a
los estndares de programas de agentes.
Explican cmo modelar con Multi-Agentes y
su relacin con otras tcnicas de simulacin.
Refieren otras fuentes de informacin sobre el
empleo de agentes y distinguen las
situaciones en las que el modelado basado en
agentes ofrece ventajas respecto de otros
enfoques de modelado.
En las siguientes secciones se presenta la
Revisin de la Literatura, los Resultados y
Discusin, y las Conclusiones. Se revisan los
artculos que tratan sobre simulacin de CS,
se seleccionan los que aportan nuevos
enfoques y/o aplicaciones de simulacin en
dos o ms eslabones (etapas) de la CS, y se
clasifican segn ocho (8) criterios. En funcin
de los artculos analizados se determina las
reas de desarrollo de los nuevos enfoques y
aplicaciones.
REVISIN DE LA LITERATURA
Se ha realizado una revisin de los artculos y
ponencias que trataron el tema de Simulacin
17
Simulacin de Cadenas de Suministro: Nuevas Aplicaciones y reas de Desarrollo Caldern

de Cadenas de Suministro entre los aos En la Tabla 5 se presentan los artculos

2002 y 2006, con el fin de complementar el
estado del arte realizado por Terzi y Cavalieri
(2004) y determinar las reas de desarrollo de
las nuevas aplicaciones y enfoques.
Se han revisado ms de 70 artculos pero slo
se consideraron para este anlisis los 40
artculos que aportaban nuevos enfoques y/o
aplicaciones de simulacin en dos o ms
eslabones de la CS.
Para clasificar los artculos se han empleado
los siguientes criterios:
seleccionados en orden de antigedad (por
ao) y alfabtico (por autores). Cuando en la
Tabla 5 figura No lo dice es porque en el
artculo no se menciona y no se ha podido
determinar ese criterio. Cuando aparece No
es porque no corresponde, por ejemplo si el
modelo es Continuo entonces no puede ser
clasificado como Local o SPD (centralizado o
descentralizado).
Tabla 2: Tipo de Anlisis
1 de sensibilidad o "what if analysis"

o Objetivos. 2 de intercambio o "tradeoffs analysis"

o Tipo de Anlisis. 3 de optimizacin

o Etapas de la CS abarcadas. 4 de robusticidad, riesgo o incertidumbre

o Procesos Simulados. 5 detallado de Produccin

o Grado de detalle de cada eslabn 6 de escenarios

(Alto, Medio, Bajo).
7 de rediseo de la CS
o Simulacin del Nivel Estratgico,
Tctico y/u Operativo. 8 de Mejores Prcticas

o Tipo de Modelo de Simulacin de nuevas especificaciones para hacer

(Continuo o de Evento Discreto) y si 9
emplea Multi-Agentes o no. el modelo de simulacin
o Simulacin de MED: Local o SPD 10 de compartir vs. centralizar informacin
(Centralizada o Descentralizada).
de nivel de colaboracin o de formas de
En los cuatro primeros criterios se han
determinado varias alternativas que se 11
muestran en las Tablas 1, 2, 3 y 4. Coordinacin

Tabla 1: Objetivos

1 Reducir costos o Maximizar beneficios Tabla 3: Etapas de la CS abarcadas

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)

11 Muelles, Gras, Transportes y Barcos

Mayorista, Centro de Distribucin y

12
Detallista

Tabla 4: Procesos Simulados

1 Produccin (lotizacin y programacin)

2 Previsin de la Demanda

3 Control de Inventarios

4 Llegada de rdenes o pedidos

5 Distribucin (carga y rutas) y Transporte

6 Planificacin de Ventas

7 Produccin (slo tiempos)

8 Presupuestos y Precios

9 Transporte (slo tiempos)

10 Flujo de materiales

19
Simulacin de Cadenas de Suministro: Nuevas Aplicaciones y reas de Desarrollo Caldern

RESULTADOS Y DISCUCIN modelo Combinado (continuo y de evento

De los 40 artculos seleccionados, 3 no dicen
qu modelo emplean para la simulacin de la
CS, 4 se basan en modelos Continuos, 32 en
modelos de Evento Discreto, y 1 es un
discreto) de tipo Local. De los 32 MED, 23
corresponden al enfoque de simulacin Local
y los otros 9 al enfoque de SPD (de los cuales
7 son de estructura Centralizada y 2 de
estructura Descentralizada).

Tabla 5: Artculos y ponencias sobre Simulacin de Cadenas de Suministro

Tipo de Etapas que Procesos

Artculos Objetivos anlisis abarca Simulados

1 Joines et al. (2002) 5 3 10 2y3

2 Kilgore (2002) 8 y 11 9 y 10 2 No lo dice

3 Yi et al. (2002) 2, 4 y 7 6, 7 y 11 11 10

4 Iannone et al. (2003) 8 10 6 4, 7 y 9

5 Kaihara (2003) 1 2y7 7 3y8

6 Kleijnen (2003) 1y2 1, 4 y 7 8 1, 3 y 4

7 Landeghem y Aghezzaf (2003) 1 8 4 3y7

8 Marthaler et al. (2003) 8 y 10 1y6 7 10

9 Pathak et al. (2003) 1, 2 y 4 7 2 2, 4 y 10

10 April et al. (2004) 5 3 2 1y4

11 Byrne y Heavey (2004) 5, 6 y 9 1y5 7 1, 3 y 4

12 Ding et al. (2004) 5 3y7 4 4, 7 y 9

13 Hatono et al. (2004) 5 1y6 9 3, 4, 6, 7 y 8

14 Jain (2004) 5 2 3 2, 3, 4 y 9

15 Moyaux et al. (2004) 1y3 6 y 11 9 3y4

16 Rabelo et al. (2004) 5y9 1, 4 7 3, 7

17 Rathnam y Paredis (2004) 11 7y9 6 No lo dice

18 Reiner y Trcka (2004) 1, 4 y 9 1y4 9 1, 3 y 4

19 Suwanruji y Enns (2004) 5 2y6 2 2, 3 y 7

20 Umeda y Lee (2004) 10 6y9 6 1, 2, 3, 4 y 9

21 Barnes, Kalaitzandonakes y Crowe (2005) 1 11 8 1, 4 y 5

22 Chan y Chan (2005) 1, 3, 4 y 6 6y7 4 1, 3, 4 y 9

23 Jain y Leong (2005) 4y7 4 7 1, 3, 4 9

24 Rabelo et al. (2005) 1, 2 y 4 7 9 3, 4, 6 y 7

25 Sarjoughian et al. (2005) 5y6 1 8 1, 3, 4 y 9

26 Ulieru y Cobzaru (2005) 1y6 7 y 11 2 4y7

27 Vlachos et al. (2005) 1 1y6 1 3 y 10

20
28 Vorst, Tromp y Zee (2005) 10 y 11 1, 6 y 7 6 3, 4, 7, 9 y 10

29 Chan y Chan (2006) 1, 4 y 7 11 10 3, 4 y 7

30 Hung et al. (2006) 1y5 1, 5 y 9 6 1, 3 y 4

31 Lalwani et al. (2006) 1, 3 y 4 1, 2 y 4 10 2y5

32 Le Blanc et al. (2006) 1 3 11 5

33 Lim et al. (2006) 1y5 3y6 6 3, 4 y 7

34 Lin y Tsao (2006) 2 6 y 10 10 3y4

35 Liu (2006) 1 6 y 11 10 3, 4 y 8

36 Mele et al. (2006) 1 3 9 1, 2, 3, 4 y 5

37 Nair y Closs (2006) 1y3 6 y 10 12 3, 4, 5, 8 y 9

38 Umeda y Zhang (2006) 3, 4 y 9 5y6 4 1, 2, 3, 4 y 5

39 Villegas y Smithz (2006) 1, 3, 6 y 9 2y3 9 2, 3, 4 y 7

40 Zhang et al. (2006) 5 2, 6 y 10 12 2, 3, 4 y 9

21
Simulacin de Cadenas de Suministro: Nuevas Aplicaciones y reas de Desarrollo Caldern

Tabla 5: Artculos y ponencias sobre Simulacin de Cadenas de Suministro (continuacin)

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

1 Joines et al. (2002) A O No lo dice No

2 Kilgore (2002) No lo dice T MED Descentraliz.

3 Yi et al. (2002) M EyO MED-MA Descentraliz.

4 Iannone et al. (2003) A O MED Centralizada

5 Kaihara (2003) B T MED-MA Local

6 Kleijnen (2003) A E MED Centralizada

7 Landeghem y Aghezzaf (2003) A E MED Local

8 Marthaler et al. (2003) A T Continuo No

9 Pathak et al. (2003) B E MED-MA Local

10 April et al. (2004) A O MED Local

11 Byrne y Heavey (2004) A TyO MED Centralizada

12 Ding et al. (2004) B EyT MED Centralizada

13 Hatono et al. (2004) M T MED-MA Local

14 Jain (2004) A TyO MED Local

15 Moyaux et al. (2004) B O MED-MA Local

16 Rabelo et al. (2004) M T Continuo No

17 Rathnam y Paredis (2004) No lo dice E-T MED-MA Centralizada

18 Reiner y Trcka (2004) A O MED Local

19 Suwanruji y Enns (2004) B T MED Local

20 Umeda y Lee (2004) A T-O MED Local

21 Barnes, Kalaitzandonakes y Crowe (2005) A O MED Local

22 Chan y Chan (2005) A E MED Local

23 Jain y Leong (2005) A T MED Local

22
24 Rabelo et al. (2005) B E Combinado Local

25 Sarjoughian et al. (2005) A O MED Centralizada

26 Ulieru y Cobzaru (2005) B T MED-MA Local

27 Vlachos et al. (2005) B EyT Continuo No

28 Vorst, Tromp y Zee (2005) M E MED-MA Local

29 Chan y Chan (2006) B O MED-MA Centralizada

30 Hung et al. (2006) A O MED Local

31 Lalwani et al. (2006) M EyT No lo dice No

32 Le Blanc et al. (2006) A EyT No lo dice No

33 Lim et al. (2006) M T MED Local

34 Lin y Tsao (2006) No lo dice O MED Local

35 Liu (2006) B T Continuo No

36 Mele et al. (2006) A T MED-MA Local

37 Nair y Closs (2006) A O MED Local

38 Umeda y Zhang (2006) A TyO MED Local

39 Villegas y Smithz (2006) B T MED Local

40 Zhang et al. (2006) A O MED Local

23
Simulacin de Cadenas de Suministro: Nuevas Aplicaciones y reas de Desarrollo
La tendencia ms desarrollada y aplicada en
estos ltimos cuatro aos es la de emplear
modelos de simulacin con Multi-Agentes,
dada la ventaja de stos para permitir que
cada agente (es decir cada empresa
participante en la CS) tome decisiones
independientemente. En la Tabla 5 se
presentan diez aportaciones recientes: Yi et
al. (2002), Kaihara (2003), Pathak et al.
(2003), Hatono et al. (2004), Moyaux et al.
(2004), Rathnam y Paredis (2004), Ulieru y
Cobzaru (2005), Vorst, Tromp y Zee (2005),
Chan y Chan (2006) y Mele et al. (2006).
Se han encontrado diez nuevas aportaciones
en el campo de las Estrategias de
Colaboracin (compartiendo informacin e
incluso planificacin) y de Coordinacin (la
mayora mediante contratos), a saber: Yi et al.
(2002), Pathak et al. (2003), Moyaux et al.
(2004), Ulieru y Cobzaru (2005) y Chan y
Chan (2006) ya mencionados con Multi-
Agentes, y Barnes, Kalaitzandonakes y Crowe
(2005), Lin y Tsao (2006), Liu (2006), Nair y
Closs (2006), y Zhang et al. (2006).
Nueve trabajos recientes hacen nfasis en
mejorar el Anlisis de Sensibilidad y la
Robustez de la CS. Combinando una serie de
mtodos y tcnicas como la Bifurcacin
Secuencial, la Dinmica de Sistemas, el
Anlisis de Redes Neuronales, el Anlisis de
Valor Propio, la Teora de Razonamiento
Difuso Adaptable, logran prevenir cambios y
determinar polticas ms robustas. Estos
trabajos son de: Kleijnen (2003), Hatono et al.
(2004) (ya mencionado en simulacin con
Multi-Agentes), Rabelo et al. (2004), Reiner y
Trcka (2004), Barnes, Kalaitzandonakes y
Crowe (2005) (ya mencionado en estrategias
de colaboracin y coordinacin), Jain y Leong
(2005), Vorst, Tromp y Zee (2005) (ya
mencionado con Multi-Agentes), Vlachos et al.
(2005) y Lalwani et al. (2006).
Tambin se observa un fuerte nfasis en
integrar la Optimizacin con la Simulacin de
CS empleando tcnicas de Programacin
Matemtica, Algoritmos Genticos Multi-
Objetivo, Metaheursticas (Tabu Search y
Scatter Search) y Redes Neuronales. Los
trabajos de Joines et al. (2002), April et al.
(2004), Ding et al. (2004), Le Blanc et al.
(2006), Lim et al. (2006) y Mele et al. (2006)
(ya mencionado con Multi-Agentes), son
nuevas aplicaciones en esta rea.
Caldern
El Anlisis de Intercambio es otra rea de
inters desarrollada por cuatro recientes
trabajos que buscan, mediante simulacin,
encontrar el equilibrio entre el Nivel de
Inventarios, el Servicio al Cliente y el Tiempo
de Atencin entre otros factores. En la Tabla 5
podemos encontrar los trabajos de: Kaihara
(2003) (ya mencionado con Multi-Agentes),
Jain (2004), Suwanruji y Enns (2004), y
Villegas y Smithz (2006).
El Diseo de Estndares y dar nuevas
especificaciones para hacer el modelo de
simulacin de CS, son objetivos de cuatro
ltimos estudios. Kilgore (2002) discute
aspectos de los nuevos estndares de
software que aumentarn la reusabilidad. El
estudio de Rathnam y Paredis, 2004 (ya
mencionado con Multi -Agentes) pretende
mejorar la ontologa para modelar federados y
facilitar su reutilizacin en otras federaciones.
Umeda y Lee (2004) proponen unas
especificaciones de diseo para simular
cualquier MED de fabricacin de una CS, y
Hung et al. (2006) presentan un modelo de
nodos capaces de capturar las caractersticas
de todos los participantes de la CS.
Hacer que la simulacin abarque en mayor
detalle los elementos de Produccin es el
rea desarrollada por cuatro proyectos
presentados entre 2004 y 2006, dado que
consideran que tanto la Manufactura como la
Logstica tienen vital importancia en la CS.
Nos referimos a los trabajos de: Byrne y
Heavey (2004), Sarjoughian et al. (2005), el
ya mencionado Hung et al. (2006), y Umeda y
Zhang (2006).
Se ha encontrado otro grupo de trabajos
sobre rediseo estratgico de la CS. Chan y
Chan (2005) evalan cinco modelos de
configuracin de la CS; Vorst, Tromp y Zee
(2005) (ya mencionados con Multi-Agentes)
presentan un nuevo software que integra
bloques constructivos de proceso reusables y
modelos de prdida de calidad, especialmente
til para rediseo de CS de alimentos; y
Rabelo et al. (2005) analizan las decisiones
de CS globales usando modelos combinados
de evento discreto (MED) y variables
continuas (Dinmica de Sistemas) para
reducir el impacto de las variaciones
estocsticas y el tratamiento estadstico.
Landeghem y Aghezzaf (2003), presentan un
modelo para evaluar las Mejores Prcticas en
diversos escenarios de la CS.
24
Simulacin de Cadenas de Suministro: Nuevas Aplicaciones y reas de Desarrollo
Por ltimo, diferentes modelos, arquitecturas y
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
miembros de la CS. En la Tabla 5 se
presentan tres aportaciones de: Kilgore (2002)
(ya mencionado en diseo de estndares),
Iannone et al. (2003) y Marthaler et al. (2003).
CONCLUSIONES
A travs del anlisis de 40 artculos
seleccionados entre los aos 2002 y 2006, se
han determinado nueve (9) reas de
desarrollo de las aplicaciones de Simulacin
de la CS. Estas reas (en orden de mayor a
menor nmero de trabajos) son:
Simulacin con Multi-Agentes.
Estrategias de colaboracin y Journal
coordinacin.
Anlisis de Sensibilidad y Robustez.
Optimizacin y Simulacin.
Anlisis de Intercambio.
Diseo de Estndares.
Simulacin que abarca en mayor
detalle los elementos de Produccin.
Rediseo estratgico de la CS y
Anlisis de las Mejores Prcticas.
Mejora de la velocidad de simulacin e
intercambio de datos.
En funcin de los resultados se puede afirmar
que los modelos de Evento Discreto son los
ms empleados para la simulacin de CS y
los programas de simulacin desarrollados
corren, en su mayora, en un solo ordenador
como un conjunto monoltico (enfoque de
simulacin Local).
REFERENCIAS
April, J. y otros tres autores, New advances
and applications for marrying simulation and
optimization, Actas de 2004 Winter Simulation
Conference, 1, 76-82, Washington DC, USA,
5 al 8 de Diciembre (2004).
Bandinelli, R. y otros tres autores, Using
simulation for supply chain analysis: reviewing
and proposing distributed simulation
frameworks, Production Planning & Control,
17(2), 167175 (2006).
Barnes, J.N., N.G. Kalaitzandonakes y T.J.
Crowe, Using Simulation for Economic Policy
Analysis in the Global Agricultural Suppy
Caldern
Chain, Actas de 2005 Winter Simulation
Diciembre (2005).
Byrne, P.J. y C. Heavey, Simulation, a
Framework for Analysing SME Supply Chains,
Actas de 2004 Winter Simulation Conference,
1, 112-120, Washington DC, USA, 5 al 8 de
Diciembre (2004).
Carson, J.S.II, Introduction to modelling and
simulation, Actas de 2003 Winter Simulation
Conference, 1, 7-13, New Orleans, USA, 7 al
10 de Diciembre (2003).
Chan, F.T.S. y H.K. Chan, Simulation
modeling for comparative evaluation of supply
chain management strategies, International
of Advanced Manufacturing
Technology, 25, 9981006 (2005).
Chan, H.K. y F.T.S. Chan, Early order
completion contract approach to minimize the
impact of demand uncertainty on supply
chains, Industrial Informatics, IEEE
Transactions, 2(1), 48-58 (2006).
Crosbie, R., Modeling and Simulation per la
Gestione della Logistica Distribuita (en lnea),
2000. http://st.itim.unige.it/ssi11x00/crosbie.
htm. Acceso: 5 de Abril (2005).
Ding, H. y otros cuatro autores, ONE a new
tool for Supply Chain Network optimization
and simulation, Actas de 2004 Winter
Simulation, 2, 343- 350, Washington DC,
USA, 5 al 8 de Diciembre (2004).
Hatono, I. y otros tres autores, A Decisin
Support System for Designing Business
Strategies, Actas de IEEE International
Conference on Systems, Man and
Cybernetics, 1475-1480, The Hague, The
Netherlands, 10 al 13 de Octubre (2004).
Hung, W.Y., N.J. Samsatli y N. Shah, Object-
Oriented Dynamic supply-chain modelling
incorporated with production scheduling,
European Journal of Operational Research
169(3), 10641076 (2006).
Iannone, R., S. Miranda y S. Riemma, Supply
Chain distributed simulation: an efficient
architecture for multi-model synchronization,
Actas de International Conference on
Industrial Engineering and Production
25
Simulacin de Cadenas de Suministro: Nuevas Aplicaciones y reas de Desarrollo
Management, 1, 583- 594, Porto, Portugal, 26
al 28 de Mayo (2003).
Jain, S., Supply Chain Management Tradeoffs
Analysis, Actas de 2004 Winter Simulation
Conference, 2, 297-303, Washington DC,
USA, 5 al 8 de Diciembre (2004).
Jain, S. y S. Leong, Stress Testing a Supply
Chain using Simulation, Actas de 2005 Winter
Simulation Conference, 1650 -1657, Orlando,
USA, 4 al 7 Diciembre (2005).
Joines, J.A. y otros cuatro autores, Supply
Chain Multi-Objective Simulation Optimization,
Actas de 2002 Winter Simulation Conference,
2, 1306-1314, San Diego, USA, 8 al 11 de
Diciembre (2002).
Kaihara, T., Multi-agent based supply chain
modelling with dynamic environment , Int. J. of
Production Economics, 85, 263269 (2003).
Kilgore, R.A., Simulation Web Services With
.Net Technologies, Actas de 2002 Winter
Simulation Conference, 1, 841-846, San
Diego, USA, 8 al 11 de Diciembre (2002).
Kleijnen J.P.C., Supply chain simulation: a
survey (en lnea), 2003. http://greywww.kub.
nl: 2080/greyfiles/center/2003/doc/103.pdf
Acceso: 26 de Enero (2005)
Lalwani, C.S., S.M., Disney y M.M. Naim, On
assessing the sensitivity to uncertainty in
distribution network design, International
Journal of Physical Distribution and Logistics
Management, 36(1), 5-21 (2006).
Landeghem, H. Van y El-H. Aghezzaf,
Analyzing the cost effect of supply chain best
practices using a causal model, Actas de Int.
Conference on Industrial Engineering and
Production Management, 1, 563-582, Porto,
Portugal, 26 al 28 de Mayo (2003).
Le Blanc, I. y otros tres autores, Vehicle
routing concepts in the closed-loop container
network of ARN - A case study, OR Spektrum,
28(1), 53-71 (2006).
Lee, Y.H., M.K. Cho y Y.B. Kim, A discrete-
continuous combined modeling approach for
supply chain simulation, Simulation, 78(5),
321-329 (2002).
Caldern
Lim, S.J. y otros tres autores, A simulation
approach for production-distribution planning
with consideration given to replenishment
policies, Int. J. of Advanced Manufacturing
Technology, 27(5-6), 593 703 (2006).
Lin, Z. y D. -B. Tsao, On the evaluation of
downstream information sharing, Journal of
Japan Industrial Management Association
56(6), 413-420 (2006), Tambin en lnea:
http://www.scopus.com/scopus/search/form.ur
lSlo Abstract en Ingls. Acceso: 16 de Junio
(2006).
Liu, B. y otros tres autores, Supply- Chain
Coordination With Combined Contract for a
Short-Life-Cycle Product, IEEE Transactions
on Systems, Man, and CyberneticsPart A:
Systems And Humans, 36(1), 53-61 (2006).
Macal, C.M. y M.J. North, Tutorial on agent-
based modeling and simulation, Actas de
2005 Winter Simulation Conference, 1, 2-15,
Orlando, USA, 4 al 7 Diciembre (2005).
Marthaler, D., D. Armbruster y C. Ringhofer, A
Mesoscopic Approach to the Simulation of
Semiconductor Supply Chains, Simulation,
79(3), 157-162 (2003).
Mele, F.D. y otros tres autores, A simulation-
based optimization framework for parameter
optimization of supply-chain networks,
Industrial and Engineering Chemistry
Research, 45(9), 3133-3148 (2006).
Moyaux, T., B. Chaib-draa y S. DAmours,
Multi-Agent Simulation of Collaborative
Strategies in a Supply Chain (en lnea), 2004.
http://www.aamas2004.org/proceedings/009_
moyauxt_strategies.pdf. Acceso: Abril (2005).
Nair, A. y D.J. Closs, An examination of the
impact of coordinating supply chain policies
and price markdowns on short lifecycle
product retail performance, International
Journal of Production Economics, 102(2), 379-
392 (2006). Tambin en lnea:
http://www.scopus.com/scopus/search/form.ur
l Acceso: Junio (2006).
Pathak, S.D., D.M. Dilts y G. Biswas, A Multi-
Paradigm Simulator for Simulating Complex
Adaptive Supply Chain Networks, Actas de
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,

Actas de 2004 Winter Simulation Conference, 2, 1136-1144, Washington DC, USA, 5 al 8

de Diciembre (2004).

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).

Rathnam, T. y Ch.J.J. Paredis, Developing Federation Object Models Using Ontologies,

Actas de 2004 Winter Simulation Conference, 2, 1062-1070, Washington DC, USA, 5 al 8

de Diciembre (2004).

Reiner, G. y M. Trcka, Customized SC design: problems and alternatives in the food

industry. A simulation based analysis, Int. J. of Production Economics, 89, 217-229 (2004).

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).

Terzi, S. y S. Cavalieri, Simulation in the supply chain context: a survey, Computers in

Industry, 53, 3-16 (2004).

Ulieru, M. y M. Cobzaru, Building Holonic Supply Chain Management Systems: An e-

Logistics Application for the Telephone Manufacturing Industry, IEEE Transactions on
Industrial Informatics, 1(1), 18-30 (2005).

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).

Villegas, F. A. y N. R. Smithz, Supply chain dynamics: analysis of inventory vs. order

oscillations trade-off, Int. J. of Production Research, 44(6), 10371054 (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,

(en lnea) 2005. http://www.sciencedirect.com/ Acceso: 26 de Junio (2006).

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

El poseer conocimientos bsicos de la materia de simulacin nos permitir como

ingenieros industriales tener nocin de cmo aplicar un modelo de simulacin a un
sistema. O en dado caso como poder usar un programa de simulacin.

La smulacion viene siendo una temtica de mucha importancia ya que posee

muchas ventajas que permitirn a la empresa ser ms competitivos en el mercado.

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