|- | C a p ítu lo 1 P rincipios básicos d e la sim ulación

depurada y reorganizada, es m u y pro bable que la precisión d e los resultados del estudio
se vea afectada.

Falta o exceso de detalle en el m odelo. Otro punto im po rtante a considerar es el nivel

d e detalle del m odelo. En m uchas ocasiones algún pro ceso se sim plifica tan to que tiende
a verse com o una "caja negra"que nos im p id e v e rq u é ocurre en el interior, aunque sí haya
entrada y salida d e datos que interactúan con otras p artes del m odelo. Cuando esto su ce­
de, el im p acto que podrían ten e r los subprocesos que se llevan a cabo en la "caja negra"
(es decir, del proceso sobresim plificado) no se incluye en la sim ulación. Por ejem plo, si se
analiza un sistem a de distribución y se da por sentado que el alm acén siem pre su rte sus
pedidos, no incluirem os el im pacto de los tiem p o s necesarios para surtir las órdenes, ni
la posibilidad d e que haya faltantes de p ro du cto; excluirem os tam b ién los horarios de
com ida, en los que no se surten pedidos, y las fallas en los m ontacargas que transportan
los pedidos hasta los cam iones para su distribución. Por otra parte, si el m odelo se hace
dem asiado detallado, tanto el tiem p o dedicado al estudio com o el costo de llevarlo a
cabo podrían increm entarse sustancialm ente. Es labor del encargado de la sim ulación
sugerir y clarificar los niveles de detalle que se requieren en el m odelo, resaltando los
alcances y lim itaciones de cada uno.

1.5 Pasos para realizar un estu d io d e sim ulación

D ebem os considerar que — igual a lo que ocurre con otras herram ientas d e investiga­
ción— la realización de un estud io d e sim ulación requiere la ejecución de una serie de
actividad es y análisis que perm itan sacarle el m ejo r provecho. A continuación se m en cio ­
nan los pasos básicos para realizar un estudio de sim ulación, aunque en m uchas ocasio­
nes será necesario agregar otros o suprim ir algunos d e los aq u í enum erados, d e acuerdo
con la problem ática en cuestión.

1. Definición del sistem a bajo estudio. En esta etapa es necesario conocer el siste­
ma a modelar. Para ello se requiere saber qué origina el estudio d e sim ulación y
establecer los supuestos del m odelo: es conveniente definir con claridad las varia­
bles de decisión d e l m odelo, determ inar las interacciones entre éstas, y establecer
co n precisión los alcances y lim itaciones que aquel podría llegar a tener.
Antes de concluir este paso es recom endable contar con la información sufi­
ciente para lograr establecer un modelo conceptual o un mapa m ental del sistema
bajo estudio, el cual debe incluir sus fronteras y todos los elem entos que lo com ­
ponen, adem ás d e las interacciones entre ellos, los flujos de productos, las perso­
nas y los recursos, a sí com o las variables d e m ayor interés para el problema.
2. G eneración del m odelo de sim ulación b ase. Una vez que se ha definido el
sistem a en térm ino s d e un m odelo conceptual, la sig uiente etapa del estudio
consiste en la generación de un m o d elo d e sim ulación base. No es preciso que
este m odelo sea dem asiado detallado, pues se requiere m ucha m ás inform ación
estadística sobre el co m portam iento de las variables d e decisión del sistem a. La
generación de este m odelo es el prim er reto para el program ador d e la sim ula­
ción, ya que debe traducir a un lenguaje d e sim ulación la inform ación que se

12
 1.5 Pasos para realizar u n estu d io de sim ulación |

obtuvo en la etapa de definición del sistem a, e incluir las interrelaciones de

todos los po sibles sub sistem as que existan en el problem a a m odelar. En caso
de que se requiera una anim ación, éste tam b ién es un buen m om ento para defi­
n ir qué gráfico puede representar m ejo r el sistem a que se m odela.
Igual que ocurre en otras ram as d e la investigación d e operaciones,"la sim u ­
lación exige ciencia y arte en la generación de sus modelos". El realizador de un
estudio d e sim ulación es, en este sentido, co m o un artista que debe usar toda su
creatividad para realizar un buen m o d elo que refleje la realidad del problem a
que se está analizando. Conform e se avanza en el m odelo base se pueden ir
agregando las variables aleatorias del sistem a, con sus respectivas distribuciones
de probabilidad asociadas.
3. Recolección y a n á lisis de datos. Es posible com enzar la recopilación d e la infor­
m ación estadística de las variables aleatorias del m odelo d e m anera paralela a la
generación del m odelo base. En esta etapa se debe establecer qué inform ación
es útil para la determ inación d e las d istrib uciones de probabilidad asociadas a
cada una d e las variables aleatorias necesarias para la sim ulación. Aunque en
algunos casos se logra contar con datos estadísticos, suele suceder que el fo rm a­
to d e alm acenam iento o d e generación de reportes n o es el apropiado para
facilitar el estudio. Por ello, es m u y im po rtante dedicar el tiem p o suficiente a esta
actividad. D e n o contar con la inform ación requerida o en caso de desconfiar de
la disponible, será necesario realizar un estudio estadístico del com portam iento
d e la variable que se desea identificar, para lueg o incluirla en el m odelo. Más
adelante se hará e l análisis de los datos indispensables para asociar una d istrib u­
ción de probabilidad a una variable aleatoria, así co m o las pruebas que se le
deben aplicar. Al finalizar la recolección y análisis d e datos para todas las varia­
bles del m odelo, se tendrán las condiciones para g enerar una versión p relim inar
del problem a que se está sim ulando.
4. Generación del m odelo prelim inar. En esta etapa se integra la inform ación
obtenida a p artir del análisis d e los datos, los supuestos del m odelo y todos los
datos necesarios para crear un m odelo lo m ás cercano posible a la realidad del
problem a b ajo estudio. En algunos casos — sobre to d o cuando se trata del dise­
ñ o d e un nuevo proceso o esquem a de trabajo — no se cuenta con inform ación
estadística, p o r lo que debe estim arse un rango d e variación o determ inar (con
ayuda del cliente) valores constantes que perm itan realizar el m odelado. Si éste
es el caso, el encargado de la sim ulación puede, con base en su experiencia,
realizar algunas sugerencias de distribuciones de probabilidad que co m únm en­
te se asocien al tip o de proceso que se desea incluir en el m odelo. A l fin alizar esta
etapa el m o d elo está listo para su prim era prueba: su verificación o, en otras
palabras, la com paración con la realidad.
5. Verificación del m odelo. Una vez que se han identificado las distribuciones de
probabilidad d e las variables del m odelo y se han im plantado los supuestos
acordados, es necesario realizar un proceso de verificación de datos para com ­
probar la propiedad d e la program ación del m odelo, y co m probar que todos los
parám etros usados en la sim ulación funcio nen correctam ente. Ciertos p ro b le­
m as, en especial aquellos que requieren m uchas operaciones de program ación

13
|- | C a p ítu lo 1 P rincipios básicos d e la sim ulación

o que involucran distribuciones de probabilidad difíciles de program ar, pueden

ocasionar que el co m po rtam iento del sistem a sea m u y diferente del que se espe­
raba. Por otro lado, no se debe descartar la posibilidad d e que ocurran errores
hum anos al alim en tar el m o d elo con la inform ación. Incluso podría darse el caso
d e que los supuestos iniciales hayan cam biado una o varias veces durante el
desarrollo del m odelo. Por lo tanto, debem os asegurarnos de que el m o d elo que
se va a ejecutar esté basado en los m ás actuales.
Una ve z que se ha co m pletad o la verificación, el m odelo está listo para su
com paración co n la realidad del problem a que se está m odelando. A esta etapa
se le conoce tam b ién co m o validación del m odelo.
6. Validación del m odelo. El proceso de validación del m o d elo consiste en realizar
una serie de pruebas sim ultáneas con inform ación d e entrada real para o bservar
su co m portam iento y analizar sus resultados.
Si el problem a b ajo sim ulación involucra un proceso que se desea mejorar,
el m odelo debe som eterse a prueba con las condiciones actuales de operación,
lo que nos dará com o resultado un co m po rtam iento sim ilar al que se presenta
realm ente en nuestro proceso. Por otro lado, si se está diseñando un nuevo p ro ­
ceso la validación resulta m ás com plicada. Una m anera de validar el m odelo en
este caso, consiste en introducir algunos escenarios sugeridos por el cliente y
validar que el co m po rtam iento sea congruente con las exp ectativas que se tie ­
nen d e acuerdo con la experiencia. Cualquiera que sea la situación, es im p o rtan­
te que el analista conozca bien el m odelo, d e m anera que pueda ju stificar
aquellos co m po rtam iento s que sean contrarios a la exp eriencia de los especia­
listas que participan en su validación.
7. Generación del m odelo final. Una vez que el m o d elo se ha validado, el analista
está listo para realizar la sim ulación y estudiar el co m portam iento del proceso.
En caso d e que se desee com parar escenarios diferentes para un m ism o p ro b le­
m a, éste será el m odelo raíz; en tal situación, el siguiente paso es la definición de
los escenarios a analizar.
8. D eterm inación de lo s escen ario s para el análisis. Tras validar el m o d elo es
necesario acordar con el cliente los escenarios q u e se quieren analizar. Una
m anera m u y sencilla d e determ inarlo s co nsiste en utilizar un escenario p esim is­
ta , uno optim ista y uno interm edio para la variab le d e respuesta m ás im p o rtan ­
te. Sin em bargo, es preciso to m ar en cu e n ta que n o to das las variab les se
com portan igual ante los cam b io s en los d istin to s escenarios, p o r lo q u e ta l vez
sea necesario q u e m ás d e una variable d e respuesta se analice b ajo las p ersp e c­
tiva s pesim ista, optim ista e interm ed ia. El riesgo d e esta situación radica en que
el analista podría realizar un d iseño d e exp erim en to s capaz d e g enerar una gran
cantidad d e réplicas, lo q u e redundaría en un increm ento co nsid erab le d e co s­
to, análisis y tiem p o d e sim ulación. Es por ello que m uchos p aq uetes d e sim ula­
ción cuentan con h erram ien tas para realizar este proceso, las cuales elim inan
la anim ación y acortan los tiem p o s d e sim ulació n. Estas h erram ien tas perm iten
realizar varias réplicas del m ism o escenario para obtener resultados con estad ís­
ticas im p o rtantes respecto d e la toma d e d ecisio n es (por ejem plo, los intervalos
d e confianza).

14
 1.5 Pasos para realizar u n estu d io de sim ulación |

Por su parte, el analista tam b ién puede co ntribuir a la selección de escena­

rios, sugiriendo aquellos que considere m ás im portantes; al hacerlo dará p ie a
que se reduzca el núm ero de com binaciones posibles.
9. A nálisis de sensib ilidad . Una vez que se obtienen los resultados d e los escena­
rios es im portante realizar pruebas estadísticas que perm itan com parar los esce­
narios co n los m ejores resultados finales. Si dos d e ellos tienen resultados
sim ilares será necesario com parar sus intervalos d e confianza respecto de la varia­
ble de respuesta final. Si no hay intersección d e intervalos podrem os decir con
certeza estadística que los resultados no son iguales; sin em bargo, si los intervalos
se sobreponen será im posible definir estadísticam ente que una solución es m ejor
que otra. Si se desea obtener un escenario "ganador", será necesario realizar más
réplicas de cada m odelo y/o increm entar el tiem p o de sim ulación d e cada corrida.
Con ello se busca acortar los intervalos de confianza de las soluciones finales y,
por consiguiente, increm entar la probabilidad d e diferenciar las soluciones.
10. Documentación del modelo, sugerencias y conclusiones. Una vez realizado el
análisis de los resultados, es necesario efectuar toda la docum entación del modelo.
Esta docum entación es m u y im portante, p ues perm itirá el uso del m odelo
generado en caso de que se requieran ajustes futuros. En ella se deben incluir los
supuestos del m odelo, las d istrib uciones asociadas a sus variables, todos sus
alcances y lim itaciones y, en general, la totalidad de las consideraciones de pro­
gram ación. Tam bién es im po rtante incluir sugerencias tanto respecto del uso del
m odelo com o sobre los resultados obtenidos, con el propósito de realizar un
reporte m ás com pleto. Por últim o, deberán presentarse las conclusiones del
proyecto de sim ulación, a p artir de las cu ale s es posible obtener los reportes
ejecutivos para la presentación final.

En la figura 1.4 se presenta una gráfica d e G antt en dond e se m uestra, a m anera de ejem ­
plo, la planificación d e los pasos para realizar una sim ulación que hem os com entado en
esta sección.

Actividad
Definición del sistema
Modelo de simulación base
Recolección y análisis de datos
Modelo preliminar de simulación
Verificación del modelo
Validación del modelo
Modelo final de simulación
Determinación de escenarios
Análisis de Sensibilidad
Documentación Final
Tiempo
Figura 1 .4 Gráfica de Gantt de un proyecto de simulación.

15