Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Tesis Usando SIMIO PDF
Tesis Usando SIMIO PDF
Mayo 2011
3
Resumen
La simulación es ampliamente utilizada en casos de manufactura, sin embargo los simuladores
y lenguajes de simulación que son diseñados pensando en estos ambientes, raramente contienen las
herramientas y algoritmos necesarios para manejar asuntos en casos de salud. Para estos casos
generalmente los modeladores utilizan un lenguaje orientado a Proceso, enfocado a la entidad y
donde el modelamiento de las decisiones está basado en números aleatorios. La simulación
orientada a objeto, por su parte, es un paradigma que enfatiza la reutilización de objetos para
representar entidades del mundo real de una forma más amigable.
El software de simulación de evento discreto Simio, el cual es orientado a objeto y no posee
herramientas especialmente diseñadas para casos de salud, es nuevo en el mercado y ofrece la
ventaja de permitir crear un modelo y luego reutilizar el trabajo inicial para adaptarlo a futuros
modelos del mismo tipo, a diferencia de simuladores orientados a proceso. En el presente trabajo se
busca analizar la factibilidad de desarrollar modelos de sistemas de salud en Simio. A partir de datos
reales, se desarrolló un modelo de una sala de emergencias de un hospital. Se utilizaron las distintas
opciones del simulador para caracterizar diferentes tipos de pacientes según su edad, gravedad,
transporte utilizado en la llegada, considerando también otros criterios para dar diferentes secuencias
de tratamiento y disponibilidad de recursos, además de poder registrar información de manera
eficiente para efectuar futuros análisis sobre cómo mejorar la atención a los clientes. Se detallan las
instrucciones propuestas a seguir para realizar el modelo.
Se compara la forma de modelar en Simio con respecto al software Flexsim HC, el cual
también es orientado a objeto, pero está exclusivamente diseñado para representar casos de salud. Se
encuentra que existen diferencias entre ambos programas a la hora de definir secuencias e ingresar la
lógica del modelo. Para un modelo simplificado, se verifica que al momento de correr los
programas, Simio se ejecuta hasta 15,6 veces más rápido y se concluye mediante pruebas de
hipótesis para la comparación de las medias, que los datos de tiempo de ciclo promedio de ambos
software son estadísticamente similares, mientras que se encuentran diferencias en los tiempos de
espera de la sala del triage, donde Simio entrega tiempos menores.
4
5
Agradecimientos
A todas las personas que me ayudaron durante el transcurso de este postgrado, no tan sólo en
la parte académica misma, sino que también a los que me instaron a comenzarlo y a los que me
apoyaron a seguir adelante. Entre ellos quiero hacer especial mención a toda mi familia, por ser mi
soporte constante.
A mi profesor patrocinante Dr. Francisco Ramis, por su apoyo en este último trabajo, su
paciencia y por sus consejos, así como a los integrantes del CASP de la Universidad, por toda su
cooperación.
Al profesor Dr. José Alejandro Sepúlveda, no sólo por compartir sus conocimientos, sino que
por recibirme con gran acogida en su lugar de trabajo y en su hogar.
Finalmente a los profesores y compañeros de clases con los que compartí durante el curso, a
mis amigos y compañeros de trabajo.
6
Tabla de Contenidos
LISTA DE TABLAS .......................................................................................................................................................... 8
LISTA DE FIGURAS ........................................................................................................................................................ 9
CAPÍTULO 1. INTRODUCCIÓN ............................................................................................................................... 10
1.1. INTRODUCCIÓN GENERAL .................................................................................................................................. 10
1.2. TRABAJOS PREVIOS ........................................................................................................................................... 11
1.2.1 Discusión .................................................................................................................................................. 11
1.2.2 Hipótesis de Trabajo................................................................................................................................. 12
1.3. OBJETIVOS ......................................................................................................................................................... 12
1.3.1 Objetivo General ...................................................................................................................................... 12
1.3.2 Objetivos Específicos ................................................................................................................................ 12
1.4. ALCANCES Y LIMITACIONES .............................................................................................................................. 13
1.5. TEMARIO Y METODOLOGÍA ............................................................................................................................... 13
CAPÍTULO 2. ANTECEDENTES GENERALES ..................................................................................................... 14
2.1. HISTORIA ........................................................................................................................................................... 14
2.2. MODELAMIENTO EN SIMIO ................................................................................................................................. 16
2.2.1 Objetos y su Jerarquía .............................................................................................................................. 16
CAPÍTULO 3. MODELO DE SALA DE EMERGENCIAS ...................................................................................... 19
3.1. INTRODUCCIÓN .................................................................................................................................................. 19
3.2. ANÁLISIS DEL SISTEMA ...................................................................................................................................... 19
3.3. CLASIFICACIÓN DE PACIENTES .......................................................................................................................... 20
3.4. DATOS DE ENTRADA .......................................................................................................................................... 21
3.5. FLUJO DE PACIENTES ......................................................................................................................................... 23
3.6. RECURSOS.......................................................................................................................................................... 24
3.7. TIEMPOS DE PROCESO ........................................................................................................................................ 25
CAPÍTULO 4. CONSTRUCCIÓN DEL MODELO EN SIMIO ............................................................................... 26
4.1. INTRODUCCIÓN .................................................................................................................................................. 26
4.2. CREACIÓN DE OBJETOS PERSONALIZADOS ........................................................................................................ 26
4.2.1 Entidades (Pacientes) ............................................................................................................................... 26
4.2.2 Triage ....................................................................................................................................................... 27
4.2.3 Businesss Office ........................................................................................................................................ 27
4.2.4 Camas ....................................................................................................................................................... 28
4.2.5 Salas de Espera ........................................................................................................................................ 28
4.2.6 Paramédicos ............................................................................................................................................. 29
4.3. INGRESO DE DATOS ........................................................................................................................................... 30
4.3.1 Tablas ....................................................................................................................................................... 30
4.3.2 Creación de Entidades .............................................................................................................................. 34
4.4. CONSTRUCCIÓN DEL MODELO ............................................................................................................................ 36
4.4.1 General ..................................................................................................................................................... 36
4.4.2 Horarios de Atención de Pacientes Fast-Track ........................................................................................ 42
4.4.3 Pacientes que se van sin Tratamiento (LWT) ........................................................................................... 43
4.4.4 Agravamiento de Pacientes en Espera ..................................................................................................... 47
4.4.5 Transportes ............................................................................................................................................... 49
4.5. COMENTARIOS ................................................................................................................................................... 50
CAPÍTULO 5. MODELAMIENTO EN SIMIO V/S MODELAMIENTO EN FLEXSIM HC .............................. 51
5.1. INTRODUCCIÓN .................................................................................................................................................. 51
5.2. SECUENCIAS ...................................................................................................................................................... 51
5.3. LÓGICA DE MODELAMIENTO .............................................................................................................................. 55
5.4. HERRAMIENTAS ADICIONALES ........................................................................................................................... 58
7
Lista de Tablas
Tabla N° 3.1 Parámetros Utilizados para la Simulación .................................................................... 21
Tabla N° 3.2 Pacientes Promedio por Hora ....................................................................................... 22
Tabla N° 3.3 Secuencia Seguida por Pacientes Según su Clasificación ............................................ 23
Tabla N° 3.4 Disponibilidad de Recursos .......................................................................................... 24
Tabla N° 3.5 Tiempos de Proceso ...................................................................................................... 25
Tabla N° 4.1 Datos de Pacientes ........................................................................................................ 31
Tabla N° 4.2 Llegada de Pacientes según Horario ............................................................................. 32
Tabla N° 4.3 Ingreso de Llegada de Pacientes según Horario en Simio ............................................ 32
Tabla N° 4.4 Grupos de Camas expresadas como Listas de Nodos ................................................... 40
Tabla N° 5.1 Rendimiento en Computador de Simio y Flexsim HC ................................................. 64
Tabla N° 5.2 Rendimiento en Computador de Simio y Flexsim HC ................................................. 64
Tabla N° 5.3 Tiempo Medio de Ciclo (min) por Réplica................................................................... 68
Tabla N° 5.4 Estadísticas Descriptivas, Tiempos de Ciclo ................................................................ 69
Tabla N° 5.5 Tiempo Medio de Espera en Triage (min) por Réplica ................................................ 73
Tabla N° 5.6 Estadísticas Descriptivas, Tiempos de Espera en Triage.............................................. 74
9
Lista de Figuras
Fig. N° 2.1 Clases de Objetos en Simio ............................................................................................ 17
Fig. N° 3.1 Layout de Sala de Emergencias ...................................................................................... 20
Fig. N° 4.1 Entidad Personalizada como Paciente ............................................................................ 27
Fig. N° 4.2 Servidor Personalizado como Cama............................................................................... 28
Fig. N° 4.3 Transporte Personalizado como Paramédico.................................................................. 30
Fig. N° 4.4 Tabla de Horario de Camas Fast Track ........................................................................... 33
Fig. N° 4.5 Proceso para Asignación de Gravedad de Pacientes ...................................................... 35
Fig. N° 4.6 Red de Caminos en Sala de Emergencia ........................................................................ 37
Fig. N° 4.7 Proceso de Asignación de valor a Indicador de Camas Ocupadas ................................. 38
Fig. N° 4.8 Esquema de Ruteo de Pacientes desde Triage................................................................ 38
Fig. N° 4.9 Ruteo de Pacientes desde Business Office ..................................................................... 39
Fig. N° 4.10 Esquema de Ruteo de Pacientes desde Sala de Espera................................................. 41
Fig. N° 4.11 Esquema de Ruteo de Pacientes Fast Track desde Sala de Espera............................... 42
Fig. N° 4.12 Proceso de Inserción de Entidades en Cola de Almacenamiento ................................. 44
Fig. N° 4.13 Proceso de Remoción de Entidades en Cola de Almacenamiento ............................... 44
Fig. N° 4.14 Proceso de Pacientes que se van sin tratamiento (LWT) en Triage ............................. 46
Fig. N° 4.15 Nodos para Gatillar Procesos de LWT ......................................................................... 47
Fig. N° 4.16 Indicador se Pacientes que se van sin Tratamiento ...................................................... 47
Fig. N° 4.17 Proceso para Agravamiento de Pacientes ..................................................................... 48
Fig. N° 5.1 Ingreso de Secuencias - Simio........................................................................................ 52
Fig. N° 5.2 Propiedades de Nodo de Transferencia para Secuencias – Simio ................................... 52
Fig. N° 5.3 Propiedades de Caminos para Secuencias – Simio ........................................................ 53
Fig. N° 5.4 Ingreso de Secuencias en Tracks - Flexsim HC ............................................................. 54
Fig. N° 5.5 Funciones Avanzadas en Secuencias - Flexsim HC ....................................................... 55
Fig. N° 5.6 Ejemplo de Entidades Fluyendo en el Modelo Físico – Simio ...................................... 56
Fig. N° 5.7 Ejemplo de Proceso – Simio .......................................................................................... 56
Fig. N° 5.8 Disposición del Modelo - Flexsim HC ........................................................................... 57
Fig. N° 5.9 Ingreso de Parámetros en Tracks - Flexsim HC ............................................................. 58
Fig. N° 5.10 Experimenter – Simio ................................................................................................... 59
Fig. N° 5.11 Experiment Manager - Flexsim HC ............................................................................. 60
Fig. N° 5.12 Visualización de Medidas de Desempeño - Flexsim HC ............................................. 61
Fig. N° 5.13 Cuadros SMORE – Simio ............................................................................................ 62
Fig. N° 5.14 Diagrama de Sistema de Sala de Emergencias Simplificado ....................................... 63
Fig. N° 5.15 Gráfico Tiempo de Ciclo Promedio v/s Réplicas – Simio ........................................... 70
Fig. N° 5.16 Gráfico Tiempo de Ciclo Promedio v/s Réplicas - Flexsim HC .................................. 70
Fig. N° 5.17 Gráfico de Cajas, Tiempos de Ciclo ............................................................................. 71
Fig. N° 5.18 Gráfico Tiempo Promedio de Espera en Triage v/s Réplicas – Simio ......................... 75
Fig. N° 5.19 Gráfico Tiempo Promedio de Espera en Triage v/s Réplicas – Flexsim HC ............... 75
Fig. N° 5.20 Gráfico de Cajas, Tiempos de Espera en Triage .......................................................... 76
10
Capítulo 1. Introducción
1.2.1 Discusión
Con la aparición en el mercado del software de simulación orientado a objeto Simio, surge
una buena oportunidad para analizar la factibilidad de su implementación como herramienta de
análisis para casos de salud y la creación de objetos con características especialmente desarrolladas
para este campo, con el potencial de obtenerse una versión exclusiva para modelamiento de este tipo
de sistemas.
12
Hipótesis general:
El software de simulación Simio permite su aplicación en modelamiento de sistemas de
salud.
Hipótesis puntuales:
Es posible modelar en Simio un sistema complejo de salud consistente en una sala de
emergencias que recibe 75.000 pacientes al año, clasificarlos según su edad, origen,
gravedad y darles distinto tipo de atención.
El software Simio presentará un mejor rendimiento que Flexsim HC al momento de su
ejecución en un computador.
Los valores resultantes arrojados por Simio serán similares a los arrojados por Flexsim HC.
1.3. Objetivos
Construir un modelo de una sala de emergencias donde se utilicen las herramientas del
programa para representar características del sistema como clasificación y flujo de pacientes.
Proponer los pasos a seguir para representar en el software Simio las distintas características
del sistema.
Determinar las ventajas y desventajas de modelar un sistema de salud en Simio, comparado
con Flexsim HC.
Estudiar el rendimiento de Simio y comparar la concordancia de sus datos resultantes con
Flexsim HC.
13
2.1. Historia
En los primeros años de la simulación de evento discreto el paradigma de modelamiento
dominante era la orientación a evento, la que fue implementada por herramientas tales como
Simscript y GASP. En este paradigma de modelamiento, el sistema es visto como una serie de
eventos instantáneos que cambian el estado del sistema. El modelador define los eventos en el
sistema y modela los cambios de estado que se llevan a cabo cuando estos eventos ocurren. Este
enfoque de modelamiento es bastante eficiente y flexible, pero también es una representación
relativamente abstracta del sistema. Como resultado, muchas personas consideran dificultoso el
modelamiento utilizando una orientación a evento [2].
En la década de los ’80 la simulación orientada a proceso desplazó a la orientación a evento,
convirtiéndose en el enfoque dominante para la simulación de evento discreto. En la perspectiva del
proceso se describe el movimiento de entidades pasivas a través del sistema como un flujo de
procesos. El flujo de procesos está descrito por una serie de pasos de procesos (tales como retardar,
aprovechar un recurso, dejarlo ir) que modelan los cambios de estado que se llevan a cabo en el
sistema. Este enfoque data de la década de los ’60 con la introducción del GPSS (Sistema de
Simulación de Propósito General) y proporcionó una manera más natural para describir el sistema.
Sin embargo, debido a numerosos asuntos prácticos con el GPSS original (por ejemplo su reloj
integrado y su lenta ejecución) este sistema no se convirtió en el enfoque dominante hasta las
versiones mejoradas en el año 1976, junto con lenguajes de procesos más nuevos como SLAM y
SIMAN que se volvieron ampliamente utilizados en los ’80 [2].
Durante los ’80 y ’90 la animación gráfica también emergió como una característica clave de
las herramientas de modelamiento en simulación. La construcción de modelos gráficos simplificó la
confección de modelos de procesos y la animación gráfica mejoró dramáticamente la observación y
validación de resultados de simulación. La introducción de Microsoft Windows en el mercado
informático hizo posible el construir interfaces de usuario mejoradas y el surgimiento de nuevas
herramientas gráficas (por ejemplo ProModel y Witness).
Desde la amplia propagación hacia la orientación a procesos basados en gráficos ha habido
refinamientos y mejoras en las herramientas, pero no avances reales en la estructura fundamental del
15
modelamiento. La gran mayoría de los modelos de evento discreto siguen siendo construidos
utilizando la misma orientación a proceso de los últimos 25 años [2].
A pesar de que esta orientación a proceso ha probado ser muy efectiva en la práctica, una
orientación a objeto ofrece un atractivo paradigma de modelamiento alternativo que tiene el
potencial de ser más natural y fácil de usar. En una orientación a objeto se modela el sistema al
describir los objetos que lo conforman. Por ejemplo, se modela una fábrica al describir los
trabajadores, las máquinas, las cintas transportadoras, los robots y otros elementos que son parte del
sistema. El comportamiento del sistema emerge de la interacción de estos objetos.
Aunque algunos productos han sido definidos como orientados a objeto, a la fecha en la
práctica muchos simuladores han elegido continuar con la orientación a proceso. Esto se debe en
gran parte a que, a pesar de que el paradigma de modelamiento fundamental puede ser más simple y
menos abstracto, la implementación específica puede llegar a ser difícil de aprender y utilizar, ya
que necesita programación y tiene lenta ejecución. Estos desafíos no son diferentes a los que
experimentó la orientación a proceso al destronar a la orientación a evento. Cabe señalar que desde
la introducción del primer lenguaje de simulación orientado a proceso (GPSS en 1961), pasaron 25
años antes de que la orientación a proceso se desarrollara a tal punto que los simuladores llegaran a
ser persuadidos a realizar el cambio [2].
Actualmente el software de simulación más utilizado en el mercado es Arena.. Sus creadores,
Dennis Pedgen y David Sturrock, vendieron la marca y presentaron una nueva alternativa de
simulación orientada a objeto, llamada Simio (Simulación basada en Objeto Inteligente), con la que
se ofrecen las siguientes ventajas [3]:
• La capacidad de definir y personalizar objetos utilizando lógica de procesos en lugar de
código, permitiendo que usuarios sin conocimientos en programación tomen completa
ventaja del poder de los objetos.
• Un paradigma que permite que objetos que fueron diseñados de manera independiente
tengan interacciones complejas entre ellos.
• La opción de realizar simulación orientada a objeto, a proceso, de evento discreto, continuo y
basado en agente, y mezclarlas en un solo modelo.
• Una fuerte integración en animación en 2D para una fácil construcción de modelos con
animación en 3D automática para un mayor impacto en la presentación.
16
Existen seis clases básicas de objetos en Simio, las que se muestran en la Fig. N° 2.1, donde
las flechas indican su jerarquía. Éstas proveen un punto de partida para crear objetos inteligentes en
Simio. Por defecto estas seis clases de objeto tienen poca inteligencia nativa, pero poseen la
capacidad de irla adquiriendo. Las clases definen un comportamiento genérico, pero no el
comportamiento específico de un objeto, ya que éste último se da por una definición particular del
objeto, lo que le da su propio comportamiento inteligente. Por ejemplo, una cinta transportadora
puede ser creada mediante la definición de características singulares en un enlace entre dos nodos.
Se puede construir versiones inteligentes de estos objetos al modelar su comportamiento como una
colección de procesos manejados por eventos [11].
17
La primera clase es el objeto fijo. Éste tiene una ubicación fija en el modelo y puede usarse
para representar un sistema completo (por ejemplo una planta) o componentes del sistema que no se
mueven de un lugar a otro (por ejemplo máquinas, equipamiento) [3][11].
Los agentes son objetos que pueden moverse libremente en el espacio 3D y se usan
típicamente para desarrollar modelamiento basado en agente, lo que es útil para estudiar sistemas
que están compuestos por muchos objetos inteligentes independientes que interactúan entre ellos
para crear un comportamiento general del sistema. Ejemplos de aplicaciones incluyen aceptación del
mercado de un nuevo producto o servicio, o crecimiento poblacional de especies rivales dentro de
un ambiente [3].
Una entidad es una subclase de la clase Agente y posee un comportamiento adicional
importante. Pueden seguir un flujo de trabajo en el sistema, incluyendo la capacidad de utilizar una
red de enlaces para moverse entre objetos; la habilidad de visitar, entrar y salir de ubicaciones entre
otros objetos a través de nodos, y la capacidad de ser recogidas, llevadas y entregadas por objetos
transportadores. Ejemplos de entidades incluyen clientes de un sistema de servicio, piezas de trabajo
en un sistema de manufactura o doctores, enfermeras y pacientes en un sistema de salud. Cabe
señalar que en un sistema de modelamiento clásico las entidades son pasivas y son controladas por
los procesos del modelo [3][11].
Los objetos enlace y nodo se utilizan para construir redes por donde las entidades pueden
circular. Un enlace define un camino para el movimiento de entidades entre objetos. Un nodo define
un punto de partida o de fin para un enlace. Ambos pueden combinarse para componer redes
18
complejas con comportamiento de flujo sin restricción o de tráfico congestionado, entre otros
[3][11].
La clase final es el transporte, que es una subclase de la clase Entidad. Un transporte es una
entidad que adicionalmente posee la capacidad de recoger objetos en una ubicación, llevar esas
entidades a través de una red de enlaces o en el espacio libre, y luego dejarlas en un destino. Un
objeto transporte también la habilidad de moverse fuera de una red y mantener una asociación con
un nodo en esa red, como por ejemplo estacionarse en un nodo de una red [3][11].
19
3.1. Introducción
El sistema simulado en este trabajo corresponde a la sala de emergencias del Centro de Salud
Regional de Orlando, Florida, USA, el que recibe alrededor de 75.000 pacientes al año y cuyo
modelo fue confeccionado inicialmente con el objeto de analizar distintas alternativas para disminuir
la cantidad de pacientes que se iban del hospital antes de ser tratados, probablemente dado a largos
tiempos de espera que se producen en ciertos momentos del día [1].
• Triage: La enfermera clasifica los pacientes que entran caminando por la entrada principal
como emergentes, urgentes o no-urgentes, para luego ser tratados de forma diferenciada
según su gravedad. Algunos pacientes que reúnan requisitos especiales, son clasificados
como “Fast Track”.
• Sala de Espera de Adultos: Lugar donde los pacientes esperan por su atención, luego de
haber sido entrevistados por el business officer.
• Sala de Espera de Pediátricos: Lugar donde los niños esperan por su atención si no hay
camas disponibles.
• Estación de Business Office: Los pacientes se entrevistan con un oficial, quien le toma sus
datos antes de ser atendidos.
• Sala de Espera de Business Office: Los pacientes esperan ser entrevistados por el business
officer.
• Estación de Camas Pediátricas: 10 camas disponibles exclusivamente para atender a niños.
• Estaciones de Camas de Adultos: 29 camas destinadas a la atención de pacientes adultos. A
ciertas horas del día, algunas camas permanecen cerradas debido a falta de personal.
20
Camas
Fast Track
Triage
Paramédicos
Sala de
Sala de Espera Espera
Adultos Business
Office
• Llegada de los pacientes: Los pacientes hacen ingreso a la sala de emergencias caminando o
siendo transportados en ambulancia.
21
Para el modelo simulado, se tomaron como parámetros los datos indicados en la Tabla N°
3.1 [1].
Según la Tabla N° 3.3, los adultos que llegan caminando pasan por el triage y van a la sala
de espera de la Business Office, en caso que no haya camas disponibles. Después de una entrevista
preliminar con el Business Officer donde se consigue información básica del paciente para generar
una cuenta, el paciente queda en la sala de espera. Cuando hay disponibilidad de camas, el adulto
recibe atención, luego una segunda entrevista y algunas veces se llama a un especialista para
consultas. Para efectos de simulación, estas tres últimas actividades se concentraron en un solo
proceso (“Cama”). Finalmente el paciente es despachado.
Cabe señalar que si existe disponibilidad de camas desde un principio, el paciente va
directamente a la cama luego de la atención en el triage, sin pasar por las salas de espera. En este
caso el buisiness officer realiza la entrevista en la cama, tiempo que en este trabajo está considerado
dentro del proceso “Cama”.
Adicionalmente, existen tres tipos de disposición del paciente: el paciente es admitido, el
paciente es despachado o el paciente se va sin ser atendido. En este trabajo sólo se consideraron
estas últimas dos clasificaciones. Para los pacientes que se van sin tratamiento (LWT) se asumió que
un 30% de los pacientes que esperan más de 2,5 horas se van sin tratamiento. Por lo tanto, cada 1
24
hora la simulación verifica en las colas y salas de espera si hay pacientes que llevan más de 2,5
horas esperando y determina si se van sin tratamiento (30% de probabilidad) o si esperan una hora
más [1].
3.6. Recursos
En la sala de emergencias existen distintos tipos de recursos, ya sean humanos o materiales.
En la simulación se asumen los recursos indicados en la Tabla N° 3.4.
Cabe señalar que en el horario de 11:00 a 23:00 hrs, dos camas de Fast Track pueden ser
utilizadas para pacientes de ambulancia en casos de alta demanda. Además, de las 6 camas de
Trauma una puede ser utilizada para otros casos de ambulancia y otra para casos emergentes del
triage [1].
25
Los tiempos de atención considerados en este trabajo son los que se indican en la Tabla N°
3.5, para cada tipo de paciente.
4.1. Introducción
En este capítulo se propone un desarrollo del modelo presentado en el Capítulo 3 en el
software de simulación Simio. Se detallan las instrucciones paso a paso que se siguieron para su
construcción.
Se crea una nueva entidad personalizada para utilizarla como distintos tipos de paciente (Fig. N°
4.1). Los pasos a seguir son los siguientes:
4.2.2 Triage
A partir de un servidor, se crea el “Triage”, que es donde se reciben los pacientes por primera
vez y se identifican según su gravedad. Los pasos a seguir son los siguientes:
A partir de un servidor, se crea el “Business Office”, que es donde se toma los datos de los
pacientes que están esperando atención. Los pasos a seguir son los siguientes:
4.2.4 Camas
A partir de un servidor, se crea la Cama, que es el proceso donde se atiende al paciente (Fig.
N° 4.2). Los pasos a seguir son los siguientes:
A partir de un servidor, se crea la Sala de Espera, que tiene tiempo de proceso 0 y donde el
paciente espera por una cama disponible. Los pasos a seguir son los siguientes:
o Initial Capacity: 1
o Ranking Rule: Largest Value First
o Ranking Expression: Paciente.Priority. Se le dará prioridad en la cola a pacientes
con mayor gravedad.
o Processing Time: 0
o Input Buffer Capacity: 200
o Output Buffer Capacity: 0
4.2.6 Paramédicos
A partir de un vehículo, se crea el Paramédico, que es el transporte que mueve a los pacientes
dentro de la instalación (Fig. N° 4.3). Los pasos a seguir son los siguientes:
4.3.1 Tablas
Se creará una tabla conteniendo información como tipos de pacientes, llegadas, tiempos de
procesos. Los pasos a seguir para su construcción son los siguientes:
• Se tiene 3 tipos de gravedad por cada paciente, por lo tanto hay 3 tiempos de atención por
cada paciente. Se ingresará entonces el tiempo en cama en 1 columna por cada tipo de
gravedad. Se debe agregar una Propiedad Estándar del tipo Expresión llamada
“TiempoCamaNoUrgente”, donde se completará con una expresión, como por ejemplo ‘(9 +
Random.Gamma(2.22,60))/60’.
• De la misma forma anterior, crear columnas “TiempoCamaUrgente” y
“TiempoCamaEmergente”. En las propiedades del objeto Cama se incluye la expresión
general que considera los 3 tiempos según gravedad.
El número de llegadas por hora dependerá de la hora del día. Para este caso se tiene que en
promedio la sala de emergencias recibe por hora el número de pacientes indicado en la Tabla N° 4.2.
32
Por lo tanto se creará una tabla para establecer tasas de llegada variables en el tiempo.
Cabe señalar que las camas de Fast Track están abiertas sólo durante el período de 11:00 a
23:00 al día. Por lo tanto se debe crear una tabla de Schedule (Horario) con esta información, de la
siguiente manera:
Para crear distintos tipos de pacientes, se debe desarrollar un proceso para crear entidades
según las llegadas ingresadas en la tabla (Fig. N° 4.5). Esto se realiza de la siguiente manera:
El proceso anterior creará distintos tipos de pacientes tales como adultos, pediátricos, etc. Sin
embargo, todos tendrán la gravedad por defecto, es decir 0 correspondiente a no urgente. Para
asignar la gravedad correcta se debe crear otro proceso.
% Urgentes
% Urgentes + % Emergentes
Se debe agregar entonces otro paso Decide basado en probabilidad con la expresión
‘DatosPacientes.PorcentajeUrgentes/(DatosPacientes.PorcentajeUrgentes+DatosPacientes.Po
rcentajeEmergentes)’.
• En la salida True del segundo Decide se agrega un paso Assign con el valor 2 a la variable de
estado Paciente.Gravedad.
35
• Por la salida False irá el resto del porcentaje correspondiente a los pacientes emergentes. Se
agrega entonces un paso Assign para asignar el valor 3 a la variable Paciente.Gravedad y
otro paso Assign para asignarle un valor 2 a la variable Paciente.Priority. En este modelo los
pacientes con gravedad 1 y 2 tendrán prioridad 0, mientras que los pacientes emergentes
tendrán prioridad 2.
En el modelo se debe agregar una Fuente (Source) que cree las entidades. Las Propiedades de la
Fuente son las siguientes:
• Arrival Logic
o Entity Type: DatosPacientes.TipoDePaciente. Se lee de la tabla los distintos tipos
de entidades (pacientes).
o Arrival Mode: Time Varying Arrival Rate. El número de llegadas dependerá de la
hora del día. Esta información está definida en una Rate Table.
o Rate Table: TasaLlegada.
• Add-On Process
o Creating Entities: CrearPacientes. Proceso para crear distintos tipos de entidades
Paciente según tabla.
o Created Entity: AsignarGravedad. Proceso para asignar gravedades según tabla de
datos. También asigna prioridad a pacientes emergentes.
36
4.4.1 General
1. Insertar en el modelo las entidades “Paciente”, una por cada tipo de paciente. En este caso se
tiene pacientes del tipo Adulto, Pediátrico, Fast Track y Trauma. Además, se decidió crear
aparte los pacientes que llegan en ambulancia, ya que tienen distintas secuencias y recursos
disponibles, por lo tanto se tiene 8 tipos de entidades del tipo Paciente.
2. Situar en el modelo los objetos:
o Source
o Triage
o Businesss Officer
o 50 camas. En este caso las camas se situaron de la siguiente forma:
1 – 24: Adultos
25 – 34: Pediátricos
35 – 44: Fast Track
45 – 50: Trauma
o 5 salas de espera, una por cada tipo de paciente que llega a pie, más otra para la
Businesss Office.
o Sink
3. Es recomendable crear una red de caminos para interconectar todas las camas con salas de
espera y salidas de pacientes. Esto se puede lograr insertando Nodos Básicos en las junturas
y uniéndolas mediante caminos. Por estos caminos constantemente tienen que circular
entidades y vehículos de transporte, por lo tanto no basta con que sean unidireccionales. Al
hacerlos bidireccionales se encontró problemas de tráfico, ya que muchas entidades y
vehículos quedaban atorados en nodos. Esto se resolvió utilizando 2 caminos
unidireccionales en cada tramo, uno en cada dirección. La red de caminos utilizada en este
trabajo se muestra en la Fig. N° 4.6.
37
Después del Triage, los pacientes tienen dos posibles destinos. Se dirigirán directamente a
las camas si es que hay alguna disponible, o en caso contrario pasan a la sala de espera de la
Businesss Office. Una de las formas de implementar lo anterior en Simio es la siguiente:
10. De forma análoga se puede hacer algo similar para pacientes no emergentes del tipo
Pediátrico y Fast Track, donde cada uno tendrá su propia cola del tipo Sala de Espera. Los
pacientes Emergentes y de Trauma irán directamente a su Sala de Espera para luego ser
llevados a una cama.
Los pacientes en la Sala de Espera de la Business Office deberán esperar su turno para pasar
en forma individual a la oficina. Por lo tanto el servidor BusinessOfficer es un recurso que se debe
captar y luego libertar. Una forma de implementarlo es la siguiente:
1. En Definiciones, Listas, crear una nueva lista de Nodos llamada “BusinessOfficeNodo” que
estará compuesto sólo por el nodo “Input@BusinessOfficer1”.
2. En el nodo de salida de la Sala de Espera de la Business Office cambiar las siguientes
propiedades en Routing Logic:
o Entity Destination Type: Select From List
o Node List Name: BusinessOfficeNodos
o Blocked Routing Rule: Select Available Only
Desde el nodo de salida del Business Officer se conecta un camino hacia la sala de espera de
adultos, ingresando como peso la expresión ‘Is.Adulto’. De forma similar se conectan los caminos
para salas de espera de Pediátricos y de Fast Track.
Se debe definir los grupos de camas disponibles para distintos tipos de pacientes. Éstos
tienen distintas camas a su disposición dependiendo de su gravedad o si se movilizan en ambulancia.
Para esto, en Definiciones, Listas, se deben crear las listas de nodos mostradas en la Tabla N° 4.4.
Cabe señalar que para los pacientes en ambulancia, es recomendable agregar como último
nodo la entrada a su respectiva sala de espera, para redirigirlos en caso de que exista ninguna otra
cama disponible.
Es posible asignarle un destino a las entidades cambiando las propiedades del nodo de
transferencia de salida de las salas de espera. Por ejemplo, para que los pacientes adultos se dirijan
hacia el grupo de camas de adultos se debe cambiar lo siguiente en Routing Logic:
• Entity Destination Type: Select From List
• Node List Name: CamasAdultos
• Blocked Routing Rule: Select Available Only
41
De esta forma la entidad seleccionará su destino desde la lista CamasAdultos, sólo si hay
alguno disponible. En caso de que no lo haya, la entidad quedará bloqueada esperando
disponibilidad.
Si se desea que pacientes de distinta gravedad se dirijan hacia distintos grupos de camas
desde una misma sala de espera, existe la opción de separar las entidades en pacientes emergentes y
no emergentes a la salida de la sala de espera, como se muestra en la Fig. N° 4.10.
Salida de
Sala de Espera
Los caminos que conectan la salida de la sala de espera con los nodos de transferencia tienen
pesos ‘Paciente.Gravedad==3’ para emergentes y ‘Paciente.Gravedad!=3’ para no emergentes. En
los nodos de transferencia se puede cambiar las propiedades para que las entidades sean dirigidas a
sus respectivos grupos de camas. Esta lógica se puede utilizar para demás salas de espera.
Además, según lo ingresado en las propiedades del objeto personalizado Paramédico (punto
4.2.6), los transportes le darán prioridad a pacientes emergentes y los llevarán para ser atendidos
antes que a otra gravedad.
42
En el caso de los pacientes Fast Track, se debe poner especial atención con el hecho que las
camas están disponibles sólo desde 11:00 a 23:00 hrs. Para lograr esto, se debe modificar las
siguientes propiedades de cada cama de Fast Track, en Lógica de Proceso:
• Capacity Type: WorkSchedule
• Work Schedule: HorarioFastTrack
Si el destino de la sala de espera de Fast Track son sólo las camas de Fast Track, los
pacientes que ingresen fuera del horario quedarán atascados, ya que las camas de destino tendrán
capacidad 0. Existe entonces la opción de agregar un tercer nodo de transferencia a la salida, que
envíe a los pacientes Fast Track a camas normales, en caso que las camas de Fast Track no estén
disponibles. Se puede disponer nodos a la salida, efectuando un procedimiento similar al anterior,
como lo muestra la Fig. N° 4.11.
Salida de
Sala de Espera
de Fast Track
Fig. N° 4.11 Esquema de Ruteo de Pacientes Fast Track desde Sala de Espera
Fuente: Elaboración propia.
43
En la figura anterior, los pesos en los caminos deben ser las siguientes expresiones:
(1) Cama35.Capacity == 0. Las camas de Fast Track están deshabilitadas.
(2) Cama35.Capacity && Paciente.Gravedad == 3. Las camas de Fast Track están
habilitadas y el paciente es emergente.
(3) Cama35.Capacity && Paciente.Gravedad != 3. Las camas de Fast Track están
habilitadas y el paciente es no emergente.
Cabe señalar que para saber la capacidad de las camas de Fast Track es suficiente con
preguntar la capacidad de sólo una de ellas, ya que todas tienen el mismo horario.
Se desea modelar pacientes que, debido a las grandes esperas, se vayan de la sala de
emergencias sin recibir atención. En el modelo de simulación se asumirá que el 30% de los
pacientes que esperan por más de 2,5 horas, se van sin tratamiento. La simulación revisará cada 1
hora si los pacientes llevan esperando más de 2,5 horas en las colas del Triage y de las Salas de
Espera de Adultos, Fast Track y Trauma. Un 30% de esas entidades serán destruidas y
contabilizadas, mientras que el resto seguirá esperando por al menos una hora más [1].
Para mover las entidades del buffer de entrada del Triage a otro provisorio, se debe realizar
lo siguiente:
3. En el nodo de entrada del servidor (Triage) agregar un Add-On Process Trigger haciendo
doble clic en “Entered”. Se creará automáticamente un proceso llamado
“Input_Triage1_Entered”. Este proceso será llamado cada vez que una entidad entre al
nodo.
4. En la ventana de Procesos, en el proceso recién creado, agregar un paso Assign, donde se le
asignará a la variable Paciente.TiempoEnCola el valor ‘TimeNow’ (tiempo actual de
simulación). Con esto, cada entidad tendrá registrado en el estado TiempoEnCola, el valor de
la hora cuando ingresó al Triage.
5. En el mismo proceso agregar un paso Insert, donde el Nombre del Queue State será
‘Almacenamiento.Queue’ (Fig. N° 4.12). Este paso insertará las entidades que entren al
Triage en la cola de almacenamiento llamada “Almacenamiento”.
6. De vuelta en la ventana Facility, agregar otro Add-On Process Trigger al nodo de entrada del
Triage, haciendo doble clic en “Exited”. Se creará automáticamente un proceso llamado
“Input_Triage1_Exited”. Este proceso será llamado cada vez que una entidad salga del
nodo.
7. En la ventana de Procesos, en el nuevo proceso, agregar un paso Remove para quitar
entidades desde la ‘Almacenamiento.Queue’ (Fig. N° 4.13).
En esta nueva cola de almacenamiento las entidades están esperando y se puede ahora buscar
las que estén mucho tiempo. Para realizarlo en el modelo se debe hacer lo siguiente:
Fig. N° 4.14 Proceso de Pacientes que se van sin tratamiento (LWT) en Triage
Fuente: Elaboración propia.
Este procedimiento puede efectuarse de forma análoga para las salas de espera. Los buffers
de entrada también deben ser deshabilitados y reemplazados por colas de almacenamiento, pero esta
vez no se debe escribir un nuevo valor en la variable Paciente.TiempoEnCola ya que el tiempo de
entrada en el sistema es uno sólo y es al entrar al Triage. Se deben crear nuevas colas de
Almacenamiento, una para cada sala de espera.
47
Se puede agregar nodos básicos a continuación del objeto Source que revisa cada 1 hora y
agregarles Add-On Process Triggers para que gatillen los procesos de LWT para cada sala de
espera, como lo muestra la Fig. N° 4.15.
LWT
Sala de
LWT Triage Espera
Fast Track
LWT LWT
Sala de Sala de
Espera Espera
Adultos Trauma
En todos los procesos que revisen a los pacientes sin tratamiento en las salas de espera, es
necesario que guarden las estadísticas en el mismo Tally Statistic llamado “LWT”. El número de
pacientes que se van se agregará a esa lista.
Para tener un indicador en el modelo del número de pacientes que se van sin tratamiento, se
puede agregar en la ventana Facility, pestaña Animation, una Etiqueta de Estado con la expresión
‘LWT.NumberObservations’. También se puede agregar una etiqueta para que el indicador se vea
como la Fig. N° 4.16.
Se desea modelar que pacientes de gravedad urgente puedan empeorar su salud debido a largas
esperas. Se utiliza un procedimiento similar al de modelar pacientes que se van sin tratamiento. La
48
simulación asumirá que un 10% de los pacientes clasificados como Urgentes empeorará su
condición a Emergente si es que llevan más de 2,5 horas esperando en Triage o en las Salas de
Espera. Para agravar pacientes en Triage se hace lo siguiente:
Se puede realizar lo anterior de forma análoga para las demás salas de espera.
4.4.5 Transportes
Se desea que paramédicos transporten a los pacientes desde las salas de espera hacia las camas y
luego hacia fuera de la sala de emergencias. En este caso habrá 4 paramédicos permanentemente de
turno.
4.5. Comentarios
Del modelo realizado se observa que su confección requirió una demanda de tiempo
considerable y presentó una complejidad relativamente alta para el desarrollo de lógicas complejas,
sin embargo este trabajo servirá como base para ser adaptado a otros sistemas de salud, donde se
espera que la reutilización de los objetos definidos y sus propiedades signifique una modelación
simple con una disminución importante del tiempo de desarrollo.
51
5.1. Introducción
En este capítulo se establecen las diferencias encontradas entre realizar un modelo en el
software Simio y en Flexsim HC. Este último es un simulador orientado a objeto, especialmente
creado para representar casos de sistemas de salud. Se compara el desarrollo de modelos en ambos
software tomando en cuenta aspectos como el ingreso de las secuencias de los pacientes en la
instalación, lógica, rendimiento de los programas a la hora de correr los modelos, concordancia de
datos obtenidos, entre otros.
5.2. Secuencias
En Simio existen diversas maneras de definir las secuencias de las entidades. Una de ellas es
predefinirlas mediante una tabla de secuencias, donde se especifica cada uno de los nodos por los
cuales la entidad debe pasar (Fig. N° 5.1 (a)). Para esto, cada tipo de entidad debe tener una
secuencia asociada para que ésta siempre sea la ingresada en tabla, lo que se realiza modificando sus
propiedades (Fig. N° 5.1 (b)). Luego, cada nodo también debe tener ingresado en sus propiedades
que sigan una secuencia. Dada la complejidad y las características del modelo realizado en este
trabajo, se decidió que esta metodología no era la más adecuada, debido a que las tablas de
secuencias se utilizan usualmente para secuencias fijas, mientras que en muchos casos se necesitaba
discriminar entre distintos posibles destinos y muchos nodos eran recorridos por distintos tipos de
entidades.
52
(a)
(b)
Otra alternativa para establecer secuencias es utilizar los nodos de transferencia, donde se
puede definir para cualquier entidad un próximo destino, ya sea fijo o de una lista de nodos (Fig. N°
5.2), tal como se hizo en el punto 4.4.1.
Simio también ofrece la opción de definir rutas mediante la apertura y cierre de caminos. Los
caminos (paths) tienen un peso que por defecto es 1, pero que puede ser modificado por otro valor o
incluso una expresión que representan la probabilidad de que una entidad pase por ese camino. Estas
expresiones también pueden ser del tipo booleanas, es decir que son verdaderas o falsas y que
retornarán un valor de 1 ó 0. De esta manera, cuando el peso del camino resulta ser 0, éste quedará
53
bloqueado. En la Fig. N° 5.3 se ingresó una expresión que abrirá o cerrará el paso, dependiendo de
existen camas disponibles o no. Este procedimiento se utilizó muchas veces en este trabajo y un
ejemplo se explica en el punto 4.4.1, Fig. N° 4.8.
En Flexim HC la ruta del paciente va predestinada desde su creación, según los movimientos
ingresados en los Tracks. Si en algún momento fuera necesario añadir una lógica más compleja a los
movimientos del paciente, Flexsim HC permite modificar una función avanzada que bajo una cierta
condición o probabilidad, elija una próxima actividad, lleve al paciente a otra área, cambie su
estado, etc (Fig. N° 5.5). Esta función avanzada se especifica ingresando parámetros a opciones
dadas por el software o programando código en lenguaje C++ para lógica más compleja.
55
En Simio, a diferencia de otros lenguajes de simulación, se hace una diferencia notoria entre
el modelo físico y el modelo lógico. En la vista Facility, el modelo se construye tomando en cuenta
la disposición física de los elementos que constituyen el sistema, los que se enlazan para que las
entidades fluyan en él, como lo harían en una instalación en la realidad. Las entidades pueden tener
su propio comportamiento inteligente, ya que tienen la posibilidad de tomar decisiones, rechazar
peticiones, descansar, etc. Pueden ser creados y destruidos dinámicamente, moverse en una red de
enlaces y nodos, moverse en el espacio 3D, entrar y salir de objetos fijos. Algunos ejemplos de
entidades pueden ser pacientes, vehículos, clientes, piezas de trabajo, etc [4]. Un ejemplo de
entidades moviéndose en un modelo de Simio se observa en la Fig. N° 5.6.
56
En Flexsim HC, la disposición del modelo se hace ingresando objetos desde una biblioteca,
donde existen salas de espera, camas, personal, entradas, salidas, etc (Fig. N° 5.8). Para modelar los
pacientes, se puede crear un patrón que describa el comportamiento de un grupo de pacientes a
través de todo el sistema. Estos patrones se llaman “Tracks” y es un menú donde se ingresa la
información de todos los movimientos y actividades que el paciente realiza dentro del sistema. En
éstos se crea una lista de la secuencia del paciente y se definen los tiempos de proceso asociados a
cada actividad.
57
5.4.1 Experimentos
Simio ofrece una herramienta para realizar experimentos llamada Experimenter (Fig. N°
5.10). En este modo la animación del modelo no es lo prioritario, ya que se replican distintos
escenarios para obtener información sobre la variabilidad en el sistema y llegar a conclusiones
válidas estadísticamente desde el modelo. Se debe definir una o más propiedades que se puedan
cambiar para ver el impacto en el desempeño del sistema. Estas propiedades pueden utilizarse para
variar parámetros como la velocidad de las cintas transportadoras, el número de operadores
disponibles o el criterio de decisión para la selección del próximo cliente en el proceso, los que son
referenciadas por uno o más objetos en el modelo. Se pueden crear varios experimentos por modelo,
por ejemplo uno para tiempos de proceso y otro para evaluar tamaños de colas o niveles de dotación
de personal. Simio aprovecha la cantidad de núcleos del computador para correr múltiples réplicas a
la vez, por ejemplo, un computador con un procesador de dos núcleos podrá correr dos réplicas a la
vez. Las últimas versiones de Simio ofrecen añadir una o más Respuestas o Restricciones al
59
experimento. Una Respuesta puede ser cualquier expresión válida y es típicamente un indicador de
desempeño clave que es de particular interés en los escenarios de comparación y que se desplegarán
directamente en la tabla de experimentos y en el cuadro de respuestas. Una restricción es una
expresión que debe satisfacerse para que el escenario sea válido. En Simio existen dos maneras para
visualizar los resultados del experimento. La primera es la Tabla Pivote (Pivot Table), la que está
diseñada para que el analizador pueda arreglar o clasificar la información desde distintas
perspectivas al arrastrar las columnas de la tabla. La otra manera de visualizar los resultados es
mediante un Informe (Report) tradicional, que muestra para cada parámetro de interés los resultados
de los distintos escenarios que se definieron.
La pestaña de medidas de desempeño ofrece especificar las medidas de salida a evaluar para
cada escenario. Al final de cada réplica las funciones de medida de desempeño son ejecutadas y
registradas, y una vez terminado el experimento se pueden visualizar los resultados de éstas en una
ventana como la de la Fig. N° 5.12 o en forma de tablas e informes. Además es posible ingresar
funciones avanzadas para ejecutar alguna acción al momento de comenzar o finalizar experimentos,
réplicas o escenarios.
61
Al momento de realizar este trabajo, Simio (versión 3.43) no ofrece un sistema integrado
para ajuste de distribuciones estadísticas o análisis de datos de salida. Sin embargo recomiendan el
uso de softwares tales como Stat::Fit, ExpertFit o StartTools para luego ingresar datos a Simio como
distribuciones o tablas. Simio incluye herramientas de análisis de salida como las tablas pivote o
cuadros SMORE para asistencia en comparación de datos de respuesta. Los cuadros SMORE
(Medición de Riesgo y Error de Simio) es una herramienta gráfica que ayuda a analizar y comparar
escenarios al desplegar los valores esperados y sus múltiples niveles de variabilidad asociados, en
forma de una carta que muestra valores máximos, mínimos, percentiles, intervalos de confianza,
media, etc (Fig. N° 5.13).
62
Para un análisis adicional en Simio, es posible exportar datos de salida a otros programas. El
formato de datos de salida es de valores separados por coma (CSV) y es compatible con la mayoría
de programas de análisis de datos, incluyendo Microsoft Excel. Para obtener estos archivos, es
necesario crear una rutina dentro del modelo, definiendo elementos, agregando procesos con pasos,
etc, tal como en el ejemplo SimBit “WritingToAFile”. En el caso de la ejecución de un experimento,
se crearán distintos archivos, uno por cada réplica realizada. No es posible ingresar todos los datos
en un solo archivo de forma automática, debido a que Simio corre más de una réplica a la vez, una
por cada procesador que el computador tiene, lo que significaría tratar de escribir en el mismo
archivo al mismo tiempo.
Flexsim HC, por su parte posee integrada la herramienta ExpertFit, con la cual es posible
hacer ajuste de curvas, comparaciones gráficas, tests de bondad de ajuste, evaluación de modelos,
etc, además de permitir la importación y exportación de datos en formato hoja de datos de Excel
(archivos .xls).
63
5.5. Rendimiento
Para analizar el rendimiento de ambos software de simulación, se creó un modelo simple de
atención médica, consistente en pacientes adultos y niños que ingresan con distinta severidad a una
sala de triage, luego a sus respectivas salas de espera para ser atendidos en camas y finalmente ser
despachados. El diagrama de este ejemplo se observa en la Fig. N° 5.14.
Triage
Llegada Salida
Este modelo se corrió en Simio y en Flexsim HC en 10 réplicas de 5.000 horas cada una, con
el objeto de concluir sobre el rendimiento de los softwares en un mismo computador. Cabe señalar
que se utilizó una tasa de llegada de un paciente cada 10 min, con los tiempos de procesos y de
llegadas similares al modelo realizado anteriormente.
Se observa que el tiempo total de ejecución en Flexsim HC fue 11,19 veces mayor que el de
Simio. Flexsim HC tardó 08:15 min en promedio en cada réplica y las fue realizando en serie, es
decir una después de la otra. Simio, por otra parte, aprovecha el número de núcleos del ordenador
para ejecutar más de una réplica a la vez. En este caso todas las simulaciones se realizaron en un
computador con procesador Intel Core I3, donde Simio ejecutó 4 réplicas al mismo tiempo, lo que
redujo considerablemente el tiempo total. Por esta razón el tiempo total de ejecución en Simio no
coincide con la suma de cada réplica por separado.
Un aspecto que influyó de manera considerable los tiempos de ejecución de los programas
fue la cantidad de pacientes por hora que llegaban a la sala. Para este caso se simuló con una tasa de
llegada exponencial de un paciente cada 10 min. Sin embargo, si este valor se reduce a un paciente
cada 15 min, los resultados de los tiempos de ejecución son los mostrados en la Tabla N° 5.2.
Se observa que si se reduce las llegadas a un paciente cada 15 min, Simio tuvo mejor
desempeño aún, siendo en este caso 15,6 veces más rápido que Flexsim HC. Estas diferencias con el
ejemplo anterior se deben a que la cantidad de entidades existentes en el modelo durante la
simulación afectan de gran manera el tiempo de ejecución de los programas, especialmente en casos
65
de salud, donde los tiempos de proceso y de espera pueden ser relativamente altos y donde se
producen largas colas.
5.6.1 Consideraciones
Se utilizó la misma comparación de los dos simuladores para el modelo simple de la Fig. N°
5.14 y se utilizó los datos de salida para verificar si concuerdan estadísticamente.
El tiempo de ciclo corresponde al tiempo desde que el paciente ingresa al sistema, hasta que
es despachado. En Simio se registró como un estado discreto el tiempo de ingreso y el de salida de
cada paciente, y se calculó la diferencia de éstos. En Flexsim HC, por su parte, se utilizó la opción
de cálculo automático de tiempo promedio en sistema en las mediciones de desempeño de los
experimentos.
Para el tiempo de espera del Triage, en Simio se registró como un estado discreto el instante
cuando el paciente hace ingreso al nodo del Triage y el instante justo cuando comienza a ser
“procesado” (atendido) y se calculó la diferencia para cada paciente. Esta diferencia de tiempos
corresponde al período en que el paciente está esperando ser atendido. En Flexsim HC, en las
medidas de desempeño de los experimentos, se definió como medida el tiempo medio para la sala de
espera del Triage.
S ∙ t ,/
=
k
66
donde
t: estadístico de la distribución t student.
k: desviación absoluta máxima permitida sobre la media de la distribución a
simular.
S2: estimador de la varianza de la distribución a simular.
Para el tiempo de ciclo se corrieron tres réplicas piloto de una duración de 2 semanas (336
horas) para determinar la varianza. Se obtuvieron los siguientes valores de varianza y número total
de muestras, respectivamente:
Se tiene entonces
n = 39,02 ≈ 39 réplicas
67
De igual forma se realizaron los cálculos para los tiempos de espera del triage, corriendo tres
réplicas piloto de una duración de 2 semanas (336 horas) para determinar la varianza. Se obtuvieron
los siguientes valores de varianza y número total de muestras, respectivamente:
Se tiene entonces
n = 50,91 ≈ 51 réplicas
68
A. Tiempos de Ciclo
Los resultados de las simulaciones se observan en la Tabla N° 5.3.
Simio Flexsim HC
En las Fig. N° 5.15 y Fig. N° 5.16 se observan los diagramas de dispersión para las réplicas
en Simio y en Flexsim HC, respectivamente.
70
800
600
400
200
0
0 5 10 15 20 25 30 35 40
Réplicas
800
600
400
200
0
0 5 10 15 20 25 30 35 40
Réplicas
Con el software Statgraphics se obtuvo el diagrama Box Plot de la Fig. N° 5.17, que muestra
una comparación de los resultados de ambos programas de simulación.
Box-and-Whisker Plot
FlexsimHC
Simio
Los gráficos de las Fig. N° 5.15, Fig. N° 5.16 y Fig. N° 5.17 muestran que no hay grandes
diferencias estadísticas entre los resultados de ambos programas de simulación.
FlexsimHC Simio
------------------------------------------------------------
Standard deviation 239,877 209,35
Variance 57540,9 43827,6
Df 38 38
Comparison of Means
-------------------
Como las desviaciones estándar no difieren significativamente (valor-p = 0,405238 > 0,05),
se tiene que el intervalo de confianza del 95% para la diferencia de los valores promedio está dado
por
Simio Flexsim HC
En las Fig. N° 5.18, y Fig. N° 5.19 se observan los diagramas de dispersión para las réplicas
en Simio y en Flexsim HC, respectivamente.
75
0.6
0.4
0.2
0
0 5 10 15 20 25 30 35 40 45 50
Réplicas
Fig. N° 5.18 Gráfico Tiempo Promedio de Espera en Triage v/s Réplicas – Simio
Fuente: Elaboración propia.
0.6
0.4
0.2
0
0 5 10 15 20 25 30 35 40 45 50
Réplicas
Fig. N° 5.19 Gráfico Tiempo Promedio de Espera en Triage v/s Réplicas – Flexsim HC
Fuente: Elaboración propia.
Con el software Statgraphics se obtuvo el diagrama Box Plot que se muestra en la Fig. N°
5.20, donde se compara los resultados de ambos programas de simulación.
76
Box-and-Whisker Plot
Simio T
FlexsimHC T
Los gráficos de las Fig. N° 5.18, Fig. N° 5.19 y Fig. N° 5.20 muestran que sí hay
diferencias significativas entre las medias y las desviaciones estándar en los datos obtenidos con
cada programa de simulación, lo que se verifica al realizar pruebas estadísticas para la comparación
de las medias e igualdad de varianzas.
77
Simio T FlexsimHC T
------------------------------------------------------------
Standard deviation 0,0314759 0,124016
Variance 0,000990733 0,0153801
Df 50 50
Comparison of Means
-------------------
Como las desviaciones estándar difieren significativamente (valor-p = 0 < 0,05), se tiene que
el intervalo de confianza del 95% para la diferencia de los valores promedio está dado por
Capítulo 6. Conclusiones
6.1. Sumario
• Se investigó sobre la evolución de los softwares de simulación de evento discreto y las
características de un sistema orientado a objeto.
• Se desarrolló un modelo de simulación de evento discreto de una sala de emergencias
mediante el software Simio, aprovechando gran parte de sus herramientas. La información
sobre el sistema, los datos y parámetros a ingresar fueron obtenidos de un trabajo realizado
con anterioridad.
• Se detallaron los pasos propuestos a seguir para el correcto desarrollo del modelo realizado
en el software Simio.
• Se comprobó la complejidad y las ventajas de realizar un modelo de sistema de salud en un
lenguaje orientado a objeto como Simio.
• A partir de un modelo complejo, se realizó de forma simple un modelo más sencillo y se
obtuvieron datos de resultados como tiempo de ciclo y tiempo de espera en salas de espera.
• Se realizó una comparación entre los softwares Simio y Flexsim HC para simular un sistema
de salud, tomando en cuenta criterios tales como características de modelamiento, obtención
de datos de salida, rendimiento y homogeneidad de datos resultantes.
6.2. Conclusiones
• Es factible modelar un sistema de salud relativamente complejo mediante el software de
simulación de evento discreto Simio. Las herramientas y opciones de Simio permitieron
modelar un sistema que incluye: diversas clasificaciones de pacientes (por edad, origen,
severidad, características de enfermedad o lesión), distintas secuencias de los pacientes,
cambios en las llegadas de pacientes y en los recursos durante el día, pacientes que se van sin
tratamiento, pacientes que se agravan con el tiempo, entre otros. Los resultados obtenidos
son coherentes y el modelo resultó libre de errores tras su compilación.
• En una primera instancia, realizar un modelo de sistema de salud de este tipo en Simio
resulta complejo, sin embargo éste sirve como base para adaptarlo de forma sencilla a otros
casos.
80
• Existen diferencias en la forma de definir la lógica y las secuencias en Simio con respecto a
Flexsim HC. Simio es un software que no requiere programación por parte del modelador
sino que las rutinas se definen mediante tablas, parámetros y diagramas de bloques. Flexsim
Hc, por su parte, tiene menús y opciones adaptadas especialmente para casos de salud, sin
embargo para agregar rutinas más complejas se debe hacer uso de programación.
• Al correr varias réplicas de un sistema simple en los softwares Simio y Flexsim HC, se
verifica que el primero presenta un mayor rendimiento en un mismo computador. Los
tiempos que demora en correr el programa dependen del número de entidades existentes
dentro del modelo durante su ejecución y en este trabajo se encuentra que Simio es hasta
15,6 veces más rápido que Flexsim HC.
• Al ejecutar un mismo modelo simple en Simio y en Flexsim HC se obtuvieron tiempos de
ciclo promedio de 683,8 min en Flexsim HC y de 627,1 en Simio. Se verifica que para los
tiempos promedio de ciclo, las desviaciones estándar no difieren (valor-p = 0,405238) y se
tiene una diferencia de valores promedio entre ambos software igual a 56,6542 ± 101, 54
min. Este intervalo incluye al 0, por lo tanto se puede afirmar con un 95% de confianza que
no existen diferencias estadísticamente significativas entre estos tiempos promedio.
• Para el caso de los tiempos de espera del triage, obtuvieron tiempos medios de espera de
0,17 min en Simio y de 0,75 en Flexsim HC. Sse tiene que las desviaciones estándar sí
difieren significativamente (valor-p = 0) y el valor de confianza es −0,577528 ± 0,035885
min. Este intervalo no incluye al 0, por lo que se afirma con un 95% de confianza que sí
existe una diferencia significativa entre los valores arrojados por ambos softwares, siendo los
tiempos arrojados por Simio inferiores a los de Flexsim HC.
• Es recomendable utilizar el software de simulación de evento discreto Simio para modelar
sistemas de salud, en caso de que se utilice como herramienta de análisis de forma regular,
ya que los objetos creados de forma personalizada en un comienzo, pueden utilizarse para
representar otros sistemas similares. En caso de utilizarse en forma esporádica, se
recomienda utilizar Flexsim HC, que ya viene con una biblioteca de objetos de atención
médica.
81
Bibliografía
[1] J.A. Sepúlveda, F. Baesler, W. Thompson, “The Use of Simulation for Process Improvement
in an Emergency Department”, Industrial Engineering and management Systems, University
of Central Florida, Orlando, FL, USA, 2003.
[2] C. D. Pedgen, “Intelligent Objects: The Future of Simulation”, Simio LLC, Sewickley, PA,
USA.
[6] J. Sepúlveda, F. Ramis, L. Neriz, M. Bull, “Using Object Oriented Simulation for Designing
Healthcare Units”, in Proceedings of the 2009 Industrial Engineering Research Conference,
Orlando, FL, USA.
[9] D.L. Heflin, C.R. Harrel, “Healthcare Simulation Modelling and Optimization Using
Medmodel”, in Proceedings of the 1998 Winter Simulation Conference.
[10] S.M. Sanchez, D.M. Ferrin, T. Ogazon, J.A. Sepúlveda, T.J. Ward, “Emerging Issues in
Healthcare Simulation” in Proceedings of the 2000 Winter Simulation Conference, New
York, 1999-2003.
[11] C.D. Pedgen, “An Introduction to Simio for Arena Users”, Simio LLC, Sewickley, PA,
USA, 2009.