Está en la página 1de 6

SIMULACION

1.-¿Qué es un sistema?

Un arreglo de componentes físicos o un conjunto o colección de cosas conectadas


o relacionadas, de tal manera que forman y actúan como una unidad, como un todo.

2.-¿Qué es un modelo?

Puede definirse como una representación de un sistema o de las relaciones entre


los elementos de un sistema.

Es una descripción de la realidad intentando una explicación del funcionamiento de


algunos aspectos de ella

3.-¿Cuáles son las propiedades de un modelo?

Los modelos se valoran sobres 3 propiedades fundamentales:

Realismo: este se refiere al grado de como los enunciados o características del


modelo corresponden a los conceptos que se suponen representar.

Precisión: es la capacidad del modelo de producir cambios numéricos y de imitar


los datos y características en que se basa

Generalidad: se refiere a la amplitud de aplicabilidad del modelo, esto es al numero


de situaciones distintas en las cuales se podrá aplicar.

4.-¿Cuáles son los componentes de un modelo?

•Generación de variables aleatorias no uniformes: Se generan si el modelo de


simulación es estocástico. Puede ser obtenido si se cuenta con un generador de
números uniformes y una función que transforme estos números en valores de la
distribución de probabilidad deseada.

•Lenguajes de programación: Debe ser un lenguaje aceptado por la computadora


que se va a usar. Hay dos etapas si no se tiene software:

1. Desarrollar el software o
2. Comprar el software.

•Condiciones iniciales: Tomar en cuenta que la mayoría de modelos estocásticos


presentan en su etapa inicial estados transigentes los cuales no son típicos del
estado estable, por lo tanto, es necesario establecer alternativas o cursos de acción
para resolver el problema

•Tamaño de muestra: Es necesario que un análisis estadístico sea realizado para


determinar el tamaño de muestra requerido.

5.-Tipos de modelos

Modelos icónicos: modelos que representan a imagen, el sistema real, pero con un
cambio de escala.

Modelos analógicos: modelos que utilizan un conjunto de propiedades de un


sistema para representar otro sistema o un conjunto de propiedades que el sistema
posee, mediante otro conjunto diferente.

Modelos simbólicos: modelos que utilizan un a nomenclatura simbólica, para


representar las variables y sus relaciones.

Modelos de simulación: modelos en los cuales no se producen características


físicas, sino que se encuentran soluciones numéricas a los modelos, cuando es
posible analizarlos paso a paso.

6.-Miembros de un equipo de simulación.

Personas que conozcan y comprendan el sistema que se está estudiando. Estos


son generalmente los diseñadores, sistemas, fabricación o ingenieros de procesos,
pero también pueden ser los gerentes, líderes de proyectos y/o personal operativo
quienes usarán los resultados.

7.-Muestras y fuentes de simulación.

Son cualquier cosa que la entidad necesite para ser procesada. Gran parte de lo
que sucede en el sistema es de naturaleza probabilística o estocástica. Por ejemplo,
el tiempo entre llegadas, el tiempo para que un recurso procese la entidad, el tiempo
para viajar de una parte del sistema a otra y si una parte pasa la inspección o no,
generalmente son todas variables aleatorias. Son estos tipos de datos para la
entrada al modelo los que son difíciles de obtener.

8.-Describir el proceso de simulación.

1.Definición del problema. Definir claramente los objetivos del estudio para que
sepamos el propósito.

2.Planificación del proyecto. Asegurarse de que contamos con personal suficiente y


adecuado, soporte de administración, hardware y recursos de software para hacer
el trabajo.

3.Definición del sistema. Determinar los límites y las restricciones que se utilizarán
para definir el sistema (o proceso) e investigar cómo funciona el sistema.

4.Formulación del modelo conceptual. Desarrollar un modelo preliminar ya sea


gráficamente o en pseudocódigo para definir los componentes, las variables
descriptivas y las interacciones que constituyen el sistema.

5.Diseño experimental preliminar. Selección de las medidas de efectividad a utilizar,


los factores a variar y los niveles de esos factores a investigar, es decir, qué datos
deben recopilarse a partir del modelo, en qué forma y en qué medida.

6.Preparación de los datos de entrada. Identificar y recopilar los datos de entrada


que necesita el modelo.

7.Modelo de traducción. Formular el modelo en un lenguaje de simulación


apropiado.

8.Verificación y validación. Confirmar que el modelo funciona de la manera que


pretendía el analista (depuración) y que la salida del modelo es creíble y
representativa de la salida del sistema real.

9.Diseño experimental final. Diseñando un experimento que dará la información


deseada y determinar cómo se ejecuta cada una de las pruebas especificadas en
el diseño experimental que debe ser ejecutado.
10.La experimentación. Ejecutando la simulación para generar los datos deseados
y realizar el análisis de sensibilidad.

11.Análisis e interpretación. Inferencias de dibujo a partir de los datos generados


por las ejecuciones de simulación.

12.Implementación y documentación. Reportando el resultado, poniendo los


resultados en uso, registrando los hallazgos, y documentación del modelo y su uso.

9.-Aplicaciones de la simulación.

•La simulación discreta para proponer mejoras en los procesos de atención en el


área de emergencia de un hospital público.

•Simulación de sistemas de transporte público masivo.

•Simulación en la investigación agropecuaria.

10.-Ventajas y desventajas de la simulación.

Ventajas

 Herramienta muy fiable para la toma de decisiones


 Ayuda a mejorar los procesos y los resultados
 Permite la búsqueda del proceso optimo

Desventajas

 La simulación poder ser costosa tanto en tiempo como en dinero


 La adquisición de datos es tediosa
 La simulación puede ser usadas inadecuadamente.

11.-Define fracaso y éxito en la simulación.

Fracaso:

Las razones por las que los proyectos fallan, encontramos que generalmente es
rastreable una y otra vez por las mismas razones. La mayoría de las fallas ocurren
en proyectos tempranos, es decir, el primer o segundo proyecto realizado por una
organización. Muchos modeladores inexpertos muerden más de lo que pueden
masticar. Esto no es sorprendente ya que en la mayoría de los casos han aprendido
la ciencia, pero no el arte de la simulación.

Éxito:

Se requiere de una cantidad de pruebas muy alta a la hora de garantizar precisión


en una simulación, es por eso que la información que se utiliza debe ser lo más
llevada a la realidad posible, de modo que sirva para realizar diferentes pruebas en
varios escenarios y aproximar de forma más exacta la respuesta deseada. Para
lograr el éxito en la simulación debemos:

•Tener objetivos claramente definidos y alcanzables.

•Asegurarse de que tengamos los recursos adecuados disponibles para completar


con éxito el proyecto a tiempo.

•Contar con el apoyo de la gerencia y darlo a conocer a quienes deben cooperar


con nosotros para proporcionar información y datos.

•Asegúrese de que tenemos todas las habilidades necesarias requeridas para la


duración del proyecto.

•Asegúrese de que haya canales de comunicación adecuados para el patrocinador


y los usuarios finales.

•Tenga una comprensión clara con el patrocinador y los usuarios finales en cuanto
al alcance y los objetivos del proyecto, así como los horarios.

•Tener buena documentación de todos los esfuerzos de planificación y modelado.


Fuentes de referencia:

 Rodríguez, Luis; Bermúdez, Lila. (1995) Agronomía Colombiana. Volumen


XII. Págs. 198 – 204.
 Delgado, Karem; Mejía, Miguel. (2011). Revista de la Facultad de Ingeniería
Industrial.
 Shannon, Robert. (1998). INTRODUCTION TO THE ART AND SCIENCE OF
SIMULATION. Texas A&M University.
 http://sofiamorales11.wixsite.com/simulacion-blog/single-
post/2016/02/10/COMPONENTES-Y-ETAPAS-DE-LA-SIMULACI%C3%93N