TALLER 1 CONCEPTOS

YARSIN PACHECO SUAREZ

CODIGO: 1090414018

GRUPO: 212026_28

TUTOR:

DIEGO ERICKSON KARACHA RODRIGUEZ

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

MODELOS Y SIMULACION

SAN JOSE DE CUCUTA

2019
Qué es la simulación
Es una herramienta multidisciplinar, Que puede ser de tipo discreto o continuo.
Simulación discreta o Continua
Es una herramienta compuesta de relaciones matemáticas, probabilísticas y estadísticas que
sirven para analizar las causas de los cambios de un evento a otro en un sistema por medio de
distribuciones de probabilidad y condiciones lógicas, por lo general propuestas en un computador

Dentro de los métodos clásicos más conocidos se encuentran dos, los métodos congruenciales
que parten de una función o una formula, los métodos no congruenciales cuya fuente es un
procedimiento o un algoritmo, sin embargo la facilidad de generar simulación a partir de hoja
electrónica ha hecho que los generadores clásicos sean poco usados por la dificultad de probar
sus propiedades, así se ha dado más uso a los números aleatorios de Microsoft Excel que
garanticen el cumplimiento de las cuatro propiedades básicas de la distribución uniforme .

Tipos de sistemas

Un sistema puede definirse como una colección de objetos o entidades que interactúan entre sí
para alcanzar un cierto objetivo

El estado de un sistema puede ser definido como el conjunto mínimo de variables necesarias para
caracterizar o describir todos aquellos aspectos de interés del sistema en un cierto instante de
tiempo .a estas variables las denominamos variables d estado .cabe reiterar que el número y tipo
de estas vienen condicionados por los objetivos de nuestro estudio.

Se pueden clasificar los sistemas en continuos, discretos, orientados a eventos discretos y

combinados, atendiendo tan solo a la relación entre la evolución de las propiedades de interés y la
variable independiente tiempo.

Sistemas continuos

Las variables del estado del sistema evolucionan de modo continuo a lo largo del tiempo, un
ejemplo de este tipo de sistemas es la evolución de la temperatura en una habitación durante
cualquier intervalo de tiempo, o bien la evolución del nivel de líquido en un tanque.
Sistemas discretos

Se caracterizan porque las propiedades de interés del sistema cambian únicamente en un cierto
instante o secuencia de instantes y permanecen constantes el resto del tiempo, la secuencia de
instantes en los cuales el estados del sistemas puede presentar un cambio, obedece normalmente a
un patrón periódico.

Sistemas orientados a eventos discretos

Al igual que los sistemas discretos, se caracterizan por que las propiedades de interés del sistema
cambian únicamente en una secuencia de instantes de tiempo y podemos considerar que
permanecen constantes el resto de tiempo, la secuencia de instantes en los cuales el estado del
sistema puede presentar un cambio, obedece a un patrón aleatorio

Sistemas combinados

Aquellos que combinan subsistemas que siguen filosofías continuas o discretas, respectivamente
Es el caso de los sistemas que poseen componentes que deben ser necesariamente modelados
según alguno de dichos enfoques específicos.

Tipos de Modelos

Existen muchos tipos de modelo (modelos físicos, modelos mentales, modelos simbólicos) para
representar los sistemas en estudio, pero puesto que uno de los objetivos para los cuales se van a
desarrollar los modelos es su uso en entornos de simulación digital, es necesario que los modelos
formalicen el conocimiento que se tiene del sistema de modo conciso, sin ambigüedades
(interpretación única) y que puedan ser procesados por un ordenador.

Los modelos simbólicos matemáticos mapean las relaciones existentes entre las propiedades
físicas del sistema que se pretende modelar en las correspondientes estructuras matemáticas.

Reconocimiento del problema

Formulación del modelo matemático

Solución del problema matemático

Interpretación de los resultados matemáticos en el contexto del problema real

Existen un conjunto de consideraciones que se deben tener en cuenta para garantizar una
representación eficiente del sistema real.

Procedimientos para la construcción de modelos

Formulación del modelo

A esto es lo que el autor llama literatura del problema, aquí se debe estructurar toda la
información de parámetros y variables y la interactuación
Análisis de la información

En este paso se debe realzar minuciosamente el análisis de cada parámetro del modelo y cómo
influye en él; además, de permitir una visualización de los que se quiere conseguir (objetivo)y
definir a grandes rasgos las limitantes del sistema

Definición de variables

Este es tal vez el paso más importante, pues si la variable queda mal definida; la solución del
problema arrojara malos resultados, conllevando a malas decisiones. Aquí se debe establecer que
se desea conocer (en matemáticas, incógnitas) para lograr la solución de un problema en
particular.

Establecer la función Objetivo

Con base en la definición de la variables se debe estructurar que es lo que más le conviene a la
empresa o persona donde se está realizando la solución del problema .En general se llama
maximización a todo aquello que entra a la empresa en términos benéficos como por ejemplo
maximizar ingresos, utilidades y productividad entre otras y se habla de minimización a todo lo
que no le convenga a la empresa pero que necesariamente lo debe realizar .se habla acá de
minimizar la creación de desperdicios o contaminantes .

Determinar las restricciones

Definida perfectamente la función objetivo se debe evaluar que restricciones impiden lograr un
valor máximo o mínimo de la función objetivo ,pues necesariamente no abra recursos infinitos
para su utilización ,entonces se parte del hecho que hay recursos de carácter limitados entre los
cuales e puede nombrar .dinero disponible, ,mano de obra disponible ,materia prima disponible
,restricciones gubernamentales ,capacidad de producción ,capacidad de almacenaje ,restricciones
del mercado etc., al igual que la función objetivo ,en cada una de las restricciones ,cada variable
debe tener un coeficiente .

Solución del modelo Matemático

La función objetivo junto con las restricciones en conjunto, es lo que se llama modelo
matemático este se debe solucionar en lo posible con una técnica de optimización

Prueba del modelo y la solución

Con base en la solución del modelo, se debe realizar las pruebas pertinentes, especialmente
corroborar en las restricciones, que se cumplan con la mejor utilización de los recursos y que la
función objetivo tenga su valor óptimo, en este paso se debe evaluar el funcionamiento del
modelo con su respectiva solución, a fin de verificar el cumplimiento de los objetivos

Implantación del modelo

Realizadas todas las pruebas de rigor en el punto anterior, no queda más que implementar la
solución en la práctica, no olvide que la mayoría de modelos arrojan soluciones optimas ,que casi
siempre en realidad no funcionan perfectamente por diferentes factores

Controlar y retroalimentar

En todo momento se debe estar atento a cualquier modificación en la información y parámetros

del modelo, a fin de ir evaluando los posibles cambios que se deban realizar y que no
descontrolen el sistema.

Los modelos de simulación suelen clasificarse de diferentes formas:

Modelos estáticos respecto a modelos dinámicos

Los Modelos Estáticos suelen utilizarse para representar el sistema en un cierto instante de
tiempo; y en su formulación no se considera el avance del tiempo. A título ilustrativo,
considérese un modelo matemático simple de cantidad de material en un almacén de una fábrica

Este tipo de modelos es muy útil cuando el sistema se encuentra en equilibrio (no evoluciona
respecto al tiempo). Si se cambia el punto de equilibrio alterando uno o más de los valores del
sistema, el modelo permite deducir el resto de los valores, pero no muestra la manera en que
cambiaron. En contraposición a los modelos estáticos, los modelos dinámicos permiten
deducir cómo las variables de interés del sistema en estudio evolucionan respecto al tiempo. Un
ejemplo de modelo dinámico es la evolución de material en un stock, que depende de los flujos
de entrada y salida, cada uno de los cuales conlleva implícito la evolución del tiempo.

Modelos deterministas respecto a modelos estocásticos

Un modelo se denomina determinista si su nuevo estado puede ser completamente definido a

partir del estado previo y de sus entradas. Es decir, ofrece un único conjunto de valores de salida
para un conjunto de entradas conocidas.

Los modelos estocásticos requieren de una o más variables aleatorias para formalizar las
dinámicas de interés. En consecuencia, el modelo no genera un único conjunto de salida cuando
es utilizado para realizar un experimento, sino que los resultados generados son utilizados para
estimar el comportamiento real del sistema.

Modelos continuos respecto a modelos discretos

Los modelos continuos se caracterizan por representar la evolución de las variables de interés de
forma continua. En general suelen utilizarse ecuaciones diferenciales ordinarias si se considera
simplemente la evolución de una propiedad respecto al tiempo, o bien ecuaciones en derivadas
parciales si se considera también la evolución respecto al espacio. De modo análogo a la
definición de modelos continuos, los modelos discretos se caracterizan por representar la
evolución de las variables de interés de forma discreta. Es importante notar a partir de la
clasificación de modelos realizada, que es posible describir un sistema continuo mediante un
modelo discreto y, al revés, también es posible describir un sistema discreto mediante un modelo
continuo.

La decisión de utilizar un modelo continuo o un modelo discreto depende de los objetivos

particulares de cada estudio y no tanto de las características del sistema. Así pues, por ejemplo, es
posible encontrar modelos continuos de flujos de coches en una autopista donde se ha escogido
una formulación continua cuando los objetivos del estudio se centran pongamos por caso en
evaluar la evolución de los flujos ante un accidente o bien cuando se recorta un carril, en que el
movimiento de un coche carece de importancia.
Uso y aplicaciones

En la actualidad, la mayor parte de las organizaciones, empresas y procesos productivos han

crecido en complejidad y han visto aumentados los requerimientos de competitividad,
flexibilidad y calidad en sus actividades; por ello han debido innovar y adaptarse a los constantes
cambios provocados por su pertenencia a un mercado cada vez más global. Posiblemente
influenciadas por las nuevas tendencias en el sector, muchas empresas se han visto involucradas
en un proceso de reingeniería de su proceso productivo.

La falta de herramientas analíticas que ayuden y faciliten la toma de decisiones es uno de los
principales problemas con los que se encuentran los directivos, que ven la necesidad de mejorar
el rendimiento de aquellos sistemas cuyo comportamiento depende de un número elevado de
variables de decisión.

 Fabricación de procesos: simulación se emplea tanto operacionales Fue una de la

primera para el diseño como áreas beneficiadas por estas para la ayuda a la toma de La
decisiones operacionales.

 Logística: la simulación contribuye de forma significativa a la mejora de los procesos

logísticos en general. Dentro de esta área, se incluye tanto una cadena completa de
suministros (s upply chain) como la gestión de inventarios de un almacén.

 Transporte: ya sea por ferrocarril, por carretera o por vía aérea y ligada o no a decisiones
logísticas. Dentro de esta área, la intermodal dad entendida como interconexión de
diferentes medios de transporte, ha merecido especial atención en los últimos años.
También se ha introducido con fuerza la simulación visual de modelos de tránsito, tanto
en lo que se refiere a modelos macroscópicos como microscópicos.

 Sanidad: se emplea para la mejora tanto de un departamento hospitalario, como en la

logística asociada a los trasplantes o a la coordinación médica en una región.

 Negocios (Business Processing) : simulación de los procesos administrativos y de

negocio de una empresa.

 Construcción: por ejemplo, la planificación de la construcción en obra civil o la gestión

de recursos.

 Emergencias: la simulación se emplea para la gestión de la emergencia; por ejemplo,

diseño de planes de evacuación en edificios o recintos públicos.
  Servicios en general: servicios públicos, gestión de restaurantes, banca, empresas de
seguros.

Investigue para la modelación las principales herramientas de software utilizadas.

 Sociedad Internacional de simulación (www.scs.org)

 Conferencia anual (www.wintersim.org)
 Grupo de interés en simulación (www.acm.org/sigsim)
 Grupo temático de modelo y simulación de sistemas dinámicos (http://www.cea-
ifac.es/www.grupos/simulacion/index.html)
 Council europeo de simulación(http://i-m-cs.org)
 Red de centros de formación en simulación (http://simulationscience.org)
 Sociedad europea (eurosim.tuwien.ac.at/eurosim)
 Organización de apoyo de la simulación (www.informs-cs.org)

 HYSYS Es un programa interactivo enfocado a la ingeniería de procesos y la simulación,

que se puede utilizar para solucionar toda clase de problemas relacionados con procesos
químicos. Este simulador cuenta con una interfaz muy amigable para el usuario, además
de permitir el empleo de operadores lógicos y herramientas que facilitan la simulación de
diversos procesos.

 AspenPlus El Sistema Avanzado para Ingeniería de Procesos (ASPEN) es un mercado

líder en herramientas de modelado de proceso de diseño conceptual, optimización y
monitoreo de desempeño para la industria química, polímeros, especialidades químicas,
metales y minerales.

 ProModel Es un programa de simulación de procesos industriales, permite simular

cualquier tipo de proceso de manufactura, además de procesos logísticos, procesos de
manejos de materiales y contiene excelentes simulaciones de talleres, grúas viajeras,
bandas de transporte y mucho más

 DYNAMO Es el más clásico de materia de simulación dinámica de sistemas, habiendo

servido de referencia para otros paquetes informáticos respecto al software de programación
lineal.

 El método Simplex es un procedimiento interactivo que permite mejorar la solución de la

función objetivo en cada paso. El proceso concluye cuando no es posible continuar
mejorando dicho valor, es decir, se ha alcanzado la solución óptima (el mayor o menor
valor posible, según el caso, para el que se satisfacen todas las restricciones).
Investigue 2 casos de éxito de Modelos Matemáticos y Simulación en la Ingeniería
Industrial: aplicaciones y análisis de sensibilidad

DAMM es una empresa que se caracteriza por apostar fuertemente por la mejora tecnológica de
sus procesos. La instalación que se presenta ha sido pionera en España. La Figura 7.1 muestra un
esquema del almacén anexo a la planta de producción. Está compuesto por los siguientes
elementos:

 Línea 1 y Línea 2 de envasado de cerveza: los palets de botella reciclable entran en la

línea y los palets de botella llena salen de la línea. La productividad de la línea depende
del tipo de producto que se produce y de las incidencias de la línea.

 Línea 1 y Línea 2 de envasado de cerveza: los palets de botella reciclable entran en la

línea y los palets de botella llena salen de la línea. La productividad de la línea depende
del tipo de producto que se produce y de las incidencias de la línea.

 Áreas de estiba (AE) que almacena transitoriamente los palets de botella reciclable que
entrarán posteriormente en la línea y los palets de botella llena que se trasladarán
posteriormente a los SCA.

 Una flota de 10 AGV que trasladan los palets de los SCA a las estibas o líneas; de las
estibas a las líneas; de las líneas a los SCA y de las estibas a los SCA.

 Para el guiado de los AGV se emplean caminos señalados mediante un conjunto de

aproximadamente 950 imanes. Cada AGV es capaz de conocer y ajustar su posición
dentro del almacén a partir de la información proporcionada por los imanes.
 Al ser una instalación pionera, se creyó oportuno desarrollar un modelo de simulación en
tiempo real del almacén y del movimiento de los AGV de forma que el sistema de control
real se pudiera probar y mejorar en un entorno de laboratorio y sin perturbar la realidad.
La Figura 7.2 muestra la arquitectura del entorno de laboratorio empleado. Está
compuesto por los siguiente módulos: Generador de misiones para los AGV (subsistema
real); Control de tráfico de los AGV (subsistema real); Simulador en tiempo real; y
Comunicador (ECI). Cada uno de estos módulos puede trabajar en un PC diferente. Se
emplean los protocolos TCP/IP y RPC (Remote Procedure Call) para los intercambios de
información.

 Los subsistemas reales de planificación de misiones y de control de tráfico, en lugar de

enviar y recibir información del proceso

 real, la reciben del simulador a través del comunicador. El modelo de simulación tiene
que generar y transmitir a los subsistemas reales la misma información que recibirán de la
realidad: estado de los diversos sensores de planta, llegadas de camiones y cargas,
posición y estado de los AGV. Así mismo, el simulador tiene que mover los AGV
siguiendo las órdenes reales recibidas del sistema de control de tráfico.

 Este trabajo de simulación ha tenido una duración total de cinco meses y se ha

desarrollado en paralelo con el resto de trabajos de ingeniería necesarios para la
implantación del sistema. Los resultados obtenidos en el trabajo relacionado con el
simulador han sido muy satisfactorios, dado que han permitido mejorar el sistema de
control y garantizar su calidad.
Sistema de clasificación, inspección y encajado de bobinas de hilo

 El objetivo del estudio de simulación ha sido analizar el diseño,previo a la construcción,

de un proceso de transporte, inspección, etiquetado, embolsado y encajado de bobinas de
hilo de un proceso textil. El estudio ha sido realizado en colaboración con Cognivision
Research S.L., empresa de ingeniería experta en la automatización de procesos textiles.

 El proyecto tiene como objetivo fundamental automatizar el proceso para reducir costes
operativos y mejorar el proceso de inspección de calidad. Los elementos principales del
mismo son:

 Cuatro nuevas máquinas de hilatura con una capacidad de fabricación de 250 bobinas por
máquina de forma simultánea. El flujo de bobinas proviene de las cuatro máquinas
automáticas pero también de otro sector de la factoría. Las bobinas que provienen de otro
sector son transportadas a esta instalación mediante carros y cargadas manualmente a la
cinta de inspección.

 Dos vehículos autoguiados (AGV) para la descarga automática de las bobinas fabricadas
y su transporte posterior a los robots de descarga.

 Dos robots de descarga que trasladan las bobinas de los vehículos a los palets de
transporte de bobinas.

 Sistema de cintas asíncronas para el transporte y clasificación de las bobinas. Dado que
cada máquina es capaz de fabricar un tipo de hilo diferente. Es necesario la agrupación de
las bobinas de un mismo tipo antes de su envío posterior al encajado dado que, en caso
contrario, el trabajador de encajado se encontraría con bobinas de diferentes tipos
mezcladas.

 Pesadora automática para el control de peso.

 Sistema inteligente para la inspección mediante técnicas de visión artificial.
 Máquina de plastificado y etiquetado de bobinas.
Los objetivos principales de los estudios de simulación han sido:
 Determinación de puntos conflictivos.
 Evaluación de las necesidades de personal.
 Determinación de la capacidad del proceso.
 Diseño de la política de control de las cintas
Los datos necesarios para paramétrica el modelo de simulación han sido:
 Tiempos de proceso de cada una de las máquinas, velocidad de las cintas, velocidad de los
vehículos auto guiados. Estos datos han sido suministrados por los fabricantes de cada
uno de los elementos, Diseño de la cinta y política de gestión prevista.

 Bases de datos de producción: uno de los aspectos más importantes para modelar y
simular correctamente este y otros sistemas de fabricación y manipulación de materiales,
es alimentar el modelo de simulación con un flujo productivo parecido al real. Para este
ejemplo particular, y dado que ya se disponía de máquinas de hilatura parecidas, se ha
modelado la producción de las cuatro máquinas de hilatura a partir de la información
disponible en una base de datos sobre la producción en otras máquinas ya instaladas.
Los resultados obtenidos han sido:
 Diseño del sistema de control: la contribución más importante del estudio de simulación
ha sido el diseño de la política de control de todo el proceso. Un aspecto de interés ha
sido, por ejemplo, la gestión de los pulmones de clasificación. En el modelo se han
reservado los cuatro pulmones marcados desde el uno hasta el cuatro para el
almacenamiento de las bobinas descargadas automáticamente. El quinto pulmón (el más
interior) se reserva para los palets cargados manualmente o para la recirculación de palets
vacíos.

 Garantizar que el sistema funcionará correctamente y mostrar como funcionará. Este

aspecto no es solo de interés para el cliente final y para los directivos de la ingeniería
responsable del diseño y de la instalación, sino también para los técnicos encargados del
montaje y la programación, dado que el conocimiento adquirido mediante el modelo de
simulación facilita la toma de decisiones correctas si deben efectuarse cambios menores
en el diseño.

 Evaluar las necesidades de personal: el modelo ha permitido evaluar las necesidades de

personal en función de la política de producción adoptada.
Mapa conceptual de simulación

Mapa conceptual de modelos

 CONCLUSIONES

Un proyecto de simulación es dinámico por naturaleza. Los resultados que se van obteniendo a
medida que se va desarrollando, ponen a su vez de manifiesto nuevos problemas, así como
limitaciones inherentes al sistema en estudio, y pueden forzar a reconsiderar la orientación
tomada en un principio. Es más, la motivación del cliente puede también variar a lo largo del
mismo, como consecuencia de los resultados obtenidos o por factores externos al propio
proyecto.

Para tener éxito en un entorno tan dinámico, es necesario emplear una aproximación
metodológica correcta. Los elementos que se presentan a continuación tienen como objetivo
servir de guía para abordar con éxito un proyecto de simulación.
 REFERENCIAS BIBLIOGRAFICAS

 Guasch, Antoni, et al. Modelado y simulación: aplicación a procesos logísticos de

fabricación y servicios, Universitat Politècnica de Catalunya, 2002. ProQuest Ebook
Central, http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=4310046.
Created from unadsp on 2019-09-30 13:52:48.

 Cómo mejorar la logística de su empresa mediante la simulación, Ediciones Díaz de

Santos, 2006. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3220054.