Universidad Nacional Experimental de Guayana

Vicerrectorado Académico
Proyecto de Carrera: Ingeniería Industrial
Asignatura: Simulación

MODELOS DE SIMULACIÒN CONTINUOS Y

CONCEPTUALES

Profesor: Integrantes:
Guaita Wilfredo Real Sobeimar C.I: CI: 25552408
Benitez franyelis C.I: 26623244

Puerto Ordaz, octubre del 2018

CIUDAD GUAYANA, JUNIO 2019

Introducción
 En las ciencias se formulan modelos y teorías para explicar los fenómenos
de la naturaleza. Estos modelos son descriptivos y suelen expresar
matemáticamente las relaciones entre los fenómenos de interés y predecir
comportamientos de sistemas naturales en la realidad, lo cual puede ser
comprobado experimentalmente para validar modelos y teorías.

En las ingenierías y la arquitectura, el modelo prescribe las características

de un artefacto, el cual puede formularse como un plano, un conjunto de
ecuaciones, una maqueta, un prototipo a escala, un diagrama, entre otros. El
modelo conceptual desea establecer por un cuestionario y con trabajo de campo,
la importancia de la discriminación o rechazo en una colectividad y hacerlo por
medio de un cuestionario en forma de una simulación con una escala de actitud.
Por otra parte el modelo informático de un sistema, permite saber que sucede
cuando llevamos nuestraspremisas a sus conclusiones lógicas.

La simulación continua se refiere a que el sistema aleatorio se puede

cambiar continuamente en el tiempo, un ejemplo es el nivel de una presa
conforme entra y sale el agua y conforme sucede la precipitación y la evaporación.

Los modelos conceptuales de red de Petri permiten la representación

matemática o gráfica de un sistema a eventos discretos en el cual se puede
describir la topología de un sistema distribuido, paralelo o concurrente.

La simulación es una herramienta muy útil para visualizar escenarios y

alternativas de mejoramiento. Se especializa en modelar el flujo de entidades a lo
largo del sistema de estudio, está estrechamente asociada a la capacidad
dinámica y las diferentes actividades y procesos del sistema.
 Modelo de Simulación de Procesos Continuos

El análisis de sistemas ayuda a resolver situaciones complejas, ubicando

los puntos de apalancamiento más convenientes. En vez de ver los elementos de
una organización en forma aislada conviene verlos como elementos parciales de
la realidad industrial.

MODELOS CONCEPTUALES

REDES DE PETRI

Es una representación matemática o gráfica de un sistema a eventos

discretos en el cual se puede describir la topología de un sistema distribuido,
paralelo o concurrente, La red de Petri esencial fue definida en la década de los
años 1960 por Carl Adam Petri, se utiliza para representar fenómenos tales como
la dinámica de eventos, la evolución en paralelo, la dependencia condicional
(sincronización), la competencia de recursos, etc. Estos fenómenos se manifiestan
frecuentemente en sistemas de producción, protocolos de comunicaciones,
computadoras y redes de datos, software de tiempo real, sistemas de transporte,
etc. Desde el punto de vista de la teoría de grafos las redes de Petri son un par
dirigido (ϑ, M) compuesto por un grafo dirigido bipartito ϑ = (E, V) y una marca
inicial M. El conjunto de vértices está dividido en dos subconjuntos disjuntos P
(lugares) y T (transiciones). Los lugares serian representados por: Pi, i = 1 y las
transiciones por: Tj, j = 1. Los arcos de E van de los lugares a las transiciones o
bien de las transiciones a los lugares. Gráficamente los lugares serian
representados mediante círculos y las transiciones mediante arcos.

A los arcos se les asigna un peso el cual está dado por un número entero
(en ausencia de dicho número se considera que el peso es 1). La marca inicial
asigna un entero no negativo Mi a cada lugar Pi. Gráficamente, Mi puntos o
marcas serán colocados en el círculo que representa a Pi. El vector columna M,
cuyas componentes son las Mi, recibe el nombre de marca inicial de la red de
Petri. Diremos que un lugar Pi es anterior a una transición Tj, si hay un arco que
va de Pi a Tj. Análogamente, diremos que un lugar Pi es posterior a la transición
Tj, si hay un arco que va de Tj a Pi. Una representación gráfica de una Red de
Petri puede verse en la Fig.

Evolución de una red Petri.

Las transiciones que no poseen lugares anteriores reciben el nombre de

transiciones de entrada (o fuentes). Los disparos de las mismas se deben a
decisiones externas (son “controladas” desde el exterior). Las transiciones que no
poseen lugares posteriores se llaman transiciones de salida (o sumideros). Los
disparos de las mismas nos indican cuando se producen marcas desde la red
hacia el exterior. Las mismas definiciones pueden hacerse para los lugares (los
lugares de entrada deben ser provistos de marcas desde el exterior). Los cambios
de estados ocurren según las siguientes reglas de evolución: una transición Ti
puede dispararse o activarse, si cada lugar anterior a Ti contiene al menos tantas
marcas como el peso del arco que los une. Cuando una transición Ti es disparada
o activada, se elimina de cada lugar anterior a dicha transición tantas marcas
como el peso del arco que los une. También se agrega a cada lugar posterior a Ti
tantas marcas como el peso del arco que los une. En lugar de asociar pesos a los
arcos, se puede suponer que todos los arcos tienen peso uno y permitir varios
arcos “paralelos” entre lugares y transiciones. Las Redes de Petri permiten
también incorporar temporización, añadiendo un parámetro a los lugares y/o
transiciones que denota: lugares: el tiempo mínimo que las marcas deben
permanecer antes de contribuir a habilitar el disparo de una transición posterior.
Se denomina tiempo de espera. Transiciones: el tiempo que separa el comienzo
(el consumo de marcas de los lugares anteriores) y la finalización (la producción
de marcas hacia los lugares posteriores) del disparo de una transición. Se
denomina tiempo de disparo.

Simuladores de redes de Petri

Dado que las Redes de Petri son muy utilizadas, se han desarrollado
numerosas herramientas para su modelado, simulación y análisis: Hay un conjunto
de herramientas de código abierto desarrolladas en Java, que permiten editar,
simular y analizar redes de Petri de manera gráfica. Entre ellas encontramos Pipe2
(Bonet et al., 2007), Tapaal (Byg et al., 2009) y HPSim. Cada una de estas
herramientas ofrece distintas opciones de temporización, análisis, entre otros.

 Matlab posee un toolbox para diseñar, analizar y simular redes de Petri

(Zdenk et al., 2001).
 Modélica cuenta con una librería de Redes de Petri (Mosterman et al.,
1998), que permite modelar y simular Redes de Petri en las distintas
herramientas de software que implementan este lenguaje. Estos modelos
pueden interactuar con modelos más generales representados en Modélica.

Herramientas de análisis de redes de Petri

Los métodos para analizar RdP pueden clasificarse en los siguientes

grupos: 1) el método de árbol de cobertura, 2) la ecuación de estado, que utiliza a
la matriz de incidencia, 3) la técnica de simplificación de RdP y 4) la simulación de
la RdP. El primer método tiene que ver con todas las marcas alcanzables de la
marca inicial. Este método se podría aplicar a todas las clases de redes, pero está
limitado a redes “pequeñas” debido a la complejidad en el incremento del espacio
de estados. Por otro lado, el enfoque de ecuación de matrices y la técnica de
simplificación de RdP son muy poderosos, pero en muchos casos se pueden
aplicar sólo subclases especiales de RdP o en situaciones especiales. Para
modelos de RdP complejos, la simulación de eventos discretos es otra de las
formas con que se pueden revisar las propiedades del sistema.
  El árbol de cobertura. Dada una RdP, desde su marca inicial M0, podemos
obtener igual número de marcas “nuevas” como el número de transiciones
que se encuentren habilitadas. Con cada marca nueva podemos alcanzar
más marcas. En el árbol obtenido, los nodos representan las marcas
generadas desde M0 y sus sucesores, y cada arco representa el disparo de
una transición, el cual transforma una marca en otra.

Sin embargo, esta representación de árbol crecerá infinitamente si el

número de tokens en cada lugar de la red aumenta de manera ilimitada. Para
mantener un árbol finito, se incluye un símbolo especial ω, el cual representará a
aquellos lugares cuyo número de tokens crezca de manera infinita. Además, ω
tiene la propiedad de que para cada n, ω > n, ω ± n = ω y ω >= ω.

 Ecuación de Estado. El comportamiento dinámico de muchos sistemas

estudiados en ingeniería puede ser descrito por ecuaciones diferenciales o
por ecuaciones algebraicas. Sería agradable si pudiésemos describir y
analizar completamente el comportamiento dinámico de las RdP con
algunas ecuaciones. Con este propósito se desarrollaron ecuaciones de
estado que rigen el comportamiento dinámico de los sistemas concurrentes
que son modelados con RdP. Sin embargo, la factibilidad de estas
ecuaciones es limitada, debido a la naturaleza no determinista inherente a
las RdP y a la restricción de que en las soluciones deben encontrarse sólo
números no negativos.
 Reglas de simplificación de RdP. Para facilitar el análisis de sistemas
grandes, es común reducir el modelo del sistema a uno más sencillo,
mientras se mantengan las propiedades del sistema que se está
analizando. Por el contrario, las técnicas para transformar un modelo
abstracto en un modelo más refinado de manera jerárquica se pueden
utilizar para síntesis.
 Simulación de una RdP. Para modelos de RdP complejos, la simulación de
eventos discretos es otra forma de verificar las propiedades del sistema. La
idea es simple, se disparan las transiciones que se encuentren habilitadas,
Actualizando el número de tokens en los lugares de entrada y salida de las
transiciones disparadas. Se sigue este esquema hasta que ya no exista
alguna transición habilitada o se establezca un criterio de parada. De esta
manera podemos checar el comportamiento que sigue el sistema al
establecer ciertas condiciones de entrada en la marca de inicio.
DIAGRAMA DE FLUJO

INICIO

EL CLIENTE ESCOGE
EL MENU DE
COMIDA

SE RECIBE E L
PEDIDO Y SE PESA
LA PORCION DE
COMIDA EN CAJA

SE VERIFICA LA
FORMA DE PAGO

RECIBIR EL
¿EL PAGO ES
NO EFECTIVO Y
POR PUNTO?
CONTARLO

SI

PROCESAR PAGO IMPRIMIR FACTURA

POR PUNTO

IMPRIMIR FACTURA

¿LA COMIDA ES SE ENTREGA EL

NO
PARA LLEVAR? PLATO DE COMIDA

SI

SE ENVASA LA
COMIDA Y SE
COBRA ADICIONAL

FIN
Aplicación de las herramientas

Cadena de suministros:

La herramienta HPsim, (Anschuetz, 1995), fue desarrollada para diseñar y

simular Redes dePetri a través de soportes gráficos, facilitando el desarrollo de
redes complejas y de gran tamaño, únicamente limitadas por la capacidad del
ordenador utilizado. El software permite los siguientes desarrollos: Redes de Petri
de Transición, Redes de Petri Estocásticas, y Redes de Petri temporales. Para
esta herramienta HPsim, donde la simulación supone la ejecución de los pasos
consecutivos en un proceso que satisface sus especificaciones, las simulaciones
que realiza pueden ser visualizadas como una animación donde una ficha
coloreada (token) indica la actividad que se está ejecutando en cada momento.
Animación que puede ser ejecutada en diferentes modos (paso a paso, continuo,
rápido, etc.) El proceso de logística inversa posee una característica peculiar: no
todas las actividades se realizan de manera consecutiva, sino que en
determinados puntos existen diferentes alternativas (a realizar de manera
simultánea). Dicha peculiaridad no puede ser implementada directamente en la
herramienta HPsim, por lo que las alternativas deben ser desarrolladas con un
mismo modelo de procesos en módulos diferentes.

Hacer que la simulación abarque en mayor detalle los elementos de Producción

es el área desarrollada por cuatro proyectospresentados entre 2004 y 2006, dado
que consideran que tanto la Manufactura como la Logística tienen vital importancia
en la CS. Nos referimos a los trabajos de: Byrne ybHeavey (2004), Sarjoughian et
al. (2005), el ya mencionado Hung et al. (2006), y Umeda y Zhang (2006). Se ha
encontrado otro grupo de trabajos sobre rediseño estratégico de la CS. Chan
yChan (2005) evalúan cinco modelos de configuración de la CS; Vorst, Tromp y
Zee (2005) (ya mencionados con Multi-Agentes) presentan un nuevo software que
integra bloques constructivos de proceso reusables y modelos de pérdida de
calidad, especialmente útil para rediseño de CS de alimentos; y Rabelo et al.
(2005) analizan las decisiones de CS globales usando modelos combinados de
evento discreto (MED) y variables continuas (Dinámica de Sistemas) para reducir
el impacto de las variaciones estocásticas y el tratamiento estadístico. Landeghem
y Aghezzaf (2003), presentan un modelo para evaluar las Mejores Prácticas en
diversos escenarios de la CS.

En HPsim, existe un módulo que, mediante la simulación en modo continuo de

las actividades, permite mostrar el comportamiento dinámico del proceso en su
conjunto.Otro módulo de trabajo de HPsim permite estudiar la evolución temporal
de los procesos, mediante la simulación en modo rápido de las actividades. El
desarrollo del modelo de procesos en este módulo permitirá el análisis los tiempos
de ciclo de cliente (CCT) y producto (PCT).

Servicios Hospitalarios:

Un hospital es un sistema formado por un gran número de partes (pacientes,

recursos humanos y recursos materiales) y muchas interrelaciones entre estas
partes (el paciente para ser atendido necesita de la cooperación de una variedad
de recursos). El método tradicional de encontrar una solución analítica a partir de
un modelo matemático del sistema es complejo, aunque el modelado de
determinados departamentos del hospital ha sido realizado con éxito cuando éstos
han sido descritos como sistemas de colas (González, et al., 1994; Barber 1993).
Sin embargo, cuando se trata de modelar todo el hospital incorporando todas las
interrelaciones entre los diferentes servicios, así como la compatibilidad con los
sistemas de información existentes, se requiere disponer de un modelo donde se
contemple el flujo de cada paciente.

Un Sistema de Eventos Discretos se caracteriza porque las propiedades de

interés del sistema cambian únicamente a intervalos no regulares de tiempo. La
secuencia de instantes en los cuales el estado del sistema puede cambiar,
obedece a un patrón aleatorio (Guasch, et al., 2002). El flujo de pacientes por los
distintos departamentos del hospital puede verse como un sistema de eventos
discretos (Fishwick 1995; Banks, et al., 2001). Para el modelado de este sistema
se utilizó inicialmente Redes de Petri (RdP). El resultado fue un modelo
demasiado complejo para ser utilizado por la gerencia: en el estudio de distintas
distribuciones de recursos el gerente debía cambiar la RdP ya que habían
recursos modelados por transiciones. La siguiente opción analizada fue utilizar el
lenguaje de simulación MedModel (MedModel, 2005), del grupo de programas
ProModel, diseñado para la simulación de hospitales. Esta herramienta resultó ser
muy autocontenida y con poca flexibilidad para definir procesos no estándares:

• Sólo se puede realizar un grupo reducido de acciones por parte de los objetos.

• Obliga al modelado de detalles (tiempo que tarda el paciente de llegar de la sala

de espera al consultorio).

• Sólo permite conocer estadísticos prefijados (no es posible saber la longitud de

una cola).

• No permite almacenar el estado del sistema en un instante dado.

• Ninguna facilidad para comunicarse con otras aplicaciones

Finalmente se desarrolló el modelo de la evolución de los pacientes por los

distintos departamentos del hospital en el lenguaje de simulación ModSim II (CACI
1995). En este caso sólo se pudo modelar hospitales prototipo y los excesivos
tiempos de ejecución de las simulaciones impidieron escalar estos modelos
(Moreno, et al., 2000).

Sistemas de proyectos:

Las redes de Petri constituyen una herramienta interesante para modelar

proyectos porqueposeen naturalmente la información que las redes de actividades
no proveen. Los componentes básicos de modelamiento de las redes de Petri son
los sitios, las transiciones, y las fichas: alaprovechar el nivel adicional de
abstracción, y representar con éstos, los elementos básicos con los cuales
desarrollamos un proyecto, es mucho más fácil llevar a cabo un monitoreo de
lasvariables claves.
La información que nos provee un análisis con redes de Petri es muy relevante:
nosindica las condiciones bajo las cuales ocurrirán los eventos del proyecto. Esta
información no estádisponible directamente en los métodos tradicionales.
Las redes originales planteadas por Petri no comprenden el concepto de tiempo
que esfundamental en el análisis tradicional .Estos inconvenientes son
consecuencia del objetivo con se crearon las redes: se concibieron para obtener
un mayor nivel de comprensión y por tanto se enfocan más en los procesos que
en los tiempos. Para superar este impase es posible plantear dos caminos
distintos:
• Considerar el modelo de Petri como un complemento, no un reemplazo, de los
métodos tradicionales.
• Extender las propiedades de las redes de Petri para que contemplen las
variables que estudian los métodos tradicionales.Aún no hay elementos de juicio
para decidir entre estas dos alternativas; de hecho, no existe unmodelo único para
representar y simular proyectos con redes de Petri.

La herramienta quehemos planteado abre muchas posibilidades nuevas de

investigación y muchas posibilidadesnuevas de problemas que antes no se podían
resolver. Una posibilidad interesante es lacombinación de lógica difusa con redes
de Petri para describir proyectos, con esta herramienta se podría elevar el nivel de
dificultad en las decisiones que podemos tomar. También queda abierta la
inquietud por relacionar redes TPN con los diagramas de actividades tradicionales:
una vez se desarrollen estos conceptos se podría integrar las redes de Petri a
sistemas automatizados deasistencia lo cual facilitaría enormemente el manejo de
recursos del administrador de losproyectos más exigentes.
 Conclusión

Es importante desarrollar modelos de los sistemas de eventos discretos para

estudiarlos y comprender su comportamiento. Existen herramientas
computacionales que permiten analizar este tipo de sistemas, las cuales están
basadas en análisis estadísticos y ofrecen soluciones con ciertos grados de
incertidumbre.

Por otro lado, las RdP pueden ser aplicadas para la modelación de sistemas de
eventos discretos, las cuales ofrecen una forma de representación gráfica y
matemática de los sistemas modelados. La formalidad matemática de la RdP
proporcionan herramientas de análisis para analizar los posibles estados a los que
el sistema modelado pudiera alcanzar.

Además, existen extensiones de RdP para modelar sistemas que no puedan

ser representados fácilmente con las RdP tradicionales. Por lo tanto, si existe
algún sistema de evento discreto que no pudiera modelarse con las RdP
propuestas por diferentes investigadores, es posible adecuar el modelo original,
adicionarle las características necesarias, y proponer una nueva extensión de
RdP.

El funcionamiento de las Redes de Petri consiste básicamente en garantizar el

flujo de información entre las diferentes partes de un proceso; no obstante en este
aparecen de forma natural problemas de alcanzabilidad de diferentes estados y
surgen términos como sincronización, conflictos y seguridad, entre otros,
considerándose por esto una poderosa herramienta en la modelación de
procesos.La herramienta presentada demuestra la pertinencia de la aplicación de
las Redes de Petri en el modelado de procesos, específicamente constituye una
novedad su implementación en la detección de punto críticos para el control
interno.