Capítulo 2.

PROCESO DE SIMULACIÓN DE EVENTOS DISCRETOS

En el segundo capítulo observaremos a la última técnica importante de investigación de

operaciones. La simulación se clasifica en un escalón muy alto entre las técnicas que más se
usan. Aún más, debido a que es una herramienta tan flexible, poderosa e intuitiva, sus
aplicaciones crecen con rapidez de manera continua.

Esta técnica involucra el uso de una computadora para imitar (simular) la operación de un
proceso o sistema complejo. Por ejemplo, a menudo se usa simulación para realizar un análisis
de riesgo de procesos financieros mediante la imitación repetida de la evolución de las
transacciones necesarias para generar un perfil de los resultados posibles. También se utiliza
ampliamente en el análisis de sistemas estocásticos que continuarán en operación
indefinidamente. En el caso de este tipo de sistemas, la computadora genera y registra las
ocurrencias de los eventos que impulsan el sistema como si en realidad estuviera en operación
física. Debido a su velocidad, la computadora puede simular incluso años de operación en
cuestión de segundos. El registro del desempeño de la operación simulada del sistema de
varias alternativas de diseño o procedimientos de operación permite evaluar y comparar estas
alternativas antes de elegir una.

2.1.- Papel de la Simulación en los Estudios de Investigación de Operaciones:

En esencia, la simulación tiene el mismo papel en muchos estudios de IO. No obstante, en

lugar de diseñar un avión, el equipo de IO se dedica a desarrollar un diseño o un
procedimiento de operación para algún sistema estocástico (que opera en forma probabilística
a través del tiempo). El desempeño del sistema real se imita mediante distribuciones de
probabilidad para generar aleatoriamente los distintos eventos que ocurren en el sistema. Por
todo esto, un modelo de simulación sintetiza el sistema con su construcción de cada
componente y de cada evento. Después, el modelo corre el sistema simulado para obtener
observaciones estadísticas del desempeño del sistema como resultado de los diferentes
eventos generados de manera aleatoria. Debido a que las corridas de simulación, por lo
general, requieren la generación y el procesado de una gran cantidad de datos, es inevitable
que estos experimentos estadísticos simulados se lleven a cabo en una computadora.

Cuando es necesario usar simulación como parte de un estudio de 10, es común que vaya
precedida y seguida de los mismos pasos que se describieron antes para diseñar un avión. En
particular primero se hace un análisis teórico preliminar (quizá con modelos matemáticos
aproximados) para desarrollar un diseño básico del sistema (que incluye sus procedimientos
de operación). Después se usa una simulación para experimentar con los diseños específicos
con el fin de estimar el desempeño real. Una vez desarrollado y elegido el diseño detallado, se
prueba el sistema real para ajustar los últimos detalles del diseño final.

Para preparar la simulación de un sistema complejo, es necesario contar con un modelo de

simulación detallado para formular y describir la operación del sistema y cómo debe simularse,
el cual costa de varios bloques de construcción básicos:

1. Definir el estado del sistema (como el número de clientes en un sistema de colas).

2. Identificar los estados posibles del sistema que pueden ocurrir.
3. Identificar los eventos posibles (como las llegadas y terminaciones de servicio en un
sistema de colas) que cambian el estado del sistema.
4. Contar con un reloj de simulación, localizado en alguna dirección del programa de
simulación, que registrará el paso del tiempo (simulado)
 5. Un método para generar los eventos de manera aleatoria de los distintos tipos.
6. Una fórmula para identificar las transiciones de los estados que generan los diferentes
tipos de eventos.

2.2.- Simulación de Eventos Discretos Versus Continuos:

Las dos grandes categorías de simulación son la de eventos discretos y eventos continuos.

Cuando se recurre a una simulación de eventos discretos, los cambios en el estado del sistema
ocurren de manera instantánea en puntos aleatorios del tiempo como resultado de la
ocurrencia de eventos discretos. Por ejemplo, en un sistema de colas donde el estado del
sistema es el número de clientes en él, los eventos discretos que cambian este estado son la
llegada de un cliente o su salida cuando termina su servicio. En la práctica, la mayoría de las
aplicaciones de simulación son simulaciones de eventos discretos.

En una simulación continua los cambios en el estado del sistema ocurren continuamente en el
tiempo. Por ejemplo, si el sistema de interés es un avión en vuelo y su estado se define como
la posición actual, el estado cambia de manera continua en el tiempo. Algunas aplicaciones de
simulación ocurren en los estudios de diseños de sistemas de ingeniería de este tipo. Las
simulaciones continuas suelen requerir ecuaciones diferenciales para describir la tasa de
cambio de las variables de estado, por lo que el análisis tiende a ser complejo.

En ocasiones es posible aproximar los cambios continuos en el estado del sistema mediante
cambios discretos, para usar una simulación de eventos discretos que aproxime el
comportamiento de un sistema continuo, circunstancia que tiende a simplificar mucho el
análisis.

2.3.- ¿Cuándo Simular?:

Como regla general, es apropiada cuando:

 Desarrollamos un modelo estocástico es muy difícil o quizás aún imposible.

 El sistema tiene una o más variables aleatorias relacionadas.
 La Dinámica del sistema es extremadamente compleja.
 El objetivo es observar el comportamiento del sistema sobre un período.
 La habilidad de mostrar la animación es importante.

2.4.- Ventajas de la simulación:

 Mejorar desempeño de los sistemas reales complejos.

 Disminuir inversiones y gastos de operación.
 Reducir el tiempo de desarrollo de un sistema.
 Asegurar que el sistema se comportará como se desea.
 Conocer oportunamente hechos relevantes y efectuar cambios oportunamente.
 A veces es lo único que se puede hacer para estudiar un sistema real (No existe; Se
destruye; Muy caro).
 Flexibilidad para modelar las cosas tal como son (no importando si son enredadas y
complicadas) modelado de sistemas complejos.
 Permite Modelar la Incertidumbre y los procesos transcienden. La única cosa segura es
que nada es seguro. Peligro de ignorar la variabilidad y la incertidumbre. Validez del
Modelo.
2.5.- Desventajas de la simulación:

 Puede ser costosa y consumidora de tiempo inicialmente.

 Algunas veces soluciones mejores y más fáciles son pasadas por alto.
 Los resultados pueden ser mal interpretados.
 Por lo general son ignorados los factores humanos y tecnológicos.
 Peligro de poner demasiada confianza en los resultados de la simulación.
 Es difícil verificar si los resultados son válidos. (Proceso de validación tema de estudio)

2.6 Etapas de un Proyecto de Simulación:

Definición del problema: Define el Problema a ser estudiado, incluyendo una declaración
escrita del objetivo.

 Partir con supuestos adecuados

 Trabajar en el Problema Correcto
 Manejar expectativas
 Preguntar Hábilmente
 Escuchar sin Juzgar
 Comunicar Abiertamente
 Pronosticar la Solución

Conceptualización del modelo: Abstraer el sistema en un modelo describiendo todos sus

elementos, sus características y sus interacciones (gráficos).

 Partir de "atrás para delante"

 Fijar primero dónde se quiere llegar para señalar la partida
 Modelo se construye de "abajo-arriba"

Recolección de datos especificar y colectar datos en apoyo del modelo.

 Una vez que la propuesta ha sido aceptada, se debería preparar un programa de

requerimiento de datos.
 La conceptualización del modelo y la recolección de datos son actividades que se
realizan en paralelo.
 La conceptualización indica el tipo de datos que se requieren y en qué forma. Los datos
recolectados permiten, a su vez, refinar y reforzar el concepto del modelo.

Construcción del modelo: Traducir el modelo conceptualizado utilizando los constructos de

algún lenguaje de simulación.

 El Modelo conceptual se traduce a un modelo computacional utilizando lenguajes de

propósito general o bien paquetes de aplicación tales como Promodel, Arena, Extend,
GPSS y otros.
 Se debe tener en cuenta que un paquete de aplicación se ajusta mejor a los
requerimientos del sistema real, considerando las particularidades de cada lenguaje de
simulación (construir un modelo de simulación aportando "constructos" adecuados al
sistema).
 Foco en el Problema.

Construir el modelo no es la tarea principal; lo es encontrar la solución correcta.

 Partir con un Modelo Simple

 Agregar el detalle; no partir con él.

 Frenar la complejidad.

No permitir que el modelo se vuelva complicado compensando un mal diseño, o tan

complejo que va más allá de la posibilidad de implantarlo.

 Mantener Momentum.

Es mejor muchos hitos intermedios que una fecha límite de término.

 Revisiones.

Darse tiempo para realinear el proyecto.

Verificación y validación: Establecer si el modelo ejecuta lo que postula y si existe

¿Verificado?

Verificación se refiere al modelo operacional. ¿Está funcionando adecuadamente?; esto es,

¿está haciendo lo que se supone que debería hacer?

¿Los datos son los apropiados?, ¿son razonables?; ¿el modelo computacional refleja con
exactitud el modelo conceptual?

No es razonable y altamente no recomendable esperar llegar al final para hacer esta tarea. La
construcción del modelo operacional o simulador debe cumplir con todas las especificaciones
de aseguramiento de calidad del desarrollo de software.

¿Validado?

En la validación se debe determinar si el modelo conceptual es una representación apropiada

del sistema real; esto es, ¿refleja lo que se supone que debe representar? ¿Puede el modelo
substituir al sistema real para propósitos de experimentación?

Esta actividad en realidad debe ser considerada como un proceso continuo; cada etapa debe
verificarse: ¿está el problema claramente definido?; ¿el modelo conceptual es razonable?;
¿son los datos de entrada representativos de la realidad?

Concluir experimentos: Hacer corridas de simulación controladas.

Modificando los niveles de una variable de control y manteniendo el resto exactamente igual.

La variación en la salida se atribuye a estos cambios.

Corridas de producción y análisis

Las Corridas de Producción y su posterior análisis, se utilizan para estimar las medidas de
desempeño de los distintos escenarios que se están simulando.

¿Más corridas?:

• Basado en el análisis de las corridas que se han completado, se debe determinar si se

requieren corridas adicionales o si es necesario estudiar otros escenarios.

• Se requieren más corridas, cuando los resultados estadísticos no permiten aceptar o rechazar
una hipótesis;
• Se requiere estudiar nuevos escenarios, para tener una mayor comprensión del sistema bajo
estudio lo que obliga a menudo a estudiar otras situaciones.

Analizar resultados: Estudiar los resultados de la simulación para inferir nueva información y
hacer recomendaciones para la resolución del problema.

Documentación y reportes: La documentación y reportes son necesarios por varias razones

obvias. Si el simulador se utilizará otra vez con mayor o menor frecuencia por el mismo u otros
analistas es necesario saber qué hace y cómo lo hace. Lo mismo ocurre si el simulador es un
prototipo y debe ser modificado en el futuro.

Es importante documentar cada etapa del esfuerzo de simulación junto con su ejecución; con
esto se asegura que nada quedará en el tintero. La otra razón es entregar al cliente informes
de avance en cada etapa y obtener su aprobación, especialmente en la definición del
problema.

Dossier de documentos formales a entregar debe contener a lo menos:

 •:• Definición de Objetivos y Metas.

 •:• Plan de trabajo: (carta Gantt o pert
 •:• Supuestos para el modelo
 •:• Modelo conceptual
 •:• Registro de cambios
 •:• Modelo operacional
 •:• Datos de prueba

CAPÍTULO 3: DISEÑO DEL EXPERIMENTO Y ANALISIS DE RESULTADO

3.1 Método de Simulación aplicado Banco de la Nación Pasco

Elección del lugar para realizar el muestreo:

Al ver el gran problema que evidentemente acompleja el Banco Santander Setiin decidimos
hacer un estudio más a fondo y encontrar la causa raíz del caos provocado por el exceso de
colas.

• Toma de datos:

Los datos tomados para realizar la simulación de colas en fueron registrados de acuerdo a la
hora a la que llegaban los clientes al sistema, (la hora que tenían que esperar antes de recibir
el servicio, así como el tiempo en que recibían su servicio y la hora de salida del sistema.

• Procesamiento y validación de datos:

Los datos obtenidos en segundos (tiempos de llegada, espera, servicio y los tiempos de salida)
se ordenaron e insertaron en Excel para tener un registro de estos. Posteriormente todos los
grupos de datos fueron tratados en el software StatGraphics con el fin de ajustarlos a una
distribución estadística. Y posteriormente ingresarlos al simulador Promodel.

• Obtener el modelo:

Con el uso de los softwares mencionados anteriormente se obtuvo un modelo matemático con
el que más adelante se realizó la simulación.

• Hacer el caso base:

En este punto, se Insertaron la media y desviación estándar de cada grupo de datos para
simular el proceso desde que llega el cliente hasta que sale del sistema.

• Simular:

Después de simular el caso base, se hicieron algunas modificaciones en la simulación,

cambiando las variables del modelo, para encontrar el nivel óptimo del sistema. De esta forma,
se observó el comportamiento que tuvo el sistema de colas al cambiar las variables
determinadas.

• Discutir resultados:

Se analizaron los resultados obtenidos en las corridas de simulación, y en base a ellos se

realizaron recomendaciones para este Banco.

3.3 Recolección de datos

La recolección de datos decidimos tomarla entre los días del 9 al 16 de marzo teniendo en
cuenta días de pago, por lo que nuestra tasa de llegadas se elevó más de lo normal, debido a
que, en estos días, los clientes llegan aún más a recibir el servicio.

Aquí observamos los datos obtenidos llegadas, espera y servicio; todos en segundos.

3.4 Tratamiento de Datos

3.5 Simulación de Caso base en Promodel

3.6 INTERPRETACION DE RESULTADOS (CASO BASE: 2 SERVIDORES)