MODELAMIENTO Y

SIMULACIÓN GENERAL DE
SISTEMAS

Autor: Dr. Julio Panta Mesones

 SISTEMA

 Conjunto de elementos u objetos

interdependientes que interaccionan
regularmente para funcionar como un
todo con el propósito de lograr un fin
o cumplir un objetivo.
 EJEMPLOS DE SISTEMAS

 Una fábrica de autos (Toyota, Saab, BMW,

etc).
 Un banco (BBVA, Mercantil, Financiero, etc.)
 Plantas Industriales (Gloria, Petro Perú,
Camisea, etc)
 Compañías Mineras (Doe Run, Barrick
Misquichilca, Marsa, Consorcio Minero
Horizonte, etc)
 Los sistemas no existen aislados, sino
conforman una jerarquía sistémica.
Todo sistema es parte de un sistema
mayor que lo comprende y que se
denomina SUPRASISTEMA y a su vez
comprende como elementos a
sistemas menores que constituyen sus
SUBSISTEMAS.
 Pensamiento de sistemas
Identifica al sujeto de estudio y sus
partes componentes por su finalidad
Idea: límite-frontera

 Enfoque de sistemas
Forma de ver el mundo partiendo del
todo a la parte
Idea: nivel de abstracción
 Investigar términos:
– Monodisciplinario vs Multidisciplinario
– Disciplinario vs Interdisciplinario
– Intradisciplinario vs Transdisciplinario
 ?

PROBLEMAS ESTRATEGICOS

PROBLEMAS TACTICOS

PROBLEMAS OPERATIVOS
 Ejemplo de aplicación

 La explotación minera es un proceso continuo, donde el control de

las reservas, como de los productos, es sumamente importante para
la continuidad del negocio minero.
 El mundo minero se hace cada vez más competitivo por lo que
actualmente los métodos clásicos de estimación de reservas han sido
desplazados por los métodos modernos.

Estimación de Reservas

Métodos Clásicos Como lograr mediante la

Económico

aplicación de medios
Marginal

Métodos Modernos informáticos una efectiva

Estimación de Reservas en la
minería?
Enunciado del Problema
 ELEMENTOS DE UN SISTEMA

 ENTIDAD
Objeto de interés en el sistema. Asociado a
los flujos de entrada y salida de un sistema

 ESTADO DEL SISTEMA

Condiciones que guarda el sistema en un
momento determinado, están en función de
las variables necesarias para describir el
sistema
 EVENTO
Es una ocurrencia instantánea que puede cambiar el
sistema, pueden ser:

ENDOGENOS: ocurren dentro del sistema

EXOGENOS: ocurren en el ambiente que afecta al
sistema

ACTUALES: están sucediendo en un momento dado

FUTUROS: cambios que se presentaran en el
sistema de acuerdo con una
programación específica
 LOCALIZACIONES
Lugares en los que las entidades
pueden detenerse para ser
transformadas o esperar serlo.

 RECURSOS
Elementos o dispositivos necesarios
para llevar a cabo una operación.
 ATRIBUTO
Es una característica o una propiedad de una
entidad.

 VARIABLES
Referido a variables operacionales. Son valores que
se pueden representar modificar por medio de
ecuaciones matemáticas o relaciones lógicas.
Pueden ser discretas o continuas.

 ACTIVIDADES
Representa una acción/longitud especificada en un
período de tiempo.
IDENTIFICACIÓN DE ELEMENTOS
 Un taller recibe ciertas piezas de
diferentes tamaños, que son
acumuladas en un almacén
temporalmente, esperando ser
procesadas. Esto ocurre cuando un
operario transporta las piezas del
almacén a un torno. Identifique los
elementos participantes en este
sistema
 ENTIDAD: Las piezas
 ESTADO DEL SISTEMA: en un tiempo t en el
almacén hay 9 piezas, esperando ser procesadas; el
operario esta transportando una pieza al torno, el
cual ha procesado ya 4 piezas.
 EVENTOS:
ENDOGENOS: salida de una pieza del almacén al
torno
EXOGENOS: llegada de una pieza al almacén
ACTUALES: descanso del operario
FUTUROS: llegada de la siguiente pieza al sistema
 LOCALIZACIONES: almacén y torno
 RECURSOS: el operario
 ATRIBUTO: tamaño de las piezas
 VARIABLES: número de piezas en el
almacén y número de piezas
procesadas en el torno
 ACTIVIDADES: almacenar, tornear
 TIPOS DE SISTEMAS

 SISTEMA DISCRETO
 SISTEMA CONTÍNUO

© 1984-1994 T/Maker Co.

Paper (Continuous)
 MODELOS

 Los modelos son constructos

diseñados por un observador que
persiguen identificar y mensurar
relaciones sistémicas complejas.
 Es la representación de un sistema con
el propósito de estudiarlo.
 Los modelos son abstracciones de la
realidad.
 TIPOS DE MODELOS

 MODELOS DISCRETOS
En función de las variables de estado,
cuando estas cambian en un conjunto
discreto de puntos en el tiempo.
 MODELOS CONTÍNUOS
Las variables de estado cambian
continuamente en el tiempo.
 MODELOS ESTÁTICOS
Son independientes del tiempo, por
ejemplo: dibujos, maquetas,
diagramas, etc.

 MODELOS DINÁMICOS
Son dependientes del tiempo, que
participa como variable independiente.
 MODELOS DETERMINÍSTICOS
Si se conoce con certeza el valor que
tomaran las variables que lo
componen.

 MODELOS PROBABILÍSTICOS
Si se conoce solo la probabilidad de
ocurrencia de los valores que tomaran
las variables presentes en el modelo.
MODELOS EN INVESTIGACIÓN OPERATIVA

DETERMINÍSTICOS

•TEORÍA DE LÍNEAS
•PROGRAMACIÓN
•SIMULACIÓN DE
LINEAL
ESPERA
•ASIGNACIÓN
•PERT-CPM
•TEORÍA DE JUEGOS
•TRANSPORTE
HIBRIDOS •PROGRAMACIÓN
•PROGRAMACIÓN
•PROGRAMACIÓN
DINÁMICA
ESTOCÁSTICA ENTERA

•INVENTARIO
•PROCESOS
ESTOCÁSTICOS
•HEURÍSTICOS

ESTOCÁSTICOS
 PROGRAMACIÓN LINEAL
Electronics
Electronics
Hours Required to (Constraint
(Constraint A) A)
120
Iso-profit line Produce 1 Unit Assembly
Assembly
Department
100
120
X1 X2 Available Hours
(Constraint
(Constraint B) B)
80 Walkmans Television's This Week
Electronic
100 4 3 240 Corner Point
Possible
2) (X )
2

60 Solution
80
Assembly 2 X1 = 30 1 100
TVs

40
of -TVsof(X

60 X2 = 40
Profit/unit $7 $5
NumberNumber

20 Optimal solution
40
Constraints:
0 4x1 + 3x2  240 (Hours of Electronic Time)
20
0 20 2  100
102x1 + 1x 30 (Hours
40 of Assembly
50 60Time) 70 80
0
Objective: Maximize: 7x1 + 5x2
Number of Walkmans (X1)
0 10 20 30 40 50 60 70 80
Number of Walkmans (X1)
max 7x1+5x2
subject to
4x1+3x2<=240 SOLUCIÓN CON LINDO
2x1+x2<=100
end

LP OPTIMUM FOUND AT STEP 2

OBJECTIVE FUNCTION VALUE

1) 410.0000

VARIABLE VALUE REDUCED COST

X1 30.000000 0.000000
X2 40.000000 0.000000

ROW SLACK OR SURPLUS DUAL PRICES

2) 0.000000 1.500000
3) 0.000000 0.500000

NO. ITERATIONS= 2
 SIMULACIÓN

 Es un proceso numérico diseñado para

experimentar el comportamiento de
cualquier sistema en un computador a
través del tiempo.

 Conjunto de relaciones lógicas,

matemáticas y probabilísticas que
integran el comportamiento de un
sistema, cuando se presenta un
evento determinado.
 Técnica numérica para conducir
experimentos en una computadora digital
(Thomas H Naylor).

 Es el proceso de diseñar y desarrollar un

modelo computarizado de un sistema o
proceso y conducir experimentos con este
modelo con el propósito de entender el
comportamiento del sistema y evaluar
estrategias para la mejor operación de este
(Robert E. Shannon).
 PROCESO DE SIMULACIÓN
Define the
Problem Specify values of
variables to be tested

Introduce
important
variables Conduct the
simulation

Examine the
Construct results
simulation model

Select best course

of action
EJEMPLO APLICADO A LÍNEAS DE ESPERA

En su viaje alrededor del rio Mississippi

bordeando todas las ciudades industriales del
medio oeste, todos los barcos arrivan al
Puerto de New Orleans. Tanto el tiempo
interarribos de los barcos, como el tiempo de
descarga de los mismos se muestran en
tablas con su respectiva probabilidad de
ocurrencia.
Simule la llegada de 9
barcos y determine:
 Tiempo promedio entre arribos?
 Tiempo promedio de descarga?
 Tiempo total de espera?
 Tiempo promedio de espera?
 Tiempo promedio en el puerto?
PROBABILIDAD DE TIEMPO ENTRE ARRIBOS
Time Between Probability Cumulative Random -
Arrivals (Hours) Probability Number
Interval
36 0.13 0.13 01 – 13
24 0.17 0.30 14 – 30
12 0.15 0.45 31 – 45
8 0.25 0.70 45 – 70
6 0.20 0.90 71 - 90
4 0.10 1.00 91 - 00
PROBABILIDAD DE TIEMPOS DE DESCARGA
Unloading Probability Cumulative Random-
Times (Hours) Probability Number
Interval

24 0.05 0.05 01 – 05

12 0.15 0.20 06 – 20

8 0.50 0.70 21 – 70

6 0.20 0.90 71 – 90

4 0.10 1.00 91 - 00
 TABLA DE NÚMEROS ALEATORIOS
52 06 50 88 53 30 10 47 99 37 66 91 35
37 63 28 02 74 35 24 03 29 60 74 85 90
82 57 68 28 05 94 03 11 27 79 90 87 92
69 02 36 49 71 99 32 10 75 21 95 90 94
98 94 90 36 06 78 23 67 89 85 29 21 25
96 52 62 87 49 56 49 23 78 71 72 90 57
33 69 27 21 11 60 95 89 68 48 17 89 34
50 33 50 95 13 44 34 62 63 39 55 29 30
88 32 18 50 62 57 34 56 62 31 15 40 90
90 30 36 24 60 82 51 74 30 35 36 85 01
50 48 61 18 85 23 08 54 17 12 80 69 24
27 88 21 62 69 64 48 31 12 73 02 68 00
45 14 46 32 13 49 66 62 74 41 86 98 92
 TABLA DE SIMULACIÓN
Rn Int Arr Arrival Unloading Rn Unloading Unloading Waiting
Time Time Starts Time Ends Time
52 8 8 8 37 8 16 0
06 36 44 44 63 8 52 0
50 24 68 68 28 8 76 0
88 6 74 76 02 24 100 2
53 8 82 100 74 6 106 18
30 24 106 106 35 8 114 0
10 36 142 142 24 8 150 0
47 8 150 150 03 24 174 0
99 4 154 174 29 8 182 20
 TABLA DE RESULTADOS

Average Average Total Wait Average Average

Time Time to Time Wait Time in
Between Unload (Hours) Time Port
Arrivals (Hours) (Hours)
(Hours)

154/9 hrs 102/9 40 hrs 40/9 11.3 +

hrs hrs 4.4 hrs
17.1 hrs 11.3 hrs 4.4 hrs 15.7 hrs
 VENTAJAS DE LA SIMULACIÓN
 Herramienta para conocer el impacto
de los cambios sin tener que llevarlos
a cabo en la realidad
 Mejorar el conocimiento del proceso al
ver como se comporta el modelo
 Medio de capacitación
 Es más económico realizar un estudio
de simulación que hacer cambios en
los procesos reales
 DESVENTAJAS DE LA SIMULACIÓN

 La simulación no es una herramienta de

optimización
 Puede ser costosa si se aplica en problemas © 1984-1994 T/Maker Co

sencillos
 Se requiere considerable tiempo para
realizar un buen estudio de simulación
 Requiere de un trabajo en equipo u
organización de trabajo por proyectos
(diseño matricial).
ELEMENTOS CLAVES EN LA SIMULACIÓN
 TAMAÑO DE LA CORRIDA
Variables aleatorias de respuesta estén
en estado estable.
 DEFINICIÓN DE VARIABLES

Seleccionar la variable respuesta

apropiada.
 RELACIONES ENTRE VARIABLES

Relaciones lógicas entre

variables=impacto verdadero.
 DISTRIBUCIÓN ASOCIADA A LAS
VARIABLES ALEATORIAS
Distribuciones adecuadas.
 ANÁLISIS ESTADÍSTICO APROPIADO
Herramienta de optimización?
 DETALLES EN EL MODELO
Falta o exceso de detalles.
 PARA MODELAR Y SIMULAR UN
SISTEMA DE MANERA EFICIENTE Y
EFICAZ; SE NECESITA INTEGRAR ,
TRABAJAR EN EQUIPO .
CONCLUSIONES

LA MODELACIÓN Y SIMULACIÓN DE
SISTEMAS EN GENERAL NO ES UN
PROCESO ANTIGUO, ES RELATIVAMENTE
NUEVO, SIN EMBARGO HOY ES BASTANTE
USADO Y NECESARIO.