Además el análisis de sensibilidad parte de una solución obtenida, la simulación obtiene la

solución y es capaz de variar los parámetros para hacer la sensibilidad. Es por tanto, una
herramienta tan poderosa que optativamente permite hacer análisis de sensibilidad.

La simulación ha sido durante mucho tiempo una herramienta importante para los
diseñadores y se ha utilizado para simular modelos de máquinas a escala en las fábricas, un
concepto que se ha utilizado en muchos campos antes y es probablemente tan antiguo como
la humanidad misma. . La aplicación conocida más antigua se remonta al trabajo de 1811 de
Von Reisswitz sobre los juegos de guerra (a). Desde 1949, cuando se utilizó el término
analógico en su concepto actual, se han dado muchas definiciones. Fue el trabajo de Jhon Von
Neumann y Stanislaw Ulam el que dio un significado moderno a la definición de los métodos
de simulación Monte Carlo. A principios de la década de 1950, la tecnología de simulación
había avanzado mucho; las computadoras tenían innumerables aplicaciones gracias a su
capacidad para realizar grandes cantidades de cálculos de forma rápida y económica, junto con
problemas más teóricos y prácticos. El término se utiliza en muchas disciplinas científicas para
describir el arte de la construcción de modelos, alegando que se realiza a través de modelos
matemáticos y lógicos para computadoras digitales. Tomas H. Naylor propone la siguiente
definición de (b) simulación: Es una técnica numérica para realizar experimentos en
computadoras digitales que requiere ciertos tipos de modelos lógicos y matemáticos que
describen el comportamiento en tiempo real de un negocio o sistema económico (o algunos de
sus componentes) durante un período prolongado de tiempo. Lo complementa la definición de
imitar el aspecto de interés en el sistema, replicar su comportamiento real a través de un
modelo y observar los resultados que produce cambiar el entorno de operación en ese
modelo. Cabe destacar algunas características importantes de la simulación, que nos permiten
aclarar más o complementar los conceptos dados por Kaufman y Naylor.

- Para imitar el sistema real se utilizan modelos lógicos y matemáticos.

- Las variables de entrada del modelo tienen el mismo efecto sobre los resultados (variables de
salida) que en el sistema real.

- Tiene que hacerse en un tiempo y espacio diferente al del sistema real. Si es en tiempo real,
espacial, no es una simulación, sino un experimento primero, que es una técnica de
investigación diferente.

- Las simulaciones pueden ser deterministas o probabilísticas, dependiendo del

comportamiento de las variables involucradas en el problema a resolver.

- La repetición es común en las simulaciones porque el resultado de un experimento simulado

está influenciado por la probabilidad si el modelo contiene variables aleatorias. Cada ejecución
de prueba es solo una muestra, y los resultados de muchas interacciones son estadísticas, no
reglas estrictas ni soluciones óptimas. La confianza en los resultados se puede aumentar
repitiendo los experimentos muchas veces, pero aun así deben interpretarse estadísticamente.
Vale la pena tratar la observación de los resultados como un experimento estadístico.

La simulación es una técnica muy amplia que no se limita a resolver una sola clase de
problemas como muchas técnicas de investigación de operaciones. Su aplicación está limitada
por la imaginación y la experiencia de los ingenieros, por un lado, y la disponibilidad de los
recursos informáticos y el tiempo que los ingenieros tienen para planificar, ejecutar y analizar
modelos, por el otro.
- Las simulaciones requieren la intervención de verdaderos expertos sobre el fenómeno a
modelar, lo que evitará que las conclusiones extraídas del análisis sean erróneas por una mala
representación de la realidad.

1.2 QUE NO ES LA SIMULACIÓN

- La simulación no es un método Monte Carlo, la simulación actual es un concepto más amplio.
El método Monte Carlo es el nombre de los experimentos realizados en el proyecto Manhattan
donde von Neumann y Ulam utilizaron por primera vez simulaciones bajo el concepto actual.

Una simulación no es un análisis de sensibilidad. El análisis de sensibilidad (d) proporciona

información adicional sobre el comportamiento de la solución obtenida, generalmente la
solución óptima, debido a cambios en los parámetros del sistema; este análisis es necesario
cuando los parámetros del sistema no se pueden estimar con precisión, en resumen, Primero,
estudiar las soluciones obtenidas en estos entornos estimados. La simulación va un paso más
allá porque además de permitir variar los parámetros del modelo, también incorpora
aleatoriedad según las distribuciones de probabilidad que presenten, y también permite
presentar las soluciones obtenidas mediante distribuciones de probabilidad.