INSTITUTO TECNOLÓGICO DE

TIJUANA
INGENIERÍA
INDUSTRIAL UNIDAD:
MATERIA: GRUPO:
Simulación Z 5
NOMBRE DEL PROFESOR: ING. Baca Guillen Jesús Octavio
NOMBRE DEL TEMA: Simulación en hoja de cálculo

INTEGRANTES DEL EQUIPO:

CALIFICACIÓN
1.- Silva Archuleta Miriam Saray
:
2.-Corral Morales Christian R.
3.-Bladimir Lopez Garcia
4.-Cordero Olivares Paul
5.- Israel Aguirre FECHA:
6.- Fuentes Ramon Liliana 28/05/22
5.1. SELECCIÓN DEL MEDIO
PARA REALIZAR LA
SIMULACIÓN DE CADA
PROYECTO 
Una mala elección en este puede
provocar el fracaso del estudio o
que este no se
desarrolle un tiempo.
5.1.1. LENGUAJE GENERAL
DE PROGRAMACIÓN EN
COMPUTADORAS
 En un principio, los programas de
simulación se elaboraban utilizando algún
lenguaje
de propósito general, como ASSEMBLER,
FORTRAN, ALGOL o PL .
 En lo práctico, es importante utilizar la aplicación que
mejor se adecúe al tipo de sistema a simular, ya que de
la selección del lenguaje o simulador dependerá el
tiempo de desarrollo del modelo de simulación.
Las opciones van desde las hojas de cálculo, lenguajes
de tipo general (como Visual Basic, C ++ o Fortan),
lenguajes específicas de simulación (como GPSS, SLAM,
SIMAN, SIMSCRIPT, GAS y SSED), hasta simuladores
específicamente desarrollados para diferentes objetivos
(como SIMPROCESS, ProModel, Witness, Taylor II y
Cristal Ball)
Los lenguajes de simulación facilitan enormemente el desarrollo y
ejecución de simulaciones de sistemas complejos del mundo real.
Los lenguajes de simulación son similares a los lenguajes de
programación de alto nivel, pero están especialmente preparados
para determinadas aplicaciones de simulación. Así suelen venir
acompañados de una metodología de programación apoyada por
un sistema de símbolos propios para la descripción del modelo por
ejemplo mediante diagramas de flujo u otras herramientas que
simplifican notablemente la modelización y facilitan la depuración
posterior del modelo.
 Lenguajes de propósito general. Fueron
muy empleados en el nacimiento de la
simulación, pero requiere mucho tiempo de
programación y, por eso, se prefiere, en
general, usar lenguajes específicos para la
simulación. A esta categoría pertenecen
lenguajes como Fortran,
C y C ++.
5.1.2. HOJA DE CÁLCULO
Software cuyo propósito es facilitar el
manejo de datos tanto numéricos como
alfanuméricos, colocados en celdas
organizadas en columnas y renglones. Se
pueden introducir números, letras y
gráficos.
 5.1.3. PROGRAMAS
COMERCIALES DE
SIMULACIÓN DISPONIBLES
 SOLIDWORKS
Un software de diseño en 3D asistido por computadora
(CAD). Este programa nos ofrece un conjunto de
herramientas para modelar piezas y ensamblajes en 3
dimensiones y planos en 2 dimensiones
 FLEXSIM
Este programa nos permite modelar, representar y
entender con precisión los problemas básicos de un
sistema sin la necesidad de programaciones complicadas
, esto debido a que ofrece una interfaz sencilla al
momento de desarrollar el modelo de simulación.
 AUTOCAD
Este es un software de diseño que permite la creación y edición
profesional de geometría 2D y modelos 3D con solidos, superficies y
objetos. Es uno de los softwares más reconocidos internacionalmente
debido a la gran variedad de posibilidades de edición que se pueden
encontrar.
 EXCEL
Programa computacional incluido en el paquete de
microsoft office, sirve para la creación, manejo, y
modificación de hojas de cálculo. Se puede utilizar en
varios dispositivos y sistemas operativos.
5.1.4. OTROS MEDIOS 
 El modelo de simulación es una réplica exacta del sistema en estudio.

Juego operacional: Personas compiten entre ellas, ellas forman parte del
modelo, la otra parte consiste en computadoras, maquinaria, etc.

-Hombre-Máquina: Se estudia la relación entre las personas y la máquina.

 5.2. TIPO DE MODELOS DE
SIMULACIÓN PROGRAMABLES
EN HOJA DE CÁLCULO
(INVENTARIOS ... ) 
EJERCICIO SIMULACION DE INVENTARIO
Inventarios

El exceso de inventario es producto de varios factores, dos de ellos: primero, por experiencias
pasadas de rotura de inventario, una reacción posiblemente desproporcionada de sobreprotección o
un posible desconocimiento de la demanda.
Hay más situaciones en la gestión de inventarios por las cuales se crean excesos o faltantes de
inventario, muchas de ellas son producto de una gestión incorrecta de la información, pero las dos
mencionadas, pueden ser amortiguadas si se hace una verificación o estimación correcta de los
parámetros de gestión de inventarios.
Simulación en líneas de espera

Una definición amplia seria:"Una simulación es una imitación de la operación de un proceso real
durante un tiempo determinado” .
Por medio de una simulación se estudian los sistemas reales a través de un modelo del sistema real con
el propósito de comprender la interacción de los procesos que intervienen en el, con el fin de variarlos
para obtener un objetivo determinado.
Los modelos de simulación son usados para estudiar y calcular los procesos estocásticos y los
fenómenos o problemas de líneas de espera.
Proyecciones

Estimados seguidores esta vez he creado un simulador en Excel sobre un plan contable económico y
financiero, está completamente libre para que ustedes lo adapten a su criterio y de acuerdo al régimen
y cuentas de su ubicación y país.
La Planificación Financiera consiste en la elaboración de previsiones a medio y largo plazo, en un
horizonte de 3-5 años. Al ser previsiones a más de un año, tiene un elevado grado de incertidumbre,
pero no obstante es conveniente realizarla para estar mejor preparado y dirigir con más precisión la
empresa, al marcar los rumbos que debe tomar. Un posterior control nos permitirá a través de las
desviaciones, analizar y corregir las tendencias.
 5.3. EJEMPLOS DE
SIMULACIÓN EN HOJA
ELECTRÓNICA 
 5.3.1. PROGRAMACIÓN:
DISTRIBUCIÓN DEL MODELO EN
LA HOJA DE CÁLCULO
Solución de problemas de programación lineal (PL) con una hoja de cálculo. En este punto se demuestra
con detalle la mecánica del uso del Solver en Excel mediante la solución del siguiente problema.

Ejemplo
5.3.2. EXPERIMENTACIÓN
CON VARIAS
CONFIGURACIONES
POSIBLES DEL SISTEMA
SIMULADO 
Ejemplo
5.4. VALIDACIÓN
 Validación del Modelo

Se debe comprobar que el modelo de simulación

cumple con el objetivo establecido. Toda simulación
tiene que validarse para asegurar que la inferencia a
partir del modelo es una predicción correcta del
proceso que se quiere simular. No existen normas
precisas sobre cómo debe realizarse la validación.
Pero sí se pueden tener en cuenta ciertas pautas que los expertos consideran relevantes para el
desarrollo de una modelo válido y creíble.
Éstas son presentadas a continuación, y situadas en el marco temporal de la realización del
proyecto.
● Utilizar técnicas cuantitativas para validar los componentes del modelo. Por ejemplo, el
uso de la teoría de colas en el dimensionamiento inicial. Asimismo el muestreo secuencial
y las técnicas de reducción de varianza fueron de gran ayuda en el diseño de
experimentos.
● Llevar a cabo análisis de sensibilidad para determinar factores importantes en el modelo.
En caso de detectar un factor más influyente, éste deberá modelarse concienzudamente.
● Revisar los resultados de la simulación y la animación para ver si parecen coherentes. Se
puede considerar una única entidad que entre en el modelo y siga la lógica del sistema
para ver si es coherente. También se puede analizar el comportamiento del sistema en
condiciones extremas…
Así, en el presente proyecto se han tenido en cuenta aquellas pautas que quedaban dentro del
alcance.
5.4.1. PROGRAMACIÓN DE
LOS INFORMES DE SALIDA
(ESTADÍSTICAS)
La simulación de un sistema es un experimento de
muestreo estadístico artificial basado en el ordenador; por
ello, los resultados de un estudio de simulación tendrán
sentido si se utilizan las herramientas estadísticas
apropiadas para su diseño y análisis.
Un aspecto relevante de los datos obtenidos de la
simulación es que, en general, forman procesos autos
correlacionados y no estacionarios, por lo que las técnicas
estadísticas basadas en observaciones independientes e
idénticamente distribuidas no son aplicables.
Veamos más detenidamente cuál es la naturaleza aleatoria de una salida de
simulación. Consideremos un proceso estocástico que represente la salida de una
característica específica del sistema en cuestión, por ejemplo el tiempo en cola de
los pacientes en un centro médico. Representamos de esta manera, el tiempo de
paciente i-ésimo por la variable Yi . Estas variables aleatorias Yi no son, en general, ni
independientes ni idénticamente distribuidas. Está claro que el tiempo de espera del
cliente que llega en la posición i estará relacionado con el tiempo que haya esperado
el cliente que lo ha precedido, y que si el sistema arranca vacío, es decir, con las
tecnologías desocupadas, Y1=0, teniendo distinta distribución al resto. Supongamos
que ejecutamos de forma independiente n veces el modelo de simulación, utilizando
distintas semillas e inicializando en cada una de ellas los contadores estadísticos. Si
en cada ejecución hemos tomado m datos, los resultados son:
Si nos fijamos en los resultados por columnas, las
observaciones y1i, …, yji, …, yni son
independientes y proceden de la misma
distribución Yi , tiempo en cola del i-ésimo cliente.
5.4.2. CONSTRUCCIÓN DE
GRÁFICAS 
Una hoja de cálculo es fundamentalmente una herramienta de
cálculo, aunque también soportan un paquete de gráficos así
como una simple base de datos. Como se sabe en un gráfico se
muestran relaciones numéricas de forma clara, haciendo bueno de
que el dicho de que una imagen vale más que mil palabras.
Muchas veces el gestor tiene que presentar sus relaciones y
vender sus ideas por lo que ayudarse con algún tipo de grafico
hará que su exposición aparezca más atrayente, sencilla y fluida.
En el mercado existen muchos y valiosísimos programas para
realizar gráficos pero, en la mayoría de los casos, las
opciones que nos brindan las hojas de cálculo en como Excel
son más que suficientes. Al realizar un gráfico a partir de la
hoja de cálculo filas o columnas de números que se desean
visualizar se denominan rango de datos. Cuando con dichos
valores se crea un gráfico la aplicación establece lo que se
llama un enlace dinámico entre él y los datos numéricos de
la hoja, de forma que, cualquier cambio en los mismos
quedara reflejado automáticamente en el grafico resultante.
Excel ofrece la posibilidad de trabajar con gráficos en sus
hojas de cálculo que nos proporcionaran una visión más
clara y grafica del contenido de las tablas de datos. Un
gráfico en Excel es la representación gráfica de un conjunto
de datos de una hoja de cálculo. Podemos crear diferentes
tipos de gráficos (barras, columnas, líneas, etc.)
dependiendo de la información visual que queramos
conseguir. Los datos utilizaos en su creación, pueden variar y
el grafico se actualizará automáticamente.
5.4.3. CONSTRUCCIÓN DE
INTERVALOS DE
CONFIANZA
Un Intervalo de Confianza es un rango de valores que se usa para estimar el valor real de
un parámetro poblacional. El intervalo de confianza suele abreviarse como IC.

Las opciones más comunes para el nivel de confianza son:

90% (con α = 0.10)

95% (con α = 0.05)
99% (con α = 0.01)

La opción del 95% es la más común, puesto que provee un buen equilibrio entre precisión
(reflejada en el ancho del intervalo de confianza) y confiabilidad (expresada por el nivel
de confianza).
 Ejemplo
El Genetics Institute realizó una prueba clínica del método XSORT, diseñado para
incrementar la probabilidad de concebir una niña. Se realizó un estudio con 574 bebés de
padres que utilizaron el método XSORT, de los cuales 525 nacieron niñas.

❖ Utilice los datos muestrales para construir un intervalo de confianza del 95% para el
porcentaje de niñas nacidas de padres que utilizaron el método XSORT.
5.4.4. JUICIOS SOBRE LOS
RESULTADOS
REPORTADOS 
Los datos son la información que se obtiene acerca del comportamiento del proceso y
se desea graficar, con la finalidad de obtener información estadística y poder analizar
las tendencias. Los datos son agrupaciones o conjuntos de cualquier número de
observaciones relacionadas entre sí. Una agrupación de datos es conocida como
conjunto de datos y una observación individual es un dato puntual.
Dado que los datos proporcionan las bases para los juicios y las acciones, los razones
para la recolección de los mismos pueden clasificarse de la siguiente manera; datos
para:
El entendimiento de la situación actual.
El análisis de problemas.
El control de procesos (trabajo).
La investigación de operaciones.
El juicio sobre la aceptación o rechazo
5.5. CONCLUSIÓN
Las conclusiones que se pueden obtener de una simulación dependen del grado en que el
modelo refleja el sistema real, aunque también depende del diseño de la simulación en un
sentido estadístico. De hecho, muchos analistas consideran la simulación como una forma
de prueba de hipótesis donde cada ejecución de simulación ofrece uno o más datos de
muestra que son susceptibles al análisis formal a través de los métodos estadísticos
inferenciales. Los procedimientos estadísticos que normalmente se usan en la evaluación de
resultados de simulación incluyen el análisis de varianza, análisis de regresión y pruebas
t. En la mayoría de las situaciones, el análisis tiene más información disponible con
la cual comparar los resultados de simulación: datos operativos antiguos del sistema
real, datos operativos del desempeño de sistemas semejantes y la percepción del
analista de la operación del sistema real. Sin embargo, se debe admitir que la
información obtenida de estas fuentes probablemente no sea suficiente para validar las
conclusiones derivadas de la simulación. Por lo tanto,la única prueba real de una simulación
es qué tan bien se desempeña el sistema real después de haber implantado los resultados
del estudio.
5.5.1. COMPARACIÓN
ENTRE LAS
CONFIGURACIONES
SIMULADAS 
CONTEXTO:
Se desea simular el proceso de descompostura y reparación de unos generadores eléctricos para
estimar el tiempo muerto que, en promedio, tiene esas maquinas. Se realizaron 200 observaciones
registrando los datos del tiempo entre fallas y del tiempo de reparación. Los datos son:

Considerando un valor Alfa: 0.05 y un error de 0.5 hrs. Determinamos:

a) Modelo de simulación de 50 descomposturas
b) Cálculo del número de corridas necesarias para estabilizar la variable de interés y, en caso de ser
necesario, adecuar el modelo del inciso “a”.
c) Generamos 15 réplicas del modelo y cálculo de intervalos de confianza.
d) Conclusiones y recomendaciones.
Obtenemos las probabilidades
a) Modelo de simulación de 50 descomposturas

Aplicamos la Fórmula =RAND() para

obtener nuestro N.A. de
Descomposturas

Aplicamos la Formula =VLOOKUP() o =BUSCARV() para,

donde seleccionamos el valor que buscamos, la tabla
matriz, el numero de columnas y nuestro rango
(VERDADERO)
 En esta gráfica se muestra el
tiempo promedio de las horas
en las que la máquina tardará
en repararse de acuerdo a la
simulación.

Hicimos una gráfica de probabilidad

para ver si nuestra corrida de 50
muestras es suficiente para hacer
estable la actividad.

Fuera de la distribución normal.

 5.5.2. SELECCIÓN DE LA
MEJOR CONFIGURACIÓN 
Como nuestra corrida de 50 muestras no funciono necesitamos hacer simulación
de otra cantidad

Formula: 1/Alfa:0.05 * Desvstnd:3.4319/Error:0.5

Resultado
943 Son las corridas que tenemos que realizar para lograr que el tiempo muerto
llegue a un estabilidad
 Hacemos de nuevo la simulación en la hoja de cálculo pero
ahora con las 943 corridas que nos dio la fórmula que
aplicamos.

Al hacer de nuevo nuestra

gráfica, observamos que la
simulación nos arroja datos que
tienden a una estabilidad futura.
Para seleccionar la mejor configuración se hicieron 15 réplicas de la
simulación.

Al graficar los resultados de las

15 réplicas cual de todas puede
funcionar mejor.
5.5.3. RECOMENDACIONES
PARA LA IMPLANTACIÓN 
Los puntos están lejos de la línea de la distribución normal.
Se concluye que los datos de TM promedio no son estadísticamente
significativos.