UNIVERSIDAD TECNOLÓGICA DE HONDURAS

Titulo:
“Historia y Evolución de la simulación”.

Carrera:
Ingeniería en Producción Industrial

Presentado Por:
Licda Lisbeth López Vílchez
2020– 1011 – 0311

Catedrática:
Ina Brenda Flores Reyes

Choluteca, Choluteca Honduras, C.A.

Enero, 2022
INTRODUCCION
OBJETIVOS
INDICE
MARCO TEÓRICO
¿Qué es un Sistema?

es un conjunto de partes o elementos organizados y relacionados que interactúan

entre sí para lograr un objetivo. Los sistemas reciben (entrada) datos, energía o
materia del ambiente y proveen (salida) información, energía o materia.

Propiedades de los sistemas:

Sinergia: Con los componentes y su interrelación se consigue más que lo que en

principio resultaría de la simple suma de los componentes

Entropía: Refleja el grado de desorden del sistema. Se puede reducir la entropía

ingresando información al sistema

Equilibrio homeostático: Equilibrio dinámico que mantiene los valores dentro de un

rango establecido.

¿Qué es un Modelo?

La descripción de las características de interés de un sistema se conoce como

modelo del sistema y el proceso de abstracción para obtener esta descripción se
conoce como modelando

Clasificación de los modelos:

Estocástico

Determinístico

Estático

dinámico

Tiempo - discreto

Tiempo continuo

Simulación
 Historia y evolución de la Simulación

Definición de simulación:
Simulación es la acción de simular. Puede definirse a la simulación como la
experimentación con un modelo que imita ciertos aspectos de la realidad. Esto
permite trabajar en condiciones similares a las reales, pero con variables
controladas y en un entorno que se asemeja al real pero que está creado o
acondicionado artificialmente. La idea es que la simulación permita comprobar el
comportamiento de una persona, de un objeto o de un sistema en ciertos
contextos que, si bien no son idénticos a los reales, ofrecen el mayor parecido
posible. Así, es posible corregir fallos antes de que la experiencia, efectivamente,
se concrete en el plano de lo real.

Dentro de áreas como la ingeniería industrial existe lo que se conoce como

simulación de procesos. Se trata de una herramienta muy importante dentro del
sector, pues facilita enormemente la realización de proyectos y tareas. ¿Cómo?
Gracias a que se encarga de proceder a representar un proceso mediante otro
que resulta mucho más sencillo y fácilmente comprensible.

Es decir, mediante este recurso lo que se logra es poder llevar a cabo diseños
buenos a la primera y conseguir productos que permiten obtener un mayor
beneficio o un coste competitivo en lo que se refiere a su propia fabricación.

A nivel económico y financiero, tendríamos que destacar otros tipos de

simuladores. Así, por ejemplo, en España existe lo que se conoce como simulador
de renta. Se trata de una herramienta que se pone al alcance de los ciudadanos
para que puedan llevar a cabo de manera muy rápida y sencilla lo que es su
declaración de la renta.
Por otro lado, también hay un sistema de simulación de elecciones. Gracias a él lo
que se logra es realizar una aproximación a los resultados que se van a producir
en unas elecciones, ya sean locales, regionales, nacionales o europeas, por
ejemplo. En España este mecanismo recibe el nombre de simulador electoral.

Las simulaciones son habituales en el ámbito de la aviación. La formación de los

pilotos incluye prácticas en simuladores que presentan todos los mandos de un
avión para volar virtualmente en un ambiente simulado. De esta manera, si el
piloto comete algún error propio del proceso de aprendizaje, no sufrirá ningún
daño ya que todo se trata de una simulación; en cambio, si el error se cometiera
en un vuelo real, el avión podría caerse. Lo que ofrece la simulación, en este caso,
es un ámbito seguro para la práctica.

La simulación es una técnica para analizar y estudiar sistemas complejos. Nos

permite reunir información pertinente sobre el comportamiento del sistema porque
ejecuta un modelo computarizado

Los datos recopilados se usan después para diseñar el sistema. Según WINSTON
(1994) se puede definir la Simulación como la técnica que imita el funcionamiento
de un sistema del mundo real cuando evoluciona en el tiempo. La simulación no
es una técnica de optimización. Más bien es una técnica para estimar las medidas
de desempeño del sistema modelado.

Un modelo de simulación comúnmente toda la forma de un conjunto de hipótesis

acerca del funcionamiento del sistema, expresado como relaciones matemáticas el
proceso de simulación incluye la ejecución del modelo en una computadora, que
genera muestras representativas de las mediciones del desempeño, como
experimento de muestreo acerca del sistema cuyos resultados son puntos de
muestra.
Etapas de la simulación:
No necesariamente todos los estudios contendrán todas estas etapas y en el
orden señalado; algunos estudios pueden contener etapas que no se reflejan en el
diagrama. Además, un estudio de simulación no es un proceso secuencial simple.
A medida que uno avanza con un estudio y un mejor entendimiento del sistema de
interés es obtenido, es frecuentemente deseable volver a un paso previo.

 Formulación del problema y planificación del estudio: cada estudio debe

comenzar con una sentencia clara de los objetivos globales del estudio y las
cuestiones específicas a ser atendidas; sin esta sentencia hay poca esperanza de
éxito. El estudio completo debe ser planeado en términos del número de personas,
los costos, y el tiempo requerido para cada aspecto del estudio.

 Recolección de datos y definición de un modelo: la información y los datos

deben ser tomados sobre el sistema de interés (si existe) y usado para especificar
los procedimientos operativos y distribuciones de probabilidad para las variables
aleatorias usadas en el modelo.

Por ejemplo, en el modelado de un banco, se podrían recolectar los tiempos entre

arribos y los tiempos de servicio y usar esos datos para especificar distribuciones
de tiempos inter-arribos y de servicios para usarlas en el modelo. Si es posible, los
datos sobre el rendimiento del sistema, por ejemplo, demoras en la cola de
clientes de un banco, deben ser recolectados para propósitos de validación en
etapas posteriores.

 Validación: aunque la validación es algo que debe ser hecho a lo largo de todo
el estudio de simulación, hay varios puntos en el estudio donde la validación es
particularmente apropiada.
En la construcción del modelo es útil incorporar personas que estén íntimamente
familiarizados con las operaciones del sistema actual y los que deben tomar
decisiones regularmente. Así se incrementará la validez del modelo y la
credibilidad (o validez percibida) por parte de los responsables de decisiones
también crecerá. Otro punto para validar es en la adecuación de las distribuciones
de probabilidad especificadas para la generación de variables aleatorias de
entrada, que debe ser testeadas usando pruebas de bondad de ajuste.

 Construcción de un programa de computación y verificación: el modelador debe

decidir si programar el modelo en un lenguaje de propósito general, o en un
lenguaje de simulación diseñado especialmente o simulador. Un lenguaje de
programación de propósito general probablemente ya será conocido y estará
disponible. Un lenguaje de simulación puede reducir el tiempo de programación
requerido significativamente. La verificación de un modelo programado significa
que en las corridas no se produzcan errores.

 Realización de corridas de prueba: las primeras corridas con el modelo

verificado se hacen con propósitos de validación. Son pruebas de corridas con
resultados conocidos para verificar si el modelo está bien programado y para
validar las salidas de simulación con datos reales.

 Validación: las corridas de prueba pueden ser utilizadas para chequear la

sensibilidad de la salida del modelo a pequeños cambios en un parámetro de
entrada. Si la salida varía mucho, se debe obtener una mejor estimación del
parámetro de entrada. Si existe un sistema similar al de interés, los datos de salida
pueden ser comparadas con aquellas del sistema existente actual. Si el acuerdo
es bueno, el modelo validado es modificado de manera que represente el sistema
de interés, siempre que esta modificación no sea demasiado costosa.
Tipos de simulación:

1.- Simulación Discreta:

modelación de un sistema por medio de una representación en la cual el estado

de las variables cambia instantáneamente en instante de tiempo separados. (En
términos matemáticos el sistema solo puede cambiar en instante de tiempo
contables).

2.- Simulación Continua:

Modelación de un sistema por medio de una representación en la cual las

variables de estado cambian continuamente en el tiempo. Típicamente, los
modelos de simulación continua involucran ecuaciones diferenciales que
determinan las relaciones de las tasas de cambios de las variables de estado en el
tiempo.

3.- Simulación Combinada Discreta-Continua:

Modelación de un sistema por medio de una representación en la cual unas

variables de estado cambian continuamente con respecto al tiempo y otras
cambian instantáneamente en instante de tiempo separados.

Es una simulación en la cual interactúan variables de estado discretas y continuas.

Existen tres tipos de interacciones entre las variables de estado de este tipo de
simulaciones:

-Un evento discreto puede causar un cambio discreto en el valor de una variable
de estado continua.

-Un evento discreto puede causar que la relación que gobierna una variable de
estado continua cambie en un instante de tiempo en particular.
-Una variable de estado continua de punto de partida puede causar que un evento
discreto ocurra, o sea, programado.

4.- Simulación Determinística y/o Estocástica:

Una simulación determinística es aquella que utiliza únicamente datos de entra

determinísticos, no utiliza ningún dato de entrada azaroso. En cambio, un modelo
de simulación estocástico incorpora algunos datos de entrada azarosos al utilizar
distribuciones de probabilidad.

5.- Simulación estática y dinámica:

La simulación estática es aquella en la cual el tiempo no juega un papel

importante, en contraste con la dinámica en la cual si es muy importante.

6- Simulación con Orientación hacia los eventos:

Modelaje con un enfoque hacia los eventos, en el cual la lógica del modelo gira
alrededor de los eventos que ocurren instante a instante, registrando el estado de
todos los eventos, entidades, atributos y variables del modelo en todo momento.

7.- Simulación con Orientación hacia procesos:

Modelaje con un enfoque de procesos, en el cual la lógica del modelo gira

alrededor de los procesos que deben seguir las entidades. Es cierta forma, es un
modelaje basado en un esquema de flujo grama de procesos, el cual se hace es
un seguimiento a la entidad a través de la secuencia de procesos que debe seguir.
 Ventajas y Desventajas de la Simulación

Ventajas:

1. Permite adquirir experiencia de manera rápida con un bajo costo y sin poner
en riesgo la productividad del sistema.

2. Permite identificar áreas con problemas en un proceso complejo.

3. Permite realizar un estudio sistemático de alternativas aplicables al sistema.

4. No importa que tan complejo sea el sistema ya que todo sistema puede ser
modelado y de esta manera poder atacar el problema

5. Puede ser aplicada en cualquier punto de la vida de un sistema, ya sea

durante el diseño o la producción planteando alternativas para el mejoramiento del
mismo.

Desventajas:
1. No es aplicable cuando existan técnicas analíticas que permitan corregir u
optimizar el sistema.

2. En ocasiones no es posible asegurar que el modelo sea válido.

3. Es posible querer utilizar el modelo fuera de los imites para los que fue
construido causando una falsa apreciación del problema.

4. No existe ningún criterio científico sobre las posibles alternativas a ser

simuladas

5. La simulación es imprecisa y en ocasiones no proveen soluciones optimas.

 Historia y evolución de la simulación

Durante los últimos años los avances han posibilitado la utilización de la

simulación en la investigación. Uno de los procedimientos de simulación más
utilizados es el método de Monte Carlo. Este método se aplica en la resolución
de problemas matemáticos que resultan técnicamente inmanejables o cuya
solución requiere un alto costo en términos de tiempo de trabajo, mediante la
simulación de procesos aleatorios. Una limitación de este procedimiento es que
las conclusiones, por ser resultado de un procedimiento experimental, son
relativas a los procesos utilizados en la simulación.

Bajo el nombre de “Método de Monte Carlo” o “Simulación Monte Carlo” se

agrupan una serie de procedimientos que analizan distribuciones de variables
aleatorias usando simulación de números aleatorios. El Método de Monte Carlo da
solución a una gran variedad de problemas matemáticos haciendo experimentos
con muestreos estadísticos en una computadora. El método es aplicable a
cualquier tipo de problema, ya sea estocástico o determinístico.

Generalmente en estadística los modelos aleatorios se usan para simular

fenómenos que poseen algún componente aleatorio. Pero en el método de Monte
Carlo, por otro lado, el objeto de la investigación es el objeto en sí mismo, un
suceso aleatorio o pseudoaleatorio se usa para estudiar el modelo.

La simulación de Monte Carlo fue creada para resolver integrales que no se

pueden resolver por métodos analíticos, para resolver estas integrales se usaron
números aleatorios. Posteriormente se utilizó para cualquier esquema que emplee
números aleatorios, usando variables aleatorias con distribuciones de probabilidad
conocidas, el cual es usado para resolver ciertos problemas estocásticos y
determinísticos, donde el tiempo no juega un papel importante
Durante la Guerra Fría se intensificó el uso de la simulación para resolver
problemas de interés militar; trayectorias y dinámicas de satélites artificiales, guiar
mísiles, etc. Muchos de estos problemas exigen la resolución de sistemas de
ecuaciones diferenciales no lineales. Para abordar estos problemas se utilizaron
ordenadores analógicos que usaban elementos electrónicos para resolver las
operaciones matemáticas: integración, suma, multiplicación, generación de
funciones, etc.

A partir de la década de los 60 empiezan a aparecer en el mercado programas de

simulación de sistemas de acontecimientos discretos que poco a poco se
empezaron a utilizar para resolver problemas de ámbito civil. Los más destacables
fueron el GPSS de IBM (General Purpose System Simulator) y el SIMSCRIPT. Los
modelos de acontecimientos discretos son muy utilizados en la actualidad para
estudiar problemas de fabricación de procesos, logística, transporte,
comunicaciones y servicios. Estos problemas se caracterizan por centrar su
interés en los cambios que hay en el sistema como consecuencia de los
acontecimientos y en su capacidad para modelar los aspectos aleatorios del
sistema. Este simulador se utilizó para analizar el diseño de la terminal
(Barcelona) en lo que respecta a los distintos espacios, el movimiento de las
personas en situaciones normales y el análisis del plan de evacuación.

La revolución que se produjo en la informática a partir de los años 80, tiene un

impacto importante en la simulación por ordenador. El uso de simuladores se
generaliza en prácticamente todos los ámbitos de la ciencia y la ingeniería, por
ejemplo

Predicción del tiempo: el primer modelo numérico de predicción del tiempo que dio
resultados positivos fue desarrollado por J. G. Charney, R. Fjörtoft y J. von
Neumann con el ordenador «ENIAC» (Electronic Numerical Integrator and
Computer). Desde entonces, y especialmente en las últimas dos décadas, se han
popularizado estos simuladores para la predicción a corto y largo plazo del tiempo.
Entrenamiento de pilotos: la necesidad de entrenar los pilotos surge ya en los
inicios de la aviación. A falta de ordenadores y programas informáticos de
simulación, los primeros pilotos se entrenaban con primitivos simuladores físicos.
Actualmente, todos los pilotos están obligados a entrenar-se periódicamente en
sofisticados simuladores para estar preparados para resolver cualquier problema
que pueda aparecer en el vuelo.

Finalmente, en los últimos años, el uso de la simulación se ha ampliado al sector

del ocio y ha entrado en el ámbito familiar con productos de software sofisticado,
que utilizan todos los recursos del ordenador: gráficos potentes, bases de datos,
computación intensiva, etc. Algunos de los simuladores más populares son MS
Flight Simulator, NASCAR Racing, SimCity, Civilization, RollerCoaster Tycoon,
y The Sims.

La simulación de procesos a lo largo del tiempo ha permitido resolver cuestiones

complejas para las cuales los métodos cuantitativos no son eficaces o no pueden
aplicarse. Robert Shannon lo define como “el proceso de diseñar y desarrollar un
modelo de sistema o proceso, y conducir experimentos con este modelo con el
propósito de entender el comportamiento del sistema o evaluar estrategias con las
cuales se puede operar sobre él”1; es por esto que se ha diseñado este espacio o
herramienta con el fin de tener acceso a conocimientos ya estudiados para
desarrollar la creatividad y construir conocimiento.

Dentro de esta herramienta se encontrara diversidad de concepto tomando como

base principal la SIMULACION EMPRESARIAL DE PROCESOS, se expondrán
diferentes manera para simular, modelos como también se abrirá paso a exponer
lo referente a la experimentación con un modelo que conlleva normalmente a la
necesidad de generar datos y/o investigar parámetros a efectos de analizar el
comportamiento global del mismo o la sensibilidad a los distintos parámetros;
teniendo en cuenta sus respectivas fuentes bibliográficas.
LINEA DE TIEMPO
INICIOS
 PERIODO DE
FORMACI0N
Método de Lanzamiento Ajedrez
Primera simulación
Montecarlo
Neumann
Eniac de misiles realizada del famoso
juego
llamado Ajedrez que
sentó las Se da la construcción de Thomas Goldsmith y Estle
bases de la permitía a 2 jugadore
simulación los primeros Ray Mann patentaron un s
al desarroll enfrentarse
ar una computadores de juego que simulaba el
bomba usa
ndo el propósito general como lanzamiento de misiles
método de
Montecarl el ENIAC
o

1950
1945 1947
1946
 Método de Lanzamiento Ajedrez
Primera simulación
Montecarlo
Neumann s
Eniac de misiles realizada del famoso
juego
llamado Ajedrez que
entó las Se da la construcción de Thomas Goldsmith y Estle
bases de la permitía a 2 jugadore
simulación los primeros Ray Mann patentaron un s
al desarroll enfrentarse
ar una computadores de juego que simulaba el
bomba usa
ndo el propósito general como lanzamiento de misiles
método de
Montecarl el ENIAC
o

1950
1945 1947
1946
 o
Proyect
TTAN
MANHA yecto
ran pro
Primer g r la
ula
Alan Turing para sim na
ión de u
m Utilizo el termino
deno ta c
tómica
a
bomba a
sd se lo años
Lanzamiento Ajedrez
Gosset Método sim
de ulación mediado ron las
nta Primera simulación
40 se se
Observaciones MonPara
tecarloerirse a lo que
ref
pasa cu
Neumann ando una
Eniac
bases pa e
ra la ráp
ida
de misiles realizada del famoso
juego
o de cebada sentó las n d strucción de
luclaiócon llamado Ajedrez que
evoda
Se Thomas Goldsmith y Estle
articulo “El bases dcoemp utadora digital ión s permitía a 2 jugadore
la
rre si mulación ulacero
simprim
los Ray Mann patentaron un s
able de una al desaco
rrollaun a table de enfrentarse
est ad r
o unarre
(co computadores de juego que simulaba el
bomba usa un
grnam
doa)el propósito general como lanzamiento de misiles
métodoprode Montec
arlo el ENIAC

1942
1936
06
1950
1945 1947
1946
CONCLUSIONES
 Bibliografía

Definicion. de. (s.f.). Recuperado el 30 de enero de 2022, de Definicion. de:

https://definicion.de/simulacion/

IUPSM Simulacion. (s.f.). Recuperado el 30 de enero de 2022, de IUPSM Simulacion:

https://iupsmsimulacion.wordpress.com/definiciones-de-simulacion/

Sandoval, G. Y. (27 de marzo de 2018). Scribd. Recuperado el 31 de enero de 2022, de

https://es.scribd.com/presentation/374987175/EVOLUCION-DE-LA-

SIMULACION

SIMULACION DE PROCESOS EMPRESARIALES. (s.f.). Recuperado el 30 de enero de

2022, de SIMULACION DE PROCESOS EMPRESARIALES:

https://simulaciondeprocesosempresariales9.wordpress.com/category/a-historia-de-

la-simulacion/

SlidePlayer. (s.f.). Recuperado el 30 de enero de 2022, de SlidePlayer:

https://slideplayer.es/slide/5515603/
ANEXOS