Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Ici Simu Cont U1
Ici Simu Cont U1
Introducción a la
simulación: elementos
básicos de un modelo
de simulación
Simulación
Página 1 de 20
Índice
Introducción ........................................................................................................................... 2
1. ¿Qué es la simulación? .................................................................................................... 3
1.1 Algunos conceptos importantes ............................................................................................... 3
a. Modelo: ............................................................................................................................................. 3
b. Parámetros: ...................................................................................................................................... 4
c. Variables de estado: .......................................................................................................................... 6
d. Efectividad de un sistema de simulación .......................................................................................... 7
e. Otros elementos de un sistema de simulación: ................................................................................ 8
Introducción
Existen muchas formas de optimizar las decisiones que se toman. La mayor parte de ellas
se basa en las matemáticas, en las estadísticas y en el desarrollo de programas
computacionales que nos permitan cumplir con ese objetivo.
Una de las técnicas más usadas por las empresas hoy en día es la simulación de procesos,
para lo cual se apoyan tanto en lenguajes formales de matemáticas y estadísticas, como
en un soporte robusto de informática (programas), para poder simular el comportamiento
de ciertos sistemas que son de interés para la empresa.
Página 3 de 20
1. ¿Qué es la simulación?
La Simulación como una técnica de optimización podría definirse como la combinación de
modelos matemáticos y estadísticos, con ayuda de las computadoras, que nos permitan
reproducir lo más fielmente posible, condiciones del mundo real.
A nivel más general, el término simulación, se refiere a la capacidad que tiene un sistema
de poder predecir mediante el estudio de conductas repetidas el comportamiento futuro
de ese sistema, con vista en la proyección de ciertas variables en el tiempo.
Por ejemplo a nivel científico, los modelos que simulan las diversas condiciones climáticas
o el comportamiento de ciertas enfermedades (pandemias, cáncer, etc.) obedecen
claramente a estas definiciones. A nivel ingenieril, los modelos basados en matrices o
números aleatorios ayudan a predecir ciertos comportamientos del sistema en estudio, el
que puede ir desde una estimación de demanda, la determinación en un proyecto del
tamaño de planta óptimo, el tiempo de espera de una persona en una cola (líneas de
espera) o el potencial valor futuro de una acción o de una opción sobre un activo
subyacente. Como puede apreciarse, el concepto de simulación es amplio, pudiendo
aplicarse a un sinnúmero de actividades científicas, económicas y de ingeniería.
a. Modelo:
Es una representación del sistema que se puede emplear para reproducir, en cierta
medida, el comportamiento del mismo o para razonar sobre las características del sistema
modelado. En simulación, un modelo está formado por dos conjuntos:
• Un conjunto de variables.
• Un conjunto de relaciones entre las variables del modelo (Jiménez Avello, Castro
Gil y Costa García, 2015).
Las variables se refieren a aspectos o datos cuantitativos del sistema, mientras que el
conjunto de relaciones se refiere a las situaciones que afectan al conjunto de variables del
sistema.
Página 4 de 20
Por ejemplo, supón que deseas estudiar la relación entre IQ promedio de un país y el éxito
económico del mismo, medido por su ingreso per cápita. Aquí existen dos variables a
saber, una es el coeficiente intelectual promedio de un país y la otra es la productividad
del sistema mediada esa variable por el ingreso por persona. La relación entre ellas se
refiere a cómo se relacionan (en términos matemáticos y estocásticos) y afectan en
términos lógicos en una implicancia simple, en una doble implicancia o en último lugar, si
ambas variables no tiene relación alguna.
Un tipo de modelo como el anterior que relacione dos o más variables puede ser
explicado mediante relaciones lineales entre los parámetros que conforman el modelo
estudiado.
Figura 1
Fuente: IQ and Permanent Income: Sizing Up the “IQ Paradox”. Recuperado de:
https://humanvarieties.org/2016/01/31/iq-and-permanent-income-sizing-up-the-iq-paradox/
b. Parámetros:
Cuando un sistema se modela mediante ecuaciones, los valores que describen el sistema
se denominan parámetros. Por ejemplo, en mecánica, las masas, las dimensiones y
formas (para cuerpos sólidos), las densidades y las viscosidades (para fluidos), aparecen
como parámetros en las ecuaciones de modelado de los movimientos. En teoría de colas,
los parámetros serán aquellos que describan las llegadas al sistema y los tiempos de
Página 5 de 20
atención del mismo (λ,µ), en los sistemas de producción un parámetro estimado será la
eficiencia del sistema y en finanzas será el costo del capital. En general, cualquier
problema de modelado que involucre el concepto de aleatoriedad, implicará la obtención
de parámetros (estadísticos) que sean capaces de describir dicho comportamiento. Dentro
de los más conocidos están los que involucran la dispersión de los datos, la posición de los
mismos y la forma de estos. En caso de que los datos para estimar estos parámetros sean
estimados de poblaciones donde no se conoce su función de probabilidad, será necesario
realzar prueba de bondad de ajuste o en su efecto pruebas no paramétricas.
Figura 2
Fuente: Vasudev, R. (2018) How are Logistic Regression & Ordinary Least Squares Regression
(Linear Regression) Related? Why the “Regression” in Logistic? Recuperado de:
https://towardsdatascience.com/how-are-logistic-regression-ordinary-least-squares-regression-
related-1deab32d79f5
Un segundo ejemplo del mismo modelo lineal pero ahora aplicado a un problema de
ingeniería industrial es el que se muestra en la figura 3, el que relaciona materiales
basados en polímeros y su límite elástico y resistencia a la tracción.
Página 6 de 20
Figura 3
Fuente: Doreswamy, H. (2011) Linear Regression Model for Knowledge Discovery in Engineering
Materials. Conference: First International Conference on Artificial Intelligence, Soft Computing
and Applications. DOI:10.5121/csit.2011.1313
En este caso, los parámetros del sistema están calculados y corresponde a B0 = 1.082 y B1
= 2.205. Ԑ =0.3602.
En resumen los parámetros de un sistemas son aquellos valores que son capaces de
describirlo con cierta fiabilidad, acercándose lo más posible a cómo sería su
comportamiento real.
c. Variables de estado:
Las variables de estado se definen como aquellas variables que describen y afectan el
comportamiento de un sistema, cuando este pasa de un estado a otro.
En teoría de sistemas, el más simple de estos se puede representar como una entrada de
variables (µ1, µ2,….µn) un procesamiento de las mismas y una salida (y1, y2, …yn). Lo que
ocurre dentro de la denominada caja negra del sistema (proceso de transformación), que
transforma una variable en otra y que se ve afectado por otras variables como el tiempo,
la temperatura u otras condicionantes, que hacen que la variable de entrada µ1(k) se
transforme en y1(k) es la variable de estado.
Página 7 de 20
Figura 4
Fuente: Castaño, S. (s.f.) Variables de Estado – Espacio de Estados – Control. Recuperado de:
https://controlautomaticoeducacion.com/sistemas-dinamicos-lineales/variables-de-estado-
espacio-de-estados/
Figura 5
2. Tipos de sistemas
En general en simulación, existen diferentes sistemas a los cuales se les puede aplicar la
técnica de simulación, para describir estados presentes o futuros del mismo.
Los sistemas estocásticos son aquellos que son definidos por el concepto de aleatoriedad,
pudiéndole asignar a su comportamiento funciones de probabilidad, mientras que un
sistema determinista es aquel que, una vez ingresado el valor exógeno de la variable, se
sabe exactamente el comportamiento de esta dentro del sistema y por lo tanto la salida
del mismo se conoce con certeza.
Por último, un sistema estático es aquel en el que no está representada la evolución del
sistema en el tiempo, mientras que un sistema dinámico es aquel que evoluciona con la
variable tiempo.
3. Ámbitos de aplicación
La simulación puede ser aplicada en muchos ámbitos. Nos centraremos principalmente en
la empresa y en sus áreas funcionales.
Página 10 de 20
Supongamos que no sabemos en cuanto terminarán al final del período cada una de las
variables, pero sí sabemos que la variable “ingresos operacionales” se comporta de forma
normal. Entonces, será posible simularla basada en los primeros momentos de esa función
de probabilidad. Estos son la media y la varianza de esta variable aleatoria.
En el área de producción u operaciones son muchos los ámbitos donde se pueden aplicar
la simulación de procesos. Por ejemplo, la llegada y salida de camiones de un proceso de
carga o la restricción de una materia prima en el abastecimiento de las sucursales de la
empresa.
a. Definición de probabilidad
Existen dos formas de definir una probabilidad. La primera de ellas es la llamada definición
frecuentista y que puede definirse de la siguiente forma:
Dicho de otra forma, es el número de casos favorables de una prueba, sobre el total de
veces que esa prueba se realiza.
Cada función de probabilidad, tiene su propia función de cuantía o densidad (según sea el
caso, discreta o continua), y momentos que la caracterizan, siendo los principales, la
esperanza matemática y la varianza de la variable aleatoria.
A saber, la esperanza matemática para el caso discreto y continuo, viene dado por las
siguientes expresiones:
Los grados de libertad, cuando se prueba un modelo, entregan certezas respecto de las
pruebas de hipótesis que se quieren realizar al parámetro del modelo que se está
simulando.
Figura 7
A continuación, se deja como tarea un ejercicio que abarca en términos prácticos lo visto
hasta el momento.
En un diagrama de flujo, la información de los pasos anteriores se pueden ver como sigue:
Página 16 de 20
Figura 8
Fuente: http://simulacion14.blogspot.com/2012/01/etapas-de-un-proyecto-de-simulacion.html
Como puede apreciarse, la simulación es una forma de optimización que puede ser
aplicada en cualquier ámbito. Tiene grandes ventajas, pero también posee algunas
desventajas. Dentro de las primeras se encuentran:
Conclusión
Como puede apreciarse, la simulación es una técnica de optimización que permite replicar
un sistema a menor magnitud que si se lo realizara en términos reales, permitiendo de
esta manera llegar al proceso de toma de decisiones con información robusta.
Referencias bibliográficas
Jiménez Avello, A. Castro Gil, M. y Costa García, J. M. (2015). Simulación de procesos y
aplicaciones. Madrid: Dextra Editorial. Recuperado de
https://elibro.net/es/ereader/uniacc/133345?page=18
Página 20 de 20
Este material fue desarrollado por el docente Francisco Gallardo para la Universidad
Mayor y ha sido diseñado para su lectura en formato digital.