UNIVERSIDAD CATÓLICA DE SANTA MARIA

FACULTAD DE CIENCIAS E INGENIERÍAS FISICAS Y

FORMALES

ESCUELA PROFESIONAL DE INGENIERÍA INDUSTRIAL

CURSO: Simulación de Sistemas

TEMA: Laboratorio 10

DOCENTE: Ing. Carlos Oblea

GRUPO DE PRÁCTICAS: 05

ALUMNOS:

 Pantigozo Melgar Valeria Emilia

AREQUIPA – PERÚ
2022
 Práctica N°9

I. Objetivos
 Animar los modelos de simulación utilizando el software Arena.
 Utilizar diferentes tipos de transporte en la animación de los modelos.

II. Ejercicio Propuesto

A usted se le ha encargado el diseño de un simulador para lo cual sigue cinco etapas
en el proceso (no es necesario que se ejecuten en el orden indicado):
1. Diseño del simulador. En esta etapa identifica las entidades que participan
en el sistema y las fuentes de aleatoriedad.
2. Levantamiento de datos. En esta etapa se toma muestras desde cada una de
las fuentes de aleatoriedad (tiempos entre llegadas, tiempos de traslado,
tiempos de atención, porcentaje de tipos de pacientes).
3. Verificación. En esta etapa se construye el simulador y se intenta que
funcione de acuerdo a las especificaciones entregadas y de acuerdo al
diseño planteado.
4. Validación. Se intenta probar la concordancia entre el comportamiento del
modelo y el comportamiento de la realidad.
5. Análisis del problema. Corresponde al análisis e interpretación de los datos
obtenidos en sucesivos experimentos a desarrollar en el simulador. Las
conclusiones entregadas corresponden a políticas a aplicar.
Adjunto al presente documento encontrará las series de datos tomados en la etapa
de levantamiento de información (Laboratorio 10a - Data.xls). Los datos en todos
los casos son muestras de las ocurrencias diarias.
Se desea simular el comportamiento de un hospital que atiende las 24 horas del día.
En la tabla 1 “Llegadas” se presenta la [hora:minuto:segundo] de cada llegada.
Existen dos tipos de pacientes: urgencias y consulta médica. Cuando se llevó a cabo
el levantamiento de datos se logró identificar esta información.
Los pacientes que llegan por una urgencia son atendidos inicialmente (recepción de
urgencias) por el personal de enfermería, el tiempo que demora entre llegar y ser
atendidos es de 2 minutos. El tiempo de recepción se presenta en la tabla 2
“Recepción urgencias”, este tiempo está dado en minutos y segundos.
Luego de recepción los pacientes de urgencias son trasladados a una sala de
observación (2 minutos de traslado), el número de camillas disponibles es de 5. El
tiempo de permanencia en la sala de observación se presenta en la tabla 3
“Observación”, este tiempo está dado en minutos.
Luego de permanecer en la sala de observación, el 30% son hospitalizados y los
otros abandonan el sistema.
Los pacientes que llegan por consulta médica pasan a recepción de pacientes (3
minutos de traslado). El 75% de ellos son pacientes con historia clínica (HC), por lo
que en recepción demoran en promedio 2 minutos con una desviación estándar de
0.5 minutos, normal (2 min, 0.5 min).
Los pacientes nuevos son atendidos en otra ventanilla y demoran normal (5 min, 1
min).
Tras la recepción estos pacientes (con HC y nuevos) son enviados al especialista
indicado. El tiempo de traslado a la sala de espera es de 3 minutos, el tiempo de
atención se presenta en la tabla 4 “Especialista”.
Considere que el 25% de los pacientes asisten a Cardiología, el 25% a Digestivo y
50% otros. Luego de ser atendidos por el especialista los pacientes abandonan el
sistema.
Considere para su modelo inicial que en los servidores sólo atiende una persona.
Ejercicio1. En el caso anterior, suponga un sistema terminal y para un turno de 8
horas se solicita:
1. Diseñar el Diagrama de Módulos en arena verificando que el modelo
funciona de acuerdo a las especificaciones dadas.
2. Para un nivel de confianza del 95% y un error máximo permisible en
relación a la media del 7%, determine el número de réplicas para cada uno de
los siguientes indicadores:
A. El intervalo de tiempo de los pacientes que salen de Observación.
B. El número de pacientes hospitalizados.
C. El total de pacientes que hicieron consulta médica.
D. El total de pacientes que llegaron a urgencias

Diagrama de Módulos:
Para un nivel de confianza del 95% y un error máximo permisible en relación a la
media del 7%, determine el número de réplicas para cada uno de los siguientes
indicadores:
A. El intervalo de tiempo de los pacientes que salen de Observación.
B. El número de pacientes hospitalizados.
C. El total de pacientes que hicieron consulta médica.
D. El total de pacientes que llegaron a urgencias.

Se pudo obtener los intervalos en los que se encuentran cada uno de los indicadores
con Output Analyzer, en nuestro caso fueron 4 indicadores. Todos ellos fueron
analizados con un N.C del 95%. Obteniendo los siguientes resultados:
A. El intervalo de tiempo de los pacientes que salen de Observación.
Error max permisible 7%
Promedio(X) 1,27 0,079375
Valor HalfWidth 0,039

Error 0,0889

Numero de replicas 3,86261765 4

B. El número de pacientes hospitalizados.

Error max permisible 7%
Promedio(X) 109 6,81
Valor HalfWidth 4,04

error 7,63

Numero de replicas 5,62690629 6

C. El total de pacientes que hicieron consulta médica

Error max permisible 7%

Promedio(X) 92,4 5,78
Valor HalfWidth 5,02

error 6,468

Numero de replicas 12,0899204 13

D. El total de pacientes que llegaron a urgencias.

Error max 7%
permisible
Promedio(X) 378 23,63
Valor HalfWidth 11,03
 error 26,46

Numero de replicas 3,48760565 4

Con el nro. de replicas para cada indicador, se elaboró una tabla resumen eligiendo por
usar el mayor número de replicas que es 13 al correr el modelo.

INDICADOR # REPLICAS
1 4
2 6
3 13
4 4

Conclusiones:
• Cuando se volvió a configurar el modelo, esta vez con 13 réplicas en lugar de 16,
este nos botó resultados más precisos, ya que los nuevos valores se mantuvieron
dentro del margen del 7% de error propuesto.
• Al momento de determinar el número de réplicas de cada indicador, se optó por
elegir el valor máximo entre todos como el número de replicas que será aplicada a
todo el modelo.
• La herramienta Output Analyzer nos permite analizar la data generada a partir de
la ejecución de nuestros modelos y garantice que los resultados no tengan mucha
variabilidad.