Simulación de Sistemas

ETAPAS DE UN PROYECTO
DE SIMULACIÓN
 FASES DE UN PROYECTO DE SIMULACIÓN
• La simulación, Como cualquier proyecto, requiere de planeamiento,
coordinación y un entendimiento de los requerimientos de cada una
de las tareas involucradas. El modelado de sistemas requiere de
capacidades o habilidades analítica, estadística, organizacional y de
ingeniería. El modelador debe ser capaz de entender el sistema que
está siendo investigado y debe ordenar relaciones complejas causa-
efecto.
se presenta una secuencia de etapas, generalmente recomendadas:
• Definir el problema, los objetivos y los requerimientos.
• Diseño del modelo conceptual.
• Obtención y análisis estadístico de los datos para el modelo.
• Construcción del modelo de simulación.
• Verificación del modelo.
• Validación del modelo.
• Diseño del experimento de simulación, ejecución y análisis estadístico.
• Entrega de documentación y presentación de resultados.
• A continuación se desarrollarán los aspectos que se involucran en cada
etapa
 1. Definir el problema, los objetivos y los
requerimientos
• Una declaración más precisa del problema sería, por ejemplo: “¿Cuántas
pistas de aterrizaje y de qué longitud serán requeridas para satisfacer la
demanda estimada para un viaje aéreo?”. En la medida en que el problema
se formule de una manera más precisa, la construcción del modelo se hará
más sencilla.
• Definir el problema entendiendo su contexto, identificando los objetivos
que definen la razón y el propósito para llevar a cabo el proyecto de
simulación. Una forma de conocer el problema es saber más sobre el
sistema que se está investigando; por ejemplo, su capacidad actual de
producción, las medidas de desempeño actuales del sistema (utilización,
tiempo de ciclo, tiempo de espera, entre otros); conocer cuáles son las
restricciones o “cuellos de botella” y ver la factibilidad de alcanzar
indicadores meta de desempeño (adición de recursos, mejorar métodos,
etcétera)
• El objetivo de la simulación debe ser realista y factible de ser ejecutado, y
sus requerimientos deben definirse en términos de recursos, tiempo y
presupuesto.
• Para la identificación de los objetivos debemos realizar las siguientes
preguntas:
• • ¿Cuál es el propósito de la simulación?
• • ¿Para quién es el modelo?, ¿quién será el usuario final del modelo?
• • ¿Qué tan importantes serán las decisiones que se tomarán como
resultado del modelo de simulación?
• • ¿Cuáles son las expectativas del cliente?
• • ¿Cuál es el presupuesto?
• • ¿Cuál es la fecha límite para finalizar el proyecto?
• El proyecto de simulación será exitoso en la medida en que los
objetivos sean definidos en forma clara y las restricciones sean bien
entendidas.
• La simulación solo debería ser ejecutada cuando se hayan definido el
o los objetivos del proyecto y se haya determinado que la simulación
es la herramienta más conveniente para adquirir dichos objetivos.
• Durante la ejecución del proyecto, es necesario regresar a los
objetivos, para mantener la atención enfocada en lo que es
importante.
 2. Diseño del modelo conceptual
• El modelador debe traducir el sistema del mundo real en un modelo
conceptual. En el diseño del modelo conceptual se debe establecer la
lógica de las operaciones en el modelo en términos de los elementos
estructurales del sistema y del flujo de entidades que pasarán a través
del sistema.
• debe entender la estructura y las reglas de operación del sistema que
se investiga y ser capaz de extraer su esencia, sus características
importantes.
En esta etapa se deben tomar en cuenta aspectos como:
• • En el modelo se pueden hacer suposiciones razonables.
• • Los componentes que deben ser incluidos en el modelo y cuáles son
las interacciones posibles entre estos.
• • La secuencia de operaciones.
• • Los recursos en disputa por las entidades.
• • Los alcances del modelo. El nivel de detalle que debe ser incluido en
el modelo depende de los objetivos planteados para el proyecto. En
todo caso, solo aquellos componentes que causan diferencias
significativas en la toma de decisiones deben ser considerados.
• • Identifica los requerimientos de datos para cada componente del
modelo, por ejemplo, ‘atención al cliente’. Para un buen entendimiento, los
requerimientos de datos pueden ser proyectados, con ellos se pueden
considerar programas o Schedule, algoritmos y controles requeridos para el
modelo.
• • Planeamiento de experimentos. Definir, en forma tentativa, el número y
la naturaleza de los escenarios o alternativas de configuración que será
evaluada.
• • Determinar el formato de presentación de los resultados. Este aspecto
influye significativamente en el tiempo y el esfuerzo involucrado en el
estudio de simulación. En algunos casos se requiere como resultado solo
un valor, con el cual se verifica si el sistema es capaz de alcanzar los
requerimientos de niveles de producción o servicio; en estos casos, un solo
valor es suficiente.
 3. Obtención y análisis estadístico de los datos
• Una vez que en la etapa anterior se han identificado los
requerimientos de los datos, entonces se procede a su obtención para
que sean utilizados durante la etapa de construcción del modelo. Una
inapropiada especificación en el modelo nos conducirá a una pérdida
irreversible de tiempo y esfuerzo. Por ello, los datos deben ser
obtenidos en forma sistemática, clasificados y analizados
estadísticamente.
• Los datos que conciernen al sistema son los involucrados con su
estructura, con los componentes individuales existentes, las
interacciones entre los componentes y las operaciones del sistema.
Los posibles estados del sistema se establecen a partir de esta
información.
• Ejemplo: Operación de control de calidad.
• A continuación se presentan los datos de entrada para el segmento
del modelo:
• Tiempo de traslado de la estación previa a la estación de control.
• Duración de la actividad control de calidad.
• Probabilidad de aceptación y rechazo.
• Tiempo de traslado de la estación de control a la estación siguiente.
• La fuente para la obtención de datos puede provenir de la ejecución de un
estudio de tiempos, de entrevistas personales con los operadores del
sistema, o de otras fuentes.
• El proceso de obtención de datos es vital e implica tiempo y costo; por lo
tanto, debe ejecutarse en forma inteligente y sistemática para asegurar la
construcción del modelo apropiado.
• Una vez obtenidos los datos, estos deben pasar por ciertas pruebas
estadísticas, para ver si se ajustan a alguna distribución de probabilidad. La
información de un sistema tiene carácter dinámico y estocástico, la
variabilidad de este debe modelarse con ciertas ecuaciones matemáticas
que sean capaces de reproducir su comportamiento; en la mayoría de los
casos es posible clasificar dicha variabilidad dentro de alguna distribución
de probabilidad
 4. Construcción del modelo de simulación
• el modelador debe traducir el modelo conceptual en un modelo de
simulación que se prepara en la computadora y se basa en las reglas
del sistema seleccionado, por ejemplo, los software Arena, ProModel,
etcétera.
• Un buen modelo no es aquel que necesariamente es real, pero sí lo
suficientemente útil. Un modelo es útil si tiene suficiente detalle y
exactitud para encontrar los objetivos de la simulación. El grado al
cual el modelo corresponde en detalle y exactitud al sistema actual
está asociado al nivel de fidelidad. Altos niveles de fidelidad requieren
largos desarrollos, depuraciones y tiempos de ejecución. Por ello, se
recomienda establecer un mínimo requerido de fidelidad para lograr
los objetivos del estudio.
 5. Verificación del modelo
• se determina si el modelo de simulación construido refleja correctamente
el modelo conceptual diseñado. Es decir, después de haber terminado la
construcción del modelo es necesaria la comprobación, la confirmación de
que el modelo trabaja correctamente.
• Durante este proceso el modelador trata de detectar errores involuntarios
en el modelo (de datos, de lógica u otros) y eliminarlos. Es recomendable
investigar las regiones extremas de los parámetros de entrada, verificar
que sucedan las cosas correctas con entradas obvias y seguir la secuencia
lógica con las personas familiarizadas con el sistema. En esta etapa se debe
continuar con el proceso de depuración y refinación del modelo, pero en
una proporción menor que en la etapa de construcción.
 6.Validación del modelo
• Mediante el proceso de validación del modelo se determina si el
modelo conceptual rediseñado refleja correctamente el sistema real.
La validación es un proceso racional en el cual el modelador traza
conclusiones acerca de la precisión del modelo, basado en alguna
evidencia disponible.
• La validez del modelo se refiere a si este corresponde al sistema real,
o si por lo menos representa con precisión la data recolectada y las
suposiciones hechas con relación a la manera en que opera el sistema
real. Durante el proceso de construcción del modelo, el modelador
debe estar constantemente comprometido con la validación del
modelo.
• La estructura del modelo (los
algoritmos y las relaciones) debe ser
verificada para ver cuán cerca esta
corresponde a la definición actual del
sistema. Para aquellos modelos que
tienen una lógica de control
compleja, la animación gráfica puede
ser utilizada en forma efectiva como
una herramienta de validación.
Finalmente, la información de salida
del modelo debe ser analizada para
observar si los resultados parecen
razonables. Si estos procedimientos
son ejecutados sin encontrarse una
discrepancia entre el sistema real y el
modelo, entonces se dice que el
modelo tiene una precisa
representación del sistema.
 7. Experimento de simulación,
ejecución y análisis estadístico
• Mediante los experimentos de simulación obtendremos las respuestas de
una manera precisa y eficaz.
• En un experimento de simulación hay ciertas variables llamadas
“independientes” o “variables de entrada”, que pueden ser manipuladas o
variadas. Los efectos que causa esta manipulación en otras variables
denominadas “dependientes” o “variables de respuesta” son medidos. Las
variables independientes son manejadas o manipuladas en la
experimentación; se les llama también variables de decisión o variables de
experimento.
• Desde que el experimentador está interesado en variables dependientes
estas son llamadas variables de respuesta o variables de desempeño.
Varios tipos de experimentos pueden ser conducidos usando
simulación:
• Encontrando el desempeño esperado del diseño particular de un
sistema.
• Encontrando el valor óptimo para una variable de decisión.
• Encontrando la combinación óptima de valores para dos o más
variables de decisión.
• Determinando la sensibilidad del modelo de cambios en una o más
variables.
• Comparando alternativas en la configuración de sistemas.
• El objetivo en la conducción de experimentos no es encontrar cuán
bien opera un sistema particular, sino tener suficiente conocimiento
de cómo mejorar el desempeño del sistema. Desafortunadamente, la
información obtenida de la simulación muy pocas veces identifica las
causas de los problemas, solo reporta el comportamiento sintomático
del problema.
• El conjunto de valores de cada indicador, que resulta de la ejecución
del experimento de simulación, sea de estado estable o transitorio,
deberá ser sometido a pruebas estadísticas de bondad de ajuste a la
distribución Normal, es decir, básicamente a las pruebas de Chi-
cuadrado, Kolmogorov-Smirnov y Anderson Darling. El objetivo de
esta prueba es verificar que se aplica el Teorema del Límite Central
(TLC) para el indicador del estudio, es decir, que los N valores
promedio que se logren producto de las N réplicas forman un
conjunto de valores que se ajustan a una distribución de probabilidad
Normal, y, por lo tanto, se podrá realizar inferencia estadística al
indicador.
Aspectos claves en el diseño del experimento de simulación:
• • ¿Está el interés focalizado en analizar el comportamiento del estado estable del
sistema, o existe un determinado período de tiempo que se desea medir?
• • ¿Cuál es la mejor manera de asegurar que los resultados reflejen solo el período de
tiempo de interés y no sean influenciados por otras condiciones, como las condiciones
iniciales?
• • ¿Cuál es el mejor método para obtener una muestra de observaciones que pueden ser
usadas para estimar el comportamiento del modelo?
• • ¿Cuál es la longitud apropiada para ejecutar la simulación?
• • ¿Cuántas réplicas deben ser ejecutadas?
• • ¿Cuántas secuencias de números aleatorios deben ser utilizadas en el modelo?
• • ¿Es factible realizar inferencia estadística con los valores obtenidos de cada indicador
(producto de las N réplicas)?, ¿realmente se ajustan a una distribución Normal?
Las respuestas a estas preguntas dependerán del grado de precisión requerido del
proyecto de simulación.
 8. Entrega de documentación y presentación
de resultados
• En esta etapa se hacen las recomendaciones para mejorar el sistema
real sobre la base de los resultados del modelo de simulación.
• Estas recomendaciones deben ser alcanzadas mediante un informe o
reporte final, en el cual se adjunta la data utilizada, el desarrollo del
modelo y los experimentos ejecutados.
• Los resultados deben ser presentados de forma que sean fáciles de
evaluar; la animación y las gráficas son muy útiles como ayuda para
comunicar los resultados del estudio de simulación.