PRACTICA 1

SOFWARE/ SIM-IO

Objetivo:

El objetivo de esta práctica es realizar una simulación de un proceso y lograr una mayor
eficiencia y eficacia dentro de la logística de nuestros productos y conocer este tipo de
herramientas que nos pueden facilitar nuestro trabajo dentro de una empresa.

Introducción:

Para poder realizar nuestros ejercicios en nuestro sofware SIM-IO es necesario tomar en
cuenta que para realizar una simulación en nuestro programa debemos conocer nuestra
distribución normal, binomial, Poisson, Fisher etc..
Estos modelos ayudan a comprender y predecir el comportamiento de los fenómenos
estudiados.
Simulación y pronóstico: Las distribuciones también son fundamentales en la simulación y
el pronóstico. A partir de una distribución conocida, se pueden generar datos simulados que
representen situaciones hipotéticas o futuras. Esto permite evaluar el desempeño de un
sistema, realizar análisis de riesgo o explorar diferentes escenarios posibles.
Toma de decisiones: Conocer la distribución subyacente de los datos es crucial para tomar
decisiones informadas. Al comprender cómo se distribuyen los datos, se pueden evaluar las
probabilidades asociadas a diferentes resultados y tomar decisiones basadas en evidencia
estadística. Esto es especialmente relevante en áreas como la planificación empresarial, la
gestión de riesgos y la optimización de recursos.
Para ello realizaremos una práctica en SIM-IO que es un software de simulación
empresarial que nos ayudara a analizar sistemas complejos en diversas áreas, como
operaciones, logística, gestión de la cadena de suministro y planificación estratégica.
También podremos crear modelos de simulación y llevar a cabo experimentos virtuales que
permiten entender mejor el comportamiento y las interacciones dentro de un sistema.
 Desarrollo:
Las distribuciones son fundamentales en el ámbito de la estadística y la probabilidad. Son
modelos matemáticos que describen la forma en que se distribuyen los datos en un conjunto
de observaciones.
Existen diferentes tipos de distribuciones, cada una con sus propias propiedades y
aplicaciones. Algunas de las distribuciones más comunes incluyen:
 Distribución normal (o gaussiana): Es una distribución simétrica que sigue una
forma de campana. Es ampliamente utilizada debido al teorema del límite central,
que establece que muchas variables aleatorias tienden a seguir una distribución
normal cuando el tamaño de la muestra es grande y se cuenta con límites de
especificación.
 Distribución uniforme: Es una distribución en la que todos los valores tienen la
misma probabilidad de ocurrir. Es útil cuando se requiere asignar probabilidades
igualmente a eventos sin tener información adicional.
 Distribución exponencial: Es una distribución utilizada para modelar el tiempo entre
eventos sucesivos en un proceso de Poisson. Tiene una cola larga y se utiliza
comúnmente para modelar tiempos de espera o tasas de fallas en sistemas.
 Distribución de Poisson: Es una distribución discreta que se utiliza para modelar el
número de eventos raros o discretos en un intervalo de tiempo o espacio. Es útil en
aplicaciones como el conteo de ocurrencias de eventos en un intervalo dado.
 Distribución de Bernoulli y distribución binomial: Estas distribuciones se utilizan
para modelar variables binarias o de éxito/fracaso. La distribución de Bernoulli se
refiere a un solo evento, mientras que la distribución binomial se utiliza cuando se
realizan múltiples eventos independientes. También puede ser conocida como “pasa
no pasa”, es decir en la distribución binomial nos va a decir que el 80% es correcto,
esto quiere decir que se acepta el 80% y se rechaza el 20%.
Estos son solo ejemplos de algunas distribuciones comunes, pero existen muchas otras
distribuciones con propiedades y aplicaciones específicas.
El estudio de las distribuciones permite comprender la naturaleza de los datos y
proporciona herramientas para el análisis estadístico, la inferencia, el modelado y la toma
de decisiones. Es fundamental en diversos campos como la investigación científica, el
análisis de datos, la ingeniería, la economía y muchas otras disciplinas que requieren un
enfoque cuantitativo.
 Otro tema fundamental que se debe tomar en cuenta es:
La teoría de colas es un campo de estudio que se ocupa del análisis y modelado matemático
de los sistemas de espera o colas. Estos sistemas se encuentran en diversos entornos, como
aeropuertos, tiendas, líneas de producción y centros de atención al cliente. A continuación,
se presenta un resumen de los conceptos clave de la teoría de colas:
 Proceso de llegada: Se refiere a la forma en que los clientes o elementos llegan al
sistema de colas. Se modela mediante una distribución de probabilidad que describe
los intervalos entre las llegadas sucesivas.
 Proceso de servicio: Se refiere al tiempo que se requiere para atender a un cliente o
procesar un elemento. También se modela mediante una distribución de
probabilidad que describe la duración del servicio.
 Sistema de colas: Consiste en una o más líneas de espera donde los clientes esperan
ser atendidos. Puede haber una o varias etapas de servicio, como en un sistema de
varias ventanillas o en una línea de producción con diferentes etapas.
 Disciplina de servicio: Define las reglas para atender a los clientes en la cola.
Algunas disciplinas comunes incluyen el servicio en orden de llegada (FIFO),
prioridades basadas en características del cliente o prioridades aleatorias.
 Métricas de desempeño: Se utilizan para evaluar y comparar el rendimiento de los
sistemas de colas. Algunas métricas comunes son el tiempo promedio de espera en
la cola, el tiempo promedio en el sistema, la tasa de utilización de los servidores y la
probabilidad de que no haya clientes en el sistema.
 Modelos de colas: La teoría de colas proporciona diferentes modelos matemáticos
para analizar los sistemas de espera.
 EJEMPLO DE EJERCICIO EN PROGRAMA SIMI-O
-Al abrir nuestro programa podemos observar tenemos una escala predefinida en metros, es
decir, si arrastramos hacia la izquierda tenemos -10m y a la derecha un valor de 10m

-vamos a comenzar por observar cómo se comporta la fuente que la podemos encontrar del
lado izquierdo de nuestro programa con el siguiente icono:
-Lo arrastramos hacia nuestra hoja de trabajo y en la parte inferior derecha nos aparecerá un
recuadro en el cual nosotros podemos poner la separación entre objeto y objeto.

-Vamos a terminar de colocar nuestro SERVIDOR que no vamos a encontrar con el

siguiente icono Y finalmente nuestro TERMINADOR

quedándonos de la siguiente manera:

-Colocamos una nuestra primera banda transportadora que de igual manera vamos a
encontrar en nuestra parte izquierda de nuestro programa con el siguiente icono

que va de nuestra fuente a nuestro servidor.

-Colocamos nuestra segunda banda transportadora que va de nuestro servidor hasta nuestro
terminador.

-Ahora vamos a simular nuestro ejercicio para ello damos click en el siguiente icono
-Observamos como nuestra simulación no cuenta con ningún dato, tiempo especifico para
realizar en comportamiento de cada uno de ellos vamos a cambiar nuestros valores, primero
damos click en nuestro Source (FUENTE) y colocamos un vamos de .55 en Time Offset y
un valor de 2 en Entities Per Arrival.

-Damos click en nuestra área de trabajo y Corremos nuestro programa

-Es importante tener en cuenta que al realizar este cambio nuestro producto se retrasa y
genera que se haga una cola al ingresar a nuestro servidor, lo cual a lenta nuestro proceso,
lo que no es

-Colocamos nuevos valores y corremos nuestro programa

-Se puede observar cómo va llegando de uno en uno a cada estación de trabajo.
-Ahora nos vamos a nuestra segunda estación que es nuestro SERVIDOR, y de igual
manera vamos a cambiar nuestro valor Initial Capacity y nos quedara de la siguiente
manera:
-Nuestro programa nos va a permitir colocar las estaciones de trabajo que nosotros
requiramos, en este caso vamos a colocar 5 fuentes agregamos su banda

transportadora y nos quedara de la siguiente manera:

-ahora podemos agregar más entidades en este caso vamos a colocar 5

entidades los cuales les asignaremos el nombre de PRODUCTO 1, PRODUCTO 2,
PRODUCTO 3 .. ETC.

-Para cambial el color a cada entidad damos click nuestra herramienta de y damos
click en nuestra entidad quedando de la siguiente manera:

-Así vamos a asignar un color en cada una de nuestras entidades.

-Para que cada entidad corra en su banda transportadora correspondiente vamos a dar click
en nuestras fuentes y nos arrojara un recuadro en parte inferior derecha. Vamos a relacionar
cada una de nuestras fuentes con nuestras entidades. Por ejemplo: Damos click en nuestra
FUENTE1 y en nuestras entidades seleccionamos PRODUCTO 1.

-Corremos nuestro programa y así es como podemos observar cada una de nuestras
entidades.
-El programa nos va a permitir importar piezas realizadas para ello nos vamos a y
seleccionamos nuestra pieza. Ejemplo: Pieza 3 Sketchup
-Damos click en OK.

-Y de esta manera podemos importar nuevas entidades y asignarles un color.

-Finalmente corremos nuestro programa

-Para tener una mejor visualización podemos observar nuestra simulación en 2D dando
click en nuestra tecla num 3
 CONCLUSIÒN
En conclusión, SIM-IO es un software de simulación empresarial que nos va a permitir
modelar y analizar sistemas complejos. Proporciona una interfaz intuitiva y herramientas
poderosas para construir modelos de simulación, realizar experimentos virtuales y evaluar
el desempeño de un sistema. Es una herramienta valiosa para la toma de decisiones
estratégicas y la optimización de procesos en diferentes áreas empresariales.