Machine Translated by Google

Actas  de  la  Conferencia  de  simulación  de  invierno  de  
2008  SJ  Mason,  RR  Hill,  L.  Mönch,  O.  Rose,  T.  Jefferson,  JW  Fowler  eds.

CÓMO  CONSTRUIR  MODELOS  DE  SIMULACIÓN  VÁLIDOS  Y  CREIBLES

Averill  M.  Ley

Averill  M.  Law  &  Associates,  Inc.
6601  East  Grant  Road,  Suite  110  
Tucson,  AZ  85715,  EE.  UU.

ABSTRACTO actualmente  existe  (ver  Sección  2.8).  Por  ejemplo,  un  
modelo  de  un  banco  de  barrio  sería  relativamente  fácil  de  
En  este  tutorial  presentamos  técnicas  para  construir  modelos  de   validar  ya  que  podría  observarse  de  cerca.  Por  otro  lado,  
simulación  válidos  y  creíbles.  Las  ideas  que  se  discutirán  incluyen  la   un  modelo  de  efectividad  de  un  sistema  de  armas  navales  
importancia  de  una  formulación  definitiva  del  problema,  discusiones   en  el  año  2025  sería  virtualmente  imposible  de  validar  por  
con  expertos  en  la  materia,  interacción  regular  con  el  tomador  de   completo,  ya  que  se  desconocería  la  ubicación  de  la  batalla  
decisiones,  desarrollo  de  un  documento  de  supuestos  por  escrito,   y  la  naturaleza  de  las  armas  enemigas.  Además,  a  menudo  
recorrido  estructurado  del  documento  de  supuestos,  uso  de  análisis   es  posible  recopilar  datos  en  un  sistema  existente  que  se  
de  sensibilidad  para  determinar  factores  importantes  del  modelo  y   puede  usar  para  construir  y  validar  un  modelo.
comparación  de  los  datos  de  salida  del  sistema  y  del  modelo  para  un  
sistema  existente  (si  lo  hay).  Cada  idea  se  ilustrará  con  uno  o  más  
ejemplos  del  mundo  real.  También  discutiremos  la  dificultad  de  usar   •  Un  modelo  de  simulación  de  un  sistema  complejo  solo  puede  
técnicas  estadísticas  formales  (p.  ej.,  intervalos  de  confianza)  para   ser  una  aproximación  al  sistema  real,  sin  importar  cuánto  
validar  modelos  de  simulación. tiempo  y  dinero  se  gaste  en  la  construcción  del  modelo.  No  
existe  tal  cosa  como  la  validez  absoluta  del  modelo,  ni  
siquiera  se  desea.  De  hecho,  se  supone  que  un  modelo  
1  QUÉ  ES  LA  VALIDACIÓN  DE  MODELOS es  una  abstracción  y  una  simplificación  de  la  realidad.  
Cuanto  más  tiempo  (y  por  lo  tanto  dinero)  se  gaste  en  el  
El  uso  de  un  modelo  de  simulación  es  un  sustituto  de  la   desarrollo  del  modelo,  más  válido  debería  ser  el  modelo  
experimentación  con  el  sistema  real  (existente  o  propuesto),  que  suele   en  general.  Sin  embargo,  el  modelo  más  válido  no  es  
ser  perturbador,  no  rentable  o  simplemente  imposible.  Por  lo  tanto,   necesariamente  el  más  rentable.  Por  ejemplo,  aumentar  
si  el  modelo  no  es  una  aproximación  “cercana”  al  sistema  real,  es   la  validez  del  modelo  más  allá  de  un  cierto  nivel  puede  ser  
probable  que  cualquier  conclusión  derivada  del  modelo  sea  errónea   bastante  costoso,  ya  que  puede  requerirse  una  recopilación  
y  resulte  en  la  toma  de  decisiones  costosas.  La  validación  debe  y   de  datos  extensa,  pero  es  posible  que  no  conduzca  a  
puede  realizarse  para  todos  los  modelos,  independientemente  de  si   mejores  conocimientos  o  decisiones  significativamente.
el  sistema  correspondiente  existe  de  alguna  forma  o  si  se  construirá  
en  el  futuro.

•  Siempre  se  debe  desarrollar  un  modelo  de  simulación  para  un  
Ahora  damos  definiciones  de  validación  y  credibilidad. conjunto  particular  de  objetivos.  De  hecho,  un  modelo  que  
La  validación  es  el  proceso  de  determinar  si  un  modelo  de  simulación   es  válido  para  un  objetivo  puede  no  serlo  para  otro.
es  una  representación  precisa  del  sistema,  para  los  objetivos  
particulares  del  estudio.  Las  siguientes  son  algunas  perspectivas   •  La  validación  no  es  algo  que  deba  intentarse  después  de  que  
generales  sobre  la  validación: el  modelo  de  simulación  ya  se  haya  desarrollado,  y  solo  
si  queda  tiempo  y  dinero.
•  Se  puede  utilizar  un  modelo  “válido”  para  tomar  decisiones   Desafortunadamente,  nuestra  experiencia  
similares  a  las  que  se  tomarían  si  fuera  factible  y  rentable   indica  que  esta  recomendación  a  menudo  no  se  sigue.
experimentar  con  el  sistema  mismo.  •  La  facilidad  o  
dificultad  del  
proceso  de  validación  depende  de  la  complejidad  del  sistema   Ejemplo  1:  Una  organización  pagó  a  una  empresa  de  consultoría  
que  se  está  modelando  y  de  si  una  versión  del  sistema $500.000  para  realizar  un  “estudio  de  simulación”  que  tuvo  una  
duración  de  seis  meses.  Después  de  que  el  estudio  fue

978­1­4244­2708­6/08/$25.00  ©2008  IEEE 39
Machine Translated by Google

Ley

supuestamente  completado,  una  persona  de  la  organización  cliente   1.1  Un  enfoque  de  siete  pasos  para  llevar  a  cabo  un  éxito
nos  llamó  y  preguntó:  "¿Pueden  decirme  en  cinco  minutos  por   Estudio  de  simulación  exitoso
teléfono  cómo  validar  nuestro  modelo?"  •  Cada  vez  que  se  
considera  un  modelo  de  simulación  para  una  nueva  aplicación,  es   En  la  Figura  1  presentamos  un  enfoque  de  siete  pasos  para  realizar  un  
necesario  volver  a  examinar  su  validez.  El  propósito  actual   estudio  de  simulación  exitoso.  Tener  un  enfoque  definitivo  para  realizar  
puede  ser  sustancialmente  diferente  del  propósito  original  o  el   un  estudio  de  simulación  es  fundamental  para  el  éxito  del  estudio  en  
paso  del  tiempo  puede  haber  invalidado  ciertos  parámetros   general  y  para  desarrollar  un  modelo  válido  en  particular.  En  la  Sección  
del  modelo. 2  relacionaremos  cada  una  de  nuestras  técnicas  de  validación/mejora  de  
la  credibilidad  con  uno  o  más  de  estos  pasos.  Ahora  discutimos  actividades  
importantes  que  tienen  lugar  en  cada  uno  de  los  siete  pasos.
Un  modelo  de  simulación  y  sus  resultados  tienen  credibilidad  si  
quien  toma  las  decisiones  y  otro  personal  clave  del  proyecto  los  aceptan  
como  “correctos”.  Tenga  en  cuenta  que  un  modelo  creíble  no  es   Paso  1.  Formular  el  Problema
necesariamente  válido,  y  viceversa.  Las  siguientes  cosas  ayudan  a  
establecer  la  credibilidad  de  un  modelo: •  El  problema  de  interés  lo  establece  el  tomador  de  decisiones.

­
•  La  comprensión  y  el  acuerdo  del  tomador  de  decisiones  con  los   Puede  que  no  se  establezca  con  precisión  o  en  términos  
supuestos  del  modelo. cuantitativos.
•  Demostración  de  que  el  modelo  ha  sido  validado  y  verificado  (es   ­  A  menudo  es  necesario  un  proceso  iterativo.  •  Se  
decir,  que  el  programa  de  computadora  del  modelo  ha  sido   realiza(n)  una(s)  reunión(es)  inicial(es)  para  el  proyecto  de  
depurado) simulación,  con  la  asistencia  del  gerente  del  proyecto,  los  
•  La  propiedad  del  tomador  de  decisiones  de  y  en analistas  de  simulación  y  los  expertos  en  la  materia  (SME).  En  
participación  en  el  proyecto  •   esta  reunión  se  discuten  los  siguientes  temas:  ­  Los  objetivos  
Reputación  de  los  desarrolladores  del  modelo  •   generales  del  estudio  ­  Las  

Una  animación  atractiva preguntas  específicas  que  el  estudio  debe  
responder  (sin  tal  especificidad  es  imposible  determinar  el  

El  Departamento  de  Defensa  de  EE.  UU.  (DoD)  es  un  gran  usuario   nivel  apropiado  de  detalle  del  modelo)

de  modelos  de  simulación  y,  en  los  últimos  años,  ha  habido  un  interés  
considerable  en  la  verificación,  validación  y  un  concepto  conocido  como  
acreditación  (VV&A).  La  acreditación  (ver  Oficina  de  Coordinación  de   ­  Las  medidas  de  rendimiento  que  se  utilizarán  para  evaluar  la  

Modelado  y  Simulación  (2008))  es  la  certificación  oficial  (por  parte  del   eficacia  de  las  diferentes  configuraciones  del  sistema  

patrocinador  del  proyecto)  de  que  un  modelo  de  simulación  es  aceptable   ­  El  alcance  del  

para  un  propósito  específico.  La  principal  razón  por  la  que  la  acreditación   modelo  ­  Las  configuraciones  del  

es  obligatoria  dentro  del  Departamento  de  Defensa  es  que  alguien  debe   sistema  que  se  modelarán  ­  El  marco  de  tiempo  para  el  

asumir  la  responsabilidad  de  la  decisión  de  utilizar  un  modelo  para  una   estudio  y  los  recursos  necesarios  (personas,  computadoras,  

aplicación  en  particular,  ya  que  puede  estar  en  juego  una  gran  cantidad   etc.)

de  dinero  y  la  vida  de  las  personas.
Paso  2.  Recolectar  Información/Datos  y  Construir  un  Documento  de  

Tenga  en  cuenta  que  muchas  de  las  ideas  y  ejemplos  presentados   Supuestos

en  este  documento  se  basan  en  el  capítulo  "Construir  modelos  de  
simulación  válidos,  creíbles  y  adecuadamente  detallados"  en  Law  (2007)   •  Recolectar  información  sobre  el  diseño  del  sistema  y  los  
y  también  en  los  cursos  cortos  de  simulación  presentados  por  el  autor.   procedimientos  
Otras  referencias  sobre  validación  de  modelos  son  Balci  (1998),  Banks   operativos.  •  Recopilar  datos  para  especificar  los  parámetros  del  
et  al.  (2005),  Carson  (1986),  Sargent  (2007)  y  Shannon  (1975). modelo  y  las  distribuciones  de  probabilidad  (p.  ej.,  para  el  
tiempo  de  falla  y  el  tiempo  de  reparación  de  una  
El  resto  de  este  documento  está  organizado  de  la  siguiente  manera. máquina).  •  Documentar  los  supuestos  del  modelo,  algoritmos,
En  la  Sección  1.1  presentamos  un  enfoque  de  siete  pasos  para  realizar   y  resúmenes  de  datos  en  un  documento  escrito  de  supuestos.
un  estudio  de  simulación  exitoso.  En  la  Sección  2  discutimos  técnicas  
para  desarrollar  un  modelo  de  simulación  más  válido  y  creíble.  En  la   •  El  nivel  de  detalle  del  modelo  debe  depender  de  lo  siguiente:
Sección  3  se  dan  pautas  para  obtener  buenos  datos  del  modelo.  
Finalmente,  la  Sección  4  proporciona  un  resumen  de  las  ideas  de   ­  Objetivos  del  proyecto
validación  más  importantes. ­  Medidas  de  rendimiento  de  interés
­  Disponibilidad  de  datos

40
Machine Translated by Google

Ley

Paso  4.  Programa  el  Modelo
1 Formula  el  problema

•  Programe  el  documento  de  supuestos  en  un  paquete  de  
software  de  simulación  comercial  (Arena,  Ex  tendSim,  
Flexsim,  ProModel,  etc.)  o  en  un  lenguaje  de  programación  
Recolectar
de  propósito  general  (p.  ej.,  C++  o  Java).  •  Verificar  
Información/Datos  y  
2 Construir  un
(depurar)  el  programa  de  la  computadora.
Documento  de  supuestos

Paso  5.  ¿Es  válido  el  modelo  programado?

No •  Si  hay  un  sistema  existente,  compare  los  datos  de  salida  del  
¿Es  válido  el  
3 modelo  de  simulación  para  el  sistema  con  los  datos  de  
Documento  de  Supuestos?
salida  comparables  recopilados  del  sistema  real  (consulte  
el  Paso  2).  Esto  se  llama  validación  de  resultados.
Sí

•  Independientemente  de  si  existe  un  sistema  existente,  los  
4 programar  el  modelo analistas  de  la  simulación  y  las  PYME  deben  revisar  los  
resultados  de  la  simulación  para  determinar  si  son  razonables.
Si  los  resultados  son  consistentes  con  la  forma  en  que  
perciben  que  debe  operar  el  sistema,  entonces  se  dice  que  el  
¿Es  válido  el  modelo   No
modelo  de  simulación  tiene  validez  aparente.  
5 programado?
•  Se  deben  realizar  análisis  de  sensibilidad  en  el  modelo  
programado  para  ver  qué  factores  tienen  el  mayor  impacto  
Sí
en  las  medidas  de  desempeño  y,  por  lo  tanto,  se  deben  
modelar  cuidadosamente.
Diseñar,  realizar  y  
6 analizar
Paso  6.  Diseñar,  realizar  y  analizar  experimentos
Experimentos

•  Para  cada  configuración  de  sistema  de  interés,  decida  
cuestiones  tácticas  como  la  duración  de  la  carrera,  el  
Documentar  y  presentar  los   período  de  calentamiento  y  el  número  de  réplicas  de  
modelos  
7 resultados  de  la  simulación
independientes.  •  Analizar  los  resultados  y  decidir  si  se  
requieren  experimentos  adicionales
Figura  1:  Un  enfoque  de  siete  pasos  para  realizar  una
Estudio  de  simulación  exitoso Paso  7.  Documentar  y  presentar  los  resultados

­ Problemas  de   •  La  documentación  del  modelo  (y  el  estudio  de  simulación  asociado)  
credibilidad  ­  Restricciones   debe  incluir  el  documento  de  supuestos  (críticos  para  la  futura  
informáticas  ­  Opiniones   reutilización  del  modelo),  una  descripción  detallada  del  programa  
de  las  PYME  ­  Restricciones  de  tiempo   de  computadora  y  los  resultados  del  estudio  actual.
y  dinero  •  No  debe  haber  una  correspondencia  uno  a  uno  entre  el  
modelo  y  el  sistema. •  La  presentación  final  del  estudio  de  simulación  generalmente  debe  
incluir  una  animación  y  una  discusión  sobre  el  proceso  de  
Paso  3.  ¿Es  válido  el  Documento  de  Supuestos? construcción/validación  del  modelo  para  promover  la  credibilidad  
del  modelo.
•  Realice  un  recorrido  estructurado  del  documento  de  supuestos  
ante  una  audiencia  que  incluya  al  gerente  del  proyecto,  analistas   2  TÉCNICAS  PARA  DESARROLLAR  VÁLIDA  Y
y  PyMEs. MODELOS  CREIBLES
•  Si  se  descubren  errores  u  omisiones  en  el  documento  de  
supuestos,  que  es  casi  siempre  el  caso,  entonces  el  documento   En  esta  sección  presentamos  técnicas  prácticas  para  desarrollar  
de  supuestos  debe  actualizarse  antes  de  proceder  a  la   modelos  válidos  y  creíbles.  Al  final  del  título  de  cada  subsección,  
programación  en  el  Paso  4. indicamos  entre  corchetes  (“[ ]”)  en  cuál  de

41
Machine Translated by Google

Ley

los  siete  pasos  (como  mínimo)  se  debe  aplicar  la  técnica. •  El  interés  y  la  participación  del  tomador  de  decisiones
en  el  estudio  se  mantienen.
•  El  modelo  es  más  creíble  porque  la  decisión
2.1  Formulación  precisa  del  problema  [1] fabricante  entiende  y  está  de  acuerdo  con  los  supuestos  
del  modelo.
Es  fundamental  formular  el  problema  de  interés  de  manera  precisa.  
Esto  debe  incluir  una  declaración  general  del  problema  a  resolver,   Ejemplo  2.  Un  analista  militar  trabajó  en  un  proyecto  de  
una  lista  de  las  preguntas  específicas  que  el  modelo  debe  responder   simulación  durante  varios  meses  sin  interactuar  con  el  general  
y  las  medidas  de  rendimiento  que  se  utilizarán  para  evaluar  la   que  lo  solicitó.  En  la  sesión  informativa  final  del  Pentágono  
eficacia  de  las  configuraciones  particulares  del  sistema.  Sin  una   para  el  estudio,  el  general  salió  después  de  cinco  minutos  y  
declaración  definitiva  de  las  preguntas  específicas  de  interés,  es   dijo:  "Ese  no  es  el  problema  que  me  interesa".
imposible  decidir  sobre  un  nivel  apropiado  de  detalle  del  modelo.  Las  
medidas  de  desempeño  también  deben  establecerse  claramente  ya  
que  diferentes  medidas  pueden  dictar  diferentes  niveles  de  detalle   2.4  Uso  de  técnicas  cuantitativas  para  validar  Com
del  modelo  (ver  Law  (2007,  pp.  687­688)  para  un  ejemplo). componentes  del  Modelo  [2]

Cuando  el  tomador  de  decisiones  inicia  por  primera  vez  un   El  analista  de  simulación  debe  usar  técnicas  cuantitativas  siempre  
estudio  de  simulación,  el  problema  exacto  a  resolver  a  veces  no  se   que  sea  posible  para  probar  la  validez  de  varios  componentes  del  
establece  con  precisión  o  incluso  no  se  comprende  por  completo.   modelo  general.  A  continuación  damos  ejemplos  de  técnicas  que  se  
Así,  a  medida  que  avanza  el  estudio  y  se  obtiene  una  mejor   han  utilizado  para  este  propósito.
comprensión,  esta  información  debe  ser  comunicada  al  tomador  de   Si  uno  ha  ajustado  una  distribución  de  probabilidad  teórica  (por  
decisiones,  quien  podrá  reformular  el  problema. ejemplo,  exponencial  o  normal)  a  un  conjunto  de  datos  observados,  
entonces  la  idoneidad  de  la  representación  puede  evaluarse  utilizando  
2.2  Entrevistar  a  expertos  en  la  materia  [1­6] diagramas  gráficos  y  pruebas  de  bondad  de  ajuste  (ver  Law  (2007,  
capítulo  6 )).
Nunca  habrá  una  sola  persona  que  sepa  toda  la  información   Como  se  discutirá  en  la  Sección  3,  es  importante  usar  datos  
necesaria  para  construir  un  modelo  de  simulación.  Por  lo  tanto,  será   apropiados  para  construir  un  modelo;  sin  embargo,  es  igualmente  
necesario  que  los  analistas  de  simulación  hablen  con  muchas  PYME   importante  tener  cuidado  al  estructurar  estos  datos.  Por  ejemplo,  si  
diferentes  para  obtener  una  comprensión  completa  del  sistema  que   se  han  observado  varios  conjuntos  de  datos  para  el  “mismo”  
se  va  a  modelar.  Tenga  en  cuenta  que  parte  de  la  información   fenómeno  aleatorio,  entonces  se  puede  evaluar  si  es  correcto  
proporcionada  por  las  PYME  será  invariablemente  incorrecta;  si  una   fusionar  estos  conjuntos  de  datos  mediante  el  uso  de  la  prueba  de  
determinada  parte  del  sistema  es  particularmente  importante,  se   homogeneidad  de  poblaciones  de  Kruskal­Wallis  (ver  Law  (2007,  
debe  consultar  al  menos  a  dos  PYME.  Idealmente,  una  PYME   pág.  págs.  380­381)).  Si  los  conjuntos  de  datos  parecen  ser  
debería  tener  algún  conocimiento  de  modelado  de  simulación,  para   homogéneos,  se  pueden  fusionar  y  el  conjunto  de  datos  combinado  
que  pueda  proporcionar  información  relevante.  En  la  Sección  2.6,   se  puede  utilizar  para  algún  propósito  en  el  modelo  de  simulación.
analizaremos  una  técnica  que  ayuda  a  garantizar  que  los  supuestos  
de  un  modelo  sean  correctos  y  completos;  esta  técnica  también  es   Ejemplo  3.  Considere  un  sistema  de  fabricación  para  el  cual  se  
útil  para  resolver  las  diferencias  de  opinión  entre  las  PYME. recopilaron  datos  de  tiempo  de  falla  y  tiempo  de  reparación  
para  dos  máquinas  "idénticas"  fabricadas  por  el  mismo  
proveedor.  Sin  embargo,  la  prueba  de  Kruskal­Wallis  mostró  
2.3  Interactuar  con  el  tomador  de  decisiones  de  manera  regular   que  las  dos  distribuciones  eran,  de  hecho,  diferentes  para  las  
[1­7] dos  máquinas.  Por  lo  tanto,  a  cada  máquina  se  le  dio  su  propio  
tiempo  de  falla  y  tiempo  de  reparación  en  el  modelo  de  
Una  de  las  ideas  más  importantes  para  desarrollar  un  modelo  válido   simulación.
y  creíble  es  que  el  analista  interactúe  regularmente  con  el  tomador  
de  decisiones  y  otros  miembros  del  equipo  del  proyecto.  Este  enfoque   2.5  Desarrollo  del  Documento  de  Supuestos  [2­3]
tiene  los  siguientes  beneficios  clave:
Los  errores  de  comunicación  son  una  de  las  principales  razones  por  
las  que  los  modelos  de  simulación  a  menudo  contienen  suposiciones  
•  Ayuda  a  garantizar  que  se  resuelva  el  problema  correcto.  •   no  válidas.  La  documentación  de  todos  los  conceptos,  suposiciones,  
Es  posible  que  inicialmente  no  se  conozca  la  naturaleza  exacta   algoritmos  y  resúmenes  de  datos  puede  disminuir  este  problema.  
del  problema.  •   También  aumentará  la  credibilidad  del  modelo.  Un  documento  de  
El  tomador  de  decisiones  puede  cambiar  sus  objetivos  durante   supuestos  no  debe  ser  una  descripción  “exacta”  de  cómo  funciona  el  
el  curso  del  estudio. sistema,  sino  más  bien  una  descripción  de  cómo  funciona  en  relación  
con  los  problemas  particulares  que  el  modelo  debe  abordar.

42
Machine Translated by Google

Ley

vestido.  Este  informe  es  la  documentación  principal  del  modelo  y  debe   debe  llevarse  a  cabo  antes  del  comienzo  de  la  programación  en  caso  
ser  legible  por  analistas,  pymes  y  gerentes  técnicos.  Las  siguientes  son   de  que  se  descubran  problemas  importantes  en  la  reunión.  El  documento  
algunas  de  las  cosas  que  deben  incluirse  en  el  documento  de  supuestos: de  supuestos  debe  enviarse  a  los  participantes  antes  de  la  reunión  y  
solicitar  sus  comentarios.  Sin  embargo,  no  consideramos  que  esto  sea  
un  sustituto  del  recorrido  estructurado  en  sí  mismo,  ya  que  es  posible  
•  Una  sección  de  descripción  general  que  analiza  los  objetivos   que  las  personas  no  tengan  el  tiempo  o  la  motivación  para  revisar  el  
generales  del  proyecto,  los  problemas  específicos  que   documento  detenidamente  por  su  cuenta.
abordará  el  modelo  y  las  medidas  de  desempeño   Además,  las  interacciones  que  tienen  lugar  en  la  reunión  real  son  
invaluables.
relevantes.  •  Un  diagrama  de  flujo  de  proceso/diseño  del  sistema  (si  corresponde).
priado)
•  Descripciones  detalladas  de  cada  subsistema  (en  formato  de   Ejemplo  4.  En  un  recorrido  estructurado  de  un  sistema  de  
viñetas  para  facilitar  la  lectura)  y  cómo  interactúan transporte,  las  PYME  presentes  encontraron  que  un  porcentaje  
significativo  de  los  supuestos  que  nos  dio  nuestro  patrocinador  
•  Qué  suposiciones  simplificadoras  se  hicieron  y corporativo  eran  incorrectos.  (Debido  a  las  grandes  distancias  
por   geográficas  entre  las  oficinas  centrales  del  patrocinador  y  las  
qué  •  Limitaciones  del  modelo  •   PYMES,  no  fue  posible  que  las  PYMES  estuvieran  presentes  en  
la  reunión  inicial  del  proyecto).  Como  resultado,  se  asignaron  
Resúmenes  de  los  datos  de  entrada  del  modelo  (los  análisis  
responsabilidades  a  varias  personas  para  recopilar  información  
técnicos  deben  incluirse  en  los  apéndices  para  promover  la  
sobre  diferentes  partes  del  sistema.  La  información  recopilada  se  
legibilidad  del  informe  por  parte  de  los  
utilizó  para  actualizar  el  documento  de  supuestos  y  se  realizó  con  
tomadores  de  decisiones)  •  Fuentes  de  información  importante  o  controvertida
ción éxito  un  segundo  recorrido.

El  documento  de  supuestos  debe  contener  suficientes  detalles  
2.7  Realización  de  análisis  de  sensibilidad  para  determinar  factores  
para  que  sea  un  "modelo"  para  crear  el  programa  de  computadora  de  
importantes  del  modelo  [5]
simulación  (en  el  Paso  4).  En  la  comunidad  de  defensa  y  en  otros  
lugares,  existe  un  documento  con  algo  en  común  con  el  documento  
Una  técnica  importante  para  determinar  qué  factores  del  modelo  tienen  
de  supuestos,  que  se  denomina  modelo  conceptual.  Sin  embargo,  en  
un  impacto  significativo  en  las  medidas  de  rendimiento  deseadas  es  el  
muchos  casos  representa  los  pensamientos  iniciales  de  los  
análisis  de  sensibilidad.  Si  un  factor  particular  parece  ser  importante,  
desarrolladores  del  modelo  sobre  la  forma  que  eventualmente  tomará  
entonces  necesita  ser  modelado  cuidadosamente.  Los  siguientes  son  
el  modelo.
ejemplos  de  factores  que  podrían  investigarse  mediante  un  análisis  de  
sensibilidad:
2.6  Realización  de  un  recorrido  estructurado  del  documento  de  
supuestos  [3]
•  El  valor  de  un  parámetro  (ver  Ejemplo  5)  •  La  elección  

Como  se  mencionó  anteriormente,  el  analista  de  simulación  deberá   de  una  distribución  de  probabilidad  •  La  entidad  que  

recopilar  información  del  sistema  de  muchas  PYME  diferentes. se  mueve  a  través  del  sistema  simulado  •  El  nivel  de  detalle  de  
Además,  estas  personas  suelen  estar  muy  ocupadas  lidiando  con  los   un  subsistema
problemas  diarios  que  ocurren  dentro  de  su  organización,  lo  que  a  
menudo  hace  que  presten  algo  menos  que  toda  su  atención  a  las   Ejemplo  5.  En  un  estudio  de  simulación  de  un  nuevo  sistema,  
preguntas  planteadas  por  el  analista  de  simulación.  Como  resultado,   suponga  que  el  valor  de  una  probabilidad  se  estima  en  0,75  como  
resultado  de  las  conversaciones  con  las  PYME.  La  importancia  de  
existe  un  peligro  considerable  de  que  el  analista  no  obtenga  una  
descripción  completa  y  correcta  del  sistema.  Una  forma  efectiva  de   obtener  el  valor  de  esta  probabilidad  "exactamente"  correcto  se  
lidiar  con  este  problema  potencial  es  realizar  un  recorrido  estructurado   puede  determinar  ejecutando  la  simulación  con  0,75  y,  por  ejemplo,  
del  documento  de  supuestos  ante  una  audiencia  de  PYME  y  tomadores   ejecutándola  con  cada  uno  de  los  valores  0,70  y  0,80.  Si  las  tres  
ejecuciones  de  simulación  producen  aproximadamente  los  mismos  
de  decisiones.  Usando  un  dispositivo  de  proyección,  el  analista  revisa  
el  documento  de  supuestos  punto  por  punto,  pero  no  pasa  de  un  punto   resultados,  entonces  la  salida  no  es  sensible  a  la  elección  de  la  
al  siguiente  hasta  que  todos  en  la  sala  estén  convencidos  de  que  un   probabilidad  en  el  rango  de  0,70  a  0,80.  De  lo  contrario,  se  necesita  
punto  en  particular  es  correcto  y  tiene  un  nivel  de  detalle  apropiado.  Un   una  mejor  especificación  de  la  probabilidad.  (Estrictamente  
recorrido  estructurado  aumentará  tanto  la  validez  como  la  credibilidad   hablando,  para  determinar  el  efecto  de  la  probabilidad  en  los  
del  modelo  de  simulación. resultados  del  modelo,  debemos  hacer  varias  réplicas  
independientes  del  modelo  utilizando  diferentes  números  aleatorios  
para  cada  uno  de  los  tres  casos).
Idealmente,  el  recorrido  estructurado  debe  llevarse  a  cabo  en  un  
sitio  remoto  (por  ejemplo,  la  sala  de  reuniones  de  un  hotel),  para  que  
las  personas  presten  toda  su  atención  a  la  reunión.  Además,

43
Machine Translated by Google

Ley

Si  uno  está  tratando  de  determinar  la  sensibilidad  de  la   política  logística  existente  y  obtuvo  una  disponibilidad  
salida  de  la  simulación  a  los  cambios  en  dos  o  más  factores  de   modelo  de  0,873,  que  es  un  3  por  ciento  diferente  a  la  
interés,  entonces  no  es  correcto,  en  general,  variar  un  factor  a   disponibilidad  histórica.  Esta  diferencia  se  consideró  
la  vez  mientras  se  establecen  los  otros  factores  en  algunos   aceptable  porque  una  disponibilidad  de  0,873  todavía  
valores  arbitrarios.  (Esta  práctica  peligrosa  a  veces  se  denomina   permitiría  que  hubiera  suficientes  bombarderos  disponibles  
el  enfoque  de  un  factor  a  la  vez).  Un  enfoque  más  correcto  es   para  que  la  Fuerza  Aérea  cumpliera  con  los  requisitos  de  su  misión.
usar  un  diseño  experimental  estadístico,  que  se  analiza  en  Law  
(2007,  Capítulo  12)  y  en  Montgomery  (2005).  El  efecto  de  cada   Ejemplo  7.  Un  fabricante  de  productos  de  aluminio  tratado  
factor  se  puede  estimar  formalmente  y,  si  el  número  de  factores   térmicamente  estaba  pensando  en  reemplazar  su  horno  
no  es  demasiado  grande,  también  se  pueden  detectar  las   discontinuo  existente  por  un  nuevo  horno  continuo  para  
interacciones  entre  los  factores. aumentar  su  capacidad  de  producción  (ver  (Ley  1991)).
Primero  simulamos  el  sistema  existente  y  descubrimos  que  
2.8  Validación  de  la  salida  del  modelo  de  simulación  general   el  rendimiento  mensual  del  modelo  difería  del  rendimiento  
[5] mensual  histórico  en  menos  del  uno  por  ciento.
Por  lo  tanto,  parecía  que  el  modelo  del  sistema  existente  
La  prueba  más  definitiva  de  la  validez  de  un  modelo  de  simulación   era  razonablemente  "válido".
es  establecer  que  sus  datos  de  salida  se  parezcan  mucho  a  los  
datos  de  salida  que  se  observarían  en  el  sistema  real.  Si  ahora   Se  han  sugerido  varias  pruebas  estadísticas  (t,  Mann­
existe  un  sistema  similar  al  propuesto,  entonces  se  desarrolla  un   Whitney,  etc.)  en  la  literatura  de  validación  para  comparar  los  
modelo  de  simulación  del  sistema  existente  y  sus  datos  de   datos  de  salida  de  un  modelo  de  simulación  con  los  del  sistema  
salida  se  comparan  con  los  del  propio  sistema  existente.  Si  los   del  mundo  real  correspondiente  (ver,  por  ejemplo,  Shannon  
dos  conjuntos  de  datos  se  comparan  “muy  de  cerca”,  entonces   ( 1975,  pág.  208)).  Sin  embargo,  la  comparación  no  es  tan  simple  
el  modelo  del  sistema  existente  se  considera  “válido”.  (La   como  podría  parecer,  ya  que  los  procesos  de  salida  de  casi  todos  
precisión  requerida  del  modelo  dependerá  de  su  uso  previsto  y   los  sistemas  y  simulaciones  del  mundo  real  son  no  estacionarios  
de  la  función  de  utilidad  del  tomador  de  decisiones).  Luego,  el   (las  distribuciones  de  las  observaciones  sucesivas  cambian  con  
modelo  se  modifica  para  que  represente  el  sistema  propuesto.   el  tiempo)  y  autocorrelacionados  (las  observaciones  en  el  proceso  
Cuanto  mayor  sea  la  similitud  entre  los  sistemas  existentes  y  los   están  correlacionadas).  juntos).  Por  lo  tanto,  las  pruebas  
propuestos,  mayor  será  nuestra  confianza  en  el  modelo  del   estadísticas  clásicas  basadas  en  observaciones  independientes  
sistema  propuesto.  No  existe  un  enfoque  completamente   distribuidas  de  forma  idéntica  (IID)  no  son  directamente  aplicables.  
definitivo  para  validar  el  modelo  del  sistema  propuesto.  Si  lo   Además,  cuestionamos  si  las  pruebas  de  hipótesis,  en  
hubiera,  entonces  podría  no  haber  necesidad  de  un  modelo  de   comparación  con  la  construcción  de  intervalos  de  confianza  para  
simulación  en  primer  lugar.  Si  la  comparación  anterior  tiene  éxito,   las  diferencias,  son  incluso  el  enfoque  estadístico  apropiado.  
entonces  tiene  el  beneficio  adicional  de  brindar  credibilidad  para   Dado  que  el  modelo  es  solo  una  aproximación  al  sistema  real,  
el  uso  de  la  simulación.  La  comparación  de  los  datos  de  salida   una  hipótesis  nula  de  que  el  sistema  y  el  modelo  son  “iguales”  es  
del  modelo  y  del  sistema  se  puede  realizar  utilizando  estadísticas   claramente  falsa.  Creemos  que  es  más  útil  preguntar  si  las  
numéricas  como  la  media  de  la  muestra,  la  varianza  de  la  muestra   diferencias  entre  el  modelo  y  el  sistema  son  lo  suficientemente  
y  la  función  de  correlación  de  la  muestra.  También  se  pueden   significativas  como  para  afectar  las  conclusiones  derivadas  del  
utilizar  diagramas  gráficos  como  sus  togramas,  diagramas  de   modelo.  Para  una  breve  discusión  de  los  procedimientos  
puntos,  funciones  de  distribución  empírica  y  diagramas  de  caja.   estadísticos  que  se  pueden  usar  para  comparar  los  datos  de  
(Como  se  indicó  anteriormente,  la  idea  de  comparar  los  datos  de   salida  del  modelo  y  del  sistema,  consulte  la  Sección  2.10.
salida  del  modelo  y  del  sistema  para  el  sistema  existente  se   Además  de  los  procedimientos  estadísticos,  se  puede  utilizar  
denomina  validación  de  resultados). una  prueba  de  Turing  (ver  Schruben  (1980))  para  comparar  los  
datos  de  salida  del  modelo  con  los  del  sistema.  A  las  personas  
Ejemplo  6.  Una  agencia  de  pruebas  de  la  Fuerza  Aérea  de   conocedoras  del  sistema  (p.  ej.,  las  PYME)  se  les  pide  que  
EE.  UU.  realizó  un  estudio  de  simulación  para  un  ala  bomba   examinen  uno  o  más  conjuntos  de  datos  del  sistema,  así  como  
de  bombarderos  utilizando  el  modelo  compuesto  de   uno  o  más  conjuntos  de  datos  del  modelo,  sin  saber  qué  
logística  (LCOM).  El  objetivo  final  del  estudio  fue  evaluar  el   conjuntos  de  datos  son  cuáles.  Si  estas  PYMES  pueden  
efecto  de  varias  políticas  logísticas  propuestas  sobre  la   diferenciar  entre  el  sistema  y  los  datos  del  modelo,  su  explicación  
disponibilidad  de  los  bombarderos,  es  decir,  la  proporción   de  cómo  pudieron  hacerlo  se  utiliza  para  mejorar  el  modelo.
de  tiempo  que  los  bombarderos  estuvieron  disponibles  para  
volar  misiones.  Los  datos  estaban  disponibles  de  las   Ejemplo  8.  Se  usó  una  versión  animada  de  la  prueba  de  Turing  
operaciones  reales  del  ala  bomba  durante  un  período  de  9   para  validar  un  modelo  de  simulación  de  flujo  microscópico  de  
meses  e  incluían  datos  de  fallas  para  varios  componentes   vehículos  en  una  autopista.  Una  animación  del  flujo  de  tráfico  de  
de  la  aeronave  y  una  disponibilidad  del  ala  bomba  de  0,9.   la  simulación  se  mostró  simultáneamente  en  un  monitor  de  
Para  validar  el  modelo,  la  Fuerza  Aérea  primero  simuló  el  período  de  9pantalla  
  meses  cgon  
el con  una  animación  producida  a  partir  de
rande  

44
Machine Translated by Google

Ley

datos  recopilados  de  la  autopista  real.  Los  datos  de  la  autopista  fueron   de  un  modelo  de  simulación  correspondiente  (ver  Ejemplo  10  a  
recopilados  por  una  cámara  de  video  montada  en  un  avión. continuación).  Nos  gustaría  comparar  estos  conjuntos  de  datos  de  
alguna  manera  para  determinar  si  el  modelo  es  una  representación  
Ya  sea  que  exista  o  no  un  sistema  existente,  los  analistas  y  las   precisa  del  sistema  del  mundo  real.  Sin  embargo,  la  mayoría  de  los  
PYME  deben  revisar  los  resultados  de  la  simulación  (resultados   enfoques  estadísticos  clásicos,  como  los  intervalos  de  confianza  y  las  
numéricos  y  animaciones)  para  determinar  si  son  razonables.  (Se   pruebas  de  hipótesis,  asumen  que  los  datos  del  mundo  real  y  los  
debe  tener  cuidado  al  realizar  este  ejercicio,  ya  que  si  uno  supiera   datos  del  modelo  son  conjuntos  de  datos  IID,  lo  que  generalmente  no  
exactamente  qué  salida  esperar,  entonces  no  habría  necesidad  de  un   es  el  caso  (consulte  la  discusión  en  la  Sección  2.8).  Por  lo  tanto,  estos  
modelo).  Si  los  resultados  de  la  simulación  son  consistentes  con  el   enfoques  estadísticos  clásicos  no  son  directamente  aplicables  a  
comportamiento  del  sistema  percibido,  entonces,  como  se  indicó   nuestro  problema  de  comparación.
anteriormente,  el  Se  dice  que  el  modelo  tiene  validez  aparente.
Ejemplo  10.  Considere  un  sistema  de  manufactura  donde  los  
Ejemplo  9.  La  idea  anterior  se  aplicó  en  el  desarrollo  de  un   datos  de  salida  de  interés  son  los  tiempos  en  el  sistema  de  
modelo  de  simulación  de  los  EE.  UU. partes  completadas  sucesivamente.  Estos  datos  no  son  
Sistema  de  mano  de  obra  y  personal  de  la  Fuerza  Aérea.  (Este   independientes  para  el  sistema  real  (ni  para  un  modelo  de  
modelo  fue  diseñado  para  proporcionar  a  los  analistas  de   simulación  correspondiente).  Por  ejemplo,  si  el  sistema  está  
políticas  de  la  Fuerza  Aérea  una  visión  de  todo  el  sistema  de   ocupado  en  un  momento  determinado,  entonces  todas  las  partes  
los  efectos  de  varias  políticas  de  personal  propuestas).   que  se  procesan  tenderán  a  tener  tiempos  prolongados  en  el  
fabricantes,  quienes  posteriormente  identificaron  algunas   sistema  (es  decir,  los  tiempos  están  positivamente  
discrepancias  entre  el  modelo  y  el  comportamiento  percibido   correlacionados).
del  sistema.  Esta  información  se  usó  para  mejorar  el  modelo,  y  
después  de  varias  evaluaciones  y  mejoras  adicionales,  se   Law  (2007,  pp.  265­273)  analiza  los  enfoques  de  inspección,  
obtuvo  un  modelo  que  parecía  aproximarse  mucho  a  la  política   intervalo  de  confianza  y  series  de  tiempo  que  posiblemente  podrían  
actual  de  la  Fuerza  Aérea.  Este  ejercicio  mejoró  no  solo  la   usarse  para  comparar  los  datos  de  salida  del  modelo  y  del  sistema.
validez  del  modelo,  sino  también  su  credibilidad.

3  DIRECTRICES  PARA  OBTENER  BUEN
DATOS  DEL  MODELO

Suponga  que  se  desarrolló  otro  modelo  para  el  mismo  sistema  y   Un  modelo  solo  es  válido  para  una  aplicación  en  particular  si  su  lógica  
con  un  propósito  similar,  y  que  se  cree  que  es  una  representación   es  correcta  y  si  usa  datos  apropiados.  En  esta  sección  proporcionamos  
"válida".  Luego  se  pueden  comparar  estadísticas  numéricas  y   algunas  sugerencias  sobre  cómo  obtener  buenos  datos  del  modelo.
diagramas  gráficos  para  los  dos  modelos.  Cabe  señalar  que  el  hecho  
de  que  dos  modelos  produzcan  resultados  similares  no  significa  
necesariamente  que  cualquiera  de  ellos  sea  válido,  ya  que  ambos   3.1  Dos  principios  básicos
modelos  podrían  contener  un  error  similar.  Esta  idea  parece  ser  la  
más  utilizada  para  aplicaciones  de  defensa. Si  existe  un  sistema  similar  al  de  interés,  se  deben  obtener  datos  de  
él  para  usarlos  en  la  construcción  del  modelo.
Estos  datos  pueden  estar  disponibles  en  registros  históricos  o  pueden  
2.9  Animación  [5­7] tener  que  recopilarse  durante  un  estudio  de  tiempos.  Dado  que  las  
personas  que  proporcionan  los  datos  pueden  ser  diferentes  de  los  
Una  animación  es  útil  para  mostrar  que  un  modelo  de  simulación  no   analistas  de  simulación,  es  importante  que  se  sigan  los  siguientes  dos  
es  válido  y  para  promover  la  credibilidad  del  modelo.  También  es   principios:
valioso  para  la  verificación  del  programa  informático  de  simulación,  
para  sugerir  procedimientos  operativos  mejorados  y  para  la  formación. •  Los  analistas  deben  asegurarse  de  que  los  requisitos  de  los  
datos  (tipo,  formato,  cantidad,  por  qué  se  necesitan,  
condiciones  bajo  las  cuales  se  deben  recopilar,  etc.)  se  
2.10  Técnicas  estadísticas  para  comparar  los  datos  de  salida  del   especifican  con  precisión  a  las  personas  que  proporcionan  
modelo  y  del  sistema  [5] los  datos.  •  Los  
analistas  deben  comprender  el  proceso  que  produjo  los  datos,  
En  esta  sección  discutimos  el  posible  uso  de  procedimientos   en  lugar  de  tratar  las  observaciones  como  simples  números  
estadísticos  para  llevar  a  cabo  la  comparación  de  los  datos  de  salida   abstractos.  Por  ejemplo,  suponga  que  hay  datos  disponibles  
del  modelo  y  del  sistema  discutidos  en  la  Sección  2.8. sobre  el  tiempo  para  cargar  un  barco,  pero  hay  algunas  
Suponga  que  R1,  R2,  …,  Rk  son  observaciones  de  un   observaciones  que  son  significativamente  más  grandes  
sistema  del  mundo  real  y  que  M1,  M2,  …,  Ml  son  datos  de  salida que  el  resto  ( llamadas

45
Machine Translated by Google

Ley

mentirosos).  Sin  una  buena  comprensión  del  proceso   •  Interactuar  con  el  tomador  de  decisiones  de  manera  regular  
subyacente,  es  imposible  saber  si  estas  grandes   durante  todo  el  proyecto  de  simulación  para  garantizar  que  
observaciones  son  el  resultado  de  errores  de  medición  o   se  resuelva  el  problema  correcto  y  promover  la  credibilidad  
registro,  o  si  son  simplemente  valores  legítimos  que  ocurren   del  modelo.
con  poca  probabilidad. •  Usar  técnicas  cuantitativas  para  validar  los  componentes  del  
modelo  •  Desarrollar  un  
3.2  Dificultades  comunes
documento  de  suposiciones  por  escrito  •  Realizar  un  recorrido  
estructurado  del  documento  de  suposiciones:  para  un  sistema  
Las  siguientes  son  cuatro  posibles  dificultades  con  los  datos: inexistente,  esta  puede  ser  la  técnica  de  validación  más  
importante  •  Realizar  análisis  de  sensibilidad  para  determinar  
•  Los  datos  no  son  representativos  de  lo  que  uno  realmente  quiere   los  factores  
modelar.
importantes  del  modelo  •  Comparar  los  resultados  del  modelo  y  
del  sistema  para  un  
Ejemplo  11.  Los  datos  que  se  recopilaron  durante  una  prueba  de   sistema  existente  (si  existe)  –  esta  es,  en  general,  la  técnica  de  
campo  militar  pueden  no  ser  representativos  de  las  condiciones  de   validación  más  definitiva  disponible  •  Usar  una  prueba  de  
combate  reales  debido  a  las  diferencias  en  el  comportamiento  de   Turing  para  comparar  los  datos  de  salida  del  modelo  y  
las  tropas  y  la  falta  de  humo  en  el  campo  de  batalla.
del  sistema  •  Revisión  del  modelo  resultados  y  animaciones  para  
ver  si  parecen  ser  
•  Los  datos  no  son  del  tipo  o  formato  apropiado.
razonables  •  Comparar  los  datos  de  salida  del  modelo  con  los  
datos  de  salida  comparables  de  otro  
Ejemplo  12.  Al  modelar  un  sistema  de  fabricación,  la  mayor  fuente  
modelo  que  se  cree  que  es  “válido”  •  Obtener  datos  
de  aleatoriedad  suele  ser  el  tiempo  de  inactividad  aleatorio  de  una  
“representativos”  para  usar  en  la  construcción
máquina.  Idealmente,  nos  gustaría  tener  datos  sobre  el  tiempo  
hasta  la  falla  (en  términos  del  tiempo  real  de  ocupación  de  la  
máquina)  y  el  tiempo  de  reparación  de  una  máquina.  A  veces  hay  
ing  y  validando  un  modelo
datos  disponibles  sobre  averías  de  la  máquina,  pero  muy  a  
menudo  no  están  en  el  formato  adecuado.  Por  ejemplo,  los  tiempos  
Muchas  de  las  ideas  anteriores  parecerían  ser  simplemente  de  
de  falla  pueden  basarse  en  el  tiempo  de  reloj  de  pared  e  incluir  
sentido  común.  Sin  embargo,  nuestra  experiencia  indica  que  muy  a  
períodos  en  los  que  la  máquina  estuvo  inactiva  o  fuera  de  turno.
menudo  no  se  aplican,  en  particular  las  correspondientes  a  las  viñetas  
cinco  y  seis.

•  Los  datos  pueden  contener  errores  de  medición,  registro  o   REFERENCIAS
redondeo.

Balci,  O.  1998.  Verificación,  validación  y  prueba.  En  El  manual  de  
Ejemplo  13.  Los  datos  que  representan  el  tiempo  para  realizar  
simulación,  ed.  J.  Banks,  Capítulo  10.  Nueva  York:  John  Wiley.
alguna  tarea  a  veces  se  redondean  a  los  5  o  10  minutos  más  
cercanos.  Esto  puede  dificultar  el  ajuste  de  una  distribución  de  
Banks,  J.,  JS  Carson,  BL  Nelson  y  DM  Nicol.
probabilidad  teórica  continua  a  los  datos,  ya  que  ahora  los  datos  
2005.  Simulación  de  sistemas  de  eventos  discretos.  4ª  ed.  Arriba  
son  discretos.
por  Saddle  River,  Nueva  Jersey:  Prentice­Hall.
Carson,  JS  1986.  Convencer  a  los  usuarios  de  la  validez  del  modelo  es  
•  Los  datos  pueden  estar  "sesgados"  debido  al  interés  propio.
un  aspecto  desafiante  del  trabajo  del  modelador.  Ingeniería  
Industrial  18:  74­85.
Ejemplo  14.  El  departamento  de  mantenimiento  de  una  fábrica  de  
Law,  AM  1991.  El  estudio  de  simulación  pone  el  calor  correcto  en  Kaiser  
automóviles  informó  que  la  confiabilidad  de  ciertas  máquinas  es  
Aluminium.  Ingeniería  Industrial  23:  16­  17.
mayor  que  la  realidad  para  que  se  vean  bien.

Law,  AM  2007.  Modelado  y  análisis  de  simulación.  4to
edición  Nueva  York:  McGraw­Hill.
4  RESUMEN
Oficina  de  Coordinación  de  Modelado  y  Simulación.  2008.
Guía  de  prácticas  recomendadas  de  VV&A.  Disponible  a  través  de  
Todos  los  modelos  de  simulación  deben  validarse  o  cualquier  decisión  
<http://www.msco.mil>  [consultado  el  17  de  septiembre  de  2008].  
tomada  con  el  modelo  puede  ser  errónea.  Las  siguientes  son  las  ideas  
Alejandría,  Virginia.
que  creemos  que  son  las  más  importantes  para  desarrollar  un  modelo  
Montgomery,  DC  2005.  Diseño  y  análisis  de  experimentos.  6ª  ed.  Nueva  
válido  y  creíble:  •  Formular  el  problema  con  precisión  •  
York:  John  Wiley.
Entrevistar  a  las  PYME  apropiadas
Sargent,  RG  2007.  Verificación  y  validación  de  modelos  de  simulación.  
En  Actas  del  invierno  de  2007

46
Machine Translated by Google

Ley

Conferencia  de  Simulación.  Washington,  DC,  124­137.
Schruben,  LW  1980.  Estableciendo  la  credibilidad  de  las  simulaciones.  
Simulación  34:  101­105.
Shannon,  RE  1975.  Simulación  de  sistemas:  El  arte  y  la  ciencia.  
Englewood  Cliffs,  Nueva  Jersey:  Prentice­Hall.

BIOGRAFÍA  DEL  AUTOR

AVERILL  M.  LAW  es  presidente  de  Averill  M.  Law  &  Associates,  una  
empresa  especializada  en  seminarios  de  simulación,  consultoría  y  
software.  Ha  sido  consultor  de  simulación  para  numerosas  organizaciones,  
incluidas  Accenture,  ARCO,  Boeing,  Defense  Modeling  and  Simulation  
Office,  Hewlett­Packard,  Kimberly­Clark,  M&M/Mars,  Navy  Modeling  and  
Simulation  Office,  3M,  US  Air  Force  y  US  Army. .  Ha  presentado  más  de  
450  cursos  cortos  de  simulación  en  18  países.  Ha  escrito  o  es  coautor  de  
numerosos  artículos  y  libros  sobre  simulación,  investigación  de  
operaciones,  estadísticas,  fabricación  y  redes  de  comunicaciones.  Esto  
incluye  el  libro  Modelado  y  análisis  de  simulación,  que  es  ampliamente  
considerado  como  la  "biblia"  de  la  industria  de  la  simulación,  con  más  
de  115  000  copias  impresas.  Desarrolló  el  software  de  ajuste  de  
distribución  ExpertFit  y  también  varias  cintas  de  video  sobre  modelos  de  
simulación.  Ha  sido  el  orador  principal  en  conferencias  de  simulación  en  
todo  el  mundo.  Escribió  una  columna  regular  sobre  simulación  para  la  
revista  Industrial  Engineering .  Ha  sido  miembro  titular  de  la  facultad  en  
la  Universidad  de  Wisconsin­Madison  y  la  Universidad  de  Ari  zona.  Tiene  
un  doctorado.  en  ingeniería  industrial  e  investigación  de  operaciones  de  
la  Universidad  de  California  en  Berkeley.

Su  correo  electrónico  es  
<ave  rill@simulation.ws>  y  
DIRECCIÓN

su  sitio  web  es  <http://www.averill­law.com>.

47