Está en la página 1de 9

1 TCNICAS DE SIMULACIN - INTRODUCCIN 1.1.- QU ES SIMULACIN?

Se entiende por simulacin una extensa coleccin de mtodos y aplicaciones para imitar el comportamiento de sistemas reales, normalmente en una computadora y a travs de un software apropiado. De hecho el trmino simulacin puede ser muy general ya que la idea se refiere a muchos campos, industrias y aplicaciones. Hoy en da, la simulacin es ms popular que nunca debido a que los ordenadores y el software son mejores y ms asequibles. 1.1.1.- MODELADO La simulacin como la mayora de los mtodos analticos, envuelve a los sistemas y a los modelos de los mismos. 1.1.1.1.- QU SE MODELA? La simulacin trata con modelos de sistemas. Un sistema es un proceso real o planificado, como por ejemplo: - Una planta de fabricacin con mquinas, personal, transportes, cintas transportadoras almacenes, etc. - Un banco u otras entidades de servicio, con diferentes tipos de clientes, servidores, expendedores automticos, cajeros automticos, etc. - Una red de distribucin o transporte. - Una red de servicio al cliente, con posibles clientes en un rea geogrfica, tcnicos con diferentes cualificaciones, camiones con diferentes recambios y herramientas, un depsito central y un centro de carga. - Una red de ordenadores con servidores, clientes, disco, unidades de cinta, impresoras y operadores. - Una red de autopistas con cruces control y trfico. - Una central de seguros donde se recibe mucho formulario, se repasa, se copia se rellena y se enva por personas y mquinas. - Un sistema de justicia, con juzgados, jueces, staff, fiscales, defensores, etc. - Una planta de productos qumicos con tanques de almacenaje, pipelines, reactores, y tanques mviles a los que enviar el producto final. - Un restaurante de comida rpida con trabajadores de distintos tipos, clientes, equipamiento y materias primas. - Un supermercado con un control de inventario, caja y un servicio al cliente.

- Un parque temtico, con atracciones, tiendas, restaurantes, trabajadores, invitados y parkings. - El personal de actuacin inmediata en caso de una catstrofe.

La gente normalmente estudia un sistema para medir su rendimiento, mejorar su funcionamiento, o disearlo si no existe. Los gerentes y controles de un sistema tambin quieren tener informacin disponible para la operacin diaria, como ayudas a decidir en caso de que una mquina importante se estropee, etc. Se conocen casos de directores que han ordenado simulaciones pero que realmente no estaban interesados en los resultados. Su meta principal era centrar la atencin en como su sistema funcionaba. A menudo los anlisis de simulacin encuentran el problema de definir cmo funciona el sistema, que debe ser realizado antes de poder desarrollar la simulacin y que proporciona una visin de los cambios que deben ser hechos. Esto es posiblemente debido a que nadie en la organizacin en responsable de entender cmo funciona el sistema completo. Hay expertos en diseo de mquinas, materiales, procesos, etc., pero no en la operativa del da a da del sistema. Por tanto, la simulacin es mucho ms que construir un modelo y realizar un experimento estadstico. Hay mucho que aprender en cada paso del proyecto de simulacin, y las decisiones que se toman a lo largo del proyecto pueden afectar profundamente en los resultados y su validez. 1.1.1.2.- PORQU NO EXPERIMENTAR CON EL SISTEMA? Puede ser posible experimentar con el sistema actual. Por ejemplo: - Algunas ciudades han instalado semforos en sus autopistas, para experimentar con diferentes secuencias de entrada y encontrar aquella que permita aumentar la seguridad y descongestionar mejor el trfico. - Un gerente de un supermercado puede experimentar con diferentes polticas de inventarios y con asignaciones de personal a fin de encontrar las mejores combinaciones y dar el mejor servicio a los clientes. - Una empresa de networking puede experimentar con diferentes configuraciones para ver cual ofrece un mejor rendimiento.

Este mtodo ciertamente tiene unas ventajas. S se puede experimentar con el sistema y se sabe que nada variar significativamente, entonces estamos incuestionablemente haciendo lo adecuado y no necesitamos preocuparnos de s el modelo se comporta lo suficientemente bien para simular el sistema.

1.1.1.3.- INCONVENIENTES DE EXPERIMENTAR CON EL SISTEMA En muchos casos, es muy difcil, costoso, o simplemente imposible, hacer estudios fsicos en el sistema. - No se puede experimentar con diferentes distribuciones en planta de una fbrica si no est construida. Incluso en una fbrica existente puede ser muy costoso cambiar a una distribucin en planta experimental que puede ser que no funcione. - Sera muy difcil de explicar a los clientes que se cierra la segunda ventanilla de un banco para ver qu pasa con el tiempo medio de espera. - Experimentar un nuevo sistema de facturacin en el aeropuerto podra causar que muchos pasajeros perdieran su vuelo, si hubiera problemas no detectados con el nuevo procedimiento. - Es imposible experimentar con el personal de urgencias de un hospital, por ejemplo. En estas situaciones, sera til construir un modelo para estudiar el sistema y responder a las preguntas de qu pasara en el sistema si se hiciera tal o cual cosa, o si hubiera que desarrollar una situacin bajo control. No habr ningn dao, y la libertad para probar cualquier idea en el modelo puede descubrir alternativas atractivas que no habramos sido capaces de poner en marcha con el sistema real. De todas maneras, se han de construir los modelos cuidadosamente y con suficiente detalle para que la informacin que se extraiga del modelo sea la misma que se extraera del sistema si hubiramos experimentado con l. 1.1.1.4.- MODELOS FSICOS Hay una gran variedad de modelos. Quizs la primera que no viene a la cabeza es la rplica a escala del modelo como por ejemplo: - Se construyen modelos de sistemas de almacenamiento que son miniaturas del real, para considerar el efecto en el rendimiento de diversas distribuciones en planta, rutas de vehculos y equipos de transporte. - Una rplica a escala natural de un restaurante de comida rpida fue descrita por Swart y Donno (1981). De hecho muchas de las grandes cadenas de comida rpida, tienen restaurantes en sus edificios corporativos para experimentar nuevos productos y servicios. - Se han desarrollado habitaciones de control simuladas para entrenar a los operadores de plantas nucleares. - Los simuladores de vuelo son extensamente utilizados para entrenar a los pilotos. Existen tambin programas de simuladores de vuelo, que representan modelos lgicos ejecutados en un ordenador. Adems, los simuladores de vuelo fsicos pueden tener pantallas, con lo que tienen elementos de simulacin fsica y asistida por ordenador.

1.1.1.5.- MODELOS MATEMTICOS Nosotros consideraremos los modelos matemticos de los sistemas. Este tipo de modelos es un conjunto de aproximaciones y supuestos, estructurales y cuantitativos, sobre la manera en que el sistema se comporta o se comportar. Un modelo lgico se representa como un programa que se construye para responder a las preguntas sobre el comportamiento del modelo. Si el modelo es una representacin vlida del sistema, la informacin que se extraiga ser extrapolable al sistema. Y como se est manipulando un programa es rpido, fcil, y barato conseguir respuestas a una serie de cuestiones del sistema simplemente manipulando las entradas del programa y su forma. Por supuesto se pueden cometer errores en el programa pero no importan de la manera que lo haran en la experimentacin real sobre el sistema. Como en otros campos el incremento de la capacidad de clculo de los ordenadores ha aumentado la posibilidad de llevar a cabo ciertas simulaciones realmente complicadas. 1.1.1.6.- QU HACER CON LOS MODELOS MATEMTICOS? Despus de haber hecho las aproximaciones y suposiciones para el modelo del sistema objetivo, necesitamos encontrar una manera de tratar el sistema y analizar su comportamiento. Si el modelo es lo suficientemente simple, se pueden utilizar mtodos matemticos tradicionales como la teora de colas, ecuaciones diferenciales o la programacin lineal. Esto sera una situacin ptima, ya que podemos encontrar frmulas fcilmente evaluables que nos respondern a nuestras preguntas. Incluso si no tenemos una frmula cerrada pero si un algoritmo, podemos obtener respuestas numricas que siempre sern mejores que las estimaciones. De todas maneras la mayora de los sistemas que la gente estudia son muy complicados, de manera que los modelos vlidos para estos sistemas son realmente complicados tambin. Para estos modelos es casi seguro que no habr soluciones matemticas y es en este momento cuando la simulacin entra en juego. 1.1.2.- SIMULACIN POR ORDENADOR La simulacin por ordenador se refiere a unos mtodos para estudiar los modelos de los sistemas reales mediante una evaluacin numrica usando un software designado para imitar las caractersticas y operaciones del sistema. Desde un punto de vista prctico la simulacin es el proceso de disear y crear un modelo computarizado de un sistema real propuesto para llevar a cabo experimentos numricos, que nos proporcionarn un mejor entendimiento del comportamiento del sistema para unas condiciones dadas. Aunque se puede utilizar para estudiar sistemas simples, el verdadero poder de esta tcnica se aplica en el estudio de los sistemas complejos.

Aunque la simulacin puede no ser la nica herramienta para estudiar el sistema, suele ser la elegida. La razn es que la simulacin permite que el modelo sea muy complicado, si se necesitase para representar fielmente el sistema, y, an as, se podra seguir haciendo el anlisis de simulacin. Otros mtodos suelen necesitar simplificaciones mayores para permitir su anlisis, que pueden cuestionar su validez. 1.1.2.1.- POPULARIDAD Y VENTAJAS En las ltimas dcadas la simulacin ha sido destacada como la ms importante herramienta de investigacin de operaciones: - Rasmussen y George (1978) preguntaron a los graduados del Departamento de Investigacin de operaciones de la Case Western Reserve University sobre el valor de los mtodos despus de la graduacin. Los primeros cuatro mtodos fueron anlisis estadsticos, series temporales, anlisis de sistemas y sistemas de informacin. La simulacin fue el siguiente, por delante de otros mtodos tradicionales en investigacin de operaciones como programacin lineal y teora de colas. - Thomas y DaCosta (1979) dieron a los analistas de 137 grandes firmas una lista de herramientas y les preguntaron cuales de ellas usaban. El anlisis estadstico result clasificado en primer lugar, el 93% de las firmas dijeron utilizarlo, seguido por la simulacin con el 84%. De nuevo la simulacin se situ delante de herramientas como la programacin lineal, PERT/CPM, teora de inventarios, y programacin no lineal. - Shannon, Long, y Buckles (1980) miembros de la divisin de investigacin de operaciones del Instituto Americano de Ingenieros Industriales encontraron que entre todas las herramientas la simulacin era la primera en utilidad e inters. Era la segunda en familiaridad, detrs de la programacin lineal. - Forgionne (1983); Harpell, Lane, y Mansour (1989) y Lane, Mansour y Harpell (1993) constataron que en las grandes corporaciones el anlisis estadstico era el ms utilizado, mientras que la simulacin era el segundo. La principal razn para la popularidad de la simulacin es la habilidad para tratar con modelos muy complicados correspondientes a sistemas muy complicados. Otra razn para la creciente popularidad de la simulacin es la mejora de los ratios de rendimiento-precio de los ordenadores, haciendo accesible lo que era excesivamente costoso unos aos atrs. Por ltimo los avances en la potencia del software de simulacin, flexibilidad y facilidad de uso han llevado a los programadores de los lenguajes de bajo nivel a los nuevos paquetes de simulacin. De esta manera la popularidad y efectividad de la simulacin en mayor que la de los aos precedentes debido a los avances en hardware y software.

1.1.2.2.- INCONVENIENTES DE LA SIMULACIN De todas maneras la simulacin no es tampoco el paraso porque muchos sistemas estn afectados por entradas aleatorias, causando la respuesta aleatoria. Por ejemplo, un modelo de un centro de distribucin tendr llegadas, salidas y tamaos de lotes con una distribucin de probabilidad particular, que se propagar por el modelo para causar medidas de rendimiento como los tiempos de proceso y ciclo, aleatorios tambin. Por lo tanto, hacer una simulacin estocstica es como hacer un experimento fsico, cada vez que hagas uno vers algo diferente, incluso si no se cambia ninguna de las condiciones del entorno. En muchas simulaciones, a medida que el tiempo de simulacin es mayor, la mayora de los resultados se tienden a estabilizar y a hacerse menos variables, pero es difcil determinar cunto tiempo de simulacin ser necesario para que esto ocurra. De manera que un estudio puede decir que la simulacin debe parar en un momento adecuado, por ejemplo el horario de un banco, y, por tanto, simular ms tiempo para conseguir menos variabilidad sera inadecuado. Por tanto, se ha de pensar concienzudamente el diseo y el anlisis de los experimentos de simulacin, para tomar en cuenta la incertidumbre en los resultados, especialmente si el tiempo de simulacin es relativamente corto. Aunque las respuestas de la simulacin pueden ser inciertas, podemos manejarlas, cuantificarlas, y reducir su incertidumbre. Seramos capaces de reducir esta aleatoriedad mediante un conjunto de simplificaciones sobre el sistema; esto nos llevara a un modelo bonito y sencillo, que producira resultados apetecibles no aleatorios. Desafortunadamente este modelo simplificado no sera una representacin vlida del sistema, y el error debido a la invalidez de este modelo sera imposible de medir o reducir. Siempre ser mejor una respuesta aproximada para el problema real, que una respuesta exacta para un problema ficticio o incorrectamente planteado. 1.1.2.3.- TIPOS DE SIMULACIN Hay muchas maneras de clasificar los modelos de simulacin, pero una de las ms usadas es la siguiente: - Esttica vs Dinmica: El tiempo no juega ningn papel en los modelos estticos. Los modelos donde el tiempo si es importante son mayora, como pueden ser los modelos operacionales. - Continua vs Discreta: En un modelo continuo, el estado del sistema, puede cambiar continuamente a travs del tiempo; un ejemplo podra ser el nivel de un depsito de agua, mientras se vaca. En un modelo discreto los cambios ocurren en puntos separados del tiempo, como sistemas de fabricacin con piezas llegando y saliendo en tiempos especficos, paradas y puestas en marcha de mquinas, y pausas de los operarios. Se pueden tener elementos continuos y discretos mezclados, como por ejemplo en una refinera, con los cambios continuos de presin y las paradas por avera discretas. - Determinsticos vs Estocsticos: Los modelos que no tienen entradas aleatorias son determinsticos. Un trabajo estricto como el de una mquina automtica con tiempos fijos sera un modelo determinantico. Los modelos estocsticos operan con entradas aleatorias,

como un banco con llegadas aleatorias de personas que requieren tiempos variados de servicio. Un modelo puede tener entradas determinsticas y aleatorias a la vez. 1.1.3.- METODOLOGAS DE SIMULACIN Si se ha determinado que una simulacin sera adecuada, hay que decidir como se llevar a cabo. 1.1.3.1.- A MANO Al principio, la gente realizaba las simulaciones a mano. En 1733 George Louis Leclerc describi un experimento para estimar el nmero pi. Aunque el experimento era sencillo, tena ciertos aspectos que eran comunes a otras simulaciones. La finalidad era estimar algo (el nmero pi) cuyo valor sera difcil de calcular exactamente. La estimacin que hallaremos no ser exacta y sera buena idea tener una aproximacin de la variabilidad de la respuesta. Parece intuitivo que cuanto mayor nmero de experimentos se hacen menor es la variabilidad de los resultados. De hecho se puede hacer un experimento secuencial y alargarlo hasta que el error sea lo suficientemente pequeo, en vez de decidir el nmero de experimentos de antemano. En los aos veinte y treinta, los estadsticos empezaron a usar mquinas de nmeros aleatorios y tablas para desarrollar una teora estadstica. Walter A. Shewhart realiz experimentos para estudiar sus primeros grficos de control. W.S.Gossett un empleado de la Guineess Brewery, public sus estudios con el seudnimo de student y desarrollo la distribucin T. Ingenieros, fsicos, y matemticos han utilizado varios tipos de simulaciones realizadas a mano durante aos. 1.1.3.2.- PROGRAMANDO EN LENGUAJES DE USO GENERAL A medida que los ordenadores aparecieron en los 50 y los 60, la gente empez a escribir programas en lenguajes como Fortran para hacer simulaciones de sistemas ms complicados. Paquetes de rutinas fueron escritos para ayudar a los desarrolladores. Este mtodo era muy flexible, pero tambin muy tedioso y difcil de depurar, ya que los modelos deban estar muy bien codificados. 1.1.3.3.- LENGUAJES DE SIMULACIN Los lenguajes de simulacin como GPSS, SIMSCRIPT, SLAM, y SIMAN aparecieron en escena un tiempo despus y proporcionaron un soporte mucho mejor para las simulaciones que la gente haca. De todas maneras, se ha de invertir bastante tiempo para aprender sus caractersticas y como utilizarlas efectivamente y dependiendo de la interfaz proporcionada, puede haber ciertas situaciones verdaderamente difciles de resolver.

1.1.3.4.- SIMULADORES DE ALTO NIVEL Surgieron pues, los simuladores de alto nivel, intuitivos, con mens, dilogos. Se selecciona un modelo, se conecta y se hace la simulacin con grficos dinmicos etc. La nica pega es que el dominio de muchos de estos simuladores est restringido, y no son demasiado flexibles de manera que ciertos sistemas pueden ser difciles de simular. Mucha gente cree que estos paquetes han escalado demasiado en la jerarqua del software y han perdido demasiada flexibilidad a favor de la facilidad de uso. 1.1.4.- DNDE SON UTILIZADAS LAS SIMULACIONES? Debido a que las capacidades y sofisticacin de los lenguajes de simulacin se han incrementado enormemente en los ltimos 40 aos, el concepto de cuando utilizar la simulacin tambin ha cambiado. 1.1.4.1.- LOS PRIMEROS AOS En los aos 50 y 60, la simulacin era una herramienta muy especializada utilizada solamente por grandes multinacional, como las de la industria del acero y de la industria aerospacial, y que requeran grandes inversiones de capital. Los equipos estaban formados entre 6 y 12 personas que utilizaban lenguajes de programacin tales como el Fortran. Estos modelos eran ejecutados en grandes ordenadores con costes de alrededor de 90000 a 150000 pesetas la hora de simulacin. 1.1.4.2.- LOS AOS DE EVOLUCIN El uso de la simulacin tal como la conocemos hoy empez a finales de los 70 y principio de los 80. Los ordenadores eran cada vez ms baratos y potentes as que otros tipos de industrias empezaron a utilizar tambin la simulacin, aunque de todas maneras no se utilizaba hasta que haba un desastre. Empez a ser una herramienta de decisin para muchas compaas, sobre todo las del automvil y las industrias pesadas, pero se utilizaba para determinar las causas de los fallos y a quin imputarlos. Durante este tiempo, la simulacin ha entrado dentro de los planes de estudio de muchas universidades, su creciente uso en la industria llev a muchas universidades a su enseanza. De la misma manera, los programas de simulacin empezaron a ser ms comunes, ampliando el nmero de estudiantes e investigadores que podan llegar a ellos. 1.1.4.3.- EL PASADO RECIENTE Durante el final de los 80, la simulacin empez a establecer sus races en los negocios. La principal razn fue la introduccin de los ordenadores personales y la animacin. Mucha gente empez a realizar simulaciones antes de que la fase de produccin se iniciara , aunque a veces era demasiado tarde para afectar al diseo del sistema. Hacia el final de los 80 el valor de la simulacin era ya un hecho indiscutible para la mayora de las grandes firmas, muchas de las cuales ya realizaban simulaciones antes de aprobar ciertas inversiones. De todas maneras la simulacin no estaba demasiado extendida ni era usada por las pequeas empresas.

1.1.4.4.- EL PRESENTE. La simulacin empez a madurar durante los 90 ya que muchas empresas empezaron a utilizarla en los primeros estadios de los proyectos. La manera en que se est utilizando la simulacin est cambiando tambin, es utilizada en las primeras fases del diseo y se actualiza a medida que surgen cambios en el modelo. Esto produce un modelo de simulacin vivo que permite analizar el sistema en un breve espacio de tiempo. Los mayores impedimentos para que la simulacin llegue a ser universalmente aceptada son el tiempo de desarrollo del modelo y los conocimientos necesarios para desarrollar una simulacin con xito. 1.1.4.5.- EL FUTURO La tasa de cambio en la simulacin se ha acelerado en los ltimos aos. Los ltimos sistemas operativos han permitido una mayor integracin del software con otros paquetes estndar como hojas de clculo, procesadores de texto, bases de datos, etc. En el futuro veremos ms aplicaciones verticales dirigidas a mercados ms concretos. Esto permitir a los analistas construir modelos ms fcilmente utilizando elementos prediseados para su sector en concreto. Las primeras aplicaciones de estos tipos ya estn en el mercado con aplicacin en reas como comunicaciones, semiconductores, centros de atencin al cliente etc.

Hoy en da se utiliza la simulacin para disear o redisear sistemas complejos, pero el siguiente paso ser controlar el sistema real con la misma simulacin. Este avance obligar a mantener el modelo actualizado y no se utilizar una sola vez , sino que se convertir en una parte crtica de la operacin del sistema.

Con los rpidos avances que se estn haciendo en hardware y software es difcil predecir mucho sobre el futuro, pero se pueden imaginar avances como el anlisis automtico de datos, software con capacidad de decisin, simulaciones totalmente integradas en paquetes de control de produccin e incluso con realidad virtual.