Página 0 de 1

Unidad 3
Simulación de
eventos discretos y
continuos
(1 semana)

Simulación
 Página 1 de 19

Índice

Introducción ........................................................................................................................................ 2
1. Simulación de sistemas discretos y continuos ............................................................................ 3
1.1. Elementos y técnicas de simulación de sistemas discretos ..................................................... 3
1.1.1. Simulación de líneas de esperas (colas) ...................................................................... 5
1.1.2. Simulación de inventarios ........................................................................................... 8
1.2. Elementos y técnicas de simulación de sistemas continuos y discretos-continuos ......... 10
1.3. Programas de simulación y métricas estadísticas ............................................................. 12
1.3.1. Métricas estadísticas ................................................................................................. 13
2. Ejemplos básicos de simulación con arena ............................................................................... 15
Conclusión ......................................................................................................................................... 18
Referencias bibliográficas ................................................................................................................. 19
 Página 2 de 19

Introducción
Las organizaciones utilizan distintos tipos de simulación. Uno es la simulación discreta (o
por lotes); otro es la simulación continua; y, por último, una combinación entre simulación
discreta y continua. En esta unidad nos centraremos en el modelado discreto, pues las
entidades en las que cae este proceso son indivisibles como, por ejemplo, clientes,
aviones, bienes finales de un proceso productivo, etc.

Aunque también existen otros tipos de simulaciones, como la simulación cualitativa, la

simulación causal, la simulación basada en reglas y la simulación causal, en esta unidad no
serán abordadas.
 Página 3 de 19

1. Simulación de sistemas discretos y continuos

1.1. Elementos y técnicas de simulación de sistemas discretos

Los sistemas discretos son sistemas dinámicos, pues incorporan de alguna forma la
variable tiempo en el análisis y construcción de los mismos.

Estos sistemas tienen una subclasificación que es importante definir. Tal como señalan
Urquía y Martín “un modelo dinámico es un modelo en el cual interviene el tiempo. Los
modelos dinámicos se clasifican en tres tipos: de tiempo discreto, de eventos discretos y
de tiempo continuo” (2013).

En los dos primeros modelos (discretos), las variables cambian en instantes específicos del
tiempo, mientras que en los modelos de tiempo continuo, el valor de las variables puede
cambiar de manera continua en cualquier instante del tiempo.

A los dos primeros sistemas se les denomina sistemas dinámicos de eventos discretos. Un
ejemplo de este tipo de sistemas son los sistemas de filas de espera, de inventarios, entre
otros.

Los componentes que se deben tener en cuenta para modelar un sistema de simulación
dinámico (discreto) son:

• Entidades: son elementos que se mueven dentro del sistema y cambian cuando
interactúan con otras entidades. Un ejemplo de entidad podría ser el siguiente:
supongamos un taller mecánico que tiene varios departamentos, como mecánica,
pintura, electrónica. Estos procesos podríamos decir que son entidades
permanentes (e internas), pues siempre forman parte del sistema y la interacción
entre ellos hace que su dinámica propia vaya cambiando. Supongamos que llega
un automóvil accidentado. Este automóvil entrará al sistema sin funcionar y luego
de haber pasado por todos los procesos del sistema (entidades, en leguaje de
simulación) saldrá funcionando. Este automóvil también es una entidad, pero es
temporal.

Luego, después del ejemplo donde se clarifica el concepto de entidad, se deduce

también que existen dos tipos de ellas. Las permanentes y las temporales. Un
ejemplo de entidad temporal es un paciente en una consulta (solo va por eso). Y,
 Página 4 de 19

un ejemplo de entidad permanente es el mismo paciente que puede ser internado

ocupando recursos en forma permanente para el sistema.

• Atributos: las entidades como tales poseen ciertas características, mediante las
cuales pueden ser descritas y como tal permiten diferenciarlas entre sí de otras
entidades. Las entidades equivalentes tienen atributos equivalentes, pero toman
valores específicos para cada una de las entidades en sí. Dicho de otra forma, se
pueden considerar como variables locales o específicas de cada entidad.

• Variables: son las características particulares de todo el sistema que se está

modelando. Por ejemplo, el tiempo total de simulación del sistema.

• Recursos: son entidades utilizadas para llevar a cabo una acción determinada. En
los sistemas de simulación, una entidad solicita un recurso, lo usa y después ese
recurso queda liberado. Por ejemplo, siguiendo con el ejemplo del taller mecánico,
un recurso puede ser un “pintor”: una entidad mayor solicita ese recurso y luego
de un tiempo lo libera para ser usado nuevamente. Normalmente, los recursos son
personas, espacios determinados para ciertos usos, o maquinarias.

• Colas: es el espacio físico donde las entidades aguardan cuando no pueden

moverse. Esto ocurre cuando los recursos que se desean usar no están disponibles.

• Actividades: una actividad corresponde a una función o tarea que realizan los
recursos sobre las entidades (una entidad en este caso puede ser, por ejemplo, un
cliente). Estas actividades están acotadas en el tiempo, es decir, tienen una
duración predefinida, la cual puede tener la condición de aleatoria o definida a
priori.

• Suceso: corresponde a hechos que pueden generarse dentro del sistema o pueden
ser determinados fuera del mismo.

Estos siete elementos son los que deben ser considerados cuando se pretende diseñar un
sistema dinámico de tiempo discreto, en cuanto al programa específico que se use para
tales fines.

Un diagrama que permite visualizar los componentes de un sistema de simulación

dinámico (discreto) es el siguiente:
 Página 5 de 19

Figura 1: Elementos de un sistema de simulación

Fuente: Portilla, L.; Arias, L.; Fernández, S. (2010). Análisis de líneas de espera a través de teoría de
colas y simulación. Scientia Et Technica, XVII(46), pp. 56-61.
https://www.redalyc.org/pdf/849/84920977012.pdf

La figura 1 muestra cómo la mayor parte de estos conceptos converge en el

procesamiento y elaboración del sistema. En una etapa posterior, el sistema específico se
construirá usando estos elementos para dar forma a la simulación buscada en términos
computacionales.

1.1.1. Simulación de líneas de esperas (colas)

A continuación, describiremos uno de los modelos dinámicos de tiempo discreto

denominado teoría de colas (uno o más servidores), el cual es uno de los más usados,
junto con los modelos dinámicos de tiempo discreto de inventarios.

Tal como lo dicen Rodríguez y Delgado (1991) “de manera simplificada, las variables y
ecuaciones que caracterizan a los modelos de espera son”:
 Página 6 de 19

Variables exógenas

• Intervalo de tiempo entre el arribo de la i-ésima y la i-iésima+1 unidad.

• Tiempo de servicio para la i-ésima unidad de arribo en la estación j.

Variables de estado

• Tiempo medio de espera.

• Tiempo medio de ocio de la estación j.

Variables endógenas

• Tiempo total que la i-ésima orden está en el sistema.

Relaciones de comportamiento

• Funciones de densidad de probabilidad para el intervalo de tiempo entre

llegadas.

• Función de densidad de probabilidad del tiempo de servicio.

Identidades como los tiempos medios de espera y el tiempo medio de ocio

Fuente: Rodríguez, F. y Delgado, R. (1991). Técnicas y modelos de simulación de sistemas. Ed.

Instituto Politécnico Nacional. https://elibro.net/es/ereader/uniacc/72173?page=287
 Página 7 de 19

Un esquema que detalla lo anterior es el siguiente:

Figura 2: Grafico de un Sistema de Colas

Fuente: Portilla, L.; Arias, L.; Fernández, S. (2010). Análisis de líneas de espera a través de teoría de
colas y simulación. Scientia Et Technica, XVII(46), pp. 56-61.
https://www.redalyc.org/pdf/849/84920977012.pdf

El esquema nos muestra que existen dos formas de simular este tipo de sistemas. La
primera es cuando la línea de espera tiene un solo recurso o servidor, mientras que la
segunda forma es cuando existe más de un servidor o recurso. Ambas formas rescatan lo
que nos indica Rodríguez y Delgado (1991), en términos de los elementos a utilizar en la
simulación.
 Página 8 de 19

1.1.2. Simulación de inventarios

El manejo de los inventarios corresponde a otro tipo de sistema, el que puede ser
simulado mediante simulación dinámica discreta.

Los problemas de inventarios se relacionan con decisiones que las empresas deben
tomar respecto de la frecuencia de reposición, decisiones de cuánto almacenar y cuánto
producir, pues todas ellas tienen un elevado costo dentro de la función de producción.

Rodríguez y Delgado (1991) indica los siguientes elementos a considerar dentro de una
simulación de inventarios:

• Costo total del inventario.

• Variables de estado.
• Costo total de mantener.
• Costo total de ordenar.
• Costo total de escasez.
• Tiempo de reloj.
• Tiempo en que se debe satisfacer la orden.
• Nivel de inventario.
• Identidades

Todos estos elementos forman parte de un sistema de simulación de inventarios. Si se

observa detalladamente, aparecen las variables de estado, tiempo y los costos que
tienen los inventarios en las diferentes fases del proceso.

Gráficamente, el proceso para establecer un sistema de simulación de inventarios se

muestra en la figura 3:
 Página 9 de 19

Figura 3: Ciclo modelo de Inventario

Fuente: Ortiz, M.; Báez, A.; Cedeño, N.; Rodríguez, L. (2016). Control de inventario optimizado para
una empresa de comercialización de artículos de papelería y oficina, en Puerto la Cruz
Estado Anzoátegui. Revista Espacios, 37(34), p. 30.
https://www.revistaespacios.com/a16v37n34/16373430.html

La mayoría de las variables sugeridas por Rodríguez y Delgado (1991) caben dentro del
análisis de la demanda y, más aún, dentro de la demanda probabilística.
 Página 10 de 19

1.2. Elementos y técnicas de simulación de sistemas

continuos y discretos-continuos
La simulación continua, a diferencia de la discreta, crea las operaciones de un sistema
para rastrear o calcular continuamente la conducta de un sistema durante la simulación.
Eso representa que los resultados son producidos o pueden ser obtenidos durante todos
los puntos durante la simulación y no en intervalos.

Dicho de otra forma, un sistema continuo es aquel en el cual las variables de estado
cambian en forma constante a través del tiempo.

Algunos ejemplos de aplicación de modelos de simulación de sistemas continuos son:

procesos físicos (comportamiento de partículas en algún medio), dinámicas de
poblaciones (modelos de presa-cazador), modelos económicos (modelos de
crecimiento), sistemas de producción (producción en línea).

Los ejemplos anteriores se basan en un conjunto de ecuaciones diferenciales (o

ecuaciones en diferencia) y tienen la particularidad de definir las condiciones de las
variables de estado.

Existen dos formas de desarrollar el modelo continuo de simulación. Estas son:

• El enfoque deductivo, donde el comportamiento del sistema se basa en leyes

físicas de comportamiento.
• El enfoque inductivo, donde el comportamiento del sistema surge de la
observación del mismo.

Un ejemplo de este último enfoque es conocido como el modelo presa-depredador:

Este modelo es típico para revelar la dinámica de las poblaciones. Mientras la

población de presas esté en aumento, la población de depredadores también
aumenta, ya que tienen suficiente para comer. Pero muy pronto la población de
depredadores se vuelve demasiado grande para que la caza supere la
procreación de la presa. Esto conduce a una disminución de la población de
presas y, como consecuencia de esto, también a una disminución de la población
de depredadores, ya que no tienen suficiente comida para alimentar a toda la
población. La simulación de cualquier población implica contar con miembros de
la población y, por lo tanto, es fundamentalmente una simulación discreta. Sin
 Página 11 de 19

embargo, modelar fenómenos discretos con ecuaciones continuas a menudo

produce conocimientos útiles. Una simulación continua de la dinámica de la
población representa una aproximación de la población que ajusta efectivamente
una curva a un conjunto finito de medidas/puntos.

La gráfica de este modelo presa-depredador es la siguiente:

Figura 4: Gráfico de un modelo de simulación continúa Presa Cazador

Fuente: Huenchucona, M. (2010). Modelo de depredador-presa y el efecto de la estructura de

edades. Universidad del Bío Bío.
http://repobib.ubiobio.cl/jspui/bitstream/123456789/2281/1/Huenchucona_Cifuentes_Marcelo
.pdf

Existe también una combinación de sistemas que se pueden simular, como son los
discretos-continuos, mencionados al inicio de este contenido.

Esta simulación es útil cuando las variables pueden cambiar continuamente de estado con
respecto, por ejemplo, al tiempo; o cambiar instantáneamente en tiempos separados. En
este tipo de simulación coexisten e interactúan en forma simultánea variables de estado
discretas y continuas.

Las interacciones entre estas variables pueden clasificarse de tres formas diferentes:

• Un evento discreto puede originar un cambio discreto en el valor de una variable

de estado continua.
• Un evento discreto puede provocar que la relación que conduce una variable de
estado continua cambie o se modifique en un instante de tiempo particular.
 Página 12 de 19

• Una variable de estado continua en el inicio puede causar que un evento discreto
ocurra o tenga que ser programado.

La figura 6 muestra ambos sistemas por separado. La combinación de ambos dará pasó a
la simulación discreta-continua.

Figura 6: Comparación de modelos Discretos-Continuos

Fuente: Saldana, R. (2015). Modelado y Simulación de sistemas.

https://slideplayer.es/slide/2354765/

1.3. Programas de simulación y métricas estadísticas

La simulación de sistemas, ya sean discretos, continuos o discretos continuos, obedecen a
la necesidad de contrastar sus resultados con lo que ocurre en la realidad de forma más
económica. De esta manera, se trata de medir la efectividad del sistema y de la
simulación.

Para esto existen métricas estadísticas, que los programas de simulación entregan como
resultado de la simulación.

Antes de revisar las métricas, revisaremos algunos programas de simulación que operan
en el mercado.
 Página 13 de 19

Dentro de los programas de simulación más conocidos están:

• FlexSim: es un software de simulación, tanto para eventos discretos como para

eventos continuos. Incluso permite modelar el sistema simulado en 3D, lo que
permite detectar “cuellos de botellas”. Dentro de outputs estadísticos están los
referidos al proceso simulado, de los flujos y de los cuellos de botella detectados.

• Arena: es un software que permite simular sistemas o procesos de fabricación

(discretos). Tiene dos versiones: una básica, que se dedica al business process, y
una versión profesional, que sirve para el modelado de sistemas continuos.

• Witness: a diferencia de los anteriores, este programa tiene una conexión gráfica
más desarrollada que, por medio de modelos dinámicos, convierte los datos en un
proceso de toma de decisiones productiva. Este programa de simulación permite
entender procesos en forma visual.

• Delmia Quest: este programa de simulación, además de lo que realiza

normalmente un programa de simulación, permite integrar dibujos de otros
programas en 2D y 3D. Incluso es posible exportar los datos a una planilla
electrónica como Excel.

Todos estos programas tienen y arrojan métricas estadísticas estándar y específicas

respecto de los sistemas simulados, las que serán revisadas en el siguiente apartado.
1.3.1. Métricas estadísticas

Los sistemas simulados, para ver su efectividad y utilidad, necesitan generar reportes con
la información de la simulación. Estos reportes son de naturaleza estadística y
generalmente comprenden algunas familias de estadísticos generales, como los que son
descritos a continuación y estadísticos específicos del sistema.

Algunos estadísticos generales a partir de la simulación de un sistema se pueden

encuadrar dentro de los siguientes:

• Tally: aquí se incluyen los máximos, mínimos y promedios de las variables

estudiadas, ya sea que se trate del estudio de una cola o del sistema en general.
 Página 14 de 19

• Time persistent: este estadístico dice relación con los tiempos que se generan en
la cola simulada. También puede ser utilizado como estadístico de un fenómeno
que tiene como variable independiente el tiempo, generando, de esta forma, un
tiempo máximo, promedio y mínimo (se puede asociar a una distribución
triangular).

• Counter: se usa para contar la cantidad de veces que una entidad pasa por un
punto determinado del proceso.

En tanto, las métricas estadísticas básicas que se utilizan en los programas de

simulación vienen incorporadas en los reportes del programa, como el que se muestra
en la figura 7.

Figura 7: Salidas de información de Arena

Fuente: Gómez, C. (2012). Simulación con el software Arena. https://docplayer.es/67902757-

Simulacion-con-el-software-arena-resumen-de-los-capitulos-1-al-4.html

Como puede apreciarse en la figura 7, el reporte se refiere a los tiempos simulados de

las entidades de la simulación. Entre otros indicadores aparecen, tal como se mencionó
 Página 15 de 19

anteriormente, los tiempos mínimos, máximos y los promedios. En particular, este es el

reporte de salida, una vez acabado el tiempo de la simulación.

2. Ejemplos básicos de simulación con arena

A continuación veremos cómo simular un ejemplo simple usando arena. Para esto se debe
de descargar el software (de descarga libre en Google).

Para lo anterior les adjunto la siguiente dirección, donde salen todos los pasos para dejar
arena en el PC:
https://guayacan.uninorte.edu.co/Recursos/software_estudiantes/arena.pdf

Una vez descargado el programa, desarrollaremos el siguiente ejemplo, que tiene que ver
con modelos de simulación discretos.

Considérese un fenómeno de espera, en el que los tiempos

entre llegadas de los clientes al sistema están distribuidos
exponencialmente con parámetro M = 0,2, y el tiempo de
servicio es constante e igual a 1,5 minutos por cliente.
Realizar el proceso de simulación para 20 clientes, según la
norma FIFO (primero en entrar, primero en salir), y
suponiendo que el primer cliente llega al sistema en el
EJEMPLO

instante t = 0.

Informar el fin de la simulación:

• Factor de utilización del servidor.

• Número medio en la cola.
• Número medio en el sistema.
• Tiempo medio de permanencia en el sistema.
• Tiempo medio de espera en cola.
 Página 16 de 19

Al desarrollar el ejercicio en el programa, la primera pantalla es esta:

Figura 8: Pantalla Inicial de Arena

El modelo, en la medida que se va desarrollando (ingresando los elementos

correspondientes a la pantalla de modelado del programa, lado izquierdo de la pantalla),
finalmente debiera de quedar como sigue:
 Página 17 de 19

Figura 9: Pantalla Esquematizada del programa Arena simulando M/M/1

Cuando el modelo esté en funcionamiento (corriendo el reloj), la pantalla que se verá es la

siguiente:

Figura 10 : Esquema en funcionamiento de un M/M/1

 Página 18 de 19

Conclusión
Como pudo apreciarse, la clasificación de los sistemas dinámicos (discretos, continuos y
dinámicos-discretos) provee de una herramienta versátil a la hora de generar modelos de
simulación. El ámbito de aplicación de estos también es variado, particularmente en el
ámbito de las organizaciones, donde es una herramienta optimizadora, sobre todo en lo
que dice relación con la simulación de modelos discretos, que están relacionados
directamente con la teoría de líneas de espera.

También se pudo dimensionar la importancia que adquieren los diferentes programas que
existen en el mercado para realizar simulaciones. La información estadística que estos
entregan para la toma de decisiones, sumada a la gráfica que entregan para realizar
aproximaciones y modelaciones acordes al sistema estudiado, los convierten, sin lugar a
duda, en una ayuda para la optimización de los recursos de la empresa.
 Página 19 de 19

Referencias bibliográficas

Huenchucona, M. (2010). Modelo de depredador-presa y el efecto de la estructura de edades.

Universidad del Bío Bío.
http://repobib.ubiobio.cl/jspui/bitstream/123456789/2281/1/Huenchucona_Cifuentes_
Marcelo.pdf
Ortiz, M.; Báez, A.; Cedeño, N.; Rodríguez, L. (2016). Control de inventario optimizado para
una empresa de comercialización de artículos de papelería y oficina, en Puerto la
Cruz Estado Anzoátegui. Revista Espacios, 37(34), p. 30.
https://www.revistaespacios.com/a16v37n34/16373430.html

Rodríguez, F. y Delgado, R. (1991). Técnicas y modelos de simulación de sistemas. Ed.

Instituto Politécnico Nacional.
https://elibro.net/es/ereader/uniacc/72173?page=287

Saldana, R. (2015). Modelado y Simulación de sistemas [Dispositivas dePower Point]. Slide

Player. https://slideplayer.es/slide/2354765/

Urquía, A. y Martín, C. (2013). Modelado y simulación de eventos discretos. Ed.

Universidad Nacional de Educación a Distancia.
https://elibro.net/es/ereader/uniacc/48697?page=28
 Página 1 de 1

Este material fue desarrollado por el docente Francisco Gallardo González para la
Universidad Mayor y ha sido diseñado para su lectura en formato digital.

Última actualización agosto, 2022.