Universidad Nacional Abierta y a Distancia

Vicerrectoría Académica y de Investigación

Paso 3. Elabora un plan para recopilar datos

Presentado por:

Presentado a tutor:

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

INGENIERÍA INDUSTRIAL
2023
¿Cómo son los modelos de simulación de eventos discretos?

La simulación de eventos discretos es una herramienta analítica que se está

extendiendo rápidamente en entornos empresariales, demostrando su utilidad
para apoyar decisiones relacionadas con la planificación de la producción y el
inventario, así como el diseño de sistemas de producción y sus cadenas de
suministro, Guasch, Piera y Figueras (2003). Los sistemas dinámicos de eventos
discretos son los más estudiados actualmente. Se caracterizan por el hecho de
que las variables de estado que definen el estado del sistema en cada momento
cambian sólo en un conjunto discreto de momentos.
Este comportamiento discreto del sistema permite la implementación en un
programa de computadora a través de una lista de eventos futuros, un reloj que
salta al siguiente evento en el tiempo y acumuladores estadísticos que actualizan
el estado y las variables de salida. Se basa en la simulación de modelos para
crear una historia artificial de un sistema para así verificar su correcto
funcionamiento.

¿Qué elementos se identifican en los modelos de simulación discretos?

La simulación de eventos discretos es un método de modelado ampliamente

utilizado en herramientas de apoyo a la toma de decisiones para la logística y la
gestión de la cadena de suministro.

 Entidades: Son los objetos o individuos que se están simulando. Estas

entidades pueden ser físicas, como personas o vehículos, o abstractas,
como mensajes en una red de computadoras.
 Eventos: Representan cambios en el sistema que ocurren en momentos
específicos del tiempo o del espacio. Los eventos pueden ser programados
para ocurrir en momentos determinados o pueden ser el resultado de una
condición específica que se cumple en el sistema.
 Reloj de Simulación: Es una variable que lleva el seguimiento del tiempo en
la simulación. Los eventos ocurren en momentos específicos del tiempo, y
el reloj de simulación se utiliza para determinar el orden en que ocurren los
eventos
 Variables de Estado: Son variables que representan el estado del sistema
en un momento específico del tiempo. Estas variables pueden incluir cosas
como la ubicación de una entidad, la cantidad de recursos en el sistema o
cualquier otra característica relevante del sistema en un momento dado.
  Cola de Eventos: Es una estructura de datos que contiene todos los
eventos programados para ocurrir en el futuro. Los eventos en la cola de
eventos están ordenados por el tiempo en que deben ocurrir, de modo que
el próximo evento a ocurrir siempre se encuentra en la parte frontal de la
cola.
 Reglas de Despacho: Determinan qué evento se procesa a continuación
cuando hay múltiples eventos en la cola de eventos que tienen el mismo
tiempo de ocurrencia. Las reglas de despacho pueden incluir políticas como
"primero en llegar, primero en ser atendido" o "prioridad más alta primero".
 Resultados de la Simulación: Estos son los datos que se recopilan durante
la simulación y que se utilizan para analizar el sistema. Los resultados
pueden incluir medidas de desempeño, estadísticas y cualquier otra
información relevante para el análisis del sistema simulado.
Estos elementos trabajan juntos en un modelo de simulación discreta para
representar y analizar el comportamiento de sistemas complejos a lo largo del
tiempo.

Describa los campos de aplicación de la simulación orientada a eventos discretos,

explicando cada una de sus aplicaciones.
Manufactura y Logística:
Líneas de Producción: Permite modelar el flujo de productos a través de una
línea de ensamblaje para optimizar la eficiencia y minimizar los cuellos de botella.
Inventario y Cadena de Suministro: Ayuda a gestionar los niveles de inventario y
a analizar el impacto de diferentes políticas de gestión de inventario en toda la
cadena de suministro.
Planificación de Rutas: Modela el movimiento de vehículos en un sistema de
transporte para optimizar las rutas y reducir los costos de transporte
Sistemas de Computación y Redes:
Redes de Computadoras: Simula el tráfico de datos en redes para evaluar el
rendimiento, la congestión y la calidad del servicio (QoS).
Centros de Datos: Modela el flujo de trabajo y la asignación de recursos en
centros de datos para optimizar la utilización de servidores y minimizar el tiempo
de inactividad.
Sistemas de Colas: Analiza sistemas de colas para optimizar el número de
servidores y prever los tiempos de espera en servicios como hospitales y centros
de llamadas.
Atención Médica:
Hospitales: Modela el flujo de pacientes, personal y recursos para mejorar la
eficiencia en la prestación de servicios médicos y reducir los tiempos de espera.
Epidemiología: Ayuda a comprender y prever la propagación de enfermedades
infecciosas mediante la simulación de interacciones entre individuos en una
población
Negocios y Finanzas:
Finanzas: Modela el comportamiento de los mercados financieros y evalúa el
riesgo en las inversiones.
Operaciones Comerciales: Simula estrategias de negocio para optimizar la
asignación de recursos y maximizar las ganancias en entornos competitivos.
Ingeniería y Proyectos:
Ingeniería de Sistemas: Evalúa el rendimiento de sistemas complejos como
aviones, satélites y plantas de energía.
Gestión de Proyectos: Ayuda en la planificación y asignación de recursos para
proyectos grandes y complejos, permitiendo la identificación de posibles cuellos de
botella y retrasos.
Educación y Formación:
Simulación Educativa: Crea entornos virtuales para el aprendizaje interactivo,
permitiendo a los estudiantes practicar y experimentar en un entorno seguro.
Entrenamiento en Crisis: Prepara a profesionales para situaciones de
emergencia, como desastres naturales o ataques terroristas, mediante la
simulación de escenarios realistas.
La simulación orientada a eventos discretos es una herramienta poderosa y
versátil que se utiliza en una amplia gama de aplicaciones para analizar sistemas
complejos, probar hipótesis, optimizar operaciones y tomar decisiones informadas

Verificación y validación de un modelo

La verificación se enfoca en determinar si el modelo ha sido implementado
correctamente. Incluye:
Revisión de Requisitos: Asegurarse de que el modelo cumple con todos los
requisitos especificados por los usuarios y las partes interesadas.
Verificación de Programación: Revisar el código y los algoritmos para
asegurarse de que estén implementados correctamente y sin errores de
programación.
Pruebas Unitarias: Realizar pruebas para componentes individuales del modelo
para garantizar que funcionen como se espera.
Pruebas de Integración: Probar la interacción entre diferentes partes del modelo
para asegurar que se comuniquen y colaboren correctamente.
Validación:
La validación se centra en determinar si el modelo representa de manera precisa
el sistema real que está siendo simulado. Incluye:
Comparación con Datos Empíricos: Comparar los resultados del modelo con
datos reales para asegurarse de que el modelo reproduzca el comportamiento del
sistema real de manera precisa.
Sensibilidad y Análisis de Incertidumbre: Realizar análisis de sensibilidad para
comprender cómo varían los resultados cuando los parámetros del modelo
cambian. Además, evaluar la incertidumbre en los datos de entrada y cómo afecta
los resultados.
Validación Cruzada: Comparar los resultados del modelo con los resultados de
otro modelo independiente (si está disponible) para corroborar la precisión de los
resultados.
Participación de los Stakeholders: Involucrar a los usuarios y partes interesadas
para validar que el modelo captura adecuadamente los aspectos clave del sistema
y produce resultados que son útiles y significativos para ellos.
Revisión Técnica: Realizar revisiones técnicas del modelo por parte de expertos
en el campo para asegurar que el enfoque de modelado y las suposiciones sean
válidos.
Validación Predictiva: Utilizar el modelo para hacer predicciones sobre el sistema
real y comparar esas predicciones con eventos reales a medida que ocurren en el
tiempo.
Es importante tener en cuenta que la verificación y validación son procesos
iterativos. Después de realizar ajustes en el modelo en función de los resultados
de la validación, es esencial volver a verificar para asegurarse de que los cambios
no hayan introducido nuevos errores en el modelo. Este ciclo de verificación y
validación se repite hasta que el modelo sea considerado preciso y confiable para
su uso en la toma de decisiones.
Ventajas y desventajas de la simulación

Ventajas de la Simulación Desventajas de la Simulación

1. Flexibilidad: Permite modelar sistemas 1. Simplificaciones: Los modelos de

complejos y dinámicos que pueden ser simulación a menudo implican
difíciles o costosos de estudiar en la simplificaciones y abstracciones que
realidad. pueden no capturar todos los aspectos del
sistema real.

2. Experimentación Segura: Permite realizar 2. Costo y Tiempo: La construcción y

experimentos en un entorno controlado sin validación de un modelo de simulación
afectar el sistema real. pueden ser costosas y pueden llevar
mucho tiempo, especialmente para
sistemas complejos.

3. Evaluación de Políticas: Se puede utilizar 3. Validación Requerida: Los resultados de

para probar diferentes políticas, estrategias la simulación deben validarse
y escenarios sin riesgo financiero o impacto cuidadosamente para asegurar que sean
en el mundo real. representativos del mundo real.

4. Análisis de Sensibilidad: Permite evaluar 4. Dependencia del Modelo: La calidad de

cómo los cambios en los parámetros los resultados depende en gran medida de
afectan el sistema, lo que proporciona la precisión del modelo y de la calidad de
información valiosa para la toma de los datos de entrada.
decisiones.
 5. Reproducibilidad: Los experimentos de 5. Interpretación Subjetiva: La
simulación pueden repetirse fácilmente para interpretación de los resultados puede ser
verificar resultados y realizar análisis subjetiva y depender de la experiencia y el
comparativos. juicio del modelador.

6. Evaluación de Riesgos: Permite evaluar y 6. No siempre aplicable: No todos los

gestionar los riesgos asociados con problemas se pueden modelar fácilmente
diversas decisiones y acciones. mediante simulación, especialmente si los
datos son insuficientes o si el sistema es
demasiado complejo.

7. Visualización y Comunicación: Los 7. Interpretación Errónea: Las personas a

resultados de la simulación pueden ser veces pueden malinterpretar los resultados
visualizados de manera efectiva, facilitando de la simulación, especialmente si no
la comunicación de los hallazgos a comprenden completamente el modelo
diferentes audiencias. subyacente.

Ventajas y desventajas de la simulación de eventos discretos

Aspecto Ventajas Desventajas
Precisión y Permite modelar sistemas La precisión depende de la calidad de los
Flexibilidad complejos y realistas con datos y la programación del modelo.
precisión. Puede simular una Puede ser difícil representar ciertos
amplia gama de situaciones y fenómenos de manera precisa.
escenarios.
Experimentació Permite realizar La simulación puede no capturar
n sin Riesgos experimentos sin afectar el completamente la complejidad del mundo
sistema real. Se pueden real. Las decisiones basadas en la
probar diferentes estrategias simulación pueden no ser válidas en el
y escenarios sin mundo real.
consecuencias reales.
Análisis de Facilita la realización de Identificar y ajustar las variables más
Sensibilidad análisis de sensibilidad para influyentes puede ser complejo y requerir
comprender cómo diferentes pruebas exhaustivas.
variables afectan el sistema.
Optimización Permite encontrar La búsqueda de soluciones óptimas
 configuraciones óptimas al puede ser computacionalmente intensiva
simular diferentes escenarios y llevar mucho tiempo. Los resultados
y evaluar el rendimiento. pueden estar influenciados por la
elección de los parámetros del modelo.
Visualización y Proporciona visualizaciones Interpretar la salida visual y explicar los
Comunicación gráficas que facilitan la resultados complejos de la simulación
comprensión del modelo y puede resultar un desafío, especialmente
los resultados. Permite la para los no expertos. La visualización
comunicación efectiva de los podría simplificar demasiado el complejo
hallazgos. comportamiento del sistema
Costo y Por lo general, es más Desarrollar un modelo de simulación de
Recursos rentable y menos riesgoso calidad puede llevar tiempo y recursos
que realizar experimentos en significativos. Además, los recursos
el mundo real. Puede computacionales necesarios pueden ser
requerir menos recursos altos para simulaciones complejas.
financieros y humanos para
realizar pruebas.
Escalabilidad Puede ser escalado para La complejidad y la escala pueden
simular sistemas de gran aumentar la dificultad para desarrollar y
envergadura y complejidad. mantener el modelo. También puede
requerir una gran capacidad
computacional.
Aplicación en En algunos casos, las Las simulaciones en tiempo real pueden
Tiempo Real simulaciones de eventos requerir hardware y software
discretos pueden ejecutarse especializados para garantizar un
en tiempo real para permitir rendimiento adecuado. Los modelos
la toma de decisiones en deben ser altamente optimizados.
situaciones dinámicas.