Modelos De Optimización De Recursos

Unidad 6

Modelacion y simulacion de operaciones y procesos

Alumno: Ramirez Delgado Braulio Rafael

NO. de control:22340101

Carrera: Ingeniería Civil

Maestra: Rodriguez Gonzalez Evely Saray

 Introducción:

La modelación y simulación de operaciones y procesos es una disciplina

fundamental en el ámbito de la ingeniería, la gestión y otras áreas
relacionadas. Estas herramientas permiten a los profesionales recrear
digitalmente sistemas complejos para comprender su comportamiento, prever
resultados y mejorar la eficiencia operativa. En esta introducción,
exploraremos los conceptos clave y la importancia de la modelación y
simulación en el ámbito de operaciones y procesos.

Definición y Propósito:

La modelación y simulación implican la creación de representaciones

matemáticas o computacionales de sistemas reales con el objetivo de
comprender, analizar y mejorar su funcionamiento. Esto es especialmente
valioso en el contexto de operaciones y procesos, donde la eficiencia y la
optimización son críticas.

Características Clave:

Abstracción y Simplificación: Los modelos capturan las características

esenciales de un sistema mientras simplifican detalles menos relevantes. Esto
facilita el análisis y la comprensión.

Experimentación Virtual: La simulación permite realizar experimentos virtuales

en entornos seguros y controlados. Esto es útil para explorar diferentes
escenarios sin afectar operaciones reales.

Predicción y Optimización: Los modelos y simulaciones proporcionan la

capacidad de prever el rendimiento futuro y optimizar procesos para lograr
mejores resultados.

Áreas de Aplicación:

Industria y Manufactura: Modelar y simular procesos de producción para

optimizar la cadena de suministro, mejorar la eficiencia en la planta y reducir
costos.

Logística y Transporte: Optimizar rutas de distribución, analizar flujos de

tráfico y mejorar la gestión de inventario mediante simulaciones detalladas.

Salud y Ciencias Biológicas: Simular el comportamiento de sistemas

biológicos y procesos médicos para entender mejor enfermedades, diseñar
tratamientos y planificar intervenciones.

Negocios y Gestión: Modelar operaciones empresariales, analizar estrategias

de mercado y simular escenarios financieros para la toma de decisiones
informada.
 Desarrollo
La modelación y simulación de operaciones y procesos es un proceso integral
que involucra la creación, implementación y análisis de modelos para
entender y mejorar sistemas complejos. A continuación, se detalla el
desarrollo de esta disciplina:

Definición del Problema:

Comienza identificando el problema específico que deseas abordar. Puede ser

una operación logística, un proceso de fabricación, una cadena de suministro
o cualquier sistema donde la eficiencia y la optimización sean esenciales.
Objetivos de la Simulación:

Establece claramente los objetivos de la simulación. Pregúntate qué

preguntas deseas responder, qué variables son críticas y cómo esperas que
mejore el sistema a través de la simulación.
Recopilación de Datos:

Reúne datos relevantes para el sistema que estás modelando. Esto puede
incluir datos sobre tiempos de procesamiento, capacidades de recursos, tasas
de llegada de demanda, entre otros. La calidad de los datos es esencial para la
precisión del modelo.
Selección de la Metodología y Herramientas:

Elige la metodología de simulación adecuada. Puedes optar por simulaciones

de eventos discretos, simulaciones basadas en agentes, o enfoques de
sistemas dinámicos, según la naturaleza del problema. Selecciona
herramientas de simulación, como Simulink, Arena, AnyLogic, dependiendo
de tus necesidades.
Desarrollo del Modelo:

Construye el modelo utilizando la metodología y herramientas seleccionadas.

Define las variables, reglas y relaciones que describen el comportamiento del
sistema. La abstracción y simplificación son esenciales para manejar la
complejidad.
Validación del Modelo:

Verifica que el modelo refleje con precisión la realidad. Utiliza datos

históricos, realiza pruebas de sensibilidad y compara los resultados de la
simulación con el comportamiento observado en el mundo real.
Implementación de la Simulación:
 Implementa la simulación utilizando el software elegido. Ajusta parámetros y
ejecuta simulaciones para obtener resultados. Este proceso puede implicar
iteraciones para refinar el modelo y mejorar su precisión.
Análisis de Resultados:

Examina los resultados de la simulación. Analiza las métricas clave, identifica

cuellos de botella, evalúa el rendimiento del sistema y compara diferentes
escenarios. Los gráficos y visualizaciones son útiles para comunicar los
resultados de manera efectiva.
Optimización y Mejora:

Con base en los resultados de la simulación, identifica oportunidades de

mejora y optimización. Prueba diferentes estrategias y ajusta variables para
lograr los objetivos establecidos al inicio del proceso.
Documentación y Comunicación:

Documenta el modelo, los resultados y las decisiones tomadas. Comunica los

hallazgos a las partes interesadas, utilizando informes claros y presentaciones
visuales para facilitar la comprensión.
Iteración y Actualización:

La modelación y simulación son procesos iterativos. Si se obtienen nuevos

datos o si el sistema experimenta cambios, actualiza el modelo y repite el
proceso para garantizar que la simulación siga siendo relevante y precisa.
Al seguir estos pasos, la modelación y simulación de operaciones y procesos
se convierte en una herramienta poderosa para entender y mejorar la
eficiencia de sistemas complejos, contribuyendo a la toma de decisiones
informada y a la optimización continua.
 El proceso de simulacion:
El proceso de simulación es una serie de pasos organizados que se siguen
para modelar y analizar el comportamiento de un sistema mediante la creación
de un modelo computacional. Aquí se presenta una descripción general del
proceso de simulación:

Definición del Problema:

Identifica y define claramente el problema o sistema que se va a simular.

Establece los objetivos y las preguntas que se buscan responder mediante la
simulación.
Formulación del Modelo:

Desarrolla un modelo conceptual del sistema. Este modelo representa las

variables clave, las relaciones entre ellas y las reglas que gobiernan el
comportamiento del sistema. La formulación puede incluir diagramas de flujo,
ecuaciones matemáticas o representaciones gráficas.
Recopilación de Datos:

Recolecta datos necesarios para alimentar y validar el modelo. Estos datos

pueden provenir de fuentes históricas, mediciones actuales o estimaciones
expertas. La calidad de los datos es
crucial para la precisión del modelo y
los resultados de la simulación.
Selección de la Metodología de
Simulación:

Elige la metodología de simulación

más apropiada para el problema en
cuestión. Las metodologías comunes
incluyen simulación de eventos
discretos, simulación basada en
agentes, y enfoques de sistemas
dinámicos, entre otros.
Desarrollo del Modelo de Simulación:

Implementa el modelo utilizando herramientas y software de simulación.

Define las variables, establece parámetros y configura las reglas del modelo.
Este paso implica traducir el modelo conceptual en una representación
matemática o computacional.
Validación del Modelo:

Verifica que el modelo sea una representación precisa del sistema real.
Compara los resultados de la simulación con datos reales o expectativas
teóricas. Ajusta el modelo según sea necesario para mejorar su validez.
Diseño de Experimentos:

Planifica los experimentos de simulación que se ejecutarán. Determina los

escenarios y condiciones bajo los cuales se realizarán las simulaciones. Esto
puede incluir cambios en variables clave para evaluar su impacto en el
sistema.
Implementación y Ejecución:

Implementa el diseño de experimentos y ejecuta las simulaciones. Recopila

datos de salida y monitorea el comportamiento del sistema en cada ejecución.
Este paso puede requerir la ejecución de múltiples simulaciones para explorar
diferentes condiciones.
Análisis de Resultados:

Analiza los resultados de las simulaciones. Examina las métricas clave,

identifica patrones, tendencias y características del sistema. Compara los
resultados con los objetivos iniciales y las expectativas del problema.
Optimización y Mejora:

Basándote en los resultados, realiza ajustes en el modelo o en el sistema real

para optimizar el rendimiento. Evalúa cómo diferentes estrategias o cambios
afectan al sistema y busca oportunidades de mejora.
Documentación y Comunicación:

Documenta el proceso de simulación, los resultados obtenidos y las

decisiones tomadas. Comunica los hallazgos de manera clara a las partes
interesadas a través de informes, presentaciones u otros medios.
Validación Posterior:

Valida nuevamente el modelo a medida que se acumulan más datos o se

realizan cambios en el sistema real. La validación continua es esencial para
garantizar la relevancia y la precisión del modelo en entornos cambiantes.
La simulación es un proceso iterativo y colaborativo que requiere una
comprensión profunda del sistema que se está modelando y de las
herramientas de simulación utilizadas. La precisión y la validez del modelo
son fundamentales para la toma de decisiones informada y la mejora continua
del sistema.
 Conceptos:
El proceso de simulación implica una serie de conceptos y pasos clave que
son fundamentales para modelar y analizar el comportamiento de sistemas
complejos. A continuación, se presentan algunos conceptos esenciales
relacionados con el proceso de simulación:

Sistema:
Un sistema es un conjunto de elementos interrelacionados que trabajan juntos
para lograr un objetivo común. Puede ser físico o abstracto y se modela para
comprender su comportamiento.
Modelo:
Un modelo es una representación simplificada de un sistema real. Puede ser
matemático, conceptual o computacional y captura las características
esenciales del sistema de interés.
Variables:
Las variables son parámetros que describen las características del sistema y
que pueden cambiar con el tiempo. Estas pueden ser variables de entrada que
afectan al sistema o variables de salida que son resultado del comportamiento
del sistema.
Datos:
Los datos son información recopilada sobre el
sistema real para alimentar y validar el modelo.
Pueden incluir valores numéricos,
observaciones empíricas o estimaciones
expertas.
Metodología de Simulación:
Es el enfoque o método elegido para realizar la
simulación. Puede incluir simulación de
eventos discretos, simulación basada en
agentes, o enfoques de sistemas dinámicos,
entre otros.
Validación del Modelo:
La validación del modelo implica verificar que el modelo se comporte de
manera consistente con el sistema real. Esto se logra comparando los
resultados de la simulación con datos reales o expectativas teóricas.
Estos conceptos proporcionan un marco básico para comprender el proceso
de simulación, que es una herramienta poderosa en la toma de decisiones y la
mejora de sistemas complejos.
 elementos y fases:
El proceso de simulación implica la manipulación y análisis de diversos
elementos para entender y modelar el comportamiento de sistemas complejos.
Aquí se presentan los elementos clave involucrados en el proceso de
simulación:

Sistema:
El sistema es el objeto o proceso que se está
modelando y simulando. Puede ser físico o
conceptual, y su comportamiento es el
enfoque principal de la simulación.
Modelo:
El modelo es una representación abstraída y
simplificada del sistema. Puede ser
matemático, lógico o computacional. El
modelo captura las características esenciales
del sistema para facilitar el análisis.
Variables:
Las variables son los elementos que pueden cambiar durante la simulación y
afectar el comportamiento del sistema. Pueden ser de entrada (influencian al
sistema) o de salida (resultados del sistema).
Datos:

Los datos son información necesaria para inicializar y validar el modelo.

Pueden provenir de mediciones reales, experimentos pasados o estimaciones
expertas.
Metodología de Simulación:
La metodología de simulación es el enfoque o conjunto de reglas que guían la
construcción y ejecución del modelo. Puede incluir simulación de eventos
discretos, simulación basada en agentes, etc.
Validación del Modelo:
La validación implica asegurarse de que el modelo refleje con precisión el
comportamiento del sistema real. Se compara el rendimiento del modelo con
datos reales o expectativas teóricas.
Experimento de Simulación:

Un experimento de simulación es una ejecución específica del modelo bajo

ciertas condiciones y parámetros. Múltiples experimentos pueden ser
diseñados para explorar diferentes escenarios.
Análisis de Sensibilidad:

El análisis de sensibilidad evalúa cómo cambios en las variables de entrada

afectan las salidas del modelo. Identifica la influencia de diferentes factores en
el sistema.
Optimización:
La optimización implica ajustar variables o parámetros del modelo para
mejorar ciertos aspectos del sistema, como la eficiencia o el rendimiento.
Diseño de Experimentos:
El diseño de experimentos implica planificar los experimentos de simulación,
incluyendo la selección de condiciones iniciales y la variación de variables
para obtener resultados significativos.
Resultados:
Los resultados son las salidas generadas por el modelo durante o después de
la simulación. Estos resultados se analizan para extraer información sobre el
comportamiento del sistema.
Documentación y Comunicación:

La documentación completa del proceso de simulación, incluyendo modelos,

datos, resultados y decisiones, es esencial. La comunicación clara y efectiva
de estos elementos es crucial para la comprensión y toma de decisiones
informada.
Iteración:

La simulación es un proceso iterativo. A medida que se obtienen nuevos

datos, se realizan ajustes en el modelo o se adquiere más comprensión del
problema, el proceso de simulación se repite para mejorar la precisión y
relevancia del modelo.
Estos elementos trabajan de manera conjunta para permitir la construcción,
ejecución y análisis de modelos de simulación que ayudan a comprender
sistemas complejos y a tomar decisiones informadas.
fases:
El proceso de simulación generalmente se
divide en varias fases o etapas distintas. A
continuación, se describen las fases típicas
del proceso de simulación:

Definición del Problema y Objetivos:

En esta fase inicial, se identifica y define
claramente el problema o sistema que se va a
simular. Se establecen los objetivos de la
simulación, y se determina qué preguntas
específicas se buscan responder.
Formulación del Modelo:
En esta fase, se desarrolla un modelo
conceptual del sistema. Esto implica decidir
qué variables y relaciones son esenciales para
representar el comportamiento del sistema. El
modelo puede ser matemático, lógico o basado en simulación por
computadora.
Recopilación de Datos:
Se recopilan datos necesarios para inicializar y validar el modelo. Estos datos
pueden provenir de fuentes históricas, mediciones actuales o estimaciones
expertas. La calidad de los datos es crítica para la precisión del modelo.
Desarrollo del Modelo:
En esta fase, se implementa el modelo utilizando herramientas y software de
simulación. Se definen las variables, se establecen parámetros y se
configuran las reglas del modelo.
Validación del Modelo:
Se verifica que el modelo se comporte de manera consistente con el sistema
real. Esto se logra comparando los resultados de la simulación con datos
reales o expectativas teóricas.
Diseño de Experimentos:
Se planifican los experimentos de simulación, determinando las condiciones
iniciales y la variación de variables para obtener información relevante. Se
establece cómo se llevará a cabo la simulación.
Implementación y Ejecución de la Simulación:
Se implementa el diseño de experimentos y se ejecutan las simulaciones.
Durante esta fase, se recopilan datos de salida y se monitorea el
comportamiento del sistema en cada ejecución.
Análisis de Resultados:
Se analizan los resultados de las simulaciones. Se examinan las métricas
clave, se identifican patrones y tendencias, y se comparan los resultados con
los objetivos iniciales y las expectativas del problema.
Optimización y Mejora:
Basándose en los resultados, se realizan ajustes en el modelo o en el sistema
real para optimizar el rendimiento. Se buscan oportunidades de mejora y se
evalúan diferentes estrategias.
Documentación y Comunicación:
Se documenta el proceso de simulación, los modelos utilizados y los
resultados obtenidos. La comunicación efectiva de estos resultados a las
partes interesadas garantiza una comprensión clara y la toma de decisiones
informada.
Validación Posterior:
La validación del modelo se revisa a medida que se acumulan más datos o se
realizan cambios en el sistema real. Se asegura que el modelo siga siendo
relevante y preciso.
Iteración:
La simulación es un proceso iterativo. Si se obtienen nuevos datos, si el
sistema cambia o si se adquiere más comprensión del problema, el modelo
puede necesitar ajustes y el proceso de simulación se repite.

Estas fases proporcionan una estructura sistemática para el desarrollo y la

aplicación efectiva de simulaciones, lo que permite entender y mejorar el
comportamiento de sistemas complejos.
 Aplicaciones de la simulación en problemas de líneas
de espera e inventarios

La simulación es una herramienta valiosa para abordar problemas

relacionados con líneas de espera e inventarios. Permite modelar sistemas
complejos, evaluar diferentes estrategias y analizar el impacto de cambios en
variables clave. Aquí hay algunas aplicaciones específicas de la simulación en
estos contextos:

Simulación en Problemas de Líneas de Espera (Colas):

Diseño y Optimización de
Sistemas de Colas:

Simular diferentes
configuraciones de
sistemas de colas para
determinar la disposición
óptima de servidores, el
número de ventanillas de
atención, y las tasas de
servicio que minimizan el
tiempo de espera.
Evaluación del Rendimiento:
Modelar y simular el
rendimiento de sistemas de
colas existentes para
identificar cuellos de
botella, tiempos de espera excesivos y áreas de mejora. Evaluar el impacto de
cambios en la infraestructura o políticas de servicio.
Análisis de Sensibilidad:
Realizar análisis de sensibilidad para evaluar cómo cambios en variables
como la tasa de llegada de clientes o la capacidad de servicio afectan el
rendimiento de la cola.
Planificación de Recursos:
Simular diferentes niveles de recursos, como personal o máquinas, para
determinar el impacto en el tiempo de espera y la eficiencia del sistema de
colas.
Estudio de Políticas de Atención:
Evaluar el impacto de diferentes políticas de atención al cliente, como el
enfoque de primero en llegar, primero en ser atendido (FCFS), comparado con
otras políticas más complejas.
Simulación en Problemas de Inventarios:

Gestión de Inventarios:
Simular diferentes estrategias de gestión de inventarios, como modelos de
reordenamiento y políticas de nivel de servicio, para optimizar los niveles de
inventario y reducir costos asociados con el almacenamiento y la falta de
existencias.
Variabilidad de la Demanda:
Modelar la variabilidad en la demanda y evaluar cómo afecta los niveles de
inventario y la eficiencia de la cadena de suministro. La simulación permite
considerar escenarios realistas y
estacionales.
Efecto del Plomo y Rezago:
Analizar el impacto de políticas de
plomo y rezago en la gestión de
inventarios. Simular diferentes
estrategias para determinar cuál
minimiza los costos y maximiza la
disponibilidad de productos.
Evaluación de Costos de
Almacenamiento:
Simular los costos asociados con el
almacenamiento, incluidos los costos
de mantenimiento de inventario y los
costos de oportunidad, para
determinar la política de inventario más rentable.
Gestión de Pedidos y Tiempos de Entrega:
Modelar el proceso de gestión de pedidos y los tiempos de entrega para
evaluar cómo afectan los niveles de inventario. La simulación permite analizar
escenarios complejos con múltiples proveedores y plazos de entrega
variables.
Estrategias de Reposición Automática:
Evaluar el rendimiento de sistemas de reposición automática, como sistemas
just-in-time (JIT), utilizando simulación para optimizar la eficiencia y minimizar
el riesgo de agotamiento de existencias.

La simulación ofrece una plataforma flexible para abordar problemas

dinámicos y complejos en la gestión de líneas de espera e inventarios,
permitiendo a las organizaciones tomar decisiones informadas y mejorar la
eficiencia de sus procesos.
 Uso de software:

El uso de software en simulación es esencial para implementar modelos

complejos y ejecutar simulaciones de manera eficiente. Existen varias
herramientas de software dedicadas a la simulación que ofrecen entornos de
desarrollo amigables y potentes. Aquí hay algunos ejemplos de software
comúnmente utilizado en simulación:

Arena:

Aplicación: Simulación de procesos y sistemas.

Características: Interfaz gráfica intuitiva, amplias capacidades de modelado,
herramientas de análisis avanzadas.
AnyLogic:

Aplicación: Simulación de eventos discretos, basada en agentes y de sistemas

dinámicos.
Características: Soporta varios enfoques de simulación, permite la
combinación de modelos, amplias opciones de análisis.
Simulink (MATLAB):

Aplicación: Simulación y modelado de sistemas dinámicos.

Características: Integración con MATLAB, entorno de modelado gráfico,
amplia biblioteca de bloques.
ExtendSim:

Aplicación: Simulación de procesos y sistemas.

Características: Interfaz gráfica intuitiva, capacidad para modelar sistemas
complejos, opciones avanzadas de animación y análisis.
ProModel:

Aplicación: Simulación de procesos y sistemas.

Características: Modelado gráfico, análisis de rendimiento, optimización,
interfaz de usuario intuitiva.
GPSS World:

Aplicación: Sistema de simulación general.

Características: Lenguaje de programación específico para simulación,
capacidad para modelar sistemas complejos, análisis de resultados.
Witness:

Aplicación: Simulación de procesos y sistemas.

Características: Modelado 3D, capacidades de análisis avanzadas,
herramientas de optimización.
Simio:

Aplicación: Simulación basada en objetos.

Características: Modelado de procesos y sistemas, soporte para diseño de
experimentos, capacidad para crear modelos de objetos reutilizables.
Estos software ofrecen interfaces gráficas que facilitan la construcción de
modelos, permiten la ejecución de simulaciones y proporcionan herramientas
para el análisis de resultados. Además, muchos de ellos ofrecen capacidades
avanzadas, como optimización y análisis de sensibilidad.

El software de simulación se utiliza en una variedad de campos, como la

gestión de operaciones, la ingeniería industrial, la logística, la atención
médica, entre otros, para modelar y analizar sistemas complejos y tomar
decisiones informadas.
Arena software:Arena es un software de simulación que se utiliza para
modelar y analizar procesos y sistemas complejos. Desarrollado por Rockwell
Automation, Arena es ampliamente utilizado en campos como la ingeniería
industrial, la gestión de
operaciones, la
logística y otros
entornos donde la
simulación es crucial
para la toma de
decisiones informada.
Aquí hay algunas
características y
aspectos destacados
de Arena:

Enfoque en Simulación
de Procesos:

Arena se especializa en la simulación de procesos y sistemas dinámicos.

Permite a los usuarios modelar el flujo de trabajo de un sistema, la interacción
de recursos y eventos a lo largo del tiempo.
Interfaz Gráfica Intuitiva:

Arena ofrece una interfaz gráfica intuitiva que permite a los usuarios construir
modelos de simulación mediante la selección y disposición de elementos
gráficos representativos de los componentes del sistema.
Biblioteca de Objetos y Módulos:

Incluye una amplia biblioteca de objetos y módulos predefinidos que

representan elementos comunes en la simulación, como colas, servidores,
transportadores y más. Esto facilita la construcción rápida de modelos.
Capacidades de
Animación:

Permite la animación
de modelos para
visualizar el
comportamiento del
sistema a lo largo del
tiempo. Esto facilita la
comprensión y la
comunicación de los
resultados de la
simulación.
Análisis de
Resultados:

Proporciona
herramientas avanzadas para el análisis de resultados, incluyendo
estadísticas detalladas, gráficos y visualizaciones que ayudan a entender el
rendimiento del sistema.
Experimentación
con Escenarios:

Facilita la
experimentación
con diferentes
escenarios y
condiciones, lo
que permite a los
usuarios evaluar
cómo cambios en
el modelo afectan
el rendimiento del
sistema.
Integración con
Otros Software:

Arena se integra con otras herramientas de Rockwell Automation, como

Emulate3D y FactoryTalk, lo que facilita la conexión con entornos industriales
y sistemas de automatización.
Optimización y Diseño de Experimentos:

Permite la optimización de modelos y el diseño de experimentos para explorar

múltiples configuraciones y encontrar la combinación óptima de variables.
Soporte Técnico y Comunidad:

Rockwell Automation
ofrece soporte técnico
para los usuarios de
Arena. Además, hay una
comunidad activa de
usuarios que comparten
conocimientos y
experiencias.
Arena es utilizado para
modelar una amplia gama
de sistemas, desde líneas
de producción y cadenas
de suministro hasta
procesos logísticos y de servicios. Su capacidad para proporcionar una
representación visual y cuantitativa de sistemas complejos lo convierte en una
herramienta valiosa para la toma de decisiones estratégicas y tácticas.
 Modo de uso del software Arena paso por paso

sacamos los datos de lo que vamos a meter en el software

le picamos donde dice create, y nos va a abrir una ventanita

Metemos los datos que se nos habían proporcionado

ahora le damos click donde dice process eh igual se nos va a

abrir una ventana para meter los datos
ingresamos los datos

ahora ingresamos o le damos click donde dice dispose y le

agregamos el titulo de salida
Nos vamos a Run y de ahi le damos click en setup

eh ingresamos el tiempo de la simulación

Con eso la simulación estaría terminada

ahora agregaremos un aspecto gráfico le damos ecuadrado

señalado
y crearemos un rectangulo
agregamos texto

ahora le damos click en el icono del reloj y agregamos tiempo

damos click en Entity para agregar una simulacion

y le damos en la primera opción para que agregue a personas

Le damos play y con eso la simulación ha terminado
Al terminar la simulación te va a decir si quieres ver los
resultados le pones si

y te dará todos los resultados