UNA IDEA…

Suponga que le proponen el siguiente juego: lanzar una moneda legal repetidamente
hasta que la diferencia entre caras y sellos sea tres. Se paga $1 dólar cada vez
que lanza la moneda, no puede dejar de lanzar hasta que termine el juego.
Recibe $8 al finalizar el juego.
¿Cómo evaluaría si participar o no?

En un taller de reparación llegan maquinas cuyo tiempo entre llegadas tiene una
distribución uniforme entre 3 y 5 horas. En el taller laboran 2 técnicos que se demoran
en repara cada máquina entre 2 y 3 horas(dis.uniforme). Cada técnico puede reparar
una sola máquina a la vez, y no interviene en la reparación de otra máquina, así quede
libre mientras su compañero trabaja. Si una máquina llega y no hay un servidor
disponible, se le ubica en la “Fila virtual” tipo FIFO. El taller atiende diariamente 12
horas. Realice una simulación en Arena con 100 repeticiones y responda: cuantas
máquinas llegn en promedio diariamente, que porcentaje de tiempo están ocupados los
técnicos, cuantas maquinas en promedio no se pueden arreglar el mismo día de su
llegada, cuanto tiempo transcurre en promedio desde q una máquina ingresa al
sistema hasta que abandona el mismol.
JUEGO…

CCC 3 lanzamientos Se ganan $5

SCSSS 5 lanzamientos Se ganan $3
SCCSCSCSSSS 11 lanzamientos Se pierden $3
¿QUÉ ES SIMULACIÓN?
Imitación de un sistema.
Estática o dinámica
Imitación (en una computadora) de un sistema a través del tiempo.
Herramienta para el análisis del tipo ¿qué pasaría si....?
¿POR QUÉ SIMULAR?

Llegada
Servicio 1 Servicio 2 Servicio 3
clientes

10 Minutos 9mins. 9mins. 9 mins.

¿POR QUÉ SIMULAR?
Los sistemas de operaciones, en su mayoría son
complejos.
Complejidad combinatoria: número de componentes en
un sistema o el número de combinaciones posibles de
componentes del sistema.
Complejidad dinámica: no está relacionada
necesariamente al tamaño del sistema, sino a la
interacción de las componentes del sistema a través
del tiempo.
LA NECESIDAD DE SIMULACIÓN
Los modelos de simulación ayudan con la representación de sistemas sujetos a
variabilidad, interconectividad y complejidad.
Ventajas simulación vs sistema real:
 Costos
 Tiempo
 Control de las condiciones experimentales
 El sistema real no existe
DESVENTAJAS DE LA SIMULACIÓN
Puede ser costosa cuando se necesita software especializado o si se contrata una
consultoría.
Consume bastante tiempo. Los beneficios no son inmediatos.
Se necesitan muchos datos.
Requiere experiencia.
¿POR QUÉ SIMULAR?
Sistemas altamente interconectados, presentan gran complejidad dinámica.
Efectos de la complejidad dinámica:
 Una acción tiene efectos dramáticos diferentes en el corto y largo plazo.
 Una acción tiene un conjunto de consecuencias muy diferentes en una parte del
sistema u otra.
 Una acción conduce a consecuencias no obvias.
Estos efectos hacen que sea muy difícil predecir el comportamiento de un sistema.
¿CUÁNDO SIMULAR?

Si se tiene entidades procesadas mediante una serie de etapas con filas que
se forman entre cada etapa
 Sistemas de manufactura
 Sistemas públicos: salud, militar, recursos naturales.
 Sistemas de transporte
 Sistemas de restaurantes y centros de entretenimiento.
 Procesos de reingeniería de negocios
 Procesamiento de alimentos
 Ejecución de sistemas computacionales
TIPOS DE SIMULACIÓN
Simulación de eventos discretos (Generalmente técnicas estadísticas)
Sistemas Discretos: son aquellos en los cuales las variables de estado cambian
únicamente en tiempos discretos o contables.
Sistemas Continuos: son aquellos en los cuales las variables de estado cambian
constantemente a través del tiempo.
Simulación de eventos continuos (ecuaciones diferenciales)
TIPOS DE SIMULACIÓN

Simulación estática: Es una representación del

sistema en un tiempo particular. (Simulación
de Montecarlo)
Simulación dinámica: Es una representación del
sistema tal como va evolucionando a través
del tiempo.
¿QUÉ ES UN MODELO CONCEPTUAL?
Es el aspecto más importante del proceso de simulación;
validez, velocidad, confianza que se deposita en el
modelo.
Existe poca literatura al respecto.
Es una descripción sin software de un modelo de
simulación que va a ser desarrollado, describe los
objetivos, las entradas, las salidas, los contenidos y
simplificaciones del modelo.
MODELO CONCEPTUAL
Objetivos: El propósito del modelo y del proyecto de
modelación.
Entradas: Aquellos elementos del modelo que pueden
ser modificados para producir una mejora o una
mejor comprensión del mundo real, también se los
denomina factores experimentales.
Salidas: reportan los resultados de las corridas de
simulación.
MODELO CONCEPTUAL

Contenidos: las componentes que van a ser

representadas en el modelo y sus
interconexiones.
Supuestos: se hacen cuando existen
incertidumbres o dudas acerca del sistema
real a ser modelado.
Simplificaciones: se incorporan en el modelo
para facilitar su desarrollo y uso.
MODELO CONCEPTUAL
El contenido del modelo se describe en términos de
Alcance del modelo: describe las limitaciones del
modelo o la porción de sistema real que estará
incluido en el mismo.
El nivel de detalle: el detalle que será incluido para
cada componente considerada en el alcance del
modelo.
MODELO CONCEPTUAL

Mantener el modelo simple:

es la clave de una buena
modelación.
COMUNICANDO EL MODELO CONCEPTUAL
Es importante comunicar el modelo y que exista una
conexión entre los modeladores y los usuarios.
Dependiendo de la naturaleza del problema, en la
descripción a terceros es necesario incluir al menos lo
siguiente:
Antecedentes del problema
Objetivos del estudio de simulación
Beneficios esperados
La descripción principal del modelo (entradas,
salidas, etc…)
COMUNICANDO EL MODELO CONCEPTUAL
Experimentación: los escenarios que serán
considerados.
Datos requeridos: cuándo se requieren y quién o
quiénes serán los responsables de su recolección.
Tiempo requerido y posibles retrasos.
Costo estimado
REPRESENTANDO EL MODELO CONCEPTUAL
Las formas más usuales de representar el modelo son:
 Lista de componentes
 Mapa de procesos
 Diagrama de flujo lógico del proceso
LISTA DE COMPONENTES
Describe las componentes del modelo con alguna descripción del detalle incluido
para cada una.

Componente Detalle
Clientes Tiempo entre llegadas (¿Qué
distribución tiene?)
Fila Capacidad, tiempo de
espera, longitud promedio,
disciplina.
Escritorio de atención a Tiempo de servicio (¿Qué
clientes distribución tiene?)
MAPA DE PROCESOS
El modelo conceptual se representa como un mapa de procesos, indicando cada
componente del sistema en una secuencia, incluyendo alguna descripción del
detalle del modelo.
DIAGRAMA DE FLUJO LÓGICO
Usa símbolos de diagrama de flujo estándar para representar la lógica del modelo
más que el flujo de procesos.
EJERCICIOS
1, Un call center tiene tres tipos de llamadas y 140 operadores. Actualmente, sólo el
20% de operadores puede atender el tercer tipo de llamada. Si un operador que
no está capacitado para responder una pregunta tipo tres es contactado por un
cliente que realiza ese tipo de pregunta, debe transferir la llamada a un operador
capacitado, lo cual podría ocasionar esperas adicionales al cliente e incluso
abandono del sistema. Se está considerando contratar operadores entrenados
adicionales, así como entrenar a otros operadores para que sean capaces de
responder llamadas tipo 3. Se conoce que el 2% de usuarios cuelgan mientras
están en espera y que los costos operativos exceden 10 millones por año.
Esboce un proyecto de simulación. ¿Cuáles serían sus objetivos, entradas, salidas,
etc?
Diseñe un diagrama de flujo lógico para describir el problema.
NÚMEROS ALEATORIOS
Un generador de números aleatorios es un
algoritmo que produce secuencias de
números que siguen una distribución de
probabilidad específica y tienen apariencia de
aleatoriedad
Se llamará número aleatorio a una observación
aleatoria a partir de una distribución
uniforme. Para otra distribución de
probabilidad, se hablará de observaciones
aleatorias.
NÚMEROS ALEATORIOS ENTEROS
NÚMEROS ALEATORIOS UNIFORMES

Números pseudoaleatorios= generados por una computadora

GENERADORES LINEALES CONGRUENCIALES
El método congruencial genera una sucesión de números aleatorios
enteros en un intervalo de 0 a m-1. Se calcula el siguiente
número a partir del último que se obtuvo, dado un número
aleatorio inicial llamado semilla, que se puede obtener de una
tabla de números aleatorios. Se utiliza la siguiente fórmula
Donde a , c y m son enteros positivos, tal que a < m y c < m.
Los valores posibles de xn+1 son 0,1,…,m-1.
m representa el número deseado de valores diferentes.
Encuentre una sucesión de números aleatorios para c=7 ,a=5 y m=8.
Considere x0=4
Longitud de ciclo máxima_: m
OBSERVACIONES:
1. El modulo m debe ser grande. Dado que los x están entre 0 y m-
1, el periodo nunca puede ser mayor que m.
2. Para que el cálculo de mod m sea eficiente, de manera general m
debe ser una potencia de 2, es decir, 2k.
NÚMEROS ALEATORIOS ENTEROS Y
ALEATORIOS UNIFORMES

Número aleatorio entero Número aleatorio uniforme

3 0.4375
6 0.8125
5 0.6875
0 0.0625
7 0.9375
2 0.3125
1 0.1875
4 0.5625
EJERCICIO

Genere los 15 primeros números aleatorios

(enteros) con el método de los generadores
lineales congruenciale, si a=13, c=7, m=64 y
la semilla x0=35. Posteriormente, transforme
estos número aleatorios enteros en continuos.
GENERACIÓN DE OBSERVACIONES ALEATORIAS
DISCRETAS A PARTIR DE UNA DISTRIBUCIÓN
DE PROBABILIDAD
Suponga que quiere generar una variable aleatoria que tiene la siguiente función de
distribución

Para hacer esto generamos números aleatorios uniformes y decimos:

Dado que para 0<a<b<1, P{a ≤ U < b}=b-a se tiene que

Y así X tiene la distribución deseada.

EJEMPLO
Suponga que se quiere simular una variable aleatoria tal que:
p1=0.20, p2=0.15, p3= 0.25, p4= 0.4 donde pj=P{X=xj}

=SI(C3<0,2;1;(SI(C3<0,35;2;(SI(C3<0,6;3;4)))))

Descripción
de 1
Numero aleatorio probabilidad 20%
1 0,567946502 3 4
40%
2 0,096792493 1
3 0,905816645 4
4 8,83557E-06 1 2
15%
5 0,677744832 4
6 0,848020819 4
7 0,603780538 4
8 0,99143719 4 3
9 0,844340787 4 25%
10 0,667980311 4
11 0,092395055 1
12 0,619859967 4
EJERCICIO
En una hoja de Excel:
a) Simule el lanzamiento de una moneda.
b) Simule el juego propuesto al inicio de estas
diapositivas.
c) Calcule el valor esperado y la varianza de la ganancia
en el experimento del punto b.
d) ¿Qué puede concluir?
OTRO EJEMPLO
En un centro automático de telefonía, las llamadas a los clientes duran 3, 6 o 10
minutos. La proporción de cada tipo de llamada es de 30%, 45% y 25%
respectivamente. Realice 100 observaciones de este centro automatico.
DEBER:
Suponga que le piden analizar la ganancia esperada a la larga para el siguiente
juego: Se lanzan dos dados simultáneamente, si la suma obtenida es 7, se recibe
5 dólares y se termina el juego. Si la suma obtenida es menor que 7 se continúa
jugando hasta que la suma sea 7, luego de lo cual se reciben los 5 dólares
respectivos. Por el contrario, si la suma es mayor a 7, el jugador paga 3 dólares y
sigue jugando hasta obtener una suma de 7 entre ambos dados, momento en el
cual se termina el juego y se reciben 5 dólares. Por cada lanzamiento que realiza
el jugador, éste debe pagar 1 dólar. ¿Es rentable el juego para el jugador?¿Es
rentable el juego para el casino? ¿Qué valor tiene la ganancia esperada del
jugador?(hacer 100 repeticiones.)
MÉTODO DE TRANSFORMACIÓN INVERSA
(DISTRIBUCIONES MÁS COMPLICADAS)

Sea la variable aleatoria X con su respectiva función de distribución

acumulativa

La generación de números aleatorios sigue dos pasos:

1. Genere un número aleatorio uniforme entre 0 y 1.
2. Establezca F(x)=r y despeje x, que es entonces la observación aleatoria
deseada que sigue la distribución de probabilidad dada.
EJEMPLO: DISTRIBUCIÓN EXPONENCIAL
Para la distribución exponencial se conoce su función de distribución acumulativa:

Donde 1/α es la media de la distribución

ILUSTRACIÓN DEL MÉTODO DE LA
TRANSFORMACIÓN INVERSA.
DISTRIBUCIÓN NORMAL
Aplicando el teorema del límite central:
“La suma de un gran número de variables aleatorias independientes idénticamente
distribuidas tiene aproximadamente una distribución normal”
DISTRIBUCIÓN NORMAL
Un número uniforme entre 0 y 1 tiene media ½ y desviación estándar 1/raíz(12)
Por el teorema del límite central, la suma de n números aleatorios uniformes tienen
una distribución normal aproximada de media n/2 y desviación estándar
n/raíz(12)
Así si r1, r2, …, rn constituyen una
muestra de n números aleatorios uniformes entonces

n
12
AJUSTAR DATOS A UNA DISTRIBUCIÓN TEÓRICA
Método gráfico
Prueba Ji-cuadrado
Prueba Kolmogorov-Smirnov
Análisis de errores cuadrados
MÉTODO GRÁFICO
Comparación cualitativa entre los datos recolectados y la distribución teórica. Se
tienen los siguientes pasos a seguir:
 Realizar un histograma de los datos observados.
 Revisar un histograma de la distribución teórica.
 Comparar los dos histogramas para analizar similitudes y diferencias.
 Hacer una decisión cualitativa sobre el adecuado ajuste de los datos.
MÉTODO DE INTERVALOS IGUALES
El investigador fija la amplitud de cada intervalo equitativamente. Esto significa que
se debe establecer únicamente cuántas celdas utilizar (regla de Sturges ; regla
empírica n).
Por ejemplo para un grupo de datos que tienen un mínimo valor de 4 y un máximo de
24, el rango es 20, si el investigador decide realizar 5 celdas, la amplitud de cada
intervalo es de 4, así se tendrán celdas de 4 a 9, de 9 a 13, etc.
Ejemplo: dado un grupo de datos, construir un histograma de frecuencias:

7,2 4,5 8,1 9,2 4,2

12,3 15,1 6,2 4,8

PRUEBA JI-CUADRADO DE BONDAD DE
AJUSTE/PRUEBA DE KOLMOGOROV SMIRNOV
* Establecer hipótesis nula y alternativa
* Determinar el nivel de significancia de la prueba.
* Calcular el valor crítico (ji-cuadrado/Ks) para la prueba.
* Calcular el estadístico Ji-cuadrado /Ks a partir de los datos.

𝐷𝐾𝑆 = 𝑚á𝑥|𝐹𝑡𝑒𝑜 − 𝐹𝑜𝑏𝑠 |

* Comparar el estadístico con el valor crítico.

• Aceptar o rechazar la hipótesis nula
• En el software computacional analizar p-valor.
INPUT ANALYZER: ARENA ROCKWELL
SOFTWARE
El Input Analyzer es un componente estándar del entorno de
simulación de Arena. Es una herramienta potente y versátil
que se puede utilizar para las siguientes actividades:

a) determinar la calidad de ajuste de una función distribución de

probabilidad a un conjunto de datos de entrada.
b) comparar diferentes funciones de distribución de
probabilidad
c) representar gráficamente los efectos de la variación de los
parámetros para una misma distribución.
d) generar datos aleatorios siguiendo una determinada función
de distribución de probabilidad.
e) Cuando se lee un archivo de datos externo, deben tener
extensión dst
 EJEMPLO 1

Se desea saber si estos datos, los cuales representan tiempo entre llegadas
de clientes a una institución, se ajustan a una distribución exponencial.
INPUT ANALYZER
INPUT ANALYZER
EJEMPLO 2
Verificar si los siguientes datos se ajustan a una distribución normal
 EJEMPLO 3
En el transcurso de 2 horas, el número de llamadas por minuto solicitadas a una
central telefónica presenta la siguiente distribución:

Nº de llamadas/ minuto 0 1 2 3 4 5 6 7
Frecuencia 6 18 32 35 17 10 2 0

Compruebe a un nivel de 0,05, si la variable número de llamadas por minuto se

distribuye según una ley de Poisson
REVISIÓN DE SOFTWARE CON LICENCIA
Arena ProModel
Automod Quest
Awe Sim ShowFlow
Enterprise Dynamics SIGMA
Extend Simprocess
Flexim Simul8
Gpss/H SLX
Micro Saint Visual Sim. Enviroment
SIMIO Witness entre otros…
Cristall Ball
EL SOFTWARE ARENA DE ROCKWELL
http://www.arenasimulation.com/
Paquete de simulación para Windows.
Simulación orientada a eventos discretos: el estado del modelo cambia ante la
ocurrencia de determinados eventos.
Simulación orientada a procesos: existe un diagrama de flujo que indica el
procesamiento que siguen las entidades del modelo
El modelo se define orientado al proceso y la simulación se desarrolla bajo
orientación a eventos.
 PANTALLA

Ventana del modelo (diagrama de flujo)

Barra de
proyecto

Ventana del modelo (hoja de

cálculo)
BARRA DE PROYECTO

Panel de proceso Básico: módulos básicos para la construcción del

modelo
Informes: Listas de resultados de la simulación.
Navegación: Acceso a diferentes vistas del modelo.
 BARRA DE PROYECTO

Módulo de lógica: aparecen en el diagrama de flujo.

Módulo de
lógica

Módulo de datos: no aparecen en el diagrama de

flujos, si en el modelo.
Módulo de
datos
ENTIDADES

Módulos básicos con los que se construyen los modelos.

Describen la dinámica del modelo.
Operan con las entidades: objetos dinámicos en la simulación,
se crean, procesan y liberan.
Las entidades poseen atributos: tiempos de llegada, prioridad
etc.
ENTIDAD
RECURSOS
Las entidades compiten por los servicios que ofrecen los recursos:
 Ocupar un servicio si está disponible (seize)
 Liberar un recurso cuando ya ha terminado su servicio (release)
 Mientras un recurso esté ocupado, todas aquellas entidades que lo requieran
pasan en una cola de espera (queue)
COLA
Las entidades esperan en las colas hasta que el recurso que necesitan quede libre
VARIABLES
Definidas por el usuario:
 Evolución del valor durante la simulación.
Sistema:
 Características predefinidas de los componentes del modelo
CREACIÓN DE ENTIDADES
Crea entidades que entran al sistema:
 Generación de entidades.
Asignación de propiedades a las entidades:
 Tiempo entre llegadas
 Tipo de entidad, etc.
PROCESO

Procesa entidades de acuerdo a determinados

servicios.
Incluye:
 Recursos
 Colas de espera
 Tiempo de procesamiento
Su procesamiento podría definirse como un
subsistema completo.
ACCIÓN DE UN PROCESO
¿Qué hace el proceso?
 Delay: utiliza un recurso durante un tiempo
 Seize delay: reserva un recurso y lo utiliza durante un tiempo.
 Seize Delay release: reserva un recurso, lo utiliza durante un tiempo y lo libera.
 Delay release: utiliza un recurso durante un tiempo y lo libera
DISPOSE
Libera entidades cuando abandonan el sistema
DECISIÓN
Definición de reglas de decisión.
 Por condición
 Por probabilidad
ASIGNACIÓN DE VALORES
Asigna valores : variables, atributos de entidades, tipos de entidades variables del
sistema.
OTROS MÓDULOS BÁSICOS
Batch: agrupamiento por lotes
Separate: replicación de la entidad entrante en múltiples entidades.
Record: Registro de estadísticas
CONFIGURACIÓN DE LA SIMULACIÓN
 EJEMPLO
Un modelo de elecciones
Suponga que los votantes llegan a un recinto electoral según un proceso de Poisson a una tasa de 1 cada 5 minutos.
Primero, tienen que verificar los padrones y entregar su documento de identidad a los miembros de la Junta electoral
(hay dos personas disponibles para este proceso).
En general, el tiempo que se demoran las personas en esta verificación es triangular (0.5,1,1.5) minutos.
Posteriormente, los electores tienen que acudir a emitir su voto detrás de un biombo existen dos biombos para este propósito.
Típicamente, este proceso se considera que tiene una distribución triangular con parámetros (1, 5, 15) minutos.
Una vez emitido el voto, los electores abandonan el sistema.
Construya un diagrama de flujo para este problema y encuentre las medidas de eficacia del sistema.
CONCESIÓN DE UN PRÉSTAMO HIPOTECARIO
En una sucursal bancaria se desea estudiar y analizar el funcionamiento de un
servicio relativo a la concesión de préstamos hipotecarios. Se desea conocer las
respuestas a las siguientes preguntas:
 ¿Cuál es el tiempo promedio que toma evaluar una solicitud de préstamo
hipotecario?
 ¿Cuál es el costo promedio de revisión de una solicitud de crédito hipotecario?
 ¿Cuál fue el máximo tiempo que tomó la revisión de una solicitud?
 ¿Cuál es el máximo número de solicitudes que han esperado a ser revisadas?
 ¿Qué proporción del tiempo ha estado ocupado el oficinista que hace las
revisiones?
CONCESIÓN DE UN PRÉSTAMO HIPOTECARIO
La información que se dispone para describir este proceso es la siguiente:
 Las solicitudes (entidades), llegan a la oficina de créditos de manera aleatoria, con
una distribución exponencial de media 2 horas entre llegadas de solicitudes.
 El proceso de evaluación lo realiza un oficial de crédito (recurso). Cada solicitud
que llega al oficinista (proceso) requiere dicho recurso durante un tiempo aleatorio
que sigue una distribución triangular, en la que el tiempo mínimo es 1 hora, el
tiempo más probable es 1,75 horas y el tiempo máximo son 3 horas.
 Cuando una entidad llega al proceso, ésta espera su turno para capturar el recurso. Una
vez llegado su turno, la entidad captura el recurso (seize), tendrá un tiempo de retraso
correspondiente al tiempo que toma el oficinista en evaluarla (delay) y luego liberará el
servicio (release) para que este pueda continuar con otras entidades.
 Una vez que la solicitud ha sido revisada y evaluada queda por decidir si se le concede o no
el crédito, esta concesión se realizará de manera probabilística: un 88% de las veces un
crédito es aprobado. Se desea llevar un registro de créditos aprobados y rechazados.
 Los costos del oficinista, se fijan en $12 por hora, independientemente de si ha estado
ocupado o desocupado.
 El estudio de simulación se desea realizar sobre el funcionamiento de la sucursal bancaria
durante 20 días y 24 horas, es decir para un total de 480 horas.
Realice el flujograma del proceso de concesión de créditos.
Ingrese el modelo en el simulador de Arena.
Responda a las cinco preguntas planteadas en el inicio.
 Pregunta 1.- Informe Entity (Total Time Average)
 Pregunta 2.- Informe Entity (Total Cost Average)
 Pregunta 3.- Informe Process (Total Time Maximun)
 Pregunta 4.- Informe Queue (Number Waiting Maximun)
 Pregunta 5.- Informe Resource (Utilization Average)
UNA MODIFICACIÓN AL MODELO DE CONCESIÓN DE
CRÉDITOS HIPOTECARIOS
Para mejorar e informatizar el proceso de Solicitud de Hipoteca se ha decidido añadir
delante del proceso Revisión, un proceso llamado Escáner que lo realizará una
secretaria. El proceso Escáner tiene una duración mínima de 15 minutos,
máxima de 45 minutos, y una duración más probable de 25 minutos. El costo por
hora de una secretaria es de $7 dólares la hora
Simular el nuevo sistema y contestar a las preguntas:
 ¿Qué proporción de tiempo estarán ocupados la secretaria y el oficinista?
 ¿Cuál es el costo promedio de cada Solicitud?
 ¿Cuál es el número máximo de solicitudes en espera en la cola del oficinista?
UNA SEGUNDA MODIFICACIÓN: DEVOLUCIÓN DE ALGUNAS SOLICITUDES
DESPUÉS DEL PROCESO
ESCÁNER

Una vez se ha completado la tarea de Escáner, el 8% de las solicitudes son devueltas

por estar incompletas. Este hecho significa que muchas de las solicitudes serán
detectadas en el proceso de Escáner y por consiguiente el porcentaje de
solicitudes aceptadas después del proceso Revisión se incrementa del 88% al
94%, y el tiempo de proceso de revisión (por parte del oficinista) se reduce un
10%.
Simular el nuevo sistema y contestar a las preguntas:
 ¿Qué proporción de tiempo estarán ocupados la secretaria y el oficinista?
 ¿Cuál es el costo promedio de cada Solicitud?
 ¿Cuál es el número máximo de solicitudes en espera en la cola del oficinista?
 ¿Cuál es el tiempo promedio para revisar una Solicitud?
EJERCICIO
Una cafetería está tratando de comprender que pasaría si se contrata un tercer
cajero durante el periodo de almuerzo (hora pico). Las llegadas se dan dos por
minuto, los tiempos de servicio son aproximadamente exponenciales con medias
55 segundos y la cafetería pierte aproximadamente $1 dólar por minuto de
espera de un cliente dado que está perdiendo ventas a futuro por una larga
espera. Desarrolle un modelo y represente en Arena este sistema. Cada cajero
gana $5 dólares la hora. Se desea simular este cambio durante 1 hora diaria en
un período de 20 días. Presente su análisis de la solución del problema.
MODELOS JERÁRQUICOS
Submodelo:
Los submodelos disponen de un espacio de trabajo completo para definir el
organigrama de flujo de las entidades, incluyendo los recursos de animación
gráfica, de la misma forma que cualquier modelo no jerarquizado.
Los submodelos pueden contener cualquier objeto que se pueda colocar en la
ventana de modelo (lógica, gráficos estadísticos, animación, etc.)
La utilización de los submodelos en el modelo del sistema ofrece las siguientes
ventajas:
a) aumento del espacio de trabajo para construir el modelo.
b) facilita una mejor organización del modelo (cada submodelo es representado
en su propia vista, es decir, en la ventana de modelo) permitiendo la división
visual de un organigrama complejo de un modelo en ventanas más fáciles de
manipular y comprender el modelo.
PRÉSTAMOS AUTOMOTRICES
Se desea realizar el estudio de un proceso correspondiente a la
solicitud de préstamos para la adquisición de automóviles que
ofrece una entidad bancaria. En este modelo, las solicitudes de
préstamos para adquirir un automóvil llegan al centro de
procesamiento aproximadamente cada 5 minutos.
La revisión de la solicitud la realiza uno de los cinco agentes de
préstamos que comprueban si la solicitud está completa. Esta
revisión suele durar 15 minutos, pero puede durar como mínimo
12 minutos y como máximo 18 minutos. Los agentes
detectan que el 8% de las solicitudes están incompletas y las
devuelven al solicitante.
 Las solicitudes que están completas se envían a una máquina de procesamiento
automático donde las solicitudes son procesadas. Esta operación puede durar de
0.5 horas a 1.5 horas, pero habitualmente requiere 1 hora. Se supone que la
máquina de procesamiento automático puede procesar tantas solicitudes como
sea necesario.
Una vez procesadas las solicitudes, un agente comprobará los resultados del
procesamiento y escribirá un documento de aceptación o rechazo. Esta tarea
suele tener una duración de 7 minutos, aunque nunca más de 10 minutos y ni
menos de 5 minutos. Una vez escrito dicho documento, el proceso de la solicitud
del préstamo se ha completado y se envía dicho documento a los solicitantes.
1) Realizar la simulación para un día considerando la jornada de 8 horas.
Indicar los valores más relevantes de los resultados de la simulación (nº de
solicitudes, utilización de los recursos, nº medio de solicitudes en las diferentes
colas, etc.)
SUBMODELOS
Los submodelos pueden conectarse a otros módulos, a otros submodelos, o
simplemente pueden estar solos en el modelo. Además existen una serie de
comandos que permiten realizar una serie de operaciones sobre los submodelos:
- Properties.- permite cambiar las características del submodelo, por ejemplo el
número de puntos de entrada y salida.
- Open.- abrir el submodelo para visualizar la vista del submodelo e introducir la
lógica, animación y gráficos.
- Aggregate.- sirve para agrupar en un submodelo la lógica, animación y gráficos
que existan ya en la ventana del modelo.
- Unaggregate.- saca los objetos de una vista de submodelo y los ubica en el
siguiente nivel superior del modelo.
DEFINICIÓN DE SUBMODELOS
El modelo jerárquico de un sistema se puede realizar de dos maneras:
- Submodelo Process: Esta capacidad del módulo Process es referida como
jerarquización de procesos y permite agregar varios módulos de organigrama de
flujo en vistas de submodelo diferentes, cada una de ellas asociadas al módulo
Process correspondiente.
- Objeto Submodelo:se obtiene mediante la selección de la opción de menú
Object/Submodel/Add Submodel o haciendo clic en el botón de Submodelo de la
barrade herramienta estándar . Este tipo de submodelo es simplemente una
colección de módulos que han sido agregados para navegación y facilidad de uso
La principal diferencia entre los dos métodos son las estadísticas generadas. Cuando un
módulo que se define como tipo Submodelo y se construye una lógica en la vista de
submodelo, cualquier estadística, costo e información temporal que se recoge
cuando una entidad está dentro del submodelo será reflejada directamente en las
estadísticas,costos e información temporal de ese Proceso (independientemente del
número de niveles de jerarquía que se hayan definido).
Sin embargo, las estadísticas recogidas a partir de la lógica definida en el Objeto
Submodelo no son agregadas para ese submodelo en particular.
NAVEGACIÓN EN EL MODELO
Existen varias formas de acceder a las vistas de los submodelos. Un método es del
Panel Navigate de la Barra de Proyectos (hacer clic en el icono Navigate para que
se visualice el Panel Navigate).
Cuando se utiliza el Panel Navigate, Arena permite el acceso directo a cada una de
las vistas de los submodelos, simplemente haciendo clic en la lista de los
nombres de los submodelos. Esto significa que en el caso de varios submodelos
anidados, se puede
acceder directamente a un submodelo que esté a varios niveles del nivel superior
de la jerarquía.
NAVEGACIÓN EN EL MODELO
Otro método de acceso es realizar doble clic en el objeto submodelo presente en la
ventana de modelo; en este método el acceso a submodelos anidados requiere
realizar doble clic en los sucesivos objetos de los submodelos anidados.
El tercer método consiste en realizar clic-derecho (en el botón de la derecha del
ratón) sobre el objeto submodelo presente en la ventana de modelo y seleccionar
del menú la opción Open Submodel.
VISTA DE UN SUBMODELO
Dentro del objeto submodelo está la vista de submodelo que
contiene la lógica u organigrama de flujo del submodelo. En la
vista del submodelo hay puntos de entrada y puntos de salida
que están conectados a la lógica del submodelo. Estos puntos
permiten el paso de las entidades del nivel superior del modelo
al submodelo, continua el procesamiento de las entidades de
acuerdo a la lógica del submodelo y se vuelve al nivel superior
para seguir su procesamiento, como se ilustra en la figura.
VISTA DE UN SUBMODELO

El número de puntos de entrada y salida pueden elegirse mediante la

opción Properties del menú que aparece al realizar clic-derecho
sobre el objeto submodelo.
Los puntos de entrada en la vista del submodelo se representa
mediante una flecha que apunta a la dirección que seguirá el flujo
de la lógica. El punto de salida se representa por un cuadrado.
Desde este punto la entidad regresará a la vista del siguiente nivel
para continuar con el procesado. En la figura se muestra la vista de
un submodelo particular, con dos puntos de entrada y tres de
salida.
SUBMODELO EN EL PROCESO DE PRÉSTAMOS
AUTOMOTRICES
La Dirección de la entidad bancaria quiere un análisis más detallado del
funcionamiento del departamento de autorización de préstamos. Para ello, se
sustituirá el proceso que modelaba la máquina de 'procesamiento automático'
por un proceso que sea definido como Submodelo en el campo Type. La actividad
de autorización de préstamos realiza dos operaciones por separado:
- Evaluación de Legitimidad de la solicitud
- Comprobación de Crédito
a) Evaluación de Legitimidad de la solicitud.- Una vez que el agente de préstamos
hace la revisión inicial de la solicitud y está completa, 1 de los 5 agentes de
evaluación comprueba la legitimidad de la solicitud. El 95% de las solicitudes son
legítimas. Cualquier solicitud que no sea legítima se salta la Comprobación de
Crédito, y continuará con un agente de préstamos disponible en el proceso de
generación de documento de aceptación o rechazo. La operación de evaluación
requiere entre 20 y 30 minutos.
b) Comprobación del Crédito.- Las solicitudes legítimas serán estudiadas por uno de
los 5 agentes de crédito que realizan la revisión del crédito a partir de un informe
sobre el crédito del solicitante. Esta operación suele requerir aproximadamente una
hora, con un mínimo de 55 minutos y un máximo de 90 minutos. Una vez finalizada
la revisión, cada solicitud continuará con un agente de préstamos disponible en el
proceso de generación de documento de aceptación o rechazo.
2) Realizar la simulación para un día considerando la jornada de 8 horas.
- Indicar los valores más relevantes de los resultados de la simulación (nº de
solicitudes, utilización de los recursos, nº medio de solicitudes en las diferentes
colas, etc.)
EJERCICIO
Modifique el ejemplo anterior agregando el submodelo como objeto. Identifique las
principales diferencias entre el declarar un submodelo como tipo o como objeto.
Revise los informes principales y emita un criterio.
EJERCICIO
a) Una entidad bancaria desea abrir una ventanilla de servicio para automóviles. Se estima que
a este servicio los clientes llegarían a una tasa de 15 por hora. El cajero puede atender
clientes a una tasa de uno cada tres minutos. Suponiendo que las llegadas son de Poisson y
que el servicio es exponencial encuentre:
a) La utilización que tendría el cajero.
b) La longitud promedio de la cola.
c) El número promedio de clientes en el sistema.
d) El tiempo promedio de espera en la cola.
e) El tiempo promedio de espera en el sistema.
b)Se desea que por la disponibilidad limitada de espacio, se pueda asegurar con un 95%
de certeza que los clientes no tengan que esperar y que sean atendidos inmediatamente.
Para esto, se consideran dos opciones: hacer que el cajero atienda más rápido a los
clientes (el cajero sólo puede acelerar su tiempo de atención en un 12%) o poner un
empleado más conservando la misma tasa de servicio. Contemplar las dos posibilidades y
establecer conclusiones.
EXPLICACIÓN ADICIONAL
Para establecer un 95% de confianza en los resultados, se debe establecer la
longitud mínima de la simulación.
Probar con diferentes longitudes del tiempo de corrida: 10, 100, 500, 1000, 5000 y
10000 horas.
Resuma para cada longitud lo siguiente: W, Wq, L, Lq con el respectivo error del
intervalo de confianza.
BIBLIOGRAFÍA
Bibliografïa:
 Modelado y Simulación de Sistemas de Eventos Discretos.Xabier Basogain y Miguel
Ángel Olabe.
 Introduction to Discrete Event Simulation and Agent-based Modeling. Theodore T.
Allen.
 Simulation Modeling Handbook. A practical Approach. Hamid R. Parsaei