INSTITUTO TECNOLOGICO

SUPERIOR DE IRAPUATO

MATERIA: Ingeniería en sistemas

Ingeniería industrial

6°C

ALUMNO: Gonzalez Reséndiz Edwin Abraham

San Luis de la paz. GTO.

 Descripción de un paquete de simulación disponible

1. ÁREAS DE APLICACIÓN.   

GASP: Es una colección de subrutinas FORTRAN, diseñadas para facilitar la simulación de secuencia
de eventos y procesos. Algunas de sus rutinas y funciones son: gestión de listas de eventos futuros,
adición y remoción de entidades, colección de estadísticas, generadores de variables aleatorias y
reporte estándar.  

ÁREA DE APLICACIÓN Y REQUERIMIENTOS  

Usado para programadores de simulación discretos, continuos y combinados.  

Requerimientos recomendables:  

•Sistema Operativo: Windows 7 32bit, 64bit, Windows 8  

•Disco duro: 1 GB espacio disponible  

•Memoria: 4 GB RAM  

TIPO DE LICENCIA: Comercial. SOFTWARE GASP IV.  

  

SIMSCRIPT II: Es un lenguaje de simulación con orientación al evento y al proceso, es híbrido

porque posee facilidades para simulación de sistemas discretos y continuos. Está basado en
entidades, atributos y conjuntos.  

ÁREA DE APLICACIÓN Y REQUERIMIENTOS  

Utilizado para modelos no orientados a colas; por ejemplo, modelos de combates militares. Es
conectado solo en plataforma Windows versión 2000/NT, Unix/PC Linux. 

TIPO DE LICENCIA: Comercial. (En un principio fue de dominio público).  

  

SIMAN: Modela un sistema discreto usando la orientación al proceso, se estudian las entidades

que se mueven a través del sistema. Una entidad para SIMAN es un cliente, un objeto que se
mueve en la simulación y que posee características únicas conocidas como atributos. Los
procesos denotan la secuencia de operaciones o actividades a través del que se mueven las
entidades, siendo modeladas por el diagrama de bloques.  

ÁREA DE APLICACIÓN Y REQUERIMIENTOS  

Utilizado principalmente en Contabilidad Electrónica. Modela un sistema discreto.  

TIPO DE LICENCIA: Comercial  

  

CONTROL P: Pueden simularse procesos en realimentación simple, en control en cascada y en

control en adelanto (feedforward). Para cada uno de estos procesos, el programa facilita el
diagrama de bloques de un sistema preconfigurado y totalmente operativo. No se precisa
efectuar ningún tipo de programación ni de diseño gráfico. Proporciona respuesta temporal o
frecuencia según lo configure el usuario. El usuario puede componer, configurar o modificar el
sistema mediante los cuadros de diálogo desplegables del diagrama de bloques. Control P permite
el estudio de la respuesta del sistema frente a perturbaciones, ya sean debidas a cambios en  

el punto de consigna (set point), cambios de carga en el proceso o cambios introducidos en los

parámetros de los componentes del sistema.  

ÁREA DE APLICACIÓN Y REQUERIMIENTOS  

Apropiado para analizar procesos industriales y sistemas controlados. Compatible con cualquier

versión de Windows. Requiere unos 3,3 MB de espacio libre en disco (o pendrive o disco duro
externo). La cantidad de memoria RAM es irrelevante.  

TIPO DE LICENCIA: Libre  

  
STELLA: Sirve para hacer modelos matemáticos, crear sistemas, modelar eventos, predecir
posibles catástrofes, modelos hidrodinámicos etc. 

El área de trabajo de STELLA cuenta con: una interfaz, que crea el proyecto final de
la interpretación del modelo; mapa, es donde se crea el modelo; modelo, es donde se signa los
valores del modelo o sistema dinámico y ecuaciones, para asignar el modelo y verificar que la
ecuación cumpla con sus características correctas.  

ÁREA DE APLICACIÓN Y REQUERIMIENTOS  

Utilizado principalmente en simulación de sistemas de líneas de espera. Compatible

con AcornOS, AmigaOS, DOS, FreeBSD, IRIX, Linux, OS/2, MacOS, Unix, GP2X
y WindowsSuficiente RAM para el sistema operativo: + 16MB de RAM para la emulación.  

TIPO DE LICENCIA: Comercial  

  

ESTRUCTURA DEL MODELO DE SIMULACIÓN EN EL PAQUETE:  

Instrucciones para la programación del modelo.  

Planeación para la elaboración del modelo de simulación y su experimentación. Para describir

cómo se modela un sistema, en la literatura se puede encontrar que los temas relacionados con el
diseño, el análisis y la representación de modelos en el software son esenciales para un estudio
de simulación exitoso. Sin embargo, éstos no son los únicos ingredientes, ya que se observa que
ningún estudio de simulación seguirá una “fórmula” preestablecida, pues hay varios aspectos que
tienden a aparecer con frecuencia en diferentes publicaciones. Lo que describimos a continuación
es una adaptación de los pasos a seguir en un estudio de simulación con base en Banks et. al.
(2005), pero retroalimentado con aportaciones de autores como Kelton et. al. (2008), Law et. al.
(2007), García et. al. (2006), Coss (2003) y con opiniones propias. Con todo esto, en la Figura 1. se
describe una propuesta de la secuencia de pasos que deben seguirse para la elaboración
del modelo de simulación y para la realización de los experimentos.  

  

1. Formulación del problema. 

Si lo que se busca es transformar una situación confusa e indeterminada, reconocida como

problemática, es necesario comprender el sistema a modelar. Esto incluye el estado actual del
sistema (lo que está sucediendo y por qué está sucediendo) y el deseado (cómo puede hacerse
mejor). De esta manera, se podrán definir los objetivos del proyecto de simulación una vez que
se logre definir los elementos componentes del sistema, las variables, su comunicación e
interacción, así como establecer sus alcances y limitaciones. Una forma eficaz de lograr lo descrito,
es mediante la observación directa, la realización de entrevistas al personal involucrado en el
proyecto y todas las técnicas a nuestro alcance que sean fuente de información. Así, se
obtendrá el conocimiento que describe y analiza los métodos, se identificarán sus lineamientos y
recursos, y se clarificarán sus supuestos y consecuencias.  

  

  

2. Colocación de objetivos y el plan del proyecto global. 

  

Los objetivos indicarán las preguntas que deben responderse mediante la simulación, la clase de
información que debe ser colectada y el nivel de detallen necesario. Aquí se pueden hacer
especificaciones acerca de lo que se observa, manipula, cambia y entrega. Por lo tanto, es
necesario establecer lo que se espera del modelo, como los criterios bajo los cuales se puede
medir su comportamiento.  

  

3. Conceptualización del modelo. 

Es muy importante entender qué métricas se usarán. En este sentido, Banks et. al. (2005)
contextualiza que “la construcción de un modelo de simulación es tanto un arte como una
ciencia”. Sin embargo, la experiencia dicta que, para dar una solución concreta al problema en
cuestión, es necesario un buen aporte de creatividad por parte del analista. Así bien, es
recomendable empezar con un modelo simple para después modificarlo hasta uno de mayor
complejidad. Sin embargo, la complejidad del modelo final no debe exceder los
requerimientos que cumplan con el propósito para el cual se está haciendo el diseño. No
es necesaria una copia paso a paso, entre el modelo y el sistema real, sólo es necesaria la esencia
de este último. En esta etapa debe definirse qué aspectos del sistema serán representados en el
modelo y cuáles no. Además, se deberá establecer con qué nivel de detalle se hará
dicha representación (recuerde que el nivel de detalle depende en gran medida de lo que el dueño
del sistema esté dispuesto a pagar). Todo lo que se desea en este punto es ingeniar un bosquejo
del sistema a modelar.  

  

4. Recolección y procesamiento de datos. 

   

Los objetivos del estudio establecen, en gran medida, la clase de datos que deben ser obtenidos y
cuántos detalles son adecuados a fin de no perder información valiosa. Los datos pueden ser
obtenidos de observaciones de un sistema ya existente. En el caso de un sistema inexistente,
los datos deben ser estimados. En esta etapa es vital, para ambos casos, que se involucren las
personas que en verdad saben lo qué está pasando en el sistema real (operadores, supervisores,
inspectores, todos aquellos que conocen a detalle el sistema). Un ejemplo de algunos datos que
deben obtenerse son las condiciones y parámetros del proceso de producción, personal que
labora y las acciones que realizan, materiales o materias primas utilizadas, maquinaria o equipos,
esquemas, planos, procedimientos y, si es factible, datos históricos, fotos y videos. Todo esto con
el fin de despejar cualquier duda, por muy simple o lógica que esta sea. Mediante estos datos se
obtendrán los valores de los parámetros estadísticos (definición de variables respecto a una
distribución de probabilidad) que serán utilizados durante la programación del modelo
d simulación.  

  

5. Construcción del modelo. 

En este punto el objetivo es ganar conocimiento acerca de la naturaleza del sistema, así como
proyectar situaciones alternas desprendidas por causa de un desencadenamiento de eventos
distintos a las condiciones normales de operación. Con el propósito de pronosticar eventos,
evaluar consecuencias y proponer alternativas que contribuyan a mejorar el comportamiento de
este. Es aquí donde los términos información, análisis, critica, diseño y creatividad se integran para
dar forma a la estructura del modelo. El lector observara que esta etapa requiere de
conocimiento, habilidades y experiencia personal, sin embargo, este paso es el más divertido de
todo el estudio. Al comenzar a construir el modelo se debe considerar la magnitud y el nivel de
detalle requerido. La modelación de un sistema pequeño y simple es rápida y certera si la
información requerida esta completa y es correcta. Sin embargo, cuando un sistema es
complicado o demasiado grande, la clave implica la fragmentación del sistema en módulos más
pequeños y simples con la intención de evaluarlos por separado antes de intégralos en un sólo
modelo. Esto facilitara el hallazgo de errores por información incorrecta, incompleta, mala
programación, etc. En cuanto a los datos de entrada y las condiciones iniciales, es necesario
que desde el inicio se determinen los valores asignados a las variables y parámetros del modelo.
Para lo cual es importante recurrir a los supuestos del modelo conceptual y a métodos de ensayo y
error. Finalmente, la idealización del sistema debe ser codificada en un formato que
sea reconocido por un computador digital. La formulación de la codificación requiere que se
definan tres aspectos importantes: (1) la información de entrada y condiciones iniciales, (2) el
software a emplear, y (3) las habilidades y experiencia del programador. La información de
entrada y condiciones iniciales garantizan la certeza de que el modelo realmente representa al
sistema real. Por tanto, antes de iniciar la programación en algún software de simulación se hace
eminente la importancia de interpretar y depurar la información, y con ello crear diagramas de
flujo que describan la información del sistema y su lógica de interacción. En cuanto a computación
se refiere, es necesario elegir el software adecuado para el sistema a modelar, ya que estos
pueden ser muy distintos al momento de modelar un sistema industrial. Como tercero y último
punto, es conveniente mencionar que las habilidades y experiencia del programador determinan
la calidad del modelo, ya que sus conocimientos y habilidades adquiridas en proyectos similares
como su creatividad e ingenio servirán como base para planear, organizar, dirigir y controlar un
proyecto de simulación exitoso. Al finalizar esta etapa, el modelo será verificado y validado con
la intención de poner en evidencia posibles desviaciones con respecto al sistema real. El
software FlexSim® es una buena alternativa que permite modelar y entender con mucha certeza
los problemas básicos de un sistema sin la necesidad de programaciones complicadas. Esto gracias
a que cuenta con una extraordinaria facilidad de uso. Los siguientes puntos enlistan algunas
razones del porque FlexSim® es una buena alternativa como herramienta en simulación:  

•Su amplia sección de preconstruidos permite abordar situaciones mucho más complejas sin tener
que escribir código de software.   

•El software se orienta a objetos, lo que admite una mayor visualización del flujo de producción.  

•Todo el proyecto se desarrolla en un ambiente tridimensional (3D), además de que permite

importar infinidad de objetos de distintos paquetes de diseño, incluyendo AutoCAD, ProE, Solid
Works, Catia, 3D Studio, AC3D, Rivit, Google Sketch-Up, etc.  

•Otra razón importante es que no sólo se pueden simular sistemas discretos, sino que también se
admite la simulación de fluidos o modelos combinados continuo discreto, como, por ejemplo: flujo
de líquidos (agua, leche, etc.) o de alta velocidad, tales como granos o azúcar.  

•La generación de distintos escenarios y condiciones variadas son fáciles de programar.  

•Las distribuciones de probabilidad se pueden representar con gran precisión en lugar de valores
promedio para representar fielmente la realidad.  

•Las gráficas, los reportes y todo lo que se refiere a los estadísticos se puede revisar a detalle.  

Una vez entendido el uso y manejo del software, los usuarios podrán simular el control y la
manipulación de recursos móviles como apoyo en las tareas de transporte, preparación de
equipos, asistencia en mantenimiento, importación y exportación de datos, análisis estadísticos,
etc. Además, podrán desarrollar simulaciones de sistemas donde se tenga que hacer empaques,
uniones y lotes de objetos discretos, mezclas para dosificar productos y conversiones de objetos
solidos a materia fluido y viceversa.  

  

6. Verificación. 

  

Ya que se tiene el modelo en un programa de computación, es necesario asegurar que el modelo

conceptual reflejé con precisión los parámetros, sucesos y lógica del sistema real. Aquí es donde se
podrá verificar si el modelador alimentó al software de simulación con información correcta. Así
mismo, se debe corroborar que al momento de terminar el modelo no hayan cambiado
las condiciones del sistema real. Por lo tanto, es necesario corroborar lo anterior para asegurar un
modelado correcto.  

  
 7. Validación. 

  

Validar un modelo es hacer un juicio relativo; su utilidad debe ser juzgada y comparada con el
sistema real mediante la realización de pruebas del modelo con respecto al sistema real en
condiciones normales de operación. El modelo es válido si representa adecuadamente al sistema
que está siendo modelado. Aquí se pueden formular preguntas del siguiente tipo: ¿La secuencia
de movimientos y operaciones son correctas?, ¿Son semejantes los estadísticos del modelo con
los de la realidad? Si lo anterior es correcto, entonces podría decirse que el modelo si representa
al sistema real.  

  

8. Diseño de experimentos. 

En este paso se planean los experimentos que se harán mediante el modelo de simulación
establecido (qué es lo que desea saber y cómo los experimentos de simulación lo llevarán a
obtener las respuestas de forma precisa y eficaz). Algunos de los aspectos que se deben definir
son: las condiciones bajo las cuales se harán las simulaciones, la duración del tiempo que se desea
simular y el número de simulaciones requeridas (replicas).Algunos ejemplos de esto serían:
simular el modelo del sistema bajo condiciones extremas (catástrofes), aumento o disminución de
producción, paros programados en los equipos por mantenimiento ó fayas repentinas,
crecimiento o expansión con proyecciones a diferentes lapsos de tiempo, remplazos, bajas o
habilitación de equipos y todas las distintas modificaciones posibles que nos lleven a obtener
respuestas a la solución del problema abordado en los objetivos del proyecto.  

  

9. Producción de corridas de simulación y análisis. 

  

El objetivo aquí es medir el comportamiento del sistema simulado, por lo que en este paso se
realizan los experimentos establecidos en el punto anterior bajo las condiciones de
interés prestablecidas. El Análisis de los resultados de las simulaciones implica el análisis
estadístico de los resultados (tablas de datos y gráficos) provenientes del paso anterior, con el
objeto de hacer inferencia estadística y proyectar los valores de las medidas de desempeño que
son de interés.  

  

  

10. Corridas adicionales. 

 
Las simulaciones adicionales se hacen necesarias cuando no se está conforme con los resultados
obtenidos en algún panorama proyectado en los pasos anteriores, o bien cuando se tiene idea de
nuevos escenarios que podrían ir incluso más allá de los objetivos buscados en un inicio. Sí se
determina que son necesarias las corridas adicionales, podría requerirse de un nuevo diseño del
experimento y por tanto un nuevo análisis de resultados.  

  

11. Puesta en marcha del modelo. 

   

Ya concluido el proyecto, los clientes o dueños del sistema tendrán una herramienta que les
permitirá proyectar distintos escenarios de simulación a diferentes espacios de tiempo. Lo anterior
permitirá tomar decisiones con mayor certidumbre fundamentadas bajo los resultados del
análisis estadístico de un modelo de simulación. Sin embargo, tanto el modelador como el dueño
del sistema deberán estar conscientes de que la información colectada del modelo tiene
desviaciones estadísticas por el empleo de números aleatorios, lo que conlleva a un ciento margen
de error. Entonces, al dar resultados numéricos, lo recomendable es presentarlos con rangos
y no en términos puntuales. Otra recomendación final es revisar que al concluir el proyecto
realmente se hayan contestado las preguntas y los supuestos que dan respuesta a la solución del
problema abordado. Las opiniones de los involucrados en el proyecto quizá determinen la
aplicación de cambios en un sistema existente o la construcción de un sistema nuevo. Sin
embargo, también puede resultar como una conclusión del estudio de simulación, que el
nuevo sistema propuesto no sea económicamente atractivo o que por razones económicas sea
mejor dejarlo como esta. Esta última conclusión al proyecto también es una alternativa que debe
tomarse en cuenta.  

ÁREA DE APLICACIÓN Y REQUERIMIENTOS: Es ampliamente usado en Ingeniería Electrónica en

temas relacionados con el procesamiento digital de señales (DSP), involucrando temas
específicos de ingeniería biomédica, telecomunicaciones, entre otros. También es muy utilizado
en Ingeniería de Control y Robótica. Es compatible con Microsoft Windows, MacOSX, GNU/Linux.  

Requiere una memoria RAM de 4G TIPO DE LICENCIA Comercial  

  

2. ESTRUCTURA DEL MODELO DE SIMULACIÓN EN EL PAQUETE: INSTRUCCIONES PARA LA

PROGRAMACIÓN DEL MODELO. 

Planeación para la elaboración del modelo de simulación y su experimentación. 

   

Para describir cómo se modela un sistema, en la literatura se puede encontrar que los temas
relacionados con el diseño, el análisis y la representación de modelos en el software son esenciales
para un estudio de simulación exitoso. Sin embargo, éstos no son los únicos ingredientes, ya que
se observa que ningún estudio de simulación seguirá una “fórmula” preestablecida, pues hay
varios aspectos que tienden a aparecer con frecuencia en diferentes publicaciones. Lo que
describimos a continuación es una adaptación de los pasos a seguir en un estudio de simulación
con base en Banks et. al. (2005), pero retroalimentado con aportaciones de autores
como Kelton et. al. (2008), Law et. al. (2007), García et. al. (2006), Coss (2003) y con opiniones
propias. Con todo esto, en la Figura 1. se describe una propuesta de la secuencia de pasos que
deben seguirse para la elaboración del modelo de simulación y para la realización de los
experimentos. Debe observarse que cada uno de los pasos de dicha guía ha sido numerado, con el
propósito de tener una referencia que servirá para los comentarios que se dan a continuación:  

1. Formulación del problema. 

   

Si lo que se busca es transformar una situación confusa e indeterminada, reconocida como

problemática, es necesario comprender el sistema a modelar. Esto incluye el estado actual del
sistema (lo que está sucediendo y por qué está sucediendo) y el deseado (cómo puede hacerse
mejor). De esta manera, se podrán definir los objetivos del proyecto de simulación una vez que se
logre definir los elementos componentes del sistema, las variables, su comunicación e interacción,
así como establecer sus alcances y limitaciones. Una forma eficaz de lograr lo descrito, es
mediante la observación directa, la realización de entrevistas al personal involucrado en el
proyecto y todas las técnicas a nuestro alcance que sean fuente de información. Así, se
obtendrá el conocimiento que describe y analiza los métodos, se identificarán sus lineamientos y
recursos, y se clarificarán sus supuestos y consecuencias.   

  

2. Colocación de objetivos y el plan del proyecto global. 

   

Los objetivos indicarán las preguntas que deben responderse mediante la simulación, la clase de
información que debe ser colectada y el nivel de detallen necesario. Aquí se pueden hacer
especificaciones acerca de lo que se observa, manipula, cambia y entrega. Por lo tanto, es
necesario establecer lo que se espera del modelo, como los criterios bajo los cuales se puede
medir su comportamiento.   

  

3. Conceptualización del modelo. 

  

Es muy importante entender qué métricas se usarán. En este sentido, Banks et. al. (2005)
contextualiza que “la construcción de un modelo de simulación es tanto un arte como una
ciencia”. Sin embargo, la experiencia dicta que, para dar una solución concreta al problema en
cuestión, es necesario un buen aporte de creatividad por parte del analista. Así bien, es
recomendable empezar con un modelo simple para después modificarlo hasta uno de mayor
complejidad. Sin embargo, la complejidad del modelo final no debe exceder los requerimientos
que cumplan con el propósito para el cual se está haciendo el diseño. No es necesaria una copia
paso a paso, entre el modelo y el sistema real, sólo es necesaria la esencia de este último. En esta
etapa debe definirse qué aspectos del sistema serán representados en el modelo y cuáles no.
Además, se deberá establecer con qué nivel de detalle se hará dicha representación (recuerde que
el nivel de detalle depende en gran medida de lo que el dueño del sistema esté dispuesto a pagar).
Todo lo que se desea en este punto es ingeniar un bosquejo del sistema a modelar.  

  

4. Recolección y procesamiento de datos. 

   

Los objetivos del estudio establecen, en gran medida, la clase de datos que deben ser obtenidos y
cuántos detalles son adecuados a fin de no perder información valiosa. Los datos pueden ser
obtenidos de observaciones de un sistema ya existente. En el caso de un sistema inexistente, los
datos deben ser estimados. 

1. ESTRUCTURA DEL MODELO DE SIMULACIÓN EN EL PAQUETE:   

  

verdad saben lo qué está pasando en el sistema real (operadores, supervisores, inspectores, todos
aquellos que conocen a detalle el sistema). Un ejemplo de algunos datos que deben obtenerse son
las condiciones y parámetros del proceso de producción, personal que labora y las acciones que
realizan, materiales o materias primas utilizadas, maquinaria o equipos, esquemas, planos,
procedimientos y, si es factible, datos históricos, fotos y videos. Todo esto con el fin de despejar
cualquier duda, por muy simple o lógica que esta sea. Mediante estos datos se obtendrán los
valores de los parámetros estadísticos (definición de variables respecto a una distribución de
probabilidad) que serán utilizados durante la programación del modelo de simulación.   

  

1. Construcción del modelo. 

   

En este punto el objetivo es ganar conocimiento acerca de la naturaleza del sistema, así como
proyectar situaciones alternas desprendidas por causa de un desencadenamiento de eventos
distintos a las condiciones normales de operación. Con el propósito de pronosticar eventos,
evaluar consecuencias y proponer alternativas que contribuyan a mejorar el comportamiento de
este. Es aquí donde los términos información, análisis, critica, diseño y creatividad se integran para
dar forma a la estructura del modelo. El lector observara que esta etapa requiere de
conocimiento, habilidades y experiencia personal, sin embargo, este paso es el más divertido de
todo el estudio.   
Al comenzar a construir el modelo se debe considerar la magnitud y el nivel de detalle requerido.
La modelación de un sistema pequeño y simple es rápida y certera si la información requerida está
completa y es correcta. Sin embargo, cuando un sistema es complicado o demasiado grande, la
clave implica la fragmentación del sistema en módulos más pequeños y simples con la intención
de evaluarlos por separado antes de intégralos en un sólo modelo. Esto facilitara el hallazgo de
errores por información incorrecta, incompleta, mala programación, etc. En cuanto a los datos de
entrada y las condiciones iniciales, es necesario que desde el inicio se determinen los valores
asignados a las variables y parámetros del modelo. Para lo cual es importante recurrir a los
supuestos del modelo conceptual y a métodos de ensayo y error.   

Finalmente, la idealización del sistema debe ser codificada en un formato que sea reconocido por
un computador digital. La formulación de la codificación requiere que se definan tres aspectos
importantes: (1) la información de entrada y condiciones iniciales, (2) el software a emplear, y (3)
las habilidades y experiencia del programador. La información de entrada y condiciones iniciales
garantizan la certeza de que el modelo realmente representa al sistema real. Por tanto, antes de
iniciar la programación en algún software de simulación se hace eminente la importancia de
interpretar y depurar la información, y con ello crear diagramas de flujo que describan la
información del sistema y su lógica de interacción. En cuanto a computación se refiere, es
necesario elegir el software adecuado para el sistema a modelar, ya que estos pueden ser muy
distintos al momento de modelar un sistema industrial. Como tercero y último punto, es
conveniente mencionar que las  habilidades y experiencia del programador determinan la calidad
del modelo, ya que sus conocimientos y habilidades adquiridas en proyectos similares como su
creatividad e ingenio servirán como base para planear, organizar, dirigir y controlar un proyecto de
simulación exitoso. Al finalizar esta etapa, el modelo será verificado y validado con la intención de
poner en evidencia posibles desviaciones con respecto al sistema real.  

  

El software FlexSim® es una buena alternativa que permite modelar y entender con mucha certeza
los problemas básicos de un sistema sin la necesidad de programaciones complicadas. Esto gracias
a que cuenta con una extraordinaria facilidad de uso. Los siguientes puntos enlistan algunas
razones del porque FlexSim® es una buena alternativa como herramienta en simulación:   

  

· Su amplia sección de preconstruidos permite abordar situaciones mucho más complejas sin tener
que escribir código de software.   

· El software se orienta a objetos, lo que admite una mayor visualización del flujo de producción.   

· Todo el proyecto se desarrolla en un ambiente tridimensional (3D), además de que permite

importar infinidad de objetos de distintos paquetes de diseño, incluyendo AutoCAD, ProE, Solid
Works, Catia, 3D Studio, AC3D, Rivit, Google Sketch-Up, etc.   
· Otra razón importante es que no sólo se pueden simular sistemas discretos, sino que también se
admite la simulación de fluidos o modelos combinados continuo-discreto, como, por ejemplo: flujo
de líquidos (agua, leche, etc.) o de alta velocidad, tales como granos o azúcar.   

· La generación de distintos escenarios y condiciones variadas son fáciles de programar.   

· Las distribuciones de probabilidad se pueden representar con gran precisión en lugar de valores
promedio para representar fielmente la realidad.   

· Las gráficas, los reportes y todo lo que se refiere a los estadísticos se puede revisar a detalle.   

  

Una vez entendido el uso y manejo del software, los usuarios podrán simular el control y la
manipulación de recursos móviles como apoyo en las tareas de transporte, preparación de
equipos, asistencia en mantenimiento, importación y exportación de datos, análisis estadísticos,
etc. Además, podrán desarrollar simulaciones de sistemas donde se tenga que hacer empaques,
uniones y lotes de objetos discretos, mezclas para dosificar productos y conversiones de objetos
solidos a materia fluido y viceversa.  

Bajo estas aportaciones, el objetivo es aprender a describir, representar y analizar la operación de

un sistema real y así vislumbrar la proyección del ingenio hacia la propuesta de alternativas y
escenarios que logren dar solución a las situaciones planteadas.   

  

2. Verificación. 

  

Ya que se tiene el modelo en un programa de computación, es necesario asegurar que el modelo

conceptual reflejé con precisión los parámetros, sucesos y lógica del sistema real. Aquí es donde se
podrá verificar si el modelador alimentó al software de simulación con información correcta. Así
mismo, se debe corroborar que al momento de terminar el modelo no hayan cambiado las
condiciones del sistema real. Por lo tanto, es necesario corroborar lo anterior para asegurar un
modelado correcto.   

  

3. Validación. 

  

Validar un modelo es hacer un juicio relativo; su utilidad debe ser juzgada y comparada con el
sistema real mediante la realización de pruebas del modelo con respecto al sistema real en
condiciones normales de operación. El modelo es válido si representa adecuadamente al sistema
que está siendo modelado. Aquí se pueden formular preguntas del siguiente tipo: ¿La secuencia
de movimientos y operaciones son correctas?, ¿Son semejantes los estadísticos del modelo con los
de la realidad? Si lo anterior es correcto, entonces podría decirse que el modelo si representa al
sistema real.   
  

4. Diseño de experimentos. 

En este paso se planean los experimentos que se harán mediante el modelo de simulación
establecido (qué es lo que desea saber y cómo los experimentos de simulación lo llevarán a
obtener las respuestas de forma precisa y eficaz). Algunos de los aspectos que se deben definir
son: las condiciones bajo las cuales se harán las simulaciones, la duración del tiempo que se desea
simular y el número de   

simulaciones requeridas (replicas). Algunos ejemplos de esto serían: simular el modelo del sistema
bajo condiciones extremas (catástrofes), aumento o disminución de producción, paros
programados en los equipos por mantenimiento o fayas repentinas, crecimiento o expansión con
proyecciones a diferentes lapsos de tiempo, remplazos, bajas o habilitación de equipos y todas las
distintas modificaciones posibles que nos lleven a obtener respuestas a la solución del problema
abordado en los objetivos del proyecto.   

  

5. Producción de corridas de simulación y análisis. 

   

El objetivo aquí es medir el comportamiento del sistema simulado, por lo que en este paso se
realizan los experimentos establecidos en el punto anterior bajo las condiciones de interés
prestablecidas. El Análisis de los resultados de las simulaciones implica el análisis estadístico de los
resultados (tablas de datos y gráficos) provenientes del paso anterior, con el objeto de hacer
inferencia estadística y proyectar los valores de las medidas de desempeño que son de interés.  

  

6. Corridas adicionales. 

  

Las simulaciones adicionales se hacen necesarias cuando no se está conforme con los resultados
obtenidos en algún panorama proyectado en los pasos anteriores, o bien cuando se tiene idea de
nuevos escenarios que podrían ir incluso más allá de los objetivos buscados en un inicio. Sí se
determina que son necesarias las corridas adicionales, podría requerirse de un nuevo diseño del
experimento y por tanto un nuevo análisis de resultados.   

7. Puesta en marcha del modelo. 

   

Ya concluido el proyecto, los clientes o dueños del sistema tendrán una herramienta que les
permitirá proyectar distintos escenarios de simulación a diferentes espacios de tiempo. Lo anterior
permitirá tomar decisiones con mayor certidumbre fundamentadas bajo los resultados del análisis
estadístico de un modelo de simulación. Sin embargo, tanto el modelador como el dueño del
sistema deberán estar conscientes de que la información colectada del modelo tiene desviaciones
estadísticas por el empleo de números aleatorios, lo que conlleva a un ciento margen de error.
Entonces, al dar resultados numéricos, lo recomendable es presentarlos con rangos y no en
términos puntuales. Otra recomendación final es revisar que al concluir el proyecto realmente se
hayan contestado las preguntas y los supuestos que dan respuesta a la solución del problema
abordado. Las opiniones de los involucrados en el proyecto quizá determinen la aplicación de
cambios en un sistema existente o la construcción de un sistema nuevo. Sin embargo, también
puede resultar   

como una conclusión del estudio de simulación, que el nuevo sistema propuesto no sea
económicamente atractivo o que por razones económicas sea mejor dejarlo como
esta. Esta ultima conclusión al Proyecto también es una alternativa.