SIMULACIÓN - INC-1027.

MARTÍNEZ TORRES PAUL ALEJANDRO.

CONTRERAS JIMÉ NEZ JOSÉ ALFREDO.

TAREA 5. ETAPAS DE UN PROYECTO DE SIMULACIÓN.

6TO SEMESTRE.
TURNO VESPERTINO.
ETAPAS DE UN PROYECTO DE SIMULACION.

La simulación es mucho más que la construcción del modelo y su ejecución. Como

cualquier proyecto, requiere de planeamiento, coordinación y un entendimiento de los
requerimientos de cada una de las tareas involucradas. El modelado de sistemas
requiere de capacidades o habilidades analítica, estadística, organizacional y de
ingeniería.

El modelador debe ser capaz de entender el sistema que está siendo investigado y
debe ordenar relaciones complejas causa-efecto. No hay reglas estrictas de cómo
conducir un proyecto de simulación; sin embargo, a continuación se presenta una
secuencia de etapas, generalmente recomendadas:

 Definir el problema, los objetivos y los requerimientos.

 Diseño del modelo conceptual.
 Obtención y análisis estadístico de los datos para el modelo.
 Construcción del modelo de simulación.
 Verificación del modelo.
 Validación del modelo.
 Diseño del experimento de simulación, ejecución y análisis estadístico.
 Entrega de documentación y presentación de resultados.

A continuación se desarrollarán los aspectos que se involucran en cada etapa:

1. Definir el problema, los objetivos y los requerimientos

No es suficiente expresar el problema en términos generales, como “¿Qué tan grande

debe ser el aeropuerto que se va a construir?”. Una declaración más precisa del
problema sería, por ejemplo: “¿cuántas pistas de aterrizaje y de qué longitud serán
requeridas para satisfacer la demanda estimada para un viaje aéreo?”. En la medida en
que el problema se formule de una manera más precisa, la construcción del modelo se
hará más sencilla.

Al inicio, es importante definir el problema entendiendo su contexto, identificando los

objetivos que definen la razón y el propósito para llevar a cabo el proyecto de
simulación.

Una forma de conocer el problema es saber más sobre el sistema que se está
investigando; por ejemplo, su capacidad actual de producción, las medidas de
desempeño actuales del sistema (utilización, tiempo de ciclo, tiempo de espera, entre
otros); conocer cuáles son las restricciones o “cuellos de botella” y ver la factibilidad de
alcanzar indicadores meta de desempeño (adición de recursos, mejorar métodos,
etcétera); qué variables de decisión son más sensibles en el desempeño global del
sistema. El objetivo de la simulación debe ser realista y factible de ser ejecutado, y sus
requerimientos deben definirse en términos de recursos, tiempo y presupuesto.

En la identificación de los objetivos debemos realizar las siguientes preguntas (Knepell

y Arango, 1993):

 ¿Cuál es el propósito de la simulación?

 ¿Para quién es el modelo?, ¿quién será el usuario final del modelo?
 ¿Qué tan importantes serán las decisiones que se tomarán como resultado
del modelo de simulación?
 ¿Cuáles son las expectativas del cliente?
 ¿Cuál es el presupuesto?
 ¿Cuál es la fecha límite para finalizar el proyecto?

El proyecto de simulación será exitoso en la medida en que los objetivos sean definidos
en forma clara y las restricciones sean bien entendidas. La simulación solo debería ser
ejecutada cuando se hayan definido el o los objetivos del proyecto y se haya
determinado que la simulación es la herramienta más conveniente para adquirir dichos
objetivos. Durante la ejecución del proyecto, es necesario regresar a los objetivos, para
mantener la atención enfocada en lo que es importante. Algunas veces los objetivos
cambian o se expanden durante el avance en la ejecución del proyecto.

2. Diseño del modelo conceptual

En esta etapa, el modelador debe traducir el sistema del mundo real en un modelo
conceptual. En el diseño del modelo conceptual se debe establecer la lógica de las
operaciones en el modelo en términos de los elementos estructurales del sistema y del
flujo de entidades que pasarán a través del sistema. En este sentido, el modelador
debe entender la estructura y las reglas de operación del sistema que se investiga y ser
capaz de extraer su esencia, sus características importantes. En esta etapa se deben
tomar en cuenta aspectos como:

 En el modelo se pueden hacer suposiciones razonables.

 Los componentes que deben ser incluidos en el modelo y cuáles son las
interacciones posibles entre estos.
 La secuencia de operaciones.
 Los recursos en disputa por las entidades.
 Los alcances del modelo. El nivel de detalle que debe ser incluido en el
modelo depende de los objetivos planteados para el proyecto. En todo
caso, solo aquellos componentes que causan diferencias significativas en
la toma de decisiones deben ser considerados.
 Identifica los requerimientos de datos para cada componente del modelo,
por ejemplo, ‘atención al cliente’. Para un buen entendimiento, los
requerimientos de datos pueden ser proyectados, con ellos se pueden
 considerar programas o Schedule, algoritmos y controles requeridos para
el modelo.
 Planeamiento de experimentos. Definir, en forma tentativa, el número y la
naturaleza de los escenarios o alternativas de configuración que será
evaluada.
 Determinar el formato de presentación de los resultados. Este aspecto
influye significativamente en el tiempo y el esfuerzo involucrado en el
estudio de simulación. Si se requiere un detallado nivel de animación o si
se espera un extenso reporte, entonces el proyecto se puede prolongar por
varias semanas extras después de que la etapa de experimentación haya
concluido . En algunos casos se requiere como resultado solo un valor, con
el cual se verifica si el sistema es capaz de alcanzar los requerimientos de
niveles de producción o servicio; en estos casos, un solo valor es
suficiente. En otras situaciones se requiere una completa documentación
en la que se detallen todos los objetivos, las fuentes de datos, las
suposiciones, los procedimientos de modelado, los experimentos, los
análisis de resultados y las recomendaciones.
 Una pauta para establecer la clase y la cantidad de información por
presentar es preguntar al tomador de decisiones qué decisión está siendo
respaldada por la simulación y los aspectos de fondo involucrados; así, se
focalizará en los ítems importantes y se proveerá de efectiva visualización
de información que facilite un adecuado proceso de toma de decisiones.
Algunas veces la animación de la simulación puede ser efectiva para
mostrar áreas congestionadas o “cuellos de botella”; también la
presentación de gráficas o esquemas.

3. Obtención y análisis estadístico de los datos

Una vez que en la etapa anterior se han identificado los requerimientos de los datos,
entonces se procede a su obtención para que sean utilizados durante la etapa de
construcción del modelo. Una inapropiada especificación en el modelo nos conducirá a
una pérdida irreversible de tiempo y esfuerzo. Por ello, los datos deben ser obtenidos
en forma sistemática, clasificados y analizados estadísticamente.

Los datos que conciernen al sistema son los involucrados con su estructura, con los
componentes individuales existentes, las interacciones entre los componentes y las
operaciones del sistema. Los posibles estados del sistema se establecen a partir de
esta información.

Ejemplo: Operación de control de calidad.

A continuación se presentan los datos de entrada para el segmento del modelo:

  Tiempo de traslado de la estación previa a la estación de control.
 Duración de la actividad control de calidad.
 Probabilidad de aceptación y rechazo.
 Tiempo de traslado de la estación de control a la estación siguiente.

La fuente para la obtención de datos puede provenir de la ejecución de un estudio de

tiempos, de entrevistas personales con los operadores del sistema, o de otras fuentes.

El proceso de obtención de datos es vital e implica tiempo y costo; por lo tanto, debe
ejecutarse en forma inteligente y sistemática para asegurar la construcción del modelo
apropiado.

Una vez obtenidos los datos, estos deben pasar por ciertas pruebas estadísticas, para
ver si se ajustan a alguna distribución de probabilidad. La información de un sistema
tiene carácter dinámico y estocástico, la variabilidad de este debe modelarse con
ciertas ecuaciones matemáticas que sean capaces de reproducir su comportamiento;
en la mayoría de los casos es posible clasificar dicha variabilidad dentro de alguna
distribución de probabilidad, en otros casos esto no es posible y se debe recurrir a
distribuciones empíricas. La representación en el modelo de una variable aleatoria se
da por medio de una distribución de probabilidad. Si luego de realizar las pruebas a los
datos obtenidos se alcanza un ajuste significativo, entonces es posible representar en
el modelo estos datos por medio de una distribución de probabilidad “teórica”
(exponencial, uniforme, triangular, normal, etcétera).

Aspectos importantes de esta etapa se desarrollarán, con detalle, más adelante,

cuando se aborde el capítulo de obtención y análisis de los datos para el modelo.

4. Construcción del modelo de simulación

En esta etapa el modelador debe traducir el modelo conceptual en un modelo de

simulación que se prepara en la computadora y se basa en las reglas del sistema
seleccionado, por ejemplo, los software Arena, ProModel, etcétera.

Un buen modelo no es aquel que necesariamente es real, pero sí lo suficientemente

útil. Un modelo es útil si tiene suficiente detalle y exactitud para encontrar los objetivos
de la simulación. El grado al cual el modelo corresponde en detalle y exactitud al
sistema actual está asociado al nivel de fidelidad. Altos niveles de fidelidad requieren
largos desarrollos, depuraciones y tiempos de ejecución. Por ello, se recomienda
establecer un mínimo requerido de fidelidad para lograr los objetivos del estudio. Se
debe tener en cuenta que los modelos no tienen que incluir todo el detalle necesario
para que puedan ejecutarse. Mediante un progresivo refinamiento estratégico puede
adicionarse el detalle y no todo a la vez. Esto posibilita que el modelo se ejecute rápido
y sea fácil la depuración de errores. En la etapa inicial, por ejemplo, no son necesarios
los gráficos muy atractivos, como sí lo serían en la presentación final del modelo. En
cuanto a la complejidad del modelo, se debe tomar en cuenta que es mejor empezar
con un modelo simple y adicionar complejidad, en lugar de crear un modelo complejo
enseguida. Es más fácil adicionar que extraer complejidad al modelo.

5. Verificación del modelo

Mediante el proceso de verificación se determina si el modelo de simulación construido

refleja correctamente el modelo conceptual diseñado. Es decir, después de haber
terminado la construcción del modelo es necesaria la comprobación, la confirmación de
que el modelo trabaja correctamente.

Durante este proceso el modelador trata de detectar errores involuntarios en el modelo

(de datos, de lógica u otros) y eliminarlos. Es recomendable investigar las regiones
extremas de los parámetros de entrada, verificar que sucedan las cosas correctas con
entradas obvias y seguir la secuencia lógica con las personas familiarizadas con el
sistema. En esta etapa se debe continuar con el proceso de depuración y refinación del
modelo, pero en una proporción menor que en la etapa de construcción.

6. Validación del modelo

Mediante el proceso de validación del modelo se determina si el modelo conceptual

rediseñado refleja correctamente el sistema real. La validación es un proceso racional
en el cual el modelador traza conclusiones acerca de la precisión del modelo, basado
en alguna evidencia disponible.

La validez del modelo se refiere a si este corresponde al sistema real, o si por lo menos
representa con precisión la data recolectada y las suposiciones hechas con relación a
la manera en que opera el sistema real. Durante el proceso de construcción del
modelo, el modelador debe estar constantemente comprometido con la validación del
modelo. Un ejemplo de validación es comparar la medición de un indicador de
desempeño obtenido de la simulación, con la medición del mismo indicador tomado del
sistema real, y ver si estas corresponden.

La recolección de evidencias que determinan la validez del modelo es extensamente

llevado a cabo examinando la estructura del modelo y evaluando la información
estadística que se obtiene del modelo. La estructura del modelo (los algoritmos y las
relaciones) debe ser verificada para ver cuán cerca esta corresponde a la definición
actual del sistema. Para aquellos modelos que tienen una lógica de control compleja, la
animación gráfica puede ser utilizada en forma efectiva como una herramienta de
validación. Finalmente, la información de salida del modelo debe ser analizada para
observar si los resultados parecen razonables. Si estos procedimientos son ejecutados
sin encontrarse una discrepancia entre el sistema real y el modelo, entonces se dice
que el modelo tiene una precisa representación del sistema.

Traducción en dos etapas para convertir el sistema del mundo real en un modelo de
simulación.

La verificación y validación del modelo representan factores críticos para el éxito del
proyecto de simulación. Importantes decisiones se basan en la información obtenida
del experimento de simulación y, por lo tanto, esto es una evidencia demostrable de la
validez del modelo.

7. Experimento de simulación, ejecución y análisis estadístico

En esta etapa se planea qué es lo que se desea saber. Mediante los experimentos de
simulación obtendremos las respuestas de una manera precisa y eficaz.

En un experimento de simulación hay ciertas variables llamadas “independientes” o

“variables de entrada”, que pueden ser manipuladas o variadas. Los efectos que causa
esta manipulación en otras variables denominadas “dependientes” o “variables de
respuesta” son medidos. Las variables independientes son manejadas o manipuladas
en la experimentación; se les llama también variables de decisión o variables de
experimento. Desde que el experimentador está interesado en variables dependientes
estas son llamadas variables de respuesta o variables de desempeño.

Varios tipos de experimentos pueden ser conducidos usando simulación:

 Encontrando el desempeño esperado del diseño particular de un sistema.

 Encontrando el valor óptimo para una variable de decisión.
 Encontrando la combinación óptima de valores para dos o más variables
de decisión.
 Determinando la sensibilidad del modelo de cambios en una o más
variables.
 Comparando alternativas en la configuración de sistemas.

El objetivo en la conducción de experimentos no es encontrar cuán bien opera un

sistema particular, sino tener suficiente conocimiento de cómo mejorar el desempeño
del sistema. Desafortunadamente, la información obtenida de la simulación muy pocas
veces identifica las causas de los problemas, solo reporta el comportamiento
sintomático del problema. Por ejemplo, las actividades “cuello de botella” son
usualmente identificadas porque determinado proceso posee siempre una cola larga,
comparadas con los procesos cuyas colas están vacías. Esto es un síntoma de que
existe un “cuello de botella” en el sistema.
El conjunto de valores de cada indicador, que resulta de la ejecución del experimento
de simulación, sea de estado estable o transitorio, deberá ser sometido a pruebas
estadísticas de bondad de ajuste a la distribución Normal, es decir, básicamente a las
pruebas de Chi-cuadrado, Kolmogorov-Smirnov y Anderson Darling. El objetivo de esta
-prueba es verificar que se aplica el Teorema del Límite Central (TLC) para el indicador
del estudio, es decir, que los N valores promedio que se logren producto de las N
réplicas forman un conjunto de valores que se ajustan a una distribución de
probabilidad Normal, y, por lo tanto, se podrá realizar inferencia estadística al indicador.

En la conducción de un experimento de simulación el modelador debe tener cuidado en

la correcta interpretación de la información obtenida de la ejecución de la simulación. A
continuación se presentan algunos puntos para tomar en cuenta en el diseño del
experimento de simulación .

Aspectos claves en el diseño del experimento de simulación :

 ¿Está el interés focalizado en analizar el comportamiento del estado

estable del sistema, o existe un determinado período de tiempo que se
desea medir?
 ¿Cuál es la mejor manera de asegurar que los resultados reflejen solo el
período de tiempo de interés y no sean influenciados por otras
condiciones, como las condiciones iniciales?
 ¿Cuál es el mejor método para obtener una muestra de observaciones que
pueden ser usadas para estimar el comportamiento del modelo?
 ¿Cuál es la longitud apropiada para ejecutar la simulación?
 ¿Cuántas réplicas deben ser ejecutadas?
 ¿Cuántas secuencias de números aleatorios deben ser utilizadas en el
modelo?
 ¿Es factible realizar inferencia estadística con los valores obtenidos de
cada indicador (producto de las N réplicas)?, ¿realmente se ajustan a una
distribución Normal?

Las respuestas a estas preguntas dependerán del grado de precisión requerido del
proyecto de simulación . Todos estos aspectos claves serán desarrollados en forma
detallada más adelante, en el capítulo correspondiente al diseño del experimento de
simulación, su ejecución y análisis estadístico de los resultados.

Entrega de documentación y presentación de resultados

En esta etapa se hacen las recomendaciones para mejorar el sistema real sobre la
base de los resultados del modelo de simulación.
Estas recomendaciones deben ser alcanzadas mediante un informe o reporte final, en
el cual se adjunta la data utilizada, el desarrollo del modelo y los experimentos
ejecutados.

Los resultados deben ser presentados de forma que sean fáciles de evaluar; la
animación y las gráficas son muy útiles como ayuda para comunicar los resultados del
estudio de simulación.

Cuando se ha terminado la presentación y no hay más aspectos que analizar, y si es

aprobada, entonces está lista para la implementación. Si la simulación ha sido
adecuadamente documentada, esta proveerá buenas especificaciones funcionales para
el equipo de implementación.