2.

Introducción

La simulación de eventos discretos es una técnica que genera modelos para imitar la
operación real de un sistema, en donde uno de sus elementos constitutivos fundamentales
son variables aleatorias. Estos modelos se diseñan con el objeto de mejorar el rendimiento
del sistema o simplemente entender cómo funciona el mismo. Los modelos de simulación son
utilizados en donde la solución del problema a la mano por métodos analíticos es complicada
o poco práctica.
Desde el punto de vista de la ingeniería industrial la simulación de eventos discretos
es una de las herramientas de mayor utilización para la solución de problemas en planta,
planeación de la producción, planeación de inventarios, manejo de líneas de espera o colas,
entre otros. Por su versatilidad y potencialidad se ha aplicado a una gran variedad de
campos como:

Simulación de procesos de manufactura

Sistemas de prestación de servicios

Sistemas logísticos, transporte, distribución y tráco.

Redes de comunicaciones

Sistemas computacionales

Finanzas

Economía

Proyectos de construcción

Aplicaciones militares

A pesar de la versatilidad la simulación de eventos discretos, existen ciertas situaciones que

no se aconsejan resolver a través de esta. Un análisis detallado se puede encontrar en Banks
and Gibson (1997), en donde se recomienda que cuando se inicie el análisis de un problema
en donde se pretenda solucionarlo con simulación de eventos discretos, se consideren los
siguientes puntos antes de iniciar cualquier proceso de modelado.

1. Si el problema puede ser resuelto usando sentido común, ya que muchos de los
problemas de la industria colombiana son el resultado del desorden, desaseo o una mala
coordinación de tareas o grupos de trabajo, que para solucionarlos solo se requiere un
ejercicio de poner en orden todos los aspectos relacionados con el proceso.

14
 2. Introducción

2. Si el problema puede ser resuelto usando un modelo analítico de investigación de

operaciones, es decir, es un problema típico que se ha abordado en teoría de colas,
modelos de inventarios, programación lineal o no lineal, o la teoría de probabilidad.
En ese caso es más practico abordar el problema usando estos modelos ya depurados
dado que generalmente ya se cuenta con herramientas computacionales que facilitan
su aplicación.
3. Si la situación que está siendo analizada permite hacer pruebas directas sobre el
sistema. Es decir, sí es más fácil y rápido probar directamente con el sistema que
hacer un modelo de simulación de eventos discretos, es mejor hacer las modicaciones
sobre el proceso directamente y evaluar sus consecuencias.
4. Si en una estimación preliminar, es mayor el costo de crear el modelo que el posible
ahorro que se puede generar por la implementación de los resultados del modelo.
5. Si se cuentan con todos los recursos necesarios para la creación de un modelo adecuado.
Este análisis debe tener en cuenta no sólo la disponibilidad de los equipos de cómputo,
sino el tiempo que deben destinar los operarios involucrados, el experto en simulación,
la gerencia, para el proceso de depuración del modelo, entre otros.
6. Es necesario analizar la ventana de tiempo que existe hasta el momento en que se
debe tomar la decisión. La razón es que las empresas en determinadas ocasiones deben
tomar decisiones rápidas, lo que implica que no existe el suciente tiempo para hacer
el modelo, probarlo, ajustarlo, validarlo, hacer experimentos y analizar los resultados.
El mayor desperdicio se conseguiría cuando el ingeniero entregue los resultados y le
notiquen que la decisión se tomo la semana pasada.
7. Si no existen datos para alimentar el modelo, ni tampoco es posible obtener estima-
ciones.
8. Si el modelo no puede ser probado y validado, ya que no se cuenta con los datos, con
las personas o con el tiempo para hacerlo.
9. Si las respuestas que se esperan obtener, no son posibles de dar a partir del modelo
de simulación.
10. Si el comportamiento del sistema es tan complejo que son demasiadas las simplica-
ciones y no se cuenta con un modelo adecuado que brinde las respuestas esperadas.

Luego de haber analizado cada uno de los puntos anteriores, la experiencia ha demostrado
que la aplicación de la simulación de eventos discretos es amplia y en muchos casos la única
alternativa. Prueba de ello son las muchas aplicaciones en virtualmente cualquier actividad
productiva de los seres humanos, aplicaciones en medicina, derecho, logística y con nes
militares.

15
 2. Introducción

Ya desde el punto de vista académico son muchas las publicaciones en simulación que
pueden ser consultadas, tanto para consultar adelantos teóricos como aplicaciones. Algunas
de las revistas más comunes son:
SIMULATION. Transactions of The Society for Modeling and Simulation Internation-
al. ISSN: 0037-5497. eISSN: 1741-3133. Frequency: Monthly. http://sim.sagepub.com/.
The Journal of Defense Modeling and Simulation: Applications, Methodology, Tech-
nology.
Modeling & Simulation Magazine. ISSN 1537-7733
International Journal of Modeling and Simulation. Frequency: 4 issues per year. ISSN:
0288-6203
International Journal of Simulation. Systems, Science & Technology. eISSN 1473-804x.
ISSN 1473-8031.
A esto se agregan los artículos escritos de simulación o sus aplicaciones en revistas como:
IIE Transactions
INFORMS Journal on Computing (JOC)
OPERATIONS RESEARCH. Institute for Operations Research and the Management
Sciences (INFORMS)
También es necesario tener en cuenta que en Internet se puede contar con muy buenos
artículos como recursos varios en los siguientes enlaces:
Winter Simulation Conference - http://www.wintersim.org
Institute for Operations Research and the Management Sciences INFORMS - http://www.informs.org
Society for Modeling & Simulation International - http://www.scs.org
Son también abundantes los textos en este campo y son permanentemente reescritos y
actualizados dentro de los mas consultados se encuentran Bank et al. (2001); Banks (1998);
Chung (2004); Harrell et al. (2003); Law and Kelton (2000); Ross (2002); Rubinstein (1981)

16
 2. Introducción

2.1. Sistemas y modelos

Los que se pretende con este tipo de modelos es imitar un sistema y someterlo a una
serie de pruebas para observar sus reacciones. El sistema esta compuesto por elementos
que interactúan y reaccionan con información de entrada o la carga de ciertos insumos; el
sistema a través de unas actividades y con unas reglas o controles, procesa estos elementos
de entrada y genera unos comportamientos y unas salidas que son los elementos que se
analizarán o que son de interés para el usuario. Es amplia la literatura que se puede revisar
sobre estos conceptos, para mayor detalle el lector puede consultar Bank et al. (2001) y
Banks (1998).

Figura 2.1.: Esquema de sistemas a simular

En simulación de eventos discretos se utilizan ciertos términos, que determinan el esquema

de modelado, estos son:

Sistema: realidad que se desea simular. Ejemplo: una sucursal de un banco, una ocina
de correo, una bodega de almacenamiento de producto terminado.
Entidades: corresponde al objeto de interés en el sistema o los ítem procesados en
el sistema, tales como clientes, productos y documentos. Ejemplos: en un banco los
clientes, en un sistema de comunicaciones los paquetes de envío, en un inventario las
estivas.
Atributos: Características que posee una entidad. Ejemplo: el saldo de la cuenta del
cliente en un banco, el peso del paquete en un currier, la capacidad de una estiva.
Eventos: Aquellos acontecimientos que ocurren en un momento determinado dentro
del sistema y que cambian el estado del mismo. Ejemplo: El arribo de un cliente al
banco, el arranque del camión de envío, un despacho de un pedido.
Actividades: Tareas desarrolladas en el sistema, como es de esperar tienen una du-
ración en el tiempo, utilizan alguna clase de recurso, pueden tener algún costo jo
(adicional al costo de los recursos). Ejemplo: retiro de efectivo, carga del camión,
almacenamiento del inventario.

17
 2. Introducción

Recursos: Medios para desarrollar las actividades, los cuales tienen asociados un costo
jo y un costo variable. Es necesario tener un concepto exible en estas deniciones, ya
que en algunos casos algo que se puede considerar un recurso, puede ser una entidad,
el punto es que una entidad es algo a lo que se desea hacer seguimiento y un recurso es
lo que hace posible que las actividades se desarrollen. Ejemplo: el cajero de un banco,
el camión, las carretillas de carga en una bodega.
Controles: Dictan cómo, cuándo y dónde las actividades son desarrolladas; imponen
orden sobre el sistema. A pesar de parecer evidente, es importante, ya que por ejemplo,
nadie se pone lo zapatos y luego las medias.
Variables del sistema: las variables del sistema de un modelo de simulación de eventos
discretos son las que denen el esquema de modelado, ya que el estado de las variables
cambia en un conjunto discreto de puntos en el tiempo. Dentro de un sistema existen
distintos tipos de variables:
• Variables de decisión: Se reeren a variables independientes; al cambiarlas, cam-
bia el funcionamiento del sistema. Ejemplo: Número de servidores asignados a
una línea de ensamble.
• Variables de estado: Indican el estado del sistema en puntos especícos de tiempo.
Ejemplo: Número de entidades que esperan ser procesadas.
• Variables respuesta: Miden la actuación del sistema en respuesta a variables
decisión particulares. Ejemplo: Tiempo promedio en cola.

2.2. Pasos de una simulación

La simulación de eventos discretos, como todo método, conlleva consigo una serie de pasos
que ayudan a la planeación, ejecución, vericación del modelo y presentación de resultados.
De manera general los pasos a seguir para realizar una simulación de eventos discretos son
los ilustrados en la gura 2.2, estos pasos tienen relaciones entre sí las cuales determinan el
proceso recurrente de mejoramiento de cualquier ejercicio de simulación:

18
 2. Introducción

Figura 2.2.: Pasos para un proyecto de simulación de eventos discretos.

19
 2. Introducción

1. Formulación del problema: Como es mencionado en Banks (1998), un principio básico

del modelado se basa en el conocimiento del sistema con el objeto central de solucionar
un problema, en consecuencia, el modelo de simulación de eventos discretos es usado
para soportar la toma de decisiones o el establecimiento de políticas. El problema
direcciona el desarrollo del modelo, con miras a que las salidas o los resultados soporten
las decisiones que solucionarán el problema. Es necesario resaltar que los problemas
en todo sistema son el resultado de un proceso y por eso es importante detectar el
contexto en el que se dan.
2. Denir objetivos: Consiste en saber con certeza qué se debe hacer para llegar a la
solución del problema. Como es obvio en este paso, se tiene absoluta claridad de que la
mejor aproximación al problema es la simulación de eventos discretos. En este paso es
aconsejable incluir la planeación general del estudio, la cual debe incluir: cronograma,
recursos necesarios, presupuestos, resultados concretos en cada una de las etapas y
un producto nal. En éste se deben considerar las alternativas a experimentar y el
método para evaluar la conveniencia de dichas alternativas.
3. Conceptualización del modelo: Denir la estructura básica del modelo, el llamado
modelo conceptual, con el cual se debe entender mejor el funcionamiento del sistema.
En esta etapa se busca denir un esquema sencillo de la parte fundamental del sistema,
de manera tal que se pueda representar el problema que se quiere modelar. Una
vez se cuente con esto se comienzan a perfeccionar algunos detalles, sin exceder la
complejidad del modelo, de manera tal que dé respuesta a las preguntas que se hicieron
y no respuestas a preguntas innecesarias. Esta tarea se ve afectada también por la
disponibilidad de datos con que se cuenten.
4. Recolección de datos: En esta etapa es necesario tener claridad en los puntos anteri-
ores y está fuertemente relacionada con 3, ya que dependiendo de la complejidad del
modelo o las características del mismo, dependen la cantidad y la clase de datos a
recolectar. Es necesario resaltar que, por ejemplo, en la ocina de un banco si el prob-
lema es disminuir la longitud de cola, medir cuantas personas hay en la cola puede
ser una tarea innecesaria (a no ser que lo haga como una tarea de validación), ya que
el número de personas que hacen la cola es el resultado de cuantas personas entran al
sistema y que tan rápido son atendidas por el cajero. En esta fase es necesario hacer
procesos de muestreo y en algunos casos, sobre todo cuando hacer mediciones no es
posible, se puede utilizar la opinión de expertos.
5. Construcción del modelo computacional: Después de esquematizado el modelo y recolec-
tar los datos, estos deben ser cargados al modelo computacional. Para ello se puede
utilizar los programas comerciales de simulación de eventos discretos como SIMUL8,
ProModel, Arena, etc. Existen muchas opciones diseñadas para ser muy versátiles y
exibles, y con las facilidades de cómputo actuales no hay problemas considerables
para elaborar modelos grandes, con muchas iteraciones por corrida o muchas corridas.

20
 2. Introducción

6. Vericación: Se deben comparar los resultados obtenidos en el modelo computacional

con el sistema real, y comprobar que éstos son lógicos y congruentes. Que el modelo
creado describe de manera correcta al sistema.
7. Validación: Esta es realizada por parte del usuario para el cual se está construyendo
la simulación y pretende comprobar una vez más la pertinencia del modelo en la
realidad. Esta es una tarea que incluye la calibración del modelo, un proceso iterativo
de comparación del comportamiento del modelo con el del sistema.
8. Diseño de experimentos: Luego de haber realizado una simulación del sistema actual,
es posible hacer pruebas sobre el modelo con los cambios que podrían dar resolución
al problema. Usualmente en este paso son usadas las pruebas de hipótesis y otros
mecanismos de estimación estadística.
9. Corridas y análisis: Se debe poner a correr el modelo con los cambios propuestos en
el paso anterior y posteriormente analizar los resultados arrojados por estas corridas.
10. Documentación: En esta fase se hace una descripción completa del modelo de sim-
ulación desde su creación hasta sus resultados y análisis de los mismos. Es una fase
crucial porque de ella depende la credibilidad de los resultados y la facilidad para la
implementación.
11. Implementación: Este paso se encuentra en gran medida relacionado con los objetivos
planteados y resolución del problema.

2.3. Ejercicios

1. Determine las entidades, atributos, recursos, eventos y un diagrama de ujo, para los
siguientes sistemas:
a ) La ventanilla de atención de la Secretaría Académica de la Facultad, para solic-
itar certicados de estudio
b) El taller de mantenimiento de pupitres de la Facultad de Ingeniería
c) La cafetería de Matemáticas
d) El área de asignación de citas de Unisalud
e) La Biblioteca Central.
2. Busque un artículo publicado en una de las revistas mencionadas en este capitulo
en el área de su interés, pero que sea la presentación de resultados de un ejercicio
de simulación (no considere artículos teóricos), y haga un reporte escrito de cómo el
autor ha cumplido con los pasos de la sección 2.2.

21
 2. Introducción

3. Consulte la página de Internet de la Conferencia de Invierno de Simulación en Winter

Simulation Conference http://www.wintersim.org, seleccione un artículo en donde
se solucione un problema de procesos de manufactura, salud, negocios, análisis de
riesgos, logística, transporte, distribución de bienes, programación de producción,
aplicaciones informáticas o comunicaciones, y que le permita contestar las siguiente
preguntas. Léalo cuidadosamente y determine:

a) ¾Cuál es el problema que se busca solucionar?

b) ¾Qué tipo de herramienta computaciones se utilizó?

c) ¾Cómo es el modelo utilizado?

d) ¾Qué resultados se obtuvieron?

22