Ing.

Adam Francisco Paredes

Universidad Nacional Hermilio Valdizn
Simulacin
Introduccin a la simulacin
Principios Bsicos de la
simulacin

Semana 04-01
INDICE
PRINCIPIOS BASICOS DE LA SIMULACION
Objetivos
1 Herramientas
2 Ejemplos de Modelo de Simulacin
3 Problemas
4. Conclusiones
5. Recomendaciones
6. Bibliografa
INTRODUCCION A LA SIMULACIN
Objetivos del Curso:
El estudiante deber encontrarse en la capacidad de
desarrollar Modelos de casos reales y simularlos.


Objetivos de la Clase:
Entender las definiciones bsicas, tipos, clasificaciones entre
otros de los modelos y Simulacin
Estudiar y comprender el marco conceptual de la
simulacin de sistemas

II. OJETIVOS
I. HERRAMIENTAS
Algunas herramientas usadas para la Simulacin

SUMULADORES
SUMULADORES
WITNESS: Taller de Manufactura
ARENA: Simulador de procesos de cualquier tipo: Colas
SIMUL8 WITNESS
GPSS, SIMSCRIPT, SLAM, SIMAN, ProModel
MPSIM Es un simulador de Microchip para los PIC.
SIMUPIC 84 Es un simulador de Microsystems Engineering, slo til para los
PIC16X84.
MPLAB Simula programas en ensamblador.


Ingresar al recurso Material de lectura
II. Ejemplos de Simulacin
MODELO DE SIMULACIN DEL SISTEMA DE TRANSPORTE
PUBLICO DE PASAJEROS DE GRAN MENDOZA. INDICADORES
DE COMPORTAMIENTO.

APLICACIN DE LA SIMULACION PARA LA OPTIMIZACIN DEL ACARREO DE
MINERAL

SIMULACION INTEGRAL DE ATENCION AL PACIENTE

SIMULACION DE GESTIN DEL CONOCIMIENTO

SIMULACION DE REDES DE AGUA

SIMULACION DEL COMPORTAMIENTO DINMICO DEL VEHICULO
Ejemplos de Sistemas y sus Componentes
III. EJEMPLOS
Sistema Entidades Atributos Actividades Eventos Variables de Estado
Banco Clientes Estado de
Cuentas
Depositar Llegadas, Salidas Nro de cajeros ocupados,
Nro de Clientes en espera
Ferrocarril Viajeros Origen, Destino Viajar Llegada a una
estacin, Llegada a
un destino
Nro de viajeros esperando
en cada estacin
Produccin Mquinas Rapidez,
Capacidad,
Tasa de
descompostura
Estampar,
Soldar
Descompostura Estado de las mquinas
Comunicaci
ones
Mensajes Tamao,
Destino
Transmisin Recepcin en el
destino
Mensajes en espera a ser
transmitidos
Inventario Almacn Capacidad Disponer Demanda Nivel de inventario,
Demanda acumulada
Ejemplos de modelo de Simulacin
Un taller recibe ciertas piezas, las mismas que son acumuladas en un almacn temporal en
donde esperan a ser procesadas. Esto ocurre cuando un operario transporta las piezas dl
almacn a un torno.
Desarrolle un modelo que incluya el nmero de piezas que hay en el almacn esperando a
ser atendidas en todo momento, y el nmero de piezas procesadas en el torno
III. EJEMPLOS
Solucin
Modelo de Simulacin para este
ejemplo

A continuacin identificamos los
elementos que participan en el
modelo de simulacin
. . .
Ejemplos de modelo de Simulacin
Sistema: El sistema esta conformado por el conjunto de elementos interrelacionados para el
funcionamiento del proceso:
-Piezas
-Almacn temporal
-El operario
-El torno
Entidades: Las piezas, que representan los flujos de entrada al sistema
Estado del Sistema: en 1:10 min de simulacin, se encuentran 9 piezas en almacn
esperando a ser procesadas, el torno no esta trabajando en ese momento, hay 4 piezas
procesadas
Eventos: El tiempo de descanso del aperador, la salida de una pieza tras ser procesada etc.
Localizaciones: El almacn donde deben llegar las piezas, el almacn donde se almacena
las piezas procesadas
Recursos: Operario que transporta las piezas del almacn al torno
Atributos: Tamao de las piezas
Variables: El nro de piezas en el almacn y El nro de piezas procesadas en el torno
Reloj de la Simulacin: En este momento recorri 1:10 min y continuar avanzando hasta
terminar la simulacin
III. EJEMPLOS
. . .
Rplica o Corrida de la Simulacin
Es necesario efectuar ms de una rplica del modelo que se est analizando, con la
finalidad de obtener estadsticas de intervalo que nos den una mejor ubicacin del
verdadero valor

Estado transitorio:


Estado Estable
III. EJEMPLOS
Ejemplos de modelo de Simulacin
Simulacin de 5 lanzamientos de un dado legal
Analizar los datos simulados, calcular: el valor promedio, varianza; construir un histograma
de frecuencias relativas y efectuar una prueba de bondad de ajuste. Resolver haciendo uso
de los nmeros aleatorios disponibles en una calculadora o una tabla
Solucin
1. Identificacin del Sistema
III. EJEMPLOS
Sistema Entidades Atributos Actividades Eventos Variables de Estado
Lanzamiento
de un Dado
Dado caras lanzar Reposo, lanzamiento Nro de Lanzamientos

Entidades: El dado puede estar en reposo o lanzamiento
Actividad: Lanzamiento del dado
Variable Endgena: Es el generador y lanzador
Variable Exgena: Es la variable aleatoria que representa la cantidad de puntos que muestra el dado
Funcin de Probabilidad: es la uniforme discreta con parmetros valor medio 1/6
Reloj Simulador: Se incrementa en una unidad cada vez que se efecta el lanzamiento
Variable aleatoria: X = (1,2,3,4,5,6)

2. Generacin de nmeros aleatorios
Lanzamiento RND RN*6 INT(RND*6) INT(RND*6)+1
1 0.382 2.295 2.0 3.0
2 0.636 3.816 3.0 4.0
3 0.969 5.815 5.0 6.0
4 0.659 3.956 3.0 4.0
5 0.299 1.794 1.0 2.0
3. Aplicamos el mtodo monte Carlo
Haciendo uso de la funcin de distribucin
de probabilidad (f.d.p) del experimento
Como el dado se ha supuesto legal,
entonces tenemos:
f(x) = 1/6 para toda x e X
Graficamos
Grafica de la Distribucin
0
1/20
1/10
3/20
1/5
1 2 3 4 5 6
Lanzamientos
P
r
o
b
a
b
i
l
i
d
a
d

f
(
1
/
6
)

Serie1

Construir la funcin de distribucin acumulada
x 1 2 3 4 5 6
f(x) 1/6 1/6 1/6 1/6 1/6 1/6
F(x) 1/6 1/3 1/2 2/3 5/6 1
Grafica de la Distrib.Acum F(x)
0
1/5
2/5
3/5
4/5
1
1 1/5
1 2 3 4 5 6
Lanzamientos
F
(
x
)
Serie1
Con la distribucin acumulada, podemos
establecer el siguiente criterio: obtener un
nmero aleatorio RND y si ocurre que:
Por ejemplo, si el nmero aleatorio obtenido es 0.592,
observamos que se encuentra en el intervalo

(3/6, 4/6)=(0.500, 0.667),

Lo que indica que el dado muestra X = 4 puntos

Tabla: Transformada Inversa
Rango Entonces Caras
0 < RND <= 1/6 X=1 punto
1/6 < RND <= 2/6 X=2 puntos
2/6 < RND <= 3/6 X=3 puntos
3/6 < RND <= 4/6 X=4 puntos
4/6 < RND <= 5/6 X=5 puntos
5/6 < RND <= 6/6 X=6 puntos
Algunas reas donde se usa la simulacin:

Procesos de manufacturas: Ayuda a detectar cuellos de botellas, a distribuir personal, determinar la
poltica de produccin.
Plantas industriales: Brinda informacin para establecer las condiciones ptimas de operacin, y para
la elaboracin de procedimientos de operacin y de emergencias.
Sistemas pblicos: Predice la demanda de energa durante las diferentes pocas del ao, anticipa el
comportamiento del clima, predice la forma de propagacin de enfermedades.
Sistemas de transportes: Detecta zonas de posible congestionamiento, zonas con mayor riesgo de
accidentes, predice la demanda para cada hora del da.
Construccin: Predice el efecto de los vientos y temblores sobre la estabilidad de los edificios, provee
informacin sobre las condiciones de iluminacin y condiciones ambientales en el interior de los mismos,
detecta las partes de las estructuras que deben ser reforzadas.
Diseo: Permite la seleccin adecuada de materiales y formas. Posibilita estudiar la sensibilidad del
diseo con respecto a parmetros no controlables.
Educacin: Es una excelente herramienta para ayudar a comprender un sistema real debido a que
puede expandir, comprimir o detener el tiempo, y adems es capaz de brindar informacin sobre
variables que no pueden ser medidas en el sistema real.
Capacitacin: Dado que el riesgo y los costos son casi nulos, una persona puede utilizar el simulador
para aprender por s misma utilizando el mtodo ms natural para aprender: el de prueba y error.
III. Aplicaciones de la Simulacin
Impacto de la Simulacin en algunos Trabajos:

La Perestroyka: Estudios de simulacin efectuados en Rusia en las dcadas del 70 y 80 convencieron a
los dirigentes de la necesidad de plantear un fuerte cambio en la economa de ese pas.
La cada de la bolsa de New York en 1988: La utilizacin de programas de simulacin por parte de los
corredores de la bolsa caus una falsa inestabilidad que provoc la cada.
El regreso del Apolo 13: La simulacin jug un rol fundamental en la determinacin del plan de
emergencia. La nave retorn con xito a pesar de las graves averas.
Los Voyagers: Gracias a la simulacin se pudieron establecer los itinerarios ptimos para estas naves
con un mnimo consumo de energa aprovechando la atraccin gravitacional de los planetas.
Proyecto Monte Carlo: Von Newman y Ulam (1945) emplearon simulacin para estudiar reacciones
nucleares.
Los modelos del planeta: Algunos plantean la posibilidad de un calentamiento global debido al efecto
invernadero. Otros plantean la posibilidad de un enfriamiento y predicen una nueva era glaciar.
Capacitacin de tropas: En el operativo Tormenta del desierto llevado a cabo en la guerra contra Irak,
las tropas de todas las fuerzas estadounidenses que participaron (fuerza area, marina y ejrcito) fueron
entrenadas con simuladores.
Capacitacin de policas: Se utiliza entornos virtuales para que el polica aprenda a conducirse en
situaciones de riesgo.
Simuladores de vuelos: Fue una de las primeras aplicaciones de los simuladores. Actualmente se
utilizan para entrenar pilotos de aviones comerciales y de combate.
III. Aplicaciones de la Simulacin
De acuerdo a la naturaleza del modelo empleado, la simulacin puede ser por (Fishman, 1978):

Identidad: Es cuando el modelo es una rplica exacta del sistema en estudio. Es la que utilizan las empresas
automotrices cuando realizan ensayos de choques de automviles utilizando unidades reales.

Cuasi-identidad: Se utiliza una versin ligeramente simplificada del sistema real. Por ejemplo, los
entrenamientos militares que incluyen movilizacin de equipos y tropas pero no se lleva a cabo una batalla real.

Laboratorio: Se utilizan modelos bajo las condiciones controladas de un laboratorio. Se pueden distinguir dos
tipos de simulaciones:
Juego operacional: Personas compiten entre ellas, ellas forman parte del modelo, la otra parte
consiste en computadoras, maquinaria, etc. Es el caso de una simulacin de negocios donde las
computadoras se limitan a recolectar la informacin generada por cada participante y a presentarla en
forma ordenada a cada uno de ellos.
Hombre-Mquina: Se estudia la relacin entre las personas y la mquina. Las personas tambin forman
parte del modelo. La computadora no se limita a recolectar informacin, sino que tambin la
genera. Un ejemplo de este tipo de simulacin es el simulador de vuelo.

Simulacin por computadora: El modelo es completamente simblico y est implementado en un lenguaje
computacional. Las personas quedan excluidas del modelo. Un ejemplo es el simulador de un sistema de
redes de comunicacin donde la conducta de los usuarios est modelada en forma estadstica.
Este tipo de simulacin a su vez puede ser:
Digital: Cuando se utiliza una computadora digital.
Analgica: Cuando se utiliza una computadora analgica. En este grupo
tambin se pueden incluir las simulaciones que utilizan modelos fsicos.
IV. Tipos de Simulacin
Este curso se centrar en la simulacin por computadoras. Un simulador por computadora
est compuesto por las siguientes partes:

Un modelo: Es un modelo simblico. Puede ser un conjunto de ecuaciones, reglas lgicas o
un modelo estadstico.

El evaluador: Es el conjunto de procedimientos que procesarn el modelo para obtener los
resultados de la simulacin. Puede contener rutinas para la resolucin de sistemas de
ecuaciones, generadores de nmeros aleatorios, rutinas estadsticas, etc.

La interfaz: Es la parte dedicada a interactuar con el usuario, recibe las acciones del mismo y
presenta los resultados de la simulacin en una forma adecuada. Esta unidad puede ser tan
compleja como la cabina utilizada en los simuladores de vuelos profesionales.
V. El Simulador por Computadora
Algunos modelos simblicos pueden resolverse analticamente.

La ventaja de una solucin analtica es que da una visin integral sobre la conducta del
sistema.

Variando sus parmetros es posible identificar fcilmente cambios importantes en el
comportamiento, detectar puntos crticos y sacar conclusiones generales para el tipo de
sistema analizado.
Por ejemplo, la solucin analtica del movimiento pendular permite concluir que el periodo (T)
de cualquier pndulo es independiente de la posicin inicial, pero depende de la longitud (l) del
mismo:



En el caso del movimiento de un resorte, variando el coeficiente de friccin se puede identificar
dos tipos de respuestas caractersticas:
la oscilatoria (con friccin nula) y la oscilatoria amortiguada (con friccin no nula).

VI. Resolucin Analtica vs Simulacin
g
l
T
VI. Resolucin Analtica vs Simulacin
Cuando se desea calcular las races del polinomio cuadrtico:



se dispone de la siguiente solucin analtica:




Esta solucin analtica permite calcular fcilmente las nuevas races cuando se varan los
coeficientes del polinomio. Tambin, es claro que habr problemas cuando el argumento de
la raz cuadrada se haga negativo.
Sin embargo, no siempre es posible obtener una solucin analtica, ya sea por la naturaleza
del modelo o de los experimentos que se desean realizar. En este caso, el modelo deber
ser tratado por algn tipo de mtodo numrico. Esto es, el modelo ser resuelto para un
caso particular, y la solucin ser un nmero, un vector o una matriz; pero no se tendr una
funcin analtica. Debido a esto, el anlisis de los resultados es ms complejo que el
requerido por una solucin analtica. A continuacin se da un ejemplo utilizando la
simulacin de Monte Carlo.
a
ac b b
x
2
4
2
2 , 1

c bx ax x P
2
) (
VI. Resolucin Analtica vs Simulacin
Simulacin de Monte Carlo
La simulacin de Monte Carlo es un mtodo que emplea nmeros aleatorios uniformemente
distribuidos en el intervalo [0,1] que es utilizado para resolver problemas donde la evolucin
con el tiempo no es de importancia.

A continuacin, se analizarn dos ejemplos para comparar una solucin analtica con una
solucin obtenida por simulacin.

Determinacin del rea de una figura
Cuando se desea calcular el rea de un crculo de radio r = 10 cm no existen mayores
problemas, ya que tanto el rea a como su permetro p pueden evaluarse analticamente
con las siguientes frmulas:






En este caso la solucin es a = 314.16 cm2 y p = 62.83 cm.
2
r a
r p 2
VI. Resolucin Analtica vs Simulacin
Sin embargo, cuando se desea determinar el rea de una forma irregular, por
ejemplo la superficie plana de Argentina, el problema debe necesariamente ser
resuelto con un mtodo numrico; es decir, simulacin.

La determinacin del rea del crculo utilizando la simulacin de Monte Carlo implica
la siguiente secuencia:

1. Crear un cuadrado de lado 2.r que encierre al crculo (ver Figura).
2. Colocar n puntos al azar dentro del cuadrado.
3. Asignar a c el nmero de puntos que quedaron dentro del crculo.
4. Como la probabilidad de colocar un punto dentro del crculo es igual al cociente del rea del crculo
dividida el rea del cuadrado, el rea del crculo se puede estimar en funcin del rea del cuadrado
(fcilmente calculable) con:




Es importante notar que para un dado n, el resultado ser distinto cada vez que se realice la
simulacin. Es decir, que el resultado ser un nmero aleatorio. A medida que n aumente, la varianza
del resultado disminuir y el valor medio se aproximar a la solucin analtica. Para un n = 100, el
resultado de una simulacin es = 320 cm2; mientras que para n = 10000, un resultado es = 313 cm2.
) 4 (
2
r
n
c
a
n
c
a
cuadrado circulo

VI. Resolucin Analtica vs Simulacin
El mismo principio se puede aplicar para figuras complejas o irregulares
Conociendo la escala, se puede fijar un cuadrado arbitrario y calcular el rea de
Argentina.

Sin embargo, la determinacin del permetro de la figura es un problema de mayor
magnitud para el cual se necesita recurrir a la teora de fractales.
SIMULACION DE MONTE CARLO
La simulacin de Monte Carlo es una tcnica cuantitativa que hace uso de la estadstica y
los ordenadores para imitar, mediante modelos matemticos, el comportamiento aleatorio de
sistemas reales no dinmicos.

Ejemplo:
Se cuenta con los datos histricos de 200 das sobre el nmero de consultas diarias realizadas
en un sistema de informacin empresarial (EIS) residente en un servidor central. La tabla
siguiente incluye el nmero de consultas diarias (0 a 5) junto con las frecuencias absolutas,
frecuencias relativas, y las frecuencias relativas acumuladas.
Deseamos conocer el nmero esperado de consultas por da mediante la teora de la
probabilidad y la Simulacin de Monte Carlo
DIAS 200
Cant. Consultas Frecuencia Absoluta Frecuencia Relativa Frecuencia Relativa
EIS Das das/200 Acumulada
0.00 10 0.05 0.05
1.00 20 0.10 0.15
2.00 40 0.20 0.35
3.00 60 0.30 0.65
4.00 40 0.20 0.85
5.00 30 0.15 1.00
total 200 1.00
SIMULACION DE MONTE CARLO
Solucin:

Mediante la teora de la Probabilidad
N esperado de Consulta por da

n
i
i
x p x X E
x X P x p
0
) ( ] [
) ( ) (
Valor esperado
x 0 1 2 3 4 5
p(x) 10/200 20/200 40/200 60/200 40/200 30/200
x.p(x) 0 x 0.05 1 x 0.10 2 x 0.20 3 x 0.30 4 x 0.20 5 x 0.15
0 0.1 0.4 0.9 0.8 0.75

5
0
295 ) 15 . 0 ( 5 ) 20 . 0 ( 4 ) 30 . 0 ( 3 ) 20 . 0 ( 2 ) 10 . 0 ( 1 ) 15 . 0 ( 0 ) ( ] [
i
i
x p x x E
SIMULACION DE MONTE CARLO
Solucin:

Mediante Simulacin de Monte Carlo
N esperado de Consulta por da

Cuando se conoce la distribucin de
probabilidad asociada a una variable
discreta, es posible usar la columna de
frecuencias relativas acumuladas para
obtener los llamados intervalos de nmeros
aleatorios asociados a cada suceso.
En este caso, los intervalos obtenidos son:
Tabla: Transformada Inversa
Rango Entonces Caras
0 < RND <= 0.05 X=0 Consultas
0.05 < RND <= 0.15 X=1 Consultas
0.15 < RND <= 0.35 X=2 Consultas
0.35 < RND <= 0.65 X=3 Consultas
0.65 < RND <= 0.85 X=4 Consultas
0.85 < RND <= 1.00 X=5 Consultas
Grfico de probabilidad
0.00
0.05
0.10
0.15
0.20
0.25
0.30
0.35
1 2 3 4 5 6
Consultas
F
r
a
c
u
e
n
c
i
a
s

R
e
l
a
t
i
v
a
s
FR
Grafico de Distribucin Acumulada
0.00
0.50
1.00
1.50
1 2 3 4 5 6
Consultas
F
R
A
Serie1
Distribucin Acumulada
x 0 1 2 3 4 5
f(x) 0.05 0.10 0.20 0.30 0.20 0.15
F(x) 0.05 0.15 0.35 0.65 0.85 1.00
Generamos 100 nmeros Peseudo-aleatorios

Clasificamos cada uno de ellos comparando en los intervalos luego asignamos la cantidad
de consultas a la que pertenece mediante la Siguiente frmula

Formula de Asignacin =
SI(J1<E$15,B$15,SI(J1<E$16,B$16,SI(J1<E$17,B$17,SI(J1<E$18,B$18,SI(J1<E$19,B$19,SI(J1<E$20,B$20))))))

De los nmeros asignados calculamos la media aritmetica usando la funcin PROMEDIO

Donde nos da el V(E)=2.915
SIMULACION DE MONTE CARLO
Ejemplo 2:
Supongamos que trabajamos en un gran almacn informtico, y que nos piden consejo para
decidir sobre el nmero de licencias de un determina sistema operativo que conviene adquirir
las licencias se suministran con los ordenadores que se vendan durante el prximo trimestre,
y es lgico pensar que en pocos meses habr un nuevo sistema operativo en el mercado de
caractersticas superiores. Cada licencia de sistema operativo la cuesta al almacn un total de
75 Euros, mientras que el precio al que la vende es de 100 Euros. Cuando salga al mercado la
nueva versin del sistema operativo, el almacn podr devolver al distribuidor las licencias
sobrantes, obteniendo un total de 25 euros por cada una. Basndose en los datos histricos
de los ltimos meses, los responsables del almacn han sido capaces de determinar la
siguiente distribucin de probabilidades por lo que las ventas de licencias del nuevo sistema
operativo refiere
Cant. Licencias Probabilidad Probabilidad Ext.Inf. Ext.Sup Cant.Licencias
Vendidas Acumulada Intervalo Intervalo Vendidas

100 0.30 0.30 0.00 0.30 100
150 0.20 0.50 0.30 0,50 150
200 0.30 0.80 0,50 0.80 200
250 0.15 0.95 0.80 0.95 250
300 0.05 1.00 0.95 1.00 300
Mediante la simulacin de Monte Carlo, deseamos conocer el pedido de unidades para conseguir el mximo beneficio
VIII. Etapas de la Simulacin
En el desarrollo de una simulacin se pueden distinguir las siguientes etapas
(Banks et al.,1996):

1. Formulacin del Problema
2. Definicin del Sistema
3. Formulacin del Modelo
4. Coleccin de Datos
5. Implementacin del Modelo en la Computadora
6. Verificacin
7. Validacin
8. Diseo de Experimentos
9. Experimentacin
10.Interpretacin
11.Implementacin
12.Documentacin
VIII. Etapas de la Simulacin
1.Formulacin del Problema:

En este paso debe quedar perfectamente establecido el objeto de la simulacin.

El cliente y el desarrollador deben acordar lo ms detalladamente posible los
siguientes factores:
- los resultados que se esperan del simulador,
- el plan de experimentacin,
- el tiempo disponible,
- las variables de inters,
- el tipo de perturbaciones a estudiar,
- el tratamiento estadstico de los resultados,
- la complejidad de la interfaz del simulador, etc.

Se debe establecer si el simulador ser operado por el usuario o si el usuario slo
recibir los resultados.
Finalmente, se debe establecer si el usuario solicita un trabajo de simulacin o un
trabajo de optimizacin.
VIII. Etapas de la Simulacin
2. Definicin del Sistema:

El sistema a simular debe estar perfectamente definido.

El cliente y el desarrollador deben acordar dnde estar la frontera del sistema a
estudiar y las interacciones con el medioambiente que sern consideradas.
VIII. Etapas de la Simulacin
3. Formulacin del Modelo:

Esta etapa es un arte y ser discutida ms adelante.

La misma comienza con el desarrollo de un modelo simple que captura los aspectos
relevantes del sistema real.

Los aspectos relevantes del sistema real dependen de la formulacin del problema;
para un ingeniero de seguridad los aspectos relevantes de un automvil son
diferentes de los aspectos considerados por un ingeniero mecnico para el mismo
sistema.

Este modelo simple se ir enriqueciendo como resultado de
varias iteraciones.
VIII. Etapas de la Simulacin
4. Coleccin de Datos:

La naturaleza y cantidad de datos necesarios estn determinadas por la formulacin
del problema y del modelo.

Los datos pueden ser provistos por registros histricos, experimentos de laboratorios
o mediciones realizadas en el sistema real.

Los mismos debern ser procesados adecuadamente para darles el formato exigido
por el modelo.
VIII. Etapas de la Simulacin
5. Implementacin del Modelo por Computadora:

El modelo es implementado utilizando algn lenguaje de computacin.

Existen lenguajes especficos de simulacin que facilitan esta tarea; tambin, existen
programas que ya cuentan con modelos implementados para casos especiales.
VIII. Etapas de la Simulacin
6. Verificacin:

En esta etapa se comprueba que no se hayan cometidos errores durante la
implementacin del modelo.

Para ello, se utilizan las herramientas de debugging provistas por el entorno de
programacin..
VIII. Etapas de la Simulacin
7. Validacin:

En esta etapa se comprueba la exactitud del modelo desarrollado.

Esto se lleva a cabo comparando las predicciones del modelo con: mediciones
realizadas en el sistema real, datos histricos o datos de sistemas similares.

Como resultado de esta etapa puede surgir la necesidad de modificar el modelo o
recolectar datos adicionales.
VIII. Etapas de la Simulacin
8. Diseo de Experimentos:

En esta etapa se decide las caractersticas de los experimentos a realizar: el tiempo
de arranque, el tiempo de simulacin y el nmero de simulaciones.

No se debe incluir aqu la elaboracin del conjunto de alternativas a probar para
seleccionar la mejor, la elaboracin de esta lista y su manejo es tarea de la
optimizacin y no de la simulacin.

Debe quedar claro cuando se formula el problema si lo que el cliente desea es un
estudio de simulacin o de optimizacin
VIII. Etapas de la Simulacin
9. Experimentacin:

En esta etapa se realizan las simulaciones de acuerdo al diseo previo.

Los resultados obtenidos son debidamente recolectados y procesados


VIII. Etapas de la Simulacin
10. Interpretacin:

Se analiza la sensibilidad del modelo con respecto a los parmetros que tienen
asociados la mayor incertidumbre.

Si es necesario, se debern recolectar datos adicionales para refinar la estimacin de
los parmetros crticos.

VIII. Etapas de la Simulacin
11. Implementacin:

Conviene acompaar al cliente en la etapa de implementacin para evitar el mal
manejo del simulador o el mal empleo de los resultados del mismo.

VIII. Etapas de la Simulacin
12. Documentacin:

Incluye la elaboracin de la documentacin tcnica y manuales de uso.

La documentacin tcnica debe contar con una descripcin detallada del modelo y de
los datos; tambin, se debe incluir la evolucin histrica de las distintas etapas del
desarrollo.

Esta documentacin ser de utilidad para el posterior perfeccionamiento del
simulador.
RECURSOS COMPUTACIONALES.
Se sugiere considerar el uso de alguno (s) de los siguientes recursos: EXCEL
(qu pasa si...?), STELLA (procesos de simulacin dinmica), ARENA
(procesos de simulacin discreta) MICROMUNDO PROFESIONAL y CLIC
(gratuito en Internet http://www.xtec.es/recursos/clic/esp/act/index.htm), FLASH,
JAVA, DIRECTOR o algn otro que est justificado.

Pensamientos
Es mejor una respuesta aproximada al problema correcto que una respuesta
correcta al problema aproximado

Los paradigmas de un pasado quieto y estable son inadecuados en un
presente turbulento e inestable.
Abraham Lincoln.
La construccin del modelo de simulacin es en muchos casos
ms un arte que una ciencia, que combina aspectos matemticos y
lgicos.

SUMULADORES
-WITNESS: Taller de Manufactura
-ARENA: Simulador de procesos de cualquier tipo: Colas
-SIMUL8 WITNESS
-GPSS, SIMSCRIPT, SLAM, SIMAN, ProModel