PASOS PARA REALIZAR UN

ESTUDIO DE SIMULACION

EQUIPO # 2
Conformado por:

Romn Vidal Arena

Antonio Hernndez Montejo

INTRODUCCION
Debemos considerar que la realizacin de un estudio de
simulacin requiere la ejecucin de una serie de
actividades y anlisis que permitan sacarle el mejor
provecho.
Sera necesario agregar pasos o quitar otros,
dependiendo la problemtica de la situacin a resolver.

PASO # 1 (DEFINICIN DEL SISTEMA BAJO

ESTUDIO)
En esta etapa es necesario conocer el sistema a
modelar. Es conveniente definir con claridad las
variables de decisin del modelo, determinar las
interacciones entre estas y establecer con precisin
los alcances y limitaciones que aquel podra llegar a
tener.

Antes de concluir este paso es recomendable contar

con la informacin suficiente para lograr establecer
un modelo conceptual del sistema bajo estudio,
incluyendo sus fronteras y todos los elementos que
lo componen, adems de las interacciones entre
estos, flujos de productos, personal y recursos, as
como las variables de mayor inters para el
problema.

PASO # 2 (GENERACIN DEL MODELO DE

SIMULACIN BASE)
La siguiente etapa del estudio consiste en la generacin de un
modelo de simulacin base. No es preciso que este modelo sea
demasiado detallado, pues se requiere de mucha mas informacin
estadstica sobre el comportamiento de las variables de decisin del
sistema.
Este modelo es el primer reto para el programador de la simulacin,
toda vez que debe traducir a un lenguaje de simulacin.

En caso que se requiera una animacin, este tambin es un

buen momento para definir que grafico puede representar
mejor el sistema que se modela.
El realizador de un estudio de simulacin es, en este
sentido, como un artista que debe de usar toda su
creatividad para realizar un buen modelo que refleje la
realidad del problema.

PASO # 3 (RECOLECCIN Y ANLISIS DE

DATOS)
En esta etapa se debe determinar que informacin es til para
la determinacin de las distribuciones de probabilidad
asociadas a cada una de las variables aleatorias innecesarias
para la simulacin.
En algunos casos se logra contar con datos estadsticos, suele
suceder que el formato de almacenamiento o de generacin
de reportes no es el apropiado para facilitar el estudio.

De no contar con la informacin necesaria o en caso de

desconfiar de la que se tiene disponible, ser necesario
realizar un estudio estadstico del comportamiento de la
variable que se desea identificar.
Al finalizar la recoleccin y anlisis de datos para todas las
variables del modelo, se tendrn las condiciones necesarias
para generar una versin preliminar del problema que se est
simulando.

PASO # 4 (GENERACIN DEL MODELO

PRELIMINAR)
En esta etapa se integra la informacin obtenida a partir del
anlisis de los datos, los supuestos del modelo y todos los datos
que se requieran para tener un modelo lo ms cercano posible a la
realidad.
En algunos casos -sobre todo cuando se trata del diseo de un
nuevo proceso o esquema de trabajo- no se cuenta con
informacin estadstica, por lo que debe estimarse un rango de
variacin o determinar valores constantes que permitan realizar el
modelado.

Si ste es el caso, el encargado de la simulacin

puede, con base en su experiencia, realizar algunas
sugerencias de distribuciones de probabilidad que
comnmente se asocien al tipo de proceso que se
desea incluir en el modelo. Al finalizar esta etapa el
modelo est listo para su primera prueba: su
verificacin o, en otras palabras, la comparacin con
la realidad.

PASO # 5 (VERIFICACIN DEL MODELO)

Una vez que se han identificado las distribuciones de probabilidad de
las variables del modelo y se han implantado los supuestos
acordados, es necesario realizar un proceso de verificacin de datos
para comprobar la propiedad de la programacin del modelo, y
comprobar que todos los parmetros usados en la simulacin
funcionen correctamente. Ciertos problemas, en especial aquellos
que requieren muchas operaciones de programacin o que
involucran distribuciones de probabilidad difciles de programar,
pueden ocasionar que el comportamiento del sistema sea muy
diferente del que se esperaba.

Por otro lado, no se debe descartar la posibilidad de que

ocurran errores humanos al alimentar el modelo con la
informacin. Incluso podra darse el caso de que los
supuestos iniciales hayan cambiado una o varias veces
durante el desarrollo del modelo. Por lo tanto, debemos
asegurarnos de que el modelo que se va a ejecutar est
basado en los ms actuales.
Una vez que se ha completado la verificacin, el modelo
est listo para su comparacin con la realidad del problema
que se est modelando. A esta etapa se le conoce tambin
como validacin del modelo.

PASO # 6 (VALIDACIN DEL MODELO)

El proceso de validacin del modelo consiste en realizar
una serie de pruebas al mismo, utilizando informacin de
entrada real para observar su comportamiento y analizar
sus resultados.
Si el problema bajo simulacin involucra un proceso que
se desea mejorar, el modelo debe someterse a prueba
con las condiciones actuales de operacin, lo que nos
dar como resultado un comportamiento similar al que se
presenta realmente en nuestro proceso. Por otro lado, si
se est diseando un nuevo proceso la validacin resulta
ms complicada.

Una manera de validar el modelo en este caso, consiste en introducir

algunos escenarios sugeridos por el cliente y validar que el
comportamiento sea congruente con las expectativas que se tienen
de acuerdo con la experiencia. Cualquiera que sea la situaciones
importante que el analista conozca bien el modelo, de manera que
pueda justificar aquellos comportamientos que sean contrarios a las
experiencias de los especialistas en el proceso que participan de su

PASO # 7 (GENERACIN DEL MODELO

FINAL)
Una vez que el modelo se ha validado, el analista
est listo para realizar la simulacin y estudiar el
comportamiento del proceso. En caso de que se
desee comparar escenarios diferentes para un mismo
problema, ste ser el modelo raz; en tal situacin,
el siguiente paso es la definicin de los escenarios a
analizar.

PASO # 8 (DETERMINACIN DE LOS

ESCENARIOS PARA EL ANLISIS)
Tras validar el modelo es necesario acordar con el cliente los
escenarios que se quiere analizar. Una manera muy sencilla de
determinarlos consiste en utilizar un escenario pesimista, uno
optimista y uno intermedio para la variable de respuesta ms
importante. Sin embargo, es preciso tomar en cuenta que no todas
las variables se comportan, igual ante los cambios en los distintos
escenarios, por lo que tal vez sea necesario que ms de una variable
de respuesta se analice bajo las perspectivas pesimista, optimista e
intermedia.

El riesgo de esta situacin radica en que el analista podra caer en

un diseo de experimentos capaz de generar una gran cantidad de
rplicas, lo que redundara en un incremento considerable de costo,
anlisis y tiempo de simulacin. Es por ello que muchos paquetes
de simulacin cuentan con herramientas para realizar este proceso,
eliminando la animacin y acortando los tiempos de simulacin.
Estas herramientas permiten realizar varias rplicas del mismo
escenario para obtener resultados con estadsticas importantes
respecto de la toma de decisiones
Por su parte, el analista tambin puede contribuir a la seleccin de
escenarios, sugiriendo aquellos que considere ms importantes; al
hacerlo dar pie a que se reduzca el nmero de combinaciones
posibles.

PASO # 9 (ANLISIS DE SENSIBILIDAD)

Una vez que se obtienen los resultados de los escenarios es
importante realizar pruebas estadsticas que permitan comparar los
escenarios con los mejores resultados finales. Si dos de ellos tienen
resultados similares ser necesario comparar sus intervalos de
confianza respecto de la variable de respuesta final. Si no hay
interseccin de intervalos podremos decir con certeza estadstica
que los resultados no son iguales; sin embargo, si los intervalos se
traslapan ser imposible determinar, estadsticamente hablando, que
una solucin es mejor que otra.

Si se desea obtener un escenario "ganador" en estos casos,

ser necesario realizar ms rplicas de cada modelo y/o
incrementar el tiempo de simulacin de cada corrida. Con
ello se busca acortar los intervalos de confianza de las
soluciones finales y, por consiguiente, incrementar la
probabilidad de diferenciar las soluciones.

PASO # 10 (DOCUMENTACIN DEL MODELO,

SUGERENCIAS Y CONCLUSIONES)
Una vez realizado el anlisis de los resultados, es necesario
efectuar toda la documentacin del modelo.
Esta documentacin es muy importante, pues permitir el
uso del modelo generado en caso de que se requieran
ajustes futuros. En ella se deben incluir los supuestos del
modelo, las distribuciones asociadas a sus variables, todos
sus alcances y limitaciones y, en general, la totalidad de las
consideraciones de programacin.

Tambin es importante incluir sugerencias tanto del uso del

modelo como sobre los resultados obtenidos, con el
propsito de realizar un reporte ms completo. Por ltimo,
debern presentarse asimismo las conclusiones del
proyecto de simulacin, a partir de las cuales es posible
obtener los reportes ejecutivos para la presentacin final.

FIN