FACTORES A CONSIDERAR

EN EL DESARROLLO DEL
MODELO DE SIMULACIÓN
PRESENTADO POR:
● Victor Achulli Yucra
● Karen Sheila Castañeda Pari
● Oscar Alcides Choquehuallpa Hurtado
● Aldo Steven Gregori Huaman Pipa

Asignatura: Simulación de Sistemas

Docente: Ing. Alejandrina Huaylla Quispe
TABLA DE CONTENIDO
CONCEPTOS
01 PREVIOS 02 FACTORES

GENERACIÓN DE
VARIABLES LENGUAJES DE
03 ALEATORIAS NO- 04 PROGRAMACIÓN
UNIFORMES

CONDICIONES TAMAÑO DE
05 INICIALES 06 MUESTRA

DISEÑO DE
07 EXPERIMENTOS 08 CONCLUSIÓN
01

Modelo de
Simulación
 Historia

El comienzo de la simulación se dio a

partir de la segunda guerra mundial
donde se enseñó a los militares a
volar aviones sin la necesidad de
arriesgar la vida antes de ir a la guerra.
Concepto

Para comprender mejor el concepto debemos Simular:

entender lo q es modelo y simular.
implica la modelación de un proceso o sistema, de tal
Modelo: forma que este modelo imite las respuestas de la
realidad en eventos que ocurren a lo largo del tiempo.
Es una forma de representación de la realidad que
sirve para estudiarla de manera más simple. ● Se lleva a cabo mediante la manipulación de un
modelo.
● Representación conceptual o matemática de
un sistema real ● Permite generar y analizar el comportamiento
● Permite estudiar el sistema sin experimentar dinámico del sistema modelado.
directamente con él.

Es por esto, que la simulación y

la modelación van de la mano
 Modelo de simulación

Podemos decir que, un modelo de simulación es una representación de

la realidad que se realiza para predecir el comportamiento de un
sistema bajo ciertos escenarios.

Gracias a los modelos de simulación, podemos ahorrarnos tiempo y

dinero en la toma decisiones que pueden tener un mal resultado, al
plasmar la realidad en un entorno computacional y hacer todas las
elecciones que creamos convenientes sin tener consecuencias en la vida
real.
Etapas en la
simulación
Antes de intentar resolver un
problema, es esencial formularlo
adecuadamente
Etapas en la simulación
Antes de intentar resolver un problema, es esencial formularlo adecuadamente

1. Planeación del proyecto y definición del sistema

Tiene como objetivo estimar que recursos sean necesarios para llevar
a cabo el estudio: dinero, personal, hardware de computación, software, etc.

1. Formulación del modelo

En la formulación del modelo es necesario definir todas las variables que forman parte
de él, sus relaciones lógicas y los diagramas de flujo que describan en forma completa
al modelo.

1. Colección de datos
Identificar exactamente qué datos se necesitan introducir al modelo de simulación con
el fin de generar los resultados que se pretenden obtener.
Etapas en la simulación
4. Traducción del modelo
se refiere a la traducción del modelo conceptual de simulación a un modelo
computarizado que pueda simularse

5. Validacion
La validación del modelo es un proceso continuo durante su diseño, desarrollo y uso; y
consiste en comprobar que el modelo supone una aproximación adecuada de la
realidad para los objetivos particulares del estudio de simulación.

● La opinión de expertos sobre los resultados de la simulación.

● La exactitud con que se predicen datos históricos y la predicción del futuro.

● La comprobación de falla del modelo utilizando datos que hacen fallar al sistema real.
Etapas en la simulación
6. Experimentacion
El experimento consiste en cierto número de réplicas de la simulación realizadas en
condiciones bien definidas.

7. Análisis y experimentación
● Indica que en esta etapa se estudian, comprenden e interpretan los datos y
estadísticas que resultaron de las corridas de simulación.

● Interpretan los resultados que devuelve la simulación

y en base a esto se toma una decisión.
Etapas en la simulación
8. Documentación

● Documentación de tipo técnico

Corresponde a la documentación técnica interna sobre todos los
detalles del modelo de simulación, su funcionamiento, algoritmos,
supuestos, simplificaciones, etc. que son necesarios para el área de
tecnología.

● Manual de usuario
Es la documentación tipo manual que permite al usuario del modelo
poder interactuar con la interfaz y simulador de forma directa desde una
computadora.

9. Toma de decisiones

El último paso para la realización de un estudio de simulación es tomar acciones a partir de las
conclusiones obtenidas.

En resumen, se destaca que el verdadero objetivo es aplicar las mejoras analizadas mediante
la simulación sobre el sistema real para obtener beneficios tangibles.
Etapas en la
simulación
02

Factores a
Considerar
Generación de Lenguajes de
variables aleatorias Programación
no-uniformes

CONDICIONES TAMAÑO DE
INICIALES MUESTRA

DISEÑO DE
EXPERIMENTOS
 03
Generación de
variables aleatorias
no-uniformes
MODELO DE SIMULACIÓN ESTOCÁSTICA

● Es una herramienta matemática que incorpora elementos

aleatorios para representar la incertidumbre en sistemas
complejos.

● Se aplica en campos como la ingeniería, la economía y la

ciencia de la computación.

● La simulación estocástica implica la generación de

variables aleatorias y el análisis estadístico.

● El Método de Montecarlo es una técnica comúnmente

empleada para generar variables aleatorias y estimar la
incertidumbre en los resultados del modelo.
VARIABLES ALEATORIAS NO-
UNIFORMES
● Son variables cuyas probabilidades no están distribuidas de manera
uniforme.

● Ejemplos comunes: la distribución normal, distribución exponencial,

distribución de Poisson.

● Es un componente clave de la simulación estocástica

● Metodos de generacion: transformación inversa, método de aceptación

y rechazo y método de composición.
 TIPOS DE GENERADORES DE VARIABLES
ALEATORIAS
Generadores de
Generadores Generadores de Variables Aleatorias a
Congruenciales Números Aleatorios partir de Distribuciones
Lineales (GCL) basados en Algoritmos Conocidas
son los más comunes y fáciles de son más complejos pero pueden son útiles cuando se necesita
implementar, pero pueden tener tener mejores propiedades generar variables aleatorias con
problemas de uniformidad y estadísticas una distribución específica
período corto.
¿Cómo seleccionar el generador
adecuado?
● Requisitos de aleatoriedad: Alineada con los requisitos específicos
del modelo y los objetivos de la simulación. Varía según la
aplicación: uniformidad e independencia en algunos casos,
tolerancia a ciertos patrones en otros.
● Eficiencia computacional: Importante para simulaciones con
grandes conjuntos de datos o tiempos de ejecución críticos. La
elección de un generador eficiente mejora el rendimiento del
modelo.
● Facilidad de Implementación: Considera la integración práctica del
generador en un entorno de programación específico. La
simplicidad en la implementación agiliza el desarrollo y
mantenimiento del código.
● Propiedades estadísticas requeridas: Verificación de propiedades
estadísticas como uniformidad e independencia. Asegura que el
generador cumpla con las expectativas y requisitos del modelo.
04
Lenguajes de
Programación
LENGUAJES DE PROGRAMACIÓN
La elección del lenguaje de programación es un factor
crítico en el desarrollo de modelos de simulación, y
puede abordarse desde dos perspectivas principales:

● Desarrollar un software propio: específicamente

adaptado para el modelo de simulación

● Adquirir un software acorde a las necesidades

 Desarrollar un software propio

VENTAJAS DESVENTAJAS
● Personalización: Permite adaptar el
software a requisitos específicos del ● Costos y Tiempo: Puede requerir
modelo de simulación. inversiones significativas en términos
● Control Total: Proporciona un control de tiempo y recursos económicos.
total sobre el diseño y la ● Complejidad: El desarrollo puede
funcionalidad del software. volverse complejo, especialmente para
● Flexibilidad: Facilita ajustes y modelos sofisticados.
modificaciones según evolucionan las ● Mantenimiento Continuo: La
necesidades del proyecto. responsabilidad del mantenimiento y
actualizaciones recae en el equipo
interno.
 Comprar un software

VENTAJAS DESVENTAJAS
● Rapidez de Implementación: Acceso
inmediato a soluciones ya desarrolladas, ● Limitaciones de Personalización: Puede
acelerando el tiempo de implementación. haber limitaciones en la adaptabilidad del
● Experiencia Externa: Beneficio de la software a necesidades específicas.
experiencia de los desarrolladores del ● Costos Continuos: Licencias y
software adquirido. actualizaciones periódicas pueden generar
● Menor Carga de Mantenimiento: costos continuos.
Actualizaciones y mejoras son ● Dependencia del Proveedor: La
gestionadas por el proveedor. continuidad del software está sujeta a la
existencia y soporte del proveedor.
 ¿Cual elegir?

La elección entre desarrollar software propio y comprar uno existente

depende de factores como la complejidad del modelo, los recursos
disponibles, la velocidad de implementación requerida y las
características específicas del estudio de simulación. La evaluación
cuidadosa de las opciones y la comprensión de las capacidades de los
diferentes paquetes de simulación son esenciales para tomar una
decisión informada y eficiente.
05
CONDICIONES
INICIALES
Condiciones iniciales

● La mayoría de modelos de simulación ● Usar un tiempo de corrida lo suficientemente

estocástica se ejecutan con la idea de estudiar grande, de tal forma que los estados
un sistema en situación de estado estable. transientes tiendan a ser insignificantes con
● Sin embargo, las etapas iniciales de la mayoría respecta a la condición de estado estable.
de los modelos estocásticos tienden a tener
estados transientes. Los cuales no terminan
aportando mucho al objeto de estudio. ● Ignorar una parte apropiada de la parte inicial
● A raíz de ello algunos han propuesto algunas de la ejecución.
soluciones para afrontar este problema.

● Utilizar la simulación regenerativa.

06
TAMAÑO DE
MUESTRA
 Tamaño de muestra

Otro de los factores importantes a considerar es el número

de veces que se va a ejecutar el modelo de simulación el
cual es conocido como número de corridas en la
computadora o tamaño de muestra.
 ¿POR QUÉ ES IMPORTANTE?

Representatividad de Fiabilidad de los Costos y eficiencia

los resultados resultados
Un tamaño de muestra adecuado
Es esencial para asegurar que los Proporciona una base estadística minimizará los costos
resultados de la simulación sean sólida que permitirá hacer manteniendo la calidad deseada.
representativos de la variabilidad inferencias y tomar decisiones
del sistema. acertadas
Entonces…, ¿Cómo determinamos el tamaño de
muestra?
● Utilizando el análisis estadístico, el cual implica el uso de
métodos estadísticos que ayudará a evaluar la variabilidad del
sistema.
● También nos podemos valer de la experiencia que se puede
tener desarrollando modelos de simulación, basándose en
estimaciones previas o registros anteriores.
● De forma iterativa, a medida que se va ejecutando el modelo de
simulación, esto implicaría una adaptación continua, y también
nos podemos apoyará de técnicas estadísticas como los
intervalos de confianza.
Algunas consideraciones prácticas…
● No descuidar la calidad de los datos de entrada,
datos más precisos aumenta la probabilidad de
éxito del modelo de simulación.

● Antes de ejecutar el modelo a gran escala se debe

verificar y validar el modelo, para asegurar una
representación lo más precisa posible.

● Documentar cada detalle, incidente y decisión

durante la simulación, esto ayudará a la
transparencia y replicabilidad de resultados.
07
DISEÑO DE
EXPERIMENTOS
APLICAR EL DOE EN EL DESARROLLO DE UN
MODELO DE SIMULACIÓN

DETERMINACIÓN DE
DEFINICIÓN DE SELECCIÓN DE
NIVELES DE
OBJETIVOS FACTORES Y NIVELES FACTORES
Para cada factor identificado,
Desarrollar un modelo de ● Factores establece diferentes niveles o
simulación eficiente y preciso ● Niveles configuraciones que puedan
para estudiar el comportamiento afectar el rendimiento del
de un sistema específico. modelo
APLICAR EL DOE EN EL DESARROLLO DE UN
MODELO DE SIMULACIÓN

ELECCIÓN DEL ASIGNACION

CONDUCCIÓN EL
DISEÑO ALEATORIA EXPERIMENTO
EXPERIMENTAL
Puedes optar por un diseño
factorial completo, un diseño en Si es posible y relevante para tu
bloques, o algún otro diseño que estudio, asigna aleatoriamente Ejecuta el modelo de simulación
se ajuste a la complejidad y la las condiciones experimentales. bajo las condiciones definidas
cantidad de factores que estás por el diseño experimental.
considerando.
APLICAR EL DOE EN EL DESARROLLO DE UN
MODELO DE SIMULACIÓN

ANÁLISIS DE INTERPRETACIÓN DE
AJUSTES DEL
DATOS DATOS MODELO

Utiliza técnicas estadísticas para Examina cómo cada factor y sus

Basándote en los resultados del
analizar los datos recopilados. interacciones afectan el
análisis, ajusta el modelo según
Puedes realizar un análisis de desempeño del modelo. Busca
sea necesario.
varianza (ANOVA) para entender la configuraciones óptimas y
variación debida a diferentes patrones significativos en los
niveles de factores y sus resultados.
interacciones.
APLICAR EL DOE EN EL DESARROLLO DE UN
MODELO DE SIMULACIÓN

VALIDACIÓN DEL DOCUMENTACIÓN Y

MODELO REPORTE
Utiliza datos adicionales o realiza experimentos Documenta todos los resultados, los ajustes
de validación para confirmar que el modelo realizados y las configuraciones óptimas.
ajustado se comporta de manera consistente con Proporciona un informe detallado que describa
el sistema del mundo real. Esto ayuda a verificar el proceso de desarrollo, los métodos utilizados,
la robustez del modelo. y los hallazgos clave. Esto facilita la
comunicación y la replicabilidad del
experimento.
 CONCLUSIÓN
El desarrollo de un modelo de simulación es un proceso complejo que requiere la consideración cuidadosa de

múltiples factores. Desde la definición clara de los objetivos hasta la validación del modelo y la consideración de

aspectos éticos, cada paso es crucial para asegurar la relevancia y eficacia del modelo. La elección entre eventos

discretos o proceso continuo, la identificación de variables clave, y la comprensión del comportamiento del

sistema son aspectos esenciales que influyen en la calidad de la simulación. Además, la transparencia en la

documentación y la capacidad de iterar y mejorar continuamente el modelo son fundamentales para su éxito a lo

largo del tiempo. En última instancia, un modelo de simulación bien desarrollado puede proporcionar valiosas

perspectivas y análisis que respaldan la toma de decisiones informadas en una variedad de campos, desde

negocios y logística hasta ciencias sociales y salud.

CREDITS: This presentation template was created by
Slidesgo, and includes icons by Flaticon and
infographics & images by Freepik