SIMULACION DE

SISTEMAS
PROFESOR
• Ramos Choquehuanca Angelino

INTEGRANTES
• Chávez Montoya Grace
• Deza Clemente Robert
• Saavedra Salinas Luis
• Salgado Córdova Gabriela
• Sánchez Carbajal Angello
 INTRODUCCIÓN

 Un modelo es la representación simplificada de un sistema, donde se describen

las variables dependientes e independientes de interés, características y
restricciones mediante símbolos, diagramas y ecuaciones.
 Un modelo puede ser una representación conceptual, numérica o gráfica de un
objeto, sistema, proceso, actividad o pensamiento; destaca las características que
el modelador considera más importantes del fenómeno en cuestión, por lo que se
emplea para analizar exhaustivamente cada una de sus relaciones e interacciones,
y con base en su análisis, predecir posibles escenarios futuros para dicho
fenómeno.
1. Aspectos Generales
 1.1 Sistemas
Un sistema es un conjunto de partes o elementos (subsistemas) relacionados entre sí mediante una cadena
de actividades que buscan alcanzar un objetivo planteado. Reciben entradas del medio en forma de datos,
energía, etc. De esta manera, los elementos que caracterizan a los sistemas son:

1. Un conjunto de elementos, partes u órganos componentes del

sistema, esto es, subsistemas.
2. Los elementos se interrelacionan de manera dinámica,
forman una red de comunicación y relaciones.
3. Desarrollan una actividad o función; operación, actividad o
proceso del sistema.
4. Con el fin de lograr uno o más objetivos o propósitos que
constituyen la finalidad para la que fue creado el sistema.
 Propiedades de los Sistemas

Un ejemplo de sistema, como puede ser considerada un organismo vivo recibe del entorno o ambiente
influencias que la impactan, por lo tanto, ésta debe mantener un equilibrio entre todas las partes del sistema.
Esta acción se denomina homeostasis; y así como esta, homeostasis, entropía, sinergia, y la propia
interdependencia están entre las partes de las propiedades de los sistemas.

Cómo afectan estas propiedades al sistema organización? Nosotros, como individuos, tratamos de luchar
contra la entropía, es decir, el desgaste cotidiano, descansando la cantidad de horas necesarias, comiendo
bien o practicando yoga. La organización atraviesa por lo mismo, por ejemplo, cuando los pacientes se
quejan de la mala atención en un sanatorio, o cuando una institución va teniendo cada vez menos
estudiantes;
 Limites de los Sistemas
Cada límite de sistemas es que cada área o parte del sistema (todo) realice o efectúe lo que corresponda ya
que están trabajando en conjunto, esto no quiere decir que alguna área se meterá en los asuntos de otra área,
por eso existen los límites, los cuales es no hacer más de lo que le corresponde.

Fuera de los limites, se encuentra el ambiente.

El ambiente es el medio en externo que envuelve física o conceptualmente a un sistema. El sistema tiene
interacción con el ambiente, del cual recibe entradas y al cual se le devuelven salidas. El ambiente también
puede ser una amenaza para el sistema.

En un sistema cerrado, el
límite del sistema es rígido.
 
En un sistema abierto, el
límite es más flexible.
 Tipos de Sistemas
Como fue mencionado antes, se clasifican en sistemas cerrados o abiertos.

Tomando como ejemplo un hospital, podríamos decir que si en el área de diagnóstico por imágenes, se
toma un pedido del médico y se realiza estrictamente lo solicitado sin atender a otros indicadores que den
cuenta de la necesidad de más estudios, estamos ante un sistema cerrado, ya que las entradas al sistema
mueren con el sistema mismo.

Plantas en jarros Bombillas o focos

cerrados
En cambio, si bajo el caso ejemplificado la decisión del profesional es solicitar la intervención de
otros profesionales o del profesional tratante o realizar una interconsulta con otra área, estaremos
frente a un sistema abierto. Es obvio que la satisfacción del cliente (médico que solicita el
estudio) es superior en el segundo caso, redundando esta situación en mayores beneficios para la
institución.

La El Cuerpo Humano
Tierra
 1.2 Relación entre Proceso y Sistema:

 1.2.1 Proceso:
 Proceso está definido como
la sucesión de actos o acciones
realizados con cierto orden, que se
dirigen a un punto o finalidad, así
como también al conjunto de
fenómenos activos y organizados
en el tiempo.
 1.2.2 Sistema:

 Un sistema es un
conjunto de
elementos
relacionados entre sí
que funciona como
un todo, con el
objetivo de cumplir el
propósito para el cual
fue diseñado, siendo
este lo común de las
partes.
 Relación Sistema- Proceso

 Podemos decir que la relación entre sistema y proceso, es

que un sistema es un conjunto de elementos (que
también pueden ser sistemas), los cuales cumplen una
función específica; estas funciones específicas son
denominadas procesos ya que cumplen un orden, para
poder cumplir el objetivo que se trazó.
 Ejemplo:
 Una calculadora al momento de digitar y pedir que nos
devuelva una operación matemática de 2 o más números.
 1.3 Elementos de un Sistema

  1.3.1 Entidades:
Una entidad es cualquier objeto singular, identificable y
separado. Se refiere a individuos, organizaciones, sistemas, bits
de datos o incluso componentes distintos del sistema que se
consideran significativos en sí mismos. Una entidad es un ítem
que transita por los sistemas para ser procesado o recibir un
servicio.
Se clasifican en:
Concretos:
Humanos o animados: Pacientes de un hospital, Clientes de un
supermercado.
Inanimados: Documentos, piezas.
Abstractos:
Intangibles: Internet, correos, llamadas, etc.
 1.3.2 Actividades:

 Las actividades son los procesos o tareas que se

realizan en un sistema.
 Se clasifican en:
 Proceso de entidades: servicio al cliente
 Movimiento de entidades y recursos: transporte,
ascensor
 Ajustes, mantenimiento y reparación de recursos:
configuración de una máquina
1.3.3 Recursos:
Son cualquier parte utilizable de un sistema que pueden ser
controladas y asignadas para que puedan trabajar juntos y
ejecutar las actividades como se diseñó.
Se clasifican en:
Humanos o animados: personal de mantenimiento, usuarios,
operadores.
Inanimados: espacio de almacenamiento, equipos.
Intangibles: información, tiempo.
1.3.4 Controles:
 Proporciona la respuesta deseada controlando como, cuando
y donde son ejecutadas las actividades.
Ejemplo: Programas de mantenimiento
 1.4 Complejidad de un Sistema

 1.4.1 Interdependencia:
 La interdependencia es uno de los conceptos centrales
dentro de la teoría de sistemas, ya que la mayoría de las
definiciones de un sistema implican la idea de la
interdependencia entre un conjunto de partes.
 La interdependencia es un tipo de conexión o relación entre
elementos; las relaciones pueden definirse como
dependientes, codependientes, independientes o
interdependientes.
 1.4.2 Variabilidad
 La variabilidad se entiende comúnmente como la
capacidad de un sistema para cambiar de modo que
se ajuste a un contexto específico. Estas adaptaciones
se habilitan mediante puntos de variación y variantes
como opciones que se pueden seleccionar en estos
puntos de variación.
 1.5. Que es un modelamiento
El modelamiento es el proceso de organizar y representar un modelo.
La modelación parte de un sistema netamente real y lo convierte en patrones o formulas en que los
resultados o valores no varían mucho de la realidad que ya se conoce. El uso de modelos ayuda al ingeniero
a visualizar el sistema a construir.
 
Por ejemplo: Modelo de una casa
Para complementar la definición se deben conocer algunos
conceptos
 1.5.1. Sistemas
Ya se vio ampliamente en el punto 1.1

1.5.2. Entidad
Es una unidad identificable que realiza actividades económicas, constituida por combinaciones
de recursos humanos, recursos naturales y capital.

Clasificación de las entidades

Empresas Privadas: Es aquella que busca la obtención de un

beneficio económico mediante la satisfacción de alguna necesidad de
orden general o socia
Empresa Pública: Es aquella que tiene como fin satisfacer una
necesidad de carácter general o social, pudiendo obtener o no
beneficios.
 1.5.3. Atributos
Los atributos o de carácter son normalmente tomados como definitorios de la entidad. Siempre responden a
cualidades positivas y suman a la hora de la valoración de la entidad

1.5.4. Variables
Una variable es la expresión simbólica representativa de un elemento no especificado comprendido
en un conjunto. Se usan en diferentes contextos, en distintas ciencias, como Matemáticas, Estadística,
Lógica, etc.

Tipos de Variables

Las variables pueden ser cuantitativas como el peso, cualitativas como el

genero, continuas como la altura, discontinuas como la cantidad de hijos,
dependientes como el crecimiento y desarrollo de los hijos, que se ven
afectadas por las independientes como algún producto alimenticio.
 1.5.5. Recursos
Son los distintos medios o ayuda que se utiliza para conseguir un fin o satisfacer una necesidad. También, se
puede entender como un conjunto de elementos disponibles para resolver una necesidad de una empresa, como:
naturales, humanos, forestales, entre otros.

1.5.6. Colas
En Informática, una cola es una estructura de datos, caracterizada por ser una secuencia de
elementos en la que la operación de inserción push se realiza por un extremo y la operación de
extracción pull por el otro.

Las colas se utilizan en sistemas informáticos, operaciones

de investigación y entre otros, donde los objetos, personas
o eventos son tomados como datos que se almacenan y se
guardan mediante colas para su posterior procesamiento
 1.5.7. Estado de un sistema
El estado de un sistema es un conjunto de variables que contienen toda la
información para la descripción de todas las entidades, atributos y actividades de
acuerdo con su existencia en algún punto del tiempo. Estas variables de estado
determinan la efectividad del sistema.
Las variables de estado describen el estado de un sistema o uno de sus
componentes, ya sea al comienzo, al final o durante un periodo. Estas variables
interaccionan con las variables exógenas (actividades que ocurren fuera del
sistema) del sistema y con las endógenas (actividades que ocurren dentro), de
acuerdo con las relaciones funcionales supuestas para el sistema. El valor de una
variable de estado, durante un periodo particular de tiempo, puede depender no
solamente de los valores de una o más variables exógenas en algún periodo
precedente, sino también del valor de ciertas variables de salida en periodos
anteriores.
 TIPOS DE ESTADO:

Estocástico: Si el estado de la variable en el siguiente instante

de tiempo no se puede determinar con los datos del estado
actual.
Ejemplo:
 Tiempo de atención en una mecánica.
Determinístico: Si el estado de la variable en el siguiente
instante de tiempo se puede determinar con los datos del
estado actual.
Ejemplo:
 Pedido de productos.
Continuo: El estado de las variables cambia
continuamente como una función del tiempo.
Ejemplos:
 Contaminación ambiental
 Sistema de transporte público.
 Dinámica poblacional.
Discreto: El estado del sistema cambia en tiempos
discretos del tiempo.
Ejemplos:
 Llegadas a una cola.
 Entrada y salidas de un almacén.
 Cadena de producción.
Estático: Si el estado de las variables no cambia
mientras se realiza algún cálculo.
Ejemplos:
 Libros prestados en una biblioteca.
 Tiempo entre llegadas en los controles de peaje.
Dinámico: Si el estado de las variables puede cambiar
mientras se realiza algún cálculo.
Ejemplos:
 Número de productos en la caja de un
supermercado.
 Tiempo de atención en un hospital.
1.5.8. Eventos
Un evento es un acontecimiento, un hecho que sucede en un instante de
tiempo. En el mundo real los eventos ocurren en forma simultánea;
múltiples entidades pueden realizar actividades en forma paralela o
simultánea; es decir, en el mismo instante. En el mundo virtual, los
eventos suceden uno a la vez, aun cuando estos se dan en el mismo
instante. Cuando el modelado de sistemas se centra en la ocurrencia de
eventos y lo que sucede cuando ellos ocurren se denomina orientación
por eventos.
EJEMPLOS:
 Llegada a una estación de tren.
 Llegada a un destino.
 La demanda en el inventario de una empresa.
1.5.9. Calendario de eventos
Es un evento cuyo momento de ocurrencia puede ser determinado de antemano, y
por lo tanto puede ser programado con anticipación. Para estos eventos, en los que
es posible que se planee su ejecución en el transcurso del tiempo, el avance del
reloj de la simulación se dispone según el próximo evento programado. Así, la
ejecución de eventos programados continúa, hasta que se produce el evento de la
terminación de la simulación.
EJEMPLO:
 Supongamos que el tiempo entre llegadas de los clientes al sistema se ajusta a
una distribución exponencial con una media de 10 minutos. Este evento puede
programarse fácilmente al inicio de la simulación, generando un valor
individual de la variable aleatoria según la distribución de probabilidad
exponencial y su parámetro. El valor obtenido, por ejemplo 8 minutos, define
la ocurrencia del próximo evento que marcará el arribo del cliente. Este evento
es programado con anticipación en el calendario de eventos.
1.5.10. Reloj de simulación
El reloj de simulación es una variable que proporciona el instante actual
de tiempo simulado e interactúa con el calendario de eventos. Es un reloj
no convencional, ya que no controla el tiempo en forma continua, sino
más bien oscila hacia delante, mediante saltos en instantes discretos del
tiempo. Apunta el instante en que se ejecuta el evento durante la
simulación, luego salta al tiempo del siguiente evento. Cada salto implica
un cambio en el estado del sistema y una actualización del calendario de
eventos.
TIPOS:
 Reloj de simulación absoluto: Es el que parte de cero y termina en un
tiempo total de simulación definido.
 Reloj de simulación relativo: Consiste en un lapso que transcurre entre
dos eventos.
EJEMPLO:
- El tiempo de proceso de una pieza es relativo, mientras que el tiempo
absoluto sería el global: desde que la pieza entró a ser procesada hasta el
momento que terminó su proceso.
 1.5.11. Actividad

Es todo proceso que provoca cambios en el sistema.

EJEMPLOS:
 Programar un nuevo módulo en un sistema académico.
 Depositar y/o retirar dinero en un estado de cuenta en el
banco.
 Soldar máquinas.
 Disponer de productos en un almacén.
 1.5.12. Proceso

Consiste en representar el funcionamiento de un sistema en función de

la dinámica de las entidades a través del flujo del proceso; es decir,
comenzando desde que estas arriban al sistema, pasando luego por
una secuencia de actividades, para finalmente salir del sistema; esta
situación puede representarse mediante un diagrama de flujo.
En Arena, la simulación se realiza por procesos de manera explícita,
mediante la red de módulos. Pero en forma paralela e implícita
(internamente) la simulación se realiza por eventos, mediante un
calendario predeterminado y eventos condicionales.
EJEMPLO:
 -Revisión de solicitudes.

Revisión de
 

solicitudes
1.5.13. ¿Qué son los Modelos Mentales?
Un Modelo Mental es un mecanismo con el cual se intenta explicar cómo funcionan los sistemas.
Este Modelo es la representación de una realidad en donde los elementos que los conforman son
considerados los más importantes para la estructura del modelo, este modelo representa solo una
parte de la realidad. Son solo ideas y conceptualizaciones.

1.5.14. ¿Qué son los Modelos Formales?

Un Modelo Formal es un Modelo Matemático que incluye variables y constantes, y surge
a partir de un Modelo Mental. La base matemática son las ecuaciones diferenciales.
Es importante que los modelos desarrollados involucren la variable tiempo. Están basados
en reglas y son transmisibles.
Ejemplos: Planos, diagramas, maquetas.
2. Simulación de Sistemas
La simulación de sistemas es la representación
analítica apoyada en herramientas
matemáticas y computacionales.
Según Shannon define la simulación como el
proceso de diseñar un modelo de un sistema
real y realizar experimentos con él para
entender el comportamiento del sistema o
evaluar varias estrategias (dentro de los límites
impuestos por un criterio o por un conjunto de
criterios) para la operación del sistema.
 2.1. APLICACIONES DE SIMULACION DE
SITEMAS
 Análisis y reducción del tiempo de ciclo
 Secuenciación de las tareas
 Simulación de sistemas MRP
 Análisis de cuellos de botella
 Mejoramiento de la calidad
PLANEAMIENTO
PLANEAMIENTO DE
DE
 Reducción de costos PRODUCCION
PRODUCCION
 Planeamiento de la producción
 Reducción de inventarios
 Mejoramiento de la productividad
 Programas de mantenimiento
 Diseño de controles de sistemas
 2.2. CARACTERISTICA DE LA SIMULACIÓN

 Capta la interdependencia que existe entre los

elementos del sistema.
 Considera la variabilidad en el sistema.
 Es suficientemente versátil para modelar cualquier
sistema.
VARIABILIDAD
VARIABILIDAD EN
EN EL
EL SISTEMA
SISTEMA
 Muestra el comportamiento del sistema dinámico.
 Provee información estadística sobre múltiples
indicadores de desempeño.
 Se ejecuta en tiempo comprimido, tiempo real o
tiempo retardado.
 Los resultados son visuales y cuantitativos.
TIEMPO
TIEMPO REAL
REAL O
O RETARDADO
RETARDADO
 2.3. TIPOS DE SIMULACIÓN
2.3.1 SIMULACIÓN BASADA EN AVANCES DEL TIEMPO

Es un tipo de simulación que tiene

como variable el tiempo, puede ser
estático o dinámico, según sea la
necesidad que tenga la simulación.
 2.3.1.1. SIMULACIÓN ESTÁTICA

 Un modelo de simulación estática se entiende

como la representación de un sistema para un
instante (en el tiempo) en particular o bien para
representar un sistema en el que el tiempo no es
importante, 
 El avance del tiempo no se considera en la
simulación estática. A menudo involucra
muestras aleatorias para generar reportes
estadísticos, también se le llama simulación de
Monte Cario. En las finanzas se utiliza en la
simulación de selección de cartera de
inversiones.
EJEMPLO:

Simulador de inversiones
 2.3.1.1. SIMULACIÓN DINÁMICA

 Representa a un sistema en el que el tiempo es una

variable de interés.
 Incluye el paso del tiempo. Un mecanismo de reloj
mueve el avance del tiempo y el estado de las
variables del sistema son actualizadas. La
simulación dinámica se ajusta para analizar los
sistemas de manufactura y servicios, dado que ellos
operan en el tiempo, como así el sistema de
transporte de materiales dentro de una fábrica, una
torre de enfriamiento de una central termoeléctrica,
etc.
 2.3.2. Simulación basada en el uso de Variables Aleatorias

 Una variable aleatoria es aquella variable que puede tener

asignado un valor (no previsible) de un determinado
conjunto finito (variable aleatoria discreta) o infinito
(variable aleatoria continua) de posibles valores.
 Es una función que asigna un número a cada posible
resultado de un experimento (espacio de muestreo).
Aunque la secuencia exacta de valores que serán asignados
a una variable aleatoria no puede ser prevista, sí que es
posible conocer el rango de valores en los que puede
variar, así como la probabilidad de tener asignado un cierto
valor.
 2.3.2.1. Simulación Determinística
 Si un sistema no tiene ningún componente con características probabilistas (es decir, aleatorias) se
considera determinista. En este caso, el comportamiento del sistema está determinado una vez que se
hayan definido las condiciones iniciales y las relaciones que existen entre sus componentes.

 VENTAJAS:
• Se realiza con datos conocidos y genera resultados exactos.
• La simulación no interfiere con el mundo real, permite experimentar
 DESVENTAJAS:
• No permite espacio para probabilidades.
• En el mundo real las situaciones determinísticas son casi nulas.
 2.3.2.1. Simulación Determinística
 EJEMPLOS:
• La planificación de una línea de producción, en cualquier
proceso industrial, es posible realizarla con la
implementación de un sistema de gestión de procesos que
incluya un modelo determinístico en el cual estén
cuantificadas las materias primas, la mano de obra, los
tiempos de producción y los productos finales asociados
a cada proceso.
• Casos prácticos serían los autos ya que son deterministas
en el sentido que podemos hacer que entren comandos
por el auto por medio del volante, frenos, pedal del
acelerador, cambios, claxon, freno de mano, etc.
 2.3.2.2. Simulación Estocástica y/o probabilística

 Un proceso estocástico evoluciona en el tiempo y/o espacio e involucra a una variable aleatoria, de tal
modo que el comportamiento del proceso no puede preverse con exactitud. Estos procesos se utilizan
para representar aquellas actividades cuyos efectos varían aleatoriamente en distintas salidas y los
resultados generados sirven para obtener estimaciones de las variables que caracterizan el
comportamiento real del sistema.
 Dentro del conjunto de procesos estocásticos se encuentran, por ejemplo, el tiempo de funcionamiento
de una máquina entre avería y avería, su tiempo de reparación y el tiempo que necesita un operados
humano para realizar una determinada operación.
 2.3.2.2. Simulación Estocástica y/o probabilística

 VENTAJAS:
• Es posible efectuar el efecto de cambios internos y externos del sistema, haciendo alteraciones en el modelo del
sistema y observar los efectos de esas alteraciones en el comportamiento del sistema.
• Puede conducir a un mejor entendimiento del sistema y por consiguiente a sugerir estrategias que mejoren la
operación y ciencia del sistema.
 2.3.2.2. Simulación Estocástica y/o probabilística

 EJEMPLOS:
• Los sistemas de la vida real son estocásticos. Su comportamiento puede
ser medido y aproximado a distribuciones y probabilidades, pero rara vez
pueden ser determinados por un solo valor (por ende, no
determinísticos).
• Por ejemplo, el tiempo que un cajero de un banco requiere para procesar
el depósito de un cliente depende de varios factores (algunos de ellos
pueden ser controlados, otros no; algunos son medibles, otros no), pero
al final, realizando un conjunto de observaciones del tiempo de
procesamiento de cada depósito del cajero, puede permitir ajustar los
tiempos a una distribución y 'predecir' cuál será el tiempo de proceso en
un modelo de simulación por eventos discretos.
2.3.3. Simulación basada en continuidades de la Ocurrencia
de los Eventos

2.3.3.1. Simulación Continua

Es aquella en la que las variables del estado del modelo cambian continuamente respecto del
tiempo. Es decir, el intervalo de tiempo entre la ocurrencia de un evento y otro se puede
considerar infinitesimal.
 2.3.3.1. Simulación Continua

 EJEMPLOS:
• La temperatura en el transcurso del día. La variable de estado toma diferentes
valores en el tiempo, según la temperatura.
• El funcionamiento del tanque de gasolina de una estación de venta de
combustible, que, por medio de la máquina surtidora, transfiere un flujo hacia
los tanques de los vehículos.
 2.3.3.2. Simulación Discreta
Es aquella en la que los eventos se dan en puntos discretos del tiempo, con los cual se actualizan los valores de las
variables de estado del modelo en dichos puntos. Es decir, existe un intervalo de tiempo variable entre la ocurrencia
de un evento y la del otro.

 EJEMPLO:
• El arribo de clientes a un supermercado para realizar sus
compras. Al ejecutar el modelo de simulación que
representa esta situación, los eventos van sucediendo uno
tras otro en el tiempo. Por ejemplo, el arribo de un cliente
en un instante dado, la salida de caja de un cliente después
de haber realizado el correspondiente pago, el ingreso de un
cliente a la cola o las vueltas que da un auto en la playa de
estacionamiento antes de encontrar un espacio disponible.
3. Modelo Analítico vs
Modelo de Simulación
3.1. Modelo Analítico

 Representan, por lo general, situaciones estáticas del problema; es decir, se asume que las
condiciones son constantes en el tiempo durante el período de estudio.
 Ejemplo: las programaciones lineal y no lineal.
 Los resultados llevan a obtener una solución óptima para el problema y para lograr un solo
objetivo, con lo cual se sacrifican otros objetivos secundarios. Ejemplo: la programación
lineal.
 El desarrollo de Modelos Matemáticos de Simulación es una moderna técnica analítica que
puede ser utilizada en las distintas etapas de la evaluación de estrategias alternativas.
 La simulación es el
estudio de un proceso
con la observación del
comportamiento de un
modelo, en un cierto
plazo, en respuesta a un
patrón de entradas.

Modelo Analítico para el estudio de la implementación de la Gestión

Integrada de los recursos hídricos en los consejos de Cuenca de Nuevo
México
3.2. Modelo de Simulación

 Proporcionan una medida cuantitativa del desempeño del sistema, tal como el porcentaje
de utilización de los recursos, o los tiempos de ciclo, etcétera. La simulación es una
herramienta de evaluación de escenarios que permite al diseñador del experimento conocer
qué alternativas de diseño y estrategias operativas tienen mayor impacto en el desempeño
del sistema.
 A diferencia de los modelos analíticos, la simulación hace posible monitorear las más
complejas fluctuaciones estadísticas e interdependencias en el sistema.
 Ayuda a eliminar las
ineficiencias ocultas
en un modelo
analítico, que solo se
detectan cuando el
sistema está en
operación; es decir,
cuando es demasiado
tarde.

Modelo de Crecimiento de una Población de Recursos Limitados

4. Fases de un Proyecto de
Simulación
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 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.
4.1. Definición del Problema, objetivos y requerimientos

Si lo que se busca es transformar una situación confusa e indeterminada, reconocida como

problemática, es necesario comprender el sistema a modelar. Esto incluye el estado actual del
sistema (lo que está sucediendo y por qué está sucediendo) y el deseado (cómo puede hacerse
mejor). De esta manera, se podrán definir los objetivos del proyecto de simulación una vez que
se logre definir los elementos componentes del sistema, las variables, su comunicación e
interacción, así como establecer sus alcances y limitaciones.
Los objetivos indicarán las preguntas que deben responderse mediante la simulación, la clase
de información que debe ser colectada y el nivel de detallen necesario. Aquí se pueden hacer
especificaciones acerca de lo que se observa, manipula, cambia y entrega.
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.
4.2. Diseño de Modelo Conceptual
“La construcción de un modelo de simulación es tanto un arte como una ciencia”. Sin
embargo, la experiencia dicta que, para dar una solución concreta al problema en cuestión, es
necesario un buen aporte de creatividad por parte del analista. Así bien, es recomendable
empezar con un modelo simple para después modificarlo hasta uno de mayor complejidad. Sin
embargo, la complejidad del modelo final no debe exceder los requerimientos que cumplan
con el propósito para el cual se está haciendo el diseño.
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.
 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.
 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.
4.3. Obtención y Análisis estadístico de los Datos

 Los objetivos del estudio establecen, en gran medida, la clase de datos que deben ser
obtenidos y cuántos detalles son adecuados a fin de no perder información valiosa. Los
datos pueden ser obtenidos de observaciones de un sistema ya existente. En el caso de un
sistema inexistente, los datos deben ser estimados.
 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.
4.4. Construcción del Modelo de Simulación

En este punto el objetivo es ganar conocimiento acerca de la naturaleza del sistema, así como
proyectar situaciones alternas desprendidas por causa de un desencadenamiento de eventos
distintos a las condiciones normales de operación.
Al comenzar a construir el modelo se debe considerar la magnitud y el nivel de detalle
requerido. La modelación de un sistema pequeño y simple es rápida y certera si la información
requerida esta completa y es correcta.
En cuanto a los datos de entrada y las condiciones iniciales, es necesario que desde el inicio se
determinen los valores asignados a las variables y parámetros del modelo. Para lo cual es
importante recurrir a los supuestos del modelo conceptual y a métodos de ensayo y error.
Finalmente, la idealización del sistema debe ser codificada en un formato que sea reconocido
por un computador digital. La formulación de la codificación requiere que se definan tres
aspectos importantes: (1) la información de entrada y condiciones iniciales, (2) el software a
emplear, y (3) las habilidades y experiencia del programador.
La información de entrada y condiciones iniciales garantizan la certeza de que el modelo
realmente representa al sistema real.
En cuanto a computación se refiere, es necesario elegir el software adecuado para el sistema a
modelar, ya que estos pueden ser muy distintos al momento de modelar un sistema industrial.
Como tercero y último punto, es conveniente mencionar que las habilidades y experiencia del
programador determinan la calidad del modelo, ya que sus conocimientos y habilidades
adquiridas en proyectos similares como su creatividad e ingenio servirán como base para
planear, organizar, dirigir y controlar un proyecto de simulación exitoso.
El software FlexSim® es una buena
alternativa que permite modelar y
entender con mucha certeza los
problemas básicos de un sistema sin
la necesidad de programaciones
complicadas. Esto gracias a que
cuenta con una extraordinaria
facilidad de uso.

Ejemplo de modelo en FlexSim.

4.5. 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.
 4.6. 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.
 4.7. Experimento de Simulación
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.
4.8. Entrega de Documentos 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.
5. Generador de números
aleatorios
Un generador de números aleatorios es un
algoritmo determinístico, usado para crear
valores reales distribuidos entre 1 y O, tal que
O <= X < l. Se debe considerar lo siguiente:
La ocurrencia de cualquier valor es
equiprobable o uniforme.
El valor de la muestra previa no afecta la
probabilidad del valor de la próxima muestra
(independencia).
A continuación, se presenta la expresión general de un
generador congruencial mixto:
Xn+l = (a*Xn + c) mod m
dónde:
 Xn+I: número pseudoaleatorio generado
 Xn: valor inicial (raíz o semilla)
 a: multiplicador
 c: incremento
 m: 2b donde b>2
Función mod: módulo (resto de la división entera;
ejemplo: n mod m)
6. Variables Aleatorias de
Simulacion
Es aquella variable que puede tener asignado un valor (no
previsible) de un determinado conjunto finito (variable
aleatoria discreta) o infinito (variable aleatoria continua) de
posibles valores. Es una función que asigna un número
a cada posible resultado de un experimento (espacio de
muestreo).

En simulación, los valores que puede tomar una

variable aleatoria, como la duración de una actividad, o
quizá el tiempo entre arribos de las entidades al
sistema, son representados por una Distribución de
Probabilidad.
Modelo de simulación
7. Distribución de
Probabilidades de Simulación
La distribución de probabilidad permite relacionar unDistribuciones de probabilidades de Simulación
conjunto de valores o medidas, con su frecuencia
relativa de aparición.
Por ejemplo: el instante en que ocurrirá el próximo
evento, el número de paquetes por trasladar, el tiempo
de recorrido hasta la ventanilla de atención o el tiempo
de una consulta médica, etcétera
 Modelos de distribución de probabilidad con variables
discretas

Distribución uniforme Se dice que una variable aleatoria

X sigue una distribución que se caracteriza por ser
uniforme en n puntos si a cada valor se le asigna la
misma probabilidad (equiprobable)
Su función :
 Distribución binomial

Es aquella función que representa cuál es la probabilidad de

obtener x éxitos en n pruebas de Bernoulli independientes,
cuya probabilidad de éxito es de p. Su función masa de
probabilidad es:
 Distribución de Poisson

En teoría de probabilidad y estadística, la distribución

de Poisson es una distribución de probabilidad discreta.
Así tiempo fijo si estos eventos ocurren con una
frecuencia media conocida y son independientes del
tiempo discurrido desde el último evento.
 Modelos de distribución de probabilidad con variables
continuas

DISTRIBUCIÓN Χ²
La distribución χ² tiene muchas aplicaciones
en inferencia estadística, por ejemplo, en la
denominada prueba χ² utilizada como prueba de
independencia y como prueba de bondad de ajuste y en
la estimación de varianzas.
Función de distribución:

Función de distribución de
probabilidad
 Distribución T de Student

En probabilidad y estadística, la distribución t (de t-

Student) es una distribución de probabilidad que
surge del problema de estimar la media de
una población normalmente distribuida cuando
el tamaño de la muestra es pequeño.
La función de distribución es:

Gráfica de la función de distribución

de la probabilidad
 Distribución Uniforme Continua
En teoría de probabilidad y estadística, la distribución
uniforme continua es una familia de distribuciones de
probabilidad para variables aleatorias continuas, tales que
cada miembro de la familia, todos los intervalos de igual
longitud en la distribución en su rango son igualmente
probables.
función distribución:

Gráfica de función de distribución

de probabilidades
8. Simulación de Sistemas
por Eventos y Procesos
 8.1 Simulación por Evento

En el mundo virtual, los eventos suceden uno a la vez, aun cuando estos
se dan en el mismo instante. Cuando el modelado de sistemas se centra
en la ocurrencia de eventos y lo que sucede cuando ellos ocurren se
denomina orientación por eventos.
La simulación de eventos discretos tiene por finalidad identificar a
sistemas en los que los eventos que cambian el estado del mismo ocurren
en instantes espaciados en el tiempo, a diferencia de los sistemas cuyo
estado puede cambiar continuamente en el tiempo
 8.2 Simulación por Proceso

Consiste en representar el funcionamiento de un sistema en función de la dinámica de las

entidades a través del flujo del proceso; es decir, comenzando desde que estas arriban al sistema,
pasando luego por una secuencia de actividades, para finalmente salir del sistema; esta situación
puede representarse mediante un diagrama de flujo.
8.2.1 Evento programado en el tiempo (calendario)

Es aquel cuyo momento de ocurrencia puede ser determinado de antemano, y por lo tanto
puede ser programado con anticipación. Para estos eventos, en los que es posible que se planee
su ejecución en el transcurso del tiempo, el avance del reloj de la simulación se dispone según
el próximo evento programado. Así, la ejecución de eventos programados continúa, hasta que
se produce el evento de la terminación de la simulación.
8.2.2 Evento condicional

Un evento condicional se dispara o se

cumple cuando se da una condición en
alguna de las variables de estado del
sistema y no mediante su
programación en el tiempo.
 8.3 Reloj de la Simulación

Es una variable utilizada para controlar el tiempo

transcurrido durante la simulación y para interactuar con el
calendario de eventos. Es el contador de tiempo de la
simulación, y su función consiste en responder preguntas
tales como cuanto tiempo se ha utilizado el modelo de la
simulación, y cuanto tiempo en total se requiere que dure
esta última.
Existen dos tipos de reloj de simulación :
 el reloj de simulación absoluto
 el reloj de simulación relativo
9. Variables del Sistema
 En el diseño de un sistema o en la
mejora de uno ya existente se
requiere lograr un entendimiento
de cómo los elementos del sistema
se interrelacionan y afectan unos a
otros.
 9.1. VARIABLES DE DECISIÓN

En un experimento, estas variables representan

la variable independiente. Es posible alterar los
valores de las variables independientes, cada vez
que esto sucede se afecta el comportamiento del
sistema ya sea para bien o para mal. La persona
que realiza el experimento controla y cambia los
valores de las variables de decisión, bajo algún
criterio técnico.
EJEMPLO:
 9.2. VARIABLES DE
RESPUESTA
También llamadas variables de performance, pues
miden el desempeño del sistema en respuesta a alguna
variable de decisión.
En un experimento, la variable de respuesta representa
la variable dependiente; es decir, estas no pueden ser
alteradas debido que a sería el resultado de la variable
de decisión.
Ejemplos:
 La utilización promedio de un recurso.
 El tiempo promedio que una entidad permanece en
cola.
 9.3. VARIABLES DE ESTADO

Las variables de estado a menudo tienen un efecto en la

toma de decisiones cuando los eventos ocurren; por
ejemplo, la disminución del número de entidades en
una cola puede generar el cambio de cola de una
entidad. Un cambio en una variable de estado del
sistema también puede causar la ocurrencia de otros
eventos.
 EJEMPLO:

Cuando el nivel de información no es

suficiente para elaborar algún proyecto, se
busca más información de varios medios,
para obtener la información requerida.
10. Elementos Abstractos del
Sistema
Debemos tener en cuenta que un modelo de simulación
es una abstracción del sistema real. Para construir un
modelo es necesario visualizar cómo el sistema real
puede ser traducido en un modelo virtual, utilizando los
elementos abstractos y las herramientas que provee el
software.
 10.1. Entidades
Las entidades representan los elementos que ingresan al sistema
para recibir un servicio o para ser procesadas; representan las
entradas y salidas del sistema. Por ejemplo: productos, clientes,
documentos, etc.
Las entidades, al desplazarse por el sistema, van cambiando de
estatus, afectan y son afectadas por otras entidades, afectan el
estado del sistema y, por lo tanto, afectan también. el reporte final
de los indicadores de desempeño.
EJEMPLO:

El reporte final seria el nivel de

venta que tiene dicho producto, con
respecto a los clientes
 10.2. Recursos
Los recursos son los elementos que soportan, directa o
indirectamente, el procesamiento de las entidades en
el sistema. Existe siempre un interés por conocer
cómo son utilizados los recursos o cómo se afecta el
flujo de entidades, reflejado en tiempos de espera por
la disponibilidad del recurso.
Cómo mejorar la utilización de los recursos sin
incurrir en extensos tiempos de espera, o cómo reducir
tiempos de espera sin adicionar más recursos son
aspectos que se deben analizar y experimentar en el
modelo, desarrollando ciertas estrategias.
EJEMPLO:
 10.3. Atributos
Los atributos son variables asociadas exclusivamente a las entidades, almacenan valores o información
acerca de cada entidad. Para individualizar entidades es necesario vincularle atributos. Las entidades
poseen atributos que contienen información característica para cada entidad; es decir, las entidades poseen
características que son comunes, pero contienen información específica para cada entidad, que las
diferencian unas de otras.
EJEMPLOS:
 Peso de un equipaje.
 Edad de un trabajador.
 Tamaño de una encomienda.
 Hora de arribo de un vuelo.
 Destino de un pasajero.
 Estado de cuenta de un cliente de un banco.
 10.4. Variables globales
Estas variables son utilizadas en el modelo de simulación; representan una parte de la
información que refleja alguna característica del sistema en estudio,
independientemente de la cantidad o tipo de entidades. A diferencia de los atributos,
las variables no están asociadas a alguna entidad específica. Sin embargo, son
accesibles para cualquiera de estas; incluso para alterar los valores que estas
contienen. Las variables pueden representar algo que cambia en forma persistente
durante la simulación. Las variables en Arena pueden ser arreglos de una y dos
dimensiones, como vectores y matrices.
EJEMPLO:
 Características generales de las entidades.
11. MODELADO DE SISTEMAS
DISCRETOS POR PROCESOS -
MÓDULOS BÁSICOS
 11.1. Módulo Create

Este módulo representa la llegada de entidades al modelo de simulación.

Las entidades se crean usando una planificación o basándose en el tiempo
entre llegadas. En este módulo se especifica también el tipo de entidad de
que se trata. Una vez se incluye en el modelo a la derecha del símbolo
aparece bajo una línea el número de entidades creadas.
EJEMPLOS DE USOS:
 Punto de inicio de producción en una línea de fabricación.
 Llegada de un documento como una petición, una factura, una orden;
en un proceso de negocio.
 Llegada de un cliente a un proceso de servicio como un restaurante,
una oficina de información.
11.2. Módulo Process
Este módulo corresponde a la principal forma de procesamiento en
simulación. Se dispone de opciones para ocupar y liberar un recurso.
Adicionalmente, existe la opción de especificar un “submodelo” y
especificar jerárquicamente la lógica definida por el usuario. El tiempo de
proceso se le añade a la entidad y se puede considerar como valor añadido,
valor no-añadido, transferencia, espera u otros. Una vez se introduce en el
modelo, aparece un número en la parte inferior del símbolo que indica el
número de entidades que actualmente están procesándose.
EJEMPLOS DE USOS:
 Mecanizado de una parte.
 Revisión de un documento para completarlo.
 Rellenar órdenes.
 Servir a un cliente.
  
11.3. Módulo Assign
Este módulo se usa para asignar valores nuevos a las variables, a los
atributos de las entidades, tipos de entidades, figuras de las entidades,
u otras variables del sistema. Se pueden hacer múltiples asignaciones
con un único módulo Assign. Para añadir una nueva variable al
modelo, simplemente se selecciona “Add, Type: Entity”, el nombre de
la variable y el valor que se desea tome a partir de ese momento.
EJEMPLOS DE USOS:
 Acumular el número de subensamblados añadidos a una parte.
 Cambiar el tipo de entidad para representar una copia de un
formulario multicopia.
 Establecer una prioridad del cliente.
 11.4. Módulo Dispose

Este módulo representa el punto final de entidades en un

modelo de simulación.
EJEMPLOS DE USOS:
 Partes que abandonan un servicio.
 Finalización de un proceso de negocio.
 Clientes abandonando un comercio.
11.5. Módulo Decide

Este módulo permite a los procesos tomar decisiones en el sistema.

Incluye la opción de tomar decisiones basándose en una o más
condiciones (por ejemplo, si el tipo de la entidad es Gold Car) o
basándose en una o más probabilidades (por ejemplo, 75% verdadero,
25% falso). Las condiciones se pueden basar en valores de atributos
como la prioridad, valores de variables como el número de rechazados,
el tipo de entidad o una expresión.
EJEMPLOS DE USOS:
 Envío de partes defectuosas para que se vuelvan a hacer.
 Ramas aceptadas frente a rechazadas.
 Envío de clientes prioritarios a procesos dedicados.
 11.6. Módulo Record

La función de este módulo es registrar estadísticas. Las

estadísticas de la entidad se registrarán antes de que la
entidad se elimine del modelo.
EJEMPLOS DE USOS:
 Tasa de llegada de entidades al proceso “x”.
 Total del tiempo empleado en una actividad.