1

CAPITULO 1

INTRODUCCIN A LA SIMULACIN DE EVENTOS DISCRETOS

1.1 Introduccin
La simulacin de sistemas tiene que ver con el antiguo arte de la formulacin de modelos para
representar la realidad fsica que observamos. Se puede decir que es un proceso muy antiguo,
inherente al proceso de enseanza aprendizaje del ser humano, de hecho el hombre prehistrico
utilizaba la simulacin para resolver sus problemas, sobre todo cuando pensaba y desarrollaba
estrategias para cazar animales.
El inicio del empleo de la tcnica de simulacin se remonta hacia el final de 1940, cuando John
Von Neumann y Stanislaw Ulam inventaron el trmino anlisis de Monte Carlo, tcnica que
utilizaron en la solucin de problemas de proteccin nuclear que eran demasiado complicados
para resolverlos con tcnicas matemticas convencionales o demasiado costosos para
resolverse en forma experimental, llamado as haciendo referencia al Casino de Montecarlo del
Principado de Mnaco, que en aquel tiempo era la capital del juego de azar, ya que el mtodo
encontraba la solucin de un problema matemtico determinstico mediante la simulacin de un
proceso estocstico. Con el desarrollo de la computadora digital al inicio de la dcada de 1950
se pudieron realizar simulaciones considerando modelos matemticos del sistema bajo estudio,
surgiendo aplicaciones en diversos campos. Este libro se enfoca principalmente a la simulacin
de eventos discretos.
La simulacin digital es una tcnica que se utiliza para representar o modelar en una
computadora un sistema real o hipottico. El proceso de simulacin de sistemas por lo tanto
implica la modelacin sobre todo matemtica de un sistema que queremos conocer y hacer que
logre sus objetivos para los cuales fue diseado, mediante la experimentacin simulada del
modelo, utilizando las ventajas que implica el uso de una computadora digital. Aun cuando la
simulacin se aplica a todo tipo de sistemas ya sen continuos o discretos.

1.2 Definiciones y aplicaciones
Como en algunas disciplinas existen diversas definiciones de la simulacin, que van de acuerdo
a la filosofa y enfoque del autor de la misma, a continuacin damos algunas de las mas
reconocidas, ya que no ha habido un acuerdo, entre quienes usan la palabra simulacin.
2
Una que se considera una definicin formal, es la que propuso C. West Churchman.
X simula a Y si y solo si: a), X y Y son sistemas formales; b), Y se considera como el
sistema real; c), X se toma como un aproximacin del sistema real; d), las reglas de validez de X
no estn exentas de error.
La definicin anterior es muy general que permite ambigedades y no es precisa, veremos
algunas mas precisas y adecuadas al propsito de este libro.
Una definicin ms tpica y apropiada es la de Shubick
Simulacin de un sistema es la operacin de un modelo, el cual es una representacin del
sistema. Este modelo puede sujetarse a manipulaciones que serian imposibles de realizar,
demasiado costosas e imprcticas. La operacin de un modelo puede estudiarse y con ello,
inferirse las propiedades concernientes al comportamiento al comportamiento del sistema o
subsistema real.
Las siguientes definiciones son ms cercanas a lo que se plantea en este libro:

Definicin de Jerry Banks
Simulacin es el desarrollo de un modelo lgico matemtico de un sistema, de tal forma que se
tiene una imitacin de la operacin de un proceso de la vida real o de un sistema a travs del
tiempo. La simulacin involucra la generacin de una historia artificial de un sistema, la
observacin de esta historia mediante la manipulacin experimental, nos ayuda a inferir las
caractersticas operacionales de tal sistema.

Definicin de H. Maisel y G. Gnugnoli

Simulacin es una tcnica numrica para realizar experimentos en una computadora digital.
estos experimentos involucran ciertos tipos de modelos matemticos y lgicos que describen el
comportamiento de sistemas de negocios, econmicos, sociales, biolgicos, fsicos o qumicos a
travs de largos periodos de tiempo.

Robert E. Shannon
La simulacin es el proceso de disear y desarrollar un modelo computarizado de un sistema o
proceso y conducir experimentos con este modelo con el propsito de entender el
3
comportamiento del sistema del mundo real o evaluar varias estrategias con los cuales puedan
se pueda operar el sistema.
Thomas H. Naylor restringi an ms la definicin hacia los tipos de modelos con los cuales
interactuamos como ingenieros industriales.
Simulacin es una tcnica numrica para conducir experimentos en una computadora digital.
Los cuales requieren ciertos tipos de modelos lgicos y matemticos, que describen el
comportamiento de un negocio o un sistema econmico ( o algn componente de ellos ) en
perodos extensos de tiempo real.

En todas las definiciones de simulacin se refieren a la modelacin de un sistema y realizar
experimentos con dicho modelo para estudiar el comportamiento del sistema real, sin embargo
no especifican si los sistemas que se modelan son continuos o discretos, por lo que hay que
recordar que trataremos con la modelacin y simulacin de sistemas dinmicos discretos.
Si precisamos aun ms la definicin para hacerla acorde con este trabajo quedara de la
siguiente manera:
Simulacin es un proceso mediante el cual se realiza un modelo de un sistema de actividad
humana, con el cual se realizan experimentos diseados para comprender el comportamiento del
sistema bajo estudio y mejorarlo para que logre los objetivos para los cuales se dise.

Las aplicaciones de la simulacin son muy variadas, que van desde los juegos operacionales
que tienen que ver con medios ambientes simulados dentro de los cuales los jugadores toman
decisiones, tales como los juegos militares y los juegos gerenciales, los cuales son utilizados
para entrenar dirigentes militares y directores de empresas, por otro lado est el anlisis de
Monte Carlo que es uno de los fundamentos de la simulacin es una tcnica de simulacin para
problemas que tienen una base estocstica e inclusive se usa para resolver problemas
matemticos determinsticos que no se pueden resolver por mtodos estrictamente
determinsticos, obtenindose soluciones aproximadas simulando un proceso estocstico. Las
aplicaciones que se presentan en este libro tratan principalmente con los procesos que se
desarrollan en empresas de manufactura y de servicios y alguna otra aplicacin que suceda en
un sistema dinmico y discreto.
Algunos ejemplos de aplicacin serian:
4
Simulacin de sistemas de colas, los cuales se presentan en varios tipos de empresas. La
simulacin permitir estudiar lneas de espera, cuya representacin matemtica es demasiado
complicada de analizar y se dificulta aplicar la teora de colas.
Simulacin de lneas de produccin. Los actuales paquetes de software de simulacin facilitan la
modelacin y simulacin de casi todos los diferentes tipos de lneas de produccin que se
utilizan en la industria manufacturera.
En la formulacin y evaluacin de proyectos en los cuales los flujos de efectivo, las tasas de
inters, la vida del proyecto, son variables aleatorias el uso de la simulacin es bastante til para
tomar una decisin.
Simulacin de sistemas de inventarios. Sobre todo los modelos de inventarios que contemplan
que la demanda, el tiempo de entrega, los costos de llevar el inventario y algunas otras variables
son estocsticos.
Simulacin de sistemas econmicos. Para evaluar el efecto que causaran ciertas decisiones
macro econmicas o microeconmicas segn sea el caso.
Como apoyo en la planeacin estratgica, mediante la simulacin del comportamiento de una
empresa ante el efecto de decisiones estratgicas que pudieran tomarse para el logro de los
objetivos organizacionales a corto, mediano y largo plazo.

Razones para la aplicacin de la simulacin:
La simulacin permite estudiar y experimentar con las complejas interrelaciones que suceden en
los subsistemas de un sistema determinado, que puede ser una empresa de servicios, una
industria manufacturera o una economa dada.
Con la simulacin se pueden estudiar los efectos de cambios propuestos en un sistema bajo
estudio sin comprometer la operacin del mismo.
Hace posible un mejor entendimiento del sistema modelado, de tal manera que se pueden
detectar mejoras potenciales o modificaciones que conduzcan a un mejor funcionamiento del
mismo.
Los modelos de simulacin se pueden utilizar como recurso pedaggico para que los estudiantes
adquieran las competencias que se necesitan para aplicar esta tcnica.
5
Evita tomar riesgos innecesarios al poner en practica modificaciones en el modelo antes que en
el sistema real.
Reduce el costo de hacer modificaciones en sistemas complejos, al utilizar el modelo de
simulacin y verificar sus efectos.
La participacin en el proceso de simulacin puede en un momento dado ser mas valioso que la
simulacin en si misma por el conocimiento a fondo que se adquiere del sistema bajo estudio.
La simulacin proporciona una visin sistmica a las personas involucradas en el proceso de
simulacin.
1.3 Estructura y caracterstica de la simulacin de eventos discretos.
La simulacin de eventos discretos es la modelacin y simulacin de sistemas en los cuales el
estado de las variables cambian en intervalos discretos de tiempo, los cambios ocurren cuando
sucede un evento, lo que origina que los valores de las variables se actualicen.
La ocurrencia de los eventos se establece previamente, haciendo un orden de ocurrencia de
eventos futuros, dependiendo del sistema a simular. Este tipo de simulacin se realiza por
mtodos numricos y principalmente en la computadora, basndose principalmente en datos
histricos, con los cuales se realizan las corridas que generarn datos estadsticos con los que
se podr analizar el comportamiento del sistema bajo estudio, hacer experimentos y obtener
conclusiones que ayuden a la toma de decisiones. El tiempo del reloj avanza a saltos definidos
por los eventos considerados, ms adelante se mencionan los mtodos mas generales utilizados
para tal efecto, se actualizan las variables de estado del sistema y se generan eventos futuros.

Componentes de un modelo de simulacin de eventos discretos.

Sistema: Conjunto de elementos interrelacionados que persiguen un objetivo comn, se discutir
mas adelante la clasificacin y propiedades de los sistemas con los cuales interactuamos.

Modelo: Una abstraccin de un sistema real bajo estudio, que generalmente contienen
relaciones lgicas y matemticas que describen el sistema en trminos de su estado, entidades y
sus atributos, eventos, actividades y demoras.

Estado del sistema: Son las variables que contienen toda la informacin necesaria para describir
el sistema en cualquier tiempo.

Entidad: Cualquier objeto o componente en el sistema el cual requiere una representacin
6
explcita en el modelo, por ejemplo: un cliente, un servidor, una maquina, un producto.

Atributos: Son las propiedades de una entidad dada, tales como, la prioridad de un cliente en la
lnea de espera, la ruta de un trabajo en un taller, la secuencia de un producto en una lnea de
produccin.

Conjunto ( en algunas ocasiones se les llama listas, colas o cadenas ): Una coleccin de
entidades ( permanentemente o temporalmente ) asociadas en un orden lgico, tal como los
clientes en una lnea de espera, ordenados por primero en llegar primero en salir (PEPS), o por
alguna otra prioridad.

Evento: Un suceso que cambia el estado de un sistema, como el arribo de un nuevo cliente al
sistema, pueden ser de dos tipos: programados y condicionales, los cuales generan actividades
de demoras en la simulacin para simular el paso del tiempo. Un evento programado es aquel
que el tiempo en el que ocurrir se predeterminara de antemano y por lo tanto se puede
programar al inicio de la simulacin o a la espera del tiempo en el que ocurrir.

Los eventos condicionales son disparados por una condicin que se da, mas que por el paso del
tiempo. Un ejemplo de un evento condicional puede ser una orden de trabajo en espera de todos
las piezas individuales que se requieren para procesarla. En este caso el tiempo en el que
ocurrir el evento no se conoce previamente, por lo que el evento pendiente se coloca en una
lista de espera hasta que las condiciones se cumplen. Si se da el caso de que varios eventos
estan en espera del cumplimiento de las mismas condiciones, entonces la lista se procesa con la
prioridad PEPS ( primero en entrar, primero en salir ).
En la vida real los eventos pueden ocurrir simultneamente por lo que mltiples entidades
pueden estar haciendo cosas en el mismo instante en el tiempo. En la simulacin por
computadora, sobre todo cuando corre en un solo procesador los eventos se pueden procesar
nicamente uno a la vez, aun cuando se piense que es el mismo instante en el tiempo simulado.
Por lo tanto se debe establecer una regla o mtodo para procesar este tipo de eventos.

Lista de eventos: lista de instantes de tiempo en los cuales se llevara a cabo un evento.

Actividad: Un lapso de tiempo de duracin especifica, como sera el tiempo de servicio, el tiempo
entre llegadas, cuya duracin es conocida por lo general en trminos de una funcin de
distribucin de probabilidad y en algunas ocasiones puede ser determinstica. El final de una
actividad se considera como un evento ( evento primario).

7
Demora: Duracin de tiempo de longitud no especificada, que no es conocida hasta el final de la
simulacin. En algunas ocasiones se le llama espera condicional, en contraste a una actividad, a
la que se llama espera incondicional. Al inicio y final de una demora se le llama un evento
condicional.

Reloj del sistema: variable que proporciona el valor actualizado del tiempo simulado. Los
sistemas considerados en este libro son dinmicos lo que significa que cambian con el tiempo,
por lo tanto el estado del sistema, los atributos de las entidades y el nmero de entidades, los
componentes de los conjuntos y las actividades y demoras son todas funciones del tiempo.

Cuando se describe un sistema de este tipo se realiza en trminos del flujo de proceso. Las
entidades se empiezan a procesar en la actividad A y en seguida se mueven a la actividad B y
as sucesivamente de acuerdo al sistema simulado, estos procesos se traducen a una secuencia
de eventos para realizar las corridas: Primero sucede el evento1(una entidad se empieza a
procesar en la actividad a), entonces ocurre el evento 2 ( finaliza el procesamiento de la entidad
en la actividad A), y as sucesivamente.

Figura 1 Diagrama de Flujo que muestra como funciona la simulacin de eventos discretos

Desarrollar una
base de datos y
Inicio
Avanzar el reloj
al siguiente
Fina
liz
Actualizar
estadsticas y
generar
reporte de
Fin
Procesar el
evento y
programar
Actualizar
estadsticas,
variables de
Algn
evento
8
1.4 Sistemas, modelos y control.

En las definiciones de simulacin se mencionan tres palabras clave, sistema modelo, y
experimentacin, cada una de las cuales tiene un significado importante en la comprensin de la
esencia de la simulacin.
Por sistema se entiende la definicin mas simple del termino, Un sistema es un conjunto de
elementos interrelacionados que buscan u objetivo comn.
Bajo esta definicin estn muchos variados sistemas en la naturaleza, por lo tanto es
conveniente adoptar una clasificacin que nos permita ubicarnos en el tipo de sistemas que
vamos a simular, al respecto consideramos que la clasificacin de Peter Checkland [ ] es la mas
adecuada.
De acuerdo con el mapa sistmico del universo propuesto por Checkland, podemos considerar el
universo como un conjunto de sistemas interactuando y propone lo siguiente:

Figura 2 Divisin bsica de la clasificacin de sistemas de Peter Checkland
Checkland PB. 1971. A systems map of the universe. Journal of Systems Engineering 2(2): 107-
114.
Sistemas
fsicos
diseados
Sistemas
de
actividad
humana
Sistemas
abstractos
diseados
SISTEMAS NATURALES
Sistemas
trascendentales
9
Los sistemas naturales son los que existen de por si, el hombre no interviene en su diseo y
construccin, van desde lo ms pequeo como el mundo subatmico, hasta los ms
gigantescos, como lo son los sistemas planetarios y galcticos, pasando por los seres vivos y
sobre todo el ser humano visto como sistema.
Dentro de los sistemas naturales se clasifican los sistemas fsicos diseados, los cuales son
pensados y construidos por el hombre, como las herramientas individuales simples y
sofisticadas, los dispositivos que imitan algn sistema natural, como la computadora que son
equipos complejos y los sistemas automticos muy grandes. Son sistemas cuyo objetivo esta
claramente definido.
Los sistemas abstractos diseados, son diseados y hechos por el hombre, son por lo general
conceptuales, tal como los lenguajes humanos, las filosofas, el software que usamos en la
computadora y sirven a un propsito especifico bien definido.
Los sistemas de actividad humana, son una combinacin de sistemas fsicos o abstractos
diseados y un sistema natural en particular como son los humanos, dando por resultado una
complejidad mayor, puesto que intervienen los humanos como elementos esenciales en su
funcionamiento y haciendo uso de los otros sistemas diseados para el logro se los objetivos
establecidos para el sistema de actividad humana de que se trate. El mas sencillo de estos
sistemas es el sistema hombre-maquina, incrementando su complejidad en la manera que
intervengan ms humanos y sistemas diseados, como seran los sistemas de produccin, las
plantas industriales y dems organizaciones que cumplan con los requerimientos para ser
considerados como este tipo de sistemas.
Los sistemas sociales estan en el lmite de los sistemas de actividad humana y los sistemas
naturales puesto que por naturaleza el ser humano sociabiliza para cumplir ciertas necesidades
bsicas de convivencia e interaccin humanas, sin embargo este tipo de sistemas son ms
complicados para hacer que logren sus objetivos, puesto que los mismos son mas difciles de
establecer.
Finalmente Checkland defini los sistemas trascendentales, como aquellos que puede ser que
existan, aun cuando no tengamos conocimiento de ellos.
Se puede decir que podemos aprender de los sistemas naturales, usar los sistemas diseados y
tratar de hacer que logren los objetivos para los cuales fueron diseados los sistemas de
actividad humana, que son en los cuales estaremos modelando y simulando sistemas.

El mapa sistmico mas detallado sera como sigue:
10


Figura 3 Mapa de sistemas del universo detallado


Figura Lnea de sistemas de acuerdo a sus objetivos.
La figura anterior muestra como los objetivos determinan la suavidad o dureza de los sistemas,
entre mas suaves, sus objetivos estn menos claros y definidos, por lo que la solucin de
problemas que se presenten en este tipo de sistemas ser mas complicada. Los sistemas
sociales entran en esta categora.
11

Como conclusin podemos decir que es importante que consideremos que los sistemas en los
cuales haremos la modelacin y simulacin de sistemas son por lo general de actividad humana
y mas que optimizacin buscaremos el mejoramiento del sistema para que logre los objetivos
para los cuales fue diseado y que la simulacin es una herramienta que ser mas poderosa
bajo el contexto de las metodologas utilizadas para tratar con sistemas suaves.
Caractersticas de un sistema de actividad humana.

Figura 4 Sistema de actividad humana

Una forma de visualizar cualquier sistema, parte de una herramienta simple pero muy poderosa
que se le llama la caja negra, con la cual podemos representar las entradas, las actividades de
transformacin principales que modifican, procesan o transforman las entradas en ciertas
salidas. Si podemos identificar estos elementos, estaremos en posibilidad de definir la esencia
del sistema bajo estudio.
12


Figura 5 La caja negra.

Las caractersticas que debe reunir cualquier sistema de actividad humana son las siguientes:
Objetivos. El sistema debe tener objetivos claros, definidos y que se puedan medir.
Medidas de desempeo. Como consecuencia de los objetivos, si estos estn claros y bien
establecidos se tendrn medidas de desempeo con las cuales se le puede dar seguimiento al
logro de objetivos.
Conectividades. Existen relaciones definidas entre los subsistemas o elementos que conforman
el sistema.
Lmites. Estn definidos los lmites del sistema y subsistemas, para evitar dilucin en las
responsabilidades y establecer adecuadamente quien debe tomar las decisiones y dentro de que
lmites.
Tomador de decisiones. Existe un tomador de decisiones o un cuerpo de tomadores de
decisiones que asignan los recursos que requiere el sistema, en algunas ocasiones el tomador
de decisiones se encuentra en el suprasistema.
Asignacin de recursos. Debe existir disponibilidad de recursos que se puedan asignar para que
el sistema logre los objetivos.
Subsistemas. El sistema esta formado de subsistemas que interactan para el logro de los
objetivos del sistema y los mismos cumplen a su vez con las caractersticas de un sistema, es
decir tienen objetivos, medidas de desempeo, etc.
13
Es parte de un suprasistema. El sistema forma parte como subsistema de un sistema mayor e
interacta con otros sistemas de su nivel para lograr los objetivos del sistema del cual forma
parte.
Subsistema de control. Atencin especial merece el subsistema de control, con el que debe
contar todo sistema para que se le considere como tal.
El trmino control se aplica para este caso en su sentido mas amplio, como lo defini Norbert
Wiener en su obra Ciberntica y Sociedad, donde defini que los sistemas de control se aplican
en esencia para los organismos vivos, las mquinas y las organizaciones como sera en nuestro
caso. Un sistema de control est definido como un conjunto de componentes que pueden regular
su propia conducta o la de otro sistema con el fin de lograr un funcionamiento predeterminado,
de modo que se reduzcan las probabilidades de fallos y se obtengan los resultados buscados.
Los sistemas de control deben conseguir los siguientes objetivos:
1. Ser estables y robustos frente a perturbaciones y errores en los modelos.
2. Ser eficiente segn un criterio preestablecido evitando comportamientos bruscos e irreales.

La retroalimentacin es una caracterstica importante de los sistemas de control de lazo cerrado.
Es una relacin secuencial de causas y efectos entre las variables de estado. Dependiendo de la
accin correctiva que tome el sistema, este puede apoyar o no una decisin, cuando en el
sistema se produce un retorno se dice que hay una retroalimentacin negativa; si el sistema
apoya la decisin inicial se dice que hay una retroalimentacin positiva.
Stafford Beer, filsofo de la teora organizacional y gerencial, de quien el propio Wiener dijo que
deba ser considerado como el padre de la ciberntica de gestin, define a la ciberntica como
la ciencia de la organizacin efectiva.
Segn el Dr. Stafford Beer, la ciberntica estudia los flujos de informacin que rodean un
sistema, y la forma en que esta informacin es usada por el sistema como un valor que le
permite controlarse a si mismo: ocurre tanto para sistemas animados como inanimados
indiferentemente. La ciberntica es una ciencia interdisciplinaria, estando tan ligada a la fsica
como al estudio del cerebro como al estudio de los computadores, y teniendo tambin mucho
que ver con los lenguajes formales de la ciencia, proporcionando herramientas con las que
describir de manera objetiva el comportamiento de todos estos sistemas.
El propio Stafford Beer afirm: "Probablemente la primera y ms clara visin dentro de la
14
naturaleza del control fue que ste no trata de tirar de palancas para producir unos resultados
deseados e inexorables. Esta nocin del control se aplica slo a mquinas triviales. Nunca se
aplica a un sistema total que incluye cualquier clase de elemento probabilstico -- desde la
meteorologa, hasta las personas; desde los mercados, a la poltica econmica. No: la
caracterstica de un sistema no-trivial que est bajo control es que a pesar de tratar con variables
demasiado extensas para cuantificar, demasiado inciertas para ser expresadas, e incluso
demasiado difciles de comprender, algo puede ser hecho para generar un objetivo predecible.
Wiener encontr justo la palabra que quera en la operacin de los grandes barcos de la antigua
Grecia. En el mar, los grandes barcos batallaban contra la lluvia, el viento y las mareas --
cuestiones de ninguna forma predecibles. Sin embargo, si el hombre, operando sobre el timn,
poda mantener su mirada sobre un lejano faro, podra manipular la caa del timn, ajustndola
constantemente en tiempo-real, hasta alcanzar la luz. Esta es la funcin del timonel. En los
tiempos rudos de Homero la palabra Griega para designar al timonel era kybernetes, que Wiener
tradujo al Ingls como cybernetics, en espaol ciberntica."
Como vemos esta caracterstica de los sistemas es fundamental, dado que si se quiere tener un
buen desempeo debemos tener los objetivos, las medidas de desempeo, darles seguimiento,
evaluar si se estn cumpliendo y tomar acciones de control, basada en la retroalimentacin
proporcionada por el subsistema de control.

La siguiente figura muestra las maneras que podemos utilizar para analizar el comportamiento
de un sistema, suponiendo que el sistema se pueda modelar con una aproximacin a la realidad
adecuada y prctica, desde el punto de vista de su construccin y su costo. Es importante
mencionar que en este esquema no se consideran los modelos conceptuales que se generan
con las metodologas para solucin de problemas en sistemas suaves, porque se sale del
propsito del libro.
15
.


Figura 6 Formas de analizar un sistema

Qu es un modelo?
Un modelo es una representacin de un sistema y la forma en que este opera. El objetivo es
analizar el comportamiento del sistema o bien predecir su comportamiento futuro y su
complejidad estar determinada por el tipo de sistema a modelar y que tanto representa la
realidad. La ventaja de los modelos es bajo ciertas restricciones y suposiciones representen de
una manera simplificada la realidad, de tal manera que podamos estudiarlo, experimentar con el
con el propsito de mejorarlo, sin tener que tratar con el sistema real, lo cual representa ciertas
ventajas que mas adelante se mencionarn.
Los modelos matemticos considerados constan de cuatro elementos: Componentes, variables,
parmetros y relaciones funcionales.
Las variables a su vez se clasifican en: variables exgenas, variables de estado y variables
endgenas. Las exgenas son variables independientes o de entrada del modelo y actan sobre
el sistema pero no reciben ninguna accin por parte del mismo. Tambin las variables exgenas
se pueden clasificar en controlables y no controlables, las controlables pueden quedar
16
establecidas por los tomadores de decisiones, en cambio las no controlables las determina el
medio ambiente en el cual se sita el sistema.
Las variables de estado describen el estado del sistema en un momento determinado, estas
variables interaccionan con las exgenas y las endgenas de acuerdo a las relaciones
funcionales. Como ejemplo de este tipo de variables en una empresa pudiera ser el flujo de
efectivo, los niveles de inventario, en un sistema de colas serian, el tiempo de espera para ser
atendido, el tiempo de atencin, el tiempo total.
Las variables endgenas son las dependientes o de salida del sistema y se generan por la
interaccin de las variables exgenas con las de estado.
Como relaciones funcionales se pueden considerar: las identidades y las caractersticas de
operacin las cuales generan el comportamiento del sistema, las identidades son definiciones o
declaraciones, como la definicin de utilidad bruta (la diferencia entre las ventas y el costo de
produccin), Las caractersticas de operacin son hiptesis, generalmente una relacin
matemtica que relaciona las variables endgenas y de estado del sistema.

Figura 7 Componentes de un modelo matemtico para simulacin
Tipos de modelos
Modelos determinsticos
En este tipo de modelos ninguna de las variables son estocsticas y todas las interrelaciones y
procesos son determinsticos. Por lo general se resuelven analticamente mediante tcnicas de
17
optimizacin y requieren menos procesamiento en la computadora que los modelos estocsticos.
Gran parte de los modelos matemticos utilizados en la programacin matemtica asumen que
las circunstancias y procesos en las organizaciones son de completa certeza, los cuales
funcionan con una aproximacin de la realidad considerada til bajo ciertas circunstancias.
Modelos estocsticos
Son aquellos que consideran el efecto del azar en las relaciones funcionales y procesos, ya sea
que una o varias de sus caractersticas de operacin esta dada por una funcin de probabilidad,
estos se consideran de mayor dificultad en su manejo matemtico, por lo que la simulacin es la
mejor opcin para analizar y resolver este tipo de modelos, son los tipos de modelos con los
cuales trabajaremos en este libro.
Modelos estticos
Son el tipo de modelos que no consideran el paso del tiempo en su funcionamiento, por lo
general se resuelven con tcnicas de optimizacin de Investigacin de Operaciones, sobre todo
las tcnicas de programacin lineal y no lineal, teora de juegos, los mtodos de transporte. Una
manera de ver este tipo de modelos es considerarlos que son como una fotografa de una
situacin problemtica en especial que se este analizando, lo cual en algunas circunstancias
puede ser til y prctico, pero para los propsitos del presente libro no se consideran, ya que la
mayora caer dentro de la clasificacin de modelos determinsticos y como mencionamos arriba
se resuelven con mayor eficiencia con las tcnicas de Investigacin de Operaciones.

Modelos dinmicos.
Son los modelos matemticos que consideran que las interacciones de sus elementos varan con
respecto al tiempo, su aplicacin es amplia, entre las que se encuentran los modelos de
sistemas de inventarios, de lneas de espera, de produccin, de planeacin y de las
organizaciones en general.
La modelos de simulacin considerados en el libro son los dinmicos y estocsticos y como se
ha mencionado desde el inicio de eventos discretos.

1.5 Mecanismos de tiempo fijo y tiempo variable.
En la modelacin de sistemas de actividad humana un aspecto importante que se debe
considerar es el mecanismo que se utilizar para desplazar en el tiempo el sistema a simular.
18
Existen dos mtodos para el avance del tiempo; el de incremento fijo y el de incremento variable,
los cuales fueron mencionados por primera vez en un artculo publicado en el Journal of
Industrial Engineering por Kong Chu y Thomas H. Naylor [ ].
Incremento fijo de tiempo.
En este tipo de incremento de tiempo la computadora simula un reloj que registra el instante que
en tiempo real ha alcanzado el sistema, el reloj avanza en intervalos o incrementos discretos de
longitud constante de tiempo, como segundos, minutos, horas, etc. Dependiendo de los
requerimientos del sistema. Al tiempo indicado por el reloj se le llama tiempo de reloj.
En este caso el evento es examinado y procesado en cuanto ocurre, ya que el tiempo sigue
avanzando hasta que ocurre el siguiente evento.


Donde:
e
i
i=1,2n son los instantes en que ocurren los eventos
ts
i
i=1,2n son los momentos del tiempo simulado
T es el intervalo o incremento de tiempo
Incremento de tiempo variable.
En los modelos de incremento variable de tiempo, el tiempo de reloj avanza una cantidad
necesaria hasta que se origina el prximo evento. Los eventos pueden ocurrir en cualquier punto
del tiempo de reloj, debido a que el avance del tiempo se efecta por medio de incrementos
variables. En el momento en que se efecta un evento, se avanza el tiempo del reloj hasta el
tiempo en que tendr lugar el siguiente evento
19



e
i
i=1,2n son los instantes en que ocurren los eventos
ts
i
i=1,2n son los momentos del tiempo simulado

Para el caso de la simulacin de una lnea de espera con incremento de tiempo variable, el
avance del reloj sera:
Donde:

20

Algoritmo para el incremento de tiempo variable o por evento.
1. Se inicializa el reloj a 0
2. Se determinan aleatoriamente los instantes futuros de ocurrencia de eventos
3. Se incrementa el reloj al evento ms inminente (el primero)
Actualizar el estado del sistema
Actualizar los tiempos de los eventos futuros
Regresar al paso 3 hasta que se de la condicin de parada.
En este tipo de avance del reloj los perodos inactivos de tiempo son ignorados por lo que existe
un ahorro de tiempo computacional, contrario a lo que sucede en el de tiempo fijo.
1.6 Etapas de un proyecto de simulacin.
El proceso de simulacin toma como esencia el mtodo cientfico y el anlisis de Monte Carlo.
El mtodo cientfico consiste bsicamente de cuatro pasos.
Observacin de un sistema fsico.
Formulacin de una hiptesis ( para el caso de la simulacin, un modelo matemtico )
que intente explicar las observaciones hechas al sistema.
Prediccin del comportamiento del sistema, con base en la hiptesis formulada mediante
el uso de la deduccin lgica o matemtica, esto es, por la obtencin de soluciones del
modelo o modelos matemticos.
Realizar experimentos para probar la validez de las hiptesis o del modelo matemtico.
Etapas :
1. Formulacin del problema. Es la etapa ms importante, ya que partiendo de una
buena definicin del problema, se tendr el 50% de la solucin del mismo y es aqu
donde se definir si es necesaria la aplicacin de la tcnica de simulacin o se requiere
otro tipo de tcnica para su solucin. Para ilustrar lo anterior, partamos de lo siguiente, si
tuviramos que definir nuestra funcin como Ingenieros al futuro empleador, diramos
que somos expertos en la solucin de problemas y que por esto nos deberan de pagar
de acuerdo a la magnitud de la problemtica de que se trate, sin embargo, de acuerdo a
mi experiencia como profesor cuando les pido a mis alumnos, ya sean estos de
licenciatura o de maestra que me digan en pocas palabras y lo mas simple posible
Que es un problema?, el 95% no tiene una clara idea de que contestar, a pesar de que
21
nos pasamos la mayor parte de nuestra carrera aprendiendo metodologas y tcnicas
para solucin de problemas.
Una definicin simple sera la siguiente:
Un problema es una discrepancia o desviacin entre lo que es en la realidad comparado
contra lo que debera ser.
Grficamente se puede expresar de la siguiente manera:

Figura 8 Qu es un problema?

Adicionalmente en la solucin de problemas debemos tener en cuenta la secuencia que
debemos aplicar, de acuerdo a lo siguiente:


Figura 9 secuencia en la solucin de problemas
Frecuentemente invertimos el orden y cometemos el error de adecuar la situacin
problemtica a la tcnica y aplicamos la simulacin nada ms por aplicarla.
Por lo tanto es importante recabar toda la informacin posible que nos permita
determinar el sistema que contiene el problema, para lo cual es til aplicar la herramienta
ya mencionada anteriormente llamada la caja negra y verificar las dems caractersticas
22
que debe cumplir un sistema. En esta etapa se deben definir los objetivos de la
simulacin
2. Anlisis y recoleccin de datos. Es una fase que se realiza simultneamente a la
anterior, puesto que se requiere colectar una cantidad de datos mnima para tener la
posibilidad de definir un problema, es necesario que se defina que datos son los
requeridos para simular adecuadamente el sistema. Los datos se pueden obtener de los
estados financieros, las ordenes de compra, las ordenes de trabajo y en general de los
registros estadsticos que lleve la organizacin, de la opinin de expertos y si no se tiene
informacin disponible, puede obtenerse a travs de experimentacin y observacin
directa de la operacin del sistema.
3. Desarrollo del modelo. De acuerdo con la definicin exacta de lo que se espera
obtener del estudio de simulacin, entonces se procede a construir y definir el modelo
con el cual se obtendrn los resultados deseados. Se deben definir todas las variables
del modelo, sus relaciones lgicas y funcionales, los diagramas de flujo que lo describan,
los subsistemas que se requieran y todas las dems caractersticas que lo hagan mas
cercano al sistema real. Es importante definir en esta etapa que tanto detalle se requiere,
que necesita modelarse con cuidado y que parte se puede modelar en forma mas ligera,
discutir con los tomadores de decisiones las suposiciones del modelo.
La representacin computacional del modelo se puede llevar a cabo utilizando un
lenguaje de propsito general, como C
++
, Visual Basic o Java o un lenguaje de
simulacin, dependiendo del sistema a simular, por lo general actualmente debido a la
versatilidad, flexibilidad y facilidad de manejo se utilizan con mayor frecuencia en la
industria los lenguajes de simulacin, tales como Promodel, Arena, Witness, Simproces,
cada uno con ventajas y desventajas en su uso, por lo que es importante que el analista
defina cuidadosamente el Lenguaje mas adecuado para el tipo de modelo a simular.
4. Validacin y verificacin del modelo. Es una de las etapas cruciales del estudio de
simulacin en la cual se debe verificar que la representacin en la computadora
represente adecuadamente el modelo conceptual, a travs de la opinin de los que
conocen el sistema real, siguiendo la lgica del modelo computacional, investigando las
regiones extremas de los parmetros de entrada y viendo su funcionamiento con
entradas obvias para verificar si los resultados son como se esperan. La validacin se
realiza cotejando la exactitud con que se predicen los datos histricos, verificando si los
datos de salida corresponden a la realidad, utilizando datos que hacen fallar al sistema
real y verificando el comportamiento del modelo de simulacin, preguntando a las
23
personas que harn uso de los datos que se generen con la simulacin si estos les
generan confianza.
5. Experimentacin y optimizacin. En esta etapa se requiere el uso del diseo de
experimentos y se realiza despus de que se esta conforme con la validacin del modelo
y estamos seguros que representa la realidad con la fidelidad que se requiere.
Idealmente se deberan disear los experimentos que se llevarn a cabo con el modelo
de simulacin, en primer lugar debemos definir los niveles de los factores (variables
exgenas y parmetros), la combinacin de estos y el orden de los experimentos, aqu
es importante que nos aseguremos que los resultados estn libres errores fortuitos.
Existen varios casos de anlisis que se pueden utilizar, como la comparacin de medias
y variancias de las alternativas seleccionadas, la determinacin de los efectos de los
diferentes niveles de las variables en los resultados de la simulacin y la bsqueda de
los valores ptimos de un conjunto de variables, para llevar a cabo esto ltimo se
algoritmos de tursticos de bsqueda. Vale la pena mencionar que en la prctica puede
ser que el diseo de experimentos como tal no se pueda efectuar por diversas razones,
como el tiempo o no se tiene bien definido hacia donde se va con el anlisis.
En ocasiones el anlisis se realiza en base a la sugerencia y prueba de alternativas por
parte de un grupo de expertos en el funcionamiento del sistema real. Por lo general
tambin se realizan tres tipos de anlisis: el anlisis de candidato, el comparativo y el
predictivo.
El anlisis de candidato se realiza durante las primeras fases del diseo de un sistema,
se intenta identificar los mejores candidatos dentro de un grupo grande de diseos
potenciales que requieren un estudio adicional, este tipo de modelos son todava
perfectibles por lo que carecen de detalle y se requiere hacer cierto nmero de rplicas
para identificar a los ganadores potenciales.
El anlisis comparativo se realiza cuando se selecciona el diseo final. Se tiene un
conjunto de diseos y se desea identificar el mejor comparativamente.
El anlisis predictivo se realiza por lo general con pocos o muy a menudo con un solo
sistema, para esto se supone que seleccion el mejor sistema y se desea estimar el
desempeo real del mismo.
Para realizar el diseo de experimentos se debe determinar el tamao de la muestra
para que tenga validez estadstica.
24
6. Interpretacin de resultados. En esta etapa se realiza finalmente un anlisis
estadstico de los datos obtenidos para llegar a conclusiones que tengan validez
estadstica, fundamentada en el diseo de los experimentos realizados en la etapa
previa. Las simulaciones se pueden clasificar de estado estable o terminadas,
dependiendo del tipo de sistema simulado. Una simulacin terminada es en la que el
modelo mismo dicta condiciones de inicio y de terminacin de acuerdo a como opera,
por ejemplo una sucursal bancaria opera de 9:00 de la maana a 4:00 de la tarde y no
se termina la simulacin hasta que se atiende al ltimo cliente. Una simulacin de
estado estable es aquella en que las cantidades a estimar se definen a largo plazo. En
cualquiera de los dos casos se tiene que llegar a determinar las funciones de distribucin
de las variables aleatorias de salida y establecer intervalos de confianza que nos
permitan interpretar los resultados y realizar comparaciones para tomar una decisin.
















25
BIBLIOGRAFA

1. Banks Jerry, Carson John, Discret event simulation, Editorial Prentice Hall
2. Checkland PB. 1971, asystems map of the universe, Journal of Systems Engineering
2(2): 107-114
3. Coss Bu Ral, Simulacin Un enfoque prctico, Editorial Limusa. 2002.
4. Fishman, G. Principles of discrete event simulation, Editorial John Wiley & Sons.Gordon,
G. Simulacin de Sistemas, Mxico: Editorial Diana. 1989.
5. Gottfried, B.S. Elements of Stochastic Process Simulation, Englewood Cliffs, N.J.:
Editorial Prentice Hal
6. Guasch Antoni, Piera Miguel, Casanova Josep, Figueras Jaume, Modelado y
Simulacin,Editorial Alfaomega, 2005.
7. Harrell Ch. Ghosh B., Bowden R. Simulation using PROMODEL w/CD-ROM, second
Edition, Editorial Mc Graw Hill, 2004.
8. Hillier, F.S. y Lieberman, G.J. Introduccin a la Investigacin de Operaciones, Mxico:
Editorial Mc Graw Hill. 2003. 5 Edicin.
9. Kelton W David, Sadowski Randall, Sturrock David, Simulacin con software Arena,
cuarta edicin, Editorial McGraw Hill, 2008.
10. Law A. y Kelton W. Simulation Modeling and Anlisis, Editorial Mc Graw Hill.
11. Naylor, Balintfy y Burdick, Tcnicas de Simulacin de computadoras, Editorial Limusa.
12. Ross, S. Simulation, USA: Editorial Academic Press. 1997. 2 Edicin.
13. Taha, H.A. Investigacin de Operaciones, Mxico: Editorial Alfa Omega.
14. Winston. Investigacin de Operaciones, Editorial Iberoamericana.