1.

2 Metodologa de Sistemas
La simulacin se basa en la resolucin de problemas que ha sido utilizada durante muchos aos, a veces conocida
como el mtodo de construccin de modelos o ms comnmente el mtodo cientfico. Por lo tanto, cuando se usa la
simulacin de sistemas para resolver un problema, los siguientes pasos en el tiempo, o etapas, son aplicados.
1. Observacin del sistema.
2. Formulacin de hiptesis o teoras que explican el comportamiento observado.
3. Prediccin del comportamiento futuro del sistema basado en la suposicin de que las hiptesis son correctas.
4. Comparacin del comportamiento predicho con el comportamiento real.
El sistema que se est estudiando puede imponer limitaciones a determinados pasos de este mtodo cientfico.
Considere la simulacin de un sistema que todava no existe. Obviamente, la observacin de un sistema de este tipo no es
posible, pero la simulacin de un sistema de este tipo todava puede ser posible si el anlisis se lleva a cabo con cuidado y
si se conocen los requisitos del sistema final. Los requisitos del mtodo cientfico para la observacin previa del sistema
han dado lugar al desarrollo de un enfoque ligeramente diferente a la resolucin de problemas, llamada metodologa de
sistemas. Esta metodologa ilustrada en la figura 1.3, consiste en cuatro fases: planificacin, modelado, validacin, y
aplicacin. La correspondencia entre las distintas fases de la metodologa del sistema y los pasos apropiados del mtodo
cientfico debe ser obvia.

Figura 1.3. Metodologa de simulacin con retroalimentacin

1.2.1 Planificacin
La fase inicial de este proceso de resolucin de problemas es la planificacin (ver Tabla 1.1). La planificacin, o
fase de pre-modelado incluye el encuentro inicial con el sistema, el problema a resolver, y los factores relacionados con
el sistema y su entorno que puedan afectar a la solucin del problema.
La fase de planificacin consiste principalmente en la definicin del problema, el anlisis de los requisitos del
sistema y de datos, y la disponibilidad de recursos. Esto puede implicar el desarrollo de estimaciones de tiempo en bruto y
anlisis de procesos, la consideracin con respecto a la naturaleza del tipo de sistema (estocstico, dinmico, etc.), y una
determinacin de los aspectos importantes del sistema. Una cuidadosa consideracin de los objetivos del modelo y del
sistema es importante.
a. Formulacin del Problema
El primer paso en cualquier esfuerzo de anlisis es definir claramente el problema y el alcance. Esto incluye una
evaluacin del marco de tiempo disponible; la informacin que se desea y la forma en que se utilizar; una definicin de
los lmites del sistema, as como un anlisis de los supuestos necesarios para adherirse a las definiciones de contorno; y un
plan preliminar (plan conceptual) sobre cmo llevar a cabo este anlisis.

Tabla 1.1 Metodologa de Simulacin

Planificacin

Formulacin del Problema

Definicin del problema incluyendo una declaracin del
objetivo de resolucin del problema.

Estimacin de Recursos

Calendario
Medidas de desempeo
Lmites del sistema
Plan
de
proyecto
preliminar

Tiempo, costo, gestin de personal.

Anlisis del Sistema y Datos

Modelado

Construccin del modelo

Abstraccin del sistema en relaciones matemticas (simblicas) con
la formulacin del problema.

Adquisicin de Datos
Identificacin, especificacin y coleccin de datos.
Traduccin del Modelo
Preparacin y
computarizado.

depuracin

del

modelo

para

proceso

Verificacin/Validacin Verificacin
El proceso de establecer que el programa se ejecuta segn lo
previsto.

Validacin
Establecer un nivel de precisin deseado entre el modelo y el
sistema real.

Aplicacin

Experimentacin
La ejecucin del modelo de simulacin para obtener valores
de salida (diseo de experimentos).

Anlisis
Analizar los resultados de la experimentacin y para sacar
conclusiones y hacer recomendaciones para la resolucin de
problemas.

Implementacin/Documentacin
Proceso de implementacin de las decisiones resultantes de la
simulacin y documentacin del modelo y su uso.

Una definicin clara facilitar la comunicacin, aclarar las expectativas y ofrecer un trabajo de base para el
desarrollo del plan preliminar o conceptual. Un plan factible permitir la estimacin de costos, la programacin, la
asignacin de personal y la definicin de puntos de control. El plan factible tambin debe incluir restricciones de marcos
de tiempo basado en los ciclos econmicos, las justificaciones de recursos, acuerdos contractuales, gestin de edictos, y
sobre todo la idea de que con el desarrollo del modelo de simulacin habr refinamiento iterativo, modificaciones y
mejoras de diversos grados de granularidad establecidos en puntos de control. Los plazos para presentaciones preliminares
y finales se deben establecer. Estos deben, por supuesto, permitir cierta flexibilidad resultante del conocimiento posterior.

Otro aspecto de la formulacin del problema tiene que ver con la determinacin de cmo el usuario final est a la
espera para utilizar los resultados del modelo de simulacin. Es importante sealar que los modelos de simulacin pueden
proporcionar no slo la media de los indicadores de desempeo, sino tambin las variaciones, los extremos, e incluso
series de tiempo. Esto es importante desde el diseo del sistema y la operacin con frecuencia se refiere a extremos y
variaciones, tanto o ms que el promedio. Ejemplos de medidas tpicas de rendimiento se dan en la Tabla 1.2.
Tabla 1.2 Ejemplo de medidas de desempeo
Medida de desempeo
Rendimiento

Capacidad para
encontrar los plazos

Ciclos de trabajo de
operacin

Utilizacin de recursos

Utilizacin de
almacenamiento

Costos

Rendimiento

Ejemplo
Nmero, volumen, peso de las entidades producidas en un perodo de tiempo
(sistema o componente) - por el tipo de entidad.
Nmero, volumen, peso de las entidades producidas o procesadas por unidad de
tiempo (tasa de produccin) - por tipo de entidad.
Tiempo entre la entidad o salidas de entidad por lotes del sistema.
Tiempo para producir o procesar un nmero especfico de entidades.
Tiempo en el sistema para las entidades (tiempo de flujo).
Retraso de entidad (tiempo entre la finalizacin y la fecha lmite de
finalizacin).
Tardanza de entidad (tiempo entre la finalizacin y la fecha de vencimiento de
la terminacin, si la finalizacin se produjo despus de la fecha de vencimiento;
de lo contrario no se observa ninguna tardanza.)
El nmero de entidades que fueron bloqueadas.
El tiempo que las entidades
El tiempo entre llegadas de entidad.
El tiempo de ciclo por entidad procesada.
El nmero de veces que un recurso se adelant de una operacin.
Fraccin de tiempo que un recurso en particular est ocupado, inactivo,
inoperante, bloqueado, o en espera.
El nmero de proporciones de recursos que estn ocupados, inactivos,
inoperantes, bloqueados, o en espera.
El nmero de entidades que esperan por un recurso en particular.
El nmero de entidades esperando por cualquier recurso.
El nmero de entidades que se resisten (desbordamiento) desde un rea de
almacenamiento determinada.
Costos por operar una unidad por una cantidad de tiempo.
Costos de mantenimiento de inventario.
Desperdicios.
Costos por cantidad de material producido.
Cantidad de desperdicios generados durante un periodo de tiempo.
Nmero de rechazos generados durante un periodo de tiempo.
Porcentaje de entidades fciles de enviar.
Porcentaje de peso entregable.

Mientras que los modelos de simulacin son capaces de producir prcticamente cualquier tipo de salida o detalle
de informacin que se desee, a menudo hay una diferencia de coste considerable. As el simulacionista debe definir la
informacin que es necesaria para apoyar cualquier proceso de decisin requerida, priorizar las posibilidades restantes, y
mantener esta lista de compras durante el esfuerzo del modelo de alcance.

Otra tarea necesaria durante la formulacin del problema, es el de establecer los lmites del sistema. Los lmites
del sistema se ocupan de establecer las extensiones del sistema y los supuestos necesarios para cumplir con las
definiciones de lmites del sistema. La medida inicial de una simulacin debe limitarse, independiente de cualquier marco
de tiempo dado, resultando en una retroalimentacin ms rpida, probando la aceptabilidad de los resultados y formatos, y
proporcionando resultados preliminares.
Por ltimo, se debe establecer un plan de proyecto preliminar. Esto es necesario porque el proceso de modelado
de simulacin es de carcter interdisciplinario, con mltiples niveles de informacin, y muchos puntos de decisin
utilizados para evaluar el progreso. Mientras que este plan es preliminar y necesariamente se revisar y se reutilizar como
el proyecto avanza, debe incluir la duracin de las actividades, los recursos necesarios y disponibles, y la disponibilidad
de personal requerido.
b. Estimacin de recursos
Una vez que el problema ha sido claramente definido, una vez que el problema ha sido claramente definido, una
estimacin de los recursos necesarios para recopilar datos y analizar el problema (del sistema) se puede hacer. Recursos
como tiempo, dinero, personal y equipos especiales deben ser considerados. Si los recursos cruciales no estn disponibles,
la solucin del problema puede ser juzgada inviable antes de gastar una cantidad significativa de tiempo o dinero. La
alternativa a la interrupcin del proyecto es modificar la definicin del problema. El problema se puede replantear de
manera que se puede resolver con xito con los recursos disponibles. En algunos casos, esta limitacin puede significar la
solucin de un problema menos ambicioso. La importancia de esta estimacin inicial de recursos no se puede exagerar; es
claramente ms deseable modificar objetivos en una etapa temprana que caer corto porque los recursos cruciales no estn
disponibles.
c. Anlisis de Sistema y Datos
La siguiente tarea importante en la fase de planificacin es analizar el sistema. En esta fase el analista intenta
familiarizarse con todos los aspectos pertinentes del problema en estudio. Una bsqueda literaria exhaustiva para
descubrir enfoques anteriores a problemas similares pueden resultar tiles en la eleccin de los posibles cursos de accin.
Consultar con otras personas calificadas puede dar una idea de los aspectos del problema que el investigador principal ha
pasado por alto o a malentendido. La importancia de este anlisis inicial del problema no debe ser subestimada. El analista
debe estar dispuesto a pasar el tiempo y el esfuerzo necesario para comprender plenamente el sistema o problema en
estudio. Muchos proyectos han fracasado o incurrido en excesos en los costos o el tiempo debido a una inadecuada
comprensin del proyecto.
En esta etapa cualquier funcin(es) objetivo para calcular las medidas de desempeo para evaluar soluciones
alternativas del modelo de simulacin, y todos los parmetros y variables preliminares han sido identificados. Adems,
parmetros y variables tendrn que ser identificadas con respecto a las condiciones iniciales y la disponibilidad de
recursos. Se necesitan datos para estimar los valores de las constantes y parmetros, iniciando los valores para todas las
variables, y para la validacin de salida de la simulacin.

Datos sobre el comportamiento de las variables y parmetros incontrolables exgenos pueden obtenerse a partir de
datos histricos, mtodos tericos, y las estimaciones subjetivas de distribucin. Los datos histricos que deben utilizarse
para variables incontrolables endgenas as como la validacin deben ser divididos en dos grupos independientes distintos
(o como mucho independiente como sea posible). Un resumen de los diferentes tipos de variables se da en la Tabla 1.3,
mientras que su interrelacin lgica se ilustra en la Tabla 1.4.
Tabla 1.3 Tipos de Variables
Variables relevantes
Parmetro
Factor Exgeno
Factor Endgeno
Variables Controlables
Variables Incontrolables

Estimacin de Dinmica Exgena

Estimacin de Dinmica Endgena

Caracterstica o atributo de sistema que adquiere diferentes valores y que afecta la

medida del rendimiento.
Caracterstica o atributo con un solo valor. Se puede cambiar a medida que se
estudian diferentes alternativas.
Parmetro o variable que tiene un valor que afecta, pero no es afectado en s
mismo por el sistema.
Tal como un factor en el entorno del sistema.
Parmetro o variable que tiene un valor determinado por otros en el sistema.
Establecidas por quien toma las decisiones durante el anlisis. Estas se fijaran de
acuerdo a un diseo experimental o procedimiento de bsqueda.
Entradas para el modelo para representar las partes pertinentes asumidas para ser
externas al sistema. El valor especfico de cada una es requerido como condicin
de partida.
Series de tiempo
Distribucin
Consideraciones tericas
Anlisis estadstico de datos histricos
Variables que se pueden predecir por el modelo. Las estimaciones de sus valores
son usadas para comenzar la simulacin.

Antes de que la construccin de modelos deba comenzar, el equipo del proyecto debe considerar el nivel de
detalle del anlisis, de los resultados, y los lmites del anlisis. En esta etapa, el plan es preliminar con nfasis en las
consideraciones estratgicas. Como en los proyectos procede ms informacin se permitir el refinamiento iterativo del
plan. As como el alcance del sistema necesita ser limitado y entendido, el alcance del anlisis necesita ser limitado. Las
conclusiones ms all de los lmites del modelo no son apropiadas; los anlisis de sensibilidad son infinitos y deben
limitarse; las evaluaciones estadsticas rigurosas pueden o no ser factibles o incluso deseables; y finalmente las
comparaciones relativas pueden ser apropiadas en lugar de asumir que las salidas son indicadores absolutos.

Tabla 1.4 Interrelaciones de Variables de Simulacin

Exgenas

Controlable
Esttica
Dinmica
Fijada por
Las polticas
procedimiento cambian con
de bsqueda
el tiempo
Datos histricos para
validacin
No existen

Endgenas
Datos histricos para
validacin

Incontrolable
Esttica
Dinmica
Se deben estimar para
determinar los valores
iniciales y los cambios a
travs del tiempo
Incluye
medidas de
rendimiento
Deben estimar los valores de
partida
Parmetro

1.2.2 Modelado
La segunda fase del proceso de resolucin de problemas es la fase de modelado (ver Tabla 1.5). En esta fase el
analista construye un modelo del sistema, que es una representacin del sistema real. Un modelo puede ser descrito como
el cuerpo de informacin sobre un sistema acumulado para el propsito de estudiar el sistema. Es decir, que no slo es una
coleccin de informacin, sino tambin una representacin ordenada o estructuracin ordenada de la informacin.

Tabla 1.5 Metodologa de Simulacin

Planificacin

Formulacin del Problema

Definicin del problema incluyendo una declaracin del
objetivo de resolucin del problema.

Estimacin de Recursos

Calendario
Medidas de desempeo
Lmites del sistema
Plan
de
proyecto
preliminar

Alcance del modelo

Niveles de detalle
Submodelos
Variable/parmetro
estimacin

Programacin
Depuracin

Tiempo, costo, gestin de personal.

Anlisis del Sistema y Datos

Modelado

Construccin del modelo

Abstraccin del sistema en relaciones matemticas (simblicas) con
la formulacin del problema.

Adquisicin de Datos

de

Identificacin, especificacin y coleccin de datos.

Traduccin del Modelo
Preparacin y
computarizado.

depuracin

del

modelo

para

proceso

Verificacin/Validacin Verificacin
El proceso de establecer que el programa se ejecuta segn lo
previsto.

Validacin
Establecer un nivel de precisin deseado entre el modelo y el
sistema real.

Aplicacin

Experimentacin
La ejecucin del modelo de simulacin para obtener valores
de salida (diseo de experimentos).

Anlisis
Analizar los resultados de la experimentacin y para sacar
conclusiones y hacer recomendaciones para la resolucin de
problemas.

Implementacin/Documentacin
Proceso de implementacin de las decisiones resultantes de la
simulacin y documentacin del modelo y su uso.

Las caractersticas de este modelo deben ser representativas de las caractersticas del sistema real. Note el uso del
trmino representativas en lugar de idnticas. Muchos sistemas reales son tan complejos que un modelo con
caractersticas idnticas a las del sistema real sera igualmente complejo y por lo tanto difcil de manejar o
prohibitivamente caro. Una de las metas en esta fase, entonces, es seleccionar un conjunto mnimo de caractersticas del
sistema para que el modelo se aproxime al sistema real y todava siga siendo rentable y manejable. El modelo incluye
estas caractersticas y un conjunto bien definido de relaciones entre estas caractersticas.

Los modelos pueden ser utilizados como un dispositivo explicativo para definir un sistema o problemas, como un
mecanismo de comunicacin para determinar los elementos del sistema, como un evaluador de diseo para sintetizar y
evaluar las soluciones propuestas a los problemas, como un predictor para pronosticar y ayuda en la planificacin de
desarrollo futuro, como un medio de documentacin, como un dispositivo de entrenamiento, y como mecanismo de
control. El procedimiento de construccin del modelo se da en la Tabla 1.6.
Tabla 1.6 Construccin del Modelo

1. Diagramas del modelo de simulacin preliminares.

2. Construir y desarrollar diagramas de flujo del sistema.
3. Revisin de los modelos de diagramas con el personal del equipo de
proyecto apropiado.
4. Iniciar la recoleccin de datos.
5. Modificar el diseo de arriba hacia abajo, probar y validar para el
grado requerido de granularidad.
6. Completar la coleccin de datos
7. Iterar a travs de los pasos 5 y 6 hasta que se haya alcanzado la
granularidad.
8. Diagramas finales del sistema, traduccin, y verificacin.

Hay muchos tipos de modelos, incluyendo modelos descriptivos, modelos fsicos, modelos matemticos,
diagramas de flujo, esquemas y programas de computador. Los modelos descriptivos son simplemente verbalizaciones de
la composicin del sistema y su respuesta a un estmulo dado. Los modelos fsicos o inicos son facsmiles a escala del
sistema que est siendo analizado; ejemplos son los modelos utilizados para evaluar diseos de aeronaves en los
experimentos en tnel de viento y maquetas de paisajismo y edificios en los estudios de diseo arquitectnico. Los
modelos matemticos son expresiones abstractas de las relaciones entre las variables del sistema; ejemplos de estos
modelos son las leyes de Newton del movimiento y la descripcin de los factores de tensin de una presa que est llena de
agua. La ventaja de los modelos matemticos es que pueden ser manipulados con papel y lpiz. Con estos modelos no es
necesario construir una costosa maqueta del sistema para estudiar su comportamiento. Su desventaja es que la descripcin
precisa de un sistema dado puede requerir una expresin tan complejo que incluso el matemtico ms fcil hara
estremecer. Los diagramas de flujos y esquemas muestran las interacciones lgicas bsicas entre los componentes del
sistema y pueden ser tan detalladas como se desee. Cuando se utiliza como un preludio de modelos de programas de
computadora, los modelos de diagrama de flujo son ayudas valiosas para la programacin y la documentacin del
programa.
a. Alcance del modelo
El alcance del modelo es el proceso de determinar qu proceso, operacin, equipamiento, etc., dentro del sistema
deben ser incluidos en el modelo de simulacin, y en qu nivel de detalle. Cada componente debe ser considerado de
forma independiente para la inclusin con las siguientes pautas en mente: La inclusin del componente en el modelo
afectar significativamente los resultados del anlisis? La inclusin del componente en el modelo afectar la posibilidad
de venta del modelo? Como los componentes son considerados para la inclusin, lo siguiente debe ser estimado:

1. La exactitud del modelo en general.

2. La exactitud requerida para un anlisis eficaz.
3. Los efectos operativos de la inclusin de este componente.
4. La disponibilidad y exactitud de los datos en relacin con el componente.
5. El efecto de eliminar el componente del modelo.
6. El coste, tanto en trminos de tiempo y esfuerzo, para incluir el componente.

b. Nivel de detalle
El nivel de detalle con el que se incluyen componentes del modelo debe ser determinado por el efecto de los
componentes sobre los resultados del anlisis, y el efecto del componente sobre la posibilidad de venta del anlisis. Como
se considera el nivel de detalle, las consideraciones anteriores para el modelo de alcance deben ser reconsideradas y
reexaminadas. El uso de submodelos estndar para representar partes fijas de un sistema puede ahorrar tiempo, pero
pueden conducir a niveles mixtos de detalle. En consecuencia, el nivel apropiado de detalle del modelo variar segn el
objetivo del modelo. Porque dos modelos, ambos representando un componente similar, pueden implementar el
componente de una manera diferente, cada componente debe ser evaluado desde el punto de vista de la inclusin/omisin
y nivel de detalle.
Despus del alcance, el plan del proyecto preliminar debe volver a ser cuidadosamente reevaluado y refinado
como sea necesario.
c. Modelado del Subsistema
Si el sistema estudiado es tan complejo que ningn modelo representativo se puede usar, entonces la tcnica de
reduccin del problema conocido o modelado del subsistema, es un enfoque alternativo. En este enfoque, el sistema se
divide en una coleccin de subsistemas menos complejos. Cada uno de estos subsistemas es modelado, y se construye un
modelo de sistema general vinculando los modelos del subsistema apropiadamente. Este enfoque por supuesto requiere
que los subsistemas se puedan fcilmente modelar, identificarse y aislarse.
Se han utilizado tres enfoques generales en la definicin o identificacin de subsistemas. El primer mtodo,
denominado el enfoque del flujo, se ha utilizado para analizar los sistemas caracterizados por el flujo de elementos fsicos
o de informacin a travs del sistema. Si el sistema a modelar es una planta de ensamblaje de automviles, el enfoque de
flujo parecera ser una forma viable de romper este sistema en subsistemas. En el enfoque del flujo los subsistemas se
identifican mediante la agrupacin de los aspectos del sistema que producen un cambio fsico o informacin particular en
la entidad de flujo.
Una segunda tcnica utilizada en la identificacin de subsistemas es el enfoque funcional. Esta tcnica es til
cuando no hay entidades fluyendo directamente observables en el sistema. En cambio, una secuencia lgica de
funciones realizadas debe ser identificada. Las caractersticas del sistema que realizan una funcin dada son agrupadas
para formar un subsistema. Este enfoque puede ser usado en procesos de fabricacin que no usen lneas de ensamblaje.

El tercer mtodo para identificar o aislar subsistemas se denomina

enfoque de cambio de estado. Este

procedimiento es til en sistemas que son caracterizados por un gran nmero de relaciones interdependientes y que deben
ser examinados en intervalos regulares para detectar cambios de estado. Las caractersticas del sistema que responden al
mismo estmulo o conjunto de estmulos son agrupadas entonces para formar un subsistema.
Una vez que los subsistemas han sido identificados y aislados, deben ser modelados. Por supuesto, los
subsistemas pueden a su vez subdividirse en sub-subsistemas, y as sucesivamente, en la medida en que sea necesario. El
objetivo es subdividir el sistema total de tal modo que cada subsistema es fcilmente comprensible y fcilmente
identificado. Si los subsistemas no pueden ser identificados y aislados, el analista no tiene otra opcin, slo modelar el
sistema entero con un modelo nico y esperar que este modelo grande sea manejable. Si el enfoque del subsistema ha sido
usado, los submodelos deben estar vinculados a un modelo del sistema general. Las interacciones lgicas de los
subsistemas deben ser identificadas e implementadas en una forma compatible con el modelo general.
d. Estimacin de parmetros y variables
Otra de las tareas en la fase de modelado (programacin) de un estudio de simulacin es la estimacin de los
parmetros y variables del sistema. En este punto los datos del mundo real son resumidos en una descripcin estadstica
manejable de las caractersticas del sistema. Esto es comnmente hecho coleccionando datos durante algn perodo de
tiempo y luego calculando una distribucin de frecuencia para las variables deseadas. Una serie de obstculos esperan el
investigador confiado en la recoleccin e interpretacin de datos. El costo en trminos de tiempo, dinero y personal puede
llegar a ser prohibitivo; los datos pueden ser incompletos o inexactos; los datos pueden contener interdependencias no
sospechadas, periodicidades o complejidades; el mtodo de coleccin puede introducir un sesgo inadvertido en los datos.
Por ejemplo, los valores pueden ser representados como series de tiempo como otras interacciones complejas. Los datos
podran ser una resultante de la interaccin de diversas variables exgenas del modelo pero estn relacionados con el
mundo externo (es decir, multicolinealidad) o donde hay una relacin entre las variaciones en los trminos de error
(hederosedarity). El fracaso de reconocer e identificar tales complicaciones puede hacer que la salida de simulacin
prediga el comportamiento del sistema. Aparte del coste inherente a la recoleccin de datos, la mayora de estas
dificultades se pueden evitar mediante el uso de diseos de procedimientos experimentales.
La adquisicin de datos es la identificacin, especificacin y coleccin de datos para apoyar el modelo. Esta tarea
es realizada para apoyar el modelo definido. Muchos otros datos haban sido examinados antes, pero no definen lmites,
alcance del modelo y nivel de detalle.
La recoleccin y verificacin de datos es a menudo la tarea ms lenta y costosa en simulacin. Los datos son
generalmente el factor limitante en el alcance del modelo, nivel de detalle y practicidad. Algunas pautas importantes se
dan en la Tabla 1.7.
Si el modelo es un programa de computadora, como es el caso en un modelo de simulacin, la fase de modelado
tambin implica la seleccin del lenguaje en el cual el programa debe ser escrito. Un nmero de consideraciones
determinan la eleccin de un lenguaje de programacin, incluyendo la dificultad de traducir el modelo y las
interrelaciones en el lenguaje, la presencia o ausencia de instalaciones en el lenguaje para apoyar tales actividades de

rutina como manejo de colas, generacin de nmeros aleatorios, y formato de salida, y la familiaridad del analista con el
lenguaje. Un paso crucial en el uso de un programa de computadora para modelar un sistema es la construccin de
flujogramas detallados del sistema. Aunque han cado en la desaprobacin en los ltimos aos (algunos son incluso
escritos despus del programa), los flujogramas proporcionan una representacin visual de la lgica del programa y sirven
como documentacin del programa despus de que la lgica ha sido traducida a cdigo. Como regla general, mejor es la
formulacin del modelo cuando se hace el flujograma, es ms fcil es crear un modelo de programa de computadora
completo del sistema.
Tabla 1.7 Pautas de Recopilacin de Datos
1. La recoleccin de datos es a menudo el cuello de botella del proceso
de modelado de simulacin.
2. No todos los datos se encuentran disponibles de forma simultnea.
3. Los modelos de simulacin pueden ser ejercidos con datos
incompletos (especialmente durante la verificacin y validacin de
componentes).
4. Los modelos de simulacin se pueden utilizar para evaluar la
sensibilidad con respecto a los datos a priori.
5. Hay que tener mucho cuidado en la distribucin de los resultados de
los modelos cuando se utilizan datos incompletos.

Los submodelos deben ser elegidos de tal manera que son tan independientes como sea posible de otros
submodelos. Cada uno puede ser independientemente escrito y probado, y la salida puede ser comparada con datos
histricos sobre la base de un componente.
1.2.3 Validacin / Verificacin
Un modelo es validado por la prueba de que el modelo es una representacin correcta del sistema real. La
validacin no se debe confundir con la verificacin (ver Tabla 1.8). Cuando se verifica un programa de computadora, por
ejemplo, el programa se comprueba para asegurarse de que la lgica hace lo que se pretenda hacer. Un programa de
computadora verificado puede de hecho representar un modelo invlido. El programa puede hacer exactamente lo que
pretenda el programador, sin embargo, no puede representar el funcionamiento del sistema real.

Tabla 1.8 Metodologa de Simulacin

Planificacin

Formulacin del Problema

Definicin del problema incluyendo una declaracin del
objetivo de resolucin del problema.

Estimacin de Recursos

Calendario
Medidas de desempeo
Lmites del sistema
Plan
de
proyecto
preliminar

Alcance del modelo

Niveles de detalle
Submodelos
Variable/parmetro
estimacin

Programacin
Depuracin

Tiempo, costo, gestin de personal.

Anlisis del Sistema y Datos

Modelado

Construccin del modelo

Abstraccin del sistema en relaciones matemticas (simblicas) con
la formulacin del problema.

Adquisicin de Datos

de

Identificacin, especificacin y coleccin de datos.

Traduccin del Modelo
Preparacin y
computarizado.

depuracin

del

modelo

para

proceso

Verificacin/Validacin Verificacin
El proceso de establecer que el programa se ejecuta segn lo
previsto.

Validacin
Establecer un nivel de precisin deseado entre el modelo y el
sistema real.

Aplicacin

Experimentacin
La ejecucin del modelo de simulacin para obtener valores
de salida (diseo de experimentos).

Anlisis
Analizar los resultados de la experimentacin y para sacar
conclusiones y hacer recomendaciones para la resolucin de
problemas.

Implementacin/Documentacin
Proceso de implementacin de las decisiones resultantes de la
simulacin y documentacin del modelo y su uso.

La validacin de modelos de simulacin computarizados es una tarea difcil. Hay un considerable desacuerdo
sobre lo que constituye validacin. A pesar de este desacuerdo, hay tcnicas que han probado ser tiles en esta fase del
proceso de simulacin. Una tcnica es comparar los resultados del modelo de simulacin con los resultados
histricamente producidos por el sistema real operando bajo las mismas condiciones. Una segunda tcnica es utilizar el
simulador para predecir los resultados. Las predicciones se comparan luego con los resultados producidos por el sistema
real durante un periodo futuro de tiempo.

Cualquiera que sea la tcnica de validacin utilizada, el mtodo de comparacin de las salidas del sistema real y
las del modelo simulado es bsicamente la misma. Varios procedimientos estadsticos pueden ser usados para determinar
si los datos producidos por el simulador podran haber sido producidos por los sistemas reales y viceversa. Dos de estos
mtodos son la prueba de bondad de ajuste ji-cuadrada y la prueba de Kolmogorov-Smirnov.
La validacin de un modelo de simulacin no es fcil, pero debe ser realizada antes de que el modelo de
simulacin pueda ser usado. La falta de precisin en el proceso de validacin se pone de manifiesto en la literatura por
declaraciones tales como "el 90% de los valores predichos se encuentran dentro del 5% de los valores observados". Si esta
declaracin implica que el simulador es uno bueno o uno malo es dejado a la interpretacin del analista. Tal declaracin
realmente comunica bastante ms informacin que una declaracin como "los resultados obtenidos fueron bastante
buenos.
Al igual que un buen diseo experimental puede ayudar en la recoleccin de datos en la fase de modelado por lo
que puede la validacin ayudar en la correccin del modelo de simulacin. La mayora de los diseos experimentales
estndar requieren que las observaciones sean tomadas en las variables del sistema que pueden ser controladas. El modelo
de simulacin debe operar bajo condiciones idnticas. Slo entonces puede extraerse informacin vlida acerca de la
relacin entre la salida resultante (observaciones) del sistema real y los resultados del modelo de simulacin. En la
mayora de los diseos varios factores pueden variar simultneamente, y por lo tanto puede obtenerse alguna informacin
sobre los efectos interactivos de esos factores. Varios efectos pueden ser estimados de los mismos datos. Un diseo
cuidadoso del experimento de simulacin ser beneficioso a largo plazo.
1.2.4 Aplicacin
Una vez que el modelo ha sido validado adecuadamente, puede ser aplicado para la resolucin de problemas a la
mano. Sin embargo, el desarrollo del modelo de simulacin puede no estar completo todava (ver Tabla 1.9).

Tabla 1.9 Metodologa de Simulacin

Planificacin

Formulacin del Problema

Definicin del problema incluyendo una declaracin del
objetivo de resolucin del problema.

Estimacin de Recursos

Calendario
Medidas de desempeo
Lmites del sistema
Plan
de
proyecto
preliminar

Alcance del modelo

Niveles de detalle
Submodelos
Variable/parmetro
estimacin

Programacin
Depuracin

Tiempo, costo, gestin de personal.

Anlisis del Sistema y Datos

Modelado

Construccin del modelo

Abstraccin del sistema en relaciones matemticas (simblicas) con
la formulacin del problema.

Adquisicin de Datos

de

Identificacin, especificacin y coleccin de datos.

Traduccin del Modelo
Preparacin y
computarizado.

depuracin

del

modelo

para

proceso

Verificacin/Validacin Verificacin
El proceso de establecer que el programa se ejecuta segn lo
previsto.

Validacin
Establecer un nivel de precisin deseado entre el modelo y el
sistema real.

Aplicacin

Experimentacin
La ejecucin del modelo de simulacin para obtener valores
de salida (diseo de experimentos).

Anlisis
Analizar los resultados de la experimentacin y para sacar
conclusiones y hacer recomendaciones para la resolucin de
problemas.

Implementacin/Documentacin
Proceso de implementacin de las decisiones resultantes de la
simulacin y documentacin del modelo y su uso.

a. Diseo de Experimentos
Un diseo experimental requiere observacin del sistema bajo combinaciones especficas de aquellas variables
capaces de ser manipuladas. Las ejecuciones de simulacin se hacen bajo estas condiciones de control y las inferencias se
extraen de la relacin entre las variables controlables y las medidas de rendimiento. Previo a la ejecucin de los diseos
experimentales el plan estratgico debe ser revisado y finalizado. Del mismo modo, el plan tctico debe ser revisado. Se
puede requerir un poco de experimentacin inicial para determinar la validez del plan tctico y para finalizarlo.

El grado de la experimentacin depender del costo para estimar las medidas de rendimiento, la sensibilidad de las
medidas de desempeo a variables especficas, y la extensin de las interdependencias entre las variables de control. En
cualquier caso, la experimentacin puede ser en serie o en fases de acuerdo con el plan estratgico/tctico.
b. Anlisis
El anlisis es el proceso de analizar los resultados de las ejecuciones del modelo de simulacin, de los que se
extraen inferencias y se hacen recomendaciones para la resolucin de problemas. El equipo del proyecto debe determinar
qu casos evaluar y qu salidas necesarias se requieren. Desafortunadamente situaciones pueden surgir fcilmente en
modelos de simulacin que resultan en malinterpretar los datos y el anlisis correspondiente. Los factores a considerar
deben incluir lo siguiente:
1. Mala eleccin del generador de nmeros pseudoaleatorios.
2. Tcnica inapropiada para generacin de valor aleatorio.
3. Especificacin de parmetros de entrada incorrecta.
4. Errores de programacin del modelo.
5. Errores de especificacin para el modelo.
6. Duracin de la simulacin.
7. Sensibilidad a los parmetros clave.
8. Errores en la recoleccin de datos en la simulacin.
9. Errores de parmetros de optimizacin.
10. Procedimientos de optimizacin problemticos.
11. Diseo experimental incorrecto.
12. Mala eleccin de los descriptores (parmetros) para estimar.
13. Peculiaridades del mtodo de estimacin.
14. Influencia de las condiciones iniciales en los datos.
15. Distribucin de probabilidad y parmetros estimados.
16. Influencias de las condiciones finales en los datos y en el mtodo de estimacin.
17. Mal uso de las estimaciones.
Tan grande como esta lista podra parecer, los captulos en el resto del libro proporcionarn orientacin suficiente para
superar estas posibles influencias.
c. Implementacin
La implementacin es proceso de poner en prctica las decisiones resultantes de la simulacin y documentacin
del modelo de simulacin y su uso. La probabilidad de implementacin est asociada directamente a la eficacia del
anlisis y la presentacin de los resultados. Los modelos de simulacin y procedimientos de anlisis proporcionan poca, si
alguna, documentacin automtica. Esta tarea es responsabilidad del equipo del proyecto, y debe consistir en un registro
completo de la actividad total del proyecto, no slo una gua de usuario.

La observacin de la salida del modelo puede revelar errores de programacin, la conveniencia de un cambio en la
forma en que el simulador se ha implementado, o incluso la necesidad de reformular o modificar el planteamiento del
problema original. Se ha dicho que ningn programa de computadora est completamente libre de errores. Esto es
especialmente cierto en el caso de modelos de simulacin. Un simulador puede trabajar libre de errores durante un largo
perodo de tiempo hasta que encuentre una nueva y quizs nica combinacin de parmetros de programa que generan el
siguiente error.