Introducción A La Simulación

Una simulación es la imitación de la operación de un proceso en el mundo real o el sistema en el

tiempo. Si hace a mano o en una computadora, la simulación implica la generación de una historia
artificial de un sistema y la observación de que la historia artificial para sacar conclusiones sobre las
características de funcionamiento del sistema real.

El comportamiento de un sistema a medida que evoluciona con el tiempo se estudia el desarrollo de un

modelo de simulación. Este modelo generalmente toma la forma de un conjunto de supuestos sobre el
funcionamiento del sistema. Estos supuestos se expresan en matemáticas, lógica, y relationsships
simbólica entre las entidades, u objetos de interés, del sistema. Una vez desarrollado y validado, el
modelo se puede utilizar para investigar una amplia variedad de "qué pasaría si" preguntas sobre el
sistema del mundo real. Cambios potenciales en el primer sistema puede ser simulado, a fin de
predecir su impacto en los sistemas de rendimiento. De simulación también puede usarse para
estudiar los sistemas en la fase de diseño, antes de que se construyen estos sistemas. Así, el modelo
de simulación puede ser utilizado tanto como herramienta de análisis para predecir el efecto de los
cambios a los sistemas existentes y como herramienta de diseño para predecir el rendimiento de los
nuevos sistemas bajo diferentes tipos de circunstancias.

En algunos casos, un modelo puede ser desarrollado que es lo suficientemente simple para ser
"resuelto" por los métodos matemáticos. Dicha solución se puede encontrar por el uso del cálculo
diferencial, la teoría de probabilidad, los métodos algebraicos, u otras técnicas matemáticas. La
solución consiste generalmente en uno o más parámetros numéricos, que son las llamadas medidas
de rendimiento de los sistemas. Sin embargo, muchos sistemas del mundo real son tan complejos que
los modelos de estos sistemas son prácticamente imposibles de e solv matemáticamente. En estos
casos, numérico, equipo de simulación basado puede ser utilizado para imitar el comportamiento de
los sistemas en el tiempo. De la simulación, se recogen datos como si de un sistema real estaban
siendo observados. Esta simulación de los datos generados se utiliza para estimar las medidas de
rendimiento del sistema.

Este libro ofrece un tratamiento introductoy de los conceptos y métodos de una forma de modelos de
simulación discreto modelo de simulación de eventos. El primer capítulo se describe inicialmente
cuándo usar la simulación, sus ventajas y desventajas, y las áreas reales de su aplicación. Entonces,
los conceptos de sistemas y el modelo se exploran. Por último, y el esquema se da de los pasos en la
construcción y el uso de un modelo de simulación de sistemas.

1.1 cuando la simulación es la herramienta adecuada

La disponibilidad de los lenguajes especiales de simulación de propósito, de la capacidad de

computación masiva a un costo decreciente por operación, y de los avances en las metodologías de
simulación han hecho una simulación de las más difundidas y aceptadas en las operaciones de las
herramientas de investigación y análisis de sistemas. Circunstancias en las que la simulación es la
herramienta apropiada para el uso se han debatido por muchos autores, de Naylor et al. (1996). La
simulación puede ser utilizado para los siguientes fines:

1. De simulación permite el estudio, la experimentación y la de Pentecostés, las interacciones internas

de un sistema complejo o de un subsistema dentro de un sistema complejo.

2. Cambios informativos, de organización, y el medio ambiente pueden ser simuladas, y el efecto de

estas alteraciones en el comportamiento del modelo se pueden observar.
3. Los conocimientos adquiridos durante el diseño de un modelo de simulación puede ser de gran valor
a lo que sugiere la mejora en el sistema bajo en el sistema de investigación.
4. Cambio de entradas de la simulación y la observación de los productos resultantes pueden producir
conocimiento valioso sobre qué variables son las más importantes y la forma en que interactúan las
variables.
5. La simulación puede ser utilizado como un instrumento pedagógico para reforzar las metodologías
de solución analítica.
6. La simulación puede ser utilizado para experimentar con nuevos diseños o políticas antes de la
aplicación, a fin de prepararse para lo que podría suceder.
7. La simulación puede ser utilizado para verificar soluciones analíticas.
8. La simulación de diferentes capacidades para una máquina puede ayudar a determinar los
requisitos en él.
9. Los modelos de simulación diseñados para la formación que el aprendizaje sea posible sin el costo y
la Interrupción de la instrucción de trabajo.
10. Animación muestra un sistema en operación simulada para que el plan puede ser visualizada.
11. El sistema moderno (la fábrica, planta de fabricación de obleas, la organización de servicios, etc)
es tan complejo que sus interacciones internas pueden ser tratadas sólo a través de la simulación.

1.2 Cuando las simulaciones no procede

Esta sección se basa en un artículo de Bancos y Gibson (1997), que dio diez normas de evaluación
cuando la simulación no es apropiado. La primera regla indica que la simulación no debe ser utilizada
cuando el problema puede ser resuelto por el sentido común. Se da un ejemplo de una instalación de
etiqueta de automóviles que atienden a clientes que llegan en forma aleatoria a un promedio de 100
por hora y se sirven a una tasa media de 12/hour. Para determinar el número mínimo de servidores
necesarios, la simulación no es necesario. Simplemente calcular 100/12 = 8,33 lo que indica que se
necesitan nueve o más servidores.
La segunda regla dice que la simulación no debe utilizarse si el problema puede ser resuelto
analyticall. Por ejemplo, en determinadas condiciones, el tiempo medio de espera en el ejemplo
anterior se puede encontrar a partir de curvas que fueron desarrollados por Hillier y Liberman (2002).
La norma dice que los proyectos de ejecución nacional de simulación no debe utilizarse si es más fácil
llevar a cabo experimentos directos. Un ejemplo de una unidad de comida rápida en el restaurante se
da cuando era más barata a la etapa de una persona a tomar pedidos utilizando un terminal portátil y la
comunicación de voz para determinar el efecto de añadir otro punto de pedidos de clientes en el
tiempo de espera.

La cuarta regla dice que no usar la simulación si los costos superan los ahorros. Hay muchos pasos en
la realización de una simulación, como se verá en la Sección 1.11, y estas deben hacerse a fondo. Si
un estudio de simulación de costos de 20.000 dólares y el ahorro podría ser de $ 10,000 disponibles, la
sugerencia no es aventurarse en un estudio de simulación. De forma similar, si una decisión en la falta
de dos semanas y tendrá una simulación de un mes, el estudio de simulación no es recomendable.
Simulación de tomar los datos, a veces grandes cantidades de datos. Si no hay datos disponibles, ni
siquiera estimaciones, la simulación no es aconsejable. La siguiente regla se refiere a la capacidad de
verificar y validar el modelo. Si no hay suficiente tiempo o si el personal no están disponibles, la
simulación no es apropiado. Si los administradores tienen expectativas poco razonables, si la piden
mucho y demasiado pronto, o si se sobreestima el poder de la simulación, la simulación podría no ser
apropiado.
Última no, si el comportamiento del sistema es demasiado complejo o no se puede definir, la
simulación es adecuada. La conducta humana es a veces muy complejas de modelar.

1.3 ventajas y desventajas de simulación

La simulación es intuitivamente atractiva a un cliente porque se parece a lo que ocurre en un sistema

real o lo que es percibido por un sistema que está en la etapa de diseño. Los datos de salida de una
simulación directa debe corresponder a los productos que se podrían registrar en el sistema real.
Adicionalmente, es posible desarrollar un modelo de simulación de un sistema sin supuestos dudosos
(por ejemplo, la misma distribución estadística para cada variable aleatoria) de los modelos
matemáticos pueden resolver. Por estas y otras razones, la simulación es con frecuencia la técnica de
elección en la resolución de problemas.
En contraste con los modelos de optimización, los modelos de simulación son "correr" en lugar de
resolverse. Dado un conjunto particular de características de entrada y modelo, el modelo se ejecuta y
simula el comportamiento que se observa. Este proceso de cambio de los insumos y los resultados del
modelo de características en un conjunto de escenarios que se evalúan. Una buena solución, ya sea
en el análisis de un sistema existente o en el diseño de un nuevo sistema, entonces se recomienda
para su aplicación.
Simulación tiene muchas ventajas, pero también algunos inconvenientes. Estos son enumerados por
Pegden, Shannon, y Sadowski (1995).

Algunas de las ventajas son las siguientes:

1. Las nuevas políticas, procedimientos operativos, reglas de decisión, flujos de información,
procedimientos de organización, y así sucesivamente se puede explorar sin interrumpir las
operaciones en curso del sistema real.

2. Nuevos diseños de hardware, diseños físicos, los sistemas de transporte, y así se puede probar sin
comprometer recursos para su adquisición.
3. Las hipótesis acerca de cómo o por qué ocurren ciertos fenómenos puede ser la prueba de
viabilidad.
4. El tiempo puede ser comprimido o ampliado para permitir una aceleración o desaceleración de los
fenómenos objeto de investigación.
5. Insight se puede obtener sobre la interacción de las variables.
6. Insight se puede obtener sobre la importancia de las variables con el rendimiento del sistema.
7. El análisis de cuellos de botella se pueden realizar para descubrir que el trabajo en proceso,
información, materiales, un modo en que se están retrasando en exceso.
8. Un estudio de simulación puede ayudar a comprender cómo funciona el sistema en lugar de que
cómo los individuos piensan que el sistema funciona.
9. "¿Qué pasaría si" las preguntas pueden ser contestadas. Esto es particularmente útil en el diseño de
nuevos sistemas.
Algunas desventajas son las siguientes:

1. La construcción de modelos requiere una formación especial. Es un arte que se aprende con el
tiempo y la experiencia. Además, si wo modelos son construidos por diferentes personas competentes,
que puedan tener similitudes, pero es muy probable que lleguen a ser el mismo.
2. Resultados de la simulación pueden ser difíciles de interpretar. La mayoría de los productos de
simulación son esencialmente variables aleatorias (que generalmente se basan en las entradas al
azar), por lo que puede ser difícil de distinguir si una observación es el resultado de interrelationsships
sistema o del azar.
3. Modelos de simulación y análisis puede ser lento y costoso. Escatimar en recursos para el modelado
y análisis podría resultar en un modelo de simulación o análisis que no es suficiente para la tarea.
4. De simulación se utiliza en algunos casos, cuando una solución de análisis es posible, o incluso
preferible, como se discutió en la sección 1.2. Esto podría ser particularmente cierto en la simulación
de algunas líneas de espera, donde de forma cerrada modelos de cola están disponibles.

En defensa de la simulación, estos cuatro desventajas, respectivamente, pueden ser

compensados de la siguiente manera:
1. Los vendedores de software de simulación han estado desarrollando activamente los paquetes que
contienen los modelos que sólo necesitan datos de entrada para su funcionamiento. Estos modelos
tienen la etiqueta genérica "simulador" o "plantilla".
2. Muchos proveedores de software de simulación de salida se han desarrollado capacidades de
análisis withhin sus paquetes para la realización de un análisis muy profundo.
3. Simulación se puede realizar con más rapidez que ayer y mañana será aún más rápido, debido a los
avances en hardware que permiten el rápido funcionamiento de los escenarios y gracias a los avances
en los paquetes de simulación de muchos. Por ejemplo, algunos programas de simulación contiene las
construcciones para el modelado de la manipulación de materiales que utiliza los transportistas como
tenedor elevadoras, transportadores y vehículos automatizados.
4. Cerrado los modelos de formulario no son capaces de analizar la mayoría de los sistemas complejos
que se encuentran en la práctica. En muchos años de práctica de consultoría por dos de los autores,
no se encontró un problema que podría haber sido resuelto por una solución de forma cerrada.
1.4 áreas de aplicación

Las aplicaciones de la simulación son enormes. El Winter Simulation Conference (WSC) es una
excelente manera de aprender más acerca de lo último en aplicaciones de simulación y la teoría.
También hay numerosos tutoriales en principio y los niveles más avanzados. WSC es patrocinado por
seis sociedades técnica y el Instituto Nacional de Estándares y Tecnología (NIST). Las sociedades
técnicas American Statistical Association (ASA), Association for Computing Machinery / Grupo de
Interés Especial sobre la simulación (ACM / SIGSIM), Instituto de la sociedad cibernética eléctricos y
electrónicos de ingeniero: el hombre del sistema y (IEEE / SMC), Instituto de Ingenieros Industriales
(IIE), Instituto de investigación de operaciones y las ciencias de la gestión: la universidad en la
simulación (INFORMA / CS) y la Sociedad para la simulación por ordenador (SCS). Tenga en cuenta
que el IEEE está representada por dos cuerpos de información acerca de la próxima WSC se puede
obtener de los programas de www.wintersim.org WSC con plena los documentos están disponibles en
www.informs-cs.org/wscpapers.html. algunas presentaciones por la zona de un WSC recientes se
enumeran a continuación:
Aplicaciones de fabricación
El modelado dinámico de los sistemas de fabricación continua, utilizando analogías con el sistema
eléctrico. La evaluación comparativa de un modelo de planificación de producción estocástica en un
banco de pruebas de simulación. La reducción de la línea de pintura cambia de color en el montaje de
automóviles. Modelación de la calidad y la productividad en la fabricación de cable de acero. La
capacidad de análisis compartido de los recursos en la fabricación de la biotecnología. Modelo de
información neutral para la simulación de operaciones de taller de máquinas.
Semiconductor Manufacturing
Constante intervalo de tiempo de planificación de producción con la aplicación para trabajar en el
control de procesos. Aceleración de productos bajo la debida fecha de expedición normas orientadas.
Marco de diseño para los sistemas automatizados de manipulación de materiales en 300 fábricas de
fabricación de obleas mm. La toma de decisiones de diseño óptimo para la próxima generación de
herramientas de dispensación. Solicitud de Suscripción de los modelos de clúster en una herramienta
de la fábrica de fabricación de obleas de 300 mm. Residente entidad basada en la simulación de
herramientas de la cámara de proceso por lotes en 300 mm de fabricación de semiconductores.

Construcciones de Ingeniería y Gestión de Proyectos

Impacto de la combinación de múltiples tareas y el sesgo de la adquisición de equipo complejo.
Aplicación de los conceptos lean y simulación para el drenaje de los equipos de operaciones de
mantenimiento. La construcción de un modelo de tienda avirtual para la fabricación de dteel.

Simulación de la oferta residencial de la cadena de la madera.

Aplicación Militar
Basado en la frecuencia de diseño para poner fin a similations: Un ejemplo de aplicación de la paz. Un
marco multibased de apoyo militar simulaciones interactivas basadas en entornos 3D. Especificar el
comportamiento de las fuerzas generadas por ordenador de programación witthout. Fe idelity ¡y
validez: Problemas de la representación del comportamiento humano. Evaluación de la tecnología de
efectos sobre el rendimiento humano a través del comercio-el desarrollo espacial y Avaluación.
Impacto de un sistema automático de la logística en el proceso de generación de salida. El Plan de
Desarrollo de Investigación para el modelado y la simulación de operaciones militares en terreno
urbano.

Logística, cadena de suministro y distribución de aplicaciones

El análisis de inventario en un entorno de servidor de fabricación de ordenadores
Comparación de los métodos de detección de cuellos de botella de los sistemas de AGV
Semiconductor oferta de simulación de red
Análisis de los flujos de salida de pasajeros internacionales en una terminal de aeropuerto
Aplicación de técnicas de simulación discreta de las cadenas de suministro de líquidos de gas natural
De simulación en línea de flujo de los peatones en los edificios públicos

Modos de Transporte y Tránsito

La simulación de aviones de absorción de retraso
La determinación de horario por la pista de simulación de optimización
Simulación de la autopista y las divergencias en el comportamiento de la fusión de
Modelado de servicios de ambulancia de la Cruz Roja de Austria
Modelos de simulación en apoyo de la lucha contra incendios de emergencia en Norfolk
Modelado de llegadas de los buques en los puertos de
La optimización de un sistema de transporte de barcos para la entrega de petróleo
Iterativo de optimización y simulación de tráfico de barcos en vías navegables interiores

Simulación de Procesos de Negocios

Agente basado en el modelado y la simulación de rendimiento de la tienda para la fijación de precios
personalizada
Visualización de modelos de negocio probabilística
Modelado y simulación de un centro de llamadas de teléfono
Uso de simulación para subgradients aproximada de medidas de desempeño convexa en servicio
Sistemas
Simulación de papel en la inspección de equipajes en los aeropuertos de
Humanos de las simulaciones de riesgo en las operaciones de la fatiga continua
Optimización de un sistema de facturación de telecomunicaciones
Segmentación de la base de clientes para los máximos rendimientos

Cuidado de la Salud
Modelado de front office y de atención al paciente en las prácticas de atención ambulatoria de salud
Evaluación de las operaciones del hospital entre el departamento de emergencias y un médico
Unidad de telemetría
Estimación de la capacidad máxima en una sala de emergencias
La reducción de la duración de la estancia en un departamento de emergencia
Simulación de seis sigma de ideas de mejora para un departamento de urgencias del hospital
Una simulación entero-lineal-herramienta de programación para la programación basada en personal
de la sala de emergencia

Algunas tendencias generales en las aplicaciones de simulación son los siguientes: la simulación En la
actualidad, para el análisis de riesgo es cada vez mayor, incluso en áreas tales como seguros,
opciones de precios, y el análisis de la cartera. Otra área de crecimiento es llamada Centro de Análisis,
que no es susceptible de modelos de colas, debido a su complejidad. Simulación de sistemas a gran
escala, como la red troncal de Internet, redes inalámbricas, y las cadenas de suministro son cada vez
más como el hardware y el software de aumentar su capacidad para manejar un número muy elevado
de entidades en un plazo razonable.

Por último, los modelos de simulación de sistemas automatizados de tratamiento de materiales

(AMHS) están siendo utilizados como bancos de pruebas para el desarrollo y prueba de
funcionamiento de control-sistema de software. Llama la emulación, el modelo de simulación está
conectado en tiempo real para el control de software de sistema o un emulador de software, que se
utiliza para proporcionar las mismas respuestas a un sistema de control en el AMHS real existe (por
ejemplo, un cuadro de bloqueo o de compensación un ojo de la foto, o un comando para comenzar a
escoger un pedido). El desarrollo de software puede comenzar mucho antes durante la instalación
AMHS y puesta en marcha, a reducir el tiempo empleado en el campo tratando de depurar el software
de control al tratar de la rampa de un sistema nuevo o continuar ejecutando una ya existente. Los
modelos han sido impulsados por los sistemas de control a distintos niveles-de alto nivel, sistemas de
control, tales como los sistemas de gestión de almacenes (WMS) o el envío de los sistemas de AGV,
para controlar el nivel tan bajo como controladores lógicos programables (PLC) combina el control de
un sistema de transporte .

1.5 sistemas y sistema de medio ambiente

Para modelar un sistema, es necesario comprender el concepto de un sistema y los límites del
sistema. Un sistema se define como un grupo de objetos que se unen en una interacción regular o
interdependencia para el logro de algún propósito. Un ejemplo es un sistema de producción de
automóviles de fabricación. Las máquinas, componentes, y los trabajadores de operar conjuntamente a
lo largo de una línea de montaje para producir un vehículo de alta calidad.
Un sistema es a menudo afectadas por los cambios que ocurren fuera del sistema. Estos cambios se
dice que se producen en el entorno del sistema (Gordon, 1978). En el modelado de sistemas, es
necesario decidir sobre la frontera entre el sistema y su entorno. Esta decisión puede depender de la
finalidad del estudio.
En el caso del sistema de fábrica, por ejemplo, los factores que controlan la llegada de los pedidos
puede ser considerado como fuera de la influencia de la fábrica y por lo tanto parte del medio
ambiente. Sin embargo, si el efecto de la oferta y la demanda se considera, habrá una relación entre la
producción de las fábricas y la llegada de los pedidos, y esta relación debe ser considerada una
actividad del sistema. Del mismo modo, en el caso de un sistema bancario, podría haber un límite en la
tasa de interés máxima que se puede pagar. Para el estudio de un solo banco, esto sería considerado
como una restricción impuesta por el medio ambiente. En un estudio de los efectos de las leyes
monetarias en el sector bancario, sin embargo, el establecimiento del límite sería una actividad del
sistema. (Gordon, 1978)

1.6 Componentes de un sistema

A fin de comprender y analizar un sistema, una serie de términos deben ser definidos. Una entidad es
un objeto de interés en el sistema. Un atributo es una propiedad de una entidad. Una actividad que
representa un período de tiempo de la longitud especificada. Si un banco está en estudio, los clientes
puede ser una de las entidades, el saldo de sus cuentas de cheques puede ser un atributo, y hacen
depósitos podría ser una actividad.

La colección de las entidades que componen un sistema de un estudio sólo podría ser un subconjunto
del conjunto del sistema de otro estudio (Derecho y Kelton, 2000). Por ejemplo, si el banco
mencionado está siendo investigado para determinar el número de escrutadores necesarios para
proporcionar a pagar y recibir, el sistema puede ser definido como la parte del banco integrado por los
escrutadores regular y espera de los clientes en línea. Si el propósito del estudio se ha ampliado para
determinar el número de cheques de caja especial escrutadores necesarios (para preparar, vender
cheques de viajero, etc), la definición del sistema debe ser ampliado.

recibiendo, el sistem puede ser definido como aquella parte del banco(de la orilla) que consiste en los
cajeros regulares y los clientes que esperan en la línea. Si el objetivo del estudio es ampliado para
determinar el número de cajeros especiales necesario (para preparar comprobaciónes de cajeros, etc.)
la definición del sistema debe ser ampliada.

El estado de sistema es definido para ser la colección de variables necesarias de describir el sistema
en cualquier momento, en relación con los objetivos del estudio. En el estudio de las variables
bancarias, posibles estatales son el número de cajeros ocupados, el número de cliente que espera en
la línea o siendo servido, y el tiempo de llegada del siguiente cliente. Un acontecimiento es definido
como una presencia(un acontecimiento) instantánea que podría cambiar el estado del sistema. El
término endógeno es usado describir actividades y acontecimientos que ocurren dentro de un sistema,
y el término exógeno es usado describir actividades y acontecimientos en el ambiente que afectan el
sistema. Si los estudios bancarios, la llegada de un cliente son un acontecimiento exógeno, y la
terminación de servicio de un diseñador de vestuario es un acontecimiento endógeno

1.7 Sistema discretos y continuos

pueden ser clasificados como discreto o continuo. Pocos sistemas en la práctica son totalmente
discretos o continuos, pero ya que un tipo de cambio predomina para la mayor parte de sistemas, por
lo general será posible clasificar un sistema como ser discreto o continuo. Un sistema discreto es el
que en el cual la variable (s) estatal se cambia sólo en un juego discreto de puntos a tiempo. El
banco(la orilla) es un ejemplo de un sistema discreto: la variable estatal, el número de clientes en el
banco(la orilla), se cambia sólo cuando un cliente llega o cuando el servicio proveyó un cliente es
completado.

Un sistema continuo es el que en el cual la variable (s) estatal se cambia continuamente con el tiempo.
Un ejemplo es el jefe del agua detrás de una presa. Durante y desde hace algún tiempo después de
una tormenta de lluvias, beba flujos en el lago detrás de la presa. El agua es dibujada de la presa para
la prevención de inundaciones y hacer la electricidad. La evaporación también disminuye el nivel del
agua.

1.8 el modelo de un sistema

A veces que es de interés estudia un sistema para entender las relaciones entre sus componentes o
predecir como el sistema funcionará bajo una nueva política. Para estudiar el sistema, es a veces
posible experimentar con el sistema sí mismo. Sin embargo, esto es no siempre posible. Un nuevo
sistema aún no podría existir; si podría estar en la forma sólo hipotética o en la etapa de diseño.
Incluso si el sistema existe, podría ser poco práctico experimentar con ello Por ejemplo, no podría ser
sabio o posible para doblar la tarifa de paro para descubrir el efecto de empleo sobre la inflación. En el
caso de un banck, reduciendo los números de cajeros para estudiar el efecto sobre la longitud de
líneas que esperan podría enfurecer a los clientes tan enormemente que ellos mueven sus cuentas a
un competidor. Por consiguiente, los estudios de sistemas a menudo son logrados con un modelo de
un sistema.

Nosotros teníamos un trabajo consultor para la simulación de un puerto diseñado en Australia

Occidental. En 20 millones para un cargan/descargan la litera, no es aconsejable invertir aquella
cantidad sólo para encontrar que la litera es inadecuada para la tarea-

Un modelo es definido como una representación de un sistema para el objetivo de estudiar el sistema.
Para la mayor parte de estudios, es sólo necesario considerar aquellos aspectos del sistema que
afectan el problema en la investigación. Estos aspectos son representados en un modelo del sistema;
el modelo, por definición, es una simplificación del sistema. De otra parte, el modelo suficientemente
debería ser detallado para permitir conclusiones válidas ser dibujan sobre el verdadero sistema.
Podrían requerir los modelos diferentes del mismo sistema que el objetivo de cambios de
investigación.

Tal como los componentes de un sistema eran entidades, atributos, y actividades, los modelos son
representados de modo similar. Sin embargo, el modelo contiene sólo aquellos componentes que son
relevantes al estudio. Los componentes de un modelo son hablados más extensivamente.

1.9 los tipos de modelos

MODELOS pueden ser clasificados como ser(siendo) matemáticos o físicos. Los modelos de
simulación más lejos pueden ser clasificados como ser(siendo) estáticos o dinámicos, deterministas o
estocásticos, y discretos o continuos. Un modelo de simulación estático, a veces llamado una
simulación de monte carlo, representa un sistema en un punto particular ello el tiempo. Modelos de
simulación dinámicos representan el sistema como ellos cambian el tiempo. La simulación de un
banco(una orilla) de 9:00 de la mañana a 4:00 de la tarde es un ejemplo de una simulación dinámica.

El modelo de simulación que no contiene ningunas variables aleatorias es clasificado como

determinista. Modelos deterministas tienen un juego sabido(conocido) de entradas, que causarán un
juego único de salidas. Llegadas deterministas en una oficina de dentistas si todos los pacientes
llegaran al tiempo de cita(nombramiento) previsto. Un modelo de simulación estocástico tiene una o
varias variables aleatorias como entradas. Entradas arbitrarias conducen a salidas arbitrarias. Ya que
las salidas son arbitrarias, ellos pueden ser considerados sólo como las estimaciones de las
características verdaderas de un modelo. La simulación de un banco(una orilla) por lo general
implicaría veces arbitrarias intertribales y veces de servicio arbitrarias. Así, en una simulación
estocástica, las medidas de salida - el número medio de espera de la gente, el promedio que espera el
tiempo de un cliente - debe ser tratado como las estimaciones estadísticas de las características
verdaderas [?Cuidado! El texto que desea traducir contiene demasiado caracteres. Por eso la
traducción ha sido dividida.]

Sistemas discretos y continuos fueron definidos en la sección 1.7 modelos Discretos y continuos son
definidos en una manera análoga. Sin embargo, un modelo de simulación discreto no siempre es
usado modelar un sistema discreto, tampoco una simulación continua es modela siempre usada para
modelar un sistema continuo. Las gracias y gaiteros son modelados discretamente por algunos
vendedores de software, aun cuando nosotros sepamos que el flujo fluido es continuo. Además, los
modelos de simulación pueden ser mezclados, tanto discreto como continuo. La opción de si hay que
usar un modelo de simulación discreto o continuo es una facción de las características del sistema y el
objetivo del estudio.

1.10 discrete- caso sistema de simulación

Este es un libro de texto sobre la simulación de eventos discretos del sistema. Los sistemas de
eventos discretos de simulación es el modelado de sistemas en los que la única variable que cambia
de estado en un conjunto discreto de puntos en el tiempo.

Los modelos de simulación son analizadas por métodos numéricos en lugar de por los métodos
analíticos. Los métodos analíticos emplean el razonamiento deductivo de las matemáticas para
"resolver" el modelo. Por ejemplo, el cálculo diferencial puede ser utilizado para calcular el mínimo de
la política de costos para algunos modelos de inventario. En el caso de modelos de simulación, que
emplean métodos numéricos, los modelos son "correr" en lugar de resolverse, es decir, una historia
artificial del sistema se genera a partir de la hipótesis del modelo, y se recogieron las observaciones a
analizar y estimar el verdadero sistema medidas de rendimiento. Real-modelos de simulación del
mundo son bastante grandes, y la cantidad de datos almacenados y manipulados es enorme, por lo
que se ejecuta como se realizan normalmente con la ayuda de un ordenador. Sin embargo, la visión
mucho se puede obtener mediante la simulación de modelos pequeños de forma manual.

En resumen, este libro de texto es de unos discretos de simulación del sistema de eventos en los que
los modelos de interés son analizados de forma numérica, por lo general con la ayuda de un
ordenador.

1.11 pasos en un estudio de simulación

Figura 1.3 muestra una serie de pasos para guiar a un constructor de modelos en una simulación
completa y sonido cifras study.similar y discusión de los pasos se pueden encontrar en otros sourses
(sahannon 1975, Gordon, 1978; Ley ande Kelton, 2000). El número besideeachsymbol en el gráfico 1.3
se refiere a la discusión más detallada en el texto. los pasos de un estudio de simulación son los
siguientes:

Formulacion Del Problema

Cada estudio debe comenzar con una declaración del problema. Si la instrucción es proporcionada por
los responsables políticos, o los que tienen el problema, el analista debe asegurarse de que el
problema que se describe se entiende claramente. Si el problema está siendo desarrollado por el
analista, es importante que los responsables políticos entender y de acuerdo con la formulación.

La Unión Europea autoriza de Oracle ...

"La Comisión Europea concedió una autorización incondicional de Oracle para hacerse cargo de Sun
Microsystems ..."

El objetivo indica que las preguntas a ser respondidas por la simulación. En este punto, la
determinación debe hacerse en relación a si la simulación es la metodología apropiada para el
problema formulado y objetivos del Estado. Suponiendo que se decida que la simulación es adecuada,
el plan general del proyecto debe incluir una declaración de los sistemas alternativos a considerar, y un
método para evaluar la eficacia de estas alternativas. También debería incluir el plan de estudio en
términos del número de personas que implica el costo del estudio, y el número de días necesarios para
llevar a cabo cada fase de trabajo con los resultados esperados al final de cada etapa.
Model: Conceptualización
La construcción de un modelo del sistema es un problema tanto un arte como la ciencia. El arte de la
elaboración de modelos se ve reforzada por la capacidad de abstraer los rasgos esenciales de un
problema, para seleccionar y modificar los supuestos básicos que caracterizan el sistema y, a
continuación para enriquecer y elaborar el modelo hasta que resulte una aproximación útil. Por lo tanto,
es mejor empezar con un modelo sencillo y construir hacia una mayor complejidad. Sin embargo, la
complejidad del modelo no es necesario que supere la necesaria para lograr los fines para los que está
destinado el modelo. No es necesario tener un uno-a-uno entre el modelo y el sistema real.
Recaudación de datos. hay una interacción constante entre la construcción del modelo y la recogida
de los datos de entrada necesarios. como la complejidad del modelo de cambios de fecha de los
elementos necesarios, también puede cambiar. Asimismo, desde la recogida de datos se Susch una
gran parte del tiempo total requerd para realizar una simulación es necesario para comenzar lo más
pronto posible, por lo general junto con el edificio de principios del modelo.

Los objetivos del estudio determinan en gran manera el tipo de datos que deben recogerse. en el
estudio de un banco, por ejemplo, si el deseo es aprender sobre él longitud de las líneas de espera
como el número de escrutadores cambiar los tipos de datos necesarios sería la distribución de tiempos
entre el tiempo de servicio para la distribución de los escrutadores y distribución histórica de las
longitudes de las líneas de espera en diferentes condiciones. este último tipo de datos se utilizará para
validar el modelo de simulación.
traducción modelo. resultado más real del sistema mundial en los modelos que requieren una gran
cantidad de almacenamiento de información y computación por lo que el modelo debe ser introducido
en un formato de equipo reconocible. usamos el programa a pesar de que es posible lograr el
resultado deseado en el ejemplo, muchos con codih reales poco o nada. el modelador debe decidir si
el modelo de programa en el lenguaje de simulación como GPSS / H o utilizar software de simulación
de efectos especiales. para la fabricación y flexible.

verificado? se refiere a la verificación del programa de ordenador preparado para el modelo de

simulación. es el programa de ordenador perdorming correctamente? con modelos complejos, es difícil
si no imposible, de traducir un modelo de éxito en su totalidad, sin un acuerdo goog de depuración, si
los parámetros de entrada y la estructura lógica del modelo están representados correctamente en el
equipo de verificación se ha completado. la mayor parte de sentido común se utiliza en la realización
de este paso.

validado?? validación normalmente se logra a través de la calibración del modelo de un proceso

iterativo de comparar el modelo contra behavios sistema real y el uso de las discrepancias entre los
dos y los conocimientos adquiridos para mejorar el modelo. Este proceso se repite hasta que la
exactitud del modelo se considera aceptable en el ejemplo de un banco se ha mencionado
anteriormente, se recogieron los datos concernig la longitud o las líneas de espera en las condiciones
actuales. ¿El modelo de simulación de replicar este sistema de medida? Esta es una forma de
validación

el diseño experimental. las alternativas que han de ser simulado debe ser determinado. a menudo la
decisión sobre las alternativas para simular será una succion de partidas que han sido completados y
analizados. para cada sistema de diseño que se simula las decisiones deben hacerse sobre la
duración del período de inicialización de la longitud de los recorridos de simulación y el número de
repeticiones que se hará de cada carrera.

Funcionamientos de producción y análisislos funcionamientos de .production, y su análisis

subsecuente, se utilizan para estimar medidas del funcionamiento para los diseños del sistema que se
está simulando el thatare. (los capítulos 11 y 12 discuten el análisis de los experimentos de la
simulación, y el capítulo 4 discute software para ayudar en este paso, incluyendo autostaf (en
AutoMod), OpQuest (en pedazos del serval de software de la simulación), Simrunner (en Prodel), y
optimizador del TESTIGO (en TESTIGO).
¿Más funciona? Dado el análisis de los funcionamientos se han terminado que , el analista se
determina si los funcionamientos adicionales son necesidad y qué diseño deben seguir esos
experimentos adicionales.
Documentación y divulgación. Hay dos tipos de documentación: el programa y la documentación de
progress.program es necesarios para reasons.if numeroso que el programa va a ser utilizado otra vez
por el samer o diverso análysis, podría ser nescesary entender cómo el programa funciona. esto creará
confianza en el programa, de modo que los usuarios y los policymakers modelo puedan tomar las
decisiones basadas en el análisis. también, si el programa, está a modificado por igual o la
documentación adecuada facilite a un diverso analista, este stepcan grandemente. una experiencia
con un programa inadecuado documentado es generalmente bastante convencer a un analista de la
necesidad de este paso importante. otro reazon para documentar un programa es de modo que los
usuarios modelo puedan cambiar parámetros en la voluntad en un esfuerzo de aprender las relaciones
entre los parámetros de la entrada y las medidas de la salida del funcionamiento o de descubrir los
parámetros de la entrada que optimizan una cierta medida de la salida del funcionamiento.
musselman (1998) discute los informes sobre la marcha de los trabajos que proporcionan el
importante, escritos historia de un proyecto de la simulación. los informes del proyecto dan una
cronología del trabajo hecha y de las decisiones tomadas. esto puede demostrar estar de gran valor en
guardar el proyecto sobre la maldición.
Musselman sugiere informes frecuentes (montly, por lo menos) de modo que acontecimiento que esos
no implicados en la operación cotidiana pueden guardar al corriente. el conocimiento de estos otros
puede realzar a menudo la terminación acertada del proyecto por malentendidos emergentes
temprano, cuando el problema se puede solucionar fácilmente. musselman también sugiere
maintainning un registro del proyecto que proporciona un expediente comprensivo de realizaciones, las
decisiones dominantes de las peticiones del cambio, y otros artículos de la importancia.

en el lado de divulgación, Musselman sugiere deliverables frecuentes. éstos pueden o muchos no ser
los resultados de realizaciones importantes. su máxima es que “es mejor trabajar con muchos jalones
intermedios que con un absolutedeadline ". Las posibilidades antes del informe final incluyen un
especification modelo, demostraciones del prototipo, las animaciones que entrenan a resultados, los
análisis intermedios, la documentación del programa, los informes sobre la marcha de los trabajos, y
las presentaciones. él sugiere que estos deliverables sean medidos el tiempo judiciosly sobre la vida
del proyecto.
El resultado de todo el análisis se debe divulgar claramente y concicely en un informe final. esto
permitirá a los usuarios modelo (ahora, los responsables) repasar la formulación final los sistemas
alternativos que fueron tratados, el criterio por el cual los alternativas fueron comparados, los
resultados de los experimentos, y la solución recomendada al problem.furthermore, si las decisiones
tienen que ser justificadas en un de alto nivel, el informe final debe proporcionar un vehículo de la
certificación para el usuario/el responsable modelo y agregar a la credibilidad del modelo y del proceso
de la construcción de maquetas.
Puesta en práctica. los succes de la fase de la puesta en práctica dependen de como de bien los 11
pasos anteriores han sido performed.it son también contingente sobre cómo el analista ha implicado a
fondo a último usuario modelo durante el proceso entero de la simulación. si el usuario modelo ha
estado implicado a fondo durante el proceso de la construcción de maquetas y si el usuario modelo
entiende la naturaleza del modelo y de sus salidas, la probabilidad de una puesta en práctica vigorosa
se realza (Pritsker, 1995). Inversamente, si el modelo y sus asunciones subyacentes no se han
comunicado correctamente, la puesta en práctica sufrirá probablemente, sin importar el modelo de la
simulación es validez.

La simulación del modelo de proceso de construcción se muestra en la se puede dividir en cuatro fases
Dow. la primera fase consistente en steps1 2 es un período de descubrimiento o de orientación. la
declaración inicial del problema suele ser bastante difusos los objetivos iniciales por lo general tendrá
que ponerse a cero y el plan original del proyecto por lo general tendrán que ser afinados. estos
recalibrados y aclaraciones podría ocurrir en esta fase, o tal vez se producirá después o durante la otra
fase.

La segunda fase está relacionada con la construcción de modelos y de recopilación de datos e incluye
los pasos 3 (Modelo de Conceptualización), 4 (de recogida de datos), 5 (traducción del modelo), 6 (de
verificación), y 7 (validación).
Una interacción continua es necesaria entre los pasos. La exclusión del usuario del modelo durante
esta fase puede tener consecuencias nefastas en el momento de la aplicación.
la tercera fase se refiere a la ejecución del modelo. Se trata de pasos 8 (Diseño Experimental), 9
(corridas de producción y análisis), y 10 (Rayo adicionales). Esta fase debe tener un plan bien
concebido para experimentar con el modelo de simulación. Una simulación de eventos discretos
estocásticos es en realidad un experimento estadístico. Las variables de salida se estima que
contienen el error aleatorio, y por lo tanto un análisis estadístico adecuado se requiere. Esta filosofía
está en contraste con la del analista que hace una sola carrera y señala a una inferencia de que el
único punto de datos.

La cuarta fase, puesta en práctica, implica steps11 (documentación y divulgación) y 12 (puesta en

práctica).
La puesta en práctica de Susceful depende de la implicación continua del usuario modelo
y en la terminación acertada de cada paso en el proceso. Quizás el punto más crucial del proceso
entero es paso (validación), porque un modelo inválido va a conducir a los resultados erróneos, que, si
estuvieron puesta en ejecución, podrían ser peligroso, costosos, o ambos.