Академический Документы
Профессиональный Документы
Культура Документы
Introducción a la Simulación.
Esta sección se basa en un artículo de Banks y Gibson [1997], que ofrece diez reglas
para evaluar cuándo la simulación no es apropiada. La primera regla indica que la
simulación no debe usarse cuando el problema puede resolverse por el sentido común. Se
da un ejemplo de una instalación de etiquetas para automóviles que atiende a clientes que
llegan al azar a una tarifa promedio de 100 / hora y reciben una tarifa promedio de 12 /
hora. Para determinar el número mínimo de servidores necesarios, la simulación no es
necesaria. Solo calcule 100/12 = 8.33, lo que indica que se necesitan nueve o más
servidores.
La segunda regla dice que la simulación no debe usarse si el problema puede
resolverse analíticamente. Por ejemplo, bajo ciertas condiciones, el tiempo de espera
promedio en el ejemplo anterior se puede encontrar usando las herramientas disponibles
en www.bcnn.net.
La siguiente regla dice que la simulación no debe usarse si es menos costoso
realizar experimentos directos. Se da el ejemplo de un restaurante de comidas rápidas,
donde era menos costoso organizar a una persona que toma pedidos utilizando un
terminal portátil y comunicación de voz para determinar el efecto de agregar otra estación
de pedido en el tiempo de espera del cliente.
La cuarta regla dice no usar la simulación si los costos exceden los ahorros. Hay
muchos pasos para completar una simulación, como se discutirá en la Sección 12, y estos
deben hacerse a fondo. Si un estudio de simulación cuesta $ 20,000 y los ahorros podrían
ser de $ 10,000, la simulación no sería apropiada.
Las reglas cinco y seis indican que la simulación no debe realizarse si los recursos o
el tiempo no están disponibles. Si se estima que la simulación cuesta $ 20,000 y solo hay $
10,000 disponibles, la sugerencia es no aventurarse en un estudio de simulación. De
manera similar, si se necesita una decisión en dos semanas y una simulación tomaría un
mes, no se recomienda el estudio de simulación.
La simulación toma datos, a veces muchos datos. Si no hay datos disponibles, ni
siquiera estimaciones, no se recomienda la simulación. La siguiente regla se refiere a la
capacidad de verificar y validar el modelo. Si no hay suficiente tiempo o si el personal no
está disponible, la simulación no es apropiada.
Si los gerentes tienen expectativas irrazonables, si piden demasiado demasiado
pronto, o si se sobreestima el poder de la simulación, la simulación podría no ser
apropiada.
Por último, si el comportamiento del sistema es demasiado complejo o no se puede
de fi nir, la simulación no es apropiada. El comportamiento humano a veces es
extremadamente complejo de modelar.
3) ventajas y desventajas de la simulación
4) áreas de aplicación.
Aplicaciones de Fabricación
Metodología para seleccionar el método de detección de cuellos de botella
más adecuado
Automatización del desarrollo de modelos de fabricación de astilleros.
Emulación en procesos de ingeniería de fabricación.
Diseño de mantenimiento optimizado para la gestión de productividad de la
mejora del rendimiento en la fabricación en una industria de autopartes
Línea de fabricación de diseños en las plantas japonesas de fabricación de
automóviles
Fabricación de obleas
Un cambio de paradigma en la asignación de lotes a herramientas
Programación de una línea de ensamblaje de paquetes de múltiples chips
con procesos de reentrada
Decisiones de asignación de capacidad de nivel de ejecución para el
montaje: instalaciones de prueba
Gestión de WIP y tiempo de ciclo con la ayuda de Loop Control
Procesamiento de negocios
Una nueva política para el problema de asignación de solicitud de servicio
Procesos de supervisión de ejecución y esquemas de ajuste
Comercialización en tienda de tiendas minoristas
Pronóstico de ventas para pequeñas tiendas minoristas
Ingeniería de la Construcción y Gestión de Proyectos.
Programación de Bar-Benders limitados en varios sitios de construcción
Construyendo Proyectos Repetitivos
Operaciones de tránsito para mejorar la planificación de proyectos de
construcción de carreteras
Plantilla para modelar la construcción del eje del túnel
Herramienta de apoyo a la decisión para la planificación de la construcción
de túneles
Logística, Transporte y Distribución.
Políticas operativas para un sistema de transporte de barcazas
Plan de dispensación de suministros médicos de emergencia en caso de
bioterrorismo
Análisis de una red de transporte de correo complejo
Mejora del rendimiento de las terminales de contenedores
Despacho de grúas de patio basado en datos en tiempo real
Unidad de carga de inventario de dispositivos en operaciones de aerolínea
Sistemas de inventario con actualización de políticas basadas en pronósticos
Asignación de muelle en un centro de distribución de alimentos
Políticas operativas para un sistema de transporte de barcazas
Aplicaciones militares
Distribución Logística Multinacional Intra-Teatro.
Examinar la sostenibilidad futura de las operaciones de las fuerzas
canadienses
Estudio de viabilidad para la sustitución del sistema automático de
lanzamiento de granadas MK19. Fuerzas conjuntas para operaciones
asimétricas.
Planificación de la misión de vehículos aéreos no tripulados multi-objetivo
Desarrollo de Federaciones Dirigidas por Requisitos Operacionales
Cuidado de la salud
Intervenciones para reducir el tiempo de espera de citas y la tasa de no
presentación de pacientes
Apoyando el pensamiento inteligente para mejorar el rendimiento del
hospital
Veri fi cación de Lean Improvement para el proceso de la sala de
emergencias
Reducción del hacinamiento en el departamento de emergencias
Modelado de inventario de productos farmacéuticos perecederos
Implementación de un centro de procedimientos ambulatorios
Política de control de enfermedades infecciosas
Balance de la sala de operaciones y los recursos postanestésicos
La eficacia en función de los costos de las pruebas de detección del cáncer
colorrectal
Aplicaciones Adicionales
Gestión de acciones de recursos laborales con control de retroalimentación
múltiple
Analizando el impacto del tamaño del agujero en poner en el golf
Aplicación de filtros de partículas en la simulación de dispersión de fuego
salvaje
Relación depredador-presa en un hábitat cerrado
Sistemas de producción de lechones intensivos
Estimación de demoras en tiempo real en centros de llamadas
Planes de preparación para la influenza pandémica para una universidad
pública
Para un artículo sobre el futuro de la simulación que aparece en el Boletín
informativo de ICS (Banks, 2008), dieciséis simuladores, incluidos expertos bien conocidos
en el campo, respondieron a la siguiente pregunta: “¿Qué resultados notables
observaremos en el software de simulación en ¿A largo plazo, digamos, después de tres
años? ” Las respuestas que se muestran a continuación aparecieron en el artículo de
referencia:
• Una vez que los proveedores de software hayan adoptado nuevas ideas y
metodologías fundamentales, como el modelado basado en agentes (lo que ocurrirá
dentro de unos pocos años), el progreso en el modelado de simulación será impulsado por
las ganancias en el poder de cómputo. Por ejemplo, en un determinado punto podremos
simular el funcionamiento detallado de grandes cadenas de suministro e instalaciones de
fabricación.
El modelado de simulación será más una actividad de "ensamblaje" que una
actividad de "construir desde cero". Los componentes inteligentes y parametrizados se
utilizarán para ensamblar modelos en lugar de definir mucha lógica detallada.
• Se avanzará en la resolución de problemas difíciles. Para proporcionar
herramientas para problemas realmente difíciles, los desarrolladores de software de
simulación tendrán que volver al tablero de dibujo y reconsiderar seriamente la pregunta
fundamental: "¿Quién proporciona el poder y quién proporciona la visión?" Es esencial
obtener esta combinación adecuada para seguir avanzando. Cuando un desarrollador de
software intenta proporcionar tanto poder como visión, los usuarios finales se enfrentan a
los paradigmas del desarrollador. Esto funciona bien para problemas fáciles, pero mal para
problemas difíciles. Para todos los problemas realmente difíciles, los usuarios saben más
sobre los problemas que los desarrolladores de software. La solución obvia es que los
desarrolladores proporcionen colecciones bien pensadas de verdaderas primitivas, junto
con formas de combinar y empaquetar estas primitivas.
• El software de simulación se integrará más estrechamente con el software de
control.
• Los modeladores tendrán un modelo único que se comparte entre las
aplicaciones dentro de la organización. • Las aplicaciones de simulación no se limitarán a
las aplicaciones de diseño, sino que también se utilizarán para
tomar decisiones operativas diarias dentro de una organización.
• Se accederá al modelado de simulación en servidores potentes con interfaces
basadas en web.
• Estará disponible un modelo mejor y más sencillo de las actividades humanas
(por ejemplo, la incorporación de modelos basados en agentes en modelos de eventos
discretos).
• Se puede esperar un desarrollo de proyectos de simulación más colaborativo.
• Los estándares de interfaz y la incorporación de servicios web permiten que el
software de simulación no solo funcione entre sí como una federación integrada, sino que
también estandarice y simplifique la forma en que se adoptarán otras aplicaciones con el
software de simulación.
• Las técnicas de resolución analítica (como la programación lineal) se integrarán
con las capacidades de simulación.
• Los resultados "notables" se derivarán de los avances en otras áreas de la
tecnología informática y la ingeniería de software. Pero nada superará el paradigma
orientado a objetos que fue introducido en el desarrollo de software general por SIMULA
67, que emana de la comunidad de software de simulación.
TÍTULO: "El ejército turco utiliza la simulación para modelar y optimizar su sistema de
suministro de combustible" AUTOR (S): I. Sabuncuoglu, A. Hatip
REPORTADO: Noviembre-diciembre 2005 en Interfaces.
RETO: Análisis del sistema de suministro de combustible del ejército turco.
TÉCNICA (S): (1) El rendimiento medido de los sistemas existentes y propuestos en varios
escenarios, (2) desarrolló un modelo de optimización de simulación basado en un
algoritmo genético para optimizar el rendimiento del sistema, (3) realizó experimentos de
simulación exhaustivos.
AHORRO: Millones de US $.
TÍTULO: “PLATO ayuda a Athens a ganar oro: Modelado de conocimiento de los Juegos
Olímpicos para el cambio organizativo y la gestión de recursos”
AUTOR (S): D.A. Beis, P. Poucopoulos, Y. Pyrgiotis, K.G. Zografos
REPORTADO: Enero-Febrero 2006 en Interfaces.
DESAFÍO: Desarrollar un proceso sistemático para planificar y diseñar las operaciones del
lugar. Desarrolle una rica biblioteca de modelos que sea directamente transferible a
futuros comités de organización olímpica y otros eventos orientados al deporte.
TÉCNICA (S): Técnicas y herramientas de modelado del conocimiento y gestión de recursos
basadas en simulación y otras metodologías de análisis de decisiones.
AHORRO: Más de US $ 69.7 millones.
7) Componentes de un Sistema
Formulación del problema. Cada estudio debe comenzar con una declaración del
problema. Si los responsables de la formulación de políticas o aquellos que tienen el
problema proporcionan la declaración, el analista debe asegurarse de que el problema que
se describe se entienda claramente. Si el analista está desarrollando una declaración del
problema, es importante que los responsables de las políticas entiendan y estén de
acuerdo con la formulación. Aunque no se muestra en la Figura 1.3, hay ocasiones en que
el problema debe reformularse a medida que avanza el estudio. En muchos casos, los
creadores de políticas y los analistas son conscientes de que existe un problema mucho
antes de que se conozca su naturaleza.
Establecimiento de objetivos y plan global del proyecto. Los objetivos indican las
preguntas a responder por simulación. En este punto, se debe hacer una determinación
respecto a si la simulación es la metodología apropiada para el problema tal como se
formuló y los objetivos como se indicó. Suponiendo que se decida que la simulación es
apropiada, el plan general del proyecto debe incluir una declaración de los sistemas
alternativos a considerar y un método para evaluar la efectividad de estas alternativas.
También debe incluir los planes para el estudio en términos de la cantidad de personas
involucradas, el costo del estudio y la cantidad de días necesarios para completar cada fase
del trabajo con los resultados anticipados al final de cada etapa.
Recopilación de datos.
Existe una interacción constante entre la construcción del modelo y la recopilación
de los datos de entrada necesarios [Shannon, 1975]. A medida que cambia la complejidad
del modelo, los elementos de datos requeridos también pueden cambiar. Además, dado
que la recopilación de datos toma una porción tan grande del tiempo total requerido para
realizar una simulación, es necesario comenzar lo antes posible, generalmente junto con
las etapas iniciales de la construcción del modelo.
Los objetivos del estudio determinan, en gran medida, el tipo de datos que deben
recopilarse. En el estudio de un banco, por ejemplo, si el deseo es aprender sobre la
longitud de las líneas de espera a medida que cambia el número de cajeros, los tipos de
datos necesarios serían las distribuciones de los tiempos entre llegadas (en diferentes
momentos del día). las distribuciones en tiempo de servicio para los cajeros y las
distribuciones históricas en las longitudes de las líneas de espera en diferentes
condiciones. Estos últimos datos se utilizarán para validar el modelo de simulación. (El
Capítulo 9 analiza la recopilación de datos y el análisis de datos; el Capítulo 5 analiza las
distribuciones estadísticas que ocurren con frecuencia en los modelos de simulación.
Véase también una excelente discusión de Vincent [1998]).
Implementación.
El éxito de la fase de implementación depende de qué tan bien se hayan realizado
los once pasos anteriores. También depende de qué tan a fondo el analista haya
involucrado al usuario modelo final durante todo el proceso de simulación. Si el usuario
del modelo se ha involucrado a fondo y comprende la naturaleza del modelo y sus
resultados, la probabilidad de una implementación vigorosa aumenta [Pritsker, 1995]. Por
el contrario, si el modelo y sus supuestos subyacentes no se han comunicado
correctamente, la implementación probablemente se verá afectada, independientemente
de la validez del modelo de simulación.
El proceso de construcción del modelo de simulación que se muestra en la Figura
1.3 se puede dividir en cuatro fases. La primera fase, que consta de los pasos 1 (Fórmula
del problema) y 2 (Establecimiento del objetivo y diseño general), es un período de
descubrimiento u orientación. La declaración inicial del problema generalmente es
bastante "borrosa", los objetivos iniciales generalmente tendrán que restablecerse, y el
plan del proyecto original por lo general deberá afinarse. Estas re calibraciones y
aclaraciones pueden ocurrir en esta fase, o quizás después o durante otra fase (es decir, el
analista puede tener que reiniciar el proceso).
La segunda fase está relacionada con la creación de modelos y la recopilación de
datos e incluye los pasos 3 (Conceptualización del modelo), 4 (Recopilación de datos), 5
(Traducción del modelo), 6 (Verificación) y 7 (Validación). Se requiere una interacción
continua entre los pasos. La exclusión del usuario modelo durante esta fase puede tener
graves implicaciones en el punto de implementación.
La tercera fase se refiere a ejecutar el modelo. Implica los pasos 8 (Diseño
experimental), 9 (Ejecuciones de producción y análisis) y 10 (Ejecuciones adicionales). Esta
fase debe tener un plan bien concebido para experimentar con el modelo de simulación.
Una simulación estocástica de evento discreto es, de hecho, un experimento estadístico las
variables de salida son estimaciones que contienen errores aleatorios y, por lo tanto, se
requiere un análisis estadístico adecuado. Dicha filosofía difiere mucho de la del analista
que realiza una única ejecución y extrae una inferencia de ese único punto de datos.
La cuarta fase, la implementación, implica los pasos 11 (Documentación y
presentación de informes) y 12 (Implementación). La implementación exitosa depende de
la participación continua del usuario modelo y la finalización exitosa de cada paso del
proceso. Quizás el punto más crucial en todo el proceso sea el paso 7 (Validación), porque
un modelo no válido llevará a resultados erróneos, que si se implementan podrían ser
peligrosos, costosos o ambos.