ANÁLISIS E INTERPRETACIÓN DE RESULTADOS DE LA SIMULACIÓN EN

PROMODEL
INTRODUCCIÓN
En la actualidad, el invento de nuevos y mejores desarrollos en el área de la
computación se han conseguido innovaciones igualmente importantes en la toma
de decisiones y el diseño de procesos y productos, en la que una de las técnicas
de mayor importancia es la simulación. El analista tiene a su disposición una gran
cantidad de software de simulación que le permite tomar decisiones diferentes
temas, Esta facilidad otorga la resolución muchas problemáticas, lo cual ha hecho
que la simulación sea una herramienta cuyo uso y desarrollo se ha visto
significativamente alentados con las mejores animaciones y características para
generar reportes uh registro, esta herramienta los probé una enorme diversidad de
herramientas estadísticas que permiten un manejo más eficiente de la información
relevante bajo análisis, y una mejor presentación e interpretación de la misma.
La simulación engloba soluciones para muchos pronósticos diferentes. En este
presente trabajo aparcaremos sobre en qué se basa el uso de ecuaciones
matemáticas y estadísticas qué pueden dar una interpretación Y un análisis te la
simulación Creada en un software denominado ProModel.
SIMULACIÓN
La simulación de eventos discretos es como el conjunto de relaciones lógicas,
matemáticas y probabilísimas que integran el comportamiento de un sistema bajo
estudio cuando se presenta un evento determinado. El objetivo del modelo de
simulación consiste precisamente en comprender, analizar y mejorar las
condiciones de operación relevante del sistema. [1]
RECOLECCIÓN Y ANÁLISIS DE DATOS
De manera paralela a la generación del modelo base, es posible comenzar la
recopilación de la información estadística de las variables aleatorias del modelo.
en esta etapa se debe determinar qué información es útil para la determinación de
las distribuciones de probabilidad asociadas a Cada una de las variables
aleatorias innecesarias para la simulación. Aunque en algunos casos se logra
contar con datos estadísticos, suele suceder que el formato de almacenamiento o
de generación de reportes no es el apropiado para facilitar el estudio. por ello es
muy importante dedicar el tiempo suficiente a esta actividad. de no contar con la
información necesaria o en caso de Desconfiar de la que se tiene disponible, será
necesario realizar un estudio estadístico el comportamiento de la variable que se
desea identificar, para posteriormente incluirla en el modelo. el análisis de los
datos necesarios para asociar una distribución de probabilidad a una variable
aleatoria, así como las pruebas que se deben aplicar a los mismos, se deberán
analizar con mayor precisión. Al final la recolección y análisis de datos para todas
las variables del modelo tendrán las condiciones necesarias para generar una
versión Preliminar problema que se está simulando. [1]
generación del modelo preliminar: en esta etapa se integra la información obtenida
a partir del análisis de datos, los supuestos del modelo y todos los datos que se
requieran para tener un modelo lo más cercano posible a la realidad del problema
bajo estudio. en algunos casos sobre todo cuando se trata del diseño de un nuevo
proceso o esquema de trabajo no se cuenta con información estadística, por lo
que debe estimarse un rango de variación o determinar valores constantes que
permitan realizar el modelado. si este es el caso, el encargado de la simulación
puede, con base a la experiencia, realizar algunas sugerencias de distribuciones
de probabilidad qué comúnmente se asocien al tipo de proceso que se desee
incluir en el modelo. al finalizar esta etapa del modelo está listo para su primera
prueba: su verificación o, en otras palabras, la comparación con la realidad. [1]
verificación del modelo: una vez que se ha identificado las distribuciones de
probabilidad de las variables del modelo y se han implantado los supuestos
acordados, es necesario realizar un proceso de verificación de datos para
comprobar la propiedad te la programación del modelo, y comprobar que todos los
parámetros usados en la simulación funcionan correctamente. ciertos problemas,
en especial aquellos que requieren muchas operaciones de programación o que
involucran distribuciones de probabilidad difíciles de programar, pueden ocasionar
que el comportamiento del sistema sea muy diferente del que se esperaba. Por
otro lado, no se debe descartar la posibilidad de que ocurran errores humanos
alimentar el modelo con la información. Incluso podría darse casos de que los
supuestos iniciales hayan cambiado una o varias veces durante el desarrollo del
modelo, por el cual debemos asegurarnos de que el modelo que se va a ejecutar
este basado en los más actuales. una vez que se ha completado la verificación, El
modelo está listo para su comparación con la realidad del problema que se está
modelando conocido como validación del modelo. Después de ser validado se
realiza la generación del modelo final es decir realizar la simulación y estudiar el
comportamiento del proceso, comparando escenarios diferentes para un mismo
problema qué sería el modelo raíz y después hacer la determinación de los
escenarios para el análisis el cual consiste en utilizar un escenario pesimista, un
optimista y 1 intermedio para las variables de respuesta más importante tomando
en cuenta que no todas las variables se compartan, Igual ante los distintos
escenarios. Esto permite realizar varias réplicas del mismo escenario para obtener
resultados con estadísticas importantes respecto de la toma de decisiones, que el
analista también puede contribuir a la selección de escenarios sugiriendo aquellos
que consideren más importantes reduciendo el número de combinaciones
posibles. [1]
Por último, Hay que tener los resultados de los escenarios es importante realizar
pruebas estadísticas que permitan comparar los escenarios con los mejores
resultados finales, es decir, un análisis de sensibilidad. Sí dos de ellos tienen
resultados similares será necesario comprar sus intervalos de confianza respecto
de la variable de respuesta final. si no hay intersección de inventarios podemos
decir con certeza estadística que los resultados no son iguales. Con ello se busca
acortar los intervalos de confianza de las soluciones finales y, por consiguiente,
incrementar la probabilidad de diferenciar las soluciones. [1]

INTERPRETACIÓN DE LOS RESULTADOS
Es importante conocer el significado de cada uno de los datos obtenidos. A
continuación, se detalla la información, por grupos de datos, que genera
ProModel. [2]
Estaciones (Locations)
 Horas programadas (Scheduled Hours):
Cantidad total de tiempo que el lugar estaba programado para estar
disponible, es decir, el tiempo que fue programa la simulación.
 Capacidad (Capacity):
Capacidad definida en el módulo “Locations” para cada estación.
 Entradas totales (Total Entries):
Cantidad total de entidades que entran en la estación y se han procesado
completamente. Las entidades entrantes que han sido agrupadas
previamente para formar una sola entidad cuentan como una entrada.
 Tiempo promedio por entrada (Average Time Per Entry):
Promedio de tiempo que cada entidad gasta en la estación. Este tiempo
puede incluir tiempos parciales desde el principio y hasta el final del tiempo
de ejecución real, es decir, comprende el tiempo de operación y el tiempo
de espera.
 Contenido promedio (Average Contents):
Cantidad promedio de entradas en la estación.
 Contenido máximo (Max. Contents):
Número máximo de entradas que ocupan la estación a lo largo de la
simulación.
 Contenido actual (Current Contents):
Número de entidades que permanecen en la estación cuando la simulación
termina.
 Porcentaje de utilización (%Utilization):
Porcentaje de capacidad ocupada en promedio durante la simulación. Este
valor corresponde a la siguiente ecuación:
 El tiempo ocupado acumulado hace referencia a la suma de los tiempos en
que la estación se encuentra en un estado en el que no es posible ser
utilizada (Procesando, esperando, bloqueada, en tiempo de preparación o
tiempo inactiva). [2]
Porcentajes de los estados de las estaciones-Capacidad unitaria
(Locationsstates by percentage-Single capacity)
 Horas simuladas (Scheduled Hours):
Cantidad total de tiempo que el lugar estaba programado para estar
disponible, es decir, el tiempo que fue programada la simulación.
 Porcentaje de operación (%Operation):
Porcentaje de tiempo que la estación está realmente procesando una
entidad. Este valor es programado por el modelador en el comando WAIT.
Cuando no se obtiene el tiempo que se especifica en el WAIT, significa que
se ha perdido tiempo en desplazamientos.
 Porcentaje de tiempo de preparación (%Setup):
Porcentaje de tiempo que la estación gasta en preparación.
 Porcentaje de tiempo ocioso (%Idle):
Porcentaje de tiempo en el cual ninguna entidad se encuentra en la
estación, pero la estación está disponible.
Este valor es resultado de la dinámica de las operaciones.
 Porcentaje de tiempo en espera (%Waiting):
Porcentaje de tiempo en el cual la estación está esperando por un recurso,
una entidad o el cumplimiento de una condición, para empezar el
procesamiento o pasar a la siguiente estación. Este valor también es
resultado de la dinámica de las operaciones y un ejemplo de ello se pueden
evidenciar cuando una máquina requiere de una cierta cantidad de piezas
para iniciar el procesamiento y debe esperar a que estén todas juntas.
 Porcentaje de tiempo bloqueado (%Blocked):
Porcentaje de tiempo en el cual las entidades están esperando por una
estación libre que realice su procesamiento. También es resultado de la
dinámica de las operaciones y puede ocurrir cuando el proceso posterior es
un cuello de botella.
 Porcentaje de tiempo muerto-inactivo (%Down):
Porcentaje de tiempo en el cual la estación está paralizada debido a
imprevistos. Este valor es programado por el modelador. [3]
Recursos (Resources)
 Unidades (Units):
Número de recursos.
 Tiempo Programado (Schedule Time):
 Cantidad total de tiempo programado para utilizar el recurso.
 Tiempo Utilizado (Number of Times Used):
Número de ocasiones que se utilizó el recurso.
 Tiempo promedio de Uso (Average Time Per Usage):
Indica el tiempo promedio de utilización del recurso.
 Tiempo promedio por desplazamiento del recurso (Average Time
Travel To Use):
Indica el tiempo promedio de viaje del recurso.
 Tiempo promedio al nodo base (Average Time Travel To Park):
Tiempo promedio que invierte el recuso para dirigirse al nodo base.
 Porcentaje de tiempo de utilización (% Utilization):
Muestra el porcentaje de tiempo de utilización del recurso. [3]
Porcentaje de los estados de los Recursos (Resources States By
Percentages):
 Tiempo programado (Schedule Time):
Tiempo total que el recurso fue programado para estar disponible.
 Porcentaje de tiempo en uso (% In Use):
Porcentaje de tiempo que el recurso fue utilizado.
 Porcentaje de tiempo para desplazamiento (% Travel To Use):
Porcentaje de tiempo que el recurso fue utilizado para movimientos entre
estaciones.
 Porcentaje de tiempo al nodo base (%Travel To Park):
Porcentaje de tiempo que el recurso invirtió en desplazarse hasta su nodo
base.
 Porcentaje de tiempo ocioso (% Idle):
Porcentaje de tiempo en el cual es recurso no está siendo utilizado.
Este valor es resultado de la dinámica de las operaciones. 
 Porcentaje de tiempo muerto-inactivo (% Down):
Porcentaje de tiempo en el cual el recurso está paralizado debido a
imprevistos. Este valor es programado por el modelador. [3]
Llegadas fallidas (Failed arrivals) 
 Llegadas fallidas totales (Total Failed):
Número de entidades que no pudieron llegar a una estación específica
debido a la capacidad insuficiente. [3]
Actividad de las entidades (Entity activity) 
 Salidas totales (Total Exits):
Número de entidades que salen del sistema.
 Cantidad actual en el sistema (Current Quantity In System):
 Número total de entidades que permanecen dentro del sistema cuando la
simulación termina.
 Porcentaje promedio en el sistema (Average Time In System):
Tiempo promedio total que una entidad gasta en el sistema.
 Porcentaje promedio en la lógica de movimientos (Average Time in
Moce Logic):
Tiempo promedio que la entidad gasta desplazándose entre estaciones,
incluyendo cualquier demora incurrida en la lógica de los movimientos.
 Porcentaje promedio esperando por recursos, etc. (Average Time Wait
For Res.):
Tiempo promedio que la entidad gasta esperando por un recurso u otras
entidades para unirse o combinarse. Este valor incluye el tiempo esperando
en fila detrás de una entidad bloqueada.
 Tiempo promedio en operación (Average Time In Operation):
Tiempo promedio que la entidad gasta procesándose en una estación o
trasladándose en una banda transportadora/fila.
 Tiempo promedio bloqueado (Average Time Blocked):
Tiempo promedio que gasta una entidad esperando que la estación de
destino esté disponible. [3]

Porcentajes de los estados de las entidades (Entity states by percentage)

 Porcentaje en lógica de movimientos (% In Move Logic):
 Porcentaje de tiempo que la entidad gasta trasladándose entre estaciones,
incluyendo cualquier demora incurrida en la lógica de los movimientos.
 Porcentaje en espera (%Waiting):
 Porcentaje de tiempo que la entidad gasta esperando por un recurso u otras
entidades para unirse o combinarse. Este valor incluye el tiempo esperando
en fila detrás de una entidad bloqueada.
 Porcentaje en operación (%Operation):
 Porcentaje de tiempo que la entidad gasta procesándose en una estación o
trasladándose en una banda transportadora/fila. Si la entidad se encuentra
en una banda transportadora detrás de otra entidad que están bloqueado
porque la siguiente estación no está disponible, el tiempo que la entidad
pasa detrás de la otra entidad se considera porcentaje en operación.
 Porcentaje bloqueado (%Blocked):
 Porcentaje de tiempo que gasta una entidad esperando que la estación de
destino esté disponible. [3]

Recolección de resultados
Los datos que se recolectan son guardados en histogramas o tablas.
Siguientes tipos de resultados:
1. Distribuciones, promedios, varianzas de las variables proveen importante
información en corridas de simulaciones en estado estable.
2. Análisis de series de tiempo se usan para variables que cambian
sistemáticamente, los datos se toman durante parte o toda la simulación.
Se usa en sistemas en estado NO estable.

3. Valores instantáneos de variables tomados cada intervalo en el tiempo, por

ejemplo: largo de cola o la cantidad de entidades. También resultados que
resumen medidas sobre toda la corrida como por ejemplo el uso de los
recursos ya sea su promedio o valor total (son usados en ambos tipos de
simulación).
La simulación debe registrar las estadísticas y datos en histogramas o
tablas a medida que corre la simulación para poder calcular los resultados.
[4]

¿Cómo se tomar y registrar los datos?

Los tiempos de espera de las entidades se registran al comienzo de un evento C,
antes de colocar a la entidad en el calendario, (cuando es retirada de una cola ). tf
= Tpresente – (tiempo en el entity clock). Las observaciones de tiempos
ponderados se utilizan para que las distribuciones de los largos de cola y uso de
recursos reflejen también los tiempos durante los cuales han mantenido
determinados valores.
Cuando una entidad se agrega o quita de la cola, se toma la observación X*t,
donde X es el largo de la cola y/o el uso de recurso y t es el lapso de tiempo desde
la observación anterior realizada. [4]
Datos en series de tiempo: Las series de tiempo muestran la tendencia de las
variables de respuesta en el tiempo de la simulación. Como en simulación todo se
mantiene igual de un evento discreto a otro, entonces, los valores se toman en
intervalos de tiempos regulares, al comienzo o final de cada evento discreto. Lo
que pasa entre ellos se completa a posteriori de alguna forma. [4]
Histogramas
Provee representación visual de la distribución de frecuencias. Se usa para
mostrar resultados de la simulación o la tendencia de algunas variables durante la
simulación. Datos de Frecuencias: El eje de las x se divide en celdas iguales hasta
el número mayor contado en la simulación. Cada medida realizada caerá en
alguna de las celdas del eje x. Para observaciones no ponderadas por el tiempo
se agrega un valor a la celda correspondiente. Las ponderadas por el tiempo, se
agrega el tiempo transcurrido desde la última observación. (ver figs. 5.2, 5.3).
Datos de tendencias: El eje de las x se divide en celdas de igual longitud, cada
una de ellas representa un intervalo de tiempo. La longitud total del eje debe tener
en cuenta la duración de la simulación. El eje de las y representa los valores de
las variables que se recolectan en cada golpe de reloj, se ingresan en las celdas
correspondientes al intervalo de tiempo. [4]
Tratamiento de resultados e Histogramas
Tipos de Resultados:
1.-Frecuencias
• Tiempos de espera (state)
• Largos de cola, utilización de recursos (time-weighted)
2.-Tendencias Series de tiempo (time-series)
Tiempos de espera de las entidades: x = tim - entity clock. Se agrega 1 unidad
a la celda correspondiente a x en un histograma de “estado”. Procedure
log_histogram(var h:histogram; x, y : real) Ejemplo: waiting time for operation
log_histogram(op_waiting, tim-current^.time, 1) y = 1 [4]
Distribuciones del largo de las filas y uso de recursos: X es la observación
(largo fila o cantidad de recursos y uso) y t el intervalo de tiempo desde el registro
anterior. X·t es la observación ponderada por el tiempo. Se usa para cálculo largo
MEDIO de la cola o utilización MEDIA de los recursos. En histogramas de tiempo
ponderado se agrega t, el tiempo transcurrido desde el registro anterior, a la celda
que corresponde al valor X observado. [4]
La variable histograma de Pascal Sim permite calcular el intervalo de tiempo
transcurrido mediante su atributo "expended" y el procedimiento procedure
log_histogram(var h:histogram; x, y : real). [4]
Series de tiempo. Las observaciones deben registrarse cada intervalo regular de
tiempo, iguales al tamaño del ancho de la celda; de lo contrario los datos en el eje
Y se acumulan. [4]
La simulación almacena toda la información registrada (clase Histogram) y permite
configurar la visualización de formas diferentes (tablas, gráficos). [4]
Necesitamos de información para decidir, los datos (resultados) se procesarán
estadísticamente, a partir del resumen de varias corridas, mediante visualización
gráfica o mediante formula y cálculo. La decisión de cómo presentar la información
se debe planificar anticipadamente, aunque se puede dejar para el final, una vez
realizado el plan de experimentación. [4]
Registro de la información: largo de cola, uso de recursos tiempo de esperas, etc.
pueden ser obtenidos en cada ocasión de un evento. Uso de la información: puede
ser presentada utilizando procedimientos estadísticos conocidos. Se pueden
utilizar paquetes estadísticos especializados. [4]
CONCLUSIÓN
Mi opinión es que la utilización de la simulación en los procesos de manufactura
sin lugar a duda es una herramienta de gran aprovechamiento para el desempeño
operacional. Gracias a la simulación es posible tomar decisiones sobre probables
cambios a efectuar en los procesos de manufactura sin tener que generar cambios
físicos que puedan entorpecer las operaciones. El uso de la simulación de
procesos mejora la eficiencia, incrementa la moral en el lugar de trabajo y en
general contribuye al desempeño operacional. De misma manera, interpretación y
análisis de los resultados de las simulaciones son de gran ayuda para la toma de
decisiones y verificación de las variables En las que de acuerdo con estos
registros o estos números sacados de la simulación pon una perspectiva lo que
sería en la realidad con los números calculados de acuerdo con esta. Para futuros
trabajos se recomienda ampliamente efectuar ejercicios complejos de simulación
donde puedan ponerse en prueba variables críticas de la operación, también dar
continuidad al presente trabajo para el beneficio de agregar elementos de
justificación sobre el uso de la herramienta de simulación.
[1] Melendez, A. S. (2017, 26 enero). simulación y análisis de sistemas con
promodel.slideshare.net.https://es.slideshare.net/AlejandroSanchezMelendez/simu
lacion-y-analisis-de-sistemas-con-promodel-71402717
[2] Recolección y análisis de datos. (s. f.). Recolección y análisis de datos.
Recuperado 8 de julio de 2020, de
https://www.fing.edu.uy/inco/cursos/simulacion/archivos/clases/clase07web.pdf
[3] Bonifacio, H. (s. f.). SIMULACIÓN DE PROCESOS EN PROMODEL.
Academia. edu. Recuperado 8 de julio de 2020, de
https://www.academia.edu/19267333/SIMULACI
%C3%93N_DE_PROCESOS_EN_PROMODEL
[4] Simulacion y Analisis de Sistemas con Promodel. (s. f.). simulación y análisis
de Sistemas con Promodel. Recuperado 8 de julio de 2020, de
https://ingenieriaindustrialupvmtareasytrabajos.files.wordpress.com/2014/03/report
es-de-simulacion-promodel.pdf