SIMULACIÓN DE PROCESOS Y

SISTEMAS
APLICACIONES CON PROMODEL Y ARENA

Mg. Carlos Alcántara Ortega.

UTP - Universidad Tecnológica del Perú 1

 Logro de Aprendizaje

• Al terminar la sesión, el estudiante experimentará con el

SIMRUNNER y sus aplicaciones.

UTP - Universidad Tecnológica del Perú 2

 OPTIMIZACION CON SIMRUNNER

Una de las razones por las cuales se desarrollan modelos de simulación es por la
necesidad de optimizar el sistema de estudio.

En un proceso de optimización surgen preguntas tales como:

"¿Cuál es el número óptimo de máquinas que se deben instalar para maximizar

la producción por hora?"

"¿Cuántos operarios debemos de asignar a cierto departamento para minimizar

el inventario promedio de piezas?".

UTP - Universidad Tecnológica del Perú 3

 OPTIMIZACION CON SIMRUNNER

Sim Runner utiliza un algoritmo evolutivo que pertenece a un conjunto de técnicas de

optimización conocidas como "Técnicas de Búsqueda Directa", las cuales se han diseñado
para encontrar los valores óptimos para las variables de decisión de un sistema con la
finalidad de maximizar o minimizar las medidas de interés de dicho sistema.

UTP - Universidad Tecnológica del Perú 4

 OPTIMIZACION CON SIMRUNNER

Paso 1. Crear un modelo en ProModel estadísticamente válido y representativo del

sistema a optimizar.

Paso 2. Seleccionar las variables de entrada o factores que se desean analizar para
encontrar su valor óptimo. Estas variables son generalmente aquellos parámetros que
pueden ser ajustados por el usuario, tales como el número de montacargas a asignar, el
número de operarios a contratar, el número de tarimas a comprar o el precio de venta de
un producto. En este punto se deberá crear en ProModel una Macro para cada uno de
estos factores.

UTP - Universidad Tecnológica del Perú 5

 OPTIMIZACION CON SIMRUNNER

Paso 3. Cada factor estará representado por una Macro y para cada una de ellas se
define el tipo de dato (real o entero), su límite inferior (el valor más pequeño posible a
analizar) y el límite superior (el valor más alto posible que se desee analizar). La
cantidad de factores y el rango de valores que puede tomar cada uno afecta de manera
directa el espacio de búsqueda o número de posibles soluciones del problema, por
ejemplo, si se desean analizar tres factores cada uno con cuatro posibles valores, el
espacio de búsqueda será de 81 combinaciones, pero si cada uno de los factores
requiere de cinco valores, entonces el espacio de búsqueda será de 243 combinaciones.
Incrementar el número de factores o su rango hará más difícil y más tardada la
búsqueda del óptimo. Es importante seleccionar sólo aquellos factores que afecten de
forma significativa las variables de respuesta.

UTP - Universidad Tecnológica del Perú 6

 OPTIMIZACION CON SIMRUNNER

Paso 4. Construir en Sim Runner la función objetivo para medir la utilidad de cada
combinación de factores. Esta función objetivo se construye por medio de los términos
del reporte de salida generado al finalizar una corrida de simulación. Por ejemplo, la
función objetivo puede estar basada en las estadísticas de las entidades (entities), las
estadísticas de las ubicaciones (locations), las estadísticas de los recursos (resources),
etcétera. Al diseñar la función objetivo se debe especificar si se desea minimizar (Min),
maximizar (Max), o lograr un objetivo determinado (Target). Para crear la función
objetivo se debe pensar en términos de Programación por Metas en donde podemos
tener un objetivo dividido en varias metas, cada una con cierta ponderación. Por
ejemplo, podemos tener en un sistema como primer objetivo o meta la de minimizar el
inventario de piezas y un segundo objetivo que puede ser maximizar las producción por
hora. Cada uno de ellos debe de estar acompañado por un factor de importancia
relativa.

UTP - Universidad Tecnológica del Perú 7

 OPTIMIZACION CON SIMRUNNER

Paso 5. Seleccionar en SimRunner el perfil de optimización (optimization profile) y

comenzar la búsqueda de la combinación óptima. Existen tres perfiles de optimización:
agresivo, moderado y cauteloso. La selección de cada uno de ellos afecta el número de
soluciones que el algoritmo de optimización va a evaluar. El perfil agresivo evalúa una
menor cantidad de combinaciones que el cauteloso antes de detenerse. En forma
general se puede decir que a mayor cantidad de soluciones evaluadas mayor
probabilidad de encontrar la mejor, y mayor el tiempo requerido para llevar a cabo la
búsqueda de la solución.

UTP - Universidad Tecnológica del Perú 8

 OPTIMIZACION CON SIMRUNNER

EJEMPLO

A un estadio llegan aficionados con un tiempo entre arribos de 2.5 minutos con
distribución Exponencial. El tiempo de viaje desde la entrada hasta las taquillas está
normalmente distribuido con una media de cuatro minutos y una desviación estándar
de 0.75 minutos. Frente a las taquillas, los aficionados esperan en una fila hasta que
uno de los cajeros esté disponible para atenderlos. El tiempo para comprar los boletos
es exponencial con una media de cinco minutos. Después de comprar los boletos los
visitantes se dirigen hacia las puertas de acceso para entrar al estadio. Se desea crear
un modelo de simulación para determinar el número mínimo de taquillas a abrir con el
objetivo de que los aficionados esperen en promedio menos de 1 minuto.

Simule el proceso para atender 100 aficionados

UTP - Universidad Tecnológica del Perú 9

 OPTIMIZACION CON SIMRUNNER

Como primer paso, se dará de alta una Macro que representará el factor que
deseamos optimizar. Para este problema, el factor es el número de empleados a
contratar para la venta de boletos. Iniciaremos con un valor de 3 empleados pero se
hará una búsqueda del óptimo en el rango de 1 y 15 empleados. Definiremos la Macro
Empleados en la ventana Macros (Build / Macros). En el campo Text se dará el valor
inicial de 3 y en el campo Options seleccionaremos Scenario Parameter/Define
especificando en la ventana de diálogo el rango de valores de 1 a 15, como se muestra
en la figura

UTP - Universidad Tecnológica del Perú 10

 OPTIMIZACION CON SIMRUNNER

Enseguida definiremos las localizaciones Entrada, Fila y Taquilla en la ventana

Locations (Build / Locations). Especifique la capacidad de dichas localizaciones
como se muestra en la figura, observe que el valor numérico en la localización
Taquilla se sustituye por la nombre de la Macro Empleados, de esta forma
podremos ejecutar el modelo con los diferentes valores, en este caso el valor actual
de la Macro es 3.

UTP - Universidad Tecnológica del Perú 11

 OPTIMIZACION CON SIMRUNNER
Enseguida definiremos las localizaciones Entrada, Fila y Taquilla en la ventana
Locations (Build / Locations). Especifique la capacidad de dichas localizaciones
como se muestra en la figura, observe que el valor numérico en la localización
Taquilla se sustituye por la nombre de la Macro Empleados, de esta forma
podremos ejecutar el modelo con los diferentes valores, en este caso el valor actual
de la Macro es 3.

UTP - Universidad Tecnológica del Perú 12

 OPTIMIZACION CON SIMRUNNER

El número de aficionados que serán atendidos durante la ejecución del modelo no

necesariamente asegura que los resultados lleguen a estado estable, por lo que para
cada escenario se harán 30 réplicas. Para esto entramos al menú Simulation/Options
y en la ventana de diálogo correspondiente damos de alta el valor de 30 en el campo
Number of replications: una vez hecho esto se procede a guardar y ejecutar el
modelo, con el fin de corregir cualquier error antes de iniciar con la optimización.

UTP - Universidad Tecnológica del Perú 13

 OPTIMIZACION CON SIMRUNNER

UTP - Universidad Tecnológica del Perú 14

 OPTIMIZACION CON SIMRUNNER

UTP - Universidad Tecnológica del Perú 15

 CASOS APLICATIVOS

UTP - Universidad Tecnológica del Perú 16

UTP - Universidad Tecnológica del Perú 17