Вы находитесь на странице: 1из 55

INTRODUCCION A

ING. EDNA GABRIELA CEJA


LA SIMULACION
UNIDAD 1
TEMARIO
• 1.1. Definición e importancia de la simulación en
la Ingeniería.
• 1.2. Conceptos básicos de la simulación.
• 1.3. Metodología de la simulación.

ING. EDNA GABRIELA CEJA


• 1.4. Estructura y etapas de un estudio de
simulación.
• 1.5. Etapas de un proyectos de simulación
• 1.6 Elementos básicos de un simulador de
eventos discretos
• 1.7 Ventajas y desventajas de la simulación.
RUBRICA
• Tareas- 22%
• Mapa Conceptual- 14%
• Diagrama – 17%

ING. EDNA GABRIELA CEJA


• Investigación – 34%
• Asistencia – 13%
QUE ES SIMULACION?
• Es una imitación de las operaciones de un sistema o
proceso real (Sistemas complejos).
• Involucra la generación de una historia artificial del
comportamiento del sistema y a partir de dicha

ING. EDNA GABRIELA CEJA


historia se efectúan inferencias relativas a las
características operacionales del sistema real que
representa.
• Permite describir y analizar el comportamiento del
sistema real, y responder ciertas interrogantes para
apoyar el diseño de sistemas reales.
QUE ES SIMULACION?
• Es una metodología que permite apoyar la toma de
decisiones.
– ya sea en el diseño de Sistemas, antes que este sea
construido

ING. EDNA GABRIELA CEJA


– ya sea probando políticas de Operación, antes que
estas sean implantadas
• Por si misma, la Simulación, no resuelve los
problemas, sino que ayuda a:
– Identificar los problemas relevantes
– Evaluar cuantitativamente las soluciones alternativas
QUE ES SIMULACION?
¿Por qué son necesarios los modelos de simulación o
prototipos?

•La experimentación de un sistema o procesos

ING. EDNA GABRIELA CEJA


... Puede generar problemas éticos
... puede generar problemas económicos
... o puede llevarlo a colapsos
... o puede ser simplemente imposible
Por ejemplo ; en el desarrollo de un nuevo producto
QUE ES SIMULACION?
• Es un término muy amplio, en realidad existen un
conjunto de enfoques para analizar problemas
• La Simulación requiere de MODELOS (validez)
• No es una solución analítica
• No obtiene resultados exactos (desventaja)

ING. EDNA GABRIELA CEJA


• Permite modelar sistemas complejos (ventaja)
• Es mejor una respuesta aproximada al problema
correcto que una respuesta correcta al problema
aproximado
• Es la técnica de modelación estocástica más útil,
de mayor reconocimiento en la ingeniería de
sistemas
AREAS DE APLICACION
• Sistemas de Computadores
• Telecomunicaciones, Transporte y Energía
• Aplicaciones Militares y Navales
• Política Públicas

ING. EDNA GABRIELA CEJA


• Manufactura — Programación, Inventarios
• Personal en empresas de servicios
• Bancos, Comida Rápida, Correo, ...
• Distribución y Logística
• Salud — Salas de emergencia y de operaciones
• Planes de Emergencia (terremotos, inundaciones)
• Distribución de Servicios (juzgados, hospitales)
PARA QUE SIRVE
• Instalaciones/Procesos Físicos; Reales o planeados
• Estudiar su Desempeño
• Medir
• Mejorar
• Diseñar (si no existe)

ING. EDNA GABRIELA CEJA


• Posible Control en Tiempo Real
• Algunas veces es posible “jugar” con el Sistema
• Pero algunas veces es imposible hacerlo ya sea
que
• No existe
• Se Destruye,
• Muy Caro
SIMULACION
COMPUTACIONAL
• Un Método para Estudiar un amplio abanico de
modelos de sistemas del mundo real
• Uso de evaluación numérica con el computador
• Uso de software para “imitar” las operaciones y
características del sistema, a menudo en el tiempo

ING. EDNA GABRIELA CEJA


• En la práctica, es el proceso de diseñar y crear
modelos computarizados del sistema y hacer
experimentos numéricos con el computador
• Una aplicación poderosa a sistemas complejos
• Simulación puede tolerar modelos complejos
CUANDO SIMULAR
Como regla general, es apropiada cuando:
• Desarrollar un modelo estocástico es muy difícil o
quizás aún imposible
• El sistema tiene una o más variables aleatorias

ING. EDNA GABRIELA CEJA


relacionadas
• La Dinámica del sistema es extremadamente
compleja
• El objetivo es observar el comportamiento del
sistema sobre un período
• La habilidad de mostrar la animación es importante.
CONCEPTOS BASICOS DE
SIMULACION.
• Modelación 
Es aquello que sirve para representar o describir otra cosa es
decir crea prototipos(1° diseño), el modelo puede tener una
forma semejante o ser totalmente distinto del objeto real.

• Modelo
Se puede definir como una representación simplificada de un
sistema real, un proceso o una teoría, con el que se pretende
aumentar su comprensión hacer predicciones y posiblemente
ayudar a controlar el sistema.

CONCEPTOS BASICOS DE
SIMULACION
• Existen 3 formas de modelos:
ICONICO ANALOGICO ANALITICO
Versión a escala del Modelo con apariencia Relaciones matemáticas
objeto real y con sus física distinto al original, o lógicas que
propiedades mas o pero con representan leyes físicas
menos relevantes. comportamiento que se cree gobiernan el
representativo comportamiento de la
situación bajo
investigación
METODOLOGIA DE LA
SIMULACION
Definición del sistema
•Para tener una definición exacta del sistema que se desea
simular, es necesario hacer primeramente un análisis preliminar
de este, con el fin de determinar la interacción con otros
sistemas, las restricciones del sistema, las variables que
interactúan dentro del sistema y sus interrelaciones, las medidas
de efectividad que se van a utilizar para definir y estudiar el
sistema y los resultados que se expresan obtener del estudio
METODOLOGIA DE LA
SIMULACION
Formulación del modelo
•Una vez definidos con exactitud los resultados que se esperan
obtener del estudio, se define y construye el modelo con el cual
se obtendrán los resultados deseados. En la formulación del
modelo es necesario definir todas las variables que forman
parte de el, sus relaciones lógicas y los diagramas de flujo que
describan en forma completa el modelo.

Colección de datos
•Es importante que se definan con claridad y exactitud los datos
que el modelo va a requerir para producir los resultados
deseados.
METODOLOGIA DE LA
SIMULACION
Implementación del modelo con la computadora
•Con el modelo definido, el siguiente paso es decidir si se utiliza
algún lenguaje como el fortran, lisp, etc..., o se utiliza algún
paquete como Vensim, Stella e iThink, GPSS, Simula, Simscript,
Rockwell Arena, etc..., para procesarlo en la computadora y
obtener los resultados deseados.
METODOLOGIA DE LA
SIMULACION
Validación
•A través de esta etapa es posible detallar deficiencias en la
formulación del modelo o en los datos alimentados al modelo.
Las formas mas comunes de validar un modelo son:
1.La opinión de expertos sobre los resultados de la simulación.
2.La exactitud con que se predicen datos históricos.
3.La exactitud en la predicción del futuro.
4.La comprobación de falla del modelo de simulación al utilizar
datos que hacen fallar al sistema real.
5.La aceptación y confianza en el modelo de la persona que hará
uso de los resultados que arroje el experimento de simulación.
1.3 Metodología de la
simulación
Experimentación
•Se realiza después de que el modelo haya sido validado,
consiste en generar los datos deseados y en realizar un análisis
de sensibilidad de los índices requeridos.

Interpretación
•Se interpretan los resultados que arroja la simulación y con
base a esto se toma una decisión. Es obvio que los resultados
que se obtienen de un estudio de simulación ayuda a soportar
decisiones del tipo semi-estructurado
METODOLOGIA DE LA
SIMULACION
Documentación
•Dos tipos de documentación son requeridos para hacer un
mejor uso del modelo de simulación. La primera se refiere a la
documentación del tipo técnico y la segunda se refiere al
manual del usuario, con el cual se facilita la interacción y el uso
del modelo desarrollado.
1.4 Modelos y control
• El concepto de sistema en general esta sustentado sobre el
hecho de que ningún sistema puede existir aislado
completamente y siempre tendrá factores externos que lo
rodean y pueden afectarlo.
1.4 Modelos y control
Conceptos Básicos de Sistemas
•Entidad: "Una entidad es algo que tiene realidad física u
objetiva y distinción de ser o de carácter".
•Las entidades tienen ciertas propiedades que los distinguen a
unas de otras.
•Relación:"Relación es la manera en la cual dos o más entidades
dependen entre si". Relación es la unión que hay entre las
propiedades de una o más entidades; por consiguiente, el
cambio en alguna propiedad de una entidad ocasiona un cambio
en una propiedad de otra entidad.
1.4 Modelos y control

• Estructura: Es un conjunto de relaciones entre las entidades


en la que cada entidad tienen una posición, en relación a las
otras, dentro del sistema como un todo.
• Estado: El estado de un sistema en un momento del tiempo es
el conjunto de propiedades relevantes que el sistema tiene en
este momento. Cuando se  habla del estado de un sistema,
entiende los valores de los atributos de sus entidades.
Analizar un sistema supone estudiar sus cambios de estado
conforme transcurre el tiempo.
1.4 Modelos y control

La modelación de sistemas es una metodología aplicada y


experimental que pretende:
1.Describir el comportamiento de sistemas.
2.Hipótesis que expliquen el comportamiento de situaciones
problemáticas.
3.Predecir un comportamiento futuro, es decir, los efectos que
se producirán mediante cambios en el sistema o en su método
de operación.
1.4 Modelos y control
Modelación de sistemas
•Puede ser una representación formal de la teoría o una explicación
formal de la observación empírica, a menudo es una combinación de
ambas. Los propósitos de usar un modelo son los siguientes:
1.Hace posible que un investigador organice sus conocimientos
teóricos y sus observaciones empíricas sobre un sistema y deduzca las
consecuencias lógicas de esta organización.
2.Favorece una mejor comprensión del sistema.
3.Acelera análisis.
4.Constituye un sistema de referencia para probar la aceptación de las
modificaciones del sistema.
5.Es mas fácil de manipular que el sistema mismo.
6.Hace posible controlar más fuentes de variación que lo que
permitiría el estudio directo de un sistema.
7.Suele ser menos costoso.
1.4 Modelos y control
• Al analizar un sistema podemos observar, que al cambiar un
aspecto del mismo, se producen cambios o alteraciones en
otros. Es en estos casos en los que la simulación, representa
una buena alternativa para analizar el diseño y operación de
complejos procesos o sistemas.

• Un modelo se utiliza como ayuda para el pensamiento al


organizar y clasificar conceptos confusos e inconsistentes. Al
realizar un análisis de sistemas, se crea un modelo del sistema
que muestre las entidades, las interrelaciones, etc. La
adecuada construcción de un modelo ayuda a organizar,
evaluar y examinar la validez de pensamientos.
ETAPAS DE UN PROYECTO
DE SIMULACION

ING. EDNA GABRIELA CEJA


1.6 Etapas de un proyectos de
simulació n
• 1.-Modelación.
• Fijado el objetivo que se persigue en la creación de un
problema, inmediatamente se activan los componentes
intelectuales básicos: sensaciones, percepciones, memoria,
pensamiento e imaginación. Con ellos se comienzan a dibujar
en el cerebro nuevas ideas en forma de imágenes, con la
necesidad de ser exteriorizadas mediante la construcción de
modelos gráficos, es por ello que los elementos estructurales
del problema son plasmados en el papel antes de su redacción
en el formato final.
1.6 Etapas de un proyectos de
simulació n
• 2.-Tanteo-error.
• Consiste en un proceso continuo de adecuación y ajuste por
búsqueda y prueba de los datos y/o las incógnitas según las
condiciones del problema, hasta encontrar las más adecuadas.
La búsqueda puede ser de tipo inteligente o arbitrario, y en
ocasiones es utilizada para modificar las condiciones y con ella
reordenar los elementos estructurales. Se evidencia su
utilización en el gran número de operaciones de cálculo que
son realizadas, así como en tachaduras y borrones que
generalmente aparecen sobre el papel del formulador
1.6 Etapas de un proyectos de
simulació n
• 3. Asociación por analogía.
• En esta técnica se hace uso de la reproducción en una primera
fase. Consiste en establecer nuevos nexos entre datos e
incógnitas siguiendo formatos y textos guardados en la
memoria para obtener otras por medio de la innovación. Es
evidente que sobre las ideas iniciales, posteriormente se
introducen modificaciones, que consisten en relacionar los
datos de otra forma, introducir nuevas condiciones o cambiar
la forma de redactar las preguntas, para obtener al final un
problema derivado, que si bien no se caracteriza por su
originalidad, sí constituye una nueva tarea.
1.6 Etapas de un proyectos de
simulació n
• Estas tres primeras técnicas son tipificadas como
complementarias en el acto de creación de las tareas
docentes, porque actúan de forma combinada y más bien son
instrumentos de ayuda, según la situación inicial que se tome
como punto de partida.
• Otras, como la siguiente, son denominadas básicas por su
gran influencia y jerarquía en la formulación, sin embargo,
tanto las complementarias como las básicas se utilizan de
forma combinada en la práctica.
• 4.-Integración por inclusión.
Es una técnica muy sencilla, cuyo procedimiento es asequible a
cualesquier sujeto. Consiste en elaborarla de forma tal que las
incógnitas de los diferentes incisos mantengan una
dependencia sucesiva en forma de cadena, como el ejemplo de
la página 37, donde fueron caracterizados los sistemas
semiabiertos, para luego eliminar los iniciales y solo dejar la
incógnita final.

• 5.-Reformulación.
Consiste en reconstruir la estructura gramatical y de sistema
mediante procesos de innovación. Se diferencia de la analogía
por la profundidad de los cambios introducidos, puesto que se
parte de un ejemplo concreto que debe ser modificado y no de
recuerdos que pueden ser borrosos y a veces confusos
1.6 Etapas de un proyectos de
simulació n
• 6.-Fusión de tareas (o contenidos) auxiliares.
Consiste en fusionar dos o más contenidos (que pueden o no
proceder de otras tareas), mediante los mecanismos de la
integración externa o interna, para obtener otra con un mayor
nivel de complejidad. Para poner en práctica las técnicas
analizadas, es necesario aclarar que casi nunca se emplean de
forma aislada, más bien en forma asociada como conjunto,
por ejemplo cuando se selecciona la reformulación, ella va
acompañada de otras complementarias como la modelación y
el tanteo-error, entre otras.
1.7 Elementos bá sicos de un
simulador de eventos discretos
• La simulación por computadora ha tenido un desarrollo
simultáneo con la vertiginosa evolución de los computadores
desde la segunda guerra mundial. Con ella se pretende
resolver o comprender una amplia gama de problemas, desde
la biología hasta ciencias sociales, donde no se cuenta con una
solución analítica. A continuación se nombrará las principales
vertientes de la simulación por computadora y sus usos más
comunes.
1.7 Elementos bá sicos de un
simulador de eventos discretos
• I. Simulación estática:
• Consiste en un conjunto de ecuaciones relacionadas entre sí,
donde típicamente el tiempo se mide en intervalos discretos
definidos. Un ejemplo típico de este tipo de simulación es una
hoja de Excel con un modelo económico, por ejemplo de un
PYG, puede incluir o no variabilidad (para el ejemplo de la hoja
de cálculo se puede hacer mediante complementos como
Cristal Ball).
1.7 Elementos bá sicos de un
simulador de eventos discretos
• II. Simulación contínua:
• Es aquella en donde las variables de estado cambian de forma
continua. Para ello se desarrolla una solución numérica de
ecuaciones diferenciales simultáneas. Periódicamente, el
programa de simulación resuelve todas las ecuaciones y usa
los resultados para cambiar el valor de las variables de estado
de la simulación[1]. Algunas áreas en donde se usa esta
técnica son: ecología, procesos químicos, comportamientos
sociales, análisis de comportamiento del consumidor,
desarrollo organizacional, problemas matemáticos y físicos.
1.7 Elementos bá sicos de un
simulador de eventos discretos
• III. Simulación de eventos discretos:
• En este tipo de simulación se generan y administran eventos
en el tiempo por medio de una cola de eventos ordenada
según el tiempo de simulación en que deben ocurrir y de esta
forma el simulador lee de la cola y dispara nuevos eventos.

• Entre otros un evento puede ser: la llegada de un cliente, la


llegada de un camión, el inicio del proceso de una pieza, la
finalización de un proceso de fabricación. Esta modalidad de
simulación se usa típicamente en el diseño de la mayoría de
eslabones de la cadena de suministro tales como: líneas de
producción, plantas de procesamiento, bodegas de materia
prima, bodegas de producto terminado, puntos de atención a
clientes, hospitales, centros de atención médica.
1.7 Elementos bá sicos de un
simulador de eventos discretos
• Por qué simulación de eventos discretos
• I. Facilidad de modelamiento:
• En general la simulación de eventos discretos permite modelar
situaciones de alto nivel de complejidad con funciones
relativamente sencillas, de esta forma es posible construir modelos
que representen la realidad en el nivel de detalle deseado, por
ejemplo el diseño de un modelo de un centro de distribución con
recibo, almacenamiento, picking de estibas, zona de fast picking,
alistamiento y despacho.
• II. Estadísticas e indicadores:
• Dada la estructura de la simulación de eventos discretos es posible
obtener todo tipo de estadísticas e indicadores relevantes a la
operación modelada, inclusive se puede obtener información que
muchas veces en los sistemas reales sería inimaginable tener, como
por ejemplo: diagramas de gantt de las piezas en proceso, utilización
de los recursos humanos, diagrama de gantt de los recursos
utilizados, tiempos de ciclo de piezas en proceso).
1.7 Elementos bá sicos de un
simulador de eventos discretos
• Puntos a tener en cuenta en el desarrollo de un proyecto de
simulación de eventos discretos
• En el desarrollo de un proyecto de simulación es importante
tener una metodología de desarrollo y entendimiento del
proyecto, a continuación evidencio de forma resumida la
metodología que le recomiendo seguir para este tipo de
proyectos.
1.7 Elementos bá sicos de un
simulador de eventos discretos
• I. Definición de objetivos, alcance y de medidas de desempeño
a evaluar
• Antes de iniciar la construcción del modelo se debe definir
cuál es el objetivo y alcance último del proyecto que debería
ser de la forma: ¿cuál es el diseño más adecuado de bodega?,
¿cuál es la mejor configuración de la línea?, ¿cuál es el
impacto de realizar los cambios que propone la junta o
comité? Una vez definido el objetivo se debe determinar qué
indicadores son los adecuados para cuantificar los efectos de
mejoras potenciales, estos podrían ser: nivel de servicio,
tiempo de ciclo promedio, entidades en proceso máximas y
throughput entre otros.
1.7 Elementos bá sicos de un
simulador de eventos discretos
• II. Definición del nivel de detalle adecuado
• Una vez definido el objetivo e indicadores a evaluar, se
procede a establecer el nivel de detalle que se debe trabajar,
esto depende principalmente de que los indicadores que se
hayan definido sean relevantes para la operación. Según estos
las entidades podrían ser definidas como, camiones, pallets,
cajas, unidades sueltas, unidades sueltas de fresa, etc. Este
paso es de los más críticos y determinantes de éxito dentro
del proyecto, pues por ejemplo si se quisiera evaluar el
número de montacargas y de muelles en una bodega de
productos de consumo masivo y se definió que el indicador
base del proyecto es el número de estibas despachadas en un
turno, carecería de sentido simular al nivel de detalle de las
unidades sueltas por referencia, sabor y color.
1.7 Elementos bá sicos de un
simulador de eventos discretos
• III. Construcción del modelo base
• El objetivo en este punto es construir un modelo pivote robusto y válido
sobre el cual se harán los cambios en los escenarios. En la construcción
del modelo base existen cuatro etapas asociadas:
1. Construcción: Consiste en desarrollar la lógica del modelo de forma que
represente el sistema real.
2. Calibración: en esta etapa se incluyen los valores de variables de
entrada al modelo, tales como, tiempos de proceso, demanda, fallos de
máquinas, etc.
3. Verificación: en esta fase se compara las salidas del modelo con las
salidas esperadas, por ejemplo en throughput, inventarios, etc. Para
esta etapa es recomendable someter el modelo a situaciones extremas
para verificar que la lógica o comportamiento sean los esperados.
4. Validación: aquí se comparan las salidas del modelo con resultados
históricos del sistema real, se recomienda hacer uso de estadísticas
como intervalos de confianza y pruebas de hipótesis.
1.7 Elementos bá sicos de un
simulador de eventos discretos
• Anteriormente se nombraron algunos objetos típicos de la
simulación de eventos discretos, a continuación quisiera
nombrar algunas características que debería tener su paquete
de simulación para hacerle la vida más fácil.
1.7 Elementos bá sicos de un
simulador de eventos discretos
• IV. Soporte a la entrada de datos probabilísticos
• En la etapa de calibración del modelo se deben definir el
comportamiento aleatorio que mejor representan los datos
del sistema, este trabajo puede ser en extremo tedioso si no
se cuenta con una herramienta de soporte.
1.7 Elementos bá sicos de un
simulador de eventos discretos
• V. Administrador de escenarios
• En la corrida de escenarios, en muchos casos, es probable que
se quiera realizar comparación de varios escenarios en donde
el cambio sea el aumento o disminución de una variable
específica, en este trabajo, una herramienta de administrador
de escenarios puede facilitarle considerablemente el trabajo.
1.7 Elementos bá sicos de un
simulador de eventos discretos
• VI. Salidas, resultados y gráficas
• En general los simuladores le permiten desarrollar cálculos
para obtener diferentes estadísticas, sin embargo si su
paquete de simulación le ofrece estadísticas y gráficos podría
ahorrarse largas horas de trabajo.
Ventajas de la Simulacion
No es necesario interrumpir las operaciones de la compañía.
Proporciona muchos tipos de alternativas posibles de explorar.
La simulación proporciona un método más simple de solución cuando
los procedimientos matemáticos son complejos y difíciles.
La simulación proporciona un control total sobre el tiempo, debido a
que un fenómeno se puede acelerar.
En algunos casos, la simulación es el único medio para lograr una
solución.
Generalmente es más barato mejorar el sistema vía simulación que
hacerlo en el sistema real.
Auxilia el proceso de innovación ya que permite al experimentador
observar y jugar con el sistema.
Ventajas de la Simulacion
 Es mucho más sencillo visualizar y comprender los métodos
de simulación que los métodos puramente analíticos. Da un
entendimiento profundo del sistema

 Los métodos analíticos se desarrollan casi siempre


relativamente sencillos donde suele hacerse un gran número
de suposiciones simplificaciones, mientras que en los
métodos de simulación es posible analizar sistemas de mayor
complejidad o con menor detalle.

 Una vez construido el modelo se puede modificar de una


manera rápida con el fin de analizar diferentes políticas o
escenario. Permite análisis de sensibilidad
Da soluciones a problemas "sin" solución analítica

Permite analizar el efecto sobre el rendimiento global de un sistema, de


pequeños cambios realizados en una o varias de sus componentes

A partir de la experimentación con un modelo, es posible analizar los


efectos sobre el sistema real de cambios organizativos, o de cambios en la
gestión de la información.

El análisis del modelo del sistema puede permitir la sugerencia de


posibles mejoras del sistema real, así como detectar las variables más
influyentes en el rendimiento del mismo.

Permite la experimentación en condiciones que podrían ser peligrosas o


de elevado coste económico en el sistema real.
El análisis del modelo del sistema puede permitir la sugerencia de
posibles mejoras del sistema real, así como detectar las variables
más influyentes en el rendimiento del mismo.

Permite la experimentación en condiciones que podrían ser


peligrosas o de elevado coste económico en el sistema real.

Permite responder muy satisfactoriamente a preguntas del tipo


“qué ocurriría si realizamos este cambio en ...”

Contribuye a la reducción del riesgo inherente a la toma de


decisiones.

La simulación suele ser utilizada también con una perspectiva


pedagógica para ilustrar y facilitar la comprensión de los
resultados que se obtienen mediante las técnicas analíticas
Desventajas de la simulacion
 La simulación es imprecisa, y no se puede medir el grado de
su imprecisión.

 Los resultados de simulación son numéricos; por tanto, surge


el peligro de atribuir a los números un grado mayor de
validez y precisión.
 Los modelos de simulación no dan soluciones óptimas

 La solución de un modelo de simulación puede dar al


análisis un falso sentido de seguridad.

 Los modelos de simulación en una computadora son costosos


y requieren mucho tiempo para desarrollarse y validarse.
Desventajas de la simulacion
 Requiere "largos" periodos de desarrollo
 Es difícil aceptar los modelos de simulación y difícil de
vender.
 Los directivos generan todas las condiciones y restricciones
para analizar las soluciones. El modelo de simulación no
produce respuestas por si mismo.

 Cada modelo de simulación es único. Las soluciones e


inferencias no son usualmente transferibles a otros
problemas
Repaso
Que es simulacion?
Conceptos basicos de simulacion: Modelacion, Modelo.
Tipos de modelo.
Cuantos y cuales son los pasos de la metodologia de la

ING. EDNA GABRIELA CEJA


simulacion.
Conceptos basicos de sistemas: Entidad y relacion, estructura y
estado.
Etapas de un modelo de simulacion.
TAREAS
• TAREA 1 • TAREA 2
Definiciones en la libreta Resumen de la unidad,
para el día 06 de escrito en la libreta
Octubre del 2018: para el día jueves 06
• Simulación de Octubre del 2018.

ING. EDNA GABRIELA CEJA


• Modelo
• Clasificación formal de
modelos de simulación
• Tipos de simulación
• Tipos de simulaciones
por ordenador
• Elementos de una
simulación por
ordenador
INVESTIGACION

ING. EDNA GABRIELA CEJA


Bibliografía
• Law, A.M. and Kelton W.D. “Simulation Modeling and
Analysis”. Ed. McGraw-Hill, 2000.
• J. Banks. “Handbook of Simulation”. Ed. J. Wiley, 1998.
• Ross, S.M. “A Course in Simulation”. Ed. Macmillan, 1999.

ING. EDNA GABRIELA CEJA


• Ripley B. “Stochastic Simulation”. Ed. J. Wiley, 1987.
• W. David Kelton, Randall P. Sadowski. “Simulation with
Arena”. Ed. Mcgraw- Hill, 1998.
• G. S. Fishman. “Montecarlo”. Ed. Springer Verlag, 1996.
• Simulación de sistemas discretos. J. Barceló Ed. Isdefe 1996