1.2 Metodologa de Sistemas

La simulacin se basa en la resolucin de problemas que ha sido utilizada durante muchos aos, a veces conocida

como el mtodo de construccin de modelos o ms comnmente el mtodo cientfico. Por lo tanto, cuando se usa la

simulacin de sistemas para resolver un problema, los siguientes pasos en el tiempo, o etapas, son aplicados.

1. Observacin del sistema.

2. Formulacin de hiptesis o teoras que explican el comportamiento observado.

3. Prediccin del comportamiento futuro del sistema basado en la suposicin de que las hiptesis son correctas.

4. Comparacin del comportamiento predicho con el comportamiento real.

El sistema que se est estudiando puede imponer limitaciones a determinados pasos de este mtodo cientfico.

Considere la simulacin de un sistema que todava no existe. Obviamente, la observacin de un sistema de este tipo no es

posible, pero la simulacin de un sistema de este tipo todava puede ser posible si el anlisis se lleva a cabo con cuidado y

si se conocen los requisitos del sistema final. Los requisitos del mtodo cientfico para la observacin previa del sistema

han dado lugar al desarrollo de un enfoque ligeramente diferente a la resolucin de problemas, llamada metodologa de

sistemas. Esta metodologa ilustrada en la figura 1.3, consiste en cuatro fases: planificacin, modelado, validacin, y

aplicacin. La correspondencia entre las distintas fases de la metodologa del sistema y los pasos apropiados del mtodo

cientfico debe ser obvia.

Figura 1.3. Metodologa de simulacin con retroalimentacin

1.2.1 Planificacin

La fase inicial de este proceso de resolucin de problemas es la planificacin (ver Tabla 1.1). La planificacin, o

fase de pre-modelado incluye el encuentro inicial con el sistema, el problema a resolver, y los factores relacionados con

el sistema y su entorno que puedan afectar a la solucin del problema.

La fase de planificacin consiste principalmente en la definicin del problema, el anlisis de los requisitos del

sistema y de datos, y la disponibilidad de recursos. Esto puede implicar el desarrollo de estimaciones de tiempo en bruto y

anlisis de procesos, la consideracin con respecto a la naturaleza del tipo de sistema (estocstico, dinmico, etc.), y una

determinacin de los aspectos importantes del sistema. Una cuidadosa consideracin de los objetivos del modelo y del

sistema es importante.

a. Formulacin del Problema

El primer paso en cualquier esfuerzo de anlisis es definir claramente el problema y el alcance. Esto incluye una

evaluacin del marco de tiempo disponible; la informacin que se desea y la forma en que se utilizar; una definicin de

los lmites del sistema, as como un anlisis de los supuestos necesarios para adherirse a las definiciones de contorno; y un

plan preliminar (plan conceptual) sobre cmo llevar a cabo este anlisis.

Tabla 1.1 Metodologa de Simulacin

Planificacin Formulacin del Problema

Estimacin de Recursos

Anlisis del Sistema y Datos

Calendario

Medidas de desempeo

Lmites del sistema

Plan de proyecto preliminar

Modelado Construccin del modelo

Adquisicin de Datos

Verificacin/Validacin Verificacin

Validacin

Aplicacin Experimentacin

Anlisis

Implementacin/Documentacin

Una definicin clara facilitar la comunicacin, aclarar las expectativas y ofrecer un trabajo de base para el

desarrollo del plan preliminar o conceptual. Un plan factible permitir la estimacin de costos, la programacin, la

asignacin de personal y la definicin de puntos de control. El plan factible tambin debe incluir restricciones de marcos

de tiempo basado en los ciclos econmicos, las justificaciones de recursos, acuerdos contractuales, gestin de edictos, y

sobre todo la idea de que con el desarrollo del modelo de simulacin habr refinamiento iterativo, modificaciones y

mejoras de diversos grados de granularidad establecidos en puntos de control. Los plazos para presentaciones preliminares

y finales se deben establecer. Estos deben, por supuesto, permitir cierta flexibilidad resultante del conocimiento posterior.

Definicin del problema incluyendo una declaracin del

objetivo de resolucin del problema.

Tiempo, costo, gestin de personal.

Abstraccin del sistema en relaciones matemticas (simblicas) con

la formulacin del problema.

Identificacin, especificacin y coleccin de datos.

El proceso de establecer que el programa se ejecuta segn lo

previsto.

Establecer un nivel de precisin deseado entre el modelo y el

sistema real.

La ejecucin del modelo de simulacin para obtener valores

de salida (diseo de experimentos).

Analizar los resultados de la experimentacin y para sacar

conclusiones y hacer recomendaciones para la resolucin de

problemas.

Proceso de implementacin de las decisiones resultantes de la

simulacin y documentacin del modelo y su uso.

Preparacin y depuracin del modelo para proceso

computarizado.

Traduccin del Modelo

Otro aspecto de la formulacin del problema tiene que ver con la determinacin de cmo el usuario final est a la

espera para utilizar los resultados del modelo de simulacin. Es importante sealar que los modelos de simulacin pueden

proporcionar no slo la media de los indicadores de desempeo, sino tambin las variaciones, los extremos, e incluso

series de tiempo. Esto es importante desde el diseo del sistema y la operacin con frecuencia se refiere a extremos y

variaciones, tanto o ms que el promedio. Ejemplos de medidas tpicas de rendimiento se dan en la Tabla 1.2.

Tabla 1.2 Ejemplo de medidas de desempeo

Medida de desempeo Ejemplo

Rendimiento Nmero, volumen, peso de las entidades producidas en un perodo de tiempo (sistema o componente) - por el tipo de entidad.

Nmero, volumen, peso de las entidades producidas o procesadas por unidad de tiempo (tasa de produccin) - por tipo de entidad.

Tiempo entre la entidad o salidas de entidad por lotes del sistema.

Capacidad para

encontrar los plazos Tiempo para producir o procesar un nmero especfico de entidades.

Tiempo en el sistema para las entidades (tiempo de flujo).

Retraso de entidad (tiempo entre la finalizacin y la fecha lmite de finalizacin).

Tardanza de entidad (tiempo entre la finalizacin y la fecha de vencimiento de la terminacin, si la finalizacin se produjo despus de la fecha de vencimiento;

de lo contrario no se observa ninguna tardanza.)

Ciclos de trabajo de

operacin El nmero de entidades que fueron bloqueadas.

El tiempo que las entidades

El tiempo entre llegadas de entidad.

El tiempo de ciclo por entidad procesada.

El nmero de veces que un recurso se adelant de una operacin.

Utilizacin de recursos Fraccin de tiempo que un recurso en particular est ocupado, inactivo, inoperante, bloqueado, o en espera.

El nmero de proporciones de recursos que estn ocupados, inactivos, inoperantes, bloqueados, o en espera.

Utilizacin de

almacenamiento El nmero de entidades que esperan por un recurso en particular.

El nmero de entidades esperando por cualquier recurso.

El nmero de entidades que se resisten (desbordamiento) desde un rea de almacenamiento determinada.

Costos Costos por operar una unidad por una cantidad de tiempo.

Costos de mantenimiento de inventario.

Desperdicios.

Costos por cantidad de material producido.

Rendimiento Cantidad de desperdicios generados durante un periodo de tiempo.

Nmero de rechazos generados durante un periodo de tiempo.

Porcentaje de entidades fciles de enviar.

Porcentaje de peso entregable.

Mientras que los modelos de simulacin son capaces de producir prcticamente cualquier tipo de salida o detalle

de informacin que se desee, a menudo hay una diferencia de coste considerable. As el simulacionista debe definir la

informacin que es necesaria para apoyar cualquier proceso de decisin requerida, priorizar las posibilidades restantes, y

mantener esta lista de compras durante el esfuerzo del modelo de alcance.

BoadaNota adhesivaNo supe ni pude hacer la traduccin completa de esta oracin

Otra tarea necesaria durante la formulacin del problema, es el de establecer los lmites del sistema. Los lmites

del sistema se ocupan de establecer las extensiones del sistema y los supuestos necesarios para cumplir con las

definiciones de lmites del sistema. La medida inicial de una simulacin debe limitarse, independiente de cualquier marco

de tiempo dado, resultando en una retroalimentacin ms rpida, probando la aceptabilidad de los resultados y formatos, y

proporcionando resultados preliminares.

Por ltimo, se debe establecer un plan de proyecto preliminar. Esto es necesario porque el proceso de modelado

de simulacin es de carcter interdisciplinario, con mltiples niveles de informacin, y muchos puntos de decisin

utilizados para evaluar el progreso. Mientras que este plan es preliminar y necesariamente se revisar y se reutilizar como

el proyecto avanza, debe incluir la duracin de las actividades, los recursos necesarios y disponibles, y la disponibilidad

de personal requerido.

b. Estimacin de recursos

Una vez que el problema ha sido claramente definido, una vez que el problema ha sido claramente definido, una

estimacin de los recursos necesarios para recopilar datos y analizar el problema (del sistema) se puede hacer. Recursos

como tiempo, dinero, personal y equipos especiales deben ser considerados. Si los recursos cruciales no estn disponibles,

la solucin del problema puede ser juzgada inviable antes de gastar una cantidad significativa de tiempo o dinero. La

alternativa a la interrupcin del proyecto es modificar la definicin del problema. El problema se puede replantear de

manera que se puede resolver con xito con los recursos disponibles. En algunos casos, esta limitacin puede significar la

solucin de un problema menos ambicioso. La importancia de esta estimacin inicial de recursos no se puede exagerar; es

claramente ms deseable modificar objetivos en una etapa temprana que caer corto porque los recursos cruciales no estn

disponibles.

c. Anlisis de Sistema y Datos

La siguiente tarea importante en la fase de planificacin es analizar el sistema. En esta fase el analista intenta

familiarizarse con todos los aspectos pertinentes del problema en estudio. Una bsqueda literaria exhaustiva para

descubrir enfoques anteriores a problemas similares pueden resultar tiles en la eleccin de los posibles cursos de accin.

Consultar con otras personas calificadas puede dar una idea de los aspectos del problema que el investigador principal ha

pasado por alto o a malentendido. La importancia de este anlisis inicial del problema no debe ser subestimada. El analista

debe estar dispuesto a pasar el tiempo y el esfuerzo necesario para comprender plenamente el sistema o problema en

estudio. Muchos proyectos han fracasado o incurrido en excesos en los costos o el tiempo debido a una inadecuada

comprensin del proyecto.

En esta etapa cualquier funcin(es) objetivo para calcular las medidas de desempeo para evaluar soluciones

alternativas del modelo de simulacin, y todos los parmetros y variables preliminares han sido identificados. Adems,

parmetros y variables tendrn que ser identificadas con respecto a las condiciones iniciales y la disponibilidad de

recursos. Se necesitan datos para estimar los valores de las constantes y parmetros, iniciando los valores para todas las

variables, y para la validacin de salida de la simulacin.

Datos sobre el comportamiento de las variables y parmetros incontrolables exgenos pueden obtenerse a partir de

datos histricos, mtodos tericos, y las estimaciones subjetivas de distribucin. Los datos histricos que deben utilizarse

para variables incontrolables endgenas as como la validacin deben ser divididos en dos grupos independientes distintos

(o como mucho independiente como sea posible). Un resumen de los diferentes tipos de variables se da en la Tabla 1.3,

mientras que su interrelacin lgica se ilustra en la Tabla 1.4.

Tabla 1.3 Tipos de Variables

Variables relevantes Caracterstica o atributo de sistema que adquiere diferentes valores y que afecta la

medida del rendimiento.

Parmetro Caracterstica o atributo con un solo valor. Se puede cambiar a medida que se

estudian diferentes alternativas.

Factor Exgeno

Parmetro o variable que tiene un valor que afecta, pero no es afectado en s

mismo por el sistema.

Tal como un factor en el entorno del sistema.

Factor Endgeno Parmetro o variable que tiene un valor determinado por otros en el sistema.

Variables Controlables Establecidas por quien toma las decisiones durante el anlisis. Estas se fijaran de

acuerdo a un diseo experimental o procedimiento de bsqueda.

Variables Incontrolables

Entradas para el modelo para representar las partes pertinentes asumidas para ser

externas al sistema. El valor especfico de cada una es requerido como condicin

de partida.

Estimacin de Dinmica Exgena

Series de tiempo

Distribucin

Consideraciones tericas

Anlisis estadstico de datos histricos

Estimacin de Dinmica Endgena Variables que se pueden predecir por el modelo. Las estimaciones de sus valores

son usadas para comenzar la simulacin.

Antes de que la construccin de modelos deba comenzar, el equipo del proyecto debe considerar el nivel de

detalle del anlisis, de los resultados, y los lmites del anlisis. En esta etapa, el plan es preliminar con nfasis en las

consideraciones estratgicas. Como en los proyectos procede ms informacin se permitir el refinamiento iterativo del

plan. As como el alcance del sistema necesita ser limitado y entendido, el alcance del anlisis necesita ser limitado. Las

conclusiones ms all de los lmites del modelo no son apropiadas; los anlisis de sensibilidad son infinitos y deben

limitarse; las evaluaciones estadsticas rigurosas pueden o no ser factibles o incluso deseables; y finalmente las

comparaciones relativas pueden ser apropiadas en lugar de asumir que las salidas son indicadores absolutos.

Tabla 1.4 Interrelaciones de Variables de Simulacin

Controlable Incontrolable

Esttica Dinmica Esttica Dinmica

Exgenas

Fijada por

procedimiento

de bsqueda

Las polticas

cambian con

el tiempo

Se deben estimar para

determinar los valores

iniciales y los cambios a

travs del tiempo Datos histricos para

validacin

Endgenas

No existen Parmetro

Incluye

medidas de

rendimiento

Datos histricos para

validacin

Deben estimar los valores de

partida

1.2.2 Modelado

La segunda fase del proceso de resolucin de problemas es la fase de modelado (ver Tabla 1.5). En esta fase el

analista construye un modelo del sistema, que es una representacin del sistema real. Un modelo puede ser descrito como

el cuerpo de informacin sobre un sistema acumulado para el propsito de estudiar el sistema. Es decir, que no slo es una

coleccin de informacin, sino tambin una representacin ordenada o estructuracin ordenada de la informacin.

Tabla 1.5 Metodologa de Simulacin

Planificacin Formulacin del Problema

Estimacin de Recursos

Anlisis del Sistema y Datos

Calendario

Medidas de desempeo

Lmites del sistema

Plan de proyecto preliminar

Modelado Construccin del modelo

Adquisicin de Datos

Alcance del modelo

Niveles de detalle

Submodelos

Variable/parmetro de estimacin

Programacin

Depuracin

Verificacin/Validacin Verificacin

Validacin

Aplicacin Experimentacin

Anlisis

Implementacin/Documentacin

Las caractersticas de este modelo deben ser representativas de las caractersticas del sistema real. Note el uso del

trmino representativas en lugar de idnticas. Muchos sistemas reales son tan complejos que un modelo con

caractersticas idnticas a las del sistema real sera igualmente complejo y por lo tanto difcil de manejar o

prohibitivamente caro. Una de las metas en esta fase, entonces, es seleccionar un conjunto mnimo de caractersticas del

sistema para que el modelo se aproxime al sistema real y todava siga siendo rentable y manejable. El modelo incluye

estas caractersticas y un conjunto bien definido de relaciones entre estas caractersticas.

Definicin del problema incluyendo una declaracin del

objetivo de resolucin del problema.

Tiempo, costo, gestin de personal.

Abstraccin del sistema en relaciones matemticas (simblicas) con

la formulacin del problema.

Identificacin, especificacin y coleccin de datos.

El proceso de establecer que el programa se ejecuta segn lo

previsto.

Establecer un nivel de precisin deseado entre el modelo y el

sistema real.

La ejecucin del modelo de simulacin para obtener valores

de salida (diseo de experimentos).

Analizar los resultados de la experimentacin y para sacar

conclusiones y hacer recomendaciones para la resolucin de

problemas.

Proceso de implementacin de las decisiones resultantes de la

simulacin y documentacin del modelo y su uso.

Preparacin y depuracin del modelo para proceso

computarizado.

Traduccin del Modelo

Los modelos pueden ser utilizados como un dispositivo explicativo para definir un sistema o problemas, como un

mecanismo de comunicacin para determinar los elementos del sistema, como un evaluador de diseo para sintetizar y

evaluar las soluciones propuestas a los problemas, como un predictor para pronosticar y ayuda en la planificacin de

desarrollo futuro, como un medio de documentacin, como un dispositivo de entrenamiento, y como mecanismo de

control. El procedimiento de construccin del modelo se da en la Tabla 1.6.

Tabla 1.6 Construccin del Modelo

1. Diagramas del modelo de simulacin preliminares. 2. Construir y desarrollar diagramas de flujo del sistema. 3. Revisin de los modelos de diagramas con el personal del equipo de

proyecto apropiado.

4. Iniciar la recoleccin de datos. 5. Modificar el diseo de arriba hacia abajo, probar y validar para el

grado requerido de granularidad.

6. Completar la coleccin de datos 7. Iterar a travs de los pasos 5 y 6 hasta que se haya alcanzado la

granularidad.

8. Diagramas finales del sistema, traduccin, y verificacin.

Hay muchos tipos de modelos, incluyendo modelos descriptivos, modelos fsicos, modelos matemticos,

diagramas de flujo, esquemas y programas de computador. Los modelos descriptivos son simplemente verbalizaciones de

la composicin del sistema y su respuesta a un estmulo dado. Los modelos fsicos o inicos son facsmiles a escala del

sistema que est siendo analizado; ejemplos son los modelos utilizados para evaluar diseos de aeronaves en los

experimentos en tnel de viento y maquetas de paisajismo y edificios en los estudios de diseo arquitectnico. Los

modelos matemticos son expresiones abstractas de las relaciones entre las variables del sistema; ejemplos de estos

modelos son las leyes de Newton del movimiento y la descripcin de los factores de tensin de una presa que est llena de

agua. La ventaja de los modelos matemticos es que pueden ser manipulados con papel y lpiz. Con estos modelos no es

necesario construir una costosa maqueta del sistema para estudiar su comportamiento. Su desventaja es que la descripcin

precisa de un sistema dado puede requerir una expresin tan complejo que incluso el matemtico ms fcil hara

estremecer. Los diagramas de flujos y esquemas muestran las interacciones lgicas bsicas entre los componentes del

sistema y pueden ser tan detalladas como se desee. Cuando se utiliza como un preludio de modelos de programas de

computadora, los modelos de diagrama de flujo son ayudas valiosas para la programacin y la documentacin del

programa.

a. Alcance del modelo

El alcance del modelo es el proceso de determinar qu proceso, operacin, equipamiento, etc., dentro del sistema

deben ser incluidos en el modelo de simulacin, y en qu nivel de detalle. Cada componente debe ser considerado de

forma independiente para la inclusin con las siguientes pautas en mente: La inclusin del componente en el modelo

afectar significativamente los resultados del anlisis? La inclusin del componente en el modelo afectar la posibilidad

de venta del modelo? Como los componentes son considerados para la inclusin, lo siguiente debe ser estimado:

1. La exactitud del modelo en general.

2. La exactitud requerida para un anlisis eficaz.

3. Los efectos operativos de la inclusin de este componente.

4. La disponibilidad y exactitud de los datos en relacin con el componente.

5. El efecto de eliminar el componente del modelo.

6. El coste, tanto en trminos de tiempo y esfuerzo, para incluir el componente.

b. Nivel de detalle

El nivel de detalle con el que se incluyen componentes del modelo debe ser determinado por el efecto de los

componentes sobre los resultados del anlisis, y el efecto del componente sobre la posibilidad de venta del anlisis. Como

se considera el nivel de detalle, las consideraciones anteriores para el modelo de alcance deben ser reconsideradas y

reexaminadas. El uso de submodelos estndar para representar partes fijas de un sistema puede ahorrar tiempo, pero

pueden conducir a niveles mixtos de detalle. En consecuencia, el nivel apropiado de detalle del modelo variar segn el

objetivo del modelo. Porque dos modelos, ambos representando un componente similar, pueden implementar el

componente de una manera diferente, cada componente debe ser evaluado desde el punto de vista de la inclusin/omisin

y nivel de detalle.

Despus del alcance, el plan del proyecto preliminar debe volver a ser cuidadosamente reevaluado y refinado

como sea necesario.

c. Modelado del Subsistema

Si el sistema estudiado es tan complejo que ningn modelo representativo se puede usar, entonces la tcnica de

reduccin del problema conocido o modelado del subsistema, es un enfoque alternativo. En este enfoque, el sistema se

divide en una coleccin de subsistemas menos complejos. Cada uno de estos subsistemas es modelado, y se construye un

modelo de sistema general vinculando los modelos del subsistema apropiadamente. Este enfoque por supuesto requiere

que los subsistemas se puedan fcilmente modelar, identificarse y aislarse.

Se han utilizado tres enfoques generales en la definicin o identificacin de subsistemas. El primer mtodo,

denominado el enfoque del flujo, se ha utilizado para analizar los sistemas caracterizados por el flujo de elementos fsicos

o de informacin a travs del sistema. Si el sistema a modelar es una planta de ensamblaje de automviles, el enfoque de

flujo parecera ser una forma viable de romper este sistema en subsistemas. En el enfoque del flujo los subsistemas se

identifican mediante la agrupacin de los aspectos del sistema que producen un cambio fsico o informacin particular en

la entidad de flujo.

Una segunda tcnica utilizada en la identificacin de subsistemas es el enfoque funcional. Esta tcnica es til

cuando no hay entidades fluyendo directamente observables en el sistema. En cambio, una secuencia lgica de

funciones realizadas debe ser identificada. Las caractersticas del sistema que realizan una funcin dada son agrupadas

para formar un subsistema. Este enfoque puede ser usado en procesos de fabricacin que no usen lneas de ensamblaje.

El tercer mtodo para identificar o aislar subsistemas se denomina enfoque de cambio de estado. Este

procedimiento es til en sistemas que son caracterizados por un gran nmero de relaciones interdependientes y que deben

ser examinados en intervalos regulares para detectar cambios de estado. Las caractersticas del sistema que responden al

mismo estmulo o conjunto de estmulos son agrupadas entonces para formar un subsistema.

Una vez que los subsistemas han sido identificados y aislados, deben ser modelados. Por supuesto, los

subsistemas pueden a su vez subdividirse en sub-subsistemas, y as sucesivamente, en la medida en que sea necesario. El

objetivo es subdividir el sistema total de tal modo que cada subsistema es fcilmente comprensible y fcilmente

identificado. Si los subsistemas no pueden ser identificados y aislados, el analista no tiene otra opcin, slo modelar el

sistema entero con un modelo nico y esperar que este modelo grande sea manejable. Si el enfoque del subsistema ha sido

usado, los submodelos deben estar vinculados a un modelo del sistema general. Las interacciones lgicas de los

subsistemas deben ser identificadas e implementadas en una forma compatible con el modelo general.

d. Estimacin de parmetros y variables

Otra de las tareas en la fase de modelado (programacin) de un estudio de simulacin es la estimacin de los

parmetros y variables del sistema. En este punto los datos del mundo real son resumidos en una descripcin estadstica

manejable de las caractersticas del sistema. Esto es comnmente hecho coleccionando datos durante algn perodo de

tiempo y luego calculando una distribucin de frecuencia para las variables deseadas. Una serie de obstculos esperan el

investigador confiado en la recoleccin e interpretacin de datos. El costo en trminos de tiempo, dinero y personal puede

llegar a ser prohibitivo; los datos pueden ser incompletos o inexactos; los datos pueden contener interdependencias no

sospechadas, periodicidades o complejidades; el mtodo de coleccin puede introducir un sesgo inadvertido en los datos.

Por ejemplo, los valores pueden ser representados como series de tiempo como otras interacciones complejas. Los datos

podran ser una resultante de la interaccin de diversas variables exgenas del modelo pero estn relacionados con el

mundo externo (es decir, multicolinealidad) o donde hay una relacin entre las variaciones en los trminos de error

(hederosedarity). El fracaso de reconocer e identificar tales complicaciones puede hacer que la salida de simulacin

prediga el comportamiento del sistema. Aparte del coste inherente a la recoleccin de datos, la mayora de estas

dificultades se pueden evitar mediante el uso de diseos de procedimientos experimentales.

La adquisicin de datos es la identificacin, especificacin y coleccin de datos para apoyar el modelo. Esta tarea

es realizada para apoyar el modelo definido. Muchos otros datos haban sido examinados antes, pero no definen lmites,

alcance del modelo y nivel de detalle.

La recoleccin y verificacin de datos es a menudo la tarea ms lenta y costosa en simulacin. Los datos son

generalmente el factor limitante en el alcance del modelo, nivel de detalle y practicidad. Algunas pautas importantes se

dan en la Tabla 1.7.

Si el modelo es un programa de computadora, como es el caso en un modelo de simulacin, la fase de modelado

tambin implica la seleccin del lenguaje en el cual el programa debe ser escrito. Un nmero de consideraciones

determinan la eleccin de un lenguaje de programacin, incluyendo la dificultad de traducir el modelo y las

interrelaciones en el lenguaje, la presencia o ausencia de instalaciones en el lenguaje para apoyar tales actividades de

rutina como manejo de colas, generacin de nmeros aleatorios, y formato de salida, y la familiaridad del analista con el

lenguaje. Un paso crucial en el uso de un programa de computadora para modelar un sistema es la construccin de

flujogramas detallados del sistema. Aunque han cado en la desaprobacin en los ltimos aos (algunos son incluso

escritos despus del programa), los flujogramas proporcionan una representacin visual de la lgica del programa y sirven

como documentacin del programa despus de que la lgica ha sido traducida a cdigo. Como regla general, mejor es la

formulacin del modelo cuando se hace el flujograma, es ms fcil es crear un modelo de programa de computadora

completo del sistema.

Tabla 1.7 Pautas de Recopilacin de Datos

1. La recoleccin de datos es a menudo el cuello de botella del proceso de modelado de simulacin.

2. No todos los datos se encuentran disponibles de forma simultnea. 3. Los modelos de simulacin pueden ser ejercidos con datos

incompletos (especialmente durante la verificacin y validacin de

componentes).

4. Los modelos de simulacin se pueden utilizar para evaluar la sensibilidad con respecto a los datos a priori.

5. Hay que tener mucho cuidado en la distribucin de los resultados de los modelos cuando se utilizan datos incompletos.

Los submodelos deben ser elegidos de tal manera que son tan independientes como sea posible de otros

submodelos. Cada uno puede ser independientemente escrito y probado, y la salida puede ser comparada con datos

histricos sobre la base de un componente.

1.2.3 Validacin / Verificacin

Un modelo es validado por la prueba de que el modelo es una representacin correcta del sistema real. La

validacin no se debe confundir con la verificacin (ver Tabla 1.8). Cuando se verifica un programa de computadora, por

ejemplo, el programa se comprueba para asegurarse de que la lgica hace lo que se pretenda hacer. Un programa de

computadora verificado puede de hecho representar un modelo invlido. El programa puede hacer exactamente lo que

pretenda el programador, sin embargo, no puede representar el funcionamiento del sistema real.

Tabla 1.8 Metodologa de Simulacin

Planificacin Formulacin del Problema

Estimacin de Recursos

Anlisis del Sistema y Datos

Calendario

Medidas de desempeo

Lmites del sistema

Plan de proyecto preliminar

Modelado Construccin del modelo

Adquisicin de Datos

Alcance del modelo

Niveles de detalle

Submodelos

Variable/parmetro de estimacin

Programacin

Depuracin

Verificacin/Validacin Verificacin

Validacin

Aplicacin Experimentacin

Anlisis

Implementacin/Documentacin

La validacin de modelos de simulacin computarizados es una tarea difcil. Hay un considerable desacuerdo

sobre lo que constituye validacin. A pesar de este desacuerdo, hay tcnicas que han probado ser tiles en esta fase del

proceso de simulacin. Una tcnica es comparar los resultados del modelo de simulacin con los resultados

histricamente producidos por el sistema real operando bajo las mismas condiciones. Una segunda tcnica es utilizar el

simulador para predecir los resultados. Las predicciones se comparan luego con los resultados producidos por el sistema

real durante un periodo futuro de tiempo.

Definicin del problema incluyendo una declaracin del

objetivo de resolucin del problema.

Tiempo, costo, gestin de personal.

Abstraccin del sistema en relaciones matemticas (simblicas) con

la formulacin del problema.

Identificacin, especificacin y coleccin de datos.

El proceso de establecer que el programa se ejecuta segn lo

previsto.

Establecer un nivel de precisin deseado entre el modelo y el

sistema real.

La ejecucin del modelo de simulacin para obtener valores

de salida (diseo de experimentos).

Analizar los resultados de la experimentacin y para sacar

conclusiones y hacer recomendaciones para la resolucin de

problemas.

Proceso de implementacin de las decisiones resultantes de la

simulacin y documentacin del modelo y su uso.

Preparacin y depuracin del modelo para proceso

computarizado.

Traduccin del Modelo

Cualquiera que sea la tcnica de validacin utilizada, el mtodo de comparacin de las salidas del sistema real y

las del modelo simulado es bsicamente la misma. Varios procedimientos estadsticos pueden ser usados para determinar

si los datos producidos por el simulador podran haber sido producidos por los sistemas reales y viceversa. Dos de estos

mtodos son la prueba de bondad de ajuste ji-cuadrada y la prueba de Kolmogorov-Smirnov.

La validacin de un modelo de simulacin no es fcil, pero debe ser realizada antes de que el modelo de

simulacin pueda ser usado. La falta de precisin en el proceso de validacin se pone de manifiesto en la literatura por

declaraciones tales como "el 90% de los valores predichos se encuentran dentro del 5% de los valores observados". Si esta

declaracin implica que el simulador es uno bueno o uno malo es dejado a la interpretacin del analista. Tal declaracin

realmente comunica bastante ms informacin que una declaracin como "los resultados obtenidos fueron bastante

buenos.

Al igual que un buen diseo experimental puede ayudar en la recoleccin de datos en la fase de modelado por lo

que puede la validacin ayudar en la correccin del modelo de simulacin. La mayora de los diseos experimentales

estndar requieren que las observaciones sean tomadas en las variables del sistema que pueden ser controladas. El modelo

de simulacin debe operar bajo condiciones idnticas. Slo entonces puede extraerse informacin vlida acerca de la

relacin entre la salida resultante (observaciones) del sistema real y los resultados del modelo de simulacin. En la

mayora de los diseos varios factores pueden variar simultneamente, y por lo tanto puede obtenerse alguna informacin

sobre los efectos interactivos de esos factores. Varios efectos pueden ser estimados de los mismos datos. Un diseo

cuidadoso del experimento de simulacin ser beneficioso a largo plazo.

1.2.4 Aplicacin

Una vez que el modelo ha sido validado adecuadamente, puede ser aplicado para la resolucin de problemas a la

mano. Sin embargo, el desarrollo del modelo de simulacin puede no estar completo todava (ver Tabla 1.9).

Tabla 1.9 Metodologa de Simulacin

Planificacin Formulacin del Problema

Estimacin de Recursos

Anlisis del Sistema y Datos

Calendario

Medidas de desempeo

Lmites del sistema

Plan de proyecto preliminar

Modelado Construccin del modelo

Adquisicin de Datos

Alcance del modelo

Niveles de detalle

Submodelos

Variable/parmetro de estimacin

Programacin

Depuracin

Verificacin/Validacin Verificacin

Validacin

Aplicacin Experimentacin

Anlisis

Implementacin/Documentacin

a. Diseo de Experimentos

Un diseo experimental requiere observacin del sistema bajo combinaciones especficas de aquellas variables

capaces de ser manipuladas. Las ejecuciones de simulacin se hacen bajo estas condiciones de control y las inferencias se

extraen de la relacin entre las variables controlables y las medidas de rendimiento. Previo a la ejecucin de los diseos

experimentales el plan estratgico debe ser revisado y finalizado. Del mismo modo, el plan tctico debe ser revisado. Se

puede requerir un poco de experimentacin inicial para determinar la validez del plan tctico y para finalizarlo.

Definicin del problema incluyendo una declaracin del

objetivo de resolucin del problema.

Tiempo, costo, gestin de personal.

Abstraccin del sistema en relaciones matemticas (simblicas) con

la formulacin del problema.

Identificacin, especificacin y coleccin de datos.

El proceso de establecer que el programa se ejecuta segn lo

previsto.

Establecer un nivel de precisin deseado entre el modelo y el

sistema real.

La ejecucin del modelo de simulacin para obtener valores

de salida (diseo de experimentos).

Analizar los resultados de la experimentacin y para sacar

conclusiones y hacer recomendaciones para la resolucin de

problemas.

Proceso de implementacin de las decisiones resultantes de la

simulacin y documentacin del modelo y su uso.

Preparacin y depuracin del modelo para proceso

computarizado.

Traduccin del Modelo

El grado de la experimentacin depender del costo para estimar las medidas de rendimiento, la sensibilidad de las

medidas de desempeo a variables especficas, y la extensin de las interdependencias entre las variables de control. En

cualquier caso, la experimentacin puede ser en serie o en fases de acuerdo con el plan estratgico/tctico.

b. Anlisis

El anlisis es el proceso de analizar los resultados de las ejecuciones del modelo de simulacin, de los que se

extraen inferencias y se hacen recomendaciones para la resolucin de problemas. El equipo del proyecto debe determinar

qu casos evaluar y qu salidas necesarias se requieren. Desafortunadamente situaciones pueden surgir fcilmente en

modelos de simulacin que resultan en malinterpretar los datos y el anlisis correspondiente. Los factores a considerar

deben incluir lo siguiente:

1. Mala eleccin del generador de nmeros pseudoaleatorios.

2. Tcnica inapropiada para generacin de valor aleatorio.

3. Especificacin de parmetros de entrada incorrecta.

4. Errores de programacin del modelo.

5. Errores de especificacin para el modelo.

6. Duracin de la simulacin.

7. Sensibilidad a los parmetros clave.

8. Errores en la recoleccin de datos en la simulacin.

9. Errores de parmetros de optimizacin.

10. Procedimientos de optimizacin problemticos.

11. Diseo experimental incorrecto.

12. Mala eleccin de los descriptores (parmetros) para estimar.

13. Peculiaridades del mtodo de estimacin.

14. Influencia de las condiciones iniciales en los datos.

15. Distribucin de probabilidad y parmetros estimados.

16. Influencias de las condiciones finales en los datos y en el mtodo de estimacin.

17. Mal uso de las estimaciones.

Tan grande como esta lista podra parecer, los captulos en el resto del libro proporcionarn orientacin suficiente para

superar estas posibles influencias.

c. Implementacin

La implementacin es proceso de poner en prctica las decisiones resultantes de la simulacin y documentacin

del modelo de simulacin y su uso. La probabilidad de implementacin est asociada directamente a la eficacia del

anlisis y la presentacin de los resultados. Los modelos de simulacin y procedimientos de anlisis proporcionan poca, si

alguna, documentacin automtica. Esta tarea es responsabilidad del equipo del proyecto, y debe consistir en un registro

completo de la actividad total del proyecto, no slo una gua de usuario.

La observacin de la salida del modelo puede revelar errores de programacin, la conveniencia de un cambio en la

forma en que el simulador se ha implementado, o incluso la necesidad de reformular o modificar el planteamiento del

problema original. Se ha dicho que ningn programa de computadora est completamente libre de errores. Esto es

especialmente cierto en el caso de modelos de simulacin. Un simulador puede trabajar libre de errores durante un largo

perodo de tiempo hasta que encuentre una nueva y quizs nica combinacin de parmetros de programa que generan el

siguiente error.