Ventajas de La Simulacion

VENTAJAS DE LA SIMULACION
Permite:
Adquirir una rpida experiencia a muy bajo costo y sin riesgos. No se

compromete la confiabilidad del sistema en los ensayos (las aglomeraciones, las largas demoras son simuladas y no reales). Identificar en un sistema complejo aquellas reas con problema ("cuellos de botella") Un estudio sistemtico de alternativas (variaciones uniformes en los parmetros intervinientes imposibles de lograr en un sistema real). Utilizarse en "training" para gerentes/ejecutivos. Un modelo de "juego de empresas" les permite probar sus medidas en el modelo y ver sus resultados luego de pasado el perodo simulado. Se repite el proceso durante varios perodos y cada ejecutivo observa los resultados de sus decisiones. Se analizan errores, se comparan estrategias hallando ventajas y desventajas de cada una. Excelente herramienta para instruccin y entrenamiento de ejecutivos. Ensayar estrategias de guerra, faceta donde primero se emple la simulacin (operaciones de guerra en las llamadas maniobras). En los "juegos de guerra" los oficiales superiores ensayan operaciones de las fuerzas armadas en los campos de batalla. Analizados los resultados se ensayan nuevas operaciones hasta completar la batalla o incluso la guerra. Permite, al igual que el "juego de empresas", analizar errores y comparar estrategias. Todo ello realizado a bajsimo costo. No tiene lmite en cuanto a complejidad. Cuando la introduccin de elementos estocsticos hace imposible un planteo analtico surge la modelizacin como nico medio de atacar el problema. Todo sistema, por complejo que sea, puede ser modelizado, y sobre ese modelo es posible ensayar alternativas. Puede ser aplicada para diseo de sistemas nuevos en los cuales se quieren comparar alternativas muy diversas surgidas de utilizacin de diferentes tecnologas. Puede utilizarse, durante la vida de un sistema, para probar modificaciones antes que estas se implementen (si es que los resultados de la simulacin aconsejan su uso).
DESVENTAJAS DE LA SIMULACION
No se lo debe utilizar cuando existan tcnicas analticas que permitan plantear, resolver y optimizar todo el sistema o alguna parte del mismo. Existe un gran deseo de incluir todo en la simulacin donde los resultados son visibles y comprendidos por todas las personas (especialistas o no), las cuales gustan hacer ensayos. No es posible asegurar que el modelo sea vlido: Se corre el riesgo de tomar medidas errneas basadas en aplicar conclusiones falsas obtenidas mediante un modelo que no representa la realidad. No existe criterio cientfico de seleccin de alternativas a simular (Estrategia). Es posible omitir una buena sugerencia de innovacin simplemente porque a nadie se le ocurri ensayarla. Existe el riesgo de utilizar un modelo fuera de los lmites para el cual fue construido, queriendo realizar ensayos para el cual el modelo no es vlido. Es posible elaborar todo un gran andamiaje de pruebas y resultados falsos, basados en un modelo confiable y vlido bajo otras condiciones.
CLASIFICACION DE LOS MODELOS

Existen mltiples tipos de modelos para representar la realidad. Algunos de ellos son:
Dinmicos: Utilizados para representar sistemas cuyo estado vara con el Estticos: Utilizados para representar sistemas cuyo estado es invariable a
travs del tiempo. Matemticos: Representan la realidad en forma abstracta de muy diversas maneras. Fsicos: Son aquellos en que la realidad es representada por algo tangible, construido en escala o que por lo menos se comporta en forma anloga a esa realidad (maquetas, prototipos, modelos analgicos, etc.). Analticos: La realidad se representa por frmulas matemticas. Estudiar el sistema consiste en operar con esas frmulas matemticas (resolucin de ecuaciones). Numricos: Se tiene el comportamiento numrico de las variables intervinientes. No se obtiene ninguna solucin analtica. Continuos: Representan sistemas cuyos cambios de estado son graduales. Las variables intervinientes son continuas. Discretos: Representan sistemas cuyos cambios de estado son de a saltos. Las variables varan en forma discontinua. Determinsticos: Son modelos cuya solucin para determinadas condiciones es nica y siempre la misma. Estocsticos: Representan sistemas donde los hechos suceden al azar, lo cual no es repetitivo. No se puede asegurar cules acciones ocurren en un determinado instante. Se conoce la probabilidad de ocurrencia y su distribucin probabilstica. (Por ejemplo, llega una persona cada 20 10 segundos, con una distribucin equiprobable dentro del intervalo). Es interesante destacar que algunas veces los modelos y los sistemas no pertenecen al mismo tipo. VALIDACIN DE LOS MODELOS DE SIMULACIN Antes de proceder a la experimentacin, se requiere contar con modelos de simulacin que hayan sido validados. Esto quiere decir que ellos deben representar adecuadamente los procesos o sistemas que se pretenden simular. Bsicamente se espera que ellos sean capaces de reproducir el comportamiento del sistema en cuestin y, tambin que sea capaz de predecir su compartimiento futuro, una vez introducidas las posibles intervenciones que se estudian. La estadstica brinda una amplia gama de posibilidades para la validacin de modelos de simulacin. Se cuenta con herramientas como pruebas y anlisis de tendencias, tcnicas de inferencia estadstica, entre otras. Por ejemplo, se puede validar si el modelo reproduce adecuadamente el tiempo promedio de produccin de piezas en procesos productivos o el tiempo promedio de permanencia de un cliente en sistemas comerciales. Tambin, se pueden realizar pruebas estadsticas de bondad del ajuste entre los resultados que arrojan los experimentos de simulacin y los datos reales que se posean del sistema o proceso en cuestin. tiempo.
ANALISIS DE SENSIBILIDAD El anlisis de sensibilidad tiene por objeto evaluar las variaciones en el comportamiento de las variables cuando se modifican los valores de los parmetros, las constantes, y las condiciones iniciales del sistema. Las constantes y los parmetros pueden modificarse tanto en el transcurso de la simulacin como al inicio de ella. Ms concretamente, se realiza anlisis de sensibilidad para detectar qu tan sensibles son los resultados de la simulacin ante pequeos cambios en los parmetros y en las constantes. El anlisis de sensibilidad debe llevar a reafirmar la validez y robustez de la estructura del modelo, es decir, la relacin entre las variables del mismo. Diferencias protuberantes en los resultados de las simulaciones, debidas a pequeos cambios en los parmetros o en las constantes, pueden indicar: a) que la estructura del modelo no representa adecuadamente al sistema en estudio, y por consiguiente debe haber una reformulacin del mismo; o b) que efectivamente hay variables en el sistema que son sensibles a cambios en los parmetros, y en este caso se cuenta con variables importantes que ameritan un manejo especial. As por ejemplo, ciertas polticas especiales que estn evalundose en estudios de simulacin, puede ser conveniente descartarlas por las anteriores consideraciones de sensibilidad. El anlisis de sensibilidad es de gran ayuda para: Encontrar el rango, o un conjunto de rangos, dentro de los cuales deben moverse los parmetros, las constantes, y las condiciones iniciales, de tal forma que el sistema permanezca estable. Tomar decisiones con el conocimiento de cules son los parmetros que influyen ms sobre unas determinadas variables, y por lo tanto establecer las posibles acciones a tomar con respecto a los mismos. Para realizar anlisis de sensibilidad, primero se selecciona el parmetro que se considera puede afectar los resultados de manera importante, y posteriormente se efectan simulaciones con variaciones porcentuales del mismo. Por ejemplo, es estudia cmo se comportan las variables afectadas por el parmetro, cuando este aumenta o disminuye en un 5% o 10%, de su valor nominal. De acuerdo con lo descrito en el prrafo anterior, es fcil deducir que el anlisis de sensibilidad puede llegar a ser un proceso demorado; es por esta razn, que los constructores de los paquetes de simulacin han dedicado bastantes tiempo y esfuerzo al desarrollo de facilidades de anlisis de sensibilidad. Ntese que cuando se realiza anlisis de sensibilidad se puede llegar a consideraciones estabilidad discutidas en la Seccin 5.2. El anlisis de sensibilidad se realiza debido a la incertidumbre asociada con las alternativas que se estudian y a la falta de certeza de las consecuencias que tienen frente a la toma de decisiones. En un proyecto individual, la sensibilidad debe efectuarse con respecto al parmetro ms incierto; por ejemplo, si se tiene incertidumbre con respecto al precio de venta del artculo que se proyecta fabricar, es importante determinar qu tan sensible es la Tasa Interna de Retorno (TIR) o el Valor Presente Neto (VPN) con respecto al precio de venta. Si se tienen dos o ms alternativas, es importante determinar las condiciones en que una alternativa es mejor que otra. El anlisis de sensibilidad es una parte importante en la presentacin de nuevos proyectos financieros dentro de una empresa.

Ventajas de La Simulacion

Cargado por

Copyright:

Formatos disponibles

Ventajas de La Simulacion

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Ventajas de La Simulacion

Cargado por

Copyright:

Formatos disponibles

VENTAJAS DE LA SIMULACION

Adquirir una rpida experiencia a muy bajo costo y sin riesgos. No se

CLASIFICACION DE LOS MODELOS

También podría gustarte