SIMULACIÓN DE

PROYECTO

UNIDAD 1
SISTEMA DE
SIMULACIÓN DE
EVENTOS
DISCRETOS
Sofía Tosso
SISTEMA DE SIMULACIÓN DE EVENTOS
DISCRETOS
• Esta asignatura esta mayormente enfocada en sistemas de simulación de eventos discretos. Los
eventos de simulación de evento discretos es la modelación de sistema en la cual los estados
variables cambia solo en un conjunto discreto de un punto en el tiempo. Los modelos de
simulación son analizados de forma numérica en lugar de métodos analíticos. Los métodos
analíticos emplean el razonamiento deductivo de la matemática para “resolver” los modelos.
EJEMPLO

• El calculo diferencial se puede utilizar para calcular la política de costo mínimo para algunos
modelos de inventario. Los métodos numéricos emplean procedimiento computacionales para
“resolver” modelos matemáticos. En el caso de los modelos de simulación, que emplean
métodos numéricos, los modelos se “ejecutan (run)” en lugar de resolverlos, es decir, se genera
una historia artificial del sistema a partir de los supuestos del modelo y se recopilan
observaciones para analizarlas y estimar el sistema real.
SISTEMA DE SIMULACIÓN
DE EVENTOS DISCRETOS
• Los modelos de simulación son bastante extenso, y
la cantidad de datos almacenados y manipulados es
enorme, por lo que tales ejecuciones generalmente
se realizan con la ayuda de la computadora.
PASOS EN UN ESTUDIO DE
SIMULACIÓN
1.FORMULACIÓN DEL PROBLEMA

• Cada estudio debería comenzar con una declaración de los problemas . Si la declaración es
provista por los responsables de la elaboración de políticas “Policymakers” o los que tienen un
problema, el analista debe asegurarse que el problema en descripción es claramente entendido.
Si una declaración del problema esta siendo desarrollado por un analista, es importante que los
policymakers entienda y estén de acuerdo con la formulación. Hay ocasiones en donde los
problemas deben ser reformulados a medida que avanza el estudio. En muchas ocasiones, los
policymakers y analistas son consientes de que hay problemas mucho antes de que la
naturaleza del problema es sabido.
2. ESTABLECIMIENTO DE LOS
OBJETICOS Y PLAN GENERAL DEL
PROYECTO
• Los objetivos indicados en las preguntas observadas
para ser respondidas en la simulación. En este
punto, una determinación debería ser hecha
considerando que la simulación es una metodología
apropiada para resolver el problema ya formulado y
los objetivos establecidos.
3. CONCEPTUALIZACIÓN DEL MODELO

• La construcción de un modelo de un sistema es probablemente tanto arte como ciencia.

Aunque no exista una instrucción clara de como realizar este paso, existe ciertas líneas guias
que se pueden seguir. El arte de modelar se ve reforzado por la capacidad de abstraer las
características esenciales de un problema, de seleccionar y modificar los supuestos que
caracterizan el sistema, y luego de enriquecer y elaborar el modelo hasta que se obtenga una
aproximación útil. Por lo tanto, es mejor empezar con un modelo simple y luego y
complejizarlo. Sin embargo, este no necesariamente tiene exceder lo requerido.
4. RECOLECCIÓN DE DATOS

• Hay una constante interacción entre la construcción de un modelo y la recolección de las

necesidades de entrada de datos. Como la complejidad de los modelos cambia, los
requerimientos de data pueden también cambiar. También, desde que la recolección de data
usa mucho tiempo de el total de tiempo requerido para la realización de la simulación, lo cual
es necesario si se quiere comenzar lo antes posible. Este puede proseguir aun con el modelo ya
construido. El objetivo de este estudio es dictar que tipo de data se requiere recolectar. Ejemplo
banco, hay que obtener información de los clientes, tiempo de llegadas, tiempo de las
operaciones, etc.
5. TRADUCCIÓN DEL MODELO

• La mayoría de los sistemas del mundo real resultan en modelos que requieren una gran
cantidad de almacenamiento de información y computación, entonces los modelos debe ser
ingresado dentro de un formato reconocible por computadora. Utilizamos el termino
”programa” aunque es posible, en algunas pequeñas instancias, de realizar los resultados
deseados con un poco o sin código. El modelador debe decidir ya sea programar el modelo en
un lenguaje de simulación, o usar un software de simulación para ese propósito en especial. Los
lenguajes de programación son poderosos y flexibles. Sin embargo, si el problema es dócil a
solucionarse con el software de simulación, el tiempo de desarrollo se reduce mucho. Es más,
muchos paquetes de softwares de simulación han añadido características que mejora su
flexibilidad. Aunque la cantidad de flexibilidad varia mucho.
6. VERIFICACIÓN?

• La verificación pertenece al programa de computadora que ha sido preparado para simular el

modelo. ¿Esta el programa del computador trabajando apropiadamente? Con el complejo
modelo, es difícil, si no imposible, traducir un modelo exitosamente en su totalidad sin una
buena cantidad de errores. Si los parámetros de entrada y la estructura lógica de el modelo son
correctamente representados en la computadora, la verificación ha sido completada. La mayor
parte del tiempo, el sentido común es usado en completar este paso.
7. VALIDACIÓN?

• Usualmente es logrado mediante la calibración del modelo, un proceso iterativo de comparar el

modelo contra un comportamiento del sistema actual y usando las discrepancias entre las dos, y
usando el conocimiento ganado, para mejorar el modelo. Este modelo se repite hasta que la
precisión se considere aceptable. Anteriormente en la recolección de datos se hablo sobre la
obtención de datos de un banco, entonces uno debería preguntarse con el modelo si la
simulación esta replicando esas medidas del sistema. Esa es una manera de validar.
8. DISEÑO EXPERIMENTAL

Las alternativas que van ha ser simuladas deben ser determinadas. A veces, la decisión sobre cual
alternativa simular será en función de las corridas que tienen que ser completadas para analizar.
Para cada sistema diseñado que es simulado, decisiones necesitan ser hechas sobre el largo del
periodo de inicialización, el largo de las corridas, y el numero de replicaciones que se van a hacer
en cada corrida.
9. PRODUCCIÓN,
CORRIDAS Y
ANÁLISIS
• Corridas de producción y sus
subsecuentes análisis, son
usados para estimar una
medida de desarrollo del
sistema diseñado que va a ser
simulado.
10. MÁS
CORRIDAS?
• Dados los análisis de
corridas que han sido
completados, el analista
determina ya sea adicionar
las corridas necesarias y que
diseño deben seguir los
experimentos adicionales.
11. DOCUMENTAR Y REPORTAR

• Hay dos tipos de documentación: del Programa y del Progreso. La documentación del
programa es necesaria para numerosas razones. Si el programa va a ser usado de nuevo por el
mismo o un diferente analista, debería ser necesario entender como el programa opera. Esto
creara confianza en el programa, entonces los usuarios del modelo y los policymakers pueden
hacer decisiones basadas en los análisis. También si el programa va a ser modificado por el
mismo o distinto analista, este paso es un gran facilitador para una adecuada documentación.
Los resultados de todos los análisis deberían ser reportados claramente y conciso en un reporte
final, esto debería permitir a la persona que toma las decisiones revisar la formulación final, los
sistemas alternativos que fueron dirigidos, los criterios por el cual fueron comparados, los
resultados de la experimentación y las recomendaciones para solucionar el problema.
12.
IMPLEMENTACIÓN

El éxito de la fase de
implementación depende en como
tan bien se realizaron los otros once
pasos mencionados. Si el usuario del
modelo ha estado envuelto durante
todo proceso de simulación y
comprende la naturaleza del modelo
y sus salidas, la probabilidad de una
implementación es posible.
CONCEPTOS DE LAS SIMULACIONES DE EVENTOS
DISCRETOS
En esta parte nos enfocaremos exclusivamente en sistemas dinámicos y estocásticos que cambian
de una manera discreta.
- Sistema: una colección de entidades que interactúan juntos sobre el tiempo para lograr uno o
mas objetivos.
- Modelo: Una abstracta representación del sistema, usualmente contiene una estructura lógica o
matemática relacionada que describe un sistema en términos de estado, entidades y otros
atributos, conjuntos, procesos, eventos, actividades, y retrasos.
PIEZAS DE UN MODELO DE SIMULACIÓN
ENTIDADES

- La mayoría de las simulaciones incluyen

”jugadores” llamados entidades que se
mueven alrededor, cambian de estatus,
afectan y son afectados por otras
entidades. Las entidades son objetos
dinámicos en la simulación, por lo general
son creados, se mueven alrededor por un
tiempo y después son desechados
conforme se van. Sin embargo es posible
tener entidades que nunca se van y se
mantienen circulando en el sistema.
ENTIDADES • Existen situaciones en donde se crean entidades ”falsas”, no correspondiente a
nada tangible para hacerse cargo de ciertas operaciones de modelado. Por
ejemplo un manera de modelar fallas mecánicas es crear un ”demonio de
fallas” que este escondido mediante el funcionamiento de la maquina y salga
corriendo y patee la maquina cuando se supone que se interrumpe su función,
se posa triunfante sobre ella hasta que se repare y después corre a refugiarse y
comienza otro periodo de acecho.
ENTIDADES

• Otra situación es un ”ángel

de pausa”, que llega con
periodicidad y toma un
servidor fuera de servicio.
ATRIBUTOS

• Para individualizar las entidades, hay que

añadir atributos. Un atributo es una
característica en común de todas las
entidades, pero con un valor especifico
que puede diferir entre las entidades. Por
lo general, el mismo atributo tendrá
diferentes valores para diferentes entidades
especificas.
VARIABLES
(GLOBALES)
• Una Variable (o variable global) es información que
refleja alguna característica de su sistema, sin
importar cuantos o que tipo de entidades hay
alrededor. Ustedes pueden tener muchas variables
diferentes en un modelo, pero cada una es única.
Existen 2 tipos de variables, las incorporadas en el
software (número en la cola, número de servidores
ocupados, etc. ) y las definidas por el usuario
(tiempo de servicio medio, tiempo de traslado, turno
actual, etc.). Al contrario que los atributos las
variables no están unidas a ninguna entidad
especifica, sino más bien pertenecen al sistema en
conjunto. Tienen acceso a las entidades y muchas se
pueden cambiar por cualquier entidad.
RECURSOS

• Con frecuencia las entidades compiten entre ellas

por el servicio de los recursos que representan
cosas, como personal, equipo o espacio en el área
de almacenaje de tamaño limitado. Una entidad se
aprovecha de un recurso cuando esta disponible y lo
libera cuando termina. Es mejor pensar en el
recurso como una donación a la entidad mas que
pensar que a la entidad se le asigne un recurso,
debido que una entidad puede necesitar un servicio
simultaneo de multiples recursos (como una
maquina o una persona).
RECURSOS

• Los recursos pueden representar un grupo o

varios servidores individuales, cada uno de los
cuales se llama unidad de ese recurso. Por
ejemplo los agentes paralelos idénticos en una
ventanilla, como en una aerolínea, puede que
uno tome un descanso y otro agente tome el
papel del que se retiro.
COLAS • Cuando una entidad no puede seguir adelante, se requiere un lugar
para esperar que es la cola. Hay diferentes clases de colas, que el
analizador y el programa deben considerar para el manejo de las
entidades.
ACUMULADORES
ESTADÍSTICOS
• Para que se obtenga las mediciones de
desempeño de resultados, debes mantener
la pista de algunas variables intermedia de
acumuladas estadísticas conforme
progresa la simulación.
• Ejemplo: número de partes producidas ,
total tiempo de espera, mayor tiempo
gastado en la cola.
EVENTOS

• Todo esta centrado alrededor de los • Para simular se tiene que tener un
eventos. Un evento es algo que sucede en rastro de los eventos. Esto queda
un instante de tiempo (simulado) que grabado en un calendario de eventos.
puede cambiar atributos, variables o Donde se extraen y se ejecutan según el
acumuladores estadísticos. orden. Es posible tener varios eventos
• Por ejemplo existen 3 tipos de eventos: en un mismo instante de tiempo y que
• Llegada: una nueva parte entra al sistema. tengan diferentes tiempos y entidades.
• Salida: Una parte termina su servicio y En un modelo discreto las variables que
deja sistema. describen el sistema no cambian entre
• Fin: La simulación se detiene a los 20 los eventos sucesivos.
min.
LISTA

-Lista: Una colección de entidades asociadas, ordenadas en alguna estructura lógica. Ejemplo:
cliente esta en una línea de espera, la fila se ordena según “el primero que llega es el primero que
se atiende” o por prioridad. Diferentes paquetes de simulación usa diferentes terminologías por lo
mismo o similares conceptos. Por ejemplo es ”Listas” son a veces llamadas series, colas o
cadenas. Serie y lista se suele utilizar y ordenar siguiendo ciertas reglas, tal como FIFO (first in
first out) o LIFO (Last in first out).
RELOJ DE SIMULACIÓN

• El valor actual del tiempo en la simulación se mantiene en una variable llamada reloj de simulación. A diferencia del
tiempo real, el reloj de simulación no se encarga de todos los valores ni fluye de manera continua; mas bien va del
tiempo de un evento al tiempo del siguiente evento programado.
• La evolución de estos modelos se rige por un reloj y una lista de eventos ordenados cronológicamente. Los eventos
están relacionados en la lista de eventos, de acuerdo a su orden de ocurrencia. El evento que se encuentra al principio
de las lista se denomina evento inminente. La programación de un evento supone que el evento está vinculado a la lista
de eventos. Si un evento ocurre significa que el evento se desliga de la lista y se ejecuta. La ejecución de un evento
puede cambiar el estado de las variables y posiblemente programar otros eventos en la lista.
• Una característica fundamental del paradigma de los eventos discretos, es que nada cambia, a menos que ocurra un
evento, en cuyo instante ocurre la transición a otro estado. Es decir, ante la ejecución de un evento es posible que
cambie el estado, pero todo cambio de estado se produce por un evento. Entre los eventos el estado del sistema se
considera constante.
EMPEZAR Y PARAR

• Es muy importante como se empezara y

cuando se detendrá la simulación, aunque
a veces esto se puede pasar por alto. Los
softwares pueden detenerse por algún
evento especifico, las decisiones pueden
tener una gran repercusión en sus
resultados.
SIMULACIÓN
ORIENTADA A EVENTOS
• Su orientación se basa en cuanto ocurran
los eventos y que sucede cuando ocurren.
Esto permite tener el control de cualquier
cosa, tener flexibilidad respecto a los
atributos, las variables y el flujo logico.
Además de saber el estado en cualquier
momento.
SIMULACIÓN
ORIENTADA A
EVENTOS Y PROCESOS

• Este toma en cuenta una entidad

“típica” conforme atraviesa con el
modelo. Esta alternativa se centra
en el proceso. Aunque esto puede
ser análogo a otra herramienta de
modelado común llamada
diagrama de flujo. A esta clase de
programa se le llama SIMAN y es
la visión de cosas tomada por
ARENA.
ALEATORIEDAD EN LA SIMULACIÓN

• La entrada y salida aleatoria: una primera dificultad es diferenciar,

dentro de los fenómenos en los que el azar está presente, entre
situación aleatoria y contingente. Una situación aleatoria es, por lo
menos potencialmente, reproductible. Tiene diferentes resultados
posibles, sin que sepamos con seguridad cual será́ el que ocurrirá́ en
una experiencia particular (por ejemplo, no sé con seguridad el
tiempo que debo esperar en la parada a que aparezca el autobús).
Pero puedo reproducir la situación en las mismas condiciones para
analizar los diferentes resultados que se producen (puedo hacer un
recuento del tiempo de espera al autobús). En una situación
contingente (por ejemplo, el hecho de que yo me haya casado con
una cierta persona) también una presencia del azar, pero no es
reproductible en las mismas condiciones.
REPETICIÓN DE EJEMPLO

• Por ejemplo una simulación puede contar con los mismos datos de entrada, y las mismas
variables de tiempo. Aun así podemos correr varias simulaciones y esta llega a resultados
diferentes de una corrida a otra. Cada corrida tiene un conjunto de parámetros que es la parte
“estadísticamente idéntica” pero usa números separados aleatorios de entrada, que es la parte
“independiente”, para generar los tiempos de llagada y de servicios reales usadas para dirigir la
simulación. Las corridas independientes y estadísticamente idénticas se llaman repetición de la
simulación.
COMPARACIÓN DE ALTERNATIVAS

• La mayoría de los estudios de simulación

incluyen más que un simple construcción o
configuración del sistema. Las personas
quieren ver con frecuencia cómo los cambios
en el diseño, los parámetros o las operaciones
pueden afectar el desempeño. Para ver como
la aleatoriedad en la simulación desempeña
un papel en estas comparaciones.
SIMULACIÓN DE HOJA DE CÁLCULO

• La simulación con hoja de cálculo es popular para los modelos estadísticos, muchos de los
cuales involucran análisis financiero o de riesgo. Excel incluye algunos paquetes comerciales
que facilitan las operaciones comunes, incorporan operaciones comunes, proporciona mejores
números aleatorio, incluyen herramientas de análisis de resultados.
• Sin embargo, las hojas de cálculo no son muy apropiadas para la simulación de modelos
dinámicos. Inclusive con sistemas como FIFO la hoja de cálculo no es muy adecuada para
estos casos.
LINK ARENA SIMULATOR

• https://www.rockwellautomation.com/en-us/products/software/arena-simulation.html