UNIVERSIDAD POLITCNICA DE

GMEZ PALACIO

Simulacin de Procesos
M.C. PATRICIA ABIGAIL VALENZUELA MTZ.

UNIDAD I
INTRODUCCIN A LA SIMULACIN

La simulacin es un proceso numrico diseado para

experimentar el comportamiento de cualquier sistema en
una computadora a lo largo del tiempo, en base a modelos
matemticos y lgicos diseados para tal fin.

Se utiliza en sistemas tan complejos que no es posible su

tratamiento analtico o mediante mtodos numricos. s
tos requieren la simplificacin del sistema real bajo
estudio con el fin de que cumpla condiciones que
fundamentan la teora del modelo en uso, lo que en
sistemas complejos podra llevarnos a resolver un sistema
muy lejano del real bajo estudio.

Permiten estudiar el sistema real sin deformarlo, generando

una visin mucho ms profunda y detallada que cualquier
modelo analtico o numrico.

Sin embargo, no producen resultados ptimos, sino

implemente buenos, siendo costosos en cuanto a tiempo
de computadora y consumen mucho tiempo en el diseo,
prueba y verificacin del modelo de simulacin

Los orgenes de la simulacin se sitan en los trabajos

de Student para determinar la distribucin de la variable
t, pero se suele afirmar que esta disciplina renaci,
identificada como una tcnica numrica, durante la
Segunda Guerra Mundial, cuando Von Neumann y Ulam
aplicaron los llamados Mtodos de Montecarlo a
problemas de difusin de neutrones.

Ventajas y Desventajas de la Simulacin

Ventajas
Es un proceso relativamente eficiente y flexible.

Puede ser usada para analizar y sintetizar una

compleja y extensa situacin real, pero no puede ser
empleada para solucionar un modelo de anlisis
cuantitativo convencional.
En algunos casos la simulacin es el nico mtodo
disponible.

 Los modelos de simulacin se estructuran y nos

resuelve en general problemas trascendentes.
Los directivos requieren conocer como se avanza y
que opciones son atractivas; el directivo con la ayuda
del computador puede obtener varias opciones de
decisin.

La simulacin no interfiere en sistemas del mundo

real.
La simulacin permite la inclusin de complicaciones
del mundo real.

Desventajas
Un buen modelo de simulacin puede resultar
bastante costoso; a menudo el proceso de desarrollar
un modelo es largo y complicado.

Los directivos generan todas las condiciones y

restricciones para analizar soluciones. El modelo de
simulacin no producen respuestas por si mismo.
Cada modelo de simulacin es nico. Las soluciones
e inferencias no son usualmente transferibles a otros
problemas.

Tipos de Software Para Simulacin

Arena

Automod

GPSS

LeanSIM

Quest

MicroSaint

ProModel

Simul8

Witness

Taylor

Criterios de Evaluacin de las Herramientas

Segn la ISO 9126 debe tener:
1. Funcionalidad. Tiene la herramienta las funciones
requeridas?
2. Fiabilidad. Es la herramienta robusta?
3. Facilidad. Cual es el esfuerzo necesario para
emplear la herramienta?

4. Eficiencia. Es la herramienta eficiente?

5. Mantenibilidad. Es fcil modificar o mejorar el
programa desarrollado?

6. Portabilidad.
desarrollado?

Es

fcil

trasladar

el

programa

Campos de Aplicacin de la Simulacin

Aplicaciones en Manufactura

Ingeniera Industrial
Lean Manufacturing
Evaluacin de Inversin en Equipo
Reduccin de Inventario en proceso
Planeacin de Mantenimiento
Manejo de Materiales
Layout de la planta
Justo-a-tiempo (Just in Time)
Planeacin de Capacidad
Programacin de Centros de trabajo
Balanceo de lneas
Evaluar cambios de Tecnologa

Aplicaciones de Logstica y Cadena de Valor

Administracin de inventario y material
Distribucin y almacenamiento
Planeacin de transporte
Proceso de rdenes
Empaque
Aseguramiento de Calidad
Planeacin de Mantenimiento
Niveles de servicio a Clientes
Fiabilidad y disponibilidad
Soporte de producto

Ejemplo: Modelo de colas poissoniano con un

servidor M/M/1

En este modelo se dispone slo de un canal para dar

servicio, las llegadas siguen un proceso de Poisson y la
distribucin del tiempo de servicio es exponencial.
As, las tasas de nacimiento y muerte no dependen del
nmero de clientes en el sistema y
n = , n = 0,1,2,... n = , n = 1,2,3,...
La capacidad del sistema es ilimitada y la disciplina de la
cola es FIFO.

Otros modelos de colas con tratamiento analtico:

Modelo con un servidor y capacidad finita M/M/1/K
Modelo con varios servidores M/M/c
Modelo con infinitos servidores M/M/
Modelo con varios servidores y prdidas M/M/c/K
Modelo M/M/c con prdidas (modelo M/M/c/c)
Modelo con un servidor, poblacin finita M/M/1/K/K
Modelo con c servidores, poblacin finita M/M/c/K/K

1. Formulacin del problema. Proceso iterativo dialctico

para identificar claramente objetivos, definir los
componentes del sistema, sus variables y como
interaccionan entre s.
2. Recoleccin y procesamiento de la informacin
requerida. Capturar los datos disponibles que se
requieren para la simulacin del comportamiento del
sistema y procesarlos en informacin til para el
modelo de simulacin. Posibles fuentes para generar
informacin: datos histricos o series de tiempo,
opiniones de expertos y estudios de campo (diseo de
una muestra estadsticamente representativa del
universo bajo estudio).

3. Formulacin del modelo matemtico. Al modelizar,

caracterizaremos matemticamente las relaciones que
gobiernan la interaccin de los componentes del sistema y
las actividades exgenas y endgenas. La descripcin del
sistema se har de forma modular, por bloques.

4. Evaluacin de las caractersticas de la informacin

procesada. La informacin requerida para simular el
comportamiento
de
muchos
sistemas
tendr
caractersticas aleatorias.
Averiguar la distribucin de probabilidad que las
gobierna.
Pruebas estadsticas para analizar si existen
diferencias significativas entre la distribucin emprica
observada y la terica supuesta.

5. Construccin de un programa de simulacin.

6. Validacin del programa de simulacin. Realizacin
de una serie de pruebas de hiptesis para verificar o
refutar la existencia de diferencias estadsticamente
significativas entre los resultados de mltiples corridas de
un experimento de simulacin, y su comparacin con
series histricas existentes para verificar la ex actitud del
pronstico generado.

7. Diseo de experimentos de simulacin. Seleccionar

distribuciones de probabilidad adecuadas a las
parmetros aleatorios del sistema y generar nmeros
aleatorios que representen al sistema real bajo estudio.

8. Anlisis de los resultados y validacin de la

simulacin. Recoleccin de los datos producidos por la
simulacin para estimar medidas de comportamiento del
sistema.
Estimaciones puntuales, precisin de los estimadores y
estimadores por intervalos.
La validacin de la simulacin: comparar la similitud de
los resultados y posibles series histricas, as como el
uso que dan los decisores de la herramienta.

Simulacin a Mano
Mtodo Montecarlo
El mtodo de Monte Carlo es un mtodo no
determinstico o estadstico numrico usado para
aproximar expresiones matemticas complejas y
costosas de evaluar con exactitud. El mtodo se llam
as en referencia al Casino de Montecarlo por ser la
capital del juego de azar, al ser la ruleta un generador
simple de nmeros aleatorios.

El mtodo Montecarlo se ayuda de los nmeros

aleatorios para poder realizar su anlisis.

Nmeros Aleatorios
Son nmeros que deben de cumplir los requisitos de
espacio equiprobable, es decir, que todo elemento
tenga la misma probabilidad de ser elegido y que la
eleccin de uno no dependa de la eleccin del otro.

Ejercicios
1. La tienda de abarrotes llamada 8 de ITMI ubicada en el
rancho Valle Hermoso, entre su gran variedad de productos que
tiene a la venta est el azcar. Como en esta tienda vienen a
surtir otras tiendas de otros pueblitos mas chicos por la cercana,
a los dueos de la tienda les interesa tratar de tener siempre la
cantidad de bultos de azcar que se piden, ya que de no hacerlo
es probable que sus clientes cambien de proveedor. En base a la
informacin que maneja la tienda, les interesa conocer cual
ser el comportamiento de la demanda para los siguientes 10
das, ya que un factor que les pega en el cumplimiento o no, es
los tiempos de entrega al momento que ellos ordenan a su
proveedor. Los datos se encuentran las tablas mas adelante.

Cuando la compaa coloca una orden para resurtir su inventario de

costales de azcar, hay un retraso que va de 2 a 3 das. Por lo que el
tiempo de entrega se puede considerar como una variable
probabilstica.

Las ordenes siempre llegan al da siguiente despus de terminar el

tiempo establecido para entregar por parte del proveedor. Es decir si
la orden es de 1 da en realidad llega al 3er da .

Nota: La cantidad de ordenes = 10 unidades y el punto de re-orden

es 5.

Si el precio del costal de 50 kg es de $290, cuanto se esta dejando

de ganar en esos 10 das?

Demanda de Azcar

Demanda
Azcar

Frecuencia

15

30

60

120

45

30

Probabilidad

Probabilidad
Acumulada

Intervalos

Tabla de Tiempos de Entrega

Tiempo de
entrega
(das)

Frecuencia

10

25

15

Probabilidad

Probabilidad
Acumulada

Intervalo

Da
1
2
3
4
5
6
7
8
9
10

Unidades
Recibidas

Inventario
Inicial

No.
Aleatorio

Demanda

Inventario
Final

Ventas
Perdidas

Orden?

No.
Aleatorio

Tiempo
de
Entrega

No juzgues cada da por lo que cosechas, si no por las semillas

que siembras.
Robert Louis Stevenson

Bibliografa
Garca D. Eduardo (2005). Simulacin y Anlisis de Sistemas con
ProModel. Ed. Pearson.
R. Chase, N. Aquilano, R. Jacobs (2004). Administracion de las
Operaciones de Produccion. Ed. Mc. Graw Hill.