Cuándo la Simulación es una Herramienta Apropiada

• Para comprender las interacciones internas de un sistema complejo.
• Para mejorar el sistema real con el conocimiento adquirido en el modelado.
• Para detectar variables y/o requerimientos de recursos importantes.
• Para verificar soluciones analíticas.
• Para facilitar el aprendizaje sobre el comportamiento del sistema.

Cuándo la Simulación NO es Apropiada

• Cuando existe una solución analítica directa.
• Cuando el sentido común es suficiente para resolver el problema.
• Cuando los experimentos directos son más sencillos o viables.
• Si su costo excede los ahorros estimados que podría generar.
• Si no se dispone de los recursos (humanos, tecnológicos) ni del tiempo necesarios.
• Si no hay datos disponibles o son insuficientes.
• Si el modelo no se puede verificar y validar adecuadamente.

Tipos de Simulación

Estocástica o Determinista (Según la Aleatoriedad)

• Estocástica: Incorpora elementos aleatorios (ej., Simulación Montecarlo).
• Determinista: No incluye aleatoriedad; los resultados son predecibles dadas las entradas (ej., Método de Elemento Finito).

Estática o Dinámica (Según el Tiempo)

• Estática: Representa un sistema en un punto específico en el tiempo o en equilibrio (ej., Método de Elemento Finito para estructuras).
• Dinámica: Representa el comportamiento del sistema a lo largo del tiempo (ej., Simulación de Eventos Discretos).

Continua o Discreta (Según los Intervalos de Tiempo)

• Continua: Las variables de estado cambian continuamente a lo largo del tiempo (ej., Simulación de Flujo de Líquidos).
• Discreta: Las variables de estado cambian solo en puntos discretos en el tiempo, es decir, cuando ocurren eventos (ej., Simulación de Eventos Discretos).

Local o Distribuida (Según el Lugar de Ejecución)

• Local: Se ejecuta en una única máquina o entorno (ej., Simulación Montecarlo).
• Distribuida: Involucra múltiples procesadores o ubicaciones geográficas que colaboran (ej., Simulación de una Planta Virtual compleja).

Simulación de Eventos Discretos

La simulación de eventos discretos se refiere a sistemas que pueden ser representados por una secuencia o serie de eventos. La simulación describe cada evento discreto, moviéndose de uno a otro a medida que el tiempo transcurre. Los eventos pueden servir para:

• Planificar el final de una simulación.
• Planificar una operación en un instante concreto.

Por ejemplo, un calentador con termostato eléctrico puede ser modelado por los eventos ‘encender’ y ‘apagar’.

Características de la Simulación de Eventos Discretos

• Los periodos “inactivos” (donde no ocurre ningún evento relevante) son ignorados, lo que optimiza el tiempo de cálculo.
• A diferencia del avance por incrementos fijos, donde los periodos inactivos no son ignorados (lo cual implica un mayor costo computacional), la simulación de eventos discretos es más eficiente.
• Los periodos entre eventos suelen ser de tamaño desigual, adaptándose a la dinámica real del sistema.

Componentes Clave de un Modelo de Simulación

• Estado del Sistema: Conjunto de variables que describen la situación actual del sistema en cualquier momento dado.
• Reloj del Sistema: Variable que proporciona el valor actualizado del tiempo simulado, avanzando a medida que la simulación progresa.
• Lista de Eventos: Una lista ordenada de los instantes de tiempo futuros en los que ocurrirán eventos predefinidos.
• Contadores Estadísticos: Variables utilizadas para recopilar datos y estadísticas relevantes sobre el comportamiento del sistema durante la simulación (ej., tiempos de espera, utilización de recursos).
• Rutina de Inicialización: Subprograma encargado de establecer los valores iniciales de todas las variables del modelo y el reloj del sistema al comienzo de la simulación.
• Rutina Temporal: Módulo que determina el siguiente evento a ocurrir en la lista de eventos y actualiza el reloj de simulación a ese instante.
• Rutina de Eventos: Subprogramas específicos que actualizan el estado del sistema cuando ocurre un evento particular (generalmente, hay una rutina por cada tipo de evento).
• Librería de Rutinas: Colección de funciones auxiliares, como generadores de números aleatorios con distribuciones de probabilidad conocidas, utilizadas para simular comportamientos estocásticos.
• Generador de Informes: Módulo que procesa los datos recopilados por los contadores estadísticos y presenta los resultados de la simulación de manera comprensible.
• Programa Principal: El componente central que orquesta la ejecución de la simulación, llamando a la rutina de inicialización, a la rutina temporal de forma iterativa y verificando la condición de terminación.

Etapas de un Proyecto de Simulación

Un proyecto de simulación se desarrolla a través de diversas etapas, que van desde la conceptualización hasta la implementación y validación, con el objetivo de facilitar la documentación, la presentación de resultados, la toma de decisiones y la calibración del modelo a nuevos escenarios.

1. Recoger Conocimiento: Implica la búsqueda de la mejor forma de abordar el problema, incluyendo la identificación de los límites del sistema (ej., capacidad, batería, recursos).
2. Desarrollo de Modelo Conceptual: Se define la estructura general del sistema, incluyendo el layout, los equipos, las interacciones entre componentes, los criterios operacionales y el plan de producción.
3. Recolección de Datos: Consiste en la búsqueda y recopilación de parámetros relevantes de equipos, tiempos de proceso, tiempos entre fallas y de reparación, calendarios de mantenimientos, entre otros.
4. Búsqueda de Datos que Explican Comportamientos de Procesos: Se enfoca en datos que no son directamente tiempos de espera, como tiempos de traslado y tiempos de transporte, para entender la dinámica del sistema.
5. Preparación de Datos para el Modelo: Incluye el análisis de los datos relevantes para convertirlos en parámetros utilizables por el modelo y el ajuste de curvas de distribución de probabilidad cuando sea necesario.
6. Desarrollo de Caso Base: Se elige la plataforma (software) a utilizar, se codifica el modelo conceptual por etapas, se ingresan los parámetros y distribuciones de probabilidad, y se buscan las variables relevantes para medir el rendimiento y comportamiento del sistema.
7. Verificación: Proceso para asegurar que cada uno de los algoritmos del modelo haga lo que debe hacer, que los resultados de cada una de las etapas codificadas sean coherentes, y para chequear visualmente que los equipos operan como se espera.
8. Validación: Se elige un periodo de prueba, se buscan singularidades (fallas, mantenimientos de equipos, etc.) de ese periodo, se cargan al modelo las singularidades encontradas, se mantienen los parámetros generales y relevantes, se corre el modelo y se comparan las variables relevantes del sistema real con las entregadas por el modelo (mediante dócimas de hipótesis). Al validar el caso base, se obtiene un diagnóstico del sistema.
9. Diseño de Experimentos: Etapa dedicada a la búsqueda de vulnerabilidades y oportunidades del sistema, y a la implementación y codificación de diferentes escenarios en el modelo para su evaluación.
10. Análisis de Experimentos: Consiste en la realización de pruebas sobre las vulnerabilidades y oportunidades identificadas, seguido del análisis e interpretación de los resultados obtenidos para la toma de decisiones.

El Reloj de Simulación y el Avance del Tiempo

El Reloj de Simulación es la variable del modelo que proporciona el valor actualizado del tiempo simulado. Existen dos formas principales de avance del tiempo en una simulación:

• Por eventos
• Por incrementos fijos

Avance por Eventos

1. Se inicializa el reloj de simulación a 0.
2. Se determinan aleatoriamente los instantes futuros de ocurrencia de los próximos eventos.
3. Se incrementa el reloj al evento más inminente (el primero en ocurrir).
   • Se actualiza el estado del sistema según el evento ocurrido.
   • Se actualiza el conocimiento existente sobre los tiempos de los eventos futuros.
4. Se repite el paso anterior hasta que se cumpla alguna condición de parada predefinida para la simulación»

Etiquetas: modelado de sistemas, Optimización de Procesos, simulación, simulación de eventos discretos, simulación determinista, simulación estocástica