Traduccion de Simulacion

 

1 Introduction to Simulation Una simulación es la imitación de la operación de un proceso o sistema del mundo real a lo largo del tiempo. Ya sea por de la mano o en un ordenador, la simulación implica la generación de una historia artificial de un sistema y la observación de esa historia artificial para inferir las características operativas del sistema real. El comportamiento de un sistema a medida que evoluciona con el tiempo se estudia mediante el desarrollo de un modelo de simulación. Este suele adoptar la forma de un conjunto de supuestos relativos al funcionamiento del sistema. Estos supuestos se expresan en relaciones matemáticas, lógicas y simbólicas entre las entidades u objetos de interés, del sistema. Una vez desarrollado y validado, un modelo puede ser usado para investigar una gran variedad de "preguntas sobre el sistema del mundo real. Las modificaciones potenciales del sistema se pueden simular primero, en para predecir su impacto en el rendimiento del sistema. La simulación también se puede utilizar para estudiar sistemas en el la fase de diseño, antes de que se construyan dichos sistemas. Por lo tanto, el modelado de simulación puede ser utilizado como una herramienta de análisis para predecir el efecto de los cambios en los sistemas existentes y como herramienta de diseño para predecir el rendimiento de nuevos sistemas bajo diferentes circunstancias. En algunos casos, se ser puede desarrollar un modelo que sea lo suficientemente simple como para "resuelto" por malhematical métodos. Tales soluciones podrían ser encontradas por el uso de cálculo diferencial, teoría de probabilidad, algebraica métodos, u otras técnicas matemáticas. La solución suele consistir en uno o más parámetros numéricos, Las cuales son llamadas medidas de rendimiento del sistema. Sin embargo, muchos sistemas del mundo real son tan compiex que los modelos de estos sistemas son virtualmente imposibles de resolver matemáticamente. En estos casos, La sirmilitacin numérica por ordenador puede utilizarse para imitar el comportamiento del sistema a lo largo del tiempo. Desde el los datos se recogen como si se observara un sistema real. Estos datos generados por la simulación se utilizan estimar el measur �s de rendimiento del sistema. Este libro proporciona un tratamiento introductorio intr oductorio de los conceptos y métodos de una forma de simulación. Modelado - modelado de simulación de eventos discretos. El primer capítulo discute inicialmente cuándo usar la simulación, sus ventajas y desventajas, y las áreas reales de su aplicación. Luego los conceptos de sistema y modelo son explorados. Por último, se esbozan los pasos a seguir para construir y utilizar un modelo de simulación de un sistema. 1.1 CUANDO LA SIMULACIÓN SEA LA HERRAMIENTA ADECUADA La disponibilidad de lenguajes de simulación de propósito especial, de capacidades informáticas masivas a un ritmo decreciente. y de los avances en las metodologías de simulación han hecho de la simulación una de las más herramientas ampliamente utilizadas y aceptadas en la investigación operativa y el análisis de sistemas. Circunstancias bajo las cuales la simulación es la la herramienta apropiada para no haber sido discutida;d por muchos autores,

 

desde Naylor et al. [ 1966] hasta Shannon[1998]. La simulación puede utilizarse para los siguientes fines: 1. La simulación permite el estudio y la experimentación de las intera interacciones cciones internas de un complejo o de un subsistema dentro de un sistema complejo. 2. Se pueden simular los cambios informativos, organizativos y ambientales, y el efecto de los mismos. Se pueden observar alteraciones en el comportamiento del modelo. 3. El conocimiento adquirido durante el diseño de un modelo de simulación puede ser de gran valor para sugiriendo una mejora en el sistema bajo investigación. 4, El cambio de las entradas de la simulación y la observación de las salidas resultantes pueden producir una valiosa información sobre qué variables son las más importantes y cómo interactúan las variables. 5. La simulación puede ser utilizada util izada como un dispositivo pedagógico para reforzar las metodologías de solución analítica. 6. La simulación puede utilizarse para experimentar con nuevos diseños o políticas antes de su implementación, con el fin de prepárate para lo que pueda pasar. 7. La simulación puede utilizarse para verificar soluciones analíticas. 8. Simular diferentes capacidades para una máquina puede ayudar a determinar los requisitos de la misma. 9. Los modelos de simulación diseñados para la formación for mación hacen posible el aprendizaje sin el coste y la interrupción de instrucción en el trabajo. 10. La animación muestra un sistema en funcionamiento simulado para poder visualizar el plano. 11. El sistema de módem m ódem (fábrica, planta de fabricación de obleas, organización del servicio, es tan que sus interacciones internas pueden ser tratadas sólo aetc.) tr avés través de lacomplejo simulación.

1 .2 CUANDO LA SIMULACIÓN NO SEA APROPIADA Esta sección está basada en un artículo de Banks and Gibson [ 1997], quien dio diez reglas para evaluar cuando la simulación no es apropiado. La primera prim era regla indica que no se debe utilizar la simulación cuando el problema puede se resuelva con sentido común. Se da un ejemplo de una instalación de etiquetas para automóviles que sirve a los clientes que llegan aleatoriamente a una tasa media de 100/hora y se sirven a una tasa media de 12 horas. Para determinar el mínimo número de servidores necesarios, la simulación no es necesaria. Sólo calcula 100/12 = 8.33 indicando que nueve o se necesitan más servidores. La segunda regla analíticamente. dice que la simulación no debebajo utilizarse el problema el puede resolverse Para ejemplo, ciertassicondiciones,

 

tiempo de espera medio en el ejemplo anterior se puede encontrar a partir de curvas que fueron desarrollados por Hillier y Lieberman[2002]. La siguiente regla dice que no se debe usar la simulación si es más fácil realizar experimentos directos. Un se da un ejemplo de un restaurante de comida rápida en el que era menos costoso poner en escena a una persona que recibía pedidos utilizar un terminal portátil y comunicación de voz para determinar el efecto de añadir otra estación de pedido en el tiempo de espera de los clientes. La cuarta regla dice que no se debe usar la simulación si los costos exceden los ahorros. Hay muchos pasos para completar una simulación, como se discutirá en la Sección l.l.l, y esto debe hacerse a fondo. Si una simulación El estudio cuesta 20.000 dólares y el ahorro podría ser de 10.000 dólares, la simulación no sería apropiada. Las reglas cinco y seis indican que la simulación no debe realizarse si los recursos o el tiempo no están disponibles. Si se estima que el costo de la simulación es de $20,000 y sólo hay $10,000 disponibles, la sugerencia es no INTRODUCCIÓN A LA SIMULACIÓN 5 aventurarse en un estudio de simulación. Del mismo modo, si una decisión es necesaria en dos semanas y una simulación tomará un mes, no se aconseja el estudio de simulación. La simulación toma datos, a veces muchos datos. Si no hay datos disponibles, ni siquiera estimaciones, la simulación es no se aconseja. La siguiente regla se refiere a la capacidad de verificar y validar el modelo. Si no hay tiempo t iempo suficiente o si el personal no está disponible, la simulación no es apropiada. Si los gerentes tienen expectativas irrazonables, si piden demasiado y demasiado pronto, o si el poder de la simulación está sobreestimada, la simulación podría no ser apropiada. Por último, últ imo, si el comportamiento del sistema es demasiado complejo o no se puede definir, la simulación no es a apropiada. propiada. Comportamiento humano es a veces extremadamente complejo de modelar.

1.3 VENTAJAS Y DESVENTAJAS DE LA SIMULACIÓN La simulación es intuitivamente atractiva para un cliente porque imita lo que sucede en un sistema real o lo que es para un sistema que se encuentra en fase de diseño. Los datos de salida de una simulación deberían corresponder directamente a las salidas que podrían ser registradas desde el sistema real.  Adicionalmente, es posible desarrollar desarrollar un modelo de simulación de un sistema sistema sin supuestos dudosos (como la misma distribución estadística para cada) de los modelos que pueden resolverse matemáticamente. Por estas y otras razones, la simulación es frecuentemente la técnica de elección en la resolución de problemas. A diferencia de los modelos de optimización, los modelos de simulación se "ejecutan" en lugar de resolverse. Dada una particular de las características de entrada y del modelo, se ejecuta el modelo y se observa el comportamiento simulado. Este proceso de los insumos cambiantes y las características del modelo resulta en un conjunto de escenarios que son evaluados. Una buena solución, ya sea en el análisis de un

 

sistema existente o en el diseño de un nuevo sistema, se recomienda para implementación. La simulación tiene muchas ventajas, pero algunas desventajas. Estos están listados por Pegden, Shannon, y Sadowski[1995]. Algunas ventajas son estas: 1. Nuevas políticas, procedimientos operativos, reglas de decisión, flujos de información, procedimientos organizativos, y así sucesivamente pueden ser explorados sin interrumpir las operaciones en curso del sistema real. 2. Los nuevos diseños de hardware, layouts físicos, sistemas de transporte, etc. pueden probarse sin necesidad de comprometer recursos para su adquisición. 3. Las hipótesis sobre cómo o por qué ocurren ciertos fe fenómenos nómenos pueden ser probadas para determinar su factibilidad. 4. - El tiempo puede ser comprimido o expandido para permitir una aceleración o desaceleración de los fenómenos bajo investigación. 5. Se puede obtener información sobre la interacción de las variables. 6. Se puede obtener información sobre la importancia de las variables para el rendimiento del sistema. 7. Se puede realizar un análisis de cuellos de botella para descubrir dónde se encuentra el trabajo en proceso, la infonación, los materiales, y así sucesivamente se están retrasando retr asando excesivamente. 8. Un estudio de simulación puede ayudar a comprender cómo funciona el sistema en lugar de como funcionan los individuos. Creo que el sistema funciona. . 9 "Y si' preguntas pueden ser contestadas. Esto es particularmente útil en el diseño de nuevos sistemas. Algunas desventajas son estas: 1. La construcción de modelos requiere una formación especial. Es un arte que se aprende con el tiempo y a través de la experiencia. Además, si dos modelos son construidos por personas competentes diferentes, pueden tener similitudes, pero es muy poco probable que sean las mismas. 2. Los resultados de la simulación pueden ser difíciles de interpretar La mayoría de las salidas de la simulación son esencialmente variables aleatorias (por lo general se basan en entradas aleatorias), por lo que puede ser difícil distinguir si una observaciones el resultado de las interrelaciones del sistema. o de la ofrandonmess.

 

3. El modelado y análisis de simulación puede pu ede llevar mucho tiempo y ser costoso. Escatimar recursos para El modelado y el análisis podría dar como resultado un modelo de simulación o un análisis que no sea suficiente para la tarea. 4. La simulación se utiliza en algunos "casos cuando una solución analítica es posible, o incluso preferible, como fue el caso de discutido en la Sección 1.2. Esto podría ser particularmente útil en la simulación de algunas líneas de espera. Donde hay disponibles modelos de colas de formulario cerrado. En defensa de la simulación, estas cuatro desventajas, respectivamente, pueden ser compensadas de la siguiente manera: 1. Los proveedores de software de simulación han estado desarrollando activamente paquetes que contienen modelos que sólo necesitan introducir datos para su funcionamiento. Estos modelos tienen la etiqueta eti queta genérica "simulador" o "plantilla". 2. Muchos proveedores de software de simulación han desarrollado capacidades de análisis de salida dentro de sus paquetes por realizar un análisis muy exhaustivo. 3. La simulación se puede realizar más rápido hoy que ayer y será aún más rápido mañana, porque de los avances en hardware que permiten un rápido funcionamiento de los escenarios y debido a los avances en muchas simulaciones paquetes. Por ejemplo, algunos programas de simulación contienen construcciones para modelar material que utiliza transportadores tales como carretillas elevadoras, transportadores y vehículos guiados automatizados. 4. Los modelos de forma cerrada no son capaces de analizar la mayoría de los l os sistemas complejos que se encuentran en práctica. En muchos años de práctica de consultoría por dos de los l os autores, no se encontró ningún problema que podría haberse resuelto con una solución de forma cerrada.

1.4 ÁREAS DE APLICACIÓN Las aplicaciones de la simulación son muy amplias La Conferencia de Simulación de Wmter (WSC) es una excelente manera de aprender más información sobre lo último en aplicaciones y teoría t eoría de simulación. También hay numerosos tutoriales tanto en el los niveles principiantes y avanzados. La CSM está patrocinada por seis sociedades técnicas y el Instituto Nacional de Estándares y Tecnología (NIST). Las sociedades técnicas son la American Statistical Association (ASA), Asociación de Maquinaria Informática/Grupo de Especial Interés en Simulación (ACM/SIGSIM), Instituto del Ingenieros Eléctricos y Electrónicos: Sociedad de Informática (IEEEICS), Instituto de Electricidad y Electrónica Ingenieros: Sociedad de Sistemas, Hombre y Cibernética (IEEEISMCS), Instituto de Ingenieros Industriales (liE), Instituto de Investigación Operativa y Ciencias de la Gestión: Escuela Superior de Simulación (INFORMS/CS) y La Sociedad para la Simulación por Computadora (SCS). Nótese que el IEEE está representado por dos órganos. Información

 

sobre la próxima CSM puede obtenerse en www. wintersim.org. Los programas de la CSM con las ponencias completas son disponible en www. informs-cs. org /wscpapers. html. Algunas presentaciones, por área, de un reciente A continuación se enumeran las CSM: Aplicaciones en la fabricación f abricación Modelado dinámico de sistemas de fabricación en continuo, utilizando analogías con sistemas eléctricos Benchmarking de un modelo estocástico de planificación de la producción en un banco de pruebas de simulación Reducción del cambio de color de la línea de pintura en el ensamblaje de automóviles Modelado de la calidad y la productividad en la fabricación de cables de acero Análisis de capacidad de recursos compartidos en la fabricación de biotecnología Modelo de información neutral para simular las operaciones del taller de maquinaria Fabricación de semiconductores Planificación de la producción en intervalos de tiempo constantes con aplicación al control de trabajo en curso Aceleración de productos bajo reglas de despacho orientadas a la fecha de vencimiento Marco de diseño para sistemas automatizados de manejo de materiales en fábricas de fabricación de obleas de 3()()()..mm INTRODUCCIÓN A LA SIMULACIÓN 7 Tomar decisiones de diseño óptimas para las herramientas de dispensación dis pensación de próxima generación Aplicación del modelado de herramientas de clúster en la fabricación de obleas de 3()();mm factory. Simulación basada en entidades residentes de herramientas de cámara por lotes en la fabricación de serruconductores de 300 mm. Ingeniería de la Construcción y Gestión de Proyectos Impacto de la multitarea y el sesgo de fusión en la adquisición de equipos complejos Aplicación de conceptos lean y simulación para equipos de mantenimiento de operaciones de drenaje Construcción de un modelo de tienda virtual para la fabricación de acero Simulación de la cadena de suministro de madera aserrada residencialAplicaciones Militares. Diseño basado en frecuencia para la terminación de simulaciones: Un ejemplo de imposición de la paz Un marco multi-basado para soportar simulaciones interactivas basadas en militares en entornos 3D Especificación del comportamiento de fuerzas generadas por ordenador sin programación Fidelidad y validez: Problemas de la representación del comportamiento humano Evaluación de los efectos de la tecnología en el desempeño humano mediante el desarrollo y la evaluación e valuación del espacio comercial Impacto de un sistema logístico automático en el proceso p roceso de generación de sortija Desarrollo de planes de investigación para el modelado y simulación de operaciones militares en terrenos urbanos Logística, cadena de suministro y aplicaciones de distribución. - Análisis de inventario i nventario en un entorno de fabricación f abricación servidorcomputadora Comparación de métodos de detección de cuellos de botella para sistemas AGV Simulación de red de suministro de semiconductores Análisis de los flujos de pasajeros de salida internacional en una terminal aeroportuaria  Aplicación de técnicas de simulación discreta a las cadenas cadenas de suminis suministro tro de gas natural líquido

 

Simulación en línea de ped�:strian flow en edificios públicos Modos de transporte y tráfico Simulación de la absorción del retardo r etardo de la aeronave Determinación del plan de ejecución mediante la optimización de la simulación, simulacion de la fusión de autopistas y comportamiento divergente Servicio de modelos de ambulancias de la Cruz Roja Austriaca .Modelado . Modelado de simulación en apoyo de la lucha contra incendios en Norfolk Modelado de llegadas de barcos a puertos Optimización de un sistema de transporte de barcazas barca zas para la entrega de petróleo Optimización iterativa y simulación del tráfico de barcazas en una vía navegable interior Simulación del proceso de Bnslness Modelado basado en agentes y simulación del rendimiento de la tienda para una fijación de precios personalizada. VISualización de modelos de negocio probabilísticos Modelado y siinulación de un call center telefónico Uso de la simulación para aproximar subdegradantes de medidas de rendimiento convexas en sistemas de servicio El papel de la simulación en el control de equipajes en los aeropuertos Simulaciones de riesgo de fatiga humana en operaciones continuas Optimización de un sistema de facturación de telecomunicaciones Segmentación Segmentación de la base de clientes para obtener el máximo rendimiento Cuidado de la salud Modelar el consultorio y la atención at ención al paciente en las prácticas de atención médica ambulatoria.Evaluación de las operaciones hospitalarias entre el servicio de urgencias y una unidad de telemetría médica. Estimación de la capacidad máxima en una sala de emergencias Reducir la duración de la estancia en un servicio de urgencias Simulación de ideas de mejora six-sigma para el departamento de ergonomía de un hospital Una herramienta basada en la l a programación lineal de números enteros de simulación para la programación del personal de la sala de emergencias.  Algunas tendencias generales generales la aplicación la simulación son las siguientes: En la actualidad, la en simulación para de el análisis de riesgos está creciendo, incluso en áreas como seguros, precios de opciones y análisis de carteras. La simulación de sistemas a gran escala como la red troncal de Internet, las redes inalámbricas y las cadenas de suministro están creciendo a medida que el hardware y el software aumentan su capacidad para manejar un número extremadamente grande de entidades en un tiempo razonable. Por último, los modelos de simulación de sistemas automatizados de manipulación de materiales (AMHS) se utilizan como bancos de pruebas para el desarrollo y la prueba funcional de un sistema de control o de un emulador de software; se utilizan para proporcionar las mismas respuestas a un sistema de control que el AMHS real (por ejemplo, una caja que bloquea o despeja una foto o un comando para empezar a recoger una orden). El desarrollo de

 

software puede ser mucho más temprano durante la instalación y puesta en marcha de AMHS, para reducir el tiempo en el campo al tratar de depurar el software de control mientras se intenta poner en marcha un nuevo sistema o continuar funcionando uno existente. Los modelos han sido impulsados por sistemas de control a varios niveles, desde sistemas de supervisión de alto nivel, como sistemas de gestión de almacenes (WMS) o sistemas de despacho de AGV, hasta sistemas de control de bajo nivel como controladores lógicos programables (PLC) que controlan marges en un sistema convertidor. 1.5 SISTEMAS Y ENTORNO DE SISTEMAS Para modelar un sistema, es necesario entender el concepto de un sistema y los límites del sistema. Un sistema se define como un grupo de objetos que se unen en alguna interacción regular o interdependencia hacia el logro de algún propósito. Un ejemplo es un sistema de producción que fabrica automóviles. Los trabajadores operan conjuntamente, junto con una línea de ensamblaje, para producir un producto de alta calidad. Un sistema a menudo m enudo se ve afectado por cambios que ocurren fuera del sistema... Tales cambios se dicen que ocurren en el entorno del sistema [Gordon. 1978] En los sistemas de modelado, es necesario decidir sobre el límite entre el sistema y su entorno... esta decisión puede depender del propósito del estudio. En el caso del sistema de fábrica, por ejemplo, los factores f actores que controlan la llegada de pedidos pueden considerarse ajenos a la influencia de la fábrica y, por lo tanto, parte del entorno. Sin embargo, si se considera el efecto de la oferta sobre la demanda, habrá una relación entre la producción de la fábrica y la llegada de los pedidos, y esta relación debe ser considerada como una actividad del sistema, esto se consideraría una limitación impuesta por el medio ambiente. Sin embargo, en un estudio de los efectos de las leyes monetarias en el sector bancario, el establecimiento del límite sería una actividad del sistema. (Gordon, 1978) 1.6-1.7-1.8. NO ESTAN

 

 Así como los componentes de un sistema eran entidades, atributos y actividades, los modelos están representados de la misma manera. Sin embargo, el modelo contiene sólo aquellos componentes que son relevantes para el estudio. Los componentes de un modelo se discuten más extensamente en el Capítulo 3.

1.9 TIPOS DE MODELOS Los modelos pueden clasificarse como matemáticos o físicos. Un modelo matemático utiliza notación simbólica y ecuaciones matemáticas para representar un sistema. Un modelo de simulación es un tipo particular de matemática modelo de un sistema. Los modelos de simulación pueden clasificarse además como estáticos o dinámicos, deterministas o estocásticos, y discreto o continuo. Un modelo de simulación estática, denominado simulación de Monte Carlo, representa a, en un momento determinado. Los modelos de simulación dinámicos representan los sistemas a medida que cambian o tiempo de la vida. La simulación de un banco de 9:00 a.m. a 4:00 p.m. es un ejemplo de simulación dinámica. Los modelos de simulación que no contienen variables aleatorias se clasifican como determinísticos. Modelos deterministas tienen un conjunto conocido de entradas, que resultará en un conjunto único de salidas. Llegadas deterministas ocurrirían en el consultorio del dentista si todos los pacientes llegaron a la hora de la cita programada. Un modelo m odelo de simulación estocástico tiene una o más variables aleatorias como entradas. Las entradas aleatorias conducen a salidas aleatorias. Dado que las salidas son al azar, pueden considerarse sólo como estimaciones de las características reales de un modelo. La simulación de un banco suele implicar tiempos de inter llegada aleatorios y tiempos de servicio aleatorios. Así, en un estocástico la salida mide el número medio de personas en espera, el tiempo de espera medio de un deben ser tratados como estimaciones estadísticas de las verdaderas características del sistema. Los sistemas discretos y continuos se definieron en la Sección 1.7. Los modelos discretos y continuos son definidos de manera análoga. Sin embargo, un modelo de simulación discreto no siempre se utiliza para modelar un modelo discreto. Tampoco se utiliza uti liza siempre un modelo de simulación continua para modelar un sistema continuo. Tanques y son modelados discretamente por algunos proveedores de software, aunque sabemos que el flujo de fluido f luido es continuo. Además, los modelos de simulación pueden ser mixtos, tanto discretos como continuos. La opción de usar o no un discreto o continuo {o discreto y continuo) el modelo de simulación es una función de las características del sistema y el objetivo del estudio. Así, un canal de comunicación podría ser modelado discretamente si las características y el movimiento de cada mensaje se consideraran importantes. Por el contrario, si el flujo de los mensajes en conjunto a través del canal fue de importancia, modelando el sistema a través de una simulación continúa. Podría ser más apropiado. Los modelos considerados en este texto son discretos, dinámicos y estocásticos.

 

1.10 SIMULACIÓN DE SISTEMA DE EVENTOS DISCRETOS Este es un libro de texto sobre simulación de sistemas de eventos discretos. La simulación de sistemas de eventos discretos es el modelado de sistemas en los que la variable de estado cambia sólo en un conjunto discreto de puntos en el tiempo. La simulación los modelos son analizados por métodos numéricos más que por métodos analíticos. Los métodos analíticos emplean el razonamiento deductivo de las matemáticas para "resolver" el modo L Por ejemplo, se puede utilizar el cálculo diferencial para calcular la política de costo mínimo para algunos modelos de inventario. Los métodos numéricos emplean procedimientos para "resolver" modelos matemáticos. En el caso de los modelos de simulación, que emplean modelos numéricos los métodos, los modelos se "ejecutan" en lugar de resolverse, r esolverse, es decir, se genera una historia artificial del sistema a partir de los supuestos del modelo y las observaciones se recopilan para ser analizados y para estimar el verdadero sistema medidas de la ejecución. Los modelos de simulación del mundo real son bastante grandes, y la cantidad de datos almacenados al macenados y manipulados es enorme, por lo que tales ejecuciones se llevan a cabo normalmente con la ayuda de un ordenador. Sin embargo, mucha perspicacia puede obtenerse simulando manualmente modelos pequeños. En resumen, este libro de texto trata sobre la simulación de sistemas de eventos discretos en los que los modelos m odelos de interés son analizados numéricamente, normalmente con la ayuda de una computadora

1.11 resbalones en un estudio de simulación La figura 1.3 muestra un conjunto de pasos para guiar a un constructor de modelos en un estudio de simulación completo y sólido. Similar y la discusión de los pasos se pueden encontrar en otras fuentes [Shannon, 1975; Gordon, 1978; Law and Kelton; 2000]. El número al lado de cada símbolo en la Figura 1.3 se refiere a la discusión más detallada. Texto. Los pasos de un estudio de simulación son los siguientes: Formulación del problema. Cada estudio debe comenzar con una declaración del problema. Si la expresión es proporcionado por los responsables políticos, o aquellos que tienen el problema, el analista debe asegurarse de que el problema que se describe se entiende claramente. Si el analista está desarrollando una declaración del problema, es importante que los formuladores de políticas entiendan y estén de acuerdo con la formulación.  Aunque no se muestra muestra en la Figura 1.3, hay son ocasion ocasiones es en las que el problema debe reformularse a medida que avanza el estudio. En muchos casos, los encargados de formular políticas y los analistas son conscientes de que hay un problema mucho antes de que se conozca la naturaleza del problema. Fijación de objetivos y plan general del proyecto; Los objetivos indican las preguntas que se deben plantear. Respondido por simulación. E este punto, se debe determinar si la simulación es la

 

 

Una metodología apropiada para el problema tal como se ha formulado y los objetivos declarados. Suponiendo que se decida que la simulación es apropiada, el plan general del proyecto debe incluir una declaración de los sistemas alternativos para y de un método para evaluar la eficacia de estas alternativas. También debe incluir los planes para el estudio en términos del número de personas involucradas, el costo del estudio y el número de días necesarios para llevar a cabo cada fase del trabajo, junto con los resultados esperados al final de cada etapa.

Conceptualización de modelos. La construcción de un modelo de un sistema es probablemente tanto arte como ciencia. Pritsker [ 1998] ofrece ofr ece una larga discusión sobre este paso. Aunque no es posible proporcionar un conjunto instrucciones conducirán la construcción de modelos exitososde y apropiados enque cada caso, hayaalgunos

 

pautas generales que se pueden seguir"[Morris, 1%7]. El arte de modelar es realzado por la habilidad de abstraer las características esenciales de un problema, para seleccionar y modificar los supuestos básicos que caracterizan al sistema, y luego enriquecer y elaborar el modelo hasta obtener una aproximación útil. Por lo tanto, es mejor empezar con un modelo simple y construir hacia una mayor complejidad. Sin embargo, la complejidad del modelo no tiene por qué superar que sea necesario para lograr los fines f ines para los que está concebido el modelo. La violación de este principio sólo se suma a los gastos de construcción de modelos y computación. No es necesario tener ten er un mapeo uno a uno entre los y el sistema real. Sólo se necesita la esencia del sistema real. Es aconsejable involucrar al usuario del modelo en la conceptualización del modelo. Involucrando al usuario del modelo tanto mejorar la calidad del modelo resultante y aumentar la confianza del usuario del modelo en la aplicación del modelo. (El capítulo 2 describe una serie de modelos de simulación. En el Capítulo 6 se describen los modelos de colas que puede resolverse analíticamente. Sin embargo, sólo la experiencia con sistemas reales frente a problemas de libros de texto puede "enseñar" el arte de la construcción de modelos.

Recolección de datos. Existe una interacción constante entre la construcción del modelo y la colección. De los datos de entrada necesarios [Shannon, 1975].  A medida que la complejidad complejidad del modelo cambia, los datos requerid requeridos os también pueden cambiar. Además, dado que la recolección de datos toma una porción tan grande del tiempo total requerido para realizar una simulación, es necesario comenzarla lo antes posible, normalmente junto con las etapas iniciales de construcción de modelos. Los objetivos del estudio dictan, en gran medida, el tipo de datos que deben recopilarse. En el estudio de un banco, por ejemplo, si el deseo es conocer la duración de las colas de espera a medida que cambia el número de cajeros, los tipos de datos necesarios serían las distribuciones de las horas de inter llegada (a diferentes horas del día), la distribuciones del tiempo de servicio para los cajeros, y distribuciones históricas sobre la duración de las colas de espera bajo vacying condiciones. Este último tipo de datos se utilizará para validar el modelo. De simulación (el Capítulo 9 trata sobre los datos recopilación y análisis de datos; en el Capítulo 5 se analizan las distribuciones estadísticas que se producen con frecuencia en la simulación modelando. Véase también una excelente discusión de Henderson[2003 Henderson[2003].].

Traducción de modelos. La mayoría de los sistemas del mundo real dan como resultado modelos que requieren una gran cantidad de información almacenamiento y computación, por lo que el modelo debe introducirse en un formato reconocible por ordenador. De "programa", a pesar de que es posible lograr el resultado deseado en muchos casos con poco o nada de sin codificación real. El modelador debe decidir si programa el modelo en un

 

lenguaje de simulación, como por ejemplo GPSSIH (discutido en el Capítulo 4), o para usar software de simulación de propósito especial. Para la fabricación y manipulación de materiales, el Capítulo 4 trata t rata sobre Arena®, AutoMod™, Extend™, Flexsirn, MicroSaint, ProModel®,  Quest®, SIMUL8® y WITNESS™.

Los lenguajes de simulación son potentes y flexibles. Sin embargo, si el problema es susceptible de solución con el software de simulación, el tiempo de desarrollo del modelo es en gran medida reducido. Además, la mayoría de los paquetes de software de simulación han añadido características que mejoran su flexibilidad, aunque la cantidad de flexibilidad f lexibilidad varía mucho. refi ere al programa informático preparado para ¿Verificado? La verificación se refiere el modelo de simulación. ¿Es el programa de ordenador funcionando correctamente? Con modelos complejos, es difícil, si no imposible, traducir un modelo con éxito en su totalidad t otalidad sin una buena cantidad de depuración, si los parámetros de entrada y lógica Si la estructura del modelo está correctamente representada en el ordenador, se han completado la verificación. Para el en su mayor parte, se utiliza el sentido común para completar este paso. (El Capítulo 10 trata sobre la verificación de la simulación y Balci[2003] ttambién ambién discute este tema. - ¿Validado? La validación generalmente se logra a través t ravés de la calibración del modelo, un proceso iterativo de comparar el modelo con el comportamiento real del sistema y usar las discrepancias entre ambos, y los conocimientos adquiridos, para mejorar el modelo. Este proceso se repite hasta que la precisión del modelo ES Jud ged. Aceptable. En En el ejemplo de un banco mencionado anteriormente, los datos fueron recolectados concordando con la longitud de las líneas de wrutmg bajo condiciones actuales. ¿El modelo de simulación replica esta medida del sistema? Este es uno de los medios de validación. (El capítulo 10 discute la validación de modelos de simulación, y ]3alci[2003] también discute este tema.

Diseño experimental. Deben determinarse las alternativas que deben simularse. A menudo, la decisión sobre las l as alternativas a simular en función de las ejecuciones ya finalizadas, y analizado. Para cada diseño de sistema que se simula, las decisiones deben ser made relativa a la longitud del período de inicialización, la duración de las ejecuciones de simulación y el número de repeticiones de cada carrera. (Capítulos 11 y 12 discuten temas asociados con el diseño experimental, y Kle!Jnen[1998] discute este tema extensivamente.)

Tiradas de producción y análisis. Las series de producción y su análisis posterior se utilizan para estimar medidas de rendimiento para los diseños de sistemas que se están simulando. (capítulo. 11 y 12 discuten el análisis de los experimentos de simulación, y el Capítulo 4 discute el software para llevar a cabo este paso, mcludmg  AutoStat (en AutoMod), OptQuest (en varios varios programas de simulación), simulación), SirnRmrner (en el modelo Pro), y WITNESS W ITNESS Optimizer (en WITNESS).

 

Más Carreras? Dado el análisis de las ejecuciones que se han completado, compl etado, el analista determina si se necesitan recorridos adicionales y qué diseño deben seguir esos experimentos adicionales. Documentación e informes. Hay dos tipos de documentación: programa y progreso. La documentación del programa es necesaria por numerosas razones. Si se va a utilizar el programa.de nuevo por los mismos o diferentes analistas, podría ser necesario entender cómo funciona el programa. Esto creará confianza en el programa, de modo que los usuarios de modelo y los cim de los policyrnakers tomen decisiones basadas en el análisis.  Además, si el programa va a ser ser modificado por el mismo analis analista ta o por otro diferente, este paso puede ser facilitado en gran medida mediante la documentación adecuada. Una experiencia con un programa inadecuadamente documentado es normalmente lo suficiente para convencer a un analista de la la necesidad de este importante paso. Otra razón para documentar un programa es para que los usuarios del modelo puedan cambiar los parámetros a voluntad en un esfuerzo por aprender las relaciones r elaciones de relanzamiento entre los parámetros de entrada y las medidas m edidas de salida de rendimiento o para descubrir los parámetros de entrada que optimiZe alguna salida medición del desempeño. . Musselman[1998] discute los informes de progreso que proporcionan la importante historia escrita de un sunulanon Los informes de proyecto dan una cronología del trabajo realizado y de las decisiones tomadas. Esto puede ser de gran ayuda en mantener el proyecto en curso. El mejillón sugiere informes frecuentes f recuentes (mensuales, por lo menos) para que incluso los que no están involucrados en el día- hoy en día la operación puede mantenerse al día La conciencia de estos otros a menudo puede mejorar la finalización con éxito del proyecto mediante la aparición temprana de malentendidos, cuando el problema puede resolverse fácilmente. El mejillón también sugiere mantener un registro del proyecto que proporcione un registro r egistro completo de los logros y las solicitudes de cambio, decisiones clave y otros asuntos de importancia.Por lo que se refiere r efiere a los informes, Musselman sugiere resultados frecuentes Estos pueden o no ser los resultados de logros importantes. Su máxima es que "es mejor trabajar con muchos hitos intermedios que con una fecha límite absoluta". Las posibilidades previas al informe final incluyen una especificación del modelo, prototipo animaciones de demostraciones, resultados de entrenamiento, análisis intermedios, Documentación del programa, progreso informes y presentaciones. Sugiere que estos resultados deben ser cronometrados juiciosamente a lo largo de la vida del proyecto. El resultado de todos los análisis debe ser reportado de manera clara y concisa en un informe final. Esto permitirá a los usuarios del modelo (ahora, los tomadores de decisiones) revisar formulación final, los alternativos que se abordaron, el criterio por ellacual se compararon lassistemas alternativas, los

 

resultados de los experimentos y la solución recomendada al problema.  Además, si las decisiones tienen que justificarse a un nivel nivel más alto, el informe final debería proporcionar un vehículo de certificación para el usuario/tomador de decisiones del modelo y aumentar la credibilidad del modelo y del proceso de construcción del modelo.

Implementación. El éxito de la fase de implementación depende de lo bi bien en que se hayan realizado los pasos anteriores. También depende de cuán exhaustivamente el analista ha involucrado al usuario final del modelo durante todo el proceso de simulación. Si el usuario del modelo ha estado completamente involucrado durante el proceso de construcción del modelo y si el usuario del modelo entiende la naturaleza del modelo y sus resultados, se realza la similitud de una implementación vigorosa [Pritsker, 1995]. Por el contrario, si el modelo y sus supuestos subyacentes no se han comunicado adecuadamente, la implementación probablemente se verá afectada, independientemente de la validez del modelo de simulación. El proceso de construcción del modelo de simulación mostrado m ostrado en la Figura 1.3 puede dividirse en cuatro fases. La primera fase, que consiste en los pasos I (Formulación del Problema) y 2 (Establecimiento del Objetivo y Diseño General), es un período de descubrimiento u orientación. El planteamiento inicial del problema suele ser bastante "confuso", los objetivos iniciales suelen tener que ser reajustados, y el plan original del proyecto tendrá que ser ajustado. Estas re calibraciones y aclaraciones podría ocurrir en esta fase, o quizás ocurrirán después o durante otra fase (es decir, el analista podría tener que reiniciar el proceso). La segunda fase está relacionada con la construcción de modelos y la recolección de datos e incluye los pasos 3 (Conceptualizac (Conceptualización ión del Modelo), 4 (Recolección de Datos), 5 (Modelo `Traducción), 6 (Verificación), y 7 (Validación). Se requiere una interacción de atenuación entre los pasos. La exclusión del usuario modelo durante esta fase puede tener graves implicaciones en el momento de la implementación. La tercera fase se refiere r efiere al funcionamiento del modo L. Comprende los pasos 8 (Diseño experimental), 9 (Ejecuciones de producción y análisis) y 10 (Ejecuciones adicionales). Esta fase debe tener un plan minuciosamente concebido para experimentar con el modelo de simulación. Una simulación si mulación estocástica de evento discreto es de hecho un experimento estadístico. Las variables de salida son estimaciones que contienen errores aleatorios y, por lo tanto, se requiere un análisis estadístico adecuado. Tal filosofía está en contraste con la del analista que hace una sola carrera y saca una inferencia i nferencia de ese único punto de datos. La cuarta fase, la de implementación, involucra los pasos II (Documentación e Informes) y 12 (Implementación). El éxito de la implementación depende de la participación continua del usuario modelo y de la finalización satisfactoria de cada paso del proceso. Quizás el punto más crucial en todo el proceso es el

 

paso 7 (Validación), porque un modelo inválido va a llevar a resultados r esultados erróneos que, si se implementan, podrían ser peligrosos, costosos, o ambos. EJERCICIOS 1. Asigne nombres a entidades, atributos, actividades, eventos y variables de estado para los siguientes sistemas: a) Biblioteca universitaria b) Banco c) Centro de llamadas d) Servicio de transfusión e) Almacén departamental f) Cuartel de bomberos g) Aeropuerto b) Organización de programas informáticos 2. Considere el proceso de simulación mostrado en la Figura 1:3. a) Reducir las medidas en dos por lo menos combinando actividades similares. Dé sus razones. b) Aumentar los escalones en al menos dos, separando los escalones actuales o ampliándolos en escalones anteriores. Dar tu razonamiento. 3. Se llevará a cabo una simulación de una intersección de tráfico importante, con el objetivo de mejorar el flujo de tráfico t ráfico actual. Proporcione tres iteraciones, en orden creciente de complejidad, de los pasos 1 y 2 m del proceso de estimulación de la Figura 1.3. 4. Una simulación se llevará a cabo de cocinar una cena de espaguetis para descubrir a qué hora una persona debe comenzar la orden de tener la comida en la mesa a las 7:00 P.M. Leer una receta para preparar una cena de espaguetis (o pídale la receta a un amigo o pariente). Lo mejor que pueda, trace lo que entienda que se necesita: en la fase de recolección de datos del proceso de simulación de la Figura 1.3, para realizar una simulación en la que el modelo incluya cada paso de la receta. ¿Cuáles son los eventos, actividades y objetos móviles del estado? en este sistema? 5. Haga una lista de los eventos y actividades que solicitan el programa de maestría en una universidad. 6. Lea un artículo sobre la aplicación de la simulación relacionada con su área principal de estudio o interés en las Actas actuales de la CSM y prepare un informe sobre la forma en que el autor sigue los pasos descritos en la figura 1.3.

 

7. Obtener una copia de las Actas de la CSM recientes e inf informar ormar sobre las diferentes solicitudes presentadas. 8. Obtenga una copia de las Actas de la CSM más recientes e informe sobre la solicitud más inusual que pueda encontrar. 9. Vaya al sitio web de la Conferencia de Simulación de Invierno en www.wintersim.organd dirección la siguiente: (a) ¿Qué tutoriales avanzados se ofrecieron en la CSM anterior o están previstos en la próxima? (b) ¿Dónde y cuándo se celebrará la próxima CSM? 10. Vaya al sitio web de la Conferencia de Simulación de Invierno (Winter Simulación Conferencie) en www.winter.org. Y diríjase a lo siguiente: (a) ¿Cuándo fue la CSM más numerosa (en asistencia) y a qué hora? · (b) ¿En qué año civil, desde el comienzo de la CSM, no hubo Conferencia? (c) ¿Cuál fue la mayor extensión de tiempo, desde el comienzo de la CSM, entre los sucesos del Conferencia? (d) Al comenzar con la 25ª CSM, ¿puede discernir un patrón para la ubicación de la Conferencia? 11. Busque en la web "Aplicaciones de simulación discreta" y prepare un informe basado en los resultados. 12. Busque en la web "Manufacturing simulation" y prepare un informe basado en los resultados. 13. Busque en la web "Call " Call centersimulation" y prepare un informe basado en los resultados.