1. FACULTAD DE ECONOMIA Y NEGOCIOS
SIMULACION DE NEGOCIOS
INTRODUCCIÓN A LA
SIMULACIÓN
UNIDAD 1
WASHINGTON MARTINEZ, DSc.
2. CONCEPTOS BÁSICOS DEL MODELADO Y
LA SIMULACIÓN
OBJETIVOS DE LA UNIDAD
Una vez estudiado el contenido del tema y
realizados los ejercicios prácticos, debería saber:
• Discutir los conceptos “sistema”, “modelo”,
“simulación” y “marco experimental”.
• Describir y comparar los diferentes tipos de
modelos.
• Comparar y reconocer los distintos tipos de
modelos matemáticos.
3. ¿QUÉ ES SIMULACIÓN?
• Según el diccionario de la RAE simular es: ―Representar algo, fingiendo o
imitando lo que no es.‖
• Según el Handbook of Simulation (1998) es una imitación de las operaciones de
un sistema o proceso real a lo largo del tiempo (Sistemas complejos).
• Involucra la generación de una historia artificial del comportamiento del sistema
y a partir de dicha historia se efectúan inferencias relativas a las características
operacionales del sistema real que representa.
• Permite describir y analizar el comportamiento del sistema real, y responder
ciertas interrogantes para apoyar el diseño de sistemas reales.
• En el caso de algunos problemas reales es una metodología
• indispensable para resolverlos.
4. ¿QUÉ ES SIMULACIÓN?
Es una metodología que permite apoyar la toma de
decisiones.
• ya sea en el diseño de Sistemas, antes que éstos sean
construidos
• ya sea probando políticas de funcionamiento, antes que
éstas sean implantadas
La Simulación, no resuelve los problemas por sí misma,
sino que ayuda a:
• Identificar los problemas relevantes
• Evaluar cuantitativamente las soluciones alternativas
5. ¿QUÉ ES SIMULACIÓN?
• ¿Por qué son necesarios los modelos de simulación o
prototipos?
• La experimentación de un sistema o procesos
... Puede generar problemas éticos
... puede generar problemas económicos
... o puede llevarlo a colapsos
... o puede ser simplemente imposible
Por ejemplo; en el desarrollo de un nuevo producto
6. ¿QUÉ ES SIMULACIÓN?
• Es un término muy amplio, en realidad existen varios
enfoques para analizar problemas
– La Simulación requiere de MODELOS (validez)
• No es una solución analítica
– No obtiene resultados exactos (desventaja)
– Permite modelar sistemas complejos (ventaja)
• Es mejor una respuesta aproximada al problema
correcto que una respuesta correcta al problema
aproximado
7. ¿CUÁNDO SIMULAR?
Como regla general, la simulación es apropiada
cuando:
• Desarrollar un modelo analógico es muy difícil o quizás
aún imposible
• El sistema tiene una o más variables aleatorias
relacionadas
• La Dinámica del sistema es extremadamente
compleja
• El objetivo es observar el comportamiento del sistema
sobre un período
• La habilidad de mostrar la animación es importante.
8. VENTAJAS DE LA SIMULACIÓN
• Beneficio general de la simulación
– Laboratorio de aprendizaje-fácil de modificar. Se puede
experimentar con nuevos diseños sin que tengan que construirse.
• Algunos beneficios específicos
– Mejorar el funcionamiento de sistemas reales complejos
– Disminuir inversiones y gastos de operación
– Reducir el tiempo de desarrollo de un sistema
– Asegurar que el sistema se comportará como se desea
– Conocer oportunamente hechos relevantes y efectuar cambios en
el momento oportuno
– A veces es lo único que se puede hacer para estudiar un sistema
real (no existe; se destruye; muy caro)
9. VENTAJAS DE LA SIMULACIÓN
Un modelo de simulación puede ser más amplio y robusto con respecto a
los cambios en las características de los parámetros de entrada que un
modelo analítico que solo es válido bajo un conjunto de suposiciones.
• Flexibilidad para modelar las cosas tal como son (no importa si son
difíciles de explicar y complicadas),
Comprender porqué
Explorar posibilidades
Diagnosticar problemas
• Permite modelar la incertidumbre
La única cosa segura es que nada es seguro
– Peligro de ignorar la variabilidad y la incertidumbre
– Validez del modelo
10. DESVENTAJAS DE LA SIMULACIÓN
• Puede ser costosa y consumir mucho tiempo
inicialmente.
Construir modelos precisa un entrenamiento especial.
• Algunas veces soluciones mejores y más fáciles son
pasadas por alto.
• Los resultados pueden ser difíciles de interpretar
• Por lo general son ignorados los factores humanos y
tecnológicos.
• Peligro de poner demasiada confianza en los
resultados de la simulación.
• Es difícil verificar si los resultados son válidos.
(Proceso de validación como tema de estudio)
11. ÁREAS DE APLICACIÓN
• Sistemas de Computadoras. Evaluar hardware o requisitos de
software.
• Telecomunicaciones. Diseñar sistemas de comunicación o protocolos
para mensajería, etc.
• Transporte y Energía. Diseñar facilidades como autopistas, metros,
puertos, etc.
• Aplicaciones Militares y Navales. Evaluación de nuevas armas o
tácticas.
• Economía. Análisis de sistemas económicos o financieros.
• Fabricación. Diseñar y analizar políticas de planificación, inventarios, etc.
• Personal en empresas de servicios
– Bancos, Comida Rápida, Correo, ...
• Distribución y Logística
• Salud — Salas de urgencias y de operaciones
– Planes de Emergencia (terremotos, inundaciones)
– Distribución de Servicios (juzgados, hospitales)
12. CONCEPTOS BÁSICOS
SISTEMA
• Cualquier parte del universo que existe y funciona en el espacio y el
tiempo.
MODELO
• Un modelo es una representación simplificada del sistema en un
instante de tiempo o espacio concreto realizada para comprender el
sistema real.
SIMULACIÓN
• Una simulación es una manipulación de un modelo de forma que
funcione en el espacio o en el tiempo para comprimir
éste, permitiéndonos percibir las interacciones que no serían
fácilmente apreciables por su separación en el tiempo o el espacio.
13. SISTEMAS Y MODELOS
En el sentido amplio del termino, un modelo es “una representación de un sistema
desarrollada para un propósito especıfico”.
Puesto que la finalidad de un modelo es ayudarnos a responder preguntas sobre un
determinado sistema, el primer paso en la construcción de un modelo es definir cual
es el sistema y cuales son las preguntas.
En este contexto, se entiende por sistema “cualquier objeto o conjunto de objetos
cuyas propiedades se desean estudiar”.
Con una definición tan amplia, cualquier fuente potencial de datos puede
considerarse un sistema.
Algunos ejemplos de sistema son:
• Una planta de fabricación con maquinas, personal, dispositivos de transporte y
almacén.
• El servicio de emergencias de un hospital, incluyendo al personal, las salas, el
equipamiento y el transporte de los pacientes.
• Una red de ordenadores con servidores, clientes, dispositivos de disco y de
cinta, impresoras, etc.
• Un supermercado con control de inventario, cajeros y atención al cliente.
14. SISTEMAS Y MODELOS CONT..
• Un procedimiento para conocer el comportamiento de
los sistemas es la experimentación.
• De hecho, este ha sido el método empleado durante
siglos para avanzar en el conocimiento:
• plantear las preguntas adecuadas acerca del
comportamiento de los sistemas y responderlas
mediante experimentación.
• Un experimento es “el proceso de extraer datos de un
sistema sobre el cual se ha ejercido una acción
externa”.
15. SISTEMAS Y MODELOS CONT..
• El método experimental esta basado en solidos
fundamentos científicos, sin embargo tiene sus
limitaciones, ya que en ocasiones es imposible o
desaconsejable experimentar con el sistema real.
• En estos casos, el modelado y la simulación son las
técnicas adecuadas para el análisis de sistema,
puesto que, a excepción de la experimentación con
el sistema real, la simulación es la única técnica
disponible que permite analizar sistemas arbitrarios de
forma precisa, bajo diferentes condiciones
experimentales.
17. TIPOS DE MODELOS
• Además de los modelos mentales y verbales, existe otro tipo de
modelos que tratan de imitar al sistema real. Son los modelos
físicos, como las maquetas a escala que construyen los
arquitectos, diseñadores de barcos o aeronaves para
comprobar las propiedades estéticas,
• aerodinámicas, etc.
• Finalmente, existe un cuarto tipo de modelos, los modelos
matemáticos. En ellos, las relaciones entre las cantidades que
pueden ser observadas del sistema
(distancias, velocidades, flujos, etc.) están descritas mediante
relaciones matemáticas. En este sentido, la mayoría de las
leyes de la naturaleza son modelos matemáticos.
18. MODELOS MATEMÁTICOS
• La finalidad de un estudio de simulación (es
decir, las preguntas que debe responder)
condiciona
• las hipótesis empleadas en la construcción del
modelo, y ´estas a su vez determinan
• que tipo de modelo resulta mas adecuado al
estudio. De hecho, un mismo sistema puede
• ser modelado de múltiples formas, empleando
diferentes tipos de modelos, dependiendo de la
• finalidad perseguida en cada caso.
• Existen diferentes clasificaciones de los modelos
matemáticos, atendiendo a diferentes criterios.
19. MODELOS MATEMÁTICOS
DETERMINISTA VS ESTOCASTICO
• Un modelo matemático es determinista cuando todas
sus variables de entrada son deterministas, es decir, el
valor de cada una de ellas es conocido en cada
instante.
• Un ejemplo de modelo determinista es un servicio al
cual los clientes acceden ordenadamente, cada uno a
una hora pre-establecida y en el cual el tiempo de
servicio a cada cliente esta igualmente pre-establecido
de antemano.
• No existe incertidumbre en la hora de inicio o de
finalización de cada servicio.
20. MODELOS MATEMÁTICOS
• Por el contrario, un modelo es estocástico cuando alguna de sus variables
de entrada es aleatoria. Las variables del modelo calculadas a partir de
variables aleatorias son también aleatorias.
• Por ello, la evolución de este tipo de sistemas debe estudiarse en términos
probabilísticos.
• Por ejemplo, considérese el modelo de parqueo, en el cual las entradas y
salidas de coches se producen en instantes de tiempo aleatorios.
• La aleatoriedad de estas variables se propaga a través de la lógica del
modelo, de modo que las variables dependientes de ellas también son
aleatorias.
• Este serıa el caso, por ejemplo, del tiempo que transcurre entre que un
cliente deja aparcado su vehículo y lo recoge (tiempo de aparcamiento),
el numero de vehículos que hay aparcados en un determinado instante,
etc.
21. MODELOS MATEMÁTICOS
• Es importante tener en cuenta que realizar una única replica de una simulación
estocástica es equivalente a realizar un experimento físico aleatorio una única vez.
• Por ejemplo, si se realiza una simulación del comportamiento del parqueo
durante 24 horas, es equivalente a observar el funcionamiento del parqueo real
durante 24 horas. Si se repite la observación al día siguiente, seguramente los
resultados obtenidos serán diferentes, y lo mismo sucede con la simulación: si se
realiza una segunda replica independiente de la primera, seguramente los
resultados serán diferentes.
• La consecuencia que debe extraerse de ello es que el diseño y el análisis de los
experimentos de simulación estocásticos debe hacerse teniendo en cuenta esta
incertidumbre en los resultados, es decir, debe hacerse empleando técnicas
estadísticas.
22. MODELOS MATEMÁTICOS
ESTATICO VS DINAMICO
• Un modelo de simulación estático es una representación de un sistema en un
instante de tiempo particular, o bien un modelo que sirve para representar un
sistema en el cual el tiempo no juega ningún papel. Ejemplo de simulaciones
estáticas son las simulaciones de Monte Carlo.
• Por otra parte, un modelo de simulación dinámico representa un sistema que
evoluciona con el tiempo.
DE TIEMPO CONTINUO VS DE TIEMPO DISCRETO VS HIBRIDO
• Un modelo de tiempo continuo esta caracterizado por el hecho de que el valor
de sus variables de estado puede cambiar infinitas veces (es decir, de manera
continua) en un intervalo finito de tiempo. Un ejemplo es el nivel de agua en un
deposito.
• Por el contrario, en un modelo de tiempo discreto los cambios pueden ocurrir
únicamente en instantes separados en el tiempo. Sus variables de estado
pueden cambiar de valor solo un numero finito de veces por unidad de tiempo.
23. MODELOS MATEMÁTICOS
EL MARCO EXPERIMENTAL
• Al igual que se distingue entre el sistema real y el experimento, es
conveniente distinguir entre la descripción del modelo y la
descripción del experimento. Esto es así, tanto desde el punto de
vista conceptual como desde el punto de vista practico.
• Cuando se trabaja con sistemas reales este riesgo nunca existe, ya
que un sistema real es valido para cualquier experimento. Por el
contrario, cualquier modelo esta fundamentado en un determinado
conjunto de hipótesis.
• Cuando las condiciones experimentales son tales que no se
satisfacen las hipótesis del modelo, ´este deja de ser valido. Para
evitar este problema, la descripción del modelo debe ir
acompañada de la documentación de su marco experimental. Este
establece el conjunto de experimentos para el cual el modelo es
valido.
24. APLICACIÓN DE LOS CONCEPTOS BÁSICOS DEL
MODELADO Y LA SIMULACIÓN
PROBLEMAS
Describa cual serıa en su opinión la forma mas eficaz de estudiar cada uno de los
sistemas siguientes, en términos de las posibilidades mostradas en la Figura .
1. Un ecosistema compuesto por varias especies animales y vegetales, y por
recursos (agua, luz, etc.).
2. Una glorieta en la que convergen varias calles, y que frecuentemente presenta
atascos.
3. Una presa para el suministro de agua y electricidad, que se planea construir en
un rıo.
4. El servicio de urgencias de un hospital, que se encuentra en funcionamiento.
5. Un servicio de entrega de pizzas a domicilio.
6. Una determinada secuencia de pasos en el proceso de fabricación de circuitos
integrados, en una fabrica que se encuentra en funcionamiento.
7. El funcionamiento de un autobús, que conecta el punto de devolución de
vehículos, de una compañía de alquiler de coches, con el aeropuerto.
8. Un circuito eléctrico.