Instituto

Tecnolgico de
Tehuacn (ITT)
Alumno: Altamirano Barragn
Manuel
Profesora: Cintia Garca Ortega
Materia: Modelos de optimizacin de
recursos

Matricula: 14360221
Tercer Semestre Grupo: D
Fecha: viernes 29/05/15

MODELACION Y SIMULACION DE OPERACIONES Y

PROCESOS

UNIDAD 6: MODELACION Y SIMULACION DE

OPERACIONES Y PROCESOS
DEFINICION
La modelacin y simulacin de procesos permite desarrollar modelos virtuales y experimentar en
forma dinmica con ellos. Lo que facilita identificar y cuantificar oportunidades de mejora en el
desempeo actual, as como analizar el comportamiento del proceso bajo estudio en diferentes
condiciones de operacin y adelantarse proactivamente a cambios futuros.
Modelar y simular un proceso es como tenerlo en la computadora y ponerlo a trabajar para observar
y analizar su comportamiento durante diferentes periodos y condiciones de trabajo con el propsito
de identificar oportunidades de mejora y responder a las preguntas qu pasa si?, al realizar cambios
y analizar su desempeo bajo diferentes entornos de operacin.
Algunas de las aplicaciones mas comunes son: el diseo, mejora y rediseo de lneas de
manufactura.

METODOLOGA

Diseo del proyecto de modelacin y simulacin

Obtener, analizar y validar datos
Construccin de un modelo adecuado
Realizar experimentos de simulacin
Documentacin y presentacin de resultados del proyecto.

[Escriba texto]

Pgina 2

MODELACION Y SIMULACION DE OPERACIONES Y

PROCESOS

OBTENCIN DE DATOS PARA EL MODELO

Se definen los datos a recopilar conforme al objetivo y alcance del proyecto.
CONSTRUCCIN DEL MODELO
Se construye un modelo para el proceso en su situacin actual y se modifica
para simular el proceso mejorado
EXPERIMENTOS CON EL MODELO

El valor de los experimentos con el modelo desarrollado es el

conocimiento adicional que se obtiene sobre los procesos.
Un experimento de simulacin tiene uno o mas de los siguientes
objetivos:
o encontrar el desempeo deseado de un proceso
o encontrar el valor ptimo de una variable del proceso
o determinar la sensibilidad del modelo a cambios.
comparar diferentes alternativas de configuracin del proceso.
Al examinar el proceso se pueden observar muchos aspectos de su
desempeo, tales como:
o caractersticas de los estmulos de entrada.
o caractersticas de las transacciones que influencian el flujo en el
mapa de proceso.
o cuellos de botella en el proceso.
o utilizacin y aprovechamiento de los recursos.
o costos incurridos en las diferentes actividades del proceso.
o tiempos de ciclo en las diferentes actividades del proceso.

DOCUMENTACIN Y PRESENTACIN DE RESULTADOS

Recomendaciones respecto a como el proceso en su situacin actual, puede
cambiarse para mejorar su desempeo.
Los resultados se utilizan para justificar los beneficios y el costo en el que se
incurrir, al implementar las mejoras.
Si la organizacin decide implementar los cambios al proceso, el modelo
desarrollado y los resultados obtenidos representan una especificacin de alto
nivel operacional para el nuevo proceso.

[Escriba texto]

Pgina 3

MODELACION Y SIMULACION DE OPERACIONES Y

PROCESOS

6.1: proceso de simulacin

CONCEPTO
La tcnica de simulacin es desde hace mucho tiempo una herramienta importante para el
diseador. Durante muchos aos, se han usado modelos a escala de mquinas, para simular la
distribucin de planta. La simulacin comn se uso inicialmente en la investigacin de operaciones,
surgi por primera vez en el trabajo de John Von Neumann y Stanislaw Ulam, en los ltimos aos
de la dcada de los 40. Quienes a travs del anlisis de Montecarlo en conjunto con una tcnica
matemtica, resolvieron problema relacionados con las barreras nucleares de proteccin, demasiado
costosas para someterlas a pruebas de experimentacin o demasiado complejas para realizar sus
anlisis. Un el advenimiento de las computadoras, en los primeros aos de la dcada de los 50, la
simulacin experiment un avance substancial. En la actualidad se resuelven incontables problemas
de negocios, puesto que la simulacin en la computadora es un mtodo econmico y rpido para
efectuar la vasta cantidad de clculos que se requieren.
ELEMENTOS Y FACES
Generalmente, la simulacin implica la construccin de un modelo matemtico que describa el
funcionamiento de sistema en cuanto a eventos y componentes individuales. Adems, el sistema se
divide en los elementos y las interrelaciones de aquellos elementos de comportamiento previsible, al
menos en funcin de una distribucin de probabilidades, para cada uno de los diversos estados del
sistema y sus insumos. La simulacin es un medio de dividir el proceso de elaboracin de modelos
en parte componentes ms pequeas y combinarlas en el orden natural o lgico. Lo que permite el
anlisis en computadoras de los efectos de las interacciones mutuas entre esta. Debido al error
estadstico, es imposible garantizar que se encontrar la respuesta ptima, no obstante la respuesta
estar por lo menos prxima a la ptima si el problema se simula correctamente. En esencia, el
modelo de simulacin realiza experimentos sobre los datos de una muestra ms que sobre el
universo entero, ya que esto sera demasiado tardado, inconveniente y costoso.
Planificar un proceso de simulacin requiere de los siguientes pasos:
a) Formulacin del problema.
[Escriba texto]

Pgina 4

MODELACION Y SIMULACION DE OPERACIONES Y

PROCESOS
b) Recolleccin y procesamiento de la informacin requerida.
c) Formulacin del modelo matematico.
d) Evaluacin de las caracteristicas de la informacin
procesada.
e) Formulacin de un programa de computadora.
f) Validacin del programa de computadora.
g) Diseo de experimentos de simulacin.
h) Analisis de resultados y validacin de la simulacin.
A continuacin se resumen las principales caractersticas asociadas a cada paso.

FORMULACIN DEL PROBLEMA

Generalmente un problema se presenta por sntomas, no por el diagnostico. Por lo que antes
de generar soluciones en un sistema, se deben buscar el mayor numero de sntomas.
Segn Acoff y Sasieni, las condiciones para que exista el mas simple de los problemas son:

Debe existir por lo menos un individuo que se encuentra dentro de un

marco de referencia, el cual se puede atribuir el problema del sistema.

El individuo debe tener por lo menos un par de alternativas para resolver

su problema, en caso contrario no existe tal problema.

Deben de existir por lo menos, un par de soluciones, una de las cuales
debe tener mayor aceptacin que la otra en el individuo. En caso
contrario, no existe el problema. Esta preferencia esta asociada a un
cierto objetivo dentro del marco de referencia en donde se encuentra el

individuo del sistema.

La seleccin de cualquiera de las soluciones debe repercutir de manera
diferente en los objetivos del sistema, es decir existe una eficiencia y/o
efectividad

[Escriba texto]

asociada

con

cada

Pgina 5

solucin.

Estas

eficiencias

y/o

MODELACION Y SIMULACION DE OPERACIONES Y

PROCESOS
efectividades deben ser diferentes, puesto que de lo contrario no existe

problema.
Por ultimo le individuo que toma las decisiones ignora las soluciones y/o

eficiencia y/o efectividades asociadas con las soluciones del problema.

Si las cinco condiciones anteriores existen, entonces se tiene un

problema. Esta situacin puede complicarse en los siguientes casos:

El problema recae en un grupo, no en un individuo.
El marco de referencia donde se encuentra el grupo, cambia en forma

dinmica.
El numero de alternativas que el grupo puede escoger es bastante

grande, pero finito.

El grupo dentro del sistema puede tener objetivos mltiples. Peor aun,

no necesariamente estos objetivos son consistentes entre si.

Las alternativas que selecciona el grupo son ejecutadas por otro grupo
ajeno, al cual no se le puede considerar como elemento independiente

del sistema.
Los efectos de la decisin del grupo pueden sentirse por elementos que
aun

siendo

ajenos

al

sistema

indirectamente, favorable

considerando,

o desfavorablemente

influyen
hacia el

directa

(poltico,

consumidor, etc.).
Para formular un problema se necesita la siguiente informacin:
Existe un problema?.
De quien es el problema?.
Cual es el marco de referencia del sistema donde se encuentra el

problema?
Quien o quienes toman las decisiones?
Cuales son sus objetivos?.
Cuales son los componentes controlables del sistema y cuales no lo

son?.
Cuales son las interrelaciones ms importantes del sistema?.
Como se emplearan los resultados del proyecto? Por quien? que

efectos tendr?
Las soluciones tendrn efecto a corto o largo plazo?
Podrn los efectos de las soluciones modificarse

fcilmente?
Cuantos elementos del sistema se afectaran por las soluciones del
proyecto? En qu grado?
FORMULAR UN PROBLEMA REQUIERE:

[Escriba texto]

Pgina 6

cambiarse

MODELACION Y SIMULACION DE OPERACIONES Y

PROCESOS

Identificar las componentes controlables de un sistema.

Identificar posibles rutas de accin dadas por las componentes, controlables.
Definir el marco de referencia, dado por las componentes no controlables
Definir los objetivos que se persiguen y clasificarlos por su orden de importancia.
Identificar las relaciones importantes entre las diferentes componentes del sistema, este
paso equivale a encontrar las restricciones que existen, a la vez que permite ms adelante

representar estas interrelaciones en forma matemtica.

La identificacin de la estructura del sistema (componentes, canales, interrelaciones, etc.),

se hace a travs de un proceso sistemtico, que se conoce como diseo de sistemas.

El diseo de sistemas se lleva a cabo de la siguiente manera:
Se ubica al sistema considerando dentro de sistemas ms grandes.
Se determinan las componentes del sistema.
Se determinan los canales de comunicacin entre las componentes del sistema y de este

hacia los elementos de otros sistemas que van a tener influencia directa o indirecta.
Se determinan de que manera se tiene acceso a la informacin requerida como se procesa
esta y como se transmite entre las diferentes componentes del sistema.

IV.1.3 GENERACIN DE VALORES DE UNA VARIABLE ALEATORIA

INTRODUCCIN.
Mtodos ms utilizados para generar nmeros aleatorios y pseudoaleatorios con computadora.
Antes de continuar, es necesario establecer la siguiente terminologa. El trmino variable aleatoria
se emplea para nombrar una funcin de valor real, definida sobre un espacio muestral asociado con
los resultados de un experimento conceptual, de naturaleza azoroza. El valor numrico resultante de
un experimento, de cada una de las variables aleatorias, se llama nmero aleatorio. Se utilizan letras
maysculas para denotar las variables aleatorias y minsculas, para denotar valores de stas
variables aleatorias y minsculas, para denotar valores de stas variables, es decir, para los nmeros
aleatorios. Por ejemplo, F(x); la funcin de distribucin acumulada para una variable aleatoria X,
indica la probabilidad de que X sea menor o igual al particular valor x de la funcin de probabilidad
de la variable aleatoria X, cuando X= x.
TECNICAS PARA GENERAR NMEROS ALEATORIOS.
Se han venido usando cuatro mtodos alternativos para generar las sucesiones de nmeros
aleatorios, estos son:

Mtodos manuales

[Escriba texto]

Pgina 7

MODELACION Y SIMULACION DE OPERACIONES Y

PROCESOS

Lanzamiento de monedas
Lanzamiento de dados
Barajas
Dispositivos mecnicos
Dispositivos electrnicos
Ventajas: Son aleatorios
Desventajas: No reproducibles

TABLAS DE BIBLIOTECA.
Son nmeros aleatorios que se han publicado; por ejemplo a Millon Random Digits, de la
Corporacin Rand, de los cuales podemos encontrar listas de los en los libros de probabilidad y
tablas de matemticas. Estos nmeros fueron generados por alguno de los mtodos de computacin
analgica, los cuales mencionados a continuacin.
Ventaja: Provienen de un fenmeno aleatorio y son reproducibles.
Desventaja: No se obtiene en tiempo real.
MTODOS DE COMPUTACIN ANALOGICA
Los mtodos de computacin analgica dependen de ciertos procesos fsicos aleatorios (por
ejemplo, el comportamiento de una corriente elctrica), por lo que se considera que conducen
verdaderos nmeros aleatorios.
Ventaja: Aleatorios.
Desventaja: No reproducible.
MTODOS DE COMPUTACIN DIGITAL
Se distinguen tres mtodos para producir nmeros aleatorio cuando se usa la computacin digital
(computadoras), los cuales son:
PROVISIN EXTERNA. Consiste en grabar en la memoria de la computadora, las tablas Randa, a
fin de tratar estos nmeros como datos de entrada para un determinado problema.
GENERACIN POR MEDIO DE PROCESOS FSICOS ALEATORIOS. Consiste en usar algn
aditamento especial de la computadora, para registra los resultados de algn proceso aleatorio y
adems, reduzca estas resultados a sucesiones de dgitos.

[Escriba texto]

Pgina 8

MODELACION Y SIMULACION DE OPERACIONES Y

PROCESOS
GENERACIN INTERNA POR MEDIO DE UNA RELACIN DE RECURRENCIA. Consiste en
generar nmeros pseudoaleatorios por medio de ecuaciones de rrecurrencia, en las que
necesariamente se tiene que dar un valor inicial o semilla, para generar los siguientes valores.
Vamos ha centrar nuestra atencin en este ltimo mtodo de computacin digital, y los
describiremos ampliamente.
Ventaja: Son reproducibles.
Desventaja: Son pseudoaleatorios.
CARACTERISTICAS DE LOS NMEROS PSEUDOALEATORIOS

Uniformemente distribuidos
Estadsticamente independientes
Reproducibles
Sin repeticin dentro de una longitud determinada

METODOS QUE UTILIZAN ECUACUACIONES DE RECURRENCIA PARA GENERAR

NUMEROS PSEUDOALEATORIOS.
Aqu describiremos los mtodos de generacin de nmeros pseudoaleatorios, usando ecuaciones de
recurrencia.
METODOS DE GENERACIN DE NUM. PSEUDOALEATORIOS U(0,1).
-Mtodos congruenciales 69
reglas:

C debe ser un entero impar, no divisible ni por 3 ni por 5

a usualmente puede ser cualquier constante sin embargo para asegurar buenos resultados,
seleccione a de tal forma que (a) mod 8= 5 para una computadora binario a o (a) mod 200 =

21 para una computadora decimal.

M debe ser el nmero entero ms grande que la computadora acepte
De acuerdo con Hull y Debell, los mejores resultados par un generador congruencial mixto

en una computadora binaria son:

a=8*c

[Escriba texto]

Pgina 9

MODELACION Y SIMULACION DE OPERACIONES Y

PROCESOS

6.2 LAS TECNICAS MONTECARLO

La simulacin Monte Carlo es una tcnica matemtica computarizada que permite tener en cuenta el
riesgo en anlisis cuantitativos y tomas de decisiones. Esta tcnica es utilizada por profesionales de
campos tan dispares como los de finanzas, gestin de proyectos, energa, manufacturacin,
ingeniera, investigacin y desarrollo, seguros, petrleo y gas, transporte y medio ambiente.
La simulacin Monte Carlo ofrece a la persona responsable de tomar las decisiones una serie de
posibles resultados, as como la probabilidad de que se produzcan segn las medidas tomadas.
Muestra las posibilidades extremas los resultados de tomar la medida ms arriesgada y la ms
conservadora as como todas las posibles consecuencias de las decisiones intermedias.
Los cientficos que trabajaron con la bomba atmica utilizaron esta tcnica por primera; y le dieron
el nombre de Monte Carlo, la ciudad turstica de Mnaco conocida por sus casinos. Desde su
introduccin durante la Segunda Guerra Mundial, la simulacin Monte Carlo se ha utilizado para
modelar diferentes sistemas fsicos y conceptuales.

FUNCION DE LA TECNICA DE MONTECARLO

La simulacin Monte Carlo realiza el anlisis de riesgo con la creacin de modelos de posibles
resultados mediante la sustitucin de un rango de valores una distribucin de probabilidad para
cualquier factor con incertidumbre inherente. Luego, calcula los resultados una y otra vez, cada vez
usando un grupo diferente de valores aleatorios de las funciones de probabilidad. Dependiendo del
nmero de incertidumbres y de los rangos especificados, para completar una simulacin Monte

[Escriba texto]

Pgina 10

MODELACION Y SIMULACION DE OPERACIONES Y

PROCESOS
Carlo puede ser necesario realizar miles o decenas de miles de reclculos. La simulacin Monte
Carlo produce distribuciones de valores de los resultados posibles.
El anlisis de riesgo se puede realizar cualitativa y cuantitativamente. El anlisis de riesgo
cualitativo generalmente incluye la evaluacin instintiva o por corazonada de una situacin, y se
caracteriza por afirmaciones como Eso parece muy arriesgado o Probablemente obtendremos
buenos resultados. El anlisis de riesgo cuantitativo trata de asignar valores numricos a los
riesgos, utilizando datos empricos o cuantificando evaluaciones cualitativas. Vamos a
concentrarnos en el anlisis de riesgo cuantitativo.
Mediante el uso de distribuciones de probabilidad, las variables pueden generar diferentes
probabilidades de que se produzcan diferentes resultados. Las distribuciones de probabilidad son
una forma mucho ms realista de describir la incertidumbre en las variables de un anlisis de
riesgo. Las distribuciones de probabilidad ms comunes son:
Normal O curva de campana. El usuario simplemente define la media o valor esperado y una
desviacin estndar para describir la variacin con respecto a la media. Los valores intermedios
cercanos a la media tienen mayor probabilidad de producirse. Es una distribucin simtrica y
describe muchos fenmenos naturales, como puede ser la estatura de una poblacin. Ejemplos de
variables que se pueden describir con distribuciones normales son los ndices de inflacin y los
precios de la energa.
Lognormal Los valores muestran una clara desviacin; no son simtricos como en la distribucin
normal. Se utiliza para representar valores que no bajan por debajo del cero, pero tienen un
potencial positivo ilimitado. Ejemplos de variables descritas por la distribucin lognormal son los
valores de las propiedades inmobiliarias y bienes races, los precios de las acciones de bolsa y las
reservas de petrleo.
Uniform Todos los valores tienen las mismas probabilidades de producirse; el usuario slo tiene
que definir el mnimo y el mximo. Ejemplos de variables que se distribuyen de forma uniforme
son los costos de manufacturacin o los ingresos por las ventas futuras de un nuevo producto.
Triangular El usuario define los valores mnimo, ms probable y mximo. Los valores situados
alrededor del valor ms probable tienen ms probabilidades de producirse. Las variables que se
pueden describir con una distribucin triangular son el historial de ventas pasadas por unidad de
tiempo y los niveles de inventario.

[Escriba texto]

Pgina 11

MODELACION Y SIMULACION DE OPERACIONES Y

PROCESOS
PERT El usuario define los valores mnimo, ms probable y mximo, como en la distribucin
triangular. Los valores situados alrededor del ms probable tienen ms probabilidades de
producirse. Sin embargo, los valores situados entre el ms probable y los extremos tienen ms
probabilidades de producirse que en la distribucin triangular; es decir, los extremos no tienen tanto
peso. Un ejemplo de uso de la distribucin PERT es la descripcin de la duracin de una tarea en
un modelo de gestin de un proyecto.
Discrete El usuario define los valores especficos que pueden ocurrir y la probabilidad de cada
uno. Un ejemplo podra ser los resultados de una demanda legal: 20% de posibilidades de obtener
un veredicto positivo, 30% de posibilidades de obtener un veredicto negativo, 40% de posibilidades
de llegar a un acuerdo, y 10% de posibilidades de que se repita el juicio.
Durante una simulacin Monte Carlo, los valores se muestrean aleatoriamente a partir de las
distribuciones de probabilidad introducidas. Cada grupo de muestras se denomina iteracin, y el
resultado correspondiente de esa muestra queda registrado. La simulacin Monte Carlo realiza esta
operacin cientos o miles de veces, y el resultado es una distribucin de probabilidad de posibles
resultados. De esta forma, la simulacin Monte Carlo proporciona una visin mucho ms completa
de lo que puede suceder. Indica no slo lo que puede suceder, sino la probabilidad de que suceda.
La simulacin Monte Carlo proporciona una serie de ventajas sobre el anlisis determinista o
estimacin de un solo punto:
Resultados probabilsticos. Los resultados muestran no slo lo que puede suceder, sino lo probable
que es un resultado.
Resultados grficos. Gracias a los datos que genera una simulacin Monte Carlo, es fcil crear
grficos de diferentes resultados y las posibilidades de que sucedan. Esto es importante para
comunicar los resultados a otras personas interesadas.
Anlisis de sensibilidad. Con slo unos pocos resultados, en los anlisis deterministas es ms difcil
ver las variables que ms afectan el resultado. En la simulacin Monte Carlo, resulta ms fcil ver
qu variables introducidas tienen mayor influencia sobre los resultados finales.
Anlisis de escenario. En los modelos deterministas resulta muy difcil modelar diferentes
combinaciones de valores de diferentes valores de entrada, con el fin de ver los efectos de
situaciones verdaderamente diferentes. Usando la simulacin Monte Carlo, los analistas pueden ver

[Escriba texto]

Pgina 12

MODELACION Y SIMULACION DE OPERACIONES Y

PROCESOS
exactamente los valores que tienen cada variable cuando se producen ciertos resultados. Esto
resulta muy valioso para profundizar en los anlisis.
Correlacin de variables de entrada. En la simulacin Monte Carlo es posible modelar relaciones
interdependientes entre diferentes variables de entrada. Esto es importante para averiguar con
precisin la razn real por la que, cuando algunos factores suben, otros suben o bajan
paralelamente.
Una ventaja de la simulacin Monte Carlo es el uso del muestreo Latino Hipercbico, que muestrea
con mayor precisin a partir de un rango completo de funciones de distribucin.

6.3 APLICACIONESDE LA SIMULACION EN PROBLEMAS

DE LINEA DE ESPERA E INVENTARIOS
Simulacin y Anlisis de Inventarios
Anteriormente se estudiaron los modelos de inventarios determinsticos donde se asume
que la demanda de los productos as como el tiempo promedio para reodenar son valores
conocidos y constantes. En muchas situaciones de la vida real la demanda y el tiempo
promedio de uso (lead time) son variables. Si la ayuda de la simulacin es muy difcil
calcular anlisis precisos.
Se presenta un ejemplo (ver presentacin en PowerPoint) en donde se analiza un problema
de inventarios con dos variables de decisin y dos componentes probabilstico: El
propietario de una ferretera desea establecer las decisiones de cantidad de pedido y punto
de reorden para un producto que tiene una demanda diaria probabilstica y un tiempo
promedio de reorden.

[Escriba texto]

Pgina 13

MODELACION Y SIMULACION DE OPERACIONES Y

PROCESOS
Simulacin de un Problema de Lnea de Espera
La modelacin de una lnea de espera es una aplicacin de simulacin muy importante. Las
suposiciones de un modelo de lneas de espera son muy restrictivas. Algunas veces la
simulacin es el nico enfoque que se puede utilizar.
Se presenta un ejemplo (ver presentacin en PowerPoint) en donde las llegadas no siguen
una distribucin de Poisson y las tasas de descargue no son exponenciales ni constantes.
Los problemas de lneas de espera se pueden modelar en QM para Windows y Excel.

Modelos de Simulacin de Incremento de Tiempos Fijos y de Prximo Evento.

Los modelos de simulacin a menudo se clasifican como modelos de incremento de tiempo
fijo y modelos de incremento de prximo evento. Estos trminos se refieren a la frecuencia
en la cual el estado del sistema se actualiza.
Los incrementos de tiempo fijo actualizan el estado del sistema a intervalos de tiempo fijo.
Los modelos de incremento de prximo evento actualizan el sistema slo cuando el estado
del sistema cambia.
Los modelos de evento fijo aleatoriamente generan el nmero de eventos que ocurren
durante un perodo de tiempo. Los modelos de prximo evento generan aleatoriamente el
tiempo que transcurre hasta cuando ocurre el prximo evento.

Modelo de Simulacin para una Poltica de Mantenimiento

La simulacin se puede usar para analizar diferentes polticas de mantenimiento antes de
implementarlas realmente. Muchas opciones que consideran niveles de asesoras,
programacin de partes de reemplazo, tiempo de equipos fuera de servicio y costos de
mano de obra es posible compararlas con la simulacin. Esto incluye hasta el cierre
completo de una plata para mantenimiento
Se presenta el anlisis de una situacin que encara una compaa generadora de energa
elctrica para analizar el problema administrativo de las fallas de los equipos generadores.

Otros Dos Tipos de Modelos de Simulacin

Los Modelos de simulacin a menudo se clasifican en tres categoras:
[Escriba texto]

Pgina 14

MODELACION Y SIMULACION DE OPERACIONES Y

PROCESOS
n Mtodo de Monte Carlo
n Juegos Operacionales y
n Simulacin de Sistemas
Aunque tericamente diferentes, la simulacin computadorizada tiende a esconder esas
diferencias.

Juegos Operacionales
Estos hacen refencia a una simulacin que implica la competencia entre dos o ms
jugadores. Los mejores ejemplos son los juegos militares y los juegos gerenciales. Estos
tipos de simulacin permiten las pruebas de las habilidades y toma de decisiones en un
ambiente competitivo.
Simulacin de Sistemas
Esta es similar a las otras en el sentido que permite a los usuarios verificar las diversas
polticas y decisiones gerenciales para evaluar su efecto en el ambiente operacional. Este
tipo de simulacin modelan la dinmica de sistemas grandes.
Un sistema operativo corporativo puede modelar ventas, niveles de produccin, polticas
de mercadeo, inversiones, contratos con los sindicatos, factores de utilidad, finanzas y otros
factores.
Las simulaciones econmicas, a menudo denominadas modelos economtricos, son usadas
por los gobiernos, la banca y grandes organizaciones para predecir tasas de inflacin,
suministro de dinero domstico y extranjero y niveles de desempleo.
La simulacin de un sistema econmico tpico incluye insumos o entradas tales como:
Niveles de impuestos sobre los ingresos, tasas de impuestos corporativos, tasas de inters,
gasto gubernamental y polticas de comercio exterior. A su vez genera salidas o resultados
tales como: Producto nacional bruto, tasas de inflacin, tasas de desempleo, suministros de
dinero y tasas de crecimiento de la poblacin.

Verificacin y Validacin
Es importante que los modelos de simulacin sean verificados para ver si trabaja
propiamente y si provee una buena representacin de una situacin del mundo real.

[Escriba texto]

Pgina 15

MODELACION Y SIMULACION DE OPERACIONES Y

PROCESOS
El proceso de verificacin comprende la determinacin del modelo de computadora que sea
internamente consistente y que siga la lgica del modelo conceptual. La verificacin debe
contestar la pregunta Construmos el modelo correctamente?
La validacin es el proceso de comparar un modelo de simulacin con el sistema real que
representa para estar seguro que es preciso. La validacin responde la pregunta
Construmos el modelo correcto?.

Papel de las Computadoras en la Simulacin

Las computadoras son crticas en tareas complejas de simulacin. Tres tipos de lenguajes de
programacin de computadoras estn disponibles para los procesos de simulacin:
n Lenguajes de Propsito-General
n Lenguajes de Simulacin de Propsito-Especial: Estos requieren menos
programacin, son ms eficientes y ms fciles para verificar los errores y tienen
generadores propios de nmeros aleatorios.
n Programas de Simulacin Pre-Escritos construdos para manejar un gran nmero de
problemas comunes. Excel y programas de add-ins se pueden usar para problemas
de simulacin.

[Escriba texto]

Pgina 16