5.

1 INTRODUCCIÓN
En un proyecto de simulación, el uso final de los datos de entrada es impulsar la simulación. Este
proceso implica la recopilación de datos de entrada, el análisis de los datos de entrada y el uso del
análisis de los datos de entrada en el modelo de simulación. Los datos de entrada pueden ser obtenidos
de registros históricos de mamá o recopilados en tiempo real como una tarea en el proyecto de
simulación. El análisis implica la identificación de la distribución teórica que representa los datos de
entrada. El uso de los datos de entrada en el modelo implica especificar las distribuciones teóricas en
el código del programa de simulación. Este proceso se representa en la Figura 5. 1

Una pregunta común es por qué necesitamos incluso considerar ajustar los datos a una distribución
teórica si ya hemos recopilado valores de datos. La razón fundamental es que cuando el profesional
recopila datos, solo se recopila una muestra de la distribución real de datos. Si bien el profesional no
observó valores particulares, no significa que los valores de datos no observados no existan realmente
en el sistema. Si ajustamos con éxito los datos observados a una distribución teórica, entonces
cualquier valor de datos de la distribución teórica puede impulsar el modelo de simulación. Esta es
una situación mucho más realista que conducir la simulación con solo los valores de datos observados.
Una posible debilidad de este enfoque es que la distribución teórica puede generar periódicamente un
valor inusual que quizás nunca esté presente en el sistema real. Un ejemplo es un tiempo entre llegadas
con un valor muy largo "[aunque esto no sucede muy a menudo, el profesional debe estar consciente
de esta posibilidad. Si el modelo muestra un comportamiento inusual que podría haber sido el
resultado de una distribución teórica, luego el profesional puede actuar. Es importante subrayar que
este es un evento muy improbable y que es posible realizar muchos modelos de simulación durante
un período de años sin enfrentar esta situación.
La recopilación de datos de entrada a menudo se considera el proceso más difícil que implica la
realización de un proyecto de simulación y análisis de proyectos. Parte de esto es atribuible al hecho
de que el analista de simulación puede depender de individuos y operaciones fuera del control del
analista. esto es cierto independientemente de si los datos de entrada son de naturaleza histórica o se
recopilarán en tiempo real como parte del proyecto. En otras situaciones, los datos de entrada
requeridos pueden no existir. Esta situación es frecuente cuando el proyecto involucra el análisis de
nuevos equipos de capital.
Para ayudar al operador en el proceso de recopilación y análisis de datos, esta sección incluye una
discusión sobre:

· Fuentes de entrada de datos.

· Recopilación de datos de entrada
· Entrada determinista vs. probabilística d
 · Datos de entrada discretos vs. continuos
· Distribuciones comunes de datos de entrada
· Analizando datos de entrada

5.2 FUENTES DE DATOS DE ENTRADA

Hay muchas fuentes que el profesional puede aprovechar para adquirir datos de entrada. Estos datos
pueden ser históricos, anecdóticos, u observacionales. Incluso si no existe un modelo de sistema real,
es posible que el profesional adquiera los datos de entrada necesarios de otras fuentes. Las fuentes
que están disponibles para el profesional incluyen, entre otras, las siguientes:

· Registros históricos
· Especificaciones del fabricante
· Reclamaciones de proveedores
· Estimaciones del operador
· Estimaciones de gestión
· Captura automática de datos
· observación directa

5.2.1 REGISTROS HISTÓRICOS

Si el sistema base o un sistema base similar ha existido durante algún tiempo, es probable que el
profesional disponga de algún tipo de registro histórico. Debido a que los registros ya existen y no
requerirán la recopilación de datos en tiempo real, este enfoque puede parecer una opción muy
atractiva para el profesional. Con frecuencia, también es atractivo para la organización encargada,
que cree que el dinero se debe ahorrar utilizando este enfoque. Sin embargo, el uso de registros
históricos no está exento de gran riesgo. El primer riesgo es que el sistema histórico original haya
cambiado de alguna manera o no sea exactamente idéntico al sistema actual o propuesto. Sin duda,
basar cualquier tipo de comparación en datos con una confiabilidad cuestionable requiere dificultades
futuras. Como era de esperar, debido a que el sistema no es el mismo, cualquier intento de validar el
modelo con los datos actuales del sistema está condenado al fracaso.

Otro problema es que los datos históricos pueden no haberse recopilado teniendo en cuenta
específicamente un modelo de simulación. 'Ellis significa que los datos que realmente se necesitan
no están realmente disponibles. Con demasiada frecuencia, el profesional no se da cuenta de esto
hasta bien entrado en la traducción del modelo o incluso en la fase de validación del proyecto de
simulación. En ese momento, el proyecto puede estar tan comprimido que es imposible volver al
sistema real y recopilar los datos de entrada del modelo correctos. Debido a los problemas
potencialmente importantes asociados con el uso de registros históricos, el profesional debe pensar
detenidamente en cualquier sugerencia al respecto. Es el practicante quien recibirá el trabajo adicional
si este enfoque se vuelve amargo.

5.2.2 ESPECIFICACIONES DEL FABRICANTE

Las especificaciones del fabricante también le ofrecen al profesional la oportunidad de usar datos que
alguien más ha compilado. Obviamente, la mayoría de los fabricantes proporcionarán una
especificación con base teórica para sus equipos. Debe comprobarse si estas afirmaciones pueden
lograrse en un entorno real o no.
5.2.3 RECLAMACIONES DE PROVEEDORES
los reclamos del proveedor o distribuidor probablemente caerán entre las especificaciones del
fabricante y la realidad. El vendedor o distribuidor ya debe tener alguna experiencia con el tipo de
sistema que se está considerando. Como veremos en este manual, algunas organizaciones de
manufactura requieren que los proveedores y distribuidores creen un modelo de simulación para
probar las capacidades de sus equipos.

5.2.4 ESTIMACIONES DEL OPERADOR

Los operadores de equipos existentes pueden ser un recurso de datos valioso cuando el profesional
no tiene el tiempo o los recursos de recopilación de datos para recopilar datos reales. Si el operador
conoce el sistema, es posible obtener algunas estimaciones de rendimiento que se pueden usar como
datos de entrada. Por ejemplo, el operador podría ser interrogado sobre los tiempos de procesamiento
más cortos, más comunes y más largos para una operación en particular. 'El practicante puede usar
estos datos como una primera estimación con la distribución triangular.

5.2.5 ESTIMACIONES DE GESTIÓN

El profesional también puede considerar solicitar gerentes o ingenieros asociados con el sistema. Si
bien estas personas probablemente no tienen la misma relación de proximidad con el proceso, su
opinión puede ser útil cuando un operador experimentado no está disponible para la entrada.

5.2.6 CAPTURA AUTOMÁTICA DE DATOS

Puede ser posible configurar algún tipo de sistema automático de captura de datos. Esto es análogo a
los monitores de volumen de tráfico que se encuentran con frecuencia en la carretera. Estos monitores
cuentan la frecuencia de los automóviles que pasan por un punto específico durante un período de
tiempo determinado. El acceso electrónico u otros sistemas en formato basados en iones también
pueden capturar el tipo de datos que el profesional necesita para el modelo de simulación.

5.2.7 OBSERVACIÓN DIRECTA

La forma de recolección de datos más exigente física y mentalmente es la observación directa. Aquí
es donde el profesional u otro individuo realmente va a la ubicación del sistema y recopila datos
visualmente. Los datos se recolectan mediante bolígrafo y libreta o quizás con alguna asistencia
tecnológica. Si se utiliza el enfoque de baja tecnología de lápiz y almohadilla, es posible que el
profesional desee desarrollar algún tipo de formulario de recopilación de datos para mantener el
proceso lo más organizado posible. A continuación se proporciona un ejemplo de los encabezados en
este tipo de formulario para un sistema basado en el cliente:

Llegada # Tamaño de lote Arr. Hora. Svc. Iniciar Svc. Fin Comentarios

Tenga en cuenta que hay un título específico para comentarios. A veces es necesario registrar una
característica de identificación sobre el cliente para realizar un seguimiento de cada evento
significativo en el proceso del cliente. A veces, la sección de comentarios se puede usar para incluir
el género, la edad, el origen étnico o el color de la ropa del cliente para ayudar en el proceso de
identificación.

El uso del enfoque de observación directa puede ser particularmente agotador y costoso cuando se
debe capturar una gran cantidad de datos sobre eventos que ocurren con poca frecuencia. Así es como
la fase de recolección de datos puede ganar su reputación como la parte más difícil del proceso de
simulación.

5.3 RECOPILACIÓN DE DATOS DE ENTRADA

De la discusión anterior, debemos estar firmemente convencidos de que la mejor política es recopilar
datos de entrada observables originales. Por supuesto, esto se debe a que el tiempo y los recursos lo
permitan. Como hemos llegado a esta conclusión, ahora es el momento de concentrarse en la
mecánica de recopilación de datos de entrada originales.

En esta sección discutimos:

• Dispositivos de recolección de datos.
• Modo de recolección de tiempo y unidades
• Otras consideraciones de recopilación de datos

5.3.1 DISPOSITIVOS DE RECOLECCIÓN DE DATOS

Si los datos de entrada se recopilan en tiempo real, se pueden recopilar manualmente o con la ayuda
de dispositivos electrónicos. Si los datos se recopilan manualmente con un dispositivo de tiempo,
puede ser útil crear un formulario para ayudar a mantener el proceso de recopilación de datos lo más
organizado posible. El profesional puede mantener las cosas organizadas asegurando fácilmente el
cronómetro mecánico o electrónico a un portapapeles para la recopilación de datos discreta.

Se puede utilizar una amplia selección de dispositivos electrónicos de estudios de tiempo.

Alternativamente, el analista puede optar por desarrollar un programa simple en una computadora
portátil para ayudar con la recopilación de datos. Al presionar las teclas programadas, el profesional
puede realizar un seguimiento de las tasas de llegada entre los pasajeros sin tener que anotar las horas
del reloj. La belleza de este enfoque es que los datos se pueden registrar automáticamente en un
archivo para su análisis. Esto le ahorra al practicante el proceso extremadamente tedioso de la
transcripción de datos del papel a la computadora.

El uso de dispositivos de grabación de video ofrece otra posibilidad para recopilar datos cuando no
es necesario considerar los problemas de privacidad. La mayoría de los dispositivos de grabación de
video contienen pantallas de visualización móviles. Por lo tanto, es posible grabar diferentes procesos
sin que parezca demasiado obvio. Debido a que la reproducción se puede revisar un número infinito
de veces, con frecuencia es posible observar actividades que normalmente se hubieran perdido en
tiempo real.

5.3.2 MODO DE RECOLECCIÓN DE TIEMPO Y UNIDADES

Un tema importante para los datos de entrada de simulación con respecto a los intervalos de tiempo
es la unidad de tiempo que debe usar. Los practicantes novatos pueden observarse con frecuencia
registrando la hora absoluta o la hora del reloj cuando diferentes entidades llegan al sistema. Si se
adopta este enfoque, será necesario un trabajo adicional para convertir el tiempo absoluto en un
tiempo relativo para que se calculen los tiempos de intervalo. Por lo general, es menos laborioso
recopilar los datos correctamente en primer lugar utilizando un enfoque relativo de tiempo entre
llegadas.

Un segundo problema de recolección de tiempo es qué tipos de unidades usar. Para fines de cálculo,
puede ser difícil usar una unidad de tiempo tan pequeña como segundos. Es más fácil de entender
cuando se realiza una ejecución de simulación durante 8 horas o 480 minutos, no 28.800 segundos.
Si se tomara el término medio y se eligiera una unidad de tiempo de simulación de minutos, todos los
valores de los datos tendrían que recopilarse en la misma unidad de tiempo o convertirse en algún
punto. Por ejemplo, si los tiempos de servicio se tomaron en minutos y segundos, los segundos
eventualmente tendrían que convertirse en fracciones de minutos. Aunque la conversión de datos de
esta manera se puede realizar en una hoja de cálculo electrónica, también es posible adquirir lo que
se conoce como un cronómetro de minutos decimales. Este tipo de cronómetro especial registra los
minutos como minutos y los segundos como centésimas de minutos. Cuando se utiliza un cronómetro
decimal, los datos se recopilan en un formato de uso inmediato. Tenga esto en cuenta cuando el
proceso de conversión de la unidad de tiempo se vuelva demasiado engorroso.

5.3.3 OTRAS CONSIDERACIONES DE RECOPILACIÓN DE DATOS

El profesional de la simulación también debe esforzarse para que sea lo más abierto pero lo más
discreto posible al recopilar datos, ya que existen al menos dos razones para esto:
1. Quieres datos imparciales.
2. No desea interrumpir el proceso.

5.3.3.1 DATOS IMPARCIALES

Primero, si es obvio que el profesional está recopilando ciertos tipos de datos de desempeño, algunos
trabajadores pueden intentar sesgar los resultados de la recopilación de datos. Algunos trabajadores
pueden acelerar temporalmente su tasa de trabajo para parecer productivos. Otros pueden retardar
deliberadamente su ritmo de trabajo para evitar que se establezcan altos estándares de trabajo. Si los
datos están sesgados de alguna de estas maneras, puede conducir a un modelo que puede dar
resultados inexactos. Así que el mejor curso de acción es proporcionar una breve sesión informativa
para los trabajadores. En esta sesión informativa, el profesional debe explicar los propósitos de la
recopilación de datos.

5.3.3.2 EVITAR LA INTERRUPCIÓN DEL PROCESO

Otro objetivo por el que el profesional debe esforzarse es no interrumpir la operación en curso. Si el
profesional mantiene un alto perfil en el centro del proceso, entonces los clientes u operadores que
no hayan recibido una reunión informativa pueden sentirse curiosos, "estas personas no solo se
comportan de manera anormal, sino que también pueden distraer al profesional con preguntas. Si se
distrae al profesional, los datos de entrada importantes pueden perderse o corromperse. En casos
extremos, pueden ocurrir otros problemas. Los operadores o clientes desinformados pueden incluso
comunicarse con el personal de seguridad o de las fuerzas del orden público y reportar su actividad
sospechosa de recopilación de datos.

5.4 DATOS DETERMINISTAS VERSUS PROBABILÍSTICOS

Al recopilar los datos de entrada, el profesional debe darse cuenta de que existen diferentes
clasificaciones de datos. Un método para clasificar los datos es si es determinista o probabilística.
Cada proyecto individual se llamará para un conjunto único o tipo de datos de entrada. Algunos de
los tipos de datos de entrada pueden ser deterministas, y otros tipos son probabilísticos.

5.4.1 DATOS DETERMINISTAS

Los datos deterministas significan que el evento que involucra los datos ocurre de la misma manera
o de manera predecible cada vez. Esto significa que este tipo de datos debe recopilarse una sola vez
porque nunca varía en valor. Ejemplos de procesos de entrada deterministas incluyen:
• Tiempo de procesamiento del programa de mecanizado controlado numéricamente por
computadora.
• Intervalos de mantenimiento preventivo.
• Velocidades del transportador.

Los tiempos de procesamiento de los programas de mecanizado controlados numéricamente por

computadora son deterministas porque a menos que exista algún tipo de problema, el programa
siempre lleva la misma cantidad de tiempo para ejecutarse. Estos programas siguen un número
establecido de pasos de procesamiento con velocidades de alimentación predeterminadas, ya que la
máquina controla la máquina herramienta. A menos que exista algún tipo de problema de mecanizado,
no hay posibilidad de desviación del programa informático.

Los programas de mantenimiento preventivo también se pueden predeterminar con un intervalo

específico. el intervalo podría ser después de que se hayan procesado tantos componentes o después
de que haya transcurrido un intervalo de tiempo en particular. En cualquier caso, el número o el
intervalo de tiempo se decide por adelantado y puede ser el mismo para cada ciclo de mantenimiento
preventivo.

Del mismo modo, la mayoría de los transportadores funcionan a una velocidad particular. 'La
velocidad está determinada por la velocidad del motor y el engranaje que impulsa la cinta
transportadora. Esto significa que la velocidad del transportador puede ajustarse a diferentes valores,
pero mientras el transportador está funcionando, funcionará a la velocidad establecida. Mientras el
transportador está funcionando, la velocidad cambiará solo si hay algún tipo de mal funcionamiento
o avería.

5.4.2 DATOS DE ENTRADA PROBABILÍSTICOS

En contraste con los procesos deterministas, un proceso probabilístico no ocurre con el mismo tipo
de regularidad. En este caso, el proceso seguirá alguna distribución probabilística. Por lo tanto, no se
sabe con el mismo tipo de confianza de que el proceso seguirá un comportamiento exactamente
conocido. Ejemplos de datos probabilísticos incluyen:

· Tiempos de intervalo
· Procesos de servicio Gistomer.
· tiempos de reparación

Los tiempos de intervalo de las entidades que entran en un sistema son casi siempre probabilísticos.
el intervalo entre la última entidad y la siguiente entidad puede ser corto, o tal vez largo. No se sabe
exactamente cuándo llegará la próxima entidad. Sin embargo, al recopilar una masa de datos entre
llegadas, es posible ver si los datos siguen algún tipo de distribución. Si el número de llegadas de
entidades en un período de tiempo dado es completamente aleatorio, resulta que el tiempo de llegada
entre entidades sigue realmente una distribución exponencial.

También se puede esperar que los tiempos de servicio al cliente sean probabilísticos. En otras
palabras, la cantidad de tiempo que lleva procesar a un cliente individual en un centro de servicio
variará dependiendo de lo que el cliente necesite. Además, cada vez que un ser humano participa en
un proceso de servicio, es probable que haya alguna variación en los tiempos de servicio. En términos
generales, en un proceso de servicio, una pequeña cantidad de clientes se procesará más rápidamente
que otros. Del mismo modo, un pequeño número de clientes puede tardar mucho más tiempo en ser
procesado. La mayoría de los clientes pueden tomar algún tiempo entre los dos extremos. El patrón
que describe el número de observaciones con respecto al tiempo de procesamiento crea una
distribución probabilística. Nuevamente, aunque hay cierta información disponible sobre el patrón
probabilístico que sigue el tiempo de procesamiento, el tiempo de procesamiento de un cliente
individual en el futuro no se puede predecir con certeza. Sin embargo, con frecuencia resulta que
muchos tiempos de servicio al cliente siguen una distribución normal porque el proceso es en realidad
una suma de un número de tiempos de subproceso más pequeños.

Al igual que con los tiempos de servicio, es probable que los tiempos de reparación sean de naturaleza
probabilística. Esto se debe a que es imposible predecir qué tipo de problema necesita ser reparado.
Si el problema no es grave, se esperaría que el tiempo de reparación fuera más corto. A la inversa, si
el problema es grave o requiere otras piezas, el tiempo de reparación será mayor.

5.5 DATOS DISCRETOS VS. DATOS CONTINUOS

Otra clasificación de los datos de entrada es si los datos son discretos o continuos. Los datos de tipo
discreto solo pueden tomar ciertos valores. Por lo general, esto significa un número entero. Ejemplos
de datos discretos en aplicaciones de simulación serían:

• el número de personas que llegan a un sistema como un grupo o lote

· la cantidad de trabajos procesados antes de que una máquina experimente una avería

Las llegadas por lotes suelen ocurrir en los sistemas de servicio y de tipo de entretenimiento. El
número de clientes en un lote puede asumir solo valores de números enteros. No es posible tener un
cliente fraccional. De manera similar, el número de trabajos procesados a través de una máquina antes
de que se produzca un desglose es un número entero. Los trabajos se completan o no se completan.

Las distribuciones continuas, por otro lado, pueden tomar cualquier valor en el rango observado. Esto
significa que los números fraccionarios son una posibilidad definida. Ejemplos de datos de tipo
continuo incluyen:

• Tiempo entre llegadas

• Tiempos de servicio
• Tiempos de ruta

Obviamente, el tiempo entre las llegadas de entidades en un sistema puede tomar cualquier valor entre
0 e infinito independientemente de la unidad de tiempo utilizada. Esto definitivamente incluye valores
de tiempo fraccionados. Aunque algunos tiempos de servicio pueden observarse más a menudo que
otros, los tiempos de servicio también pueden tomar cualquier valor dentro del rango de tiempo
observado. Sin embargo, los tiempos de servicio pueden tener algún límite inferior específico por
debajo del cual no es posible observar. De manera similar, los tiempos de viaje para las entidades a
pie también pueden tomar cualquier valor dentro de un rango razonable.
5.6 DISTRIBUCIONES COMUNES DE DATOS DE ENTRADA

El propósito de esta sección no es convertir al profesional en un estadístico, sino proporcionar cierto

nivel de familiarización con algunas de las distribuciones de datos de entrada más comunes. Hay
muchos más tipos diferentes de distribuciones probabilísticas que el profesional puede encontrar. A
veces, el profesional puede encontrar estas distribuciones solo como resultado de un programa de
ajuste de datos computarizado. Estos tipos de programas están orientados a devolver el mejor ajuste
matemático entre muchas posibles distribuciones teóricas. En este tipo de casos, un resultado
particular no significa necesariamente que haya una razón racional por la que los datos se ajustan
mejor a una distribución específica. A veces, una distribución teórica que tiene sentido será casi tan
buena. En estos casos, el profesional tendrá que decidir por sí mismo si tiene más sentido utilizar el
mejor ajuste matemático o un ajuste muy cercano que tenga sentido.

Debido a que el propósito de este manual no es hacer que el usuario sea un estadístico, sino un
practicante de simulación, la discusión de las distribuciones de probabilidad está restringida a los
tipos más comunes. Estos incluyen las distribuciones comunes:

• Bernoulli
• Uniforme
• Exponencial
• Normal
• Triangular

También hay una discusión limitada de las siguientes distribuciones menos comunes:
• Beta
• Gamma
• Weibull
Para un tratamiento más matemáticamente enfocado estadísticamente en esta materia, los
profesionales se dirigen a cualquiera de las muchas referencias respetadas sobre probabilidad y
estadísticas.