Vous êtes sur la page 1sur 26

Simulacin

SIMULACIN
1.1. Introduccin La simulacin es una de las ms importantes herramientas para analizar el diseo y operacin de sistemas o procesos complejos. Esto ha sido posible a partir de la aparicin de las computadoras. El uso moderno de la palabra simulacin data de 1940, cuando los cientficos Von Neuman y Ulam que trabajaban en el proyecto Monte Carlo, durante la Segunda Guerra Mundial, resolvieron problemas de reacciones nucleares cuya solucin experimental sera muy cara y el anlisis matemtico demasiado complicado. En la actualidad, la simulacin es una tcnica poderosa para la resolucin de problemas. Sus orgenes se encuentran en el muestreo estadstico y en el anlisis de sistemas fsicos probabilsticas complejos. El aspecto comn de ambos es el uso de nmeros y muestras aleatorias para aproximar soluciones. Con la utilizacin de la computadora en los experimentos de simulacin surgieron incontables aplicaciones y con ello, una cantidad mayor de problemas tericos y prcticos. En este curso se van a ver tcnicas que utilizan las computadoras para imitar, o simular, el comportamiento de sistemas del mundo real. Para estudiar cientficamente estos sistemas, a menudo se han de hacer una serie de suposiciones acerca de cmo trabaja ste. Estas suposiciones que usualmente toman la forma de relaciones matemticas o lgicas, constituyen un modelo que va a ser usado para intentar comprender el comportamiento del sistema correspondiente. Si las relaciones que componen el modelo son suficientemente simples, es posible usar mtodos matemticos (tales como lgebra, clculo o teora de la probabilidad) para obtener una informacin exacta de las cuestiones de inters; a esto se le llama solucin analtica. Sin embargo, la mayora de los sistemas del mundo real son demasiado complejos y normalmente los modelos realistas de los mismos, no pueden evaluarse analticamente. Lo que se puede hacer es estudiar dichos modelos mediante simulacin. En una simulacin se utiliza la computadora para experimentar con un modelo numricamente, de forma que con los resultados obtenidos se haga una estimacin de las caractersticas del sistema.

Simulacin

La simulacin es una de las herramientas que ms se utilizan en el campo de la ciencia administrativa. Difiere en forma considerable de otros modelos y tcnicas. Tradicionalmente, los problemas como control de inventarios, transporte, anlisis de estrategias de mercados se modelan y resuelven en forma analtica, como se dijo arriba, pero se tienen que hacer diversas consideraciones bsicas con respecto al medio ambiente del problema con el objeto de plantear el modelo. En simulacin no se requieren muchas consideraciones que son necesarias para plantear modelos de problemas para resolverlos en forma analtica; por ello es posible estudiar sistemas ms grandes y complejos. 1.2. Definiciones y aplicaciones. Definicin de simulacin. Thomas H. Taylor la define de la siguiente manera: Simulacin es una tcnica matemtica para conducir experimentos en una computadora digital. Estos experimentos comprenden ciertos tipos de relaciones matemticas y lgicas, las cuales son necesarias para describir el comportamiento y la estructura de sistemas complejos del mundo real a travs de largos periodos de tiempo. (Coss, 1986). En tanto que H. Maisel y G. Gnugnoli la definen como una tcnica numrica para realizar experimentos en una computadora digital. Estos experimentos involucran ciertos tipos de modelos matemticos y lgicos que describen el comportamiento de sistemas de negocios, econmicos, sociales, biolgicos, fsicos o qumicos a travs de largos periodos de tiempo. (Coss, 1986). Robert E. Shannon, la define como el proceso de disear y desarrollar un modelo computarizado de un sistema o proceso y conducir experimentos con este modelo con el propsito de entender el comportamiento del sistema o evaluar varias estrategias con las cuales se puede operar el sistema.(Coss, 1986). Para propsitos prcticos, Davis y McKeown la definen como el proceso de desarrollar un modelo de un problema y estimar las medidas de su comportamiento llevando a cabo experimentos muestrales sobre el modelo. (Davis y McKeown, 1986). La simulacin es la modelacin de un proceso o sistema, de forma tal que el modelo imite la respuesta del sistema real para eventos que tengan lugar en el tiempo (Schriber, 1987).

Simulacin

La simulacin es la imitacin de un sistema dinmico usando un modelo de computadora con el fin de evaluar y mejorar el desempeo del sistema (Harrell, Ghosh y Bowden, 2003, p. 5). En la prctica actual, la simulacin es realizada usando un software de simulacin como ProModel que incluye constructores de modelacin diseados especficamente para capturar el comportamiento dinmico del sistema. Se obtienen las estadsticas de desempeo durante la simulacin y son resumidas automticamente para su anlisis. El software de simulacin moderno proporciona una animacin grfica realista del sistema que est siendo modelado. Durante la simulacin, el usuario puede ajustar interactivamente la velocidad de animacin y cambiar los valores de los parmetros del modelo para realizar anlisis qu pasa-si. La potencia de la simulacin subyace en el hecho de que provee un mtodo de anlisis que es no solamente formal y predictivo, sino que es capaz de predecir exactamente el desempeo de sistemas an ms complejos. Usando una computadora para modelar un sistema antes de que sea construido o para probar polticas de operacin antes de que sean implementadas realmente, se pueden prevenir muchos de los errores que son encontrados frecuentemente en el arranque de un nuevo sistema o la modificacin de uno existente. Debido a que la simulacin funciona en tiempo comprimido, las semanas de operacin del sistema pueden ser simuladas en slo pocos minutos o segundos. Las caractersticas de la simulacin que hacen de ella una herramienta de planeacin y toma de decisiones poderosa pueden ser resumidas como sigue: Captura las interdependencias en el sistema. Explica la variabilidad en el sistema. Es suficientemente verstil como para modelar cualquier sistema. Es menos costos, consume menos tiempo e interrupciones que la experimentacin sobre el sistema real. Provee informacin sobre las mediciones de desempeo mltiples. Es visualmente atractivo y atrapa el inters de la gente. Provee resultados que son fciles de entender y comunicar.

Simulacin Funciona en tiempo comprimido, real o an retardado. Fuerza la atencin en el detalle en un diseo.

Cmo se hace la simulacin? La simulacin es esencialmente una herramienta de experimentacin en la que un modelo de computadora de un sistema nuevo o existente es creado con el propsito de conducir experimentos. El modelo acta como un sustituto del sistema actual o del mundo real. El conocimiento obtenido de la experimentacin en el modelo puede ser transferido al sistema real (ver figura 1.1, Harrell, Ghosh y Bowden, 2003). El procedimiento para hacer la simulacin sigue el mtodo cientfico: 1. Formular una hiptesis. 2. Preparar un experimento. 3. Probar la hiptesis a travs de la experimentacin. 4. Sacar conclusiones acerca de la validez de las hiptesis.

Figura 1.1 La simulacin provee un mtodo virtual para hacer experimentacin de sistemas. (Tomado
de Harrell, Ghosh y Bowden, 2003, p 9)

En simulacin, se formula una hiptesis acerca de qu diseo o polticas de operacin funciona mejor. Entonces se prepara un experimento en la forma de un modelo de simulacin para probar la hiptesis. Con el modelo, se conducen mltiples rplicas del experimento o simulacin. Finalmente, se analizan los resultados de la simulacin y se sacan conclusiones acerca de la hiptesis. Si la hiptesis fue correcta, se puede seguir

Simulacin

confiadamente haciendo el diseo o los cambios operacionales. La figura 1.2 muestra este proceso, el cual es repetido hasta que se est satisfecho con los resultados. Aplicaciones La simulacin empez a ser usada en aplicaciones comerciales desde los aos 60 del siglo pasado. Los modelos iniciales fueron programados generalmente en FORTRAN y con frecuencia consistieron de centenares de lneas de codificacin, lo que represent tareas arduas y una depuracin extensa antes de que los modelos funcionaran correctamente. En las dos ltimas dcadas la simulacin ha obtenido popularidad como una herramienta de toma de decisiones en las industrias de manufactura y de servicios. Para muchas compaas, la simulacin se ha convertido en una prctica normal cuando una instalacin est siendo planeada o un cambio en el proceso est siendo evaluado. El surgimiento en la popularidad de la simulacin en computadora puede ser atribuido a lo siguiente: La conciencia incrementada y la comprensin de la tecnologa de la simulacin. La disponibilidad y capacidad incrementadas, y la facilidad de uso del software de simulacin. La memoria y velocidades de procesamiento incrementadas, especialmente de las PC. La declinacin de los costos de software y software de las computadoras.

Simulacin

Inicio

Formular una hiptesis

Desarrollar un modelo de simulacin No

Correr el experimento de simulacin

Hiptesis correcta?

Fin

Figura 1.2 El proceso de experimentacin de la simulacin. (Tomado de Harrell, Ghosh y Bowden,


2003, p 10)

Ya que el uso fundamental de la simulacin est en el apoyo a la decisin, la mayora del curso estar enfocado en el uso de la simulacin para el diseo del sistema y las decisiones operacionales. Como una herramienta de decisin, la simulacin ha sido usada para ayudar a planear y hacer mejoras en muchas reas de las industrias de manufactura y de servicios. Las aplicaciones tpicas de la simulacin incluyen:

Planeacin del flujo de trabajo. Planeacin de la capacidad. Reduccin del tiempo de ciclo. Planeacin del staff y los recursos. Prioridad del trabajo. Reduccin del costo.

Reduccin de inventarios. Anlisis del rendimiento total. Mejoramiento de la productividad. Anlisis de la distribucin. Balanceo de lneas. Optimizacin del tamao del lote.

Simulacin Programacin de la produccin. Programacin de los recursos. Programacin del mantenimiento

Una breve descripcin de algunos usos de la simulacin se da a continuacin: Simulacin de un sistema de lneas de espera. Con la tcnica de simulacin es posible estudiar y analizar sistemas de lneas de espera cuya representacin matemtica sera demasiado complicada de analizar. Ejemplos d estos sistemas seran aquellos donde es posible la llegada al sistema en grupo, la salida de la lnea del sistema, el rehusar entrar al sistema cuando la fila es excesivamente grande, etc. Simulacin de un sistema de inventarios. A travs de simulaciones pueden analizar ms fcilmente sistemas de inventarios donde todos sus parmetros (tiempos de entrega, demanda, costo de llevar inventario, etc.), son estticos. Simulacin de un proyecto de inversin. Existen en la prctica una gran

cantidad de proyectos de inversin donde la incertidumbre con respecto a los flujos de efectivo que el proyecto genera a las tasas de inters, a las tasas de inflacin, etc., hacen difcil y a veces imposible manejar analticamente este tipo de problemas. Para este tipo de situaciones el uso de la simulacin es ampliamente recomendado. Simulacin de sistemas econmicos. La tcnica de simulacin puede ser utilizada para evaluar el efecto de cierto tipo de decisiones (devaluacin de la moneda, el impuesto al valor agregado, etc.), en las dems variables macroeconmicas como: producto nacional bruto, balanza comercial, inflacin, oferta monetaria, circulante, etc. Simulacin de estados financieros. la expansin y diversificacin de una organizacin a travs de la adquisicin y establecimiento de nuevas empresas, repercuten significativamente en su posicin y estructura financiera. Por consiguiente, el uso de la simulacin permite analizar cul de las estrategias de crecimiento son las que llevarn a la organizacin al logro de sus objetivos y metas de corto, mediano y largo plazos. Como una gua general, la simulacin es apropiada si los siguientes criterios son ciertos:

Simulacin Una decisin operativa (lgica o cuantitativa) est realizndose. El proceso que est siendo analizado est bien definido y es repetitivo. Las actividades y los eventos son independientes y variables.

El impacto del costo de la decisin es mayor que el costo de hacer la simulacin. El costo para experimentar en el sistema real es mayor que el costo de la simulacin.

Cualidades para hacer simulacin Para cosechar los mayores beneficios de la simulacin, un cierto grado de conocimiento y habilidad en las siguientes reas es til: Administracin de proyectos. Comunicacin. Ingeniera de sistemas. Anlisis estadstico y diseo de experimentos. Principios modelacin. Habilidades de programacin y computacin bsicas. Entrenamiento en uno o ms productos de simulacin. Familiaridad con el sistema que est siendo investigado. y conceptos de

Simulacin Justificacin econmica de la simulacin

El costo es siempre un problema importante cuando se est considerando el uso de cualquier herramienta de software, y la simulacin no es la excepcin. La simulacin no deber ser usada si los costos exceden a los beneficios esperados. Fuentes de informacin sobre simulacin Algunas de las fuentes que estn disponibles incluyen: Conferencias y talleres patrocinados por vendedores y sociedades profesionales (tales como, Winter Simulation Conference y la IEE Conference). Revistas y peridicos (IIE Solutions, Internacional Journal of Modeling and Simulation, etc.). Sitios Web de los vendedores y sociedades profesionales (www.promodel.com, www.scs.org, etc.) Demostraciones y tutoriales proporcionadas por los vendedores (como el CD ProModel). Libros de texto.

1.3. Estructura y caractersticas de la simulacin de eventos discretos. Se elaboran modelos de simulacin para analizar el comportamiento de sistemas como funcin del tiempo. Desde ese punto de vista, existen dos tipos de simulacin: simulacin discreta y simulacin continua. En la simulacin discreta, el sistema simulado se observa nicamente en puntos seleccionados en el tiempo, mientras que en las simulaciones continuas el sistema se monitorea en todos y cada uno de los puntos en el tiempo. Un ejemplo comn de simulacin discreta es un sistema de lneas de espera en el cual se unen clientes a una lnea de espera o se les ofrece servicio y despus abandonan la instalacin de servicio luego de que acaban de ser atendidos. El caso continuo se ejemplifica por el flujo de un lquido en una tubera o del crecimiento de la poblacin mundial. En este curso slo se tratar de la simulacin de eventos discretos. Existen tres enfoques comunes a la simulacin discreta 1. Programacin del siguiente evento.

Simulacin 2. Examen de actividades. 3. Orientacin a los procesos. Programacin del siguiente evento.

10

Para ilustrar como funciona la simulacin por evento discreto tomaremos el enfoque de programacin del siguiente evento, dejando la discusin de los otros dos para despus. Considere la situacin en la que los clientes llegan a una instalacin para ser atendidos. La instalacin slo tiene un servidor. Cuando llega un cliente, ste debe esperar o darle servicio inmediato, dependiendo de la condicin o estado del servidor. Cuando se completa un servicio, el servidor puede llamar a un cliente que espera para atenderlo o, si no hay nadie en espera, deber mantenerse ocioso o inactivo hasta que llegue un nuevo cliente. El objetivo principal de simular este sistema es recolectar estadsticas como la longitud promedio de la lnea de espera, el tiempo de espera promedio por cliente y el tiempo ocioso promedio por servidor. Slo ocurren cambios en las estadsticas de los sistemas cuando ocurren los dos siguientes eventos: (1) llega un cliente y (2) sale un cliente despus de que acaba de ser atendido. La idea principal de la programacin del evento siguiente consiste en avanzar por la escala de tiempo hasta que se encuentre un evento y, dependiendo del tipo de evento, se toman las acciones adecuadas. Estas acciones deben ser totalmente exhaustivas en el sentido de que deben tomar en cuenta todas las posibilidades de lo que debe ocurrir cuando se presente el evento. El resumen de las acciones asociadas con los dos eventos de llegada y salida es el siguiente: Acciones de eventos de llegada 1. Verifquese el estado del servidor (ocioso u ocupado). a. Si est inactivo, hgase lo siguiente: i. Atindase al cliente en espera y genrese su tiempo de salida sumando su tiempo de servicio al tiempo de simulacin actual. ii. Indquese que el servidor est ocupado y actualcese la estadstica de tiempo ocioso de la instalacin.

Simulacin

11

b. Si est ocupado, colquese al cliente que llega en la lnea de espera y actualcese la estadstica de longitud de la lnea de espera. 2. Genrese el tiempo de llegada del siguiente cliente sumando el tiempo entre llegadas al tiempo actual e simulacin. Acciones de eventos de salida 1. Verifquese la lnea de espera (vaca o no vaca). a. Si est vaca, invirtase la condicin de la instalacin a inactiva. b. Si no est vaca, hgase lo siguiente: i. Eljase a un cliente en espera de la fila mediante el uso de la disciplina de la lnea de espera impuesta (por ejemplo, primeras llegadas, primeras salidas) y actualcense las estadsticas de longitud de la lnea de espera y tiempo de espera del cliente. ii. Atindase al cliente en espera y genrese su tiempo de salida sumando su tiempo de servicio al tiempo actual de la simulacin. 1.4. Sistemas, modelos y control 1.4.1. Sistema Un sistema se define como una coleccin de elementos que funcionan juntos para lograr una meta deseada (Blanchard, 1991). Los puntos clave en esta definicin incluyen el hecho de que (1) un sistema consiste de elementos mltiples, (2) estos elementos estn interrelacionados y funcin en cooperacin y (3) un sistema existe para el propsito de lograr objetivos especficos. Ejemplos de sistemas son los sistemas de trfico, sistemas prcticos, sistemas econmicos, sistemas de manufactura y sistemas de servicio. Los sistemas de manufactura pueden ser pequeos talleres de tareas y clulas de maquinados o grandes instalaciones de produccin y lneas de ensamble. Los sistemas de servicio cubren una amplia variedad de sistemas incluyendo instalaciones de salud, centros de llamadas, parques de diversin, sistemas de transporte pblico, restaurantes, bancos, etc. Los sistemas de manufactura y de servicio pueden ser llamados sistemas de procesamiento porque procesan tems a travs de una serie de actividades. En un sistema de manufactura, las materias primas son transformadas en productos

Simulacin

12

terminados. En los sistemas de servicio, los clientes entran con alguna necesidad de servicio y parten como clientes servidos. Los sistemas de procesamiento son artificiales (son hechos por los humanos), dinmicos (los elementos interactan en el tiempo) y usualmente estocsticos (exhiben un comportamiento aleatorio). 1.4.2. Elementos del sistema Desde la perspectiva de la simulacin, puede decirse que un sistema consiste de entidades, actividades, recursos y controles. Estos elementos definen el quin, qu, dnde, cundo y cmo del procesamiento de la entidad. Vase la figura 1.3.

Entidades de entrada

Entidades de salida
Actividades

Recursos

Controles

Sitema

Figura 1.3 Elementos de un sistema. Entidades Las entidades son los tems procesados a travs del sistema, tales como productos, clientes y documentos. Entidades diferentes pueden tener caractersticas nicas tales como costo, forma, prioridad, calidad o condicin. Las entidades pueden subdividirse en los siguientes tipos: Humana o animadas (clientes, pacientes, etc.). Inanimadas (partes, documentos, recipientes, etc.). Intangibles (llamadas, correo electrnico, etc.).

Para la mayora de los sistemas de manufactura y servicios, las entidades son tems discretos. Este es el caso de la manufactura de partes discretas y ciertamente es el caso para casi todos los sistemas de servicios que procesan clientes, documentos y otros. Para algunos sistemas de produccin llamados sistemas continuos, una sustancia no discreta

Simulacin

13

es procesada en lugar de entidades discretas. Ejemplos de sistemas continuos son las refineras y las fbricas de papel. Actividades Las actividades son las tareas realizadas en el sistema que estn directa o indirectamente involucradas en el procesamiento de las entidades. Ejemplos de actividades incluyen servir a un cliente, cortar una parte en una mquina, o reparar una pieza de equipo. Las actividades generalmente consumen tiempo y frecuentemente involucran el uso de recursos. Las actividades pueden ser clasificadas como: Procesamiento de la entidad (verificacin de entrada, tratamiento, inspeccin, fabricacin, etc.). Movimiento de la entidad y el recurso (viaje de montacargas, montar en un ascensor, etc.). Ajustes, mantenimiento y reparaciones de recursos (preparacin de mquinas, reparacin de copiadoras, etc.). Recursos Los recursos son los medios mediante los cuales las actividades son realizadas. Proporcionan las instalaciones de apoyo, el equipo y el personal que est realizando las actividades. Mientras los recursos facilitan el procesamiento de la entidad, los recursos inadecuados pueden restringir el procesamiento limitando la tasa para la cual el procesamiento puede hacerse. Los recursos tienen caractersticas tales como capacidad, velocidad, tiempo de ciclo y confiabilidad. Como las entidades, los recursos pueden clasificarse como: Humanos o animados (operadores, doctores, personal de mantenimiento, etc.). Inanimados (equipo, herramental, especio de piso, etc.). Intangible (informacin, energa elctrica, etc.).

Controles Los controles dictan cmo, cundo y dnde las actividades son realizadas. Los

controles imponen orden en el sistema. En el ms alto nivel, los controles consisten en calendarios, planes y polticas. Al ms bajo nivel, los controles toman la forma de procedimientos escritos y la lgica de control de mquina. En todos los niveles, los

Simulacin

14

controles proporcionan informacin y la lgica de decisin para cmo deber operar el sistema. Ejemplos de control incluyen: Secuencias de ruta. Planes de produccin. Programas de trabajo. Prioridad de tareas. Software de control. Hojas de instrucciones.

Complejidad del sistema Los elementos de un sistema operan en concierto unos con otros de formas que con frecuencia resultan en interacciones complejas. La complejidad del sistema es fundamentalmente una funcin de los siguientes dos factores: 1. Interdependencias entre los elementos de forma tal que cada elemento afecta a otros elementos. 2. Variabilidad en el comportamiento del elemento que produce incertidumbre. Estos dos factores caracterizan virtualmente a todos los sistemas hechos por el humano y hace el comportamiento del sistema difcil de analizar y predecir. Como se muestra en la figura 1.4, el grado de dificultad analtica se incrementa exponencialmente a medida que el nmero de interdependencias y variables aleatorias se incrementa. Interdependencias Las interdependencias causan que el comportamiento de un elemento afecte a otros elementos en el sistema. Por ejemplo, si una mquina se descompone, el personal de reparacin se pone en accin mientras que las operaciones posteriores incurren en ocio por la falta de partes. Las operaciones aguas arriba pueden ser incluso forzadas a parar debido a un atasco en el flujo de la entidad causando un bloqueo de actividades. Otro lugar donde esta reaccin en cadena o efecto domin se manifiesta por s mismo en situaciones donde los recursos son compartidos entre dos o ms actividades. Por ejemplo, un doctor que est tratando a un paciente sera incapaz de responder inmediatamente a otro paciente que necesite su atencin.

Simulacin

15

Grado de dificultad analtica

Nmero de interdependencias y variables aleatorias Figura 1.4 La dificultad analtica como una funcin del nmero de interdependencias y variables
aleatorias

Debe aclararse que la complejidad de un sistema tiene menos que ver con el nmero de elementos en el sistema que con el nmero de relaciones de interdependencia. Incluso cuando las relaciones de interdependencia pueden variar en grado, causando mayor o menor impacto en el comportamiento general del sistema. La interdependencia del sistema puede ser ajustada u holgada dependiendo de qu tan estrechamente estn ligados los elementos. Los elementos que son unidos ajustadamente tienen un mayor impacto en la operacin del sistema que los elementos que estn unidos holgadamente. Cuando un elemento tal como un trabajador o una mquina estn retrasados en un sistema unido ajustadamente, el impacto se siente inmediatamente por los otros elementos en el sistema. En un sistema unido holgadamente, las actividades tienen un menor impacto sobre los otros elementos en el sistema. El gur Peter Seng (1990) anota que para muchos sistemas La causa y el efecto no estn estrechamente relacionados en el tiempo y el espacio. Algunas veces la distancia en el tiempo y el espacio entre las relaciones de causa y efecto llegan a ser considerables. Si suficiente inventario de reserva ha sido acumulado, una huelga de camioneros ha cortado el envo de materias primas a una planta de transmisin en alguna parte del mundo puede no afectar el ensamble del automvil en otra parte del mundo por semanas. Las relaciones causa y efecto son como

Simulacin

16

una onda de agua que disminuye en el impacto a medida que la distancia en el tiempo y el espacio se incrementa. Obviamente, el enfoque preferido para tratar las interdependencias es eliminarlas todas. Desafortunadamente, esto no es completamente posible para la mayora de las situaciones. La idea general de un sistema es lograr una sinergia que de otra forma sera inalcanzable si cada componente fuera a funcionar en aislamiento completo. Diversos mtodos son usados para desacoplar los elementos del sistema o al menos aislar su influencia de forma tal que sus interrupciones no sean sentidas fcilmente. Esto incluye proveer inventarios de amortiguamiento, implementacin de redundancia o medidas de respaldo y dedicar recursos para tareas sencillas. Variabilidad La variabilidad es una caracterstica inherente a cualquier sistema que involucre humanos y maquinaria. La incertidumbre en los envos de los proveedores, las fallas aleatorias del equipo, el ausentismo impredecible y la demanda fluctuante se combinan para crear caos en las operaciones de planeacin del sistema. La variabilidad se propaga en un sistema de forma que las salidas altamente variables de una estacin de trabajo se convierten en entradas altamente variables (Hopp y Spearman, 2000). La tabla 1.1 identifica los tipos de variabilidad aleatoria que tienen la mayora de los sistemas de manufactura y servicios. Tipo de variabilidad Tiempos de actividad Ejemplo Tiempos de operacin, tiempos de reparacin, tiempos de preparacin, tiempos de movimientos. Decisiones Aceptar o rechazar una parte, dnde dirigir un cliente particular, qu tarea realizar enseguida. Cantidades Tamao de los lotes, nmero de llegadas, nmero de ausencia de trabajadores. Intervalos de eventos Atributos Tiempo entre llegadas, tiempo entre fallas de equipo. Preferencia del cliente, tamao de la parte, nivel de destreza. Tabla 1.1 Ejemplos de variabilidad del sistema.

Simulacin

17

La tendencia en la planeacin de sistemas es ignorar la variabilidad y evaluar la capacidad y desempeo del sistema basados en los valores promedio. Muchos paquetes de programacin comerciales tales como el MRP (planeacin de requerimientos de materiales) funcionan de esta manera. Ignorar la variabilidad distorsiona la imagen real y conduce a predicciones de desempeo inexactas. Disear sistemas basados en los requerimientos promedio es como decidir si vestir un abrigo basado en la temperatura promedio anual o prescribir los mismos lentes para todos basados en la vista promedio. Dondequiera que ocurra la variabilidad, deber intentarse describir la naturaleza o patrn de variabilidad y evaluar el intervalo de impacto que la variabilidad tendra en el desempeo del sistema. Mtricas de desempeo del sistema Las mtricas son medidas usadas para evaluar el desempeo de un sistema. En el ms alto nivel de una organizacin o negocio, las mtricas miden el desempeo global en trminos de utilidades, rendimientos relacionados al presupuesto, retorno sobre los activos, etc. Estas mtricas generalmente son de naturaleza financiera y muestran el desempeo primordial. Desgraciadamente, tales mtricas son inherentemente retrasadas, disfrazan el desempeo operacional y son slo peridicamente reportadas. Desde el punto de vista operacional, es ms beneficioso rastrear factores tales como el tiempo, la calidad, la cantidad, la eficiencia y la utilizacin. Estas mtricas operacionales reflejan la actividad inmediata y son controlables directamente. Tambin conducen a las mtricas ms altas financieramente relacionadas. Las mtricas operacionales clave que describen la efectividad y eficiencia de los sistemas de manufactura y servicios incluyen las siguientes: Tiempo de flujo. El tiempo promedio que le toma a un tem o cliente ser procesado a travs del sistema. Los sinnimos incluyen: tiempo de ciclo, tiempo de rendimiento especfico1 y tiempo de entrega. Para sistemas de cumplimiento de orden, el tiempo de flujo puede ser visto como un tiempo de respuesta al cliente o tiempo de cambio completo. Un trmino estrechamente relacionado en manufactura es makespan, el cual es el tiempo para procesar un conjunto de trabajos dado. El tiempo de flujo puede ser acortado reduciendo los tiempos de
1

Troughput time

Simulacin

18

actividad que contribuyan al tiempo de flujo tales como los tiempos de preparacin, movimiento, operacin e inspeccin. Tambin puede ser reducido disminuyendo el trabajo en proceso o el nmero promedio de entidades en el sistema. Ya que cerca del 80 por ciento del tiempo del ciclo es con frecuencia gastado esperando en almacenamiento o lneas de espera, la eliminacin de amortiguadores tiende a producir una mayor reduccin en el tiempo del ciclo. Otra solucin es agregar ms recursos, pero puede ser costoso. Utilizacin. El porcentaje del tiempo programado que el personal, equipo y otros recursos estn en uso productivo. Si un recurso no est siendo utilizado, puede ser porque est ocioso, bloqueado o parado. Para incrementar la utilizacin productiva, usted puede incrementar la demanda sobre el recurso o reducirla cantidad de recurso o capacidad. Ayuda tambin balancear las cargas de trabajo. En un sistema de alta variabilidad en los tiempos de actividad, es difcil lograr una alta utilizacin de los recursos. Los talleres de tareas, por ejemplo, tienden a tener una baja utilizacin de la mquina. Incrementar la utilizacin de la utilizacin a causa de la utilizacin no es un buen objetivo. Incrementar la utilizacin de recursos que no son cuellos de botella, por ejemplo, con frecuencia crear inventarios excesivos sin crear un rendimiento adicional. Tiempo de valor agregado. La cantidad de tiempo que invierte el material, los clientes, etc., en recibir realmente recibir valor, donde el valor es definido como cualquier cosa para la cual el consumidor est dispuesto a pagar. Desde un punto de vista operacional, el tiempo de valor agregado es considerado igual que el tiempo de procesamiento o tiempo gastado realmente sufriendo alguna transformacin fsica o sirviendo. El tiempo de inspeccin y el tiempo de espera son considerados como tiempos que no agregan valor. Tiempo de espera. La cantidad de tiempo que el material, clientes, etc., gastan en la espera de ser procesados. El tiempo de espera es por mucho el mayor componente del tiempo sin valor agregado. El tiempo de espera puede ser disminuido reduciendo el nmero de tems (tales como clientes o niveles de inventario) en el sistema. Reduciendo la variacin y las interdependencias en el sistema puede reducir tambin los tiempos de espera. Pueden agregarse recursos adicionales, pero el intercambio entre el costo de agregar los recursos y los ahorros del tiempo de espera reducido necesita ser evaluado.

Simulacin

19

Tasa de flujo. El nmero de tems producidos o de clientes servidos por unidad de tiempo (tal como partes o clientes por hora). Los sinnimos incluyen tasa de produccin, tasa de procesamiento o tasa de rendimiento total. La tasa de flujo puede ser incrementada por una mejor administracin y utilizacin de los recursos, especialmente las limitaciones o recursos cuello de botella. Esto se hace asegurando que las operaciones o recursos cuello de botella nunca sean estrangulados o bloqueados.

Niveles de inventario o de filas de espera. El nmero de tems o clientes en reas de almacenamiento o espera. Es deseable conservar los niveles de lneas de espera a un mnimo mientras todava se logre el objetivo de rendimiento total y los requerimientos del tiempo de respuesta. Donde los niveles de las filas de espera fluctan, a veces es deseable controlar el nivel de la fila mnima o mxima. Las lneas de espera ocurren cuando los recursos no estn disponibles cuando se necesitan. El inventario o niveles de lneas de espera pueden controlarse mediante el balance del flujo o restringiendo la produccin en las operaciones que no son cuello de botella. La produccin JIT (justo a tiempo) es una manera de controlar los niveles de inventario.

Rendimiento. Desde un punto de vista de produccin, el porcentaje de productos terminados que son conformes a las especificaciones del producto como un porcentaje del nmero total de productos que entraron al sistema como materias primas. Si 95 de 100 tems son no defectivos, el rendimiento es 95 por ciento. El rendimiento tambin puede ser medido por su complemento tasa de rechazo o desperdicio.

Respuesta al cliente. La capacidad del sistema de enviar los productos a tiempo para minimizar el tiempo de espera del cliente. Podra ser medida como la tasa de surtido, la cual es el nmero de rdenes de cliente que pueden ser surtidas inmediatamente del inventario. Minimizar el retraso del trabajo, puede ser deseable para minimizar el tiempo de retraso total, minimizar el nmero o porcentaje de tareas que estn retrasadas o minimizar la tardanza en las tareas. En las operaciones hacer para almacenar, la respuesta al cliente puede ser asegurada manteniendo los niveles de inventario adecuados. En rdenes para fabricar, la respuesta al cliente es mejorada disminuyendo los niveles de inventario de forma que los tiempos de ciclo puedan ser reducidos.

Simulacin

20

Varianza. El grado de fluctuacin que puede y con frecuencia ocurre en cualquiera de las mtricas precedentes. La varianza introduce incertidumbre, y por lo tanto riesgo, para lograr las metas de desempeo deseadas. Los proveedores de fabricantes y servicios con frecuencia estn interesados en reducir la varianza en los tiempos de envos y servicio. La varianza se reduce controlando los tiempos de actividad, mejorando la confiabilidad de los recursos y ajustndose a los calendarios.

Variables del sistema Disear un nuevo sistema o mejorar un sistema existente requiere ms que simplemente identificar los elementos y metas de desempeo del sistema. Requiere de un entendimiento de cmo los elementos del sistema afecta a otros y a los objetivos de desempeo globales. Para comprender estas relaciones, debemos entender los tres tipos de variables del sistema: 1. Variables de decisin 2. Variables de respuesta 3. Variables de estado Variables de decisin. Las variables de decisin (tambin llamadas factores de entrada en SimRunner) son algunas veces referidas como variables independientes en un experimento. Cambiar los valores de las variables independientes de un sistema afecta el comportamiento del sistema. Las variables independientes pueden ser controlables o no controlables dependiendo de si el experimentador es capaz de manipularlas. Un ejemplo de una variable controlable es el nmero de operadores a asignar a una lnea de produccin o trabajar uno o dos turnos. Las variables controlables son llamadas variables de decisin porque el tomador de decisiones (experimentador) controla los valores de las variables. Una variable no controlable podra ser el tiempo para servir a un cliente o la tasa de rechazo de una operacin. Cuando se est definiendo el sistema, las variables controlables son la informacin acerca del sistema que sea ms prescriptito que descriptivo. Obviamente, todas las variables independientes en un experimento son finalmente controlables pero a un costo. El punto importante aqu es que algunas variables son ms fciles de cambiar que otras. Cuando se estn conduciendo experimentos, la

Simulacin

21

solucin final est basada con frecuencia en si el costo de implementar un cambio produce un mayor rendimiento en el desempeo. Variables de respuesta. Las variables de respuesta (algunas veces llamadas variables de desempeo o de salida) miden el desempeo del sistema en respuesta a un grupo de variables de decisin en particular. Una variable de respuesta podra ser el nmero de entidades procesadas para un periodo dado, la utilizacin de un recurso promedio o cualquiera de las otras mtricas descritas anteriormente. En un experimento, la variable de respuesta es la variable dependiente, la cual depende del conjunto de valores particulares de las variables independientes. El experimentador no manipula las variables dependientes, slo las variables independientes o de decisin. Obviamente, la meta en la planeacin del sistema es encontrar los valores correctos o conjuntos de las variables de decisin ms que los valores de respuesta deseados. Variables de estado. Las variables de estado indican el estatus del sistema en cualquier punto especfico en el tiempo. Ejemplos de las variables de estado son el nmero corriente de entidades esperando ser procesadas o el estado corriente de un recurso particular (ocupado, ocioso, parado). Las variables de respuesta son frecuentemente resmenes de los cambios de las variables de estado en el tiempo. Por ejemplo, los tiempos individuales que una mquina est en un estado ocupado puede ser sumado en un periodo particular y dividido entre el tiempo disponible total para reportar la utilizacin de la mquina para ese periodo. Las variables de estado son variables dependientes como las variables de respuesta ya que ellas dependen de un conjunto de variables independientes. Las variables de estado son con frecuencia ignoradas en los experimentos ya que no son directamente controladas como las variables de decisin y no son de mucho inters como resumen del comportamiento de las variables de respuesta.

1.4.3. Modelos Existen distintos tipos de modelos de simulacin que permiten representar situaciones reales de diferentes tipos. La manera en que la simulacin funciona est basada enormemente en el tipo de simulacin usado. Hay muchas maneras de clasificar la simulacin. Algunas de las ms comunes incluyen:

Simulacin Esttica o dinmica Estocstica o determinista Evento discreto o continua

22

Simulacin esttica versus dinmica. Una simulacin esttica es una que no est basada en el tiempo. Con frecuencia involucra extracciones de muestras aleatorias para generar una salida estadstica, esto es llamado algunas veces simulacin Monte Carlo. En finanzas, la simulacin Monte Carlo es usada para seleccionar un portafolios de acciones y valores. Dado un portafolios con dividendos probabilistas diferentes, es posible generar un rendimiento esperado. Un proveedor de sistema de manejo de materiales desarroll un modelo de simulacin esttico para calcular el tiempo esperado para recorrer desde una localizacin de estante en un sistema de almacenamiento a cualquier otra localizacin de estante. Fue usada una muestra aleatoria de 100 relaciones desde-hasta para estimar un tiempo de recorrido promedio. Tuvo que ser calculado cada viaje desde-hasta, una localizacin de 1000 estantes tendra involucrados 1000! clculos. La simulacin dinmica incluye el paso del tiempo. Observa los cambios de estado a medida que stos ocurren en el tiempo. Un mecanismo de reloj se adelanta en el tiempo y las variables de estado son actualizadas a medida que el tiempo avanza. La simulacin dinmica es apropiada para analizar sistemas de manufactura y servicios ya que opera en el tiempo. Simulacin estocstica versus determinista. La simulacin en las que una o ms variables de entrada son aleatorias son referidas como simulaciones estocsticas o probabilistas. Una simulacin probabilista produce una salida que por s misma es aleatoria y por lo tanto da solamente un dato punto de cmo el sistema podra comportarse. Las simulaciones que no tienen componentes de entrada que sean aleatorios se dice que son deterministas. Los modelos de simulacin deterministas son construidos de la misma forma que los modelos estocsticos excepto que no contienen aleatoriedad. En una simulacin determinista, todos los estados futuros son determinados una vez que los datos de entrada y un estado inicial han sido definidos. Como se muestra en la figura 1.5 las simulaciones deterministas tienen entradas constantes y producen salidas aleatorias. Las entradas podran incluir tiempos de

Simulacin

23

actividad, intervalos de llegada y secuencias de ruta. Las salidas incluyen mtricas como tiempo de flujo promedio, tasa de flujo y utilizacin de recursos. Cualquier salida impactada por una variable de entrada aleatoria ser tambin una variable aleatoria. ste es el porqu las entradas aleatorias y las salidas aleatorias de la figura 1.5 (b) son mostradas como distribuciones estadsticas.

Figura 1.5 Ejemplos de (a) una simulacin determinista y (b) una simulacin estocstica. (Tomado de
Harrell, Ghosh y Bowden, 2003, p 49)

1.5. Mecanismos de tiempo fijo y tiempo variable La naturaleza propia de la dinmica de los modelos de simulacin de eventos discretos requiere que se lleve un registro de los valores actuales del tiempo simulado conforme la simulacin se ejecuta, y tambin se requiere de un mecanismo de avance del tiempo de un valor a otro. Por ello, se introduce en el modelo de simulacin una variable que proporcionar el valor actual del tiempo simulado al que se le conoce como reloj de simulacin. Se tienen dos mecanismos para el registro del reloj: Avance variable de tiempo o avance de tiempo al siguiente evento. Consiste en avanzar el reloj de a la hora a que debe ocurrir el siguiente evento. Avance de tiempo de incremento fijo. Consiste en avanzar el reloj en intervalos pequeos uniformes de tiempo y determinar en cada intervalo si deben ocurrir eventos en ese lapso. 1.6. Etapas de un proyecto de simulacin Existen diversos criterios para conducir un problema de simulacin, aqu se muestra el recomendado por Garca Dunna et al (2005), sin embargo, los pasos fundamentales son los mismo en todos los modelos sugeridos.

Simulacin

24

1.6.1. Definicin del sistema bajo estudio. En esta etapa es necesario conocer el sistema a modelar. Saber qu origina el estudio de simulacin y establecer los supuestos del modelo (variables de decisin, interacciones, alcances y limitaciones). Se recomienda, adems, contar con la

informacin suficiente para lograr un modelo conceptual del sistema bajo estudio. 1.6.2. Generacin del modelo de simulacin base. El siguiente paso es generar un modelo de simulacin base. No es preciso que este modelo sea demasiado detallado, pues se requiere mucha ms informacin estadstica sobre el comportamiento de las variables de decisin del sistema. Se debe traducir a un lenguaje de simulacin la informacin que se obtuvo en la etapa de definicin del sistema, incluyendo las interrelaciones de todos los posibles subsistemas que existan en el problema a modelar. En caso de que requiera una animacin, ste tambin es un buen momento para definir qu grfico puede representar mejor el sistema que se modela. 1.6.3. Recoleccin y anlisis de datos. De manera paralela a la generacin del modelo base, es posible comenzar la recoleccin de la informacin estadstica de las variables aleatorias del modelo. Determinar qu informacin es til para la determinacin de las distribuciones de probabilidad asociadas a cada una de las variables aleatorias necesarias para la simulacin. En caso de no contar con la informacin necesaria o de desconfiar de la disponible, ser necesario realizar un estudio estadstico del comportamiento de la variable que se desea identificar, para posteriormente incluirla en el modelo. 1.6.4. Generacin del modelo preliminar. En esta etapa se integra la informacin obtenida a partir del anlisis de los datos, los supuestos del modelo y todos los datos que se requieran para tener un modelo lo ms cercano posible a la realidad del problema bajo estudio. 1.6.5. Experimentacin y optimizacin. Una vez que se han identificado las distribuciones de probabilidad de las variables del modelo y se han implantado los supuestos acordados, es necesario realizar un proceso de verificacin de datos para comprobar la propiedad de la programacin del

Simulacin modelo y comprobar que todos los parmetros usados en la simulacin funcionen correctamente. 1.6.6. Validacin del modelo. Consiste en realizar una serie de pruebas del modelo, utilizando informacin de entrada real para observar su comportamiento y analizar los resultados.

25

Si el problema bajo simulacin involucra un proceso que se desea mejorar, el modelo debe someterse a prueba bajo las condiciones actuales de operacin, lo que dar como resultado un comportamiento similar al que se presenta realmente en el proceso. Si se est diseando un nuevo proceso, la validacin resulta ms complicada. Una manera de validar el modelo consiste en introducir algunos escenarios sugeridos por el cliente y validar que el comportamiento sea congruente con las expectativas que se tienen de acuerdo con la experiencia. 1.6.7. Generacin del modelo final. Una vez que el modelo se ha validado, el analista est listo para realizar la simulacin y estudiar el comportamiento del proceso. En caso de que se desee comparar escenarios diferentes para un mismo problema, ste ser el modelo raz; en tal situacin, el siguiente paso es la definicin de los escenarios a analizar. 1.6.8. Determinacin de los escenarios para el anlisis. Una manera muy sencilla de determinar los escenarios es utilizar un escenario pesimista, uno optimista y uno intermedio para la variable de respuesta ms importante. Se debe tener cuidado de no caer en un diseo de experimentos capaz de generar una gran cantidad de rplicas, lo que redundara en un incremento considerable de costo, anlisis y tiempo de simulacin. 1.6.9. Anlisis de sensibilidad. Una vez que se obtienen los resultados de los escenarios es importante realizar pruebas estadsticas que permitan comparar los escenarios con los mejores resultados finales. Si dos de ellos tienen resultados similares ser necesario comparar sus intervalos de confianza respecto de la variable de respuesta final. Si no hay interseccin de intervalos podremos decir con certeza estadstica que los resultados no son iguales, sin embargo, si los intervalos se traslapan ser imposible

Simulacin

26 determinar, estadsticamente hablando, que una solucin es mejor que la otra. Si se desea obtener un escenario ganador, es necesario realizar ms rplicas de cada modelo y/o incrementar el tiempo de simulacin de cada corrida.

1.6.10. Documentacin del modelo, sugerencias y conclusiones. Una vez realizado el anlisis de los resultados, es necesario efectuar toda la

documentacin del modelo. Esto permitir el uso del modelo generado en caso de que se requieran ajustes futuros. Se deben incluir los supuestos del modelo, las distribuciones asociadas a sus variables, todos sus alcances y limitaciones y, en general, la totalidad de las consideraciones de programacin. Es importante incluir sugerencias tanto del uso del modelo como sobre los resultados obtenidos, con el propsito de realizar un reporte ms completo. Finalmente deben presentarse las conclusiones del proyecto de simulacin, a partir de las cuales es posible obtener los reportes ejecutivos para la presentacin final.