Es el proceso de diseñar un modelo lógico-matemático de un sistema real y reproducir sus condiciones, su comportamiento operacional y dinámico, para estudiarlo y probarlo, con el objetivo de lograr un mayor grado de conocimiento en la toma de decisiones.

La simulación evalúa con precisión el desempeño de un sistema por complejo que este sea. Es evaluadora y no generadora de soluciones, es decir que no produce una solución óptima, sino, por el contrario, es una herramienta de evaluación que nos orienta hacia la mejor solución.

La simulación genera un escenario virtual en el que los cambios no cuestan como en la realidad. Permite validar si se está tomando la mejor decisión o no.

Ejemplos:

• Simular el comportamiento de un sistema para evaluar el efecto en los indicadores de desempeño por la inclusión de un servidor adicional en una estación de servicio.

• Evaluar cómo se afecta el tiempo de ciclo de producción, debido a los tiempos muertos (downtimes) por paradas de las máquinas durante el proceso de producción.

1. Algunas aplicaciones de la simulación en la industria

  • Análisis y reducción del tiempo de ciclo
  • Disposición de planta
  • Secuenciación de las tareas
  • Simulación de sistemas MRP
  • Análisis de cuellos de botella
  • Balance de líneas
  • Mejoramiento de la calidad
  • Tamaño óptimo del lote
  • Reducción de costos
  • Planeamiento de la producción
  • Reducción de inventarios
  • Programación de los recursos
  • Mejoramiento de la productividad
  • Programas de mantenimiento
  • Diseño de controles de sistemas

La simulación al trabajar en un escenario virtual evita pérdidas de tiempo y no se interrumpe el funcionamiento del sistema actual ya que ambos sistemas pueden trabajar en paralelo . Es decir, todo lo contrario a las técnicas tradicionales de prueba y error.

2. Características de la simulación

  • Capta la interdependencia que existe entre los elementos del sistema.
  • Considera la variabilidad en el sistema.
  • Es suficientemente versátil para modelar cualquier sistema.
  • Muestra el comportamiento del sistema dinámico.
  • Provee información estadística sobre múltiples indicadores de desempeño.
  • Se ejecuta en tiempo comprimido, tiempo real o tiempo retardado.
  • Los resultados son visuales y cuantitativos.

El ejercicio de modelar un sistema nos lleva a pensar en los detalles operacionales del proceso.

Por lo general, existe una tendencia a ignorar los detalles de operación de un diseño o plan, hasta la fase de la implementación, cuando ya es demasiado tarde o irreversible para tomar decisiones que tengan un impacto significativo.

Ejemplo:

Suponga que se ha estudiado el comportamiento de fallas de una máquina. Se determinó que el tiempo entre fallas se ajusta a una distribución de probabilidad exponencial con una media de un mes.

En la vida real no se sabe cuándo va a fallar la máquina sino hasta que esto sucede. Por lo tanto, desde que registramos su comportamiento estadístico entre fallas se puede realizar una prueba de ajuste de datos, con el objetivo de generar variaciones random de la distribución (de mejor ajuste) y así poder estimar la próxima ocurrencia de falla.

Decir que una variable del modelo es aleatoria no significa que es indefinida o impredecible; por el contrario, el fenómeno que está siendo modelado tiende a variar estadísticamente. Estas variaciones estadísticas del fenómeno se pueden ajustar a predicciones probabilísticas.

3. Tipos de simulación (según su naturaleza)

3.1 Simulación basada en el avance del tiempo

Simulación estática

El avance del tiempo no se considera en la simulación estática; es decir, es la representación del sistema en un instante específico del tiempo. A menudo involucra muestras aleatorias para generar reportes estadísticos, también se le llama simulación de Monte Cario. En las finanzas se utiliza en la simulación de selección de cartera de inversiones.

Simulación dinámica

Incluye el paso del tiempo. Un mecanismo de reloj mueve el avance del tiempo y el estado de las variables del sistema son actualizadas. La simulación dinámica se ajusta para analizar los sistemas de manufactura y servicios, dado que ellos operan en el tiempo.

3.2 Simulación basada en el uso de variables aleatorias

Simulación determinística

Se denomina simulación determinística cuando los modelos tienen entradas y salidas (ínputs y outputs) constantes. Estos son construidos de la misma manera que los probabilísticos o estocásticos, excepto que no poseen aleatoriedad. El resultado de una única corrida de simulación representa la medida exacta del desempeño del modelo.

Simulación estocástica o probabilística

La simulación es estocástica o probabilística si los modelos se basan en una o más variables de entrada, cuya naturaleza es aleatoria. Un modelo estocástico tiene entradas aleatorias, entonces produce salidas aleatorias. En un modelo estocástico muchas réplicas de simulación (muestras) deben ser realizadas; entonces, el resultado es un promedio de las réplicas y provee solo un estimado del desempeño del modelo.

Decir que una variable del modelo es aleatoria no significa que es indefinida o impredecible; por el contrario, el fenómeno que está siendo modelado tiende a variar estadísticamente. Estas variaciones estadísticas del fenómeno se pueden ajustar a predicciones probabilísticas.

Ejemplo:

Suponga que se ha estudiado el comportamiento de fallas de una máquina y se determinó que el tiempo entre estas se ajusta a una distribución de probabilidad exponencial con una media de un mes.

En el mundo real no se sabe con precisión cuándo va a fallar la máquina hasta que sucede. Por lo tanto, desde que nosotros registramos su comportamiento estadístico entre fallas, se puede realizar una prueba de ajuste de datos, con el objetivo de generar variaciones random de la distribución (de mejor ajuste) y así poder estimar la próxima ocurrencia de falla.

3.3 Simulación basada en la continuidad de la ocurrencia de los eventos

Simulación discreta

Es aquella en la que los eventos se dan en puntos discretos del tiempo, con lo cual se actualizan los valores de las variables de estado del modelo en dichos puntos. Es decir, existe un intervalo de tiempo variable entre la ocurrencia de un evento y la del otro.

Ejemplo:

El arribo de clientes a un supermercado para realizar sus compras. Al ejecutar el modelo de simulación que representa esta situación, los eventos van sucediendo uno tras otro en el tiempo. Por ejemplo, el arribo de un cliente en un instante dado, la salida de caja de un cliente después de haber realizado el correspondiente pago, el ingreso de un cliente a la cola o las vueltas que da un auto en la playa de estacionamiento antes de encontrar un espacio disponible. Véase el esquema siguiente.

Simulación continua

Es aquella en la que las variables de estado del modelo cambian continuamente respecto del tiempo. Es decir, el intervalo de tiempo entre la ocurrencia de un evento y otro se puede considerar infinitesimal.

Ejemplos:

La temperatura en el transcurso del día. La variable de estado toma diferentes valores en el tiempo, según la temperatura.

– El funcionamiento del tanque de gasolina de una estación de venta de combustible, que por medio de la máquina surtidora, transfiere un flujo hacia los tanques de los vehículos.

¿Cuál es la diferencia entre variable discreta y variable continua?

La diferencia está en la forma como cambian de valor. Las variables discretas cambian de valor con la ocurrencia de eventos en el sistema. Mientras no ocurra un evento sus valores permanecen constantes. En cambio, las variables continuas cambian con el simple avance de! tiempo . Por ello, el valor de estas variables se rige por una ecuación en función del tiempo.

Combinación de eventos discretos y procesos continuosT

Llamada también simulación combinada, se da cuando en el sistema estudiado concurren ambos sistemas: discretos y continuos (sistemas híbridos).

Ejemplo:

En una estación de venta de combustible los autos llegan al sistema en forma discreta, el abastecimiento de combustible al vehículo es un proceso continuo.

Ejemplo:

La producción de vidrio plano es otro ejemplo de simulación combinada. Los camiones llegan a la planta según un intervalo entre arribos (modelo discreto por eventos) 1 para descargar la arena que contiene sílice, que es el componente principal del vidrio. Luego, por medio de fajas transportadoras y elevadores de capachos o “cangilones”, todos los ingredientes son transportados a silos de almacenamiento (modelo no discreto o continuo). Existe otra parte del proceso que pertenece al modelo continuo que corresponde al abastecimiento de la mezcla o “batch” al horno de fusión. En el horno, esta mezcla se funde y desde allí la hoja de vidrio es jalada por medio de una serie de rodillos durante una distancia suficiente para que se enfríe por medio de ventiladores. En el extremo superior, operarios realizan el corte de la hoja, que luego se apila en un caballete. Observe que el tramo descrito es un proceso continuo, independientemente de la tecnología utilizada, es decir si el jalado de la hoja es vertical u horizontal.

Ejemplo:

En el esquema siguiente se representa la producción continua de piezas metálicas. Las piezas avanzan por la línea por medio de conveyors o fajas transportadoras y son procesadas en cada estación.

MáquinaRitmo de Producción (Unid/hr)Capacidad de la Faja (Unid.)
12.5005.000
23.160600
31.2165.120
45.8504.520
51.5003.450
62.8004.120
73.660

El inicio se produce en la estación 1, a la que llegan las piezas en forma continua, de acuerdo con una tasa de 2.000 unidades por hora.

Por medio de la simulación de sistemas continuos podemos hacer un balance adecuado de la línea, experimentando cambios en el ritmo de producción.

Es posible modelar fenómenos continuos usando la lógica de eventos discretos, especialmente si un alto grado de precisión no es importante. Suponga que una sustancia fluye en forma continua, esta puede convertirse, para propósitos de simulación, en unidades discretas de medida tales como galones o libras. También es posible modelar eventos discretos usando la lógica de fenómenos continuos; en este caso, es deseable tratar los cambios discretos de las variables de estado como ocurrencias que se dan en intervalos de tiempo muy pequeños. Suponga que se realiza un cambio en el abastecimiento de unidades a una máquina empaquetadora, se pasa de un sistema en el que llegan en forma discreta con un tiempo entre arribos, a un sistema de abastecimiento infinito por medio de una faja transportadora, a razón de 200 unidades por hora.

Referencias

Torres, P., (2013). Simulación de Sistemas con el Software Arena, Lima, Perú: Universidad de Lima Fondo Editorial.