3.2.1 Descripción y conceptualización de la simulación, establecer el problema, especificación del objetivo (s), definición de indicadores, simulación y determinación de la muestra.

Simulación :

Es la construcción de modelos informáticos que describen la parte esencial del comportamiento de un sistema de interés, así como diseñar y realizar experimentos con el modelo y extraer conclusiones de sus resultados para apoyar la toma de decisiones.

Se usa como un paradigma para analizar sistemas complejos. La idea es obtener una representación simplificada de algún aspecto de interés de la realidad.

Permite experimentar con sistemas (reales o propuestos) en casos en los que de otra manera esto sería imposible o impráctico.






El sistema simulado imita la operación del sistema actual sobre el tiempo.

La historia artificial del sistema puede ser generado, observado y analizado.

La escala de tiempo puede ser alterado según la necesidad.

Las conclusiones acerca de las características del sistema actual pueden ser inferidos.


 Estructura de un modelo de simulación








ci: variable exógena controlable
 ni: variable exógena no controlable
ei: variable endógena (estado del sistema)
si: variable endógena (salida del sistema)




La formulación de los modelos de simulación requiere de la cuantificación de los parámetros de las variables. Cuando se dispone de datos históricos el proceso inicia con la recolección de datos a los cuales se les denomina datos en bruto (raw data) y posteriormente se les organiza en histogramas los que sirven de base para formular los modelos matemáticos que describen su comportamiento. Es necesario estimar los valores de los parámetros de dichos modelos y probar su significación estadística con respecto a la bondad de ajuste de las distribuciones de probabilidad. La estimación de parámetros de los modelos estocásticos cae dentro del dominio de la estadística. Estas acciones son lo que se conoce como evaluación del modelo.


La etapa final del estudio de simulación consiste en validar el modelo a través del análisis de los datos simulados y debemos responder a las preguntas ¿qué tan bien coinciden los valores simulados de las variables endógenas con datos históricos conocidos, si es que éstos están disponibles? y ¿qué tan exactas son las predicciones del comportamiento del sistema real hechas por el modelo de simulación, para períodos futuros?. El análisis se lleva a cabo en tres pasos:

1. Recolección y procesamiento de los datos simulados.
 2. Cálculo de la estadística de las pruebas.
3. Interpretación de los resultados.



Como se puede inferir, nuevamente tendremos que aplicar los conceptos estadísticos que se utilizaron en la formulación del modelo.

Obtener las entradas y las salidas, relaciones cuantitativas y cualitativas. Los datos deben ser convenientemente tratados para que se puedan realizar predicciones del comportamiento del sistema. Si nos quedamos con los datos como los obtenemos del sistema real, podemos caer en la mera simulación del pasado. Si basados en ellos hallamos una función del comportamiento, estaremos en condiciones de repetir el comportamiento del sistema en el modelo y poder aplicarlo para realizar estudios sobre el mismo.

Con el modelo definido, el siguiente paso es decir si utiliza algún lenguaje como el FROTAN, ALGOL, LIPS, etc., o se utiliza algún simulador como PROMODEL, VENSIM; STELLA, ITHINK, GPSS, SIMULA, SIMSCRIP, ROKCWELL, ARENA, FLEXSIM, etc. para el procesarlo en la computadora y obtener resultados deseados.


EL PROBLEMA

 Formulación y definición del sistema 

Se inicia en la administración de la empresa. Quién sabe que tiene un problema, pero no sabe definirlo.

1. La formulación del problema no se hace una sola vez, se hace a través de todo el proyecto.

2. Se define los objetivos del estudio (objetivos y metas).

3. Se define el sistema a estudiar.

4. Se define los límites del sistemas , sus alcances y limitaciones (restricciones de la abstracción).

5. Se especifica el diagrama de flujo lógico.


Problemas, Objetivos y Metas

Problema. 
• Alguna amenaza, incremento de costos, información desconocida, riesgos o contradicciones. Se plantea como un conjunto de síntomas, aún no se conoce las causas.

Objetivo.
• Resolver el problema o cómo resolver el problema.
• El objetivo no es conocer las causas del problema. Se orienta a la solución del problema.

Meta
• Conjunto de actividades para lograr el objetivo planteado.
Por lo general se puede medir

 2. RECOLECCIÓN DE DATOS

Recolección de datos
• Se recopila datos de la realidad con la finalidad de estimar las variables y parámetros de entrada

. • Se debe decidir:
 – Cómo recopilar la información
 – Qué datos se necesita y si son importantes.

• En caso de tener variables aleatorias:
 – Identificar la distribución de frecuencias.
 – Verificar si la distribución no cambia en el tiempo.
 – Validar la sensibilidad del modelo ante diferentes distribuciones de probabilidad.

3. EL MODELO

Formulación del modelo

 • Es la reducción o abstracción del sistema real a un diagrama de flujo lógico, donde se identifican los elementos, las variables y los eventos importantes para cumplir el objetivo del estudio.

 • Se define el nivel de detalle del estudio (o nivel de simplificación).

– Un modelo detallado puede implicar mucho tiempo en su implementación.
 – Un modelo simplificado no le va ha permitir lograr el objetivo planteado.

 Estructura del Sistema
• Gráfico del Sistema.
• Elementos del Sistema.

– Entidades.
 – Atributos.
– Actividades.

• Análisis del Sistema
– Eventos.
 – Eventos Principales
– DRE

 • Variables
– Tiempo.
– Contadores
 – Estado del Sistema

• Diagrama de Flujo
 – Programa Principal
 – Eventos Principales

• Variables Aleatorias

 – Distribución Frecuencia Traslación del modelo

• Se decide el lenguaje de programación o el software de simulación a usar.

 • Software de Simulación 24 – GPSS, Arena, Simscript, Simula, Promodel.

– Dynamo, Powersim

 • Lenguajes de Propósito General

– Java, C, Pascal, Delphi, Visual Basic, etc

4.VERIFICACIÓN

Verificación y Validación

 • Es el proceso de llevar a un nivel de confianza del usuario referente a cualquier inferencia acerca de un sistema es correcta.
 • Pero no se puede probar si un simulador es correcto o “verdadero”.
• Lo que importa es la utilidad operativa del modelo y no la verdad de su estructura.
• No existe la “prueba” de validación de un modelo.

• Se hacen pruebas a lo largo de su desarrollo:

 – Validar la sensibilidad del modelo.
 – Prueba de las suposiciones.
 – Prueba de transformaciones E-S Verificación

 • Para asegurar que el modelo se comporta de la manera que el experimentador desea.

• Se verificar si el modelo está correctamente construido.

 • Se verifica si el modelo se ha construido de acuerdo a las especificaciones.

 • Se realiza por inspección a lo largo del proyecto.

 5. VALIDACIÓN

Validación

• Prueba la concordancia entre el desempeño del modelo y el desempeño del sistema real.
• Examina el ajuste del modelo a cierta dato empírica.
• Un bueno modelo es aquel que se ajusta mejor a los datos y por lo tanto se puede usar para predecir la realidad.
• Todos los modelos de simulación corresponden a hipótesis sujeta a validación.

6. EXPERIMENTACIÓN

Experimentación

• Una vez validado el modelo se realiza la experimentación que consiste en generar los datos deseados y realizar el análisis de sensibilidad de los índices requeridos.

• El análisis de sensibilidad consiste en variar los parámetros del sistema y la observación del efecto en la variable de interés Planeación Estratégica

• Se relaciona a cómo diseñar y experimentar con el modelo de simulación, con la finalidad de:

– Reducir el número de pruebas experimentales.
 – Proporcionar una estructura para el proceso de aprendizaje del investigador.

• Los objetivos de la experimentación son:

– Encontrar la combinación valores de parámetros que optimizan la variable de interés.
 – Explicar la relación entre la variable de interés y las variables controlables.

 • La experimentación ayuda a conocer el sistema materia de la simulación.


7. RESULTADOS

Interpretación

• En esta etapa se realiza la interpretación de los resultados que arroja la simulación y basándose en esto se toma una decisión.

 • Se determina si el modelo de simulación es útil para resolver el problema planteado al inicio de la investigación.
 • Posiblemente ahora con más conocimiento de causa se puede determinar con mayor precisión ¿cuál es el problema a resolver?

 8. DOCUMENTACIÓN

Documentación

• Ayuda a incrementar la vida útil del modelo.
• Se relaciona al proceso de desarrollo, operación e implantación del modelo de simulación.
 • Ayuda al modelador a reconocer sus propios errores y mejorar para un siguiente proyecto de simulación Modelo de Informe Final

9. IMPLANTACIÓN 

Implantación
• Para que un proyecto de simulación sea exitoso se deben dar 3 condiciones:
• Sea aceptado, entendido y usado