Simulación
Sistemas:
Pueden darse varias definiciones de sistema:
• "Conjunto de elementos cuya interacción interesa estudiar"
• "Conjunto de elementos que interactúan entre sí, con un fin común, que se aísla del
universo para su estudio."
• "Conjunto de partes organizado funcionalmente de manera tal de constituir una unidad
interconectada
• “Conjunto de elementos que interactúan entre ellos” Pierre Delattre 1971."
SUBSISTEMA:
Es un conjunto que se aísla dentro del sistema. El sistema puede verse como un
subsistema del Universo.
Cada subsistema puede ser tratado dentro del sistema o estudiado en forma aislada.
El comportamiento del sistema total depende de:
1) El comportamiento de cada subsistema.
2) Las relaciones entre los subsistemas.
3) Las relaciones con el mundo exterior, o sea con el medio
ambiente que lo circunda.
El sistema en estudio, puede subdividirse en subsistemas interconectados, cada
uno de los cuales está compuesto por elementos interconectados entre sí.
El comportamiento del sistema dependerá del comportamiento de cada subsistema,
de sus relaciones y del medio ambiente donde se lo inserta.
Los elementos y las relaciones que los ligan entre sí definen los subsistemas. Los
subsistemas y las relaciones entre sí definen al sistema en estudio.
Las relaciones entre los elementos del sistema constituyen la estructura del sistema.
Estas ideas son fundamentales para la resolución de problemas que implican la
construcción de modelos.
Modelo:
La simulación de sistemas implica la construcción de modelos. El objetivo es averiguar
que pasaría en el sistema si acontecieran determinadas hipótesis. Desde muy antiguo la
humanidad ha intentado adivinar el futuro. Ha querido conocer
qué va a pasar cuando suceda un determinado hecho histórico. La simulación ofrece,
sobre bases ciertas, esa predicción del futuro, condicionada a supuestos previos.
Para ello se construyen los modelos, normalmente una simplificación de la realidad.
Surgen de un análisis de todas las variables intervinientes en el sistema y de las relaciones
que se descubren existen entre ellas.
A medida que avanza el estudio del sistema se incrementa el entendimiento que el
analista tiene del modelo y ayuda a crear modelos más cercanos a la realidad.
En el modelo se estudian los hechos salientes del sistema o proyecto. Se hace una
abstracción de la realidad, representándose el sistema/proyecto, en un modelo.
El modelo que se construye debe tener en cuenta todos los detalles que interesan en el
estudio para que realmente represente al sistema real (Modelo válido). Por razones de
simplicidad deben eliminarse aquellos detalles que no interesan y que lo complicarían
innecesariamente.
Se requiere pues, que el modelo sea una fiel representación del sistema real. No obstante,
el modelo no tiene porqué ser una réplica de aquél. Consiste en una descripción del
sistema, junto con un conjunto de reglas que lo gobiernan.
CLASIFICACION DE LOS MODELOS
Existen múltiples tipos de modelos para representar la realidad. Algunos de ellos son:
• Dinámicos: Utilizados para representar sistemas cuyo estado varía con el tiempo.
• Estáticos: Utilizados para representar sistemas cuyo estado es invariable a través del
tiempo.
• Matemáticos: Representan la realidad en forma abstracta de muy diversas maneras.
• Físicos: Son aquellos en que la realidad es representada por algo tangible, construido en
escala o que por lo menos se comporta en forma análoga a esa realidad (maquetas,
prototipos, modelos analógicos, etc.).
• Analíticos: La realidad se representa por fórmulas matemáticas. Estudiar el sistema
consiste en operar con esas fórmulas matemáticas (resolución de ecuaciones).
• Numéricos: Se tiene el comportamiento numérico de las variables intervinientes. No se
obtiene ninguna solución analítica.
• Continuos: Representan sistemas cuyos cambios de estado son graduales. Las variables
intervinientes son continuas.
• Discretos: Representan sistemas cuyos cambios de estado son de a saltos. Las variables
varían en forma discontinua.
• Determinísticos: Son modelos cuya solución para determinadas condiciones es única y
siempre la misma.
• Estocásticos: Representan sistemas donde los hechos suceden al azar, lo cual no es
repetitivo. No se puede asegurar cuáles acciones ocurren en un determinado instante. Se
conoce la probabilidad de ocurrencia y su distribución probabilística. (Por ejemplo, llega
una persona cada 20 ± 10 segundos, con una distribución equiprobable dentro del
intervalo).
Simulación
Construido el modelo, se ensaya una alternativa en él con el fin de aplicar las conclusiones
al sistema. Los resultados obtenidos no tienen valor si no son aplicables al sistema.
La simulación tiene como principal objetivo la predicción, es decir, puede mostrar lo que
sucederá en un sistema real cuando se realicen determinados cambios bajo determinadas
condiciones.
La simulación se emplea sólo cuando no existe otra técnica que permita encarar la
resolución de un problema. Siempre es preferible emplear una alternativa analítica antes
que simular. Lo anterior no implica que una opción sea superior a otra, sino que los
campos de acción no son los mismos. Mediante la simulación se han podido estudiar
problemas y alcanzar soluciones que de otra manera hubieran resultado inaccesibles.
La simulación involucra dos facetas:
1) Construir el modelo
2) Ensayar diversas alternativas con el fin de elegir y adoptar la mejor en el sistema real,
procurando que sea la óptima o que por lo menos sea lo suficientemente aproximada.
FASES QUE COMPRENDE TODO ESTUDIO QUE UTILIZA LA SIMULACION
1) Definición del sistema con el máximo de detalle
Se debe evitar comenzar a trabajar en la construcción del modelo con un sistema
superficial, mal concebido. ¡Se perderán horas hombre y de computadora en tares
inútiles!.
Es un principio comprobado de organización que la incidencia de un error en un proyecto
aumenta dramáticamente con el instante en que se lo descubre. Es decir, cuánto más se
demora en detectarlo mucho más complicada es su corrección.
Se debe discutir en detalle el sistema; analista y usuario reunidos durante largas horas
evitarán que el sistema tenga que ser redefinido después.
En esta etapa se definen los límites del sistema y los objetivos del estudio, chequeando
que estos no cambien durante el desarrollo del mismo.
Deben tenerse en cuenta las condiciones iniciales del sis-tema y sus condiciones de
régimen. Interesa estudiarlo ya en régimen y no inicialmente cuando los recursos están
desocupa-dos y favorecen el movimiento de los elementos por el sistema.
El modelo debe considerar qué resultados estadísticos interesan obtenerse para evaluar
correctamente al sistema en estudio.
2) Elección del método para realizar el estudio
• Búsqueda de la herramienta analítica de resolución.
• Adopción de la misma en caso de encontrarla.
• Utilización de la simulación como última alternativa.
3) Variables a incluir en el modelo
Conviene hacer un ranking de las variables y restricciones del sistema en orden de
importancia.
Este ranking debe ser discutido con el usuario y con los distintos especialistas a fin de
proceder a su verificación y eventual corrección.
Se debe recordar que quitar una variable superflua de un sistema es algo bastante,
sencillo, mientras que incluir una que se había despreciado es de ordinario mucho más
complicado.
Tomar debida cuenta de los casos especiales ¡muchas veces estos obligan a tener en
cuenta variables despreciables para el resto de los casos.
Esta selección de variables a considerar depende de la mecánica con que se maneja el
sistema, de la experiencia que se tenga de él e incluso de la intuición del grupo humano
que interviene en el estudio.
Se debe evitar una sobresimplificación que invalida al modelo en cuanto se lo quiere
ensayar con casos especiales, o una sobreespecificación que hace largo y difícil el trabajo
de construir el modelo.
Todas las variables que intervienen en un modelo son medibles. No siempre es posible lo
mismo con las que intervienen en un sistema real. Muchas veces se debe hacer una
estimación de las mismas con el fin de incorporarlas en el modelo.
4) Recolección y análisis de los datos del sistema
Definidas las variables intervinientes en el sistema es habitual que existan muchas
variables estocásticas.
Para esas variables se debe disponer de:
• la densidad de probabilidad o
• la función de distribución acumulativa en forma matemática o
• una tabla de valores del comportamiento de la variable.
Se utiliza para ello todas las herramientas estadísticas clásicas, tales como, análisis de
regresión, de serie de tiempos y de varianzas.
Se debe hacer un relevamiento del tiempo que se insume en las distintas tareas tratando
de no obtener datos distorsionados producto de la medición (la persona trabaja más
rápido o más lento debido a que lo están midiendo y le parece más conveniente mostrarse
en forma distorsionada).
Si se tiene el valor medio de una medición y no se conoce su distribución, es preferible
adoptar una distribución exponencial que una uniforme, pues en la primera, pueden darse
situaciones críticas que no se dan en la segunda.
El tiempo empleado validando los datos de entrada está totalmente justificado y es
absolutamente necesario para construir un modelo válido sobre el cual se puedan sacar
conclusiones aplicables al sistema real. absolutamente necesario para construir.
5) Definición de la estructura del modelo
Se definen:
• Las entidades permanentes y sus atributos, es decir, los recursos con que se cuenta en el
sistema y cuantitativamente cómo es su comportamiento.
• Las entidades transitorias que circulan por el modelo tienen definida
probabilísticamente su ruta por el sistema y los tiempos de utilización de los recursos.
• Los eventos que provocan los cambios de estado, modificando los atributos de las
entidades.
Se debe diseñar el modelo de manera que los cambios en su estructura estén en cierto
modo previstos.
6) Programación del modelo
Objetivo: obtención del programa de computadora que representa el modelo.
Se debe elegir el lenguaje con que se construirá el modelo. Una vez elegido, se lo utiliza
para construir el modelo, que debe representar fielmente todo lo que ha sido relevado del
sistema.
7) Validación del modelo
Aunque imposible de demostrar rigurosamente se trata de verificar al modelo con una
serie de situaciones conocidas como para tener un alto grado de confiabilidad.
8) Análisis y crítica de los resultados
Paso previo a la entrega de resultados al usuario se debe:
• Verificar que los resultados obtenidos sean realmente suficientes para tomar una
correcta decisión.
• Hacer una buena compactación en la presentación de los mismos procurando que sean
perfectamente comprensibles para el usuario.
• Recordar que un exceso de información ocasiona casi los mismos inconvenientes que la
falta de información, ya que el usuario en ambos casos no puede acceder a los resultados
que necesita como apoyo a la toma de decisiones (en un caso porque no sabe cómo
accederlos, en el otro porque no los tiene).
• Estudiar la factibilidad, y, en caso afirmativo, proponer una alternativa que signifique un
cambio estructural del sistema y por ende del modelo la que se considera digna de tener
en cuenta antes de tomar una decisión definitiva.
Tipos de simulación
1. Modelado y simulación basados en agentes
Una simulación basada en agentes es un modelo que examina el impacto de
un «agente» en el «sistema» o «entorno».
En términos sencillos, piensa en el impacto que tiene una nueva cortadora
láser o algún otro equipo de la fábrica en la línea de fabricación general.
El «agente» puede ser una persona, un equipo o prácticamente cualquier
otra cosa. La simulación incluye el «comportamiento» del agente, que sirve
como reglas de cómo deben actuar esos agentes en el sistema. Después, se
observa cómo responde el sistema a esas reglas.
Sin embargo, hay que extraer las reglas de los datos del mundo real; de lo
contrario, no se generarán conocimientos precisos.
En cierto modo, sirve para examinar un cambio propuesto e identificar
posibles riesgos y oportunidades.
2. Simulación de eventos discretos
Un modelo de simulación de eventos discretos te permite observar los
eventos específicos que resultan en tus procesos de negocio.
Por ejemplo, el proceso típico de asistencia técnica implica que el usuario
final te llame, que tu sistema reciba y asigne la llamada y que tu agente le
atienda.
Se podría utilizar un modelo de simulación de eventos discretos para
examinar ese proceso de soporte técnico.
Además, se pueden utilizar modelos de simulación de eventos discretos para
estudiar muchos tipos de sistemas y para una amplia gama de resultados.
3. Simulación de dinámica de sistemas
Se trata de una forma muy abstracta de modelado de simulación. A
diferencia del modelado basado en agentes y del modelado de eventos
discretos, la dinámica de sistemas no incluye detalles específicos sobre el
sistema.
Así, para una instalación de fabricación, este modelo no incluirá datos sobre
la maquinaria y la mano de obra.
Más bien, las empresas utilizarán los modelos de dinámica de sistemas para
simular una visión a largo plazo y a nivel estratégico del sistema global.
En otras palabras, la prioridad es obtener información asociada sobre todo el
sistema en respuesta a una acción, por ejemplo, una reducción de los gastos
de capital, el fin de una línea de productos, etc.
4. Simulación de Montecarlo / Análisis de riesgos
En términos sencillos, una simulación de Montecarlo es un método de
análisis de riesgos. Las empresas lo utilizan antes de poner en marcha un
proyecto importante o un cambio en un proceso, como una cadena de
montaje de fabricación.
Basados en modelos matemáticos, los análisis de Montecarlo utilizan los
datos empíricos de las entradas y salidas del sistema real (por ejemplo, la
entrada de suministros y el rendimiento de la producción).