Conclusión Simulación De Eventos Discretos

Conclusión

La simulación por eventos discretos es una técnica informática de modelado dinámico de sistemas. Frente a su homóloga, la simulación de tiempo continuo, esta se caracteriza por un control en la variable del tiempo que permite avanzar a éste a intervalos variables, en función de la planificación de ocurrencia de tales eventos a un tiempo futuro. Un requisito para aplicar esta técnica es que las variables que definen el sistema no cambien su comportamiento durante el intervalo simulado.

Finalmente, en los últimos años, el uso de la simulación se ha ampliado al sector del ocio y ha entrado en el ámbito familiar con productos de software sofisticado, que utilizan todos los recursos del ordenador: gráficos potentes, bases de datos, computación intensiva, etc. Algunos de los simuladores más populares son MS Flight Simulator, NASCAR Racing, SimCity, Civilization, RollerCoaster Tycoon, y The Sims.

En conclusión, podemos decir que la informática es el instrumento básico que ha permitido y permitirá seguir avanzando en el campo de la simulación por computadora.

Generalidades de Simulación de Eventos Continuos.

Llamaremos Sistemas Continuos a los sistemas cuyas variables evolucionan continuamente en el tiempo. Los sistemas continuos se describen típicamente mediante ecuaciones diferenciales, ya sea ordinarias o en derivadas parciales. Algunos ejemplos de sistemas continuos correspondientes a distintos dominios de aplicación son los siguientes:


Es aquella en donde las variables de estado cambian de forma continua en el tiempo. Para ello se desarrolla una solución numérica de ecuaciones diferenciales simultáneas. Periódicamente, el programa de simulación resuelve todas las ecuaciones y usa los resultados para cambiar el valor de las variables de estado de la simulación.

Ejemplos:

• nivel de agua en un pantano ecología.
• procesos químicos.
• comportamientos sociales.
• análisis de comportamiento del consumidor.
• desarrollo organización.
• problemas matemáticos y físicos.

Jaime Barceló. (1996). Simulación de Sistemas Discretos. Printed in Spain - Impreso en España.: © Isdefe.

Puntos para Desarrollar un proyecto de Simulación de Eventos Discretos.

De todos los tipos de simulación mencionados, en el presente artículo pretendo enfocarme en la Simulación de Eventos Discretos, lo anterior es debido a que encuentro en esta técnica ventajas únicas y definitivas a la hora de diseñar y planear diferentes eslabones de la cadena de suministro, que como lo sabe es una de las áreas más determinantes como factor de éxito en cualquier compañía.

En general la simulación de eventos discretos permite modelar situaciones de alto nivel de complejidad con funciones relativamente sencillas, de esta forma es posible construir modelos que representen la realidad en el nivel de detalle deseado, por ejemplo el diseño de un modelo de un centro de distribución con recibo, almacenamiento, picking de estibas, zona de fast picking, alistamiento y despacho.

Dada la estructura de la simulación de eventos discretos es posible obtener todo tipo de estadísticas e indicadores relevantes a la operación modelada, inclusive se puede obtener información que muchas veces en los sistemas reales sería inimaginable tener, como por ejemplo: diagramas de gantt de las piezas en proceso, utilización de los recursos humanos, diagrama de gantt de los recursos utilizados, tiempos de ciclo de piezas en proceso).

Jaime Barceló. (1996). Simulación de Sistemas Discretos. Printed in Spain - Impreso en España.: © Isdefe.

Ejemplos de Simulación de Eventos Discretos.

Sistema de inventarios con un solo producto, cada semana un operario debe tomar una decisión de cuanto encargar (comprar o solicitar). Identificamos tres eventos en este sistema:

a) colocar una orden o solicitud.

b) llegada de una solicitud.

c) una venta o utilización del producto.

Sistema de inventarios: estimar el tamaño de órdenes de compra al proveedor según una cierta demanda . Si la demanda y tiempo de provisión son determinísticos, existen modelos analíticos que lo resuelven bien. Si son estocásticos, es recomendable usar simulación.

La planificación de un proceso de simulación debe ser precedida de una descripción del sistema y del problema que determinó la simulación. El análisis se hará mediante interviews, lectura de informes, actas y ejercicios de recolección de datos. Regla: el modelo debe ser tan simple como sea posible sin dejar de producir resultados verificables y fidedignos. 

Jaime Barceló. (1996). Simulación de Sistemas Discretos. Printed in Spain - Impreso en España.: © Isdefe.

Simulación de Eventos Discretos.

La simulación de eventos discretos, es una herramienta de análisis que se difunde rápidamente en el ambiente empresarial, comprobando su utilidad para apoyar la toma de decisiones relacionadas con la planeación de la producción y los inventarios, y con el diseño de los sistemas de producción y sus cadenas de suministro, Guasch, Piera, y Figueras.

El concepto de sistema de evento discreto tiene por finalidad identificar a sistemas en los que los eventos que cambian el estado del mismo ocurren en instantes espaciados en el tiempo, a diferencia de los sistemas cuyo estado puede cambiar continuamente en el tiempo (como la posición de un vehículo en movimiento). Aunque aparentemente simples, los sistemas de eventos discretos, pueden modelar muchos de los fenómenos que enfrentan los responsables de la administración de los procesos productivos en una empresa. Por ejemplo, los inventarios de cualquier producto sólo se alteran ante la ocurrencia de alguno de dos eventos: ingreso de un lote de abastecimiento, o retiro de cierta cantidad del producto para satisfacer el pedido de un cliente, de la misma manera como el dinero disponible en cualquier cuenta bancaria sólo puede cambiar a consecuencia de un depósito, o a consecuencia de un retiro Rico (1992)

Los primeros intentos para simular sistemas de eventos discretos, datan de la década de los años 60, donde se desarrollan las primeras simulaciones en ordenador para planear proyectos de gran envergadura, aunque a un costo alto y utilizando lenguajes de propósito general (a menudo FORTRAN). Las primeras herramientas para facilitar el uso de la simulación de evento discreto aparecen en la forma de lenguajes de simulación en la década de los años 70, aunque la programación en estos lenguajes se realiza todavía por medio de comandos escritos en un archivo. Lenguajes como GPSS, SIMSCRIPT, SLAM y SIMAN tienen una amplia difusión en los años 80, paralela a una gran producción científica relacionada con las posibles aplicaciones de la simulación de evento discreto, y el desarrollo de métodos para el análisis de experimentos por simulación, para generar por ordenador la ocurrencia de eventos siguiendo patrones probabilísticos, y para permitir que el motor del lenguaje pueda modelar una gama amplia de aplicaciones.

En la década de los 90, la difusión de los ordenadores personales, y la aparición de paquetes de simulación que se programan en ambientes gráficos, y con capacidades de animación, permite que la simulación se difunda ampliamente como herramienta para el diseño y análisis en diversos sectores tanto de la industria de manufacturas como de servicios.

Actualmente se pueden distinguir en el mercado dos tipos de paquetes para simulación de evento discreto: los de propósito general y los orientados hacia alguna aplicación o sector industrial específico. Entre los paquetes más conocidos de propósito general, se pueden mencionar a Arena, Simul8, GPSS/H, AweSim, y MODSIM III, mientras que entre los paquetes con orientación hacia alguna aplicación se puede mencionar a AutoMod, ProModel, SIMFACTORY II.5, QUEST y Arena Packaging Edition para manufactura, COMNET III y OPNET Modeler para redes de comunicaciones, SIMPROCESS, ProcessModel, ServiceModel y Arena Business Edition para analizar flujos en procesos de negocios, y MedModel para servicios del cuidado de la salud. Los paquetes mencionados permiten la programación en un ambiente gráfico por medio de módulos, y pueden incorporar animación a sus modelos, lo que además de facilitar la programación del modelo de simulación, se constituye en una herramienta valiosa para la verificación y demostración de las capacidades del modelo.

Jaime Barceló. (1996). Simulación de Sistemas Discretos. Printed in Spain - Impreso en España.: © Isdefe.

Conclusión Y Bibliográfica.

Conclusión

Estos temas son buenos para tener el conocimiento de las variables en los sistemas de simulación. Como surgen y los cambios que se pueden dar en ellas por los diferentes sistemas de simulación que podemos aplicar.

Estas variables nos dan el resultado de una simulación que puede ser pequeña o muy complejas. Esto de las simulaciones nos ayuda en la rama de la ingeniería puede se puede aplicar en otros ámbitos.

Debemos saber cómo surgen y se utilizan estas variables. Los factores que hacen los inconvenientes en ellas los tipos de variables discretas que se utilizan y la aleatoriedad de los sistemas discretos. De esto hablamos un poco aquí y espero pueda ser de gran ayuda para obtener un conocimiento sobre este tema.

Bibliografía

Jaime Barceló. (1996). Simulación de Sistemas Discretos. Printed in Spain - Impreso en España.: © Isdefe.

Aleatoriedad de sistemas discretos.

Aleatoriedad De Sistemas Discretos

Un sistema se puede definir como un conjunto de elementos unidos por relaciones de interacción o interdependencia. En el ámbito de los sistemas productivos estos elementos normalmente tienen un objetivo común. Los elementos que forman parte del sistema vienen condicionados por el objetivo del estudio que se pretende realizar, ya que un sistema definido para un estudio determinado puede ser una parte de un sistema más amplio definido para otro estudio particular. Por ejemplo, si se quiere determinar cuál es el número más adecuado de operarios y máquinas en la sección de mecanizado de una empresa que tiene una determinada cartera de pedidos, estos elementos serán los que formen parte del sistema a analizar, mientras que, si lo que se desea es estudiar la capacidad productiva de la empresa, los elementos mencionados anteriormente sólo serán una parte del sistema.

Tipos de sistemas Evidentemente, las características del sistema real que se desea estudiar van a condicionar el tipo de simulación que se va a desarrollar. Por lo tanto, conviene hacer una clasificación de los sistemas en base a los aspectos que van a condicionar su análisis posterior. Así, es útil realizar una clasificación de los sistemas atendiendo a tres aspectos fundamentales: − Sistemas estáticos y sistemas dinámicos. Un sistema se considera estático cuando sus variables de estado no cambian a lo largo del tiempo, es decir, cuando el tiempo no juega ningún papel en sus propiedades. Por el contrario, en un sistema dinámico los valores que toman todas o algunas de sus variables de acción evolucionan a lo largo del tiempo. − Sistemas deterministas y sistemas estocásticos. Si un sistema no tiene ningún componente con características probabilistas (es decir, aleatorias) se considera determinista. En este caso, el comportamiento del sistema está determinado una vez que se hayan definido las condiciones iniciales y las relaciones que existen entre sus componentes. Por el contrario, un sistema no determinista o estocástico tiene algún elemento que se comporta de forma aleatoria, no estando predeterminado su comportamiento en función de las condiciones iniciales y de las relaciones entre sus componentes. En este caso, el sistema sólo se podrá estudiar en términos probabilistas, consiguiendo, en el mejor de los casos, conocer sus respuestas posibles con sus probabilidades asociadas. − Sistemas continuos y sistemas discretos. En un sistema continuo las variables de estado cambian de forma continua a lo largo del tiempo, mientras que en uno discreto cambian instantáneamente de valor en ciertos instantes de tiempo. En un sistema de una cierta complejidad puede ocurrir que existan simultáneamente variables de estado continuas y discretas. En este caso, dependiendo de la predominancia de una y otras y del objetivo del estudio que se pretende realizar, se considerará el sistema como perteneciente a uno de los dos tipos.

Variables aleatorias Una de las características más notables de la simulación es la existencia de fenómenos no deterministas que se deben representar mediante variables aleatorias. De una variable determinista se sabe con certeza el valor que toma. Por el contrario, de una variable aleatoria no se sabe con certeza el valor que toma, pero se conoce que puede tomar valores dentro de un determinado rango, de tal manera que existe una determinada probabilidad de que la variable tome un determinado valor dentro de dicho rango o se conoce la probabilidad de que dicha variable tome un valor determinado o uno menor que dicho valor. De acuerdo con el tipo de valores que toma una determinada variable aleatoria, se pueden diferenciar entre:

− Continuas. Por ejemplo, la distribución normal, o la distribución exponencial.

− Discretas. Por ejemplo, la distribución de Poisson, o la distribución binomial. Según el origen de los datos, se puede distinguir entre variables:

− Empíricas, en la que la probabilidad asignada a cada posible valor de la variable aleatoria se formula a partir de observaciones del propio sistema objeto de estudio. − Teóricas, donde la probabilidad anterior se formula en términos analíticos y no procede de ningún conjunto de observaciones de un sistema real.