A continuación se presenta un diagrama de flujo de las etapas de la simulación:
DESCRIPCIÓN DE CADA UNA DE LAS ETAPAS DE SIMULACIÓN
DEFINICIÓN DEL SISTEMA BAJO ESTUDIO
En esta etapa es necesario conocer el sistema a modelar. Para ello se requiere saber que origina el estudio de simulación y establecer los supuestos del modelo: es conveniente definir con claridad las variables de decisión del modelo, determinar las interacciones entre estas y establecer con precisión los alcances y limitaciones que aquel podría llegar a tener. Se debe tener una definición exacta del sistema que se desea simular, para ello, es necesario hacer primeramente un análisis preliminar del mismo, con el fin de determinar la interacción del sistema con otros sistemas, las restricciones del sistema, las variables que interactúan dentro del sistema y sus interrelaciones.
IDENTIFICACIÓN DE LAS VARIABLES
Identificación de las variables importantes para el sistema.
GENERACIÓN DEL MODELO DE SIMULACIÓN BASE
Una vez que se ha definido el sistema en términos de un modelo conceptual, la siguiente etapa del estudio consiste en la generación de un modelo de simulación base. No es preciso que este modelo sea demasiado detallado, pues se requiere mucha información estadística sobre el comportamiento de las variables de decisión del sistema. Una vez que están definidos con exactitud los resultados que se esperan obtener del estudio, se construye el modelo con el cual se obtendrán los resultados deseados.
RECOLECCIÓN Y ANÁLISIS DE DATOS
De manera paralela a la generación del modelo base, es posible comenzar la recopilación de la información estadística de las variables aleatorias del modelo. En esta etapa se debe determinar qué información es útil para la determinación de las distribuciones de probabilidad asociadas a cada una de las variables aleatorias innecesarias para la simulación. Aunque en algunos casos se logra contar con datos estadísticos, suele suceder que el formato de almacenamiento o de generación de reportes no es el apropiado para facilitar el estudio. Por ello es muy importante dedicar el tiempo suficiente a esta actividad. De no contar con la información necesaria, será necesario realizar un estudio estadístico del comportamiento de la variable que se desea identificar, para posteriormente incluirla en el modelo.
IMPLEMENTACIÓN DEL MODELO EN COMPUTADORA
Con el modelo definido, el siguiente paso es decidir si se utiliza algún lenguaje como hasic, algol, etc., o se utiliza algún paquete como GPSS, simula, simscript, etc., para procesarlo en la computadora y obtener los resultados deseados.
VERIFICACIÓN DEL MODELO
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 verificación de datos para comprobar la propiedad de la programación del modelo, y comprobar que todos los parámetros usados en la simulación funcionen correctamente. Ciertos problemas, en especial aquellos que requieren muchas operaciones de programación o que involucran distribuciones de probabilidad difíciles de programar, pueden ocasionar que el comportamiento del sistema sea muy diferente del que se esperaba. Por otro lado, no se debe descartar la posibilidad de que ocurran errores humanos al alimentar el modelo con la información. Incluso podría darse el caso de que los supuestos iniciales hayan cambiado una o varias veces durante el desarrollo del modelo. Por lo tanto, debemos asegurarnos de que el modelo que se va a ejecutar este basado en los más actuales.
VALIDACIÓN
El proceso de validación del modelo consiste en realizar una serie de pruebas al mismo, utilizando información de entrada real para observar su comportamiento y analizar sus resultados.
Si el proceso bajo simulación involucra un proceso que se desea mejorar, el modelo debe someterse a prueba con las condiciones actuales de operación, lo que nos dará como resultado un comportamiento similar al que se presenta realmente en nuestro proceso. Por otro lado, si se está diseñando un nuevo proceso la validación resulta más complicada. Una manera de validar el modelo en este caso, 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. Cualquiera que sea la situación, es importante que el analista conozca bien el modelo, de manera que pueda justificar aquellos comportamientos que sean contrarios a las experiencias de los especialistas en el proceso que participan de su validación
DETERMINACIÓN DE LOS ESCENARIOS PARA EL ANÁLISIS (EXPERIMENTACIÓN)
Tras validar el modelo es necesario acordar con el cliente los escenarios que se requiere analizar. Una manera muy sencilla de determinarlos consiste en utilizar un escenario pesimista, uno optimista y uno intermedio para la variable de respuesta importante. Sin embargo, es preciso tomar en cuenta que no todas las variables se comportan igual ante los cambios en los distintos escenarios, por lo que tal vez sea necesario que más de una variable de respuesta se analice bajo las perspectivas pesimista, optimista e intermedia. La experimentación consiste en generar los datos deseados y en realizar análisis de sensibilidad de los índices requeridos.
INTERPRETACIÓN
Una vez que se obtienen los resultados de los escenarios es importante realizar pruebas estadísticas que permiten comparar los escenarios con los mejores resultados finales. En esta etapa del estudio, se interpretan los resultados que arroja la simulación y en base a esto se toma una decisión.
DOCUMENTACIÓN
Una vez realizado el análisis de los resultados, es necesario efectuar toda la documentación del modelo, Esta documentación es muy importante, pues permitirá el uso del modelo generado en caso de que se requieran ajustes futuros. En ella 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 programación. También es importante incluir sugerencias tanto del uso del modelo como sobre los resultados obtenidos, con el propósito de realizar un reporte más completo.
Dos tipos de documentación son requeridos para hacer un mejor uso del modelo de simulación. La primera se refiere a la documentación de tipo técnico, es decir, a la documentación que el departamento del Procesamiento de Datos debe tener el modelo. La segunda se refiere al manual del usuario con el cual se facilita la interacción y el uso del modelo desarrollado, a través de una terminal de computadora.
TOMA DE DECISIONES
Por último, deberán establecerse las tomas de decisiones del proyecto de simulación, a partir de las cuales es posible obtener los reportes ejecutivos para la presentación final.
FACTORES A CONSIDERAR PARA EL DESARROLLO DE LA SIMULACIÓN
GENERACIÓN DE VARIABLES ALEATORIAS NO-UNIFORMES
Si el modelo de simulación es estocástico, la simulación debe ser capaz de generar variables aleatorias no uniformes de distribuciones de probabilidad teóricas o empíricas. Lo anterior puede ser obtenido si se cuenta con un generador de números uniformes y una función que transforme estos números en valores de la distribución de probabilidad deseada. A este respecto, se han desarrollado una gran cantidad de generadores para las distribuciones de probabilidad más comunes como: la distribución normal, la distribución exponencial, la distribución binomial, etc.
LENGUAJES DE PROGRAMACIÓN
Las primeras etapas de un estudio de simulación se refieren a la definición del sistema a ser modelado y a la descripción del sistema en términos de relaciones lógicas de sus variables y diagramas de flujo. Sin embargo, llega el momento de describir el modelo en un lenguaje que sea aceptado por la computadora que se va a usar. En esta etapa se tienen dos cursos de acción a seguir si no se tiene nada de software sobre simulación:
- Desarrollar el software requerido para estudios de simulación
- Comprar software (lenguajes de programación de propósito especial). Para esta alternativa es necesario analizar y evaluar varios paquetes de simulación antes de tomar la decisión final.
CONDICIONES INICIALES
La mayoría de los modelos de simulación estocástica se corren con la idea de estudiar al sistema en una situación de estado estable. Sin embargo, la mayoría de estos modelos presentan en su etapa inicial estados transientes los cuales no son típicos del estado estable. Por consiguiente es necesario establecer claramente las alternativas o cursos de acción que existen para resolver este problema. Algunos autores piensan que la forma de atacar este problema será a través de:
- Usar un tiempo de corrida lo suficientemente grande de modo que los periodos transientes sean relativamente insignificantes con respecto a la condición de estado estable.
- Excluir una parte apropiada de la parte inicial de la corrida.
- Utilizar simulación regenerativa.
TAMAÑO DE LA MUESTRA
(Número de corridas en la computadora). La selección de un tamaño de muestra apropiado que asegure un nivel deseado de precisión y a la vez minimice el costo de operación del modelo, es un problema algo difícil pero importante. El tamaño de la muestra puede ser obtenido de dos maneras:
- Precia e independientemente de la operación del modelo.
- Durante la operación del modelo y basado en los resultados arrojados por el modelo. Para la última alternativa se utiliza la técnica estadística de intervalos de confianza.
DISEÑO DE EXPERIMENTOS
El diseño de experimentos es un tópico cuya relevancia en experimentos de simulación ha sido reconocida pero raramente aplicado. El diseño de experimentos en estudios de simulación puede ser de varios tipos, dependiendo de los propósitos específicos que se hayan planteado. Existen varios tipos de análisis que pueden ser requeridos. Entre los más comunes e importantes se pueden mencionar los siguientes:
- Comparación de las medias y variancias de las alternativas analizadas.
- Determinación de la importancia y el efecto de diferentes variables en los resultados de la simulación.
- Búsqueda de los valores óptimos de un conjunto de variables.
Mencionemos ahora los pasos para elaborar un modelo matemático:
- Encontrar un problema del mundo real.
Aquí se seleccionará el problema a tratar para su evaluación - Formular un modelo matemático acerca del problema, identificando variables (dependientes e independientes) y estableciendo hipótesis.
En este paso se procederá ha identificar las variables que son la representación de las diferentes posibilidades de un conjunto de datos; y estos datos en su origen pueden ser de tipo determinísticos o estocásticos. - Aplicar los conocimientos matemáticos que se posee para llegar a conclusiones matemáticas.
Aquí se definirán los parámetros del modelo, y se procederá al análisis de las ecuaciones para sacar conclusiones conforme a su funcionamiento. - Comparar los datos obtenidos como predicciones con datos reales. Si los datos son diferentes, se reinicia el proceso.
En esta paso de evaluara si nuestro modelo cumple con nuestros objetivos.
REFERENCIAS:
Raul Coss Bu. (2004). Simulación Un Enfoque Practico . México : Limusa.
Eduardo Garcia Dunna. (2006). Simulación y Análisis de sistemas con ProModel. México: PEARSON.
Jorge Luis Parra Arango . (2005). Modelo de Simulación . Colombia : Corpoica.
SIMULACIÓN DE PROCESOS 