FASES DE UN PROYECTO DE SIMULACIÓN - Soloindustriales (2024)

La simulación es muchomás que la construcción del modelo y su ejecución. Como cualquier proyecto,requiere de planeamiento, coordinación y un entendimiento delos requerimientos de cada una de las tareas involucradas. Elmodelado de sistemas requiere de capacidades o habilidades analítica,estadística, organizacional y de ingeniería.

El modelador debe sercapaz de entender el sistema que está siendo investigado y debe ordenarrelaciones complejas causa-efecto. No hay reglas estrictas de cómo conducir unproyecto de simulación; sin embargo, a continuación sepresenta una secuencia de etapas, generalmente recomendadas:

• Definir el problema, los objetivos y los requerimientos.
• Diseño del modelo conceptual.
• Obtención y análisis estadístico de los datos para el modelo.
• Construcción del modelo de simulación.
• Verificación del modelo.
• Validación del modelo.
• Diseño del experimento de simulación, ejecución y análisis estadístico.
• Entrega de documentación y presentación de resultados.

A continuación se desarrollarán los aspectos que se involucran en cada etapa:

1. Definir el problema, los objetivos y los requerimientos

No es suficiente expresarel problema en términos generales, como “¿Qué tangrande debe ser el aeropuerto que se va a construir?”. Una declaración másprecisa del problema sería, por ejemplo: “¿cuántas pistas de aterrizaje yde qué longitud serán requeridas para satisfacer la demanda estimada para unviaje aéreo?”. En la medida en que el problema se formule de una maneramás precisa, la construcción del modelo se hará más sencilla.

Al inicio, es importantedefinir el problema entendiendo su contexto, identificando los objetivos quedefinen la razón y el propósito para llevar a cabo el proyecto de simulación.

Una forma de conocer elproblema es saber más sobre el sistema que se está investigando; por ejemplo,su capacidad actual de producción, las medidas de desempeño actuales delsistema (utilización, tiempo de ciclo, tiempo de espera, entre otros); conocercuáles son las restricciones o “cuellos de botella” y ver lafactibilidad de alcanzar indicadores meta de desempeño (adición de recursos,mejorar métodos, etcétera); qué variables de decisión son más sensibles en eldesempeño global del sistema. El objetivo de la simulación debeser realista y factible de ser ejecutado, y sus requerimientos deben definirseen términos de recursos, tiempo y presupuesto.

En la identificación delos objetivos debemos realizar las siguientes preguntas (Knepell y Arango,1993):

• ¿Cuál es el propósito de la simulación?
• ¿Para quién es el modelo?, ¿quién será el usuario final del modelo?
• ¿Qué tan importantes serán las decisiones que se tomarán como resultado del modelo de simulación?
• ¿Cuáles son las expectativas del cliente?
• ¿Cuál es el presupuesto?
• ¿Cuál es la fecha límite para finalizar el proyecto?

El proyecto de simulaciónserá exitoso en la medida en que los objetivos sean definidos en forma clara ylas restricciones sean bien entendidas. La simulación solo debería serejecutada cuando se hayan definido el o los objetivos del proyecto y se hayadeterminado que la simulación es la herramienta más conveniente para adquirir dichosobjetivos. Durante la ejecución del proyecto, es necesarioregresar a los objetivos, para mantener la atención enfocada en lo que esimportante. Algunas veces los objetivos cambian o se expanden durante elavance en la ejecución del proyecto.

2. Diseño del modelo conceptual

En esta etapa, elmodelador debe traducir el sistema del mundo real en un modelo conceptual. En eldiseño del modelo conceptual se debe establecer la lógica de las operaciones enel modelo en términos de los elementos estructurales del sistema y del flujo deentidades que pasarán a través del sistema. En este sentido, el modelador debeentender la estructura y las reglas de operación del sistema que se investiga y sercapaz de extraer su esencia, sus características importantes. En esta etapa se debentomar en cuenta aspectos como:

• En el modelo se pueden hacer suposiciones razonables.
• Los componentes que deben ser incluidos en el modelo y cuáles son las interacciones posibles entre estos.
• La secuencia de operaciones.
• Los recursos en disputa por las entidades.
• Los alcances del modelo. El nivel de detalle que debe ser incluido en el modelo depende de los objetivos planteados para el proyecto. En todo caso, solo aquellos componentes que causan diferencias significativas en la toma de decisiones deben ser considerados.
• Identifica los requerimientos de datos para cada componente del modelo, por ejemplo, ‘atención al cliente’. Para un buen entendimiento, los requerimientos de datos pueden ser proyectados, con ellos se pueden considerar programas o Schedule, algoritmos y controles requeridos para el modelo.
• Planeamiento de experimentos. Definir, en forma tentativa, el número y la naturaleza de los escenarios o alternativas de configuración que será evaluada.
• Determinar el formato de presentación de los resultados. Este aspecto influye significativamente en el tiempo y el esfuerzo involucrado en el estudio de simulación. Si se requiere un detallado nivel de animación o si se espera un extenso reporte, entonces el proyecto se puede prolongar por varias semanas extras después de que la etapa de experimentación haya concluido . En algunos casos se requiere como resultado solo un valor, con el cual se verifica si el sistema es capaz de alcanzar los requerimientos de niveles de producción o servicio; en estos casos, un solo valor es suficiente. En otras situaciones se requiere una completa documentación en la que se detallen todos los objetivos, las fuentes de datos, las suposiciones, los procedimientos de modelado, los experimentos, los análisis de resultados y las recomendaciones.
• Una pauta para establecer la clase y la cantidad de información por presentar es preguntar al tomador de decisiones qué decisión está siendo respaldada por la simulación y los aspectos de fondo involucrados; así, se focalizará en los ítems importantes y se proveerá de efectiva visualización de información que facilite un adecuado proceso de toma de decisiones. Algunas veces la animación de la simulación puede ser efectiva para mostrar áreas congestionadas o “cuellos de botella”; también la presentación de gráficas o esquemas.

3. Obtención y análisis estadístico de los datos

Una vez que en la etapaanterior se han identificado los requerimientos de los datos, entonces seprocede a su obtención para que sean utilizados durante la etapa de construccióndel modelo. Una inapropiada especificación en el modelo nos conducirá auna pérdida irreversible de tiempo y esfuerzo.Por ello, los datos deben ser obtenidos en forma sistemática, clasificadosy analizados estadísticamente.

Los datos que conciernenal sistema son los involucrados con su estructura, con los componentesindividuales existentes, las interacciones entre los componentes y las operacionesdel sistema. Los posibles estados del sistema se establecen a partir de esta información.

Ejemplo:Operación de control de calidad.

A continuación sepresentan los datos de entrada para el segmento del modelo:

• Tiempo de traslado de la estación previa a la estación de control.
• Duración de la actividad control de calidad.
• Probabilidad de aceptación y rechazo.
• Tiempo de traslado de la estación de control a la estación siguiente.

La fuente para laobtención de datos puede provenir de la ejecución de un estudio de tiempos, deentrevistas personales con los operadores del sistema, o de otras fuentes.

El proceso de obtenciónde datos es vital e implica tiempo y costo;por lo tanto, debe ejecutarse en forma inteligente ysistemática para asegurar la construcción del modelo apropiado.

Una vez obtenidos losdatos, estos deben pasar por ciertas pruebas estadísticas, para versi se ajustan a alguna distribución de probabilidad. La información de unsistema tiene carácter dinámico y estocástico, la variabilidad de este debemodelarse con ciertas ecuaciones matemáticas que sean capaces de reproducir sucomportamiento; en la mayoría de los casos es posible clasificar dicha variabilidaddentro de alguna distribución de probabilidad, en otros casos esto no esposible y se debe recurrir a distribuciones empíricas. Larepresentación en el modelo de una variable aleatoria se da por medio de unadistribución de probabilidad. Si luego de realizar las pruebas a los datosobtenidos se alcanza un ajuste significativo, entonces es posible representaren el modelo estos datos por medio de una distribución de probabilidad “teórica”(exponencial, uniforme, triangular, normal, etcétera).

Aspectos importantesde esta etapa se desarrollarán, con detalle, más adelante,cuando se aborde el capítulo de obtención y análisis de los datos para el modelo.

4. Construcción del modelo de simulación

En esta etapa elmodelador debe traducir el modelo conceptual en un modelo de simulación que seprepara en la computadora y se basa en las reglas del sistema seleccionado, porejemplo, los software Arena, ProModel, etcétera.

Un buen modelo no esaquel que necesariamente es real, pero sí losuficientemente útil. Un modelo es útil si tiene suficiente detalle y exactitudpara encontrar los objetivos de la simulación. El grado al cual el modelo corresponde endetalle y exactitud al sistema actual está asociado al nivel de fidelidad.Altos niveles de fidelidad requieren largosdesarrollos, depuraciones y tiempos de ejecución. Por ello, se recomiendaestablecer un mínimo requerido de fidelidad para lograr los objetivos delestudio. Se debe tener en cuenta que los modelos no tienen que incluir todo eldetalle necesario para que puedan ejecutarse. Medianteun progresivo refinamiento estratégico puede adicionarse eldetalle y no todo a la vez. Esto posibilita que el modelo se ejecute rápido y seafácil la depuración de errores. En la etapa inicial, por ejemplo, no sonnecesarios los gráficos muy atractivos, como sí lo serían en lapresentación final del modelo. En cuanto a la complejidaddel modelo, se debe tomar en cuenta que es mejor empezar con unmodelo simple y adicionar complejidad, en lugar de crear un modelo complejo enseguida.Es más fácil adicionar que extraer complejidad al modelo.

5. Verificación del modelo

Mediante el proceso deverificación se determina si el modelo de simulación construido reflejacorrectamente el modelo conceptual diseñado. Es decir, después de haberterminado la construcción del modelo es necesaria la comprobación, laconfirmación de que el modelo trabaja correctamente.

Durante este proceso elmodelador trata de detectar errores involuntarios en el modelo (de datos, delógica u otros) y eliminarlos. Es recomendable investigar las regiones extremasde los parámetros de entrada, verificar que sucedan las cosas correctas conentradas obvias y seguir la secuencia lógica con las personas familiarizadascon el sistema. En esta etapa se debe continuar con el proceso de depuración yrefinación del modelo, pero en una proporción menor que en la etapa de construcción.

6. Validación del modelo

Mediante el proceso devalidación del modelo se determina si el modelo conceptual rediseñado reflejacorrectamente el sistema real. La validación es un proceso racional en el cualel modelador traza conclusiones acerca de la precisión del modelo, basado en algunaevidencia disponible.

La validez del modelo serefiere a si este corresponde al sistema real, o si por lo menos representa conprecisión la data recolectada y las suposiciones hechas con relación a lamanera en que opera el sistema real. Durante el proceso de construcción delmodelo, el modelador debe estar constantemente comprometido con la validación delmodelo. Un ejemplo de validación es comparar la medición de un indicador de desempeñoobtenido de la simulación, con la medición del mismo indicador tomado delsistema real, y ver si estas corresponden.

La recolección deevidencias que determinan la validez del modelo es extensamente llevado a caboexaminando la estructura del modelo y evaluando la información estadística quese obtiene del modelo. La estructura del modelo (los algoritmos y lasrelaciones) debe ser verificada para ver cuán cerca esta corresponde a ladefinición actual del sistema. Para aquellos modelos quetienen una lógica de control compleja, la animación gráfica puede ser utilizadaen forma efectiva como una herramienta de validación.Finalmente, la información de salida del modelo debe ser analizadapara observar si los resultados parecen razonables. Siestos procedimientos son ejecutados sin encontrarse una discrepanciaentre el sistema real y el modelo, entonces se dice que elmodelo tiene una precisa representación del sistema.

Traducción en dos etapaspara convertir el sistema del mundo real en un modelo de simulación.

La verificación yvalidación del modelo representan factores críticos para el éxito del proyectode simulación. Importantes decisiones se basan en la información obtenida delexperimento de simulación y, por lo tanto, esto es una evidencia demostrable dela validez del modelo.

7. Experimento de simulación, ejecución y análisis estadístico

En esta etapa se planeaqué es lo que se desea saber. Mediante los experimentos de simulaciónobtendremos las respuestas de una manera precisa y eficaz.

En un experimento desimulación hay ciertas variables llamadas “independientes” o “variablesde entrada”, que pueden ser manipuladas o variadas. Losefectos que causa esta manipulación en otras variables denominadas“dependientes” o “variables de respuesta” son medidos. Lasvariables independientes son manejadas o manipuladas en la experimentación; seles llama también variables de decisión o variables de experimento.Desde que el experimentador está interesado en variablesdependientes estas son llamadas variables de respuesta o variables dedesempeño.

Varios tipos de experimentospueden ser conducidos usando simulación:

• Encontrando el desempeño esperado del diseño particular de un sistema.
• Encontrando el valor óptimo para una variable de decisión.
• Encontrando la combinación óptima de valores para dos o más variables de decisión.
• Determinando la sensibilidad del modelo de cambios en una o más variables.
• Comparando alternativas en la configuración de sistemas.

El objetivo en laconducción de experimentos no es encontrar cuán bien opera un sistema particular,sino tener suficiente conocimiento de cómo mejorar eldesempeño del sistema. Desafortunadamente, la información obtenida de lasimulación muy pocas veces identifica las causas de los problemas, solo reportael comportamiento sintomático del problema. Por ejemplo, las actividades“cuello de botella” son usualmente identificadas porque determinadoproceso posee siempre una cola larga, comparadas con los procesos cuyas colasestán vacías. Esto es un síntoma de que existe un “cuello debotella” en el sistema.

El conjunto de valores decada indicador, que resulta de la ejecución del experimento de simulación, seade estado estable o transitorio, deberá ser sometido a pruebas estadísticas debondad de ajuste a la distribución Normal, es decir, básicamente a las pruebasde Chi-cuadrado, Kolmogorov-Smirnov y Anderson Darling. El objetivo de esta -pruebaes verificar que se aplica el Teorema del Límite Central (TLC) para el indicadordel estudio, es decir, que los N valores promedio que se logren producto de lasN réplicas forman un conjunto de valores que se ajustan a una distribución de probabilidadNormal, y, por lo tanto, se podrá realizar inferencia estadística al indicador.

En la conducción de unexperimento de simulación el modelador debe tener cuidado en la correcta interpretaciónde la información obtenida de la ejecución de la simulación. A continuación sepresentan algunos puntos para tomar en cuenta en el diseño del experimento desimulación .

Aspectos claves en el diseño delexperimento de simulación :

• ¿Está el interés focalizado en analizar el comportamiento del estado estable del sistema, o existe un determinado período de tiempo que se desea medir?
• ¿Cuál es la mejor manera de asegurar que los resultados reflejen solo el período de tiempo de interés y no sean influenciados por otras condiciones, como las condiciones iniciales?
• ¿Cuál es el mejor método para obtener una muestra de observaciones que pueden ser usadas para estimar el comportamiento del modelo?
• ¿Cuál es la longitud apropiada para ejecutar la simulación?
• ¿Cuántas réplicas deben ser ejecutadas?
• ¿Cuántas secuencias de números aleatorios deben ser utilizadas en el modelo?
• ¿Es factible realizar inferencia estadística con los valores obtenidos de cada indicador (producto de las N réplicas)?, ¿realmente se ajustan a una distribución Normal?

Las respuestas a estaspreguntas dependerán del grado de precisión requerido del proyecto desimulación . Todos estos aspectos claves serán desarrollados en forma detalladamás adelante, en el capítulo correspondiente al diseño del experimentode simulación, su ejecución y análisis estadístico de losresultados.

4.8Entrega de documentación y presentación de resultados

En esta etapa se hacenlas recomendaciones para mejorar el sistema real sobre la base de losresultados del modelo de simulación.

Estas recomendacionesdeben ser alcanzadas mediante un informe o reporte final, en el cual se adjuntala data utilizada, el desarrollo del modelo y los experimentos ejecutados.

Los resultados deben serpresentados de forma que sean fáciles de evaluar; la animacióny las gráficas son muy útiles como ayuda para comunicar los resultados del estudiode simulación.

Cuando se ha terminado la presentación y no hay más aspectos que analizar, y si es aprobada, entonces está lista para la implementación. Si la simulación ha sido adecuadamente documentada, esta proveerá buenas especificaciones funcionales para el equipo de implementación.

Referencias

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