SIMULACION DISCRETA

Los modelos discretos tienen que ver principalmente con el estudio de lneas de espera con el
objetivo de determinar medidas como el tiempo de espera promedio y la longitud de la cola. Estas
medidas cambian solo cuando un cliente entra o sale del sistema. Los instantes en que ocurren los
cambios en puntos discretos especficos del tiempo (evento de llegada y salida) originan el nombre
de simulacin de evento discreto. (TAHA, 2012)

ELEMENTOS DE LA SIMULACIN DE EVENTOS SICRETOS

El objetivo final de la simulacin es estimar algunas medidas de desempeo deseables que
describan el comportamiento del sistema simulado. Por ejemplo, en una instalacin de servicios, las
medidas de desempeo asociadas pueden incluir el tiempo de espera promedio hasta que un cliente
es atendido, la longitud promedio de la cola y la utilizacin promedio de las instalaciones de
servicio. (TAHA, 2012)

COMPONENTES DEL MODELO

Reloj de simulacin
El tiempo marcado por el reloj de simulacin hace explcito el paso del tiempo a lo largo del
modelo. Esto hace posible sealar el comienzo y el final de la simulacin, y la aparicin de eventos
clnicos en su momento exacto, sin necesidad de ciclos de duracin fija. Esto permite una
simulacin ms eficiente y realista en funcin de la aparicin de los eventos.
Entidades
Son los elementos dinmicos que se simulan a travs del modelo, cambian de estatus, afectan y son
afectados por otras entidades y son los protagonistas de los eventos clnicos de estudio del modelo.
Atributos
Son las caractersticas de las entidades, con las cuales se describen y diferencian. Por ejemplo, son
atributos de los pacientes, como la edad, el sexo, la duracin de su enfermedad, la gravedad de sta
y el cumplimiento del tratamiento. Un atributo importante en las evaluaciones econmicas,
fundamental en los estudios de coste-utilidad, sera la calidad de vida. sta se puede estudiar de
forma detallada incluyndola mediante un atributo.
Eventos
Es todo aquello que puede ocurrir durante la simulacin en funcin del proceso que estamos
estudiando. Por ejemplo, un evento puede ser un efecto adverso, una admisin hospitalaria, el alta
del hospital, un cambio de dosis o una baja laboral. El concepto de evento va ms all de las
transiciones de los modelos de Markov, ya que la aparicin de un evento no necesariamente implica
el cambio de estado de salud del paciente (p. ej., una visita al mdico).

A pesar de que hay una secuencia temporal dada, los eventos pueden suceder de forma casi
simultnea y pueden hacerlo en cualquier secuencia lgica en relacin con la historia plausible del
proceso de estudio (p. ej., fallo en un rgano diana o fallo multiorgnico en un paciente con sepsis).
Al contrario que en los modelos de Markov, estos eventos no presentan ningn tipo de restriccin
de memoria.
Los riesgos de que los diferentes eventos ocurran pueden tomar la forma de funciones dependientes
de los datos y depender de algunos atributos y variables. Estas funciones pueden cambiar durante la
simulacin.
(Jos Manuel Rodrguez Barriosa, 2008).

SIMULACIN DE MONTECARLO
El mtodo de Monte Carlo proporciona soluciones aproximadas a una gran variedad de problemas
matemticos posibilitando la realizacin de experimentos con muestreos de nmeros
pseudoaleatorios en una computadora. El mtodo es aplicable a cualquier tipo de problema, ya sea
estocstico o determinista. A diferencia de los mtodos numricos que se basan en evaluaciones en
N puntos en un espacio M-dimensional para producir una solucin aproximada, el mtodo de Monte
Carlo tiene un error absoluto de la estimacin que decrece como en virtud del teorema del lmite
central (Huizar perez, 2009).
El tipo de simulacin utilizado es secuencial, dado que los tiempos de salida y restauracin
generados se van acumulando para obtener el tiempo total de operacin del circuito primario bajo
estudio. La simulacin es un proceso iterativo en el cual se observa para un periodo de tiempo de
inters, los estados operativos que aparecen en el circuito primario debido a los eventos aleatorios
de salida y restauracin de los componentes. En cada estado operativo se determinan los puntos de
carga afectados por la salida de un componente dado. Una vez se termina la simulacin, se
contabiliza para cada punto de carga el nmero de salidas que lo afectaron y el tiempo de
indisponibilidad. Con estos dos ndices bsicos se calculan los dems ndices de confiabilidad. Para
aplicar este mtodo se requiere conocer las distribuciones de probabilidad que modelan los tiempos
para salida y restauracin de cada uno de los componentes.
La simulacin se implementa como un software que utiliza la base de datos del sistema, donde se ha
registrado para cada circuito primario: componentes con sus distribuciones de probabilidad, puntos
de carga, nmero de usuarios por punto de carga y demanda total por punto de carga. Un asunto
clave en construccin de la base de datos del sistema es el mtodo de codificacin de los
componentes de cada circuito primario, de tal forma que permita conocer cules puntos de carga
son afectados por la salida de cualquiera de los componentes.
Este es el mtodo de anlisis ms verstil dado que:
Permite utilizar cualquier distribucin para modelar los tiempos para salida y restauracin de los
componentes.
Permite resolver sistemas en los cuales no existe una solucin analtica. Por ejemplo, sistemas
donde alguno de los componentes tiene modelado el tiempo para salida o restauracin por medio de
la distribucin Gaussiana.

 Permite obtener las distribuciones de probabilidad de los ndices de confiabilidad de los puntos de
carga, lo cual es muy til para valorar el riesgo de que ocurran diferentes valores de los ndices.
Los cambios en el sistema se realizan en la base de datos sin que sea necesario realizar cambios en
el software (Carlos Zapata, 2004).
La simulacin de Monte Carlo es una tcnica cuantitativa que hace uso de la estadstica y los
ordenadores para imitar, mediante modelos matemticos, el comportamiento aleatorio de sistemas
reales no dinmicos (por lo general, cuando se trata de sistemas cuyo estado va cambiando con el
paso del tiempo, se recurre bien a la simulacin de eventos discretos o bien a la simulacin de
sistemas continuos).El mtodo de Monte Carlo es un mtodo no determinstico o estadstico
numrico usado para aproximar expresiones matemticas complejas y costosas de evaluar con
exactitud.
El mtodo de Monte Carlo proporciona soluciones aproximadas a una gran variedad de problemas
matemticos posibilitando la realizacin de experimentos con muestreos de nmeros
seudoaleatorios en una computadora. El mtodo es aplicable a cualquier tipo de problema, ya sea
estocstico o determinista. A diferencia de los mtodos numricos que se basan en evaluaciones en
N puntos en un espacio M-dimensional para producir una solucin aproximada, el mtodo de Monte
Carlo tiene un error absoluto de la estimacin que decrece como en virtud del teorema del lmite
central.
Clave del mtodo de Montecarlo.

Crear un modelo
matemtico del
sistema que se
quiere analizar

Identificar las
variables cuyo
comportamiento
aleatorio determina el
comportamiento
global del sistema.

Se lleva a cabo un
experimento
consistente en generar
muestras aleatorias
para las variables

Tras repetir en varias

veces este experimento,
dispondremos de
observaciones sobre el
comportamiento del
sistema

Nuestro anlisis ser tanto ms preciso cuanto mayor sea el nmero n

de experimentos que llevemos a cabo.

APLICACIONES DE LA SIMULACIN DISCRETA EN LAS

ORGANIZACIONES

Aplicacin de simulacin discreta para un sistema de logstica militar basado en casos

histricos de la segunda guerra mundial.
En este trabajo de investigacin, se utiliza la simulacin discreta para la propuesta de
modelos computacionales, que permitan dar soporte a distintos sistemas de logstica militar
bajo una serie de escenarios. La simulacin discreta, permitir reducir la alta incertidumbre
existente ante diversos ambientes complejos que puedan presentarse en mbitos castrenses,
ya sean de desastre, catstrofe, ayuda humanitaria o misiones de paz. Ya desde la poca de
Napolen se consideraba a la logstica militar como el tercer pilar fundamental del arte de
la guerra, complementada con la estrategia y la tctica.
Segn expertos, el desenlace final de la batalla podra explicarse en un setenta por ciento
por el rendimiento de los sistemas logsticos. (Soto, 2009).

Una aplicacin de la simulacin discreta al mejoramiento de las capacidades de carga

en un almacn.

En un Almacn Central se ha evidenciado un incumplimiento con relacin al ciclo pedidoentrega a los clientes de Ciudad de la Habana lo que ha motivado quejas de un 44,4 % de
Ellos.
Asociado a esta problemtica se ha detectado como deficiencia la subutilizacin capacidad
de carga, puesto que la misma es utilizada en un 66%, impactando en el nivel de servicio
percibido por los clientes en cuanto al ciclo pedido entrega que es de
20,415%, considerado muy bajo.
En el presente trabajo se exponen los resultados del diagnstico realizado y una propuesta
de aumento de aprovechamiento de la capacidad de carga, la cual es evaluada a partir de un
modelo de simulacin utilizando para ello el paquete de simulacin ARENA, que permiti
evaluar la propuesta realizada y determinar que se lograr aumentar este indicador al 97%,
existiendo una relacin de la disponibilidad de los recursos asociados con la distribucin
con
Relacin a la demanda del 134,02%. Se muestra el impacto econmico esperado que
racionaliza recursos tales como combustible y accesorios de mantenimiento. (Ileana Prez
Vergara, 2010).

diseo de la operacin de un call center de informacin turstica, a travs de

simulacin discreta. caso de aplicacin en Guatemala.
Conforme la sociedad y las economas han ido evolucionando, se ha desarrollado una
creciente preferencia por la cultura de servicios, tanto en la demanda misma de estos, como
en el mbito laboral que ha pasado a ser la fuente ms importante de empleos. Prueba de
ello es el auge que han tenido los Call Centers, que surgen como una respuesta efectiva,
para resolver de una forma oportuna las distintas formas en que se puedan presentar las
necesidades de los clientes.

Este estudio pretende mostrar cmo la Simulacin puede ser til para dimensionar la
capacidad operativa -configuracin inicial- de un Call Center que busca brindar
informacin turstica en Guatemala, especialmente cuando este servicio no existe y no se
cuenta con datos del sistema (Quijada, 2008 ).

Simulacin de eventos discretos de la cadena logstica de exportacin de commodities.

El presente trabajo utiliza la tcnica de simulacin de eventos discretos como metodologa
de apoyo a la decisin en un problema complejo con mltiples variables; el objetivo es
modelar las operaciones logsticas involucradas en la exportacin martima de commodities
en las presentaciones de carga suelta y granel desde doce empresas productoras hasta el
puerto martimo. La simulacin permite analizar la sensibilidad de los principales
parmetros y variables del sistema, con el fin de definir diferentes modelos de planeacin
de despachos. Los escenarios muestran que es posible obtener una reduccin de los
inventarios y de los costos de mantenimiento, as como tambin mejorar los indicadores de
servicio y como consecuencia aumentar la tasa de utilizacin de los recursos (Guerrero,
2012).

Modelo de Prediccin de Costos en Servicios de Salud Soportado en Simulacin

Discreta.
Se ha desarrollado un modelo de apoyo a la toma de decisiones sobre los costos de
prestacin de servicios de salud. Se usa simulacin discreta, evaluando diferentes
escenarios de prestacin de servicios de una Entidad Prestadora de Servicios de Salud
(EPS): consulta mdica general, urgencias, hospitalizacin y enfermedades catastrficas,
entre otros, El modelo se realiz para que una EPS tpica simule el costo de prestacin de
servicios por un ao, a partir de indicadores tomados de estadsticas de salud del orden
nacional cuyos valores fueron ajustados al comportamiento especfico de la EPS. Los
resultados obtenidos con el modelo permitieron determinar que el enfoque de clculo de
costos es efectivo, y que los promedios nacionales de ciertos parmetros deben ser
modificados para cada caso. De otra forma se pueden producir errores importantes en el
presupuesto al no incluir la variacin en estos parmetros (Vargas, 2013 ).
Estrategias de mejoramiento en el sistema de lneas de espera en Bancama S.A. empleando
simulacin discreta.
Las entidades financieras como empresas prestadoras de servicios, identifican que la forma
de ofrecer y procesar su portafolio de servicios ha cobrado gran importancia en los ltimos
tiempos, en razn a la creciente competencia que ofrece un integral y variado portafolio que
sumado a la calidad del servicio integran factores de eficiencia y eficacia en su sistema
corporativo. Sumado a lo anterior, estas entidades han optado por estructurar tres
componentes claves de su oferta de servicios: Productos, infraestructura y servicio al
cliente, en este sentido el nivel de satisfaccin del servicio por parte de los clientes y el
cumplimiento de las metas organizacionales son indicadores de la capacidad de respuesta
de la entidad en trminos econmicos, organizacionales y sectoriales. La presente
investigacin muestra la aplicacin de teora de lneas de espera en una entidad financiera, a
la cual se le suma una herramienta computacional con el objetivo de modelar el
comportamiento del sistema y proponer las estrategias de mejora que satisfagan los
requerimientos y especificaciones del sistema (Chingat vila, 2012 ).

SOFTWARE DE SIMULACIN Y SIMULADORES MS

UTILIZADOS

GASP IV
Es una coleccin de subrutinas FORTRAN, diseadas para facilitar la simulacin de secuencia de
eventos. Cerca de 30 subrutinas y funciones que proveen numerosas facilidades, incluyendo:
Rutinas de avance de tiempo.
Gestin de lista de eventos futuros.
Adicin y remocin de entidades.
Coleccin de estadsticas.
Generador de variables aleatorias.
Reporte estndar.
El programador nicamente provee un program main, una rutina de actualizacin, rutinas de
eventos, generadores de reportes personalizados y una subrutina denominada EVNTS. El programa
main debe incluir la sentencia CALL GASP; siendo GASP una subrutina que determina el eminente
evento, invocando a EVNTS escrita por el usuario y obtiene el ndice NEXT.
GASP IV es un lenguaje de simulacin desarrollado por Alan B. Pristker y N. Hurst en 1973. Es un
lenguaje hbrido porque puede ser usado para programadores de simulacin discretos, continuos y
combinados; siendo el primero en integrar completamente estos dos ambientes de funcin del
tiempo. GASP IV es un derivado del GASP II, y se diferencia por la definicin del evento espacioestado (state space event).
SIMSCRIPT II.5
Desarrollado en la RAND Corporation por H. Markowtz en los inicios de los sesenta. SIMSCRIPT
11.5. Es un lenguaje de simulacin con orientacin al evento y al proceso, es hbrido porque posee
facilidades para simulacin de sistemas discretos y continuos. Un programador SIMSCRIPT 11.5
consiste de las siguientes partes:
Preamble.
Main program.
Rutinas de eventos.
Rutinas ordinarias.
SIMSCRIPT 11.5, producido por CACI Products Company (La Jolla, California), fue utilizado en el
pasado en grandes y complejas simulaciones, como es el caso de los modelos no orientados a colas;
por ejemplo modelos de combates militares. Se encuentra disponible en versin PC destacando su

ambiente de S11VIGRAPHICS.SIMSCRIPT 11.5 est basado en entidades, atributos y conjuntos.

Visualiza el mundo a ser simulado como un conjunto de entidades que pueden ser descritas a travs
de sus atributos y los eventos que aparecen en el tiempo.
SIMAN/Cinema
La versin original del SIMAN (Simulation and Analysis) fue desarrollada por Dennis Pegden, en
la Universidad de Alabama, cuando era lder del grupo de desarrollo de la versin original de
SLAM (basada en los software de GASP y Q~GER-r de Pristker and Associates). Ms tarde,
Pegden inicia su trabajo en el Pennisylvania State University donde lo disea como un lenguaje de
modelamiento para propsitos generales, incluyendo facilidades de manufactura muy tiles en
modelamiento de sistemas complejos de manufactura.
Desde su implementacin inicial en 1984, ha sido continuamente refinado por System Modeling
Corporation, y en 1998 y 1989 el lenguaje fue completamente rediseado dando origen a
SIMAN/Cinema.
El ambiente de modelamiento en SIMAN se desarrolla entre el Modeling y el Experiment; en el
primero se describe las componentes del sistema y sus interacciones y en el segundo se definen las
condiciones del experimento (longitud de la corrida, condiciones iniciales).
SIMAN modela un sistema discreto usando la orientacin al proceso; es decir, en un modelo de
sistema particular, se estudian las entidades que se mueven a travs del sistema. Una entidad para
SIMAN es un cliente, un objeto que se mueve en la simulacin y que posee caractersticas nicas
conocidas como atributos. Los procesos denotan la secuencia de operaciones o actividades a travs
del que se mueven las entidades, siendo modeladas por el diagrama de bloques.
Usted construye un diagrama de bloque en un flowchart grfico, seleccionando y combinando
bloques. Despus, interactivamente, usando un editor especial se activa el generador automtico de
las sentencias del modelo desde el ambiente grfico. Los bloques de SIMAN se clasifican en 10
tipos bsicos.
SLAM II
SLAM II (Simulation Languaje for Alternative Modeling) es un lenguaje de simulacin por el cual
se pueden construir modelos con orientacin al proceso o al evento. SLAM fue desarrollado en
1979 por Dennis Pedge y Alan Pritsker y es distribuido por Pritsker Corporation (indianapolis,
Indiana). La parte de SLAM que se orienta a los procesos emplea una estructura reticular compuesta
por smbolos de nodos y ramas tales como colas, servidores y puntos de decisin. Modelamiento
significa incorporar esos smbolos a un modelo de red que representa el sistema y en donde las
entidades (tems) pasan a travs de la red. SLAM contiene un procesador que convierte la
representacin visual del sistema a un conjunto de sentencias.
ARENA
El software Arena es una herramienta de modelamiento y simulacin para elmejoramiento de
sistemas y procesos. Se utiliza para analizar operacionesde negocios, servicios, procesos de
manufactura y sistemas de flujos en general.
(Leirca, 1999)

REFERENCIAS
Ileana Prez Vergara, R. G. (29 de NOVIEMBRE de 2010). UNA APLICACIN DE
LA SIMULACIN . Obtenido de UNA APLICACIN DE LA SIMULACIN :
http://ccia.cujae.edu.cu/index.php/siia/siia2010/paper/viewFile/723/25
Jos Manuel Rodrguez Barriosa, D. S. (1 de abril de 2008). Los modelos de
simulacin de eventos discretos en la evaluacin econmica de
tecnologas y productos sanitarios. barcelona, espaa.
Soto, D. A. (20 de abril de 2009). APLICACIN DE SIMULACIN DISCRETA PARA
UN SISTEMA . concepcion, chile: univercidad bio bio.
TAHA, H. A. (2012). INVESTIGACION DE OPERACIONES. MEXICO: PEARSON.
WINSTON, W. L. (2005). INVESTIGACION DE OPERACIONES APLICACION DE
ALGIRITMOS. MEXICO: THOMSON.
Carlos Zapata, L. C. (24 de mayo de 2004). EL MTODO DE SIMULACIN DE
MONTECARLO. Pereira, Colombia .
Chingat vila, V. M. (2012 ). Estrategias de mejoramiento en el sistema de
lneas de espera en Bancama S.A. empleando simulacin discreta.
Bogota, Colombia .
Guerrero, M. A. (2012). Simulacin de eventos discretos de la cadena logstica
de exportacin de commodities. Revista chilena de ingenieria , 257-258259-260-261-262. Obtenido de http://www.scielo.cl/scielo.php?
pid=S0718-33052014000200011&script=sci_arttext&tlng=en.
Huizar perez, M. T. (14 de Diciembre de 2009). Metodos de montecarlo.
Tijuana , Mexico .
Quijada, J. (2008 ). DISEO DE LA OPERACION DE UN CALL CENTER DE
INFORMACION TURISTICA , A TRAVEZ DE SIMULACION DISCRETA. CASO
APLICADO GUATEMALA . Ciudad de Mexico , Mexico .
Vargas, J. M. (16 de Diciembre de 2013 ). Scielo . Obtenido de Scielo :
http://www.scielo.cl/scielo.php?pid=S071807642014000400019&script=sci_arttext
www.scielo.com
www.googlescholar.com
Science Direct
Virtual pro
Engineering plus

INTRODUCCION
La creciente capacidad de las computadoras y la inmensa investigacin en el
campo de la Ciencia de la Computacin otorgan nuevas herramientas para
apoyar el proceso de la toma de decisiones en diversas disciplinas y reas de
diseo y manejo de la industria. La Simulacin es una de las herramientas ms
importantes y ms interdisciplinarias. En pocas palabras podemos decir, que la
simulacin realiza cuando la computadora finge ser una tienda, un avin o un
mercado de abarrotes. El usuario define la estructura del sistema que quiere
simular. Una corrida del programa de simulacin correspondiente le dice cul
ser el comportamiento dinmico de su empresa o de la mquina que est
diseando. As podemos ver los pronsticos para la demanda y utilidad de
nuestro producto, o ver cuando un mecanismo pueda fallar en las condiciones
adversas del ambiente donde funcionar.
En los pases altamente desarrollados la simulacin es una herramienta
principal de en los procesos de toma de decisiones, en el manejo de empresas
y el planeacin de la produccin. Adems, la Simulacin es cada vez ms
amigable para el usuario, que no tiene que ser un especialista en
computacin.

Simulacin Discreta

Laura Rojas
Carlos Rebolledo Ortega

Teora de colas
Ileana Prez

Santiago de Cali
Universidad san buenaventura
2015