INSTITUTO TECNOLÓGICO DE OAXACA

TECNOLÓGICO NACIONAL DE MÉXICO

CARRERA: INGENIERÍA CIVIL

MATERIA:
MODELOS DE OPTIMIZACIÓN DE RECURSOS

HORARIO: 13:00 – 14:00

NOMBRE DEL DOCENTE:

M.C. FRANCISCO

ELABORÓ:
MARTÍNEZ GARCÍA MARÍA DEJANIRA
OROZCO DE AQUINO WALTER YAHIR
PÉREZ VAQUERO CARLOS URIEL
SALVADOR GONZÁLEZ PRÓSPERO

UNIDAD 6:
MODELACIÓN Y SIMULACIÓN DE OPERACIONES Y PROCESOS

SEMESTRE: AGOSTO – DICIEMBRE 2019

OAXACA DE JUÁREZ, OAXACA A 09 DE DICIEMBRE DEL 2019

 INTRODUCCION

Una de las labores que toda administración efectiva de un sistema de producción

debe realizar continuamente, es el análisis y mejoramiento de los procesos de
producción. A través de ello es posible ir incorporando en forma progresiva,
aumentos de productividad en la ejecución de las distintas operaciones. A
continuación, se expone una metodología de estudio de la productividad de
operaciones de construcción, que utiliza un programa computacional basado en un
lenguaje orientado a la representación de procesos constructivos. Para la aplicación
del programa, se requiere cumplir dos etapas: modelación o creación del modelo
que representa el sistema de interés y simulación o procesamiento computacional
de modelos.
Un “Proceso” puede definirse como un conjunto de actividades interrelacionadas
entre sí que, a partir de una o varias entradas de diferentes recursos (personal,
materiales, información, energía, etc.) dan lugar a una o varias salidas de esos
elementos transformados con agregado de valor. En otras palabras, es un conjunto
de actividades o eventos interrelacionados que se realizan o suceden (alternativa o
simultáneamente) con un fin común determinado.
En toda organización ya sea una empresa (fines de lucro), ONG, asociación civil,
Estado, etc., se generan gran cantidad de procesos y asimismo cada organización
en forma completa participa de uno o varios procesos a nivel macro.

Un “Modelo” es la descripción lógica de la operación de un sistema considerado

como el conjunto de procesos y/o subprocesos integrados para el logro de un
determinado fin, pudiendo realizarse en formato gráfico (diagramas de procesos) o
en formato matemático (investigación de operaciones).
Para modelizar se debe desarrollar una descripción lo más exacta posible del
sistema, de las actividades llevadas a cabo en él, sus relaciones, restricciones y
objetivos. Por tanto, relevar y conocer el sistema a representar es una condición
esencial en la formulación de un modelo.

2
 ÍNDICE

6.1 PROCESOS DE SIMULACIÓN …………………………………………04

ELEMENTOS DE UN MODELO DE SIMULACIÓN ...……………………05
FASES DEL MODELO DE SIMULACIÓN ...………………………………06
DURACIÓN DE LAS ACTIVIDADES MODELADAS …………………….07

6.2 LAS TÉCNICAS MONTECARLO ……………………………………….08

UTILIDAD DEL MÉTODO MONTECARLO EN PROYECTOS ...……….08
¿CÓMO REALIZAMOS EL MÉTODO DE MONTECARLO? .................09

6.3 APLICACIONES DE LA SIMULACIÓN EN PROBLEMAS DE

ESPERA E INVENTARIOS …………………………………………………..11
CLASIFICACIÓN DE LOS ELEMENTOS DE UN MODELO DE
SISTEMA DE COLAS ……………………………………………………….11

LA POBLACIÓN FUENTE Y LA FORMA EN QUE LOS CLIENTES

LLEGAN AL SISTEMA ……………………………………………………...12
EL SISTEMA DE PRESTACIÓN DEL SERVICIO ……………………….13

6.4 USO DE SOFTWARE ……………………………………………………14

PROMODEL …………………………………………………………………..14
OR BRAINWARE DECISION TOOLS …………………………………….15
SIMNET II ……………………………………………………………………..15

EJERCICIOS RESUELTOS …………………………………………………16

CONCLUSIONES ……………………………………………………………..25
BIBLIOGRAFÍA ……………………………………………………………….26

3
 6.1 PROCESO DE SIMULACIÓN

La “Simulación” es una técnica de análisis basada en la experimentación sobre un

modelo de sistema, que se somete a diversidad de situaciones (generación
específica y/o aleatoria), con el objeto de testear hipótesis de trabajo antes de su
desarrollo e implementación.
Por lo tanto, es un poderoso elemento de apoyo en la toma de decisiones.

El proceso completo de modelización y simulación puede esquematizarse de la

siguiente manera:

Beneficios
La simulación de un sistema o proceso permite una rápida y económica evaluación
del funcionamiento del mismo, su performance y respuesta ante distintas
situaciones, impacto, valores, y cambio de costos, validando las mejoras propuestas
y reduciendo la resistencia al cambio radicada en la incertidumbre de los resultados.
Esto redunda en notables economías de dinero, de tiempo y de esfuerzo; con
mínimo riesgo ya que se trabaja sobre un software y no con pruebas sobre la
realidad física, y se obtienen conclusiones que luego pueden trasladarse a la
realidad con un alto grado de precisión.
En conclusión, la modelización y simulación permite:
 Diseñar, validar y mejorar procesos
 Predecir el curso y los resultados de determinadas acciones
 Confirmar las relaciones causa efecto de ciertos eventos
 Explorar el efecto de cambios en el sistema (variables controlables) o en el
entorno (variables no controlables)
 Estimular el pensamiento creativo
 Comunicar y demostrar la factibilidad y conveniencia de determinadas
acciones

4
 ELEMENTOS DE UN MODELO DE SIMULACIÓN

Los problemas que se abordan mediante simulación discreta son más complejos.
En esos sistemas hay más elementos, más eventos y más estados. Por ejemplo, un
puesto en una línea de montaje puede estar en diferentes estados: ocioso,
trabajando, averiado, esperando a un operario, etc. Igualmente, puede haber
diferentes eventos: avería del puesto, fin de operación, comienzo de operación, fin
de reparación, etc. La generación de eventos y la modificación de estados son
aspectos nucleares de la simulación de eventos discretos. En el siguiente apartado
se presentan todos los elementos de un modelo de simulación de eventos discretos.
Elementos de un modelo de simulación
 El estado de sistema, es decir, un conjunto de variables que permitan
describir el estado de los diferentes elementos del sistema
 El reloj de la simulación, que es un contador que guarda registro del instante
en el que se encuentra la simulación.
 La lista de eventos, donde se almacenan los eventos que deben tener lugar
y cuando deben ocurrir (por ejemplo, la lista de eventos puede contener la
información siguiente “cuando el reloj de la simulación tome el valor 32.27 el
llegara una nueva llamada al sistema”).
 Un procedimiento de inicialización, es decir, un programa para que el estado
del modelo de simulación sea el deseado.
 Un procedimiento de actualización del reloj, para gobernar como avanza el
reloj de la simulación.
 Un procedimiento para la generación de eventos, para generar eventos a
partir de la ejecución de eventos previos y del cambio de estado de los
elementos del sistema.
 Procedimientos para la generación de valores de variables aleatorias.
 Un generador de informes, que por defecto ofrece información sobre el
comportamiento del sistema (contadores, niveles de ocupación, etc.)
 El programa principal, que gobierna la ejecución de todo el modelo e invoca,
cuando corresponde, a cada uno de los elementos interiores.

5
 FASES DEL MODELO DE SIMULACIÓN

Estos tres grupos de datos aparecen en cualquier estudio de simulación y se

denominan, respectivamente, variables de entrada, parámetros y variables de
salida.

En general, los datos que alimentan y los que se obtienen de un modelo se definen
de la siguiente manera.

I. Variables de entrada
Las variables de entrada son todos aquellos datos de entrada sobre los
cuales el decisor no tiene control. Por ejemplo: la frecuencia con la que llegan
las llamadas de a un centro de atención telefónica, el tiempo entre averías
de una máquina, la demanda de un determinado producto, etc.
II. Parámetros
Los parámetros son aquellos datos de entrada sobre los cuales el decisor
tiene control. Típicamente, en un estudio de simulación se trata de obtener
un conjunto de valores de los parámetros (es decir, una configuración del
sistema) satisfactoria o buena de acuerdo con algún criterio. Por ejemplo: el
número de puestos de atención al cliente en una oficina, la cantidad de
operarios con los que se cuenta en el sistema, el orden en que se realiza un
conjunto de operaciones (el embarque a un avión), etc.
III. Variables de salida.
Las variables de salida son todos aquellos valores que permiten conocer la
bondad del funcionamiento del sistema estudiado. Como se ha dicho, con el
desarrollo de un estudio de simulación se pretende obtener una buena
solución con respecto a algún criterio. Los valores de las variables de salida
permiten evaluar el sistema. Por ejemplo: el beneficio derivado de una nueva
instalación, el nivel de saturación de los controladores aéreos, la
productividad de una línea de montaje, etc.

6
 DURACIÓN DE LAS ACTIVIDADES MODELADAS

Es importante mencionar dos tipos de factores, que determinan la elección del

tiempo o demora asignados a cada actividad: ellos son la naturaleza de la operación
y las habilidades del estimador. En vista de ello, a continuación, se proponen cuatro
métodos simples (adicionales a las filmaciones) de obtención de datos relativos a la
duración de actividades.

a) Experiencia: quienes participan del proceso de trabajo en cuestión

normalmente conocen el tiempo requerido para cada tarea, debido a su
experiencia y a la frecuencia con que ejecutan tareas similares o de magnitud
comparable.
b) Estimaciones: quienes realizan la planificación o estimaciones relativos al
trabajo comúnmente obtienen información de otras obras, previas o
similares, permitiéndoles establecer tasas de productividad y rendimientos
en función del tamaño y combinación de los recursos utilizados en cada
actividad.
c) Ensayos iniciales propios: en aquellos casos en que la experiencia no sea
aplicable a la realidad que se enfrenta, o no se cuenta con expertos cercanos,
es conveniente crear cuadrillas y faenas "piloto" para medir rendimientos por
tarea y factores de variabilidad.
d) Uso de modelos predictivos: conociéndose las tareas componentes de una
actividad y el rendimiento de sus recursos, se podría variar la magnitud de
combinaciones de ellos por medio de un modelo simple, con el fin pronosticar
las posibles duraciones de las actividades.

7
 6.2 LAS TÉCNICAS MONTECARLO

La técnica de la simulación de Monte Carlo se basa en simular la realidad a través

del estudio de una muestra, que se ha generado de forma totalmente aleatoria.
Resulta, por tanto, de gran utilidad en los casos en los que no es posible obtener
información sobre la realidad a analizar, o cuando la experimentación no es posible
o es muy costosa.

El método se llamó así en referencia al Casino de Monte Carlo (Principado de

Mónaco) por ser “la capital del juego de azar”, al ser la ruleta un generador simple
de números aleatorios. El nombre y el desarrollo sistemático de los métodos de
Monte Carlo datan aproximadamente de 1944 y se mejoraron enormemente con el
desarrollo de la computadora.
El método de Monte Carlo proporciona soluciones aproximadas a una gran
variedad de problemas matemáticos posibilitando la realización de experimentos
con muestreos de números pseudoaleatorios en una computadora. El método es
aplicable a cualquier tipo de problema.
Utilidad del método de Montecarlo en proyectos

Como se ve en otros artículos, las estimaciones de plazo y coste que hacemos

durante la planificación de un proyecto están sujetas a variabilidad. Esta variabilidad
es debida tanto a la variabilidad intrínseca de las estimaciones, una determinada
tarea no cuesta o dura siempre lo mismo, como a los riesgos asumidos, los cuales
tienen una determinada probabilidad de ocurrir y un impacto.

Por ello no es conceptualmente correcto dar un valor determinado para el coste o la

duración del proyecto, aunque todos lo hacemos, ya que estos van a estar sujetos
a variabilidad. Por el contrario, lo más correcto sería hablar de un valor medio y una
variabilidad para el coste y la duración totales, los cuales pueden determinarse
mediante el análisis de Montecarlo.

8
De esta forma el método de Montecarlo permite calcular el valor de coste y plazo
del proyecto en base a un determinado grado de confianza, y así determinar en qué
medida nuestra planificación es realista, y va a permitir conseguir los objetivos del
proyecto. Esto significa determinar en qué porcentaje de las simulaciones
realizadas, el plazo y el coste totales son menores a los objetivos del Proyecto.

Si este porcentaje es menor al grado de confianza que la organización define como

aceptable, podemos determinar que la planificación no es factible, por lo que
deberemos modificar esta, o tendremos datos objetivos para defender delante del
sponsor o el comité de dirección del proyecto que una determinada restricción o
petición no es asumible.

Otra utilidad, si planificamos por el método de cadena crítica, es usar este análisis
para determinar el valor de la protección en cada grupo de tareas y del conjunto del
proyecto. Esto se realiza de la misma forma que con el proyecto completo, pero
ejecutando el análisis en el grupo de tareas que queremos estudiar.

Una vez hemos completado la planificación del proyecto, el análisis de Montecarlo

sigue siendo útil para estudiar los efectos de los cambios o de las contramedidas
sobre el proyecto.

¿Cómo realizamos el método de Montecarlo?

Debido al tamaño y complejidad de los proyectos que justifican el uso de este

análisis, en los pequeños no se usa, este se realiza mediante computador, siendo
totalmente inviable hacerlo a mano. De todas formas, es recomendable entender
el método de cálculo que hay detrás de estos programas de simulación. En
cualquier proyecto hay dos elementos que
tienen un comportamiento no determinista:

Las tareas. Las cuales tienen un valor medio

y una variabilidad de acuerdo a una
distribución estadística, que permite
relacionar un determinado valor de plazo o
coste a un porcentaje de representatividad.

9
Los riesgos; sujetos a una probabilidad de ocurrencia y a un impacto. Si tenemos
un riesgo con una probabilidad de ocurrencia del 15%, y un impacto de 1000€ y 1
día, diremos que el 15% de las veces que se ejecute el proyecto, este va a durar
un día más y costar 1000€ más, el 85% de las veces restantes no.

Teniendo definidas las distribuciones estadísticas de todas las tareas y riesgos, es

posible calcular un valor determinado para cada tarea o riesgo mediante la
generación de múltiples números aleatorios de 0 a 100, asemejando el número
aleatorio al porcentaje de representatividad del valor de la tarea, o a la probabilidad
de ocurrencia del riesgo. Al final, esto permite calcular una duración o coste total del
proyecto para cada valor aleatorio.

Si repetimos este cálculo un número suficientemente alto de veces (sobre 1000

puede ser correcto), podemos obtener varios valores de plazo y coste para el
proyecto; los cuales pueden representarse en un gráfico de Pareto mostrando el
número de veces que ha aparecido en el análisis un determinado valor de plazo o
coste. A partir de este gráfico podemos acabar calculado la distribución estadística
que sigue el proyecto en su conjunto, y por tanto determinar el porcentaje de las
veces que este va a cumplir una determinada restricción.

A partir de aquí, el criterio para determinar si una planificación es factible, es mirar

si el porcentaje de veces que se cumple la restricción es superior o inferior al
margen de confianza definido por la organización. Si es inferior significa que la
planificación no es factible, y que por tanto deberemos modificar esta hasta
conseguir que lo sea, o acabar determinando que el proyecto no es posible con las
restricciones impuestas.

10
 6.3 APLICACIONES DE LA SIMULACIÓN EN PROBLEMAS DE
ESPERA E INTARIOS
Los modelos de línea de espera consisten en fórmulas y relaciones matemáticas
que pueden usarse para determinar las características operativas (medidas de
desempeño) para una cola.
Las características operativas de interés incluyen las siguientes:

a) Probabilidad de que no haya unidades o clientes en el sistema

b) Cantidad promedio de unidades en la línea de espera
c) Cantidad promedio de unidades en el sistema (la cantidad de unidades en
la línea de espera más la cantidad de unidades que se están atendiendo)
d) Tiempo promedio que pasa una unidad en la línea de espera
e) Tiempo promedio que pasa una unidad en el sistema (el tiempo de espera
más el tiempo de servicio)
f) Probabilidad que tiene una unidad que llega de esperar por el servicio
Los gerentes de operaciones suelen utilizar modelos de filas de espera para
establecer el equilibrio entre las ventajas que podían obtener incrementando la
eficiencia del sistema de servicio y los costos que esto implica. Además, los
gerentes deberían considerar los costos por no hacer mejoras al sistema: las largas
filas de espera o los prolongados tiempos de espera resultantes de esto provocan
que los clientes se arrepientan o deserten.
Por lo tanto, los gerentes que tienen dicha información son más capaces de tomar
decisiones que equilibren los niveles de servicio deseables con el costo de
proporcionar dicho servicio.

Clasificación de los elementos de un modelo de sistema de colas

Con el fin de realizar un modelo de líneas de espera y poder analizar sus

operaciones es preciso identificar primordialmente cuales son las características
que intervienen en el sistema de colas, para esto se evidencia que autores como
(Carro Paz & González Gómez, 2012) y (Garcia, 2016) presentan elementos a tener
en cuenta como el patrón de llegadas de los clientes, el patrón de servicio, la
disciplina de la cola, la capacidad del sistema, el número de canales de servicio, el
15 número de etapas del servicio, donde (Chase, Jacobs, & Aquilano, 2009)
determinan que el sistema de filas cuenta, en esencia, con tres componentes
básicos que resumen los elementos anteriores:

11
La población fuente y la forma en que los clientes llegan al sistema

12
El sistema de prestación del servicio

la condición de los clientes que salen del sistema de regreso a la población

fuente o no
Cuando el cliente ha recibido el servicio, tiene dos caminos posibles: 1) el cliente
puede regresar a la población fuente y de inmediato convertirse en un candidato
que vuelve a competir por un servicio, o 2) puede existir escasa probabilidad de otro
servicio.

13
 6.4 Uso de software

ProModel
ProModel es un simulador con animación para computadoras personales. Permite
simular cualquier tipo de sistemas de manufactura, logística, manejo de materiales,
etc. Puedes simular bandas de transporte, grúas viajeras, ensamble, corte, talleres,
logística, etc.

Puedes simular Justo a Tiempo, Teoría de Restricciones, Sistemas de Empujar,

Jalar, Logística, etc. Prácticamente, cualquier sistema puede ser modelado.

Algunos ejemplos incluyen determinar la mejor combinación de factores para

maximizar producción minimizando costo, minimizar el número de camiones sin
penalizar el servicio, etc.

 Único software de simulación con optimización plenamente integrada

 Creación de modelos rápida, sencilla y flexible.

 Modelos optimizables.

 Elementos de Logística, Manejo de Materiales, y Operaciones incluidas.

(Bandas de transporte, Grúas Viajeras, Operadores).

 Resultados probados.

 Importación del Layout de Autocad, y cualquier herramienta de CAD / CAE /

Diseño, así como de fotografías digitales.

 Integración a Excel, Lotus, Visual Basic y herramientas de Microsoft.

 Genera en automático las gráficas en 3 dimensiones para visualización en el

espacio tridimensional.

14
OR Brainware Decision Tools
El objetivo del módulo de Líneas de Espera de OR Brainware Decision Tools
Versión 2.1.0 es apoyar a las pequeñas y medianas empresas en el estudio de las
colas en sus sistemas de producción de bienes o servicios de una manera sencilla
y rápida. Está compuesto por un total de 8 modelos de líneas de espera, seis de los
cuales están diseñados para poblaciones infinitas, y los otros dos modelos restantes
son para poblaciones finitas.
El módulo de Control de Inventarios del programa OR Brainware Decision Tools
versión 2.1.0 está constituido por un conjunto de diez sub-módulos de optimización
que le ayudarán a las pequeñas y mediana empresas a tomar decisiones en cuanto
a tamaños óptimos del lote de producción o de compra.

SIMNET II

El diseño de SIMNET II se basa en la idea general que los modelos de simulación

discreta pueden crearse de una u otra manera como sistemas de líneas de espera.
En este contexto, el lenguaje se basa en un acercamiento de red que utiliza tres
nodos auto descriptivos: una fuente, en donde llegan las transacciones (clientes),
una línea de espera, donde la espera tiene lugar en caso de que esta sea necesaria,
y una instalación, en donde se lleva a cabo el servicio. Se agrega un cuarto nodo,
llamado auxiliar, para incrementar las capacidades de modelación de lenguaje.
Los nodos en SIMNET II están conectados por ramas. Conforme las transacciones
recorren las ramas, estas ejecutan importantes funciones entre las que se cuentan:

1) controlar el flujo de transacciones en cualquier parte de la red,

2) recolectar estadísticas pertinentes,
3) efectuar cálculos aritméticos.

SIMNET II utiliza tres tipos de archivos:

1.- Calendario de eventos (o [Link] como se llama en SIMNET II) es el archivo
principal que mueve la simulación.
2.- Línea de espera
3.- Instalación.

15
 Ejercicios resueltos

1. Producción con inspección

Se trata de simular el proceso de inspección de los mandos de control de

televisores. Los tiempos entre llegadas de los mismos sigue una distribución
uniforme entre 3.5 y 7.5 minutos. La inspección lleva un tiempo que se distribuye
según una Uniforme entre 6 y 12 minutos. Tras la inspección, si se detecta algún
fallo (ocurre el 15% de las veces), se envía a ser ajustado tras lo cual vuelve a ser
inspeccionado. El ajuste lleva un tiempo uniforme entre 20 y 40 minutos. Cuando un
televisor pasa la inspección (a la primera o tras varios ajustes), se envía a la sección
de empaquetado, que no forma parte del modelo.

Solución:
Entidades y variables de estado:

Eventos y actualización de variables:

16
Diagrama de ciclo de actividades

Simulación

17
2. Producción con diferentes tipos de pieza

En una planta de fabricación existen 2 tornos y 1 taladradora. Con ellos se fabrican

dos tipos de productos (1 y 2). Los tiempos de procesado en minutos de cada pieza
son:

Se desea simular la fabricación de 12 lotes de 5 piezas del producto 1 y 10 lotes de

8 piezas del producto 2, sabiendo que el tiempo entre llegada de cada lote de
productos tipo 1 es de 14 minutos y el de los de tipo 2 sigue una exponencial de
media 3 minutos.
Solución:
Entidades y variables de estado:

Eventos y actualización de variables

18
Diagrama de ciclo de actividades

Simulación

19
3. Producción en serie de 3 máquinas sin bloqueo y con bloqueo

En una planta de fabricación en serie. Las piezas llegan a la cola de la primera

máquina según una exponencial de media 4 minutos. Los tiempos medios de
procesado de cada pieza se distribuye según normales de media 4 minutos y
desviación típica de 0.5 minutos. Existen cintas transportadoras que llevan las
piezas de la máquina 1 a la 2 en 2 minutos y de la máquina 2 a la 3 en 3 minutos.
Modele el sistema suponiendo que todas las colas tienen capacidad infinita.
Suponiendo que la capacidad de la cola de la máquina 2 es de 5 piezas y de la
máquina 3 es de 4 piezas. Cuando se prevé el llenado de las colas de dichas
máquinas, las máquinas anteriores se bloquean, quedando fabricada dentro de la
máquina.
Solución:
Entidades y variables de estado:

Eventos y actualización de variables

20
Diagrama de ciclo de actividades

21
4. Servicio de urgencias
Al servicio de urgencias de traumatología de un hospital llegan pacientes de cada
cierto intervalo de tiempo (t_llegada) para ser atendidos por uno de los dos doctores
de admisión. Estos doctores atienden a los enfermos (t_admisión) y los clasifican
en tres categorías: graves (20%), menos graves (50%) y leves (30%). Los enfermos
leves se marchan directamente a casa.
Los enfermos graves son atendidos por uno de los 3 doctores de urgencias en un
tiempo aleatorio de (t_doctores) y a continuación un 60% esperan pasar a la única
sala de radiografía y el resto son atendidos por una de las 7 enfermeras del centro.
Tras realizarse la radiografía en un tiempo aleatorio (t_radiografía) el paciente
vuelve a ser visto por un doctor y después pasa a ser asistido por una de las
enfermeras.
Los enfermos menos graves pasan directamente a ser asistidos por una de las
enfermeras. Los tiempos de atención por parte de las enfermeras coinciden en todos
los casos (t_enfermeras) y después los pacientes se marchan a casa.
Solución:
Entidades y variables de estado:

Eventos y estados de variables:

22
Eventos y actualización de variables:

23
Diagrama de ciclos de actividades:

Simulación

24
 Conclusiones

Salvador González Prospero

Es necesario recurrir a la simulación para estudiar determinados problemas ya que
resulta menos costoso y menos arriesgado elaborar un modelo del sistema y
estudiar su comportamiento mediante el análisis de ese modelo, por ejemplo, como
futuros ingenieros civiles, para el estudio del comportamiento de un edificio es
recomendable elaborar un modelo de la estructura correspondiente y a partir del
análisis establecer las características de vigas, columnas, etc.
Pérez Vaquero Carlos Uriel
Para modelos complejos estos mecanismos de análisis son de gran de ayuda para
el entendimiento del comportamiento, depuración y ajuste del modelo. Herramientas
para realizar y controlar la simulación del modelo. Al momento de realizar el análisis
del modelo y su comportamiento, se observa que existen diferentes herramientas
para este propósito. Para modelos complejos estos mecanismos de análisis son de
gran de ayuda para el entendimiento del comportamiento, depuración y ajuste del
modelo

25
 Bibliografía

1. Elementos de simulación/ Álvaro García Sánchez, Miguel Ortega Mier,

David Izquierdo Delgado/ Universidad Politécnica de Madrid/ marzo 2012

2. Simulación/ Alfonso Urquía Moraleda/ Universidad Nacional de Educación a

Distancia/ 2008

3. Publicación Beneficios de la Modelación y Simulación en Procesos/

Consultora Logística/ Industrias & empresas/ Argentina/ febrero 2011

4. Revista Ingeniería de Construcción, N° 1, julio-diciembre 1992/ Pontificia

Universidad Católica de Chile/ Santiago.

5. Investigación de Operaciones

[Link]

6. Modelación y simulación de procesos

[Link]

sistemas3_rito.pdf

7. [Link]

8. [Link]

26