Actas de la Conferencia de simulacin de 2013 invierno

R. Pasupathy, S.-H. Kim, A. Tolk, R. Hill y M. E. Kuhl, eds

INTRODUCCIN A LA SIMULACIN

Ricki G. Ingalls
Universidad Estatal de Oklahoma
322 ingeniera norte
Stillwater, OK 74078, Estados Unidos

RESUMEN
La simulacin es una poderosa herramienta si entiende y usa adecuadamente. Esta introduccin
al tutorial de simulacin diseado para ensear los fundamentos de la simulacin, incluyendo la
estructura, funcin, datos generados y su adecuada uso. La introduccin comienza con una
definicin de la simulacin, a travs de una charla sobre lo que constituye un simulacin, cmo
funciona la simulacin y cmo gestionar los datos generados por la simulacin.
A lo largo del papel, hay discusin sobre las cuestiones relativas a la utilizacin de la simulacin
en la industria.

1 DEFINICIN DE SIMULACIN.
Simulacin, segn Shannon (1975), es "el proceso de diseo de un modelo de un sistema real y
llevar a cabo experimentos con este modelo con el propsito de entender el comportamiento del
sistema o de evaluar varias estrategias (dentro de los lmites impuestos por un criterio o un
conjunto de criterios) para la operacin del sistema". Segn esta definicin, una simulacin
puede ser una simulacin de eventos discretos, como discutirn en este trabajo. Muchas
personas que asisten a esta conferencia estarn familiarizadas con el trmino "MRP simulacin."
Este es un modelo (en realidad una copia) del sistema real (el sistema MRP de registro) en la que
experimentos (o escenarios) se pueden ejecutar para evaluar diversas estrategias (por ejemplo,
cmo responder a una drstica el cambio en el pronstico). Aunque no impartimos los cursos en
nuestro plan de estudios en la "Simulacin de MRP", un Simulacin del MRP no es menos una
simulacin de que el tipo de simulacin que vamos a discutir en este tutorial. La diferencia y el
poder de simulacin de eventos discretos es la capacidad para imitar la dinmica de un sistema
real. Muchos modelos, incluyendo modelos de optimizacin de alta potencia, no tengan en
cuenta la dinmica de un sistema real. Es la capacidad para imitar la dinmica del sistema real
que da la estructura de simulacin de eventos discretos, su funcin y su forma nica para
analizar los resultados. Se toman libertades con uno de mis mentores en este campo, vamos a
decir que la simulacin es el proceso de disear un modelo dinmico de un sistema dinmico
real con el propsito de entender el comportamiento del sistema o de evaluar varias estrategias
(dentro de los lmites impuestos por un criterio o un conjunto de criterios) para la operacin de la
sistema.

A lo largo de este trabajo, nosotros se est haciendo referencia a ideas y pensamientos de

Shannon (1975), ley (2007), Bancos, et. (2009), Kelton, Sadowski y Sadowski (2001), Ingalls y
Kasales (1999), Ingalls (1998), y Ingalls y Eckersley (1992).

2 UN EJEMPLO DE UNIDAD A TRAVS.

Con el fin de darnos un modelo de referencia para propsitos de discusin, consideremos el
ejemplo de una especial ventana en un restaurante de comida rpida cuya lgica se muestra en
la figura 1. Cuando un coche entra en de la calle, el conductor, que llamaremos a Fred, decide
ponerse en lnea o no. Si Fred decide abandonar el restaurante, sale como un cliente
insatisfecho. Una de las grandes cosas acerca de una simulacin es que es fcil para seguir este
tipo de cliente. En la mayora de los sistemas reales, es difcil un seguimiento de los clientes que
deja insatisfecho.
Si Fred decide ponerse en lnea, entonces espera hasta que el tablero del men (con el altavoz
de ningn ser humano normal que puede entender) est disponible. En ese momento, Fred le da
la orden al tomador del pedido.
Despus de la orden, entonces dos cosas ocurren
simultneamente. (1) Fred avanza si hay habitacin. Si no hay
espacio, entonces tiene que esperar en el tablero del men
hay espacio para avanzar. Como pronto como hay espacio, se
traslada para que el prximo cliente pueda pedir. (2) el
pedido es enviado electrnicamente hacia atrs a la cocina
donde se prepara tan pronto como el cocinero est
disponible.
Tan pronto como Fred llega a la ventana de activacin, luego
paga y recoge su comida, si est listo. Si la comida no est
lista, entonces Fred tiene que esperar hasta que su pedido
est preparado. En este paso, Fred nunca oye, "Por favor tire
hacia adelante y nos sacar su orden a usted." Es una de las
razones que Fred y tanto me gusta este lugar. Tan pronto
como Fred piezas con su dinero y obtiene su alimento, luego
sale la ventana de activacin un satisfecho cliente. Figura 1:
Flujo de lgica de conducir-por ejemplo

3. ESTRUCTURA DE SIMULACIN DE EVENTOS

DISCRETOS.
Aunque hay varios sabores y paradigmas en la simulacin de
eventos discretos, ha evolucionado una bsica estructura que
es utilizada por la mayora de paquetes de simulacin.
Independientemente de la complejidad una simulacin de
eventos discretos paquete puede ser, es probable que
contenga los componentes bsicos que se describen en esta
seccin.
Los componentes estructurales de una simulacin de eventos
discretos incluyen entidades, actividades y eventos, recursos,
variables globales, un generador de nmeros aleatorios, un
calendario, variables de estado del sistema y estadsticas
colectores.

3.1 ENTIDADES.
La mejor manera de entender la funcin de una entidad es comprender que entidades causan
cambios en el estado de la simulacin. Sin entidades, nada iba a suceder en una simulacin. De
hecho, una parada la condicin para un modelo de simulacin es la condicin donde no hay
entidades activas en el sistema. Las entidades tienen atributos. Los atributos son caractersticas
de una entidad dada que son nicas a esa entidad.
Atributos son esenciales para la comprensin del funcionamiento y la funcin de las entidades en
la simulacin. En nuestro ejemplo, el tipo de entidad principal es los coches que vienen al
restaurante. Adems, hay un segundo tipo de entidad creada cuando se toma la orden y que la
orden s mismo. Tiene una vida relativamente corta en la simulacin, durando slo desde el
momento en el orden se toma hasta con copia de seguridad con el coche en la camioneta
ventana.
Tambin tenemos dos atributos en nuestra simulacin. El primero es el tiempo del da en que el
coche entra en la porcin del estacionamiento del restaurante. Llamaremos este atributo
StartTime. El segundo es el valor de la orden. Nos llamaremos este atributo Valor Pedido. Ambos
son exclusivos para los clientes que estn representados en la simulacin. Otro ejemplo de una
entidad es la parte que est fluyendo a travs de una fbrica. Entidades que representan las
piezas en una fbrica se podra crear al azar o segn un horario. Un atributo comn sera el
momento que la parte comenz en la fbrica. Cada parte tendra un tiempo nico que comenz
en la fbrica. Se puede tambin haber otros atributos tales como prioridad, el tipo de parte y el
costo incurrido para producir la parte. En una simulacin de fbrica normal que es el seguimiento
de cada parte individual, no sera inusual que miles de activos en la simulacin de las entidades
simultneamente.
Entidades, sin embargo, no es necesario tener piezas en una fbrica o los coches en
instalaciones o vehculos en especial. Lo es tambin es una prctica comn usar entidades para
representar el flujo de informacin.
Esta informacin puede ser un pedido del cliente, una alerta de correo electrnico, un paquete
en una red de ordenadores, etctera. Puede ser algo no fsico que causa un cambio en el estado
del sistema. Estas entidades tambin tienen atributos. Por ejemplo, una representacin de la
entidad un paquete en una red de ordenadores tendra atributos como tamao del paquete,
destino del paquete, el tiempo que el paquete le tiempo de espera, etctera.

3.2 ACTIVIDADES Y EVENTOS.

Las actividades son procesos y lgica de la simulacin. Los acontecimientos son las condiciones
que se producen en un punto en el tiempo que causan un cambio en el estado del sistema. Una
entidad interacta con las actividades. Entidades interactuando con las actividades de crear
eventos.
Hay tres tipos principales de actividades en una simulacin: retrasos, colas y lgica. La actividad
de retraso es cuando la entidad se retrasa por un perodo determinado de tiempo. En nuestro
ejemplo, hay tres retrasos. El en primer lugar es cuando Fred es pedir en el tablero del men, el
segundo es cuando la orden se est cociendo en la cocina y el tercero es Fred recoge su pedido
en la ventana de activacin. En general, la duracin de un retardo es constante o se genera
aleatoriamente. En el punto de que la entidad inicia el retraso, un evento se produce. Horarios de
este evento la entidad en el calendario (que llegaremos a ms adelante). Si la demora es para d
tiempo unidades, entonces la entidad tiene prevista completar la demora d unidades de tiempo
despus de la hora actual de la simulacin. En aquel momento, el retraso caduca y se genera
otro evento.
Las colas son lugares en la simulacin fueron entidades esperan un perodo indeterminado de
tiempo. Las entidades pueden esperando sobre los recursos (que ms tarde llegaremos a) para
ser disponible o por una condicin del sistema dado que ocurra.
Las colas son ms comnmente utilizadas para esperar en fila para un recurso o almacenar
material que ser sacado de la cola cuando existen las condiciones adecuadas. En nuestro
ejemplo, hay tres colas, el primero es la parte de la lnea que espera en el tablero de men
disponible, el segundo es el orden en el disponibilidad de cocina y la tercera es la parte de la
lnea del coche esperando en la ventana de pedido de recoleccin a estn disponibles. Los tres
de estas colas estn esperando recursos disponibles.
Actividades de lgica simplemente que la entidad pueda efectuar el estado del sistema a travs
de la manipulacin de las variables de estado (que nos pondremos para ms adelante) o lgica
de la decisin. La primera de varias actividades de lgica en nuestro ejemplo es la decisin de
llegar en primer lugar en la lnea de pedido o no. Esta decisin se efecta por la longitud de la
lnea de frente del tablero del men.

3.3 RECURSOS.
En una simulacin, recursos que representan algo que tiene una capacidad restringida (o
limitada). Algunos ejemplos comunes de los recursos incluyen los trabajadores, las mquinas, los
nodos en una red de comunicacin, las intersecciones de trfico, etctera. En nuestro ejemplo,
tenemos tres recursos diferentes. El primer recurso es el men del tablero, que slo un coche
puede utilizar al mismo tiempo. El tablero del men se utiliza desde el momento que un coche se
mueve delante de l hasta el coche se mueve lejos de l. En nuestro modelo, el coche no se
mueve automticamente del tablero del men despus de ha dado la orden. Tambin debe
haber espacio para avanzar. Por lo tanto, este recurso se ocupa para tiempo productivo (cuando
el ser pedido) y tiempo improductivo (cuando no hay suficiente Habitacin para tirar el coche
hacia adelante). El segundo recurso es la cocina. Se utiliza desde el momento que llega una
orden hasta que termine el orden de coccin. El tercer recurso es la ventana de recogida de
pedido. Este recurso tambin puede ser improductivo. Se produce cuando el coche ha llegado a
la ventana, pero la orden no est lista de la cocina todava. En el curso de la simulacin,
podemos seguir las estadsticas claves de cada uno de estos recursos, incluyendo la utilizacin y
los costos.
Debe sealarse tambin que recursos muy complejos pueden utilizarse en una simulacin. En
una fabricacin simulacin, son un recurso muy complejo que ofrecen muchos paquetes de
simulacin. Adems, transporte opciones como camiones se ofrecen como recursos. Un tercer
recurso complejo es un IVA o un contenedor tiene un flujo de material (continuo) en una salida
del recurso. Dependiendo del mercado objetivo del paquete de simulacin, muchos complejos
recursos estarn disponibles para usar.
3.4 VARIABLES GLOBALES.
Si eres un programador, entonces la idea de tener variables globales es nada nuevo. Una
variable global es una variable que est disponible para todo el modelo en todo momento. Una
variable global puede rastrear casi cualquier cosa es de inters para la simulacin toda. En
nuestro modelo tenemos cuatro variables globales, dos de que ayudan a nos configure el
problema y dos de los cuales recogen informacin de los ingresos. Las dos variables que nos
ayudan a configurar el problema son la longitud de la lnea permitida en el restaurante. La
primera es Men BoardLineSize, que da el tamao mximo de la lnea para el tablero del men,
incluyendo el coche que est en el men Junta. La segunda es OrderPickupLineSize, que da el
tamao mximo de la lnea despus del tablero del men, incluyendo el coche en la ventana de
activacin. Cambiando estas dos variables, el simulador puede analizar la eficacia de
configuraciones diferentes.
Las dos variables que ayudan a utilizar informacin de recoger ingresos son ingresos y
LostRevenue. Ingreso es la cantidad total de los ingresos recogidos en la simulacin, y
LostRevenue es la cantidad total de los ingresos perdi porque el cliente cree que la lnea era
demasiado larga.

3.5 GENERADOR DE NMEROS ALEATORIOS.

Cada paquete de simulacin tiene un generador de nmeros aleatorios. El generador de nmeros
aleatorios (tcnicamente llama un generador de nmeros pseudo-random) es una rutina de
software que genera un nmero aleatorio entre 0 y 1 que se utilizan en muestreo de
distribuciones aleatorias. Por ejemplo, supongamos que usted ha determinado que una demora
de proceso dado se distribuye uniformemente entre 10 minutos y 20 minutos. A continuacin,
cada tiempo una entidad pas a travs de que proceso, el generador de nmeros aleatorios sera
un generar un nmero entre 0 y 1 y evaluar la frmula de distribucin uniforme con un mnimo
de 10 y un mximo de 20. Como ejemplo, asumamos que el nmero aleatorio generado 0.7312,
entonces sera el retraso 10+(0.7312)*(20-10) = 17.312. Por lo que la entidad se demore 17,312
unidades de tiempo en la simulacin. Todo lo es decir al azar en la simulacin utiliza el generador
de nmeros aleatorios como insumo para determinar valores. En nuestro modelo de ejemplo,
tenemos cinco retrasos al azar asignados y los valores en el modelo, (1) el tiempo entre llegadas
de los coches del restaurante, (2) el valor de la orden para el coche, (3) el retraso en el men
Junta Directiva, (4) el retraso en la cocina y (5) el retraso en la ventana de recogida de pedido.
Todos estos retrasos son uniformemente distribuidos y sus rangos son los siguientes:
1. el tiempo entre llegadas de los coches del restaurante = 20 a 120 segundos
2. el valor de la orden para el coche = 2 a 22 dlares.
3. el retraso en el tablero del men = 20 a 120 segundos.
4. la demora en la cocina = 16 a 96 segundos.
5. el retraso en la ventana de recogida de pedido = 20 a 120 segundos.

3.6 EL CALENDARIO.
El calendario para la simulacin es una lista de eventos que estn programados para ocurrir en
el futuro. En cada simulacin, hay slo un calendario de eventos futuros y se ordena primero por
el horario ms temprano. En un ejemplo ms adelante, ser ms claro cmo funciona el
calendario y por qu es importante en la simulacin.
En este punto, recuerde, en cualquier momento dado, cada evento que ya ha sido programado
ocurrir en el futuro se lleva a cabo en el calendario.

3.7 VARIABLES DE ESTADO DEL SISTEMA.

Dependiendo el paquete de simulacin, puede haber varias variables de estado del sistema, pero
el estado de un sistema variable que tiene cada paquete de simulacin es la hora de la
simulacin. Para evitar ofender los proveedores de cualquier simulacin, elegimos un nombre
distinto para la variable de tiempo de simulacin. Nuestro nombre de la hora actual de la
simulacin es CurrentTime. Esta variable se actualiza cada vez que una entidad es tomada del
calendario.
3.8 ESTADSTICAS DE COLECTORES.
Coleccionistas de estadsticas son una parte de la simulacin que recopila estadsticas sobre
ciertos Estados (como el estado de una de recursos), o el valor de las variables globales, o
ciertas estadsticas de rendimiento basadas en atributos de la entidad. Hay tres tipos de
estadsticas que se recogen, cuenta, persistente en tiempo y resultados.
Las cuentas son muy sencillas, cuentan. En nuestro modelo, contamos el nmero de clientes
perdidos porque la lnea era demasiado larga. Coleccionistas estadsticas persistentes en tiempo
dan los valores de tiempo ponderado de diferentes variables en la simulacin. Una variable
comn a seguir es la utilizacin de un recurso. En nuestro modelo, recogemos 6 estadsticas
persistentes de tiempo diferentes, que son el nmero de ocupados recursos de los tres recursos
que tenemos en el modelo y el nmero de entidades en cada una de las tres colas que sirven los
tres recursos. Tally estadsticas son recolectadas una observacin en un momento sin tener en
cuenta la cantidad de tiempo entre observaciones. En nuestro modelo, recogemos una
estadstica muy comn, que es la cantidad de tiempo que una entidad se mantiene en el
sistema. Ya que asignamos el valor de StartTime al atributo de la entidad Cuando se entra en el
estacionamiento del restaurante, entonces el valor CurrentTime StartTime es la cantidad total
de tiempo en el sistema. Si queremos mejorar este sistema, queremos minimizar esta estadstica
sin lastimar demasiado a los ingresos.

4. UN PASEO POR ESTOS CONCEPTOS.

Lo que vamos a hacer ahora es caminar a travs de un par de pasos en nuestro modelo de
simulacin. Como se ver, haremos el seguimiento del estado del sistema, las entidades en el
calendario, los valores de atributos y variables de estado, y las estadsticas que estamos
recogiendo.

4.1. EL ESTADO DEL SISTEMA AL MEDIODA.

La figura 2 muestra el estado del sistema al medioda durante una prisa de almuerzo en nuestro
restaurante de comida rpida. Para ayudarnos a diseo de la lnea en el restaurante, hemos
creado dos de nuestras variables globales, MenuBoardLineSize y OrderPickupLineSize, ambos
igual a 3. Como se puede ver, es la capacidad total de la lnea en el restaurante.
El estado de nuestro sistema al medioda es el siguiente:
Coche 1 (rojo Ferrari) est en la ventana de
recogida de pedido recibir su orden.
Coches 2 (el Cadillac rosa) y 3 (la Fiesta azul)
estn en la cola esperando para la ventana de
recogida de pedido.
Coche 4 (el azul coche inteligente) es ordenar en
el men del panel.
Pida Car 2 est esperando a ser recogidos.
Pida Car 3 es la coccin en la cocina
El coche 5 (de tipo indeterminado) es horario para
llegar al restaurante en el futuro.
El calendario de este sistema est compuesto por de las entidades que estn programadas para
completar una actividad con una duracin de tiempo determinado.
Estas entidades son 1 de coche, coche 4, la orden para coche 3 y el coche 5. El calendario de
para estas cuatro entidades se muestran en la Tabla 1.

Tabla 1: El calendario al medioda

Hora del
Entidad Evento evento
Orden captura ventana
Car(1) completar 12:00:38
Car(5) Coche entra en sistema 12:00:46
Car(4) Men de tablero completo 12:00:49
Orden(2) Orden 12:01:01
Tambin sabemos que los valores de los atributos de las entidades en el sistema. Como
recordaris, tenemos dos atributos, StartTime y ValorPedido. Los valores para los atributos de
cada una de las entidades en el sistema se describen en la tabla 2.

Tabla 2: Atributos de entidad al medioda

Entidad StartTime ValorPedido
Car(1) 11:55:08 $18,13
Car(2) 11:55:40 $17,90
Car(3) 11:58 $21,03
Car(4) 11:58:53 $13,72
Car(5) ------ ------

Otra informacin importante refiere a la variable de estado de sistema, CurrentTime, que se

12:00. Las estadsticas que nos sigue en la simulacin tienen los valores indicados en la tabla 3 a
partir del medioda. El Columna de "Tiempo/Obs" proporciona la cantidad de tiempo que hemos
recogido la estadstica (que es desde 11:00) de estadsticas persistentes en tiempo o el nmero
de observaciones para las estadsticas de la cuenta.
Tabla 3: Estadsticas al medioda

Estadstica Valor Tiempo/Ob

s
Ingresos $513,5
2
Prdida de ingresos $31,94
Clientes perdidos 3
Men Board utilizacin 98,88% 1:00
Utilizacin cocina 71,90% 1:00
Utilizacin de la ventana de 95,19% 1:00
orden
Tablero del men esperando en 0.842 1:00
lnea
Cocina en lnea 0.243 1:00
Orden ventana espera en lnea 1,224 1:00
Tiempo en sistema 5,0692 45

4.2 EL ESTADO DEL SISTEMA EN 12:00:38.

Aqu es donde tenemos una de las ideas claves sobre una simulacin de eventos discretos. Una
simulacin de eventos discretos se mueve el tiempo actual de la simulacin a travs de eventos
y su sincronizacin en lugar de intervalos de tiempo distintos. Si tenemos intervalos de tiempo
distintos de 1 segundo, pasamos por 38 intervalos antes de nada iba a suceder. As que en vez
de ir a travs de intervalos de tiempo 38 con nada sucede, nos vamos directamente a el prximo
evento programado, que es el primer evento en el calendario, que est programado para ocurrir
en 12:00:38 PM. Ese evento es 1 coche se hace en la ventana de recogida de pedido. Terminado
el coche 1 en la ventana de pedido de recoleccin, hay varias actividades que se realizan. l lo
primero es establecer el CurrentTime a 12:00:40. Despus de los ingresos se incrementaron por
el valor del orden de 1 coche. Por lo tanto, ingresos aumenta de $513,52 a $531,65. La segunda
actividad que se produce se registra hora en el sistema ese coche 1. Puesto que 1 coche lleg en
11:55:08, su tiempo en el sistema es 12:00:38 11:55:08 = 5:30. 1 coche deja entonces el
sistema y su entidad se destruye. Tambin, cuando 1 coche ya no tiene la Ordenar recursos de
recoleccin ventana ocupada, coche 2 puede asignar ese recurso y comenzar su proceso de
recoger la orden. Lgicamente, Coche 2 tiene que comprobar para ver si su orden es ya detrs
de la cocina, y es. Por lo tanto, Coche 2 puede comenzar inmediatamente su retraso en el la
ventana de recogida de pedido. El retraso es establece al azar en 48 segundos, lo mismo ocurrir
con coche 2 terminar en la ventana de recogida del pedido en 12:01:16. El estado resultante del
sistema se muestra en la figura 3. Despus deja 1 coche y coche 2 comienza su retraso en la
ventana de recogida del pedido, tenemos un nuevo calendario, que se muestra en la tabla 4.

Tabla 4: El calendario a 12:00:38

Entidad Evento Hora del

evento
Car(5) Coche entra en sistema 12:00:46
Men de Car(4) Tablero completo 12:00:49
Orden de Cocina completa 12:01:01
Order(2)
Car(2) Orden captura ventana 12:01:16
completar

Las estadsticas se pueden actualizar en este

momento tambin. Sin embargo, la mayora de
paquetes de simulacin slo actualizar
estadstica cuando el valor que est siendo
rastreado cambios. Tenemos dos tipos de estadsticas, el recuento de Ingresos y RevenueLost,
las estadsticas de utilizacin de recursos y las estadsticas de longitud de la cola. Como hemos
mencionado anteriormente, los ingresos se increment de $513,92 a $531,65. Las otras
estadsticas son dependientes del tiempo estadsticas que son promedios de tiempo ponderado
de un valor dado. Por ejemplo, nos calcula el nuevo valor de nmero promedio de automviles
esperando en lnea para el tablero del men. Al medioda, haba estado funcionando la
simulacin durante una hora y el valor medio fue 0.842. Desde el medioda hasta las 12:00:20, el
nmero de coches a la espera en lnea para el men de tablero ha sido 0. As es el nuevo
promedio ponderado en el tiempo ((0.842 * 1:00) + (0 *
0: 00:38)) / 1:00:38 = 0.833. Todas las estadsticas en funcin del tiempo se calculan de esta
manera. El valor de todos las estadsticas en tiempo de 12:00:38 son en la tabla 5.

4.3 El Estado Del Sistema En 12:00:46.

Vamos a dar un paso ms en la simulacin. Busca en la
tabla 4, se sabe que el prximo evento programado es que
coche 5 entra en el sistema. La primera cosa a hacer es
establecer la CurrentTime a 12:00:40. Cuando llega el
coche 5, se da 2 es asignado el tiempo ingresa al sistema
y tambin asignar al azar ValorPedido. En este caso es el
ValorPedido $9,85. Coche 5 y luego mira a ver si puede
entrar la Cola de MenuBoard. Puesto que hay espacio,
entonces 5 coches espera detrs de coche 4 en lnea. El
estado del sistema en 12:00:46 se muestra en la figura 4. Adems, las estadsticas en 12:00:46
se muestran en la tabla 6.

5 INTERPRETACIN ESTADSTICAS DE SALIDA.

Vamos a suponer que nuestro modelo ha corrido de 11:00 a 14:00. A 14:00, dejamos la
simulacin y tenemos todas nuestras estadsticas calculadas. La "respuesta" para la simulacin
es en la tabla 7.

Pero lo que hace estos datos realmente nos dice? Es decir que cada da, desde las 11:00 a
14:00, el ingresos para el restaurante ser $1.616,12? Es decir que cada da, desde las 11:00 a
14:00, el cantidad promedio de tiempo que un coche en lnea est 4,8951 minutos? Qu es
esta realmente diciendo? La respuesta a esa pregunta es, "estas cifras nos dan una respuesta al
azar para el desempeo de la sistema". Es una respuesta al azar porque hay entradas al azar al
sistema que nos dan esta respuesta. Entonces, cmo podemos estar seguros de que la
respuesta es buena?
La respuesta generada por slo una carrera no es realmente una respuesta en absoluto. Para
hacer el punto, tomemos el despus de 100 rodillos de los dados. Crees que 100 rodillos de los
dados nos dira la media. Pero
Si usted toma los rollos de 100 en el cuadro 8, el promedio es slo 6.72. Es eso suficiente?
Estara dispuesto apostar la prxima 100 rollos se acercaba con un promedio de 6.72.
Probablemente no. (Si ests, por favor en contacto conmigo tan pronto como sea posible en
cualquier otra apuesta que usted puede considerar.)
Cul es la respuesta a este problema. La respuesta es que si realmente queremos estimar la
media valor del rollo de los dados si tirar los dados 100 veces, es necesario correr la simulacin
varias veces. Cada vez que ejecute una simulacin se llama una iteracin. As, por ejemplo,
digamos que hemos realizamos nuestro lanzamiento de simulacin de 30 iteraciones y tabla 9 el
dado tiene los valores promedio para cada una de las iteraciones.

Si simplemente estamos tratando de estimar que la media de 100 rodillos de los dados, no
necesita preocuparse la desviacin estndar para cada iteracin. Sin embargo, necesitamos que
preocuparse por la desviacin estndar de los promedios de cada iteracin. Como se muestra en
la tabla 9, el promedio de los promedios (por as decirlo) es 6.967. La desviacin estndar de las
medias de 30 es 0.22992. Con esa informacin, podemos calcular un intervalo de confianza.
Un intervalo de confianza es una medida estadstica donde queremos que limitado algunas
estadstica. El nivel de confianza (95% en nuestro ejemplo) es la probabilidad estadstica de que
la estadstica que estamos considerando se encuentra en el intervalo. As, la interpretacin del
intervalo de confianza de 95% de [6.8847,7.0493] sera "all es una probabilidad de 95% que la
media verdadera de lanzar el dado 100 veces se encuentra entre 6.8847 y 7.0493". Ms
estadstica y paquetes de simulacin calcular automticamente los intervalos de confianza para
usted. Incluso Microsoft Excel tiene una funcin para calcular intervalos de confianza. As en
nuestro ejemplo, queremos ejecutar 30 iteraciones para que tengamos buenos intervalos de
confianza para cada una de nuestras estadsticas. (Aunque no abordaremos el tema en este
trabajo, uno debe ejecutar 30 iteraciones (Or More) si se puede para obtener intervalos de
confianza buena.) Tabla 10 muestra los intervalos de confianza para cada una de nuestras
estadsticas.

Segundos, o minutos 2,33. Por lo tanto, simplemente espera unos 3 minutos de tiempo del
coche. Una satisfaccin del cliente clave mtrica es minimizar la cantidad de tiempo que tienen
que esperar en lnea.
6 ENCONTRAR MANERAS DE MEJORAR UN SISTEMA.
Lo que hemos logrado hasta este punto es el anlisis de un sistema que existe. Hemos aprendido
que nos puede mejorar ingresos y que tenemos muy ocupado recursos. As que corramos
algunos escenarios alternativos a determinar qu (si hay) mejoras que debemos hacer.

6.1 Escenario 1: Sin Lneas.

Escenario 1 se basa en el "inventario de eliminacin" pens. Si queremos conseguir que el
cliente fuera del sistema ms rpido, simplemente tendramos que eliminar algunos (o todos) de
la lnea. Tomaremos medidas drsticas y eliminar toda espera en el sistema. Si un coche no
puede tirar hasta el tablero del men, despus saldr. Si la ventana pedido no est disponible
despus de coloca la orden, entonces el coche espera en el tablero del men hasta la ventana
orden es gratis. Esto debe bajar considerablemente el tiempo en estadstica del sistema. Algunos
diran que esto sera la mejor manera de ejecutar la lnea de impulsin a travs ya que el
sistema es equilibrado. La tasa de llegada es 1 cada 70 segundos, la velocidad de tablero del
men 1 cada 70 segundos, y la ventana de orden 1 cada 70 segundos. Algunos diran que se
trata de una perfecta lnea de produccin.
Para lograr esto en el modelo, simplemente cambiamos 2 variables, lnea del tablero del men
tamao y orden tamao lnea de recoleccin de ambos y una de las Naciones Unidas de valor 1.
Iteraciones el modelo 30 y obtener la luego corremos del estadsticas tabla de la en 11.

En problemas industriales, a menudo es difcil determinar dnde y por qu bloqueo ocurre. Es

por eso Hay tanto nfasis en eliminar o controlar el cuello de botella del sistema. Es probable
que el cuello de botella sea en gran parte responsable de bloqueos en otras partes del sistema.

6.2 Escenario 2: Ms lneas.

En el tablero del men Bien, ya que el escenario 1 no funcionaba muy bien, intentemos otra.
Debemos reorganizar la porcin del estacionamiento para que consigamos habitacin para 6
coches esperando en lnea para el tablero del men (incluyendo el coche cuyo orden est siendo
tomado).
Mantendremos la lnea de 3 coches para la ventana de recogida de pedido. Los resultados para
el escenario 2 es se muestra en la tabla 12.
Bien, aadir ingresos ($17,26 por da) y disminuir el nmero de clientes perdidos, que es bueno,
pero ahora el cliente promedio espera un minuto adicional para obtener la orden, que es mala.
Usted puede ver por qu
Esto se produce. Con la lnea de men tabla es ms larga, ms coches pueden esperar a que el
tablero del men y lo hacen no ser perdido a clientes en este escenario, donde habra vuelto
perdieron clientes en la original modelo. El precio que pagan por tener habitacin en lnea es que
la lnea es ms larga y as el tiempo a travs del sistema aumenta. Este es otro dilema tpico. Las
colas son buenas porque permiten que ms rendimiento en un sistema, pero aaden tiempo de
ciclo para el sistema.

6.3 Escenario 3: Mejor Servicio Veces.

Intentemos un escenario ms. Este escenario ha encontrado nueva tecnologa que reducir el
servicio promedio tiempo en el tablero del men y la ventana de orden de un 20% de 70
segundos a 56 segundos. Para poner en prctica Esta tecnologa, que llevara a $30.000 en cada
tienda y debe ser pagado por aumento de ingresos en el tienda. Esto es lo nico que cambia del
modelo original. Los resultados se muestran en la tabla 13.

Bien, ahora vemos una mejora! El tiempo en el sistema ha pasado de minutos 5,48 a 3.98
minutos. Han eliminado prcticamente los clientes perdidos y han aumentado los ingresos por
$149,41 por cambio de comida. Devolver el $30.000 para la implementacin de la nueva
tecnologa en 200 das o menos de 7 meses! Vale la pena la inversin y es un hroe para
calcular hacia fuera! Por qu este escenario muestra tal mejora? Fue porque nuestros recursos
no estaban tan altamente carga o. La utilizacin de tablero del men se redujo del 96% al 84% y
la lnea para el tablero del men sera mucho menor. Habra visto una cada similar en la
utilizacin de la ventana de orden, pero ahora el Ventana de orden est a menudo ser bloqueado
por la cocina.

6.4 GENERACIN DE OTROS ESCENARIOS.

Esta simulacin y cualquier otra simulacin permiten evaluar muchos escenarios diferentes si la
persona creando el modelo permite cierta flexibilidad en la estructura del modelo. Tambin hay
que tener en cuenta la cantidad de tiempo que tarda en ejecutar un nuevo escenario. En una
simulacin a gran escala ejecutar y evaluar un nuevo escenario podra tomar varios das.

7. QU HEMOS APRENDIDO?
Este ejercicio recuerda varias cosas acerca de simulacin en general. En primer lugar, la
simulacin puede mmico la dinmica comportamiento de un sistema. Es lo que est construido
para ello. Independientemente de la complejidad puede ser un sistema, es probable que un
experto de simulacin sea capaz de crear un modelo que lo evaluar. Sin embargo, el ms
complejo es un sistema, cuanto ms tiempo se necesita para modelar, ejecutar y evaluar. Pero
no te desanimes, hay gente muy buena simulacin disponible para grandes sistemas de modelo.
En segundo lugar, usted (o a la persona analizar el sistema) debe tener una buena comprensin
de las estadsticas de la simulacin. Es importante durante la creacin del modelo para que las
distribuciones de entrada se utilicen correctamente. Lo es importante en el anlisis de las
estadsticas de salida para que la salida no es mal interpretada. Errores ya sea con las entradas o
las salidas de har el anlisis de simulacin a ser invlido.
En tercer lugar, para analizar un sistema, la simulacin se utiliza para evaluar diferentes
escenarios. No elegir el mejor escenario para usted. Esto puede parecer un problema, pero la
mayora de los gerentes no les faltan escenarios para evaluar. La compensacin de esto es que
puede analizar la dinmica del sistema y no slo al medio comportamiento.
En cuarto lugar, los escenarios que usted elige son generados por usted y no el sistema. Aqu es
donde familiaridad con el sistema bajo estudio y una familiaridad con el sistema de conceptos de
dinmica son muy valiosas.
Por supuesto, es simplemente una introduccin. A travs de esta conferencia y la interaccin con
la simulacin profesionales, puede obtener una comprensin ms profunda de la simulacin y lo
que puede hacer para usted.

REFERENCES.
Banks, J., J.S. Carson II, B.L. Nelson, and D.M. Nicol, 2009. Discrete Event System Simulation, 5th
Ed., Upper Saddle River, New Jersey, Prentice-Hall. Law, A.M., 2007. Simulation Modeling and
Analysis, 4th Ed., New York, McGraw-Hill. Kelton, W.D., R. Sadowski, D. Sadowski, 2001,
Simulation with Arena, 2nd Edition, McGraw-Hill. Ingalls, R.G, C. Kasales, 1999. CSCAT: Compaq
Supply Chain Analysis Tool. Proceedings of the 1999 Winter Simulation Conference. ed. P.A.
Farrington, H.B. Nembhard, D.T. Sturrock and G.W. Evans. Piscataway, New Jersey: Institute of
Electrical and Electronics Engineers. Ingalls, R.G., 1998. The Value of Simulation in Modeling
Supply Chains. Proceedings of the 1998 Winter Simulation Conference. ed. D.J. Medeiros, E.F.
Watson, J.S. Carson, and M.S. Manivannan. Piscataway, New Jersey: Institute of Electrical and
Electronics Engineers. Ingalls, R.G., C. Eckersley, 1992. Simulation Issues in Electronics
Manufacturing. Proceedings of the 1992 Winter Simulation Conference. ed. J.J. Swain, D.
Goldsman, R.C. Crain and J.R. Wilson. Piscataway, New Jersey: Institute of Electrical and
Electronics Engineers. Shannon, Robert E., 1975. Systems Simulation The Art and Science,
Prentice-Hall.

BIOGRAFA DEL AUTOR.

RICKI G. INGALLS es profesor asociado y Director de sitio anterior del centro de Ingeniera
logstica y distribucin (CELDi) en la escuela de Ingeniera Industrial y gestin en Oklahoma
Universidad del estado. l es tambin un fundador Principal con cabeza de diamante Associates,
Inc. Se incorpor a OSU en el otoo de 2000 despus de 16 aos en la industria con Compaq,
SEMATECH, General Electric y Motorola.
Tiene una licenciatura en matemticas de East Texas Baptist College (1982), una maestra en
Ingeniera Industrial de Texas A & M University (1984) y doctor en Ciencias de la administracin
de la Universidad de Texas en Austin (1999). Sus intereses de investigacin incluyen las
cuestiones de diseo de cadena de suministro y el desarrollo y aplicacin de simulacin de
eventos discretos cualitativa. Es miembro del IIE. Su direccin de correo electrnico es.
mailto:ricki.ingalls@okstate.edu