MODELO DE SIMULACION

En esencia, la simulación tiene el mismo papel en muchos estudios de IO. No obstante,

en lugar de diseñar un avión, el equipo de IO se dedica a desarrollar un diseño o
procedimiento de operación para algún sistema estocástico (que opera en forma
probabilística a través del tiempo). Algunos de estos sistemas estocásticos recuerdan los
ejemplos de cadenas de Markov y líneas de espera.

Para preparar la simulación de un sistema complejo, es necesario contar con un modelo

de simulación detallado para formular y describir la operación del sistema y como debe
simularse, el cual consta de varios bloques de construcción básicos:

1. Definir el estado del sistema(como el número de clientes en un sistema de colas)

2. Identificar los estados posibles del sistema que pueden ocurrir.
3. Identificar los eventos posibles m(como las llegadas y terminaciones de servicio
en un sistema de colas) que cambian el estado del sistema.
4. Contar con un reloj de simulación, localizado en alguna dirección del programa
de simulación, que registra el paso del tiempo (simulado).
5. Un método para generar los eventos de manera aleatoria de los distintos tipos.
6. Una fórmula para identificar las transiciones de los estados que generan los
diferentes tipos de eventos.

Ventajas y desventajas de la simulación

La simulación es una herramienta de amplia aceptación por parte de los gerentes por
varias razones:

1. Es relativamente directa y flexible, y se puede utilizar para comparar muchos

escenarios diferentes.
2. Los avances recientes en software hacen que sea muy sencillo desarrollar
algunos modelos de simulación.
3. Sirve para analizar situaciones reales grandes y complejas, que los modelos
convencionales de análisis cuantitativo no pueden resolver. Por ejemplo, no es
posible construir un modelo matemático de un sistema gubernamental de una
ciudad que incorpore factores económicos, sociales, ambientales y políticos
importantes. La simulación se ha empleado con éxito para modelar sistemas
urbanos, hospitales, sistemas educativos, economías nacionales y estatales, e
incluso sistemas de alimentación mundial.
4. La simulación permite preguntas del tipo ¿qué sucedería si? A los gerentes les
gustaría saber de antemano que opciones son atractivas. Con una computadora,
el gerente puede intentar varias decisiones políticas en unos cuantos minutos.
5. Las simulaciones no interfieren con el sistema real. Por ejemplo, quizá sería
demasiado perturbador experimentar nuevas políticas o ideas en un hospital,
escuela o planta de manufactura. Con simulación. Los experimentos se hacen en
el modelo no el sistema real.
6. La simulación nos permite estudiar el efecto interactivo de los componentes o
variables individuales para determinar cuáles son importantes.
7. El “tiempo de comprensión” es posible con simulación. El efecto de ordenar,
publicar o aplicar otras políticas durante muchos meses o años se puede obtener
con la simulación por computadora en un tiempo muy corto.
8. La simulación acepta la inclusión de complicaciones del mundo real que la
mayoría de los modelos de análisis cuantitativo no acepta. Por ejemplo, algunos
modelos de líneas de espera requieren una distribución exponencial o de
Poisson; en tanto que algunos modelos de inventarios y de rede4s requieren una
distribución normal. Pero la simulación puede usar cualquier distribución de
probabilidad que defina el usuario; no necesitan una distribución en particular.

Las principales desventajas de la simulación son:

1. Los buenos modelos de simulación para situaciones complejas suelen ser muy
costosos. Con frecuencia el desarrollo del modelo es un proceso tardado y
complicado. Por ejemplo, un modelo de planeación corporativa tomaría meses o
años para desarrollarse.
2. La simulación no genera soluciones óptimas para los problemas como lo hacen
otras técnicas de análisis cuantitativo, por ejemplo, la cantidad optima de
ordenar (lote económico), programación lineal o PERT. Es un enfoque de
ensayo y error que puede generar diferentes soluciones de una corrida a otra.
3. El gerente debe generar todas las condiciones y restricciones para la solución
que desea examinar. El modelo de simulación no produce respuestas por si
mismo.
4. Cada modelo de simulación es único. Sus soluciones e inferencias no suelen
transferirse a otros problemas.

Método Monte Carlo

Cuando un sistema contiene elementos que exhiben azar en su comportamiento, se

puede aplicar el método Monte Carlo de simulación.

La idea básica en la simulación Monte Carlo es generar valores de las variables que
forman el modelo que se estudia. En los sistemas reales hay muchas variables que
tienen naturaleza probabilística y que podemos querer simular. Unos cuantos
ejemplo de estas variables son:

1. La demanda de un inventario diario o semanal.

2. El tiempo de entrega para las órdenes del inventario.
3. Los tiempos entre descomposturas de las maquinas.
4. Los tiempos entre llegadas a las instalaciones de servicio
5. Los tiempos de servicio.
6. Los tiempos para terminar las actividades de un proyecto.
7. El número de empleados ausentes en el trabajo cada día.