Instituto Tecnológico Superior De Valladolid

UNIDAD 6: MODELACIÓN Y SIMULACIÓN DE OE!ACIONES Y

!OCESOS

T!A"A#O$ INVESTI%ACIÓN

Docente$ M& en Ar'& Aguilar

Aguilar !i(ero Lucila %uadalupe

Alu)nos$
Coco) Tut #uan Carlos
D*ul D*id* #os+ Loren*o
,oil O- .lorentino

MODELACIÓN Y SIMULACIÓN DE OE!ACIONES Y !OCESOS

La modelación y simulación de procesos permite desarrollar modelos virtuales y
experimentar en forma dinámica con ellos. Lo que facilita identificar y cuantificar 
opor
oportu
tuni
nida
dade
dess de meo
meora
ra en el dese
desemp
mpe!
e!o
o actu
actual
al"" as#
as# como
como anal
anali$
i$ar
ar el
comportamiento del proceso %ao estudio en diferentes condiciones de operación y
adelantarse proactivamente a cam%ios futuros.

&odelar y simular un proceso es como tenerlo en la computadora y ponerlo a

tra%aar para o%servar y anali$ar su comportamiento durante diferentes periodos y
condiciones de tra%ao con el propósito de identificar oportunidades de meora y
responder a las pre'untas (qu) pasa si*" al reali$ar cam%ios y anali$ar su
desempe!o %ao diferentes entornos de operación.

 Al'unas de las aplicaciones más comunes son: el dise!o" meora y redise!o de

l#neas de manufactura.

EL !OCESO DE SIMULACIÓN$ CONCETO/ ELEMENTOS Y .ASES&

La simulación de este d#a se %asa en la idea del muestreo utili$ado con el

m)todo
&ontecarlo. Difiere en que estudia el comportamiento de sistemas reales
como una
función de tiempo. +xisten dos tipos distintos de modelos de simulación.

0& Los )odelos continuos se ocupan de sistemas cuyo comportamiento

cam%
cam%ia
ia cont
contin
inua
uame
ment
nte
e con
con el tiem
tiempo
po.. +sto
+stoss mode
modelo
loss suel
suelen
en util
utili$
i$ar 
ar 
ecuac
ecuacio
ione
ness dife
diferen
renci
ciale
aless para
para descr
descri%
i%ir
ir las
las inte
intera
racci
ccion
ones
es entr
entre
e los
los
diferentes elementos del sistema. Un eemplo t#pico tiene que ver con el
 estudio de la dinámica de la po%lación mundial" donde el inter)s primordial
son los cam%ios suaves. ,or eemplo el comportamiento de al'unos
parásitos -las fluctuaciones en el nmero de su po%lación con respecto a la
po%lación de sus anfitriones/" la posición relativa de un conunto de astros"
etc.

1& Los )odelos discretos tienen que ver principalmente con el estudio de l#neas
de espera con el o%etivo de determinar medidas como el tiempo de espera
promedio y la lon'itud de la cola. +stas medidas cam%ian sólo cuando un cliente
entra" o sale del sistema. Los instantes en que ocurren los cam%ios en puntos
discretos espec#ficos del tiempo -eventos de lle'ada y salida/" ori'inan el nom%re
simulación de evento discreto.

+ste cap#tulo presenta los fundamentos de la simulación de evento discreto"

incluida una descripción de los componentes de un modelo de simulación" la
recolección de estad#sticas de simulación y el aspecto estad#stico del experimento
de simulación.

0am%i)n pone )nfasis en el papel de la computadora y los len'uaes de simulación

en la eecución de modelos de simulación.

1e aplica en sistemas discretos" donde el inter)s primario está en los eventos"

siendo las ecuaciones que los descri%en ecuaciones ló'icas que expresan las
condiciones para que ocurra un evento.

La simulación consiste en se'uir los cam%ios en el estado del sistema producidos

por la sucesión de eventos.

Un evento descri%e la ocurrencia de un cam%io en un instante de tiempo y por lo

tanto puede provocar un cam%io en el valor de al'n atri%uto de una entidad o de
la entidad en s# -crear o destruir una entidad" iniciar o detener una actividad/" lo
cual requiere la construcción de un pro'rama que permita se'uir la secuencia de
eventos.
Llamamos entidad a cualquier o%eto de inter)s en el sistema" atri%uto denota una
propiedad de una entidad" y todo lo que provoque cam%ios en el sistema se
conocerá como actividad del mismo.

+l t)rmino estado del sistema indica una descripción de todas las entidades"
atri%utos y actividades se'n su existencia en al'n instante del tiempo. +l
pro'reso o desarrollo en el tiempo del sistema se estudia si'uiendo sus cam%ios
de estado.

,or ello es necesario llevar un re'istro del paso del tiempo" al que llamamos
2tiempo de relo2 que es un nmero" iniciali$ado en 3 al comien$o de la simulación"
y que va indicando cuantas unidades de tiempo simulado 4an transcurrido desde
el comien$o.

 Al menos que espec#ficamente se exprese de manera contraria" el t)rmino 2tiempo

de simulación2" si'nifica el tiempo del relo indicado y no el tiempo que 4a
necesitado la computadora para reali$ar la simulación -tiempo de cómputo/ es
más" por lo 'eneral" no existe una relación directa entre am%os.

1i simulásemos el sistema operativo de una computadora" en el que los eventos

reales ocurren en intervalos medios en fracciones de microse'undos" aunque la
reali$ásemos en una máquina de alta velocidad" notar#amos que la simulación
tomar#a fácilmente miles de veces más tiempo que la operación real del sistema.

,or otro lado" para la simulación de un sistema económico" en el que se 4a

estudiado eventos que ocurren una ve$ al a!o" es fácil reali$ar una operación de
cien a!os en unos cuantos minutos de cálculo.

+xisten dos m)todos para actuali$ar el tiempo del relo" a los que llamamos
)ecanis)o de control de 2lu3o de tie)po&

a/ el relo avan$a a la 4ora en que de%e ocurrir el si'uiente evento" conocido como
mecanismo orientado al evento.
%/ el relo avan$a en intervalos peque!os -'eneralmente uniformes/ y en cada
intervalo se determina si de%e ocurrir un evento o no" llamado mecanismo
orientado a intervalos" usado normalmente en simulación continua.

Ele)entos de la si)ulación de e(ento discreto

+l o%etivo final de la simulación es estimar al'unas medidas de desempe!o

desea%les que descri%an el comportamiento del sistema simulado. ,or eemplo" en
una instalación de servicio" las medidas de desempe!o asociadas pueden incluir 
el tiempo de espera promedio 4asta que un cliente es atendido" la lon'itud
promedio de la cola y la utili$ación promedio de la instalación de servicio. +sta
sección muestra cómo se recopilan las estad#sticas del sistema simulado con %ase
en el concepto de eventos.

De2inición gen+rica de e(entos

0odas las simulaciones de eventos discretos descri%en" directamente o
indirectamente" situaciones de colas en las que los clientes lle'an -para servicio/"
esperan en la cola -si es necesario/ y lue'o reci%en el servicio antes de salir de la
instalación de servicio.
5omo tal" cualquier simulación de evento discreto" independientemente de la
compleidad del sistema que descri%e" se reduce a tratar con dos eventos %ásicos:
lle'adas y salidas. +l si'uiente eemplo ilustra el uso de los eventos de lle'ada y
salida para descri%ir un sistema compuesto de colas distintas.

E3e)plo 0

&etalco o%s4op reci%e dos tipos de tra%aos: re'ulares y ur'entes. 0odos los
tra%aos se procesan en dos máquinas consecutivas con amplias áreas
intermedias. Los tra%aos ur'entes siempre suponen prioridad preventiva so%re los
tra%aos re'ulares.
+sta situación consta de colas en tándem que representan las máquinas. Al
principio nos podemos inclinar a identificar los eventos de la situación como
 A77: Un tra%ao re'ular lle'a a la máquina 7.
 A87: Un tra%ao ur'ente lle'a a la máquina 7.
D77: Un tra%ao re'ular sale de la máquina 7.
D87: Un tra%ao ur'ente sale de la máquina 7.
 Al8: Un tra%ao re'ular lle'a a la máquina 8 .
 A88: Un tra%ao ur'ente lle'a a la máquina 8.
D78: Un tra%ao re'ular sale de la máquina 8 .
D88: Un tra%ao ur'ente sale de la máquina 8.

+n realidad sólo 4ay dos eventos: la lle'ada de un -nuevo/ tra%ao al taller y la

salida de un tra%ao -terminado/ de una máquina. +n primer lu'ar o%serve que los
eventos D77 y  A78 en realidad son los mismos. Lo mismo aplica a D87 y  A88.
Lue'o" en la simulación discreta podemos utili$ar un evento -lle'ada o salida/ de
am%os tipos de tra%aos y simplemente 9etiquetar el evento con un atri4uto que
identifique el tipo de tra%ao como re'ular o ur'ente. -+n este caso podemos
pensar en el atri%uto como un descriptor de identificación personal " y de 4ec4o lo
es/. Dado este ra$onamiento" los eventos del modelo se reducen a -7/ una lle'ada
 A -al taller/" y -8/ una salida D -de una máquina/. Las acciones asociadas con el
evento de lle'ada dependen del tipo de tra%ao que lle'a -ur'ente o re'ular/ y de
la disponi%ilidad de una máquina. Asimismo" el procesamiento del evento de salida
dependerá de la máquina y del estatus de los tra%aos en espera.
;a%iendo definido los eventos %ásicos de un modelo de simulación" demostramos
cómo se eecuta el modelo. La fi'ura 7<.= ofrece una representación esquemática
de ocurrencias t#picas de eventos en la escala de tiempo de la simulación. Una
ve$ que se 4an reali$ado todas las acciones asociadas con un evento existente" la
simulación 9salta al si'uiente evento cronoló'ico. +n esencia" la eecución de la
simulación ocurre en los instantes en que ocurren los eventos.
(5ómo determina la simulación el tiempo de ocurrencia de los eventos* Los
eventos de lle'ada están separados por el tiempo entre lle'adas -el intervalo entre
lle'adas sucesivas/ y los eventos de salida son una función del tiempo de servicio
en la instalación. +stos tiempos pueden ser determin#sticos -por eemplo un tren
que lle'a a una estación cada > minutos/ o pro%a%il#sticos -como la lle'ada
aleatoria de los clientes a un %anco/. 1i el tiempo entre eventos es determin#stico"
la determinación de sus tiempos de ocurrencia es simple. 1i es pro%a%il#stico"
utili$amos un procedimiento especial para muestrear de la distri%ución de
pro%a%ilidad correspondiente.
+ste punto se trata en la si'uiente sección.

Si)ulación estad5stica: a veces llamada &)todo &onte 5arlo" es el muestreo de

los mundos posi%les de nuestro sistema" m)todo que estudiaremos con más
detalle.
LAS T6CNICAS MONTECA!LO

Un precursor de la simulación actual es el experimento &ontecarlo" un esquema

de modelado que estima parámetros estocásticos o determin#sticos con %ase en
un muestreo aleatorio. Al'unos eemplos de aplicaciones &ontecarlo incluyen la
evaluación de inte'rales mltiples" la estimación de la constante y la inversión de
matrices. +sta sección utili$a un eemplo para demostrar la t)cnica &ontecarlo. +l
o%etivo del eemplo es enfati$ar la naturale$a estad#stica de la simulación.

Utili$aremos un muestreo &ontecarlo para estimar el área del si'uiente c#rculo:

+l radio del c#rculo es r > cm" y su centro es - x " y / > -7" 8/.
+l procedimiento para estimar el área requiere encerrar estrec4amente el c#rculo
en un cuadrado cuyo lado sea i'ual al diámetro del c#rculo" como se muestra en la
fi'ura 7<.7. Los puntos de esquina se determinan a partir de la 'eometr#a del
cuadrado.
La estimación del área del c#rculo se %asa en un experimento de muestreo que
%rinda una oportunidad i'ual de seleccionar cualquier punto en el cuadrado. 1i m
de n puntos muestreados quedan dentro del c#rculo" entonces.

,ara ase'urarnos de que todos los puntos en el cuadrado son i'ualmente

pro%a%les" las
coordenadas x y y de un punto en el cuadrado se representan por medio de las
si'uientes distri%uciones uniformes:
La determinación de una muestra - x " y / se %asa en el uso de nmeros -seudo/
aleatorios independientes 3?7. La ta%la 7<.7 incluye una muestra de tales
nmeros" los cuales utili$aremos en los eemplos de este cap#tulo. ,ara el
propósito de simulación 'eneral" se utili$an operaciones aritm)ticas especiales
para 'enerar nmeros -seudo/ aleatorios 3?7" como se demostrará en la sección
7<.=. 1e puede usar un par de nmeros aleatorios 3?7" R 7 y R 8" para 'enerar un
punto aleatorio - x " y / en el cuadrado utili$ando las si'uientes fórmulas:

y @ ? B C ? -?/EF8 @ ? B 73F8
x @ ?= B C6 ? -?=/EF7 @ ?= B 73F7

,ara demostrar la aplicación del procedimiento" consideremos R 7 > .3>G< y R 8
>.6.
y @ ? B 73F8 @ ? B 73 H .6 @ .
x @ ?= B 73F7 @ ?= B 73 H .3>G< @ ?.=77

+ste punto queda dentro del c#rculo de%ido a que:

-?.=77 ? 7/ 8 B -. ? 8/8 @ 88.=6 J6 8>

 ALICACIONES DE LA SIMULACIÓN EN !O"LEMAS DE L7NEAS DE
ESE!A E INVENTA!IOS&

 Al principio de este li%ro se mencionó que el tipo de simulación que reali$ar#amos
es de procesos dinámicos discretos. +n esta parte veremos precisamente la
aplicación de la simulación a procesos discretos de l#neas de espera e inventarios"
sustancialmente. +n el desarrollo del marco teórico de la simulación se 4an
esta%lecido dos puntos de vista relativos a la consideración o tratamiento de los
eventos discretos. +n el primer punto de vista" orientado al proceso la atención se
centra en las entidades del sistema y se considera a la simulación como la tarea
de se'uir los cam%ios que ocurren conforme las entidades pasan de una actividad
a otra. +l se'undo punto de vista" al que se le refiere como orientado al evento o
%asado en la máquina" la atención se centra en las actividades conforme se
aplican a distintas entidades.

+s importante 4acer notar que la e3ecución de una si)ulación se )antiene

igual sin i)portar el punto de (ista 'ue se to)e&

El )ecanis)o de tie)po relo3&

+n el proceso de la simulación se requiere llevar re'istros de todas las actividades

que se eecuten y de las entidades involucradas" y se de%en de actuali$ar 
repetidamente para reflear la sucesión de la ocurrencia de los eventos en el
sistema. ,ara eso se requiere de un dispositivo que re'istre los tiempos de
eventos futuros de acuerdo a la evolución de la simulación.

+l re'istro del tiempo se 4ace con un mecanismo virtual que reconoce como
tiempo relo -5LK5/. Al inicio de una corrida de simulación" como parte de las
condiciones iniciales se le da el valor de cero para ir re'istrando las unidades de
tiempo simulado que 4an transcurrido desde que la simulación está corriendo.

1e consideran dos mecanismos para el re'istro del tiempo relo. +l primero que se
conoce como a(ance (aria4le de tie)po" consiste en avan$ar el relo a la 4ora a
que de%e de ocurrir el si'uiente evento. +l se'undo m)todo conocido como
incre)ento 2i3o de tie)po/ consiste en avan$ar el relo en intervalos peque!os
uniformes de tiempo y determinar en cada intervalo si de%en de ocurrir eventos en
ese lapso.

La generación de llegadas e8ógenas a tra(+s del 9cordón de 4otas:

;4ootstrapping<&

La lle'ada exó'ena de una entidad se define como un evento y la 4ora de lle'ada

de la si'uiente entidad se re'istra como uno de los tiempos del evento. 5uando el
tiempo relo lle'a a este tiempo de evento" se eecuta el evento de entrada de la
entidad al sistema y de inmediato se calcula el tiempo de lle'ada de la si'uiente
entidad con %ase en la función de distri%ución de tiempos entre lle'adas. A este
proceso se le denomina 9cordón de %otas.

E#EMLO

La 'erencia de operaciones de la compa!#a transportista de pasaeros 9+l Mallo

u)" u)" 4a pro'ramado la operación de sus auto%uses de primera clase para
que pasen por la po%lación conocida como 9+l &an'o cada quince minutos pero
de%ido a diversas circunstancias como pueden ser las condiciones climáticas y el
estado del camino" el tiempo de arri%o de los auto%uses a la terminal camionera
de dic4a po%lación" si'ue una distri%ución de pro%a%ilidad normal con media de 7>
minutos y desviación estándar de  minutos. +l nmero de asientos vac#os en los
auto%uses se distri%uye se'n un proceso de ,oisson con tasa media de 7.> por 
auto%s. Los pasaeros que lle'an a a%ordar los auto%uses lo 4acen tam%i)n
se'n una distri%ución de ,oisson con tasa media de = por 4ora. 1e supone una
disciplina de servicio del tipo ,+,1 y además no se permiten viaeros de pie" as#
mismo" los pasaeros que lle'an a esperar los auto%uses están dispuestos a
esperar el tiempo que sea necesario para a%ordar. 1e considera que la empresa
proporciona el servicio a una po%lación infinita y que la capacidad de la sala de
espera tam%i)n es infinita. +fecte una corrida de simulación para los primeros
die$ pasaeros y re'istre el tiempo relo" as# como una estimación del tiempo
medio de espera de los pasaeros y la lon'itud promedio de la cola.
+ste pro%lema a pesar de su cotidianeidad" realmente no puede ser resuelto al
menos" fácilmente por m)todos anal#ticos. +ntonces usaremos la simulación para
tener una descripción del comportamiento del sistema y %asados en el tiempo
medio de espera de los pasaeros" poder tomar decisiones respecto al tiempo
entre lle'adas de los auto%uses o más an" respecto de la distri%ución del mismo.

Las condiciones iniciales se esta%lecen de manera que se austa el tiempo relo a

cero y se avan$ará 4asta el tiempo simulado de la primera lle'ada ya sea de un
pasaero o de un auto%s. 0am%i)n se supone que al inicio de la simulación no 4ay
pasaeros esperando en la cola.

5omo el nmero de pasaeros que lle'an al paradero se distri%uye se'n un

proceso de ,oisson" entonces" por las propiedades y relaciones existentes entre
las distri%uciones de ,oisson y exponencial ne'ativaO el tiempo entre lle'adas de
los pasaeros si'ue la distri%ución exponencial con media de 7> min. -= pasaeros P
4ora @ = pasaeros P 63 min. @ 7 pasaero P 7> min./" el 'enerador de muestras
simuladas aleatorias es:

 Qasados en este 'enerador" a continuación se reali$an los cálculos del tiempo

relo de los eventos correspondientes a las lle'adas de los pasaeros" los cuales
se presentan en la si'uiente ta%la:

Tie)po entre llega= Tie)po relo3 de la

asa3ero Nos& Aleatorios
das de los llegada de los
;pa8< uni2or)es !ND
pasa3eros ;)in< pa8 ;)in<
7 3.=8G 78. 78.
8 3.G=G 8.> 7>.8
 3.GG7 7.< 7.7
= 3.=<= 73.6 8.
> 3.7G 8>.< >.6
6 3.=> 77.8 6=.G
  3.87 88.3 G6.G
G 3.<78 7.= GG.8
< 3.6>= 6.= <=.6
73 3.=7 7.7 73.
,or otro lado" en lo que se refiere a los asientos vac#os en los auto%uses" su
función de distri%ución es la ,oisson con una tasa media de * @ 7.> asientos
vac#os P auto%s. ,or tanto el 'enerador de muestras aleatorias lo o%tenemos con
la ta%la de transformación inversa" se tiene:

la ta%la de frecuencia acumulada de la distri%ución de asientos vac#os es:

 X f(x) F(x)
3 3.88 3.88
7 3.> 3.>>G
8 3.8>7 3.G3=
 3.78> 3.<=
= 3.3= 3.<G7
> 3.37= 3.<<>
6 3.33> 7.333

R la ta%la de transformación inversa es:

VALO!
INTE!VALO %ENE!ADO
!ND DE > Asientos
(ac5os
3.333 ? 3.88 3
 3.88= S 3.>>G 7
3.>>< S 3.G3< 8
3.G73 S 3.<= 
3.<> S 3.<G7 =
3.<G8 S 3.<<> >
3.<<6 S 7.333 6

5omo el tiempo entre lle'adas de los auto%uses si'ue la distri%ución normal con
media de 7> min. y su desviación estándar es de  min." el 'enerador de muestras
simuladas aleatorias es:

 Qasados en la ta%la para los asientos vac#os y en el 'enerador de tiempos entre

lle'adas para los auto%uses" a continuación se reali$an los cálculos
correspondientes a los eventos tiempo de lle'ada de los auto%uses y su respectiva
disponi%ilidad de asientos vac#os" los cuales se presentan en la si'uiente ta%la:

N?)ero Tie)po entre Tie)po relo3 N?)eros N?)ero

Auto4?s aleatorio llegadas de de las aleatorios de
;4us< nor)al los llegadas de uni2or)es asientos
!ANO!M auto4uses los auto4uses !ND (ac5os
7 3.>=8 76. 76. .68 8
8 7.G8G 83.> 6.G .787 3
 ?3.33G 7>.3 >7.G .7 3
= ?3.336 7>.3 66.G .== 7
> ?3.3 78. <.> .68> 8
6 ?3.><G 7.8 <8. .<7 
 ?3.7G 77.3 73. .>= 7
G 3. 7.8 783.< .6== 8
< ?3.<6G 78.7 7.3 .7G8 3
73 ?3.6 7.3 7=6.3 .3< 7
77 ?3.< 7.< 7><.< .7< 7

78 3.333 7> 7=.< .637 8

 A continuación se muestran los resultados de la corrida de la simulación reali$ada

con el enfoque al fluo del proceso:

Tie)po relo3 de
Tie)po relo3 Tie)po de
llegada de Auto4?s
asa3ero de a 4ordo espera del
pasa3ero a la de a4ordo
del pasa3ero pasa3ero
estación&
7 78. 7 76. .6
8 7>.8 = 66.G >7.6
 7.7 > <.> >7.G
= 8. > <.> >7.G
> >.6 6 <8. <.7
6 6=.G 6 <8. 8.<
 G6.G 6 <8. >.<
G GG.8  73. 7>.>
< <=.6 G 783.< 86.
73 73. G 783.< 7.8
 ,ara esta corrida se tiene un tiempo promedio de espera de 8<. min. y la
lon'itud de la misma en tiempo fue de prácticamente 8 4oras.

Tie)po relo3 Cantidad de asa3eros

Longitud asa3eros
Auto4?s de llegada a asientos 'ue
de la cola en la cola
la estación (ac5os a4ordan
7 76. 8 7"8 8 7"8
8 6.G 8 "= 3 ?
 >7.G 8 "= 3 ?
= 66.G = "=">"6 7 
> <.>  =">"6 8 =">
6 <8.  6""G  6""G
 73. 7 < 7 <
G 783.< 7 73 8 73

Temos que la lon'itud promedio de la cola es 8.8> pasaeros.

5onsiderando un tama!o de muestra adecuado" estos resultados pueden ser 

usados para apoyar a la 'erencia de la empresa a tomar decisiones que %rinden a
los usuarios del servicio que prestan la oportunidad y comodidad en sus viaes en
esa l#nea.

USO DE SO.T@A!E&

+l uso de softare que permite modelar y simular fenómenos compleos con

Dinámica de 1istemas" para su desarrollo se 4an utili$ado t)cnicas de
,ro'ramación Krientadas a K%etos -,KK/" dise!o %asado en componentes"
patrones de dise!o y el Len'uae Unificado de &odelado -U&L/.

+volución %rinda la posi%ilidad de crear" editar y 'uardar Dia'ramas de

Influencias" como parte de la representación del modelo y esla%ón importante en
el proceso de modelado con D1O el Dia'rama de Influencias es una representación
de carácter cualitativo en la cual se 4ace )nfasis en las estructuras c#clicas
-realimentadas/ que presentan las relaciones de influencia entre los elementos de
un sistema y que explican su dinámica.

 Además" +volución facilita la construcción del modelo en el len'uae de Vluos y

Niveles" mediante un editor de Dia'ramas de Vluo?NivelO la definición de las
ecuaciones de cada una de las varia%les de los elementos del dia'rama de Vluo?
Nivel proporciona el modelo en el len'uae de las ecuaciones" soportado
principalmente en la ecuaciones diferenciales asociadas a cada nivel y los fluos
que le afectan. +l modelo en el len'uae de las ecuaciones lo reci%e el ncleo de
+volución" el &otor de simulación" )ste resuelve el sistema de ecuaciones
diferenciales" se'n el escenario y las condiciones de simulación esta%lecidas por 
el modelador. Los resultados de la simulación se visuali$an por medio de un
,resentador de Fesultados" utili$ando diversos componentes y controles como
'ráficas en dos y tres dimensiones" ta%las" dial" %arras de despla$amiento"
etiquetas" etc)tera para presentar el modelo en el len'uae del comportamiento.

+l análisis de los resultados de la simulación es una importante 4erramienta para

la evaluación del modeloO 5on tal fin es necesario reali$ar diferentes simulaciones
teniendo en cuenta condiciones so%re las cuales el modelo tiene comportamientos
espec#ficos" as# como anali$ar cualitativamente las trayectorias temporales"
identificando las tendencias que se o%servan en las mismas. +n este sentido"
+volución cuenta con 4erramientas que facilitan la reali$ación de dos tipos de
 Análisis de 1ensi%ilidad: por variación de escenarios y por variación de
parámetros. +volución es una 4erramienta de D1 que circula actualmente a nivel
internacional en idioma +spa!ol. +s de resaltar el dise!o %asado en componentes
que permite la reutili$ación de unidades de softare como parte de otras
aplicaciones.

La e(olución de 9E(olución

 +l softare +volución inició como una propuesta del in'eniero ;u'o ;ernando
 Andrade 1osa profesor titular de la Universidad Industrial de 1antander" fundador 
del 'rupo 1I&KN de Investi'ación en &odelamiento y 1imulación.
Caracter5sticas de E(olución

 A continuación se presenta las caracter#sticas más representativas de la

4erramienta +volución" al tiempo que se comparan con las de softare similares.

 Administración

+sta caracter#stica le permite al usuario asi'nar un nom%re al proyecto

desarrollado" una descripción" la cual es comnmente utili$ada para descri%ir el
modelo en t)rminos del len'uae natural o len'uae en prosa" re'istrar el nom%re
del autor y esta%lecer una contrase!a" restrin'iendo el acceso al modelo. +ntre
estas restricciones se encuentran: no permitir ver el modelo" no modificarlo o crear 
nuevas ventanas de presentación de resultados. Además" la administración
muestra las estad#sticas del proyecto relativas al nmero de sectores" elementos y
relaciones que 4acen parte del modelo y cantidad de cada tipo de varia%le. +sta
caracter#stica de administración es similar a la presentada en el softare
,oersim" el cual posee una ventana para la información del proyecto -t#tulo"
autor" compa!#a" etc./ y ofrece se'uridad para poder crear una contrase!a con el
propósito de prote'er el proyecto de simulación" de i'ual forma" muestra las
estad#sticas como el nmero de componentes utili$ados.

 Modelado

+volución cuenta con dos espacios de tra%ao fundamentales para la formulación

del proyecto de modelado" el +ditor de Dia'ramas de Influencias y el +ditor de
Vluo?Nivel.

+l +ditor de Dia'ramas de Influencias facilita la descripción de las relaciones de

influencia entre las varia%les del modeloO distin'uiendo las relaciones de material
de las de información" para una lectura ri'urosa de las relaciones y ciclos. La
relación de material representa la transmisión de una ma'nitud que se conserva
de un elemento al otro -asociada a un Nivel/ y la de información es utili$ada
cuando simplemente la información que contiene el valor de una varia%le tiene
efectos so%re otra. +l modelador decide si desea 4acer estas distinciones en el
dia'rama. Además" se puede a're'ar elementos de tipo informativo como son los
si'nos -B ó ?/ en las relaciones y los ciclos de realimentación. Un eemplo de este
editor se presenta en la Vi'ura 8.

,ara facilitar la or'ani$ación del modelo" el +ditor de Dia'ramas de Influencias

posi%ilita a'rupar elementos por medio de sectoresO además permite 'enerar 
copias o 9clones de un elemento y de esta manera evitar las relaciones cru$adas
o demasiado extensasO estos dos mecanismos facilitan la construcción de
dia'ramas compleos y de 'ran tama!o. As# mismo" +volución facilita una matri$
que muestra de forma ta%ulada las relaciones existentes entre los elementos del
dia'rama de influencias. Además" es posi%le 'enerar un %osqueo preliminar del
Dia'rama de Vluo Nivel a partir del Dia'rama de Influencias.

Los Dia'ramas de Influencias en +volución son informativos y por lo tanto no son

o%li'atorios para reali$ar una simulación. +stos dia'ramas" constituyen un
mecanismo de apoyo en el desarrollo y la documentación del modelo" presentando
de manera expl#cita las relaciones entre sus elementos y los ciclos de
realimentación que definen la 4ipótesis dinámica del modelo so%re el fenómeno
explicado. 1e 4an identificado diferentes formas de a%ordar la representación de
modelos a trav)s de los Dia'ramas de Influencias ofrecidos por las 4erramientas
softare revisadas:

W 1in editor de dia'rama de influencias" eemplo AnyLo'ic

. W 5on editor de 'ráficos el cual puede ser utili$ado para ela%orar cualquier 
dia'rama o 'ráfico. 1in em%ar'o" sin los elementos propios del dia'rama de
influencias" eemplo ,oersim.

W 5on editor de dia'rama de influencias para ela%orar un modelo de tipo

informativo" eemplo +volución.

 W +l editor de Vluo?Nivel que permite modificar la presentación de los diferentes

elementos que conforman el dia'rama -eliminar el icono que representa al
elemento y dear nicamente el nom%re/" con el propósito de presentarlo a modo
de un dia'rama de influencia. ,ara que el modelo desarrollado sea un modelo de
simulación" al menos se de%en identificar los fluos -Tensim/ o los fluos y niveles
-1tellaPIt4inX/.

+n +volución el +ditor de Vluo?Nivel permite ela%orar el dia'rama que 'enera el

modelo de simulación" es decir" el modelo suministrado al motor de +volución para
reali$ar la simulación. Además de los elementos pertenecientes al Dia'rama de
Vorrester" el modelador puede introducir otros elementos que contri%uyen a que el
modelo sea más expl#cito en su definición como son los parámetros" varia%les
exó'enas y de valor anterior" no linealidades -ta%las/" su%modelos y componentes
como el VI1. Una ima'en de este editor se puede ver en la Vi'ura .
+volución permite el uso de los elementos tradicionales de D1 -fluos" niveles"
retardos" no linealidades" parámetros" varia%les auxiliares y varia%les exó'enas/ y
además" incluye otros elementos más como: los que denomina valor anterior" este
elemento entre'a a las varia%les que influye el valor que o%tiene en la interacción
la anterior la varia%le de la cual reci%e la informaciónO esto implica un retardo de la
información por un -7/ delta de tiempo.

Las 4erramientas softare examinadas tienen diferentes formas de or'ani$ación

de los modelos. ,or eemplo ,oersim permite crear otros modelos en un mismo
arc4ivo pero en editores separados" los cuales son inte'rados en un modelo
principal. +volución ofrece una caracter#stica similar a trav)s del componente
denominado su%modelo" el cual permite incluir modelos u%icados o almacenados
en otros arc4ivos.

 Además" al i'ual que en el +ditor de Dia'ramas de Influencias" el +ditor de Vluo?

Nivel" +volución permite a're'ar elementos para el ordenamiento -presentación"
documentación/ del modelo" como los sectores y clones. De i'ual forma" %rinda al
modelador diferentes vistas del modelo como lo es la vista de ecuaciones" que
muestra la definición de cada elemento y la vista de mapa de sectores" que
presenta el modelo en t)rmino de los sectores que lo conforman y las relaciones
existentes entre ellos" ocultando el detalle de los elementos en cada sector. 1tella
ofrece una caracter#stica similar" que permite ocultar el detalle al interior del sector"
es decir" los elementos que a'rupa. +sto" para modelos compleos que implican
numerosos elementos y relaciones" facilita la comprensión del modelo a un nivel
mayor de a%stracción" como se muestra en la Vi'ura =.
4ttp:PP.sites.upiicsa.ipn.mxPpolili%rosPportalP,olili%rosP,YterminadosP1im1istPdo
cP1I&ULA5I?N?7>8.4tm

4ttp:PPdinamicasistemas.utalca.clP6Y,u%licacionesPFevistaPTol>Num7PFD1Y>Y7Y7.
pdf 

0A;A" ;A&DR A" Investi'ación de operaciones" Novena edición" ,+AF1KN

+DU5A5IZN" &)xico" 8378" I1QN: <G?63?8?3<6?6" [rea: &atemáticas" ,AM
6=" 5A,\0ULK 7<:&odelado de simulación.