Revista de Arquitectura

ISSN: 1657-0308
cifar@ucatolica.edu.co
Universidad Católica de Colombia
Colombia

Trujillo, Johanna; Cubillos-González, Rolando Arturo

La simulación como herramienta de diseño y evaluación arquitectónica. Pautas resueltas
desde la ingeniería
Revista de Arquitectura, vol. 18, núm. 1, enero-junio, 2016, pp. 111-125
Universidad Católica de Colombia
Bogotá, Colombia

Disponible en: http://www.redalyc.org/articulo.oa?id=125146891009

Cómo citar el artículo

Número completo
Sistema de Información Científica
Más información del artículo Red de Revistas Científicas de América Latina, el Caribe, España y Portugal
Página de la revista en redalyc.org Proyecto académico sin fines de lucro, desarrollado bajo la iniciativa de acceso abierto
D l l A
ro l

la si lación cO O erra ienta de dise O e al ación

ar itectónica
pa tas res eltas desde la ingenier a
‘o Tr ‡ llo
Universidad Católica de Colombia. Bogotá (Colombia)
Facultad de Ingenier a Semillero Integración de la Cadena de Abastecimiento (InCas)
Rol o Ar ro C llo ‰o Š l Š
Universidad Católica de Colombia. Bogotá (Colombia)
Facultad de iseño Semillero Aplicaciones Informáticas en Ar uitectura (AIA)

I
o Tr llo
r I r l U r C l Colo . o o
intrOd cción
Tru illo, J. Cubillos- onzález, R.
A. (2016). La simulación Colo .
Magíster en ngeniería ndustrial, Ponti cia niversidad averiana.
l sector de la construcci n es una de las áreas
como herramienta de diseño
evaluación ar uitectóni- o o Colo . de más alto impacto ambiental, por tanto, es im-
ca. Pautas resueltas desde la Do I or U r C l Colo .
portante anali ar cuáles ser an los nuevos pro-
ingenier a. Revista de Ar ui- r ll ro I C I r l C A o.
tectura, 18(1), 111-125. doi: l o cesos de dise o de las edi icaciones desde la
10.14718/RevAr .2016.18.1.10 (). La abitabilidad como variable de diseño de edi caciones disciplina de la arquitectura, c mo estos res-
or l o l . Revista de Arquitectura, 16
. o €. o .or •. ‚ ƒ R Ar„. • . …. † ponder an a la cadena de suministro a la log s-
‡ r ‡ lloˆ ol . . o tica desde la ingenier a industrial, en t rminos
Rol o Ar ro C llo ‰o Š l Š
de sostenibilidad. s de anotar que la simula-
Ar„ o U r N o l Colo . o o Colo
ttp: d .doi.org 10.14718 RevArq.2016.18.1.10
. ci n crece cada ve más en di erentes campos
‹ r Œ U r N o l Colo . de estudio gracias a los avances tecnol gicos en
Do or l o C ro I o
CI•AR l • l D Žo l U r C l s t are ard are. os usos de esta t cnica de
Colo . o o Colo . estimaci n se dan en di erentes áreas, por ejem-
D rrollo o o r o o olo o
l •S ‰ I •or r ro• o VIS. plo: en dise o operaci n de sistemas de colas,
r llo ˆ ol . . o administraci n de sistemas de inventarios, apli-
caci n en pro ectos de inversi n, en sistemas
econ micos, en el dise o la operaci n de siste-
mas de manu actura de distribuci n, en servi-
res en cios de salud, militares otros.
S r or o r l or l ro o Žo o l l o
a las edi caciones. eniendo en cuenta ue el sector de la construccin es una de las áreas ste art culo presenta un panorama sobre la
lo o l or lŠ r l r lo o ro o importancia del proceso de dise o sostenible
de diseño de las edi caciones en términos de sostenibilidad. Estos conceptos se aplicaron
o o or o l l r l l r l aplicado a las edi icaciones. Además, introdu-
la capacidad en un edi cio unto con sus recursos, a n de tomar decisiones de ampliacin ce el concepto de simulaci n como erramienta
l ro o Žo r„ o. o o l Š ro l ro r o
P y se simularon en ProModel. El modelo pedaggico propuesto puede llegar a ser de para la toma de decisiones en el proceso de di-
l l o o l r o €o l l r o r ’ se o arquitect nico. Algunos antecedentes de
estudiantes de ingeniería industrial y aruitectura. Este eercicio puede aplicarse en las aulas
de clase con él se reducirían los tiempos de diseño, y la comunicacin entre estudiantes esta investigaci n están re eridos al trabajo de los
‡or r or„ l l r ‡o l l r. semilleros de investigaci n, Integraci n de la
palaBras cla e: diseño aruitectnico, edi cios industriales, educacin aruitectnica, Cadena de Abastecimiento InCas Aplicacio-
r l o r r r l.
nes In ormáticas en Arquitectura AIA , pertene-
si latiOn as a tOOl Or arc itect ral design and e al atiOn cientes a las acultades de Ingenier a ise o
resOl ed patterns rO engineering respectivamente estos resultados tambi n an
sido discutidos en el V Simposio en ormaci n
aBstract de Investigadores, reali ado en la niversidad
A o r “ o• or o• l ro l o l r Cat lica de Colombia dentro del eje temático
ted. iven tat te eld o construction is one o te areas it te igest environmental
or o l•Š “ “o l “ ro •or l ormaci n de cient icos.
r o• l •. T o “ r l o • r
l o “ llo“ o• • l lo “ r o r o ” inalmente, este art culo tiene como objeti-
o € o r r l ro .D “ r l•Š S SS vos, primero, presentar la aplicaci n de un caso
l ro r l ro‹o l. T ro o o l o l
• l“ l o l l r• o € “ r r l r r de estudio de simulaci n discreta en el proceso de
r r .T € r l l roo • Do o o l dise o arquitect nico para luego evaluar la capa-
l r ro o o “ ol
l l r• “or”. cidad del mismo , segundo, proponer un mode-
e WOrds: Ar r l r l l r r l o o r o lo de ense an a para el dise o de edi icaciones
r• r l r .
orientadas a la sostenibilidad desde la visi n del
e e rer E al a mar pr a n em re
aprendi aje basado en problemas AB .

1
Vol. Nro. 111 ACU TAD DE DISE
T olo o • o
A
l
T olo • ro l • S l o ool •or r r l l o R ol r •ro r

etOdOlOg a que e isten, n meros en lo posible no peri di-

a si u aci es una erramienta multidisci-
plinar, que puede ser de tipo discreto o conti-
nuo. a simulaci n discreta es una erramienta
compuesta de relaciones matemáticas, probabi-
l sticas estad sticas que sirve para anali ar las
causas de los cambios de un evento a otro en
un sistema por medio de distribuciones de pro-
babilidad condiciones l gicas, por lo general
propuestas en un computador.
ste tipo de simulaci n anali a los sistemas
como procesos est c stic s en el tiempo, a uti-
li ando luctuaciones aleatorias generadas con
varia e a eat ria A n meros aleatorios, b
involucrando más de una A con c e erad res
de A, los cuales se trans orman en valores bajo
un comportamiento de acuerdo con una distri-
buci n de probabilidad, las cuales se de inen a
continuaci n.
As como las VA se generan a partir de n me-
ros pseudoaleatorios, los n meros aleatorios son
igura 1. Altura de la
A
creados a su ve dentro de un intervalo probable
distribuci n uni orme
a, b a partir de una unci n de densidad de proba-
uente: Coss B 2003 . bilidad uni orme entre cero uno 0,1 , en la
a Sc ea er, 2010 . or tanto, la di erencia princi-
a a
cos, con ciclos de vida largos, en otras palabras,
todos di erentes a in de cumplir la propiedad
de independencia.
entro de los m todos clásicos más conocidos
se encuentran dos: en primer lugar, los m todos
congruenciales que parten de una unci n o una
rmula. n segundo lugar, los m todos no con-
gruenciales cu a uente es un procedimiento o un
algoritmo A arang arc a unna, 1 6 Coss B ,
2003 sin embargo, la acilidad de generar simula-
ci n a partir de oja electr nica a ec o que los
generadores clásicos sean poco usados por la di i-
cultad de probar sus propiedades as , se a dado
más uso a los n meros aleatorios de icroso t cel
que garanticen el cumplimiento de las cuatro pro-
piedades básicas de la distribuci n uni orme:
el valor esperado ,
la varian a la indepen-
dencia la uni ormidad, como se muestra en
la gura 1. l elemento principal para la identi-
icaci n de las VA es el tipo, estas pueden ser
discretas o continuas. s discreta, si el conjunto
de todos los valores posibles de la VA es inito
contablemente in inito, es continua, si el con-
junto de todos los valores posibles de la VA es un
intervalo Anderson, S eene illiams, 2005
vans Rosent al, 2004 ac erl , enden all
pal entre una VA discreta una continua es que
la altura de una VA discreta la cual es e presa-
da en su unci n representa la probabilidad,
mientras que el área bajo la curva , de una VA
continua, asocia el intervalo dado que esta repre-

n n a
p s re a sr n e r a l a
n n e ens a e r a l a

Variable
Aleatoria
ni orme
1, 6
-2,00 0,00 2,00 4,00 6,00 8,00 10,00

ropiedades

A abla 1. Variable aleatoria uni orme discreta i quierda , distribuci n continua derec a
uente: elaborado por los autores, simulaci n procesada en el s t are romodel.

Arquitectura
112 REVISTA DE ARQUITECTURA
E ISSN † ‚ … …–
ISSN … ‚ •†•ƒ
Tr llo . C llo o l R. A. . l
‚ rƒ . Revista de Arquitectura, 1 „. o … . †‡ ˆ‰R Ar€.
rans ormada inversa, obtener una muestra aleatoria
de la unci n de densidad de probabilidad
continua o discreta illier ieberman, 2010
a a, 2012 , as :
1
ri
Convoluci n, e presar la muestra de la VA deseada
como la suma estad stica de otras VA áciles de
muestrear a a, 2012
Aceptaci n-rec a o, cuando no se puede usar la
trans ormada inversa porque 1
ri , no es ácil
de calcular illier ieberman, 2010 .
Composici n
rans ormaci n directa
A abla 2. i erentes m todos de generaci n
uente: los autores.
senta la probabilidad. A continuaci n tabla 1 , se
presentan las propiedades de una distribuci n de
probabilidad la unci n de densidad de proba-
bilidad para un comportamiento de datos uni or-
me, donde el parámetro inicial es uno el inal
es seis 1,6 .
as VA tienen di erentes m todos de gene-
raci n, entre los más comunes están tabla 2 :
el de c v uci a a, 2012 , tra s r ada
i versa ace taci rec a illier ieber-
man, 2010 a a, 2012 , composici n trans-
ormaci n directa. A continuaci n se presenta
la tabla con el m todo la distribuci n genera-
da com nmente, sin embargo, los más comunes
son el de la trans ormada inversa aceptaci n-
rec a o, como se muestra en la tabla 2.
A ora, para poner en práctica estos concep-
tos, a continuaci n se e pondrán cinco pautas
para la aplicaci n de toma de decisiones en el
proceso de dise o de una edi icaci n a trav s
de un modelo de simulaci n en oja de cálculo.
res ltadOs
primera pauta
Si se desea generar un programa de compu-
tador dedicado a la soluci n de la problemáti-
ca o, en su de ecto, simular en oja de cálculo,
qu VA se utili an para generar una simula-
ci n discreta, cuáles son los generadores de
1
Vol. Nro. • …
o o rr o l r€ .• r l l
. ˆ. .
sr n enera a m nmen e
ponencial a a, 2012 .
rlang, a partir de la ponencial a a, 2012
oisson a partir de la ponencial
a a, 2012
Normal, a partir del teorema del l mite central a a,
2012
riangular illier ieberman, 2010
riangular
Normal, a partir del teorema de
itágoras C i-cuadrado.
qu tipos a el desconocimiento de la e is-
tencia de estos a sido nocivo para el desarro-
llo de aplicaciones con sustento cient ico en la
simulaci n discreta, debido a que por lo general
muc os desarrollos en di erentes disciplinas ses-
gan su manejo a los generadores de distribucio-
nes emp ricas, uni ormes o normales.
Cuando un sistema de simulaci n es esto-
cástico, necesariamente se debe restringir a la
utili aci n de VA no uni ormes mediante distri-
buciones de probabilidad te ricas o emp ricas,
por lo cual se an desarrollado una gran cantidad
de generadores de distribuci n de probabilidad
como: distribuci n normal, e ponencial, is
s , er a , binomial, gamma, beta, distribuci n
distribuci n t Coss B , 2003 .
segunda pauta
ara la toma de decisiones es: Cuál es la meto-
dolog a indicada para un proceso de simulaci n
discreta ara lo cual se propone utili ar la meto-
dolog a de la igura 2, la cual parte un diagrama
de lujo transversal para generar cualquier proceso
de simulaci n rujillo, Vallejo Becerra, 2010 .
tercera pauta
C mo se desarrolla la simulaci n de la capa-
cidad de un edi icio como estrategia multidisci-
plinar en la arquitectura ara esto se utili la
metodolog a e puesta anteriormente que a o-
ra se describe paso a paso.
113 •ACU TAD DE DISE—˜
T olo‚ƒ o o
A l
T olo‚ ro l S l o ool Šor r r l ‚ l o R ol ‹ r Šro ‚ r ‚

aso 1. ormular el problema A arang . duardo, 1 66 illier ieberman,

2010 planear el estudio illier ieberman, 2010

aso 2. Recolectar datos arc a ., eriberto, Cárdenas B., 2006 illier

ieberman, 2010 , anali ar A arang . duardo, 1 66 de inir el modelo
A arang . duardo, 1 66 arc a . et a ., 2006 illier ieberman, 2010

acer veri icaci n illier No

ieberman, 2010 si el modelo
conceptual es válido o preciso

aso 3. Seleccionar un so t are de simulaci n illier ieberman, 2010 o

construir un programa de computadora arcia . et al., 2006

aso 4. acer validaci n del modelo arcia . et al., 2006 illier ieberman,
2010 o el programa con corridas piloto

No
Si, el modelo programado es válido

S
aso 5. a ear illier ieberman, 2010 o dise ar los e perimentos
A arang . duardo, 1 66

igura 2. iagrama de
A

lujo pasos
uente: adaptado por los aso 6. Reali ar los e perimentos anali ar datos de salida
autores de rujillo et a . illier ieberman, 2010
2010 .

as 1 r u ar e r e a a ear e estudi Con el planteamiento anterior se desean

na empresa de arquitectos desea evaluar la
capacidad de servicio al cliente de las o icinas
del área de atenci n en un edi icio su recurso
es un elevador. l edi icio cuenta con oc o o i-
cinas, cuatro por nivel, para las cuales se propo-
ne una recolecci n de datos sistemática durante
un mes para las variables: arribo, tiempos de
atenci n de permanencia en el edi icio. n el
primer piso se o recen servicios de pensiones
cesant as, en el segundo piso opera una asegura-
dora de ve culos el tercer piso es de atenci n
en salud igura 2 .
as personas ingresan al edi icio aciendo una
l nea de espera de tres metros en promedio, los
visitantes que van a cualquiera de los pisos utili-
an un elevador, con e cepci n de los visitantes
del primer nivel luego, las personas a ubicada
en el piso tienen unos tiempos de b squeda de
la o icina o consultorio para el cual van, en don-
de son atendidos con una disciplina por lo gene-
ral I irst irst ut . espu s de servidos
los visitantes salen del edi icio.
resolver las siguientes preguntas: los tiempos
de arribo, atenci n la capacidad responden
al comportamiento de los visitantes en los di e-
rentes pisos, d a de visita, etc. Cuáles son estos
tiempos de b squeda, di ieren por el servicio en
cada uno de los pisos Cuánto es el tiempo de
despla amiento dentro del edi icio
Con lo anterior se debe planear la metodolo-
g a de identi icaci n recolecci n de variables
tabla 3 .
as Rec ectar a a i ar dat s
C mo se ace la recolecci n de datos Cuá-
les son las variables de entrada para el análisis de
la capacidad de un edi icio, si es tratado desde el
principio de l neas de espera ara estos pasos se
tomaron las directrices las variables mostradas
en la tabla anterior, las cuales ueron sistemáti-
camente recolectadas a diario, en un rango de
8 oras que es el tiempo del d a ábil para los
tres tipos de servicios o ertados en el edi icio. as
variables ueron consignadas anali adas bajo el

Arquitectura
114 REVISTA DE ARQUITECTURA
E ISSN † ‚ … …–
ISSN … ‚ •†•ƒ
Tr llo . C llo o l R. A. . l o o rr o l r€ .• r l l
‚ rƒ . Revista de Arquitectura, 1 „. o … . †‡ ˆ‰R Ar€. . ˆ. .

es r p n e las
ar a les
es, a, Semana, ora,
A o de la muestra de
la unidad de tiempo
para estudio
Arribos n mero de personas
que llegan a el sistema,
tiempos entre llegadas entre
cada persona
ipo de transacci n,
re erencia, servicio o entidad
Costo del servidor el costo
oportunidad
Cantidad de servidores
iempo de atenci n
argo de la cola la cantidad
de personas esperando.
iempo de espera
en la cola
iempo durante el cual
permanece en el sistema o
tiempo de ciclo
Variables cualitativas
iempo promedio de
atenci n por cliente por
tipo de operaci n
Cantidad de clientes
atendidos o servidos
Nivel de utili aci n del
servidor
Cuello de botella RB
I Cantidad de personas
esperando
o en el sistema
Es ra e as e
ar a le as e para es
re le n
uestreo Aleatorio Simple acer un muestreo llevar registros por cada
ntrada AS , sistemático u unidad de tiempo seleccionada o evento de
observacional simulaci n
oma de tiempos entre
omar los tiempos entre arribos por tipo de
llegadas por visitante tipo
visitante o acer un muestreo por intervalos
ntrada de visitante. uestreo en
por categor as eventos en un instante de
intervalos de tiempo de
tiempo
cada tipo de visitantes
Identi icar el conjunto de
Identi icar desde el ingreso al edi icio la
ntrada servicios del sistema por
o icina a la que se dirige el visitante
cada servidor
Costo de espera en cola
de las entidades q c st iempo de espera en la recepci n
ntrada
quer s c st service , l nea de espera , en el ascensor
costo de abandono
ersonas, locaciones que
ntrada, Salida o recen un servicio o nidades de servicio consultorios u o icinas
atenci n
iempos de atenci n o
VA determinadas a partir de pruebas
servicio en cada locaci n,
ntrada, Salida estad sticas olmogorov- Smirnov, Anderson
por cada entidad s ait
arling C i-cuadrado
s ste
ongitud de la cola en
argo promedio de la l nea de espera en la
ntrada, Salida metros en cantidad de
recepci n en di erentes intervalos de tiempo
personas q long quer ,
iempo de espera en la iempos promedio de espera en di erentes
ntrada, Salida
cola q ait quer intervalos de tiempo
ntrada t ait total iempo promedio en el edi icio
Suplementos ausentismos,
curva de aprendi aje,
ntrada abilidades de atenci n, NA
nivel entrenamiento del
servidor
Salida edidas de desempe o
ntrada, Salida edidas de desempe o
stimaci n en ro odel con oc o corridas
orcentaje de utili aci n de
Salida por e perimento conclusi n con base en el
la locaci n
eorema de c evic e
ntidades no atendidas por
Salida
alta de capacidad
Acumulaci n en las
ntrada, Salida
locaciones

A abla 3. Variables por considerar en un

modelo de l neas de espera
uente: los autores con in ormaci n de
A arang arc a unna 1 6 .

1
Vol. Nro. • … 115 •ACU TAD DE DISE—˜
T olo‚ƒ o o
A
l
T olo‚ ro l S l o ool Šor r r l ‚ l o R ol ‹ r Šro ‚ r ‚

Inicio

Reali ar pruebas omogeneidad rus al allis

inter variable por actor

Variable de entrada No Reali ar pruebas de contraste de

dependiente es
S e e o u e
omog nea

Reali ar pruebas de independencia o

aleatoriedad iagrama de dispersi n, pruebas
Identi icar separar los
de medias medianas, coe iciente de auto
subconjuntos omog neos
correlaci n para el conjunto omog neo intra
variable independiente

S es aleatoria
No
independiente intra Seleccionar actorialmente por
variable por niveles las variables
subconjuntos

Reali ar pruebas de bondad de ajuste,

C i cuadrado, olmogorov-Simov o
Anderson arling

igura 3. rocedimiento
A

para un análisis de
entrada de un modelo de
simulaci n
uente: rujillo et a .
2010 .
in
procedimiento de la igura 3, desarrollado por
rujillo et a 2010 , debido a que muc os auto-
res an desarrollado t cnicas de análisis de datos
unicriterio, multicriterio, actoriales demás.
cuarta pauta
l principio propuesto nace actorialmente,
el supuesto es: el nivel de dependencia, omo-
geneidad aleatoriedad de las variables en sus
di erentes contrastes de manera individual
conjunta. Si el lector desea pro undi ar en la
parte estad stica de la misma puede remitirse al
documento base rujillo et a , 2010 .
n la igura 3 se resume el proceso de análi-
sis de entrada para una base de datos de capa-
cidad en un edi icio con las variables aleatorias
mencionadas para l neas de espera. espu s de
anali ar el proceso anterior, si se determina que
el modelo es preciso válido, se contin a con la
siguiente ase.
as e ecci ar u s t are es ecia i ad e
si u aci desarr ar u r ra a e u e
ua e de r ra aci
arte de este paso: en qu so t are de
simulaci n es más apropiada la estimaci n de la
capacidad del edi icio uc os desarrolladores
determinan que lo más apropiado es desarrollar
s t are a la medida Coss B , 2003 sin embar-
go, comercialmente e isten paquetes dedicados
al desarrollo de modelos de simulaci n, como
por ejemplo el s t are ro odel, que es muc o
más interactivo en este sentido que el manejo de
ojas de cel, en donde se deben plantear los
generadores anteriormente mencionados.
quinta pauta
Al ver las bondades la acilidad de operar
ro odel, se elige este programa para simular
el comportamiento del edi icio, como se mues-
tra a continuaci n, donde los componentes de
un modelo de simulaci n en ro odel son as

Arquitectura
116 REVISTA DE ARQUITECTURA
E ISSN † ‚ … …–
ISSN … ‚ •†•ƒ
Tr llo . C llo o l R. A. . l o o rr o l r€ .• r l l
‚ rƒ . Revista de Arquitectura, 1 „. o … . †‡ ˆ‰R Ar€. . ˆ. .

a n la e en ra a
apa a In n I
a n iso 3 icina 301 icina 302 icina 303 icina 304
apa a 8 16 3 8 15
a n iso 2 icina 201 icina 202 icina 203 icina 204
apa a 8 14 8 7 13
a n iso 1 icina 101 icina 102 icina 103 icina 104
apa a 8 10 6 11

A abla 4. Variables por considerar en un modelo de l neas de espera

uente: los autores.

an a re en a
En a a n rren as
a a mn s

Visitantes tipo 1 Cola de entrada 1 1000 0,3

Visitantes tipo 2 Cola de entrada 15 Arribos visitantes tipo 2 1

Visitantes tipo 3 Cola de entrada 5 200 5

A abla 5. atos de los arribos para los visitantes

uente: los autores.

e tidades, as caci es, s recurs s s atri en un tiempo total de simulaci n de inido, el

ut s arc a et a ., 2006 . A continuaci n se re ativ considera un lapso de tiempo que trans-
describe el planteamiento desarrollo para este curre entre dos eventos para el caso se consi-
programa. dera un reloj absoluto simulado para un d a de
oc o oras. ara ingresar al edi icio os visitantes
as ca i aci es son todos aquellos luga-
generan una cola de entrada de tres metros. os
res en los que la pie a puede detenerse para
arribos de cada tipo se muestran en la tabla 5.
ser trans ormada o esperar a serlo. A continua-
ci n se presenta la variable capacidad para cada os resultados de la distribuci n emp rica para
locaci n. los visitantes tipo 2, despu s del análisis estad s-
tico, se presentan en la tabla 6.
as e tidades son las unidades que generan un
evento, representan el lujo proceso de entrada, as rutas son los medios para que las personas
proceso, servicio salida , para lo cual, en el caso el elevador se movilicen desde una locaci n
del análisis de la capacidad de edi icio despu s a otra. l modelo está reali ado a escala donde
de utili ar un análisis estad stico de las variables cada recuadro grande es a un metro, por tanto,
se determin que el edi icio ten a tres categor as
de visitantes, uno por cada tipo de piso visitado, Cantidad de visitantes
€ora
con el supuesto de que una persona camina a tipo 2
50 metros por minuto en promedio. os recurs s
1 16
son los medios necesarios para el transporte, la
inspecci n, cargue descargue de las entidades, 2 8
con los cuales el lujo o el proceso debe contar
porque son necesarios sus desarrollos producti- 3
vos, no son locali aciones. n el caso en estudio,
4 6
se utili a como recurso un ascensor con capaci-
dad para 8 personas, el cual es movido por una 5 15
polea a una velocidad de 0,3 metros por minuto
cargado de 0,5 metros por minuto desocupado 6 25
tabla 4 .
7 8 abla 6. Cantidad de
A

l tiempo de simulaci n puede ser a s ut visitantes tipo 2 en los

re ativ el a s ut parte de cero termina 8 13 intervalos por ora
uente: los autores.

1
Vol. Nro. • … 117 •ACU TAD DE DISE—˜
T olo‚ƒ o o
A
l
T olo‚ ro l S l o ool Šor r r l ‚ l o R ol ‹ r Šro ‚ r ‚

A igura 4. eneraci n
de nodos e inter aces
en el edi icio i quierda
la out derec a
uente: los autores.

as acer a va idaci de de
ara acer la validaci n del modelo es nece-
sario determinar el •estado del sistema‚, es decir,
la interacci n de todos los elementos que están
bajo estudio en un momento determinado. a
igura 5. Inter aces de las
validaci n se ace para determinar el nivel de
A

locaciones de las rutas co erencia del comportamiento del modelo

uente: los autores. simulado con respecto al sistema real.
n esta ase, se valida si las variables de entra-
da de desempe o se encuentran dentro de un
rango admisible de aceptaci n o rec a o. ara
generar el análisis de salida de las variables esto-
s an e emp e espera emp e s e emp e cásticas o de desempe o consideradas en un
p s para el n res a en el p s a en n e perimento de simulaci n, se emplean algu-
1 1 0,5 m s 22 nos m todos que, dependiendo de su acilidad
2 0,7 0,4 m s N 17,3 conocimiento, se utili an para describir el com-
portamiento del sistema:
3 2 0,2 m s 2,5,8
a. t d de r icas c rridas es el conjunto
A abla 7. iempos de la de observaciones de un e perimento o mues-
medici n treo, donde cada observaci n es una simula-
uente: los autores despu s de ci n independiente, en la cual no se tiene en
aplicar el análisis de entrada.
cuenta el periodo transitorio para el cálculo
na r a l a e s a
promedio de la medida de desempe o en
101 0,3 este caso no se subdivide cada observaci n,
abla 8. istribuci n de sino que cada una ace parte de una muestra
A

probabilidad emp rica para la 102 0,15

de la que posteriormente se calcula la varian-
visita al edi icio
103 0,3 a estándar, porque los lotes no son indepen-
uente: los autores con base en
la recolecci n el análisis de dientes a a, 2012 en la igura 6 se presenta
104 0,25
datos. un claro ejemplo.
Con lo anterior, el conjunto de observaciones
el lote tiene un anc o de 8 metros 8 de alto, o los lotes se dividen en partes iguales a estos
como se muestran en la igura 4. se les denomina observaciones. a medida de
desempe o promedio se calcula con el conteo
as inter aces son las asignaciones de los
por debajo de la curva de cada observaci n o
nodos origen destino de una ruta para un
lote se divide la base de tiempo por lote, as :
recurso, estas se muestran en la igura 5.
t, donde: i es el lote es el conteo del
os tiempos de atenci n en cada una de las área bajo la curva. uego se calcula un interva-
o icinas se presentan en la abla 7. lo de con ian a tomando en cuenta la rmula
as probabilidades de los visitantes para los clásica de estimaci n a a, 2012 :
pisos 1 2 son aleatorias, mientras que para el
piso tres son de acuerdo con la siguiente proba-
bilidad emp rica abla 8

Arquitectura
118 REVISTA DE ARQUITECTURA
E ISSN † ‚ … …–
ISSN … ‚ •†•ƒ
Tr llo . C llo o l R. A. . l o o rr o l r€ .• r l l
‚ rƒ . Revista de Arquitectura, 1 „. o … . †‡ ˆ‰R Ar€. . ˆ. .

18 e 18 18
16 16 e 16 e
14
a e esempe

14 14
12 12 12
10 10 10
8 8 8
6 6 6
4 4 4
2 2 2
e

0 0 0
0 5 10 15 20 0 2 4 6 8 10 12 0 2 4 6 8 10 12

A igura 6. Recolecci n de datos de salida medidas de desempe o m todo de r plicas

uente: a a 2012 .

25
8
er odo transitorio ote 1 ote 2 ote n
7
20
a e esempe

la 6

15 5 ote 5
er odo ote 1 ote 2 ote 3 ote 4
e la

4 transitorio
10 3

2
n
e

5
1
A1 14 A2 10 A4 6 A5 15
A3 11
0
0
0 10 20 30
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35

emp e s m la n emp e s m la n

A igura 7. Recolecci n de datos de salida medidas de desempe o todo subintervalos

uente: a a 2012 .

b. t d de su i terva s: es el cálculo prome- la varian a por: 1

dio de las medidas de desempe o en subin-
tervalos o lotes iguales el análisis se reali a n caso de que la simulaci n no sea terminal,
por la observaci n durante un tiempo prolon- por ejemplo, que el edi icio sea de vivienda por-
gado de simulaci n, durante este la obser- que las personas no salen de l al inali ar la
vaci n se divide en partes iguales o lotes para simulaci n, se utili an las siguientes rmulas: la
determinar la estabilidad de la medida de des- ecuaci n 4 si la poblaci n es normal, la 5 si es
empe o la desventaja es la dependencia del normal pero no se conoce la varian a, la 6 si
conjunto de lotes, para lo cual la soluci n es la poblaci n maneja otro tipo de distribuciones.
aumentar el tiempo entre cada observaci n
parte del principio de esta i idad, por tanto
a un tiempo transitorio de simulaci n en la
primera parte que no se toma en cuenta para
el análisis de la medida de desempe o , entre
ma or tiempo de simulaci n, más lotes abrá
menor error se generará a a, 2012 un
claro ejemplo se muestra en la igura 7.
l siguiente paso es generar el intervalo de
con ian a para las medidas de desempe o en
c. t d re e erativ : aborda el problema des-
el caso de los edi icios son simulaciones termi-
de la independencia al buscar condiciones ini-
nales o edi icios de negocios donde todas las
personas salen del sistema al inal del d a la ciales id nticas, puede ser di cil de interpretar
distribuci n es de una poblaci n normal. Se a a, 2012 .
utili a la rmula dos 2 , pero si maneja otro
Paso 5. Planear los experimentos
tipo de distribuciones porque la poblaci n no
es normal, la rmula ser a la tres 3 , como se espu s de tener un modelo base validado, se
muestra a continuaci n: procede a dise ar los e perimentos o escenarios
adecuados para tomar decisiones. n el caso en
estudio se plantean los siguientes: i en el estado
actual, el recurso elevador es su iciente ii si
las empresas decidieran crecer el siguiente a o
un 25 en nivel de servicio, podr an continuar
donde la media se calcula por: con la misma capacidad eber an ampliar la
capacidad los recursos

1
Vol. Nro. • … 11 •ACU TAD DE DISE—˜
T olo‚ƒ o o
A l
T olo‚ ro l S l o ool Šor r r l ‚ l o R ol ‹ r Šro ‚ r ‚

emp e
na rr a apa a s an es
s m la n
icina 301 1 8 16 10

icina 301 2 8 16 13

icina 301 3 8 16

icina 301 4 8 16 14

icina 301 5 8 16 10

icina 301 6 8 16 11

icina 301 7 8 16

icina 301 8 8 16 13

romedio 11

esviaci n estándar 1, 6

mite in erior 7

mite superior 16

A abla . Resultados del e perimento

uente: los autores con in ormaci n de utput vie er 3 ro odel.

 1, 96 1, 96 
11 − ,11 + 
 10(0, 025) 10(0, 025) 

,8
ELEVADOR

,6
elevador

,4
,2
aci n delDEL

,0
UTILIZACIÓN

8,8
8,6
deDEutili

8,4
igura 8. Nivel de utili aci n
A

NIVEL

del elevador 8,2

Nivel

uente: los autores con

in ormaci n de utput vie er 8,0
3 ro odel

pl a
RÉPLICA

Paso 6. Resultados de los experimentos y análi ian a del 5 , en promedio es visitada por
sis de dat s entre 7 16 personas en un d a de oc o oras,
a partir de la rmula sin embargo, con base
Como se mencion , por ser en un edi icio
en esta a irmaci n se cumple que la capacidad
con o icinas de servicio, el modelo se anali
es su iciente, a que es la misma que el valor
para simulaciones terminales, con el m todo
má imo. n caso de que no uera as , se debe-
de análisis de r plicas utili ando el teorema de
r a pensar en una estrategia de ampliaci n de la
c evic e a un nivel de con ian a del 5 . A
capacidad. ara resolver los e perimentos con el
continuaci n, en la tabla se presenta un ejem-
estado actual: i el recurso elevador es su icien-
plo para la o icina 301.
te e initivamente es su iciente a que su utili-
espu s de anali ar la tabla , la o icina 301, aci n en las oc o corridas supera el 8 , como
con oc o r plicas o corridas un nivel de con- se muestra en la igura 8.

Arquitectura
120 REVISTA DE ARQUITECTURA
E ISSN † ‚ … …–
ISSN … ‚ •†•ƒ
Tr llo . C llo o l R. A. . l o o rr o l r€ .• r l l
‚ rƒ . Revista de Arquitectura, 1 „. o … . †‡ ˆ‰R Ar€. . ˆ. .

30

25

20

15
a
apa

10

-5
101 102 103 104 201 202 203 204 301 302 303 304 igura . Variable de

A
desempe o nivel de
mite superior 21 8 15 10 6 7 6 7 16 17 14 17 utili aci n por las di erentes
mite in erior 0 1 6 4 1 0 0 0 7 3 2 o icinas
Capacidad 10 6 11 14 8 7 13 16 3 8 15 uente: los autores.

Con lo anterior, si las empresas deciden crecer
en nivel de servicio, el elevador no ser a el trans-
porte ptimo a los pisos dos tres.
ii Si las empresas decidieran crecer el siguien-
te a o un 25 en nivel de servicio, podr an
continuar con la misma capacidad eber an
ampliar la capacidad los recursos os resul-
tados de la variable capacidad se presentan en
la igura , en la cual se muestra que las o icinas
del tercer primer piso pueden tener sobreutili-
aci n en cualquier instante de tiempo, gracias
a la demanda de visitantes de otra orma, las
o icinas 201 204 están subutili adas.
Con lo anterior, la o icina 302 es la más cr ti-
ca, debido a que su l mite superior de nivel de
atenci n podr a llegar a ser seis veces su capaci-
dad, por lo que debe pensar en ampliar su área.
Al igual que la 201, debido a que su capacidad
es para atender 14 visitantes pero su demanda
de visitas es má imo de seis personas diarias, por
tanto podr a pensar en reducir el tama o de la
o icina u o recer otro tipo de atenci n dentro
de ella.
or ltimo, el resultado de este ejercicio con-
dujo a plantear nuevas preguntas sobre el pro-
ceso de dise o de una edi icaci n desde la
perspectiva de la ense an a, las preguntas ue-
ron las siguientes: cuáles ser an los problemas
de sostenibilidad que presenta una edi icaci n
sostenible Cuál ser a el concepto más adecua-
do para responder a esta problemática desde la
perspectiva de la sostenibilidad en una edi ica-
ci n Cuál ser a una didáctica para responder al
proceso de dise o de una edi icaci n
disc sión
A partir del e perimento de simulaci n ante-
rior las preguntas generadas por los resultados,
se reali un análisis de los problemas de sosteni-
bilidad en el dise o de edi icaciones. inalmen-
te, seg n lo anterior, se propuso una didáctica
de dise o e iciente de edi icaciones. A continua-
ci n se describen más ampliamente estos temas.
Los probLemas de sostenibiLidad en eL diseño
de edificaciones
o , las pol ticas del obierno nacional están
orientadas al cambio de los patrones de pro-
ducci n consumo de la sociedad colombiana
acia la sostenibilidad ambiental, contribu endo
a la competitividad de las empresas al bienes-
tar de la poblaci n. o anterior implica desarro-
llar tres estrategias direccionadas a este objetivo:
n primer lugar, generar una masa cr tica de
empresas que posicionen las buenas prácticas,
as como los bienes servicios sostenibles, en el
mercado nacional e internacional.
n segundo lugar, crear una cultura de pro-
ducci n consumo sostenible entre institucio-
nes p blicas, empresas consumidores.
or ltimo, ortalecer el marco institucional
que impulsa la producci n el consumo sosteni-
ble dentro del territorio nacional.
n este orden de ideas, la in raestructura
que requieren la industria el mercado colom-
biano deben responder a indicadores de soste-
nibilidad en el caso de los edi icios. o es un
requerimiento esencial que un edi icio responda
al impacto ambiental que produce mejore sus
procesos log sticos de manera e iciente.

1
Vol. Nro. • … 121 •ACU TAD DE DISE—˜
T olo‚ƒ o o
A l
T olo‚ ro l S l o ool Šor r
ara ello, es importante revisar cuáles son los
procesos de dise o de una edi icaci n que respon-
da de manera ptima a la sostenibilidad. Además,
c mo se presenta este tipo de conocimiento en la
academia , este tipo de conocimiento está actua-
li ado en los programas acad micos de Arquitectu-
ra ise o Industrial
stas inquietudes permiten entender que los
requerimientos ambientales obligan a replan-
tear los procesos de dise o de las edi icaciones
acia la sostenibilidad en procesos productivos
en la cadena de abastecimiento Seuring, 2013
Seuring ller, 2008 , dado que un edi icio
de estas caracter sticas debe responder a la con-
servaci n, protecci n mejora de la calidad del
medio ambiente.
Asimismo, debe procurar la protecci n de la
salud de las personas la utili aci n prudente
racional de los recursos naturales. Además, se
debe aplicar el principio de cautela con el medio
ambiente como una de las bases undamentales
del proceso de dise o de las edi icaciones. or
estas ra ones, es undamental entender el l que
o juega en los requerimientos de sostenibili-
dad que se e igen en el área de la producci n
la log stica iemc , o nsen acquet,
2012 .
s decir, o el dise o de una edi icaci n se
orienta a ser interdisciplinar, al entender que el
cruce de los conceptos de estas dos disciplinas
Arquitectura ise o Industrial de ine los
procesos de dise o de los edi icios permite una
ma or integraci n entre los procesos de produc-
ci n que se reali an dentro del edi icio los pro-
cesos de dise o de los espacios a los que va a
responder dic o tipo de edi icaci n.
¿cuáL es eL proceso ideaL de diseño de un
edificio?
n los ltimos a os la normativa decretos
3600 de 2007, 4066 de 2008 3 30 de 2010
relacionada con las edi icaciones está siendo
actuali ada busca un mejor comportamiento
ambiental de los edi icios, además de una mejor
gesti n de los residuos de construcci n demo-
A R N I A R C S VI NCIAS
Aprendi aje
basado en
problemas
C NCIAS
strategias de evaluaci n
A igura 10. odelo de aprendi aje de
competencias en el área de la ingenier a industrial
la arquitectura
uente: los autores 2013 .
122
r l ‚ l o R ol ‹ r Šro ‚ r ‚
lici n. ambi n, se propone limitar la demanda
energ tica, el incremento del rendimiento de las
instalaciones se está orientando el dise o de
los edi icios a la e iciencia energ tica, as como
a la introducci n de energ as renovables. Sin
embargo, es necesario que el sector de la cons-
trucci n realice un es uer o para llegar más allá
de los requisitos normativos, que considere
la necesidad de ser cada ve más e iciente en
sus procesos de producci n, para responder de
manera responsable a la sostenibilidad alcan-
ar as unos adecuados dise os en la producci n
de edi icaciones.
o anterior permitirá que di erentes acto-
res, como por ejemplo: arquitectos, ingenieros
industriales, ingenieros civiles, ingenieros mecá-
nicos, puedan trabajar interdisciplinariamente,
dar as una respuesta acertada a las necesidades
de los usuarios del medioambiente, orientada
a construir un ábitat sostenible. or consiguien-
te, el proceso más adecuado para el dise o de
edi icaciones orientadas a la sostenibilidad es
la con ormaci n de grupos de trabajo interdis-
ciplinario. Alrededor de la ingenier a industrial,
la arquitectura de otras pro esiones se mueven
muc os campos investigativos que comparten
erramientas de soluci n.
or ejemplo, la ingenier a industrial se mueve
desde la estandari aci n asta la optimi aci n
de procesos. o , una de las erramientas que se
utili a recuentemente en la ingenier a industrial
es la simulaci n discreta continua. sta se a
convertido en una t cnica multidisciplinar que
puede generar resultados en cualquier otra pro-
esi n, como por ejemplo la arquitectura. As , es
posible abordar desde estas dos disciplinas temá-
ticas en la l nea de optimi aci n, producci n
log stica , con las cuales se pueden desarrollar
competencias innovativas en un proceso de dise-
o multidisciplinar transdisciplinar.
recisemos un poco más el tema. Cuando los
individuos observan que en su ábitat todo es
una cadena o una red que es parte de un sis-
tema complejo, el conjunto de variables pro-
cesos que interact an se mani iesta de manera
studiante reguntas
Investigaci n
ro esor escalares
Arquitectura
REVISTA DE ARQUITECTURA
E ISSN † ‚ … …–
ISSN … ‚ •†•ƒ
Tr llo . C llo o l R. A. . l
‚ rƒ . Revista de Arquitectura, 1 „. o … . †‡ ˆ‰R Ar€.
end gena e gena. ntonces, cada individuo,
organi aci n o una actividad espec ica, como
por ejemplo, una empresa, pueden ser vistos
como un nodo o un conjunto de subnodos den-
tro del ábitat. n cada d recede te a un
proveedor, un vendedor, un asesor, una entidad
del stado, etc. stos actores o recen a su ve
un producto o servicio cada d su secue te
tiene un producto, un lujo, una capacidad un
nivel de satis acci n.
or consiguiente, se pueden determinar los
productos o servicios en los que se mueve un
lujo de in ormaci n. As , el ingeniero industrial
el arquitecto ven las problemáticas como un
sistema complejo en el cual convergen muc as
variables, las erramientas que aprende las uti-
li a en la soluci n de estas de una manera inte-
gral. n el caso de la ense an a universitaria, los
actores principales en un proceso de ormaci n
en dise o son los estudiantes los pro esores.
untos convergen en la b squeda del desarrollo
integral en áreas como la investigaci n, la docen-
cia la e tensi n.
ntonces, el reto principal es que las disciplinas
de la ingenier a industrial la arquitectura desa-
rrollen competencias en los estudiantes para que
puedan innovar los procesos de dise o arquitec-
t nico. n este sentido, el uso de erramientas
in ormáticas puede ser orientado al desarr de
de s de a eaci , eraci e i te raci
de u a cade a de a asteci ie t en la gesti n
el dise o de un edi icio.
A ora bien, para poder reali ar un plantea-
miento pedag gico de c mo deber a ser un
modelo adecuado para la ense an a de mejores
procesos de dise o que integren estas dos dis-
ciplinas, es recomendable anali ar brevemente
los modelos pedag gicos de aprendi aje para
proponer una t cnica encaminada al trabajo
colaborativo de estas dos disciplinas. Seg n el
inisterio de ducaci n Nacional N , e is-
ten tres modelos pedag gicos que se utili an en
el pa s, estos son:
 l modelo eteroestructurante: el cual par-
te del principio de que el conocimiento se
transmite , por consiguiente, se ace n a-
sis en el resultado. ste sigue el modelo edu-
cativo de condicionamiento o de pedagog a
conductista.
 l modelo autoestructurante: el cual par-
te del principio de que el conocimiento
se constru e es un proceso propio del
individuo. ste sigue el modelo educativo
constructivista.
1
Vol. Nro. • …
o o rr o l r€ .• r l l
. ˆ. .
 l modelo interestructurante: el cual par-
te del principio de que el conocimiento
se constru e entre alumno pro esor. ste
modelo está orientado a los indicadores de
desempe o.
e lo anterior se desprende la siguiente
re le i n: el aprendi aje está relacionado con
competencias espec icas, las cuales permiten
proponer estrategias de aprendi aje de eva-
luaci n. ara lograr esto, se requiere determi-
nar cuáles son los productos las evidencias que
permiten identi icar el proceso de aprendi aje
de dic a competencia.
na opci n adecuada para este tipo de apren-
di aje es el aprendi aje basado en problemas,
el cual consiste en el planteamiento de un pro-
blema a partir del trabajo conjunto entre pro e-
sor estudiante. ste se reali a seg n preguntas
escalares que permiten desarrollar en estos dos
actores un trabajo colaborativo construir un
proceso de investigaci n igura 10 .
n s ntesis, anteriormente en los procesos
educativos era importante que el estudiante
desarrollara una t cnica a nivel de ormaci n
pro esional, la cual era evaluada de manera
puntual. Sin embargo, o los procesos integra-
les de ormaci n buscan el desarrollo de una
competencia.
s por esta ra n que se deben buscar erra-
mientas que permitan desarrollar competencias
en estas dos disciplinas de manera complemen-
taria. n ese sentido, una de las erramientas
más importantes para la ingenier a industrial
que podr a aplicarse en la arquitectura es la
simulaci n de procesos, la cual se a convertido
en una estrategia para el dise o multidisciplinar
esta permite entender la complejidad de un sis-
tema para visuali ar problemáticas proponer
las mejoras pertinentes en el tiempo.
A nivel general en todas las pro esiones, cuan-
do el estudiante maneja las erramientas desa-
rrolla la competencia de una manera integral,
se conclu e que propone dise a , por con-
siguiente, la siguiente estrategia para validar su
dise o es usar la simulaci n con el in de acep-
tar o rec a ar las ip tesis necesarias los pun-
tos de mejora, a lo que com nmente se le llama
tomar decisiones as podr a vender un dise-
o, con estrategias claras porque a observado el
sistema en el tiempo.
Con lo anterior, a continuaci n se propone,
desde la perspectiva de los ingenieros industria-
les, una metodolog a de ormaci n para estu-
diantes universitarios, la cual busca un desarrollo
integral para el pro esional que se desenvuelve
en la soluci n de problemáticas en di erentes
conte tos igura 11 .
123 •ACU TAD DE DISE—˜
T olo‚ƒ o o
Al
T olo‚ ro l S l o ool Šor r r l ‚ l o R ol ‹ r Šro ‚ r ‚

ase e apr p a n se
ase n es €a a ase e s m la n
ase en e aplica la competencia en
desarrolla la indaga la propuesta
aprende la t cnica conte tos reales, sociales,
competencia toma decisiones
educativos, empresariales, etc.

A igura 11. etodolog a docencia e

investigaci n desde el punto de vista
de la ingenier a industrial
uente: los autores 2013 .

I I I E E E I I
mpe en a ema ema a

Capacidad roblema videncia area

mp nen e
se ee a nes n lss I en a n n lss e pl a n e
r en a as a ss m e ar a les re eren es a res ín es s
la s s en l a el pr es n nales es n ares n rmas e s s en l a

Capacidad roblema videncia area

igura 12. odelo de dise o a
A

partir de AB
mpe en a ema ema a
uente: elaboraci n propia
2013 . I I I E I E I E I

n el campo de la ingenier a industrial se abla propuesta para una didáctica de diseño

de dise de r ces s, en la actualidad se le
suma el concepto de r ces s s ste i es. n el
caso de la arquitectura, la simulaci n se a conver-
tido en una erramienta undamental. esde el
punto de vista matemático, la simulaci n tiene
un nivel de complejidad estad stica matemá-
tica importante por su sustento te rico discre-
to continuo en el modelamiento respectivo de
eventos aleatorios en el tiempo las teor as de
control de lujo para la trans erencia de energ a.
Cada campo en la simulaci n, tanto el discre-
to como el continuo, presenta el bene icio de
observar un sistema en el tiempo sin embargo,
de orma comparativa, la primera tiene un nivel de
error estimado a que la recolecci n genera-
ci n de datos se da en intervalos de tiempo, as
e isten momentos en los cuales el sistema puede
cambiar estocásticamente de un estado a otro
sin tener el control la identi icaci n de la varia-
ble que incide en la simulaci n.
As , la simulaci n se a convertido en un
campo multidisciplinar , en t rminos de com-
plejidad, permite el dise o de procesos e insta-
laciones en di erentes conte tos cada pro esi n
ve desde un punto de vista di erente la proble-
mática en el sistema complejo, la red o cadena
de valor.
eficiente de edificios
Si el objetivo es integrar los conceptos de log s-
tica verde simulaci n en los procesos de dise o
de las edi icaciones, ser a importante entender
cuál será el modelo de aprendi aje más adecua-
do para dise ar edi icaciones bajo este concepto.
n el conte to actual, el aprendi aje está com-
puesto por e periencias que van trans orman-
do al individuo , a su ve , tambi n modi ican
la orma de interactuar con su entorno Babati-
va, 2012 . or consiguiente, o se busca que la
ense an a desarrolle el pensamiento complejo
en los estudiantes Cant , 2010, . s decir, el
aprendi aje se debe desarrollar en dos ámbitos:
operaciones de pensamiento t cnicas de traba-
jo intelectual.
n el desarrollo de un ambiente de AB para
el dise o de edi icaciones orientadas a la sosteni-
bilidad se propone que la ense an a del proceso
de dise o se lleve a cabo a partir de una serie de
anillos o niveles de complejidad, en donde todas
las ases tengan una misma importancia. s decir,
se busca el planteamiento de procesos de dise-
o concurrente o simultáneo que est n tercia-
dos por medios tecnol gicos, los cuales permiten
un procesamiento de la in ormaci n en tiempo

Arquitectura
124 REVISTA DE ARQUITECTURA
E ISSN † ‚ … …–
ISSN … ‚ •†•ƒ
Tr llo . C llo o l R. A. . l o o rr o l r€ .• r l l
‚ rƒ . Revista de Arquitectura, 1 „. o … . †‡ ˆ‰R Ar€. . ˆ. .

real su posterior simulaci n. A continuaci n se
presentan las ases de producci n del produc-
to seg n la aplicaci n del AB en el proceso de
dise o igura 12 .
 rimero se reali a un análisis sist mico de
re erentes que permitan identi icar variables
de dise o. uego, se dise a el edi icio a par-
tir de aplicar conceptos de log stica verde.
 Segundo, se redise an los procesos que
conducen a un adecuado proceso de ca-
dena de suministro e iciente. or ejemplo,
se var an sus procesos uncionales rente al
sistema estructural constructivo del edi i-
cio. a con iguraci n espacial deriva de los
procesos de uso de la edi icaci n se obser-
va c mo responden estas variaciones a las
variables de dise o planteadas en el análisis
sist mico reali ado con anterioridad.
 ercero, una ve se obtiene un dise o del
edi icio se simulan en un modelo virtual
para determinar la e ectividad del ciclo de
vida del dise o propuesto. s decir, desde la
construcci n del pro ecto se simulan los im-
pactos que produce en el ambiente, la e ec-
tividad del presupuesto, el desarrollo de la
programaci n de obra su comportamiento
durante el uso.
cOncl siOnes
l modelo pedag gico propuesto puede llegar
a ser de utilidad al momento de aplicarse en un
conte to multidisciplinar en donde interact en
estudiantes de ingenier a industrial arquitectura.
Si este ejercicio se aplicara en las aulas de clase,
se reducir an considerablemente los tiempos de
dise o la comunicaci n entre estudiantes mejo-
rar a por contener un proceso que implica el tra-
bajo multidisciplinar. or tanto, la comunicaci n
es uno de los actores más importantes a la ora
de aplicar el modelo pedag gico en un proceso de
dise o arquitect nico. sto implica que el grupo
de estudiantes docentes debe identi icar cuáles
son los procesos de comunicaci n más e ectivos
para transmitir la in ormaci n. s necesario pro u
ndi ar más en el estudio de la práctica del AB
con grupos multidisciplinares, para poder aplicar
con ma or e iciencia el dise o de edi icaciones
or otro lado, la simulaci n de initivamente es
una erramienta multidisciplinar que sirve para
la evaluaci n el dise o de la capacidad de una
edi icaci n en general. Además, se podr a utili ar
en la planeaci n de parques, v as de transporte,
teor as pol ticas p blicas de trá ico demás. n
t rminos de evaluaci n de recursos arquitect -
nicos, el dise o se puede sustentar en este tipo
de erramientas como un medio para aprender
la arquitectura . No se debe desconocer el nivel
macro de la planeaci n de edi icios como parte
de una man ana o un barrio, a la simulaci n
discreta continua pueden servir como erra-
mienta de planeaci n para evaluar en el tiempo
por sucesos.
Si la simulaci n a ora ace parte de las erra-
mientas sostenibles, se puede replicar a otros
procesos de paisaje patrimonio en los cuales
estas aplicaciones son escasas. inalmente, se
espera que las empresas constructoras repliquen
el modelo de simulaci n en ro odel o en oja
de cálculo, que los docentes e investigadores
del programa de Arquitectura apliquen de una
manera sistemática cient ica la erramienta de
simulaci n para la toma de decisiones en dise o
arquitect nico. Se espera que este art culo sirva
como erramienta docente para pro undi ar en
los elementos de la simulaci n.

re erencias
Anderson, ., S€eene , ., • ‚illiams, . 2005 .
stad stica ara ad i istraci ec a.
ico: Cencage earning. Recuperado de:
ttp:ƒƒdspace.ucbsc .edu.boƒdspaceƒbits-
treamƒ12345678 ƒ13206ƒ1ƒ10003.pd
A arang ., . R. duardo, „. . 1 66 . i u
aci a isis de de s est c stic s.
ico . .: c„ra€- ill.
Babativa, . 2012 . a re di a e asad e
r e as u a res uesta r ctica ara a
r aci de e sa ie t . Bogotá: ni-
versidad la „ran Colombia.
Coss B , R. 2003 . i u aci u e
ráctico. ico: imusa.
Cant n, I. 2010 . Nuevos desa os en la orma-
ci n de arquitectos a partir del impacto de
la sostenibilidad en la arquitectura. te
qui Revista i terdisci i ar 12 , 273-287.
Recuperado de: ttp:ƒƒ€€€.eumed.netƒ
entelequiaƒpd ƒ2010ƒe12a15.pd
vans, . . Rosent al, . S. 2004 . r a i
idad estad stica, a cie cia de a i certi
du re. Barcelona: Revert .
illier, . S. ieberman, „. . 2010 . tr duc
ci a a i vesti aci de eraci es ed. .
e ico: c„ra€- ill.
iemc , ., o nsen, . . acquet, . 2012 .
Sustainable purc asing and suppl manage-
ment: a structured literature revie€ o de i-
nitions and measures at t e d ad, c ain and
net€or levels. u ai a a e e t
A ter ati a ur a , 17 5 , 478-476.
Recuperado de: ttps:ƒƒ€€€.researc gate.
netƒpublicationƒ242060 81…Sustainable…
purc asing…and…suppl …management…A…
que structured…literature…revie€…o …de initions…
and…measures…at…t e…d ad…c ain…and…
net€or …levels
Seuring, S. 2013 . A revie€ o modeling
approac es or sustainable suppl c ain
management. ecisi u rt ste s,
54 4 , 1513-1520. Recuperado de: ttps:ƒƒ
€€€.researc gate.netƒpro ileƒSte an…Seur-
ingƒpublicationƒ257207230… SS…Seur-
ing… odellingSustSC … inal…2012…04…24ƒ
lin sƒ00b7d524a72d4707a1000000.pd
Seuring, S. ller, . 2008 . rom a literature
revie€ to a conceptual rame€or or
sustainable suppl c ain management. ur
a ea er r ducti , 16 15 , 16 -
1710. Recuperado de: ttp:ƒƒgetcloser.
d ƒcontentƒ02-in ormationƒ05-re erencerƒ
seuring-mueller-2008- rom-a-literature-
revie€-to-a-conceptual- rame€or - or-sus-
tainable-suppl -c ain-management.pd
a a, . A. 2012 . vesti aci de eraci es.
ico: earson ducation, rentice all.
rujillo, ., Vallejo, . Becerra, . 2010 . et -
odolog Call-Centers s Simulation - Stud
case. tudi sitas, 5 3 , 117-138.
ac erl , . ., enden all, . Sc ea er, R.
. 2010 . stad stica matemática con apli-
caciones. ico: Cencage earning. Recu-
perado de: ttp: .sidalc.net cgi-bin
is.e e IsisScript S CA. is met od p
ost ormato 2 cantidad 1 e presion
m n 001612
A

1
Vol. Nro. 125 ŒACU TAD DE DISE•Ž