Unidad 5: Simulación en Hojas de cálculo.

5.1. Selección del medio para realizar la simulación de cada proyecto

En este punto debes tomar una buena decisión al momento de elegir el medio, ya
que de otra manera puede provocar el fracaso del estudio o que este no se
desarrolle a tiempo.
5.1.1. Lenguaje general de programación en computadoras
Las elaboraciones de los programas de simulación utilizan algún lenguaje de
propósito general, como ASSEMBLER, FORTRAN, ALGOL o PL/I. A partir de la
década de 1960 hacen su aparición los lenguajes específicos para simulación
como GPSS, GASP, SIMSCRIPT, SLAM. En la última década del siglo pasado la
aparición de las interfaces graficas revoluciono el campo de las aplicaciones en
esta área, y ocasionaron el nacimiento de los simuladores.
Es de gran importancia utilizar las aplicaciones que mejor se adecue al tipo de
sistema a simular ya que de la selección del lenguaje o simulador dependerá el
tiempo de desarrollo del modelo de simulación. Las opciones van desde las hojas
de cálculo, lenguajes de tipo general (como Visual Basic, C++ o Fortan), lenguajes
específicos de simulación (como GPSS, SLAM SIMAN, SIMSCRIPT, GAS y
SSED), hasta simuladores específicamente desarrollados para diferentes objetivos
(como SIMPROCESS, Promodel, Witness, Taylor II y Cristal Ball).
APRENDIZAJE Y USO LENGUAJE DE SIMULACION O SIMULADOR
Los lenguajes de simulación facilitan enormemente el desarrollo y ejecución de
simulaciones de sistemas complejos del mundo real. Los lenguajes de simulación
son similares a los lenguajes de programación de alto nivel, pero están
específicamente de una metodología de programación apoyada por un sistema de
símbolos propios para la descripción del modelo por ejemplo mediante diagramas
de flujo u otras herramientas que simplifican notablemente la modelización y
facilitan la posterior depuración del modelo.
Características de los lenguajes de simulación.
1. Los lenguajes de simulación proporcionan automáticamente las
características necesarias para la programación de un modelo de
simulación, lo que redunda en una reducción significativa del esfuerzo
requerido para programar el modelo.
2. Proporcionan un marco de trabajo natural para el uso de modelos de
simulación. Los bloques básicos de construcción del lenguaje son mucho
más afines a los propósitos de la simulación que los de un lenguaje de tipo
general.
3. Los modelos de simulación son mucho mas fácilmente modificables.
 4. Muchos de ellos proporcionan una asignación dinámica de memoria
durante la ejecución.
5. Facilitan una mejor detección de los errores.
6. Son muy conocidos y en uso actualmente
Una vez que se ha construido y validado el modelo de simulación, se debe
seleccionar el lenguaje que se va utilizar para su programación. El software
disponible para el desarrollo de modelos de simulación puede ser dividido en
cuatro categorías.
LENGUAJES DE PROPOSITO GENERAL. Fueron muy empleados en el
nacimiento de la simulación, pero requieren mucho tiempo de programación y, por
eso, se prefiere, en general, usar lenguajes específicos para la simulación.
(Fortran, C y C++).
LENGUAJES PARA LA PROGRAMACION DE SIMULACIÓN. Proporcionan
muchas características necesarias para realizar un modelo de simulación,
reduciendo así el tiempo de realización. Ejemplos son GPSS, Simscript, Siman,
Modsim, etc. Aunque son menos flexibles que los lenguajes de propósito general,
son el modo más natural para realizar un modelo de simulación.
5.1.2. Hoja de cálculo
Es un programa informático que permite manipular y realizar cálculos complejos
con datos numéricos almacenados en tablas. También permite automatizar tareas
mediante el uso de fórmulas y macros, y crear gráficos como histogramas, curvas,
cuadrados de sectores, etc.
Cuando se trabaja con problemas de pequeña dimensión es posible también usar
hojas de cálculo, como por ejemplo Excel, para tener una idea del funcionamiento
de un sistema. Para problemas de relativa complejidad, las hojas de cálculo se
vuelven demasiado engorrodad y dejan de ser una alternativa interesante.
Por lo tanto una hoja de cálculo es una herramienta multiuso que sirve tanto para
actividades de oficina, que implican la organización de grandes cantidades de
datos, como para niveles estratégicos y de toma de decisiones al crear
representaciones graficas de la información sintetizada.
PRINCIPALES HOJAS DE CALCULO
 Excel (Microsoft office)
 Sun StarOffice
 OpenCalc (OpenOffice)
 IBM/Louts 1-2-3 (SmartSuit)
 Corel Quattro Pro (WordPerfect)
 KSpread (Koffice)
5.1.3. Programas comerciales de simulación disponibles
Paquetes de software de simulación. Los entornos específicos de simulación son
herramientas muy potentes con elementos predefinidos que simplifican
notablemente la tarea de construcción de modelos. Estos elementos permiten
representar de forma sencilla un abanico relativamente amplio de procesos y
fenómenos que tienen lugar en entornos logísticos y productivos. A pesar de ello,
a veces es necesario diseñar elementos específicos o configurar de manera
adecuada los elementos existentes para representar particularidades del sistema
estudiado dentro de este grupo, existen lenguajes como Extend, Micro Saint,
Autmod, Promodel, Arena Y Witness.
Simulador Extend. Es un software orientado a apoyar el proceso de toma de
decisiones
 Permite ver los efectos de contar con eventos dependientes.
 Las fluctuaciones estadísticas, o variabilidad natural de los sistemas, son
fácilmente
 modelables para dar realismo a los modelos.
 Extend ofrece una excelente relación costo / beneficio.
 El software permite modelar y simular cualquier tipo de sistema.
 Está orientado a manejo de objetos.
 Gráfica y Animación incorporadas.
 Permite tratar diferentes procesos.
 Reportes de simulación entregan toda la información necesaria para tomar
las
 Mejores decisiones Manejo jerárquico.
 Recolección de estadísticas en forma gráfica.
 Parámetros simples para representar y medir la realidad de un modelo.
 Tiempo por tarea o actividad.
 Tiempos de transferencia o traslado.
 Inventario en cada etapa del proceso.
 Calidad del resultado en cada etapa.
 Productividad de los recursos.
 Tiempos de espera y flexibilidad.
 Permite efectuar un estudio de tiempos para mejorar la productividad global
y local de un sistema.
 Estudio de volúmenes de trabajo para detectar recursos con capacidad
restrictiva
Micro saint. Para los sistemas de cualquier tamaño o complejidad ya que no hay
límite en el tamaño o la complejidad de los modelos que se crean. A partir de
modelos sencillos de la muy compleja, y Micro Saint agudo puede manejar todo
con éxito.
Micro Saint de Sharp le ofrece:
 Flexibilidad
 Acelerar
 Visualización
 Interoperabilidad
Simulador AutoMod
Combina las características de los lenguajes de propósito especial (lenguajes de
simulación) y un simulador de propósito especial de manejo de materiales.
Tiene características generales de programación
 Del proceso y procedimientos del proceso
 Recursos
 Cargas
 Colas,
 Variables
Están disponibles en el proceso del sistema numerosas declaraciones de control,
llamadas acciones.
Funciones en C pueden ser llamadas en caso necesario, pero no son requeridas
en la mayoría de los modelos.
Simulador ProModel
Es una herramienta de simulación que funciona en computadoras personales en
un ambiente Windows.
Fue concebido como una herramienta para ingenieros y gerentes para:
 reducciones de costos mejoras en la productividad
 incrementar las ventajas estratégicas en la producción de bienes y
servicios.
Tiene la habilidad para determinar el uso de los recursos disponibles.
 Algunas aplicaciones típicas:
 Líneas de ensamble
 Sistemas de manufactura flexible
 Producción por lotes
 Justo a tiempo (JAT) y Sistemas de producción KANBAN.
 Sistemas de colas. (Para servicios o manufactura tales como líneas de
empaque).
 Optimización de la distribución en planta y el manejo de materiales.
 Servicio Financieros
  Logística
 Reingeniería de Negocios
 Evaluación, planeación y re-diseño de sistemas de servicios
Simulador ARENA
 Desarrollado por la Systems Modeling Corporation
 Utiliza el lenguaje de simulación SIMAN
 Es un paquete de simulación y animación extendible
 El código interno en SIMAN puede evaluarse, modificarse o adicionarse de
subrutinas en lenguaje C, Fortran, etc.
 Permite programar visualmente mediante asociación de bloques (Crea
modelos de simulación sin la necesidad de codificar programas
 Admite simulación continua y discreta
 Gran flexibilidad de uso
 Permite la programación a bajo nivel
 Proporciona un entorno gráfico para visualizar la evolución de los sistemas
simulados(Permite mostrar la animación del modelo construido)
Simulador WITNESS
 Fue desarrollado durante los 1970´s por AT&T Istel.
 Actualmente es distribuido por el Grupo Lanner.
 Es uno de los más usados, más confiables y mejor conocidos entre los
softwares SED
(Simulación de eventos discretos).
 El concepto de construcción de modelos en WITNESS consiste en la
construcción de bloques similares a los deSIMUL8 excepto por los bloques
Inicial y Terminal.
Contiene muchos elementos:
 Para manufactura discreta de partes
 Es fuertemente orientado a máquinas. Por ejemplo:

1. Sencillas
2. en lotes
3. Producción
4. ensamble,
5. multi-estaciones
6. multi-cíclo.
7. bandas transportadoras
8. acumular
9. No acumular.
Flujo de fluidos a través de:
1. Procesadores
2. Tanques
3. pipas.
Estos paquetes incluyen, además, herramientas específicas para gestionar todo el
proceso de simulación (como, por ejemplo, la realización de experimentos). El
inconveniente de esta alternativa es el precio, notablemente mayor que el de
cualquiera de las alternativas anteriores.
5.1.4. Otros medios
IDENTIDAD: Es cuando el modelo es una réplica exacta del sistema en estudio.
Es la que utilizan las empresas automotrices cuando realizan ensayos de choques
de automóviles utilizando unidades reales.
 Cuasi-identidad: Se utilizan una versión ligeramente simplificada del
sistema real. Por ejemplo, los entrenamientos militares que incluyen
movilización de equipos y tropas pero no se lleva a cabo una batalla de
real.
 Laboratorio: Se utilizan modelos bajo las condiciones controladores de un
laboratorio.
Se pueden distinguir dos tipos de simulación:
O juego operacional: Personas compiten entre ellas, ellas forman parte del
modelo, la otra parte consiste en computadoras, maquinaria, etc. Es el caso
de una simulación de negocios donde las computadoras se limitan a
recolectar la información generada por cada participante y a presentarla en
forma ordenada a cada uno de ellos.
O Hombre-Máquina: Se estudia la relación entre las personas y la máquina.
La computadora no se limita a recolectar información, sino que también la
genera. Un ejemplo de este tipo de simulación es el simulador de vuelo.
Simulación de Monte Carlo
La simulación de Monte Carlo es un método que emplea números aleatorios
uniformemente
5.2. Tipo de modelos de simulación programables en hoja de cálculo
(inventarios, líneas de espera, proyecciones financieras...): descripción
escrita
Inventarios: El gestor logístico se encuentra siempre con el dilema de tener
mucho inventario y aun así no puede satisfacer todas las necesidades de sus
clientes. ¿Qué es lo que está ocurriendo? La respuesta es simple, se suele tener
sobrante de lo que no se vende y faltante de lo que hay demanda. En definitiva, el
total de inventario valorado es superior a lo que se entiende que corresponde,
pero aun así el servicio esperado no cumple con las expectativas de la empresa.
El exceso de inventario es producto de varios factores, dos de ellos, primero, por
experiencias pasadas de rotura de inventario, una reacción posiblemente
desproporcionada de sobreprotección o un posible desconocimiento de la
demanda.
En el ejemplo de esta hoja, la información esta dada mediante una tabla en la que
muestra el porcentaje de ocurrencias de cada demanda para un artículo, la
demanda va desde 0 a 6 unidades en un día. Esta información se puede obtener
desde su base de datos de ventas y mediante la herramienta de análisis de datos
de la hoja de cálculo puede hacer un histograma de estos valores.
La hoja se puede adaptar fácilmente a otros valores.
Una segunda lectura de esta información puede ser, los porcentajes corresponden
a la probabilidad de que ocurra una demanda. Es importante recordar que en este
sistema de gestión de inventarios se basa en el pasado, se asume que en el futuro
tendrá un comportamiento similar su demanda.
Paso 1:
Introduzco los datos históricos que conozco

La función aleatorio me devuelve un numero aleatorio entre 0 y 1. Si necesitase

simular números entre 0 y 5 lo multiplicaría por 6 y me quedaría la parte entera
=ENTERO(ALEATORIO()*5). Si quisiese numero entre 1 y 5 entonces multiplicaría
por 5 tomaría la parte entera y le sumaria 1 =ENTERO(ALEATORIO()*5)+1. En el
ejercicio nos hemos quedado con los valores entre 0 y 1. En resumen: que no me
pidiesen nada, 0 unidades, ocurrió el 3% de los días (representado por 0,03), que
me pidiesen una unidad el 5% y así. Calculo un sumatorio de frecuencias para
asegurarme que suman el 100% (representado por 1). El tiempo de servicio fue de
un día el 20% de las veces, de 3 días el 50% de las veces y 5 días el restante 30%
de los días. Paso 2: Ahora calculamos las demandas acumuladas.

Paso 3: Ahora con la función aleatorio vamos a calcular la simulación para n días

Cuando generemos números aleatorios para simular la demanda del artículo, si el

número generado está entre 0 y 0,03 simularé que me han pedido 0 unidades para
ese día. Si sale un numero entre 0,03 y 0,08 simularé que me han pedido una
unidad. Para los tiempos de servicio seguiremos el mismo proceso, si un artículo
llega a su punto para simular cuento tardaría en llegar la mercancía generaré un
numero aleatorio, si está entre 0 y 0,2 tomaré 1 como plazo de entrega, s sale
entre 0,2 y 0,7 tomaré 3 como plazo de entrega, y entre 0,7 y 1 tomaré 5 días
como plazo de entrega. La búsqueda en estas matrices está hecha con la función
Excel buscarv.
El resultado nos da:

Simulación en líneas de espera

Es una imitación de la operación de un proceso real durante un tiempo
determinado.
El comportamiento de un sistema durante un tiempo determinado puede ser
estudiado por medio de un modelo de simulación, este modelo toma su forma a
partir de los postulados sobre la operación del sistema real
Por este medio de una simulación estudian los sistemas reales a través de un
modelo del sistema real con el propósito de comprender la interacción de los
procesos que intervienen en el, con el fin de variarlos para obtener un objetivo
determinado.
Es posible reemplazar los expresivos matemáticos y el cálculo de los valores de
las variables de interés, a través de funciones de distribución de probabilidad.
Los modelos de simulación de eventos discretos, las funciones de distribución se
usan con el propósito de realizar una experimentación cuyos resultados llevaran
después de un numero conveniente de ensayos al resultado que se obtendría con
el sistema real.
Los modelos que se obtienen como un conjunto de ecuaciones de denominan
frecuencia modelos analíticos o modelos de optimización.
Ejemplo:

Proyecciones
La planificación financiera consiste en la elaboración de previsiones a medio y
largo plazo, en un horizonte de 3-5 años. Al ser previsiones a más de un año, tiene
un elevado grado de incertidumbre, pero no obstante es conveniente realizarla
para estar mejor preparado y dirigir con mi precisión la empresa, al marcar los
rumbos que debe tomar.
5.3. Ejemplos de simulación en hoja electrónica
 1. Una vez activado XLSTAT, seleccione el comando XLSTAT/Simulaciones
de Monte Carlo / Definir una distribución, o hacer clic en el botón
correspondiente de la barra de Sim

Aparece el cuadro de dialogo definid una distribución. Enseguida, seleccione le

nombre de la variable como la celda A2 con el nombre “Sales”. Elija una
distribución normal con mu= 120 y sigma =10

Una vez se haya hecho clic en OK, se inserta la llamada a la función

correspondiente en la celda activa. Creación de la segunda variable de distribución
ahora, se puede generar de la misma manera la segunda variable de distribución.
Seleccione en este caso una distribución normal con mu=80 y sigma=20.

Creación de la variable de Resultado

Seleccione la celda de resultados que contiene el valor 40 como resultado de la
formula=B2-B3 como celda activa. A continuación, seleccione el comando
XLSTAT/Simulaciones de Monte Carlo /Definir una variable resultado, o haga clic
en el botón correspondiente de la barra herramientas Sim.
Una vez hecho clic en Ok, la llamada a la función correspondiente
XLSTAT/SimRes se inserta en la celda activa.
Esto se puede encontrar en la hoja de Excel “Model”. Ejecución de un modelo
simple de simulación. Para iniciar la ejecución de la simulación, seleccione el
menú comando XLSTAT/Simulaciones de Monte Carlo /Iniciar los cálculos, o haga
clic en el botón correspondiente de la barra de herramientas Sim.
Se muestra el cuadro de dialogo de ejecución de la simulación. Puede fijar el
número de simulaciones a 1000.

En la pestaña gráficos- sensibilidad, introduzca los parámetros de los análisis de

Tornado y Araña.

Los cálculos empiezan una vez que haya hecho clic en OK interpretación de los
resultados de los resultados de un modelo simple de simulación.
El primer resultado es un resumen del modelo de simulación.
A continuación, se muestran detalles sobre las dos variables de distribución y
sobre la variable de resultado.
Las siguientes tablas muestran los detalles de las dos variables de distribución
(estadísticos descriptivos, histogramas y cuartiles)

Las siguientes tablas muestran los detalles de la variable de resultado. Se

muestran los estadísticos descriptivos, un histograma y estadísticos acerca de los
intervalos. A continuación, se muestran los resultados del análisis de sensibilidad.
El análisis de sensibilidad se basa en las simulaciones contrarias al análisis
Tornado que se presenta a continuación:
La siguiente sección contiene el análisis Tornado.
El análisis Tornado no se basa en las iteraciones de la simulación, sino en un
alaisis punto por punto de todas las variables de entrada (variables aleatorias con
distribuciones y variables de escenario).
Durante el análisis Tornado, para cada variable de resultado, se estudia una por
una cada variable aleatoria de entrada y cada variable de escenario. Hacemos que
su valor entre dos limites, y registramos el valor de cada resultado, con el n de
saber cómo cada variable aleatoria y cada variable de escenario afecta a la
variable de resultado.
Finalmente se muestran la matriz de correlaciones de las distribuciones y las
variables de resultado. Se muestra que los costos y las ventas no están
correlacionados. Pero el beneficio esta correlacionado con las ventas y los costos.

5.3.1. Programación: distribución del modelo en la hoja de cálculo

Solución de problemas de programación lineal (PL), con una hoja de cálculo. En
este punto se demuestra con detalle la mecánica del uso del Solver en Excel
mediante la solución del siguiente problema.
Ejemplo
En un inicio solo se presenta su enunciado y planteamiento
La compañía de luz tiene tres centrales que cubren las necesidades de cuatro
ciudades, Cada central suministra las cantidades siguientes de kilowatts-hora:
planta 1, 35 millones; planta 2, 50 millones; planta 3,40 millones. Las demandas
de potencia pico en estas ciudades que ocurren a la misma hora (2:00 pm) son
como sigue (en Kw/h): ciudad 1,45 millones; ciudad 2, 20 millones; ciudad 3,30
millones y ciudad 4,30 millones. Los costos por enviar un millón de kw/h de la
planta dependen de la distancia que debe viajar la electricidad y se muestran en la
tabla A1.

Este problema se resuelve a través del Solver de Excel, colocando celdas para las
variables de decisión.
 5.3.2. Experimentación con varias configuraciones posibles del sistema
simulado
5.4. Validación
5.4.1. Programación de los informes de salida (estadísticas)
5.4.2. Construcción de gráficas
5.4.3. Construcción de intervalos de confianza
5.4.4. Juicios sobre los resultados reportados
5.5. Conclusión
5.5.1. Comparación entre las configuraciones simuladas
5.5.2. Selección de la mejor configuración
5.5.3. Recomendaciones para la implantación
5.6. Uso de la hoja de cálculo en los proyectos de simulación del grupo (si
procede)
5.7. Entrega de la monografía del proyecto realizado (al final del curso)