¿Qué es el Modelado de Simulación?

Raid Al-Aomar, Edward J.Williams and Onur M. Ülgen.

Entonces, ¿qué es exactamente el Modelado de Simulación?

El Modelado de Simulación es el arte y la ciencia de capturar la funcionalidad y las características relevantes de los sistemas del mundo real. El modelado implica presentar dichos sistemas en una forma que proporcione suficiente conocimiento y facilite el análisis y la mejora del sistema. Los modelos físicos, gráficos, matemáticos e informáticos son los principales tipos de modelos desarrollados para diferentes propósitos y aplicaciones.

Esta publicación de blog se centra en definir el concepto de simulación, desarrollar una taxonomía de diferentes tipos de modelos de simulación y explicar el papel de la simulación en la planificación, el diseño y la mejora del rendimiento de los sistemas de producción y negocios.

Definición de Simulación

La Simulación es un término ampliamente utilizado en referencia a modelos informáticos que representan sistemas físicos (productos o procesos). Proporciona una representación simplificada que captura características operativas importantes de un sistema real. Por ejemplo, FEA representa la base matemática para la simulación de un producto de árbol de levas. De manera similar, el flujo de producción, las reglas de programación y el patrón operativo representan la base lógica para desarrollar un modelo de proceso de planta.

El Modelo de Simulación del sistema es la computadora que imita la operación compleja, estocástica y dinámica de un sistema del mundo real (incluidas las entradas, los elementos, la lógica, los controles y las salidas). Los ejemplos de modelos de simulación de sistemas incluyen la imitación de la operación diaria de un banco, el flujo de producción en una línea de ensamblaje o el horario de salida / llegada en un aeropuerto. Como alternativa a modelos matemáticos poco prácticos o prototipos físicos costosos, la simulación por computadora ha hecho posible modelar y analizar sistemas del mundo real.

Como se muestra en la figura siguiente, los requisitos principales para la simulación son: un sistema a simular, un analista de simulación, un sistema informático y un software de simulación. El analista tiene un papel fundamental en el proceso de simulación. Él o ella es responsable de comprender el sistema del mundo real (entradas, elementos, lógica y salidas), desarrollar un modelo conceptual y recopilar los datos pertinentes. Luego, el analista opera el sistema informático y utiliza el software de simulación para construir, validar y verificar el modelo de simulación del sistema. Finalmente, el analista analiza los resultados de la simulación y determina la mejor configuración del proceso.

El sistema informático proporciona las herramientas de hardware y software necesarias para operar y ejecutar el modelo de simulación. El software o lenguaje de simulación proporciona la plataforma y el entorno que facilitan la creación, prueba, depuración y ejecución de modelos. El analista de simulación utiliza el software de simulación en un sistema informático capaz para desarrollar un modelo de simulación del sistema que se puede utilizar como una representación práctica (cercana a la realidad) del sistema real.

Taxonomía de Simulación

Según el esquema de representación interno seleccionado, los modelos de simulación pueden ser discretos, continuos o combinados. Los modelos DES, que son el tema central de este libro, son los más comunes entre los tipos de simulación. Los modelos DES se basan en una representación interna discreta de las variables del modelo (variables que cambian su estado en puntos discretos en el tiempo). En general, los modelos de simulación discreta se enfocan en modelar variables discretas que reciben valores de distribuciones aleatorias o probabilísticas, donde el estado del sistema cambia en puntos discretos en el tiempo. Una variable discreta puede ser la cantidad de clientes en un banco, productos y componentes en un proceso de ensamblaje o automóviles en un restaurante de autoservicio.

Los modelos de simulación continua, por otro lado, se enfocan en variables continuas, recibiendo valores de distribuciones aleatorias o probabilísticas, donde el estado del sistema cambia continuamente. Los ejemplos de variables continuas incluyen el tiempo de espera, el nivel de agua detrás de una presa y el flujo de fluidos en los procesos químicos y las tuberías de distribución. La simulación continua es menos popular que la simulación discreta, ya que la mayoría de los sistemas de producción y negocios se modelan utilizando variables aleatorias discretas (clientes, unidades, entidades, pedidos, etc.).

Los modelos de simulación combinados incluyen elementos tanto discretos como continuos en el modelo. Por ejemplo, contenedores de fluidos separados (discretos) llegan a un proceso químico donde los fluidos se vierten en un depósito para ser procesados de manera continua. Este tipo de simulación requiere la capacidad de definir y rastrear variables tanto discretas como continuas.

Además, los modelos son deterministas o estocásticos. Un proceso estocástico se modela utilizando modelos probabilísticos. Entre los ejemplos de modelos estocásticos se incluyen los clientes que llegan a un banco, el servicio a los clientes y las fallas del equipo. En estos ejemplos, la variable aleatoria puede ser el tiempo entre llegadas, el tiempo de servicio o procesamiento y el tiempo de falla del equipo (TTF), respectivamente.

Los modelos deterministas, por otro lado, no involucran variables aleatorias o probabilísticas en sus procesos. Los ejemplos incluyen modelar operaciones de tiempo de ciclo fijo en un sistema automatizado o modelar las llegadas programadas a una clínica. La mayoría de las operaciones del mundo real son probabilísticas. Por lo tanto, la mayoría de los estudios de simulación involucran generación aleatoria y muestreo de distribuciones de probabilidad teóricas o empíricas para modelar variables de sistema aleatorias. La variabilidad en las entradas del modelo conduce a la variabilidad en las salidas del modelo. Como se muestra en la figura siguiente, un modelo determinista Y = f (X) generará una respuesta estocástica (Y) cuando las entradas del modelo (X1, X2 y X3) sean estocásticas. Si la respuesta representa la productividad de un sistema de producción, las entradas del modelo, como las tasas de llegada de piezas, el pronóstico de la demanda y la combinación de modelos, generan una tasa de producción variable.

¿Qué sigue?

Finalmente, y según la naturaleza de la evolución del modelo con el tiempo, los modelos pueden ser estáticos o dinámicos. Como se muestra en la figura siguiente, un modelo de simulación puede involucrar respuestas tanto estáticas como dinámicas. En modelos estáticos, el estado del sistema (definido en variables de estado) no cambia con el tiempo. Por ejemplo, una variable estática (X1) puede ser un número fijo de trabajadores en una línea de montaje, que no cambia con el tiempo. Alternativamente, una variable dinámica (X2) puede ser el número de unidades en un búfer, que cambia dinámicamente con el tiempo. Los modelos de Simulación de Monte Carlo son modelos (estáticos) independientes del tiempo que se ocupan de un sistema de estado fijo. En tales modelos similares a hojas de cálculo, ciertos valores de las variables cambian en función de distribuciones aleatorias y las medidas de rendimiento se evalúan según dichos cambios sin considerar el momento y la dinámica de dichos cambios. Sin embargo, la mayoría de los modelos operativos son dinámicos. Las variables de estado del sistema a menudo cambian con el tiempo y las interacciones que resultan de tales cambios dinámicos impactan en el comportamiento del sistema.

Los modelos de simulación dinámica se dividen a su vez en modelos con terminación y sin terminación según el tiempo de ejecución. Los modelos que terminan se detienen por un evento natural determinado, como la cantidad de artículos procesados o que alcanzan una determinada condición. Por ejemplo, un modelo de banco se detiene al final del día y un modelo de taller se detiene al terminar todas las tareas en un orden determinado. Estos modelos se ven afectados por las condiciones iniciales (estado del sistema al inicio). Los modelos no terminales, por otro lado, pueden ejecutarse continuamente, lo que hace que el impacto de la inicialización sea insignificante. Por ejemplo, una planta funciona en modo continuo donde la producción comienza en cada turno sin vaciar el sistema. El tiempo de ejecución de tales modelos a menudo se determina estadísticamente para obtener una respuesta de estado estable. La siguiente figura presenta una taxonomía de simulación con atributos resaltados de DES (modelos discretos, estocásticos y dinámicos de respuesta terminante o no terminante).

Este contenido presentado es un extracto de la simulación de procesos con WITNESS®, primera edición. Raid Al-Aomar, Edward J.Williams y Onur M. Ülgen.
© 2015 John Wiley & Sons, Inc. Publicado en 2015 por John Wiley & Sons, Inc.

¿Qué es el Modelado de Simulación?