Componentes y Etapas de la Simulación

Diagrama de Flujo de las etapas de simulacion.

Descripcion de cada una de las etapas.

1.-Definicion del sistema bajo estudio.

En esta etapa es necesario conocer el sistema a modelar. Para ello se requiere saber que origina el estudio de simulación y establecer los supuestos del modelo: es conveniente definir con claridad las variables de decisión del modelo, determinar las interacciones entre estas y establecer con precisión los alcances y limitaciones que aquel podría llegar a tener.

Antes de concluir este paso es recomendable contar con la información suficiente para logar establecer un modelo conceptual del sistema bajo estudio, incluyendo sus fronteras y todos los elementos que lo componen, además de las interacciones entre estos, flujos de productos, personas y recursos, asi como las variables de mayor interés para el problema.

2.-Formulacion del modelo.

Una vez de que estan definidos los modelosn con exactidtud los resultados que se esperan obtener del estudio, el siguiente paso es definir y contrui el modelo con el cual se obtendran los resultados deseados. En la formulacion del modelo es necesario definir todas las variables que forman parte de el, sus realciones logicas y los diagrmas de flujo que describan en forma completa al modelo.

3.-Recoleccion y análisis de datos.

De manera paralela a la generación del modelo base, es posible comenzar la recopilación de la información estadística es útil para la determinación de las distribuciones de probabilidad asociadas a cada una de las variables aleatorias innecesarias para la simulación. Aunque en algunos casos se logra contar con datos estadísticos, suele suceder que el formato de almacenamiento o de generación de reportes no es el apropiado para facilitar el estudio. Por ello es muy importante dedicar el tiempo suficiente a esta actividad. De no contar con la información necesaria o en caso de desconfiar de la que se tiene disponible, será necesario realizar un estudio estadístico del comportamiento de la variable que se desea identificar, para posteriormente incluirla en el modelo. El análisis de los datos necesarios para asociar una distribución de probabilidad a una variable aleatoria, asi como las pruebas que se deben aplicar a los mismos, se analizaran mas adelante. Al finalizar la recolección y análisis de datos para todas las variables del modelo, se tendrán las condiciones necesarias para generar una versión preliminar del problema que se está simulando.

4.-Generacion del modelo preliminar.

En esta etapa se integra la información obtenida a partir del análisis de los datos a partir de los análisis de los datos, los supuestos del modelo y todos los datos que se requieran para tener un modelo lo más cercano posible a la realidad del problema bajo estudio. En algunos casos no se cuenta con información estadística, por lo que debe estimarse un rango de variación o determinar valores constantes que permitan realizar el modelado. Al finalizar esta etapa el modelo está listo para su primera prueba: su verificación o, en otras palabras comparación con la realidad.

5.-Verificacion del modelo.

Una vez que se han identificado las distribuciones de probabilidad de las variables del modelo y se han implantado los supuestos acordados, es necesario realizar un proceso de verificación de datos para comprobar la propiedad de la programación del modelo, y comprobar que todos los parámetros usados en la simulación funcionen correctamente. Ciertos problemas en especial aquellos que requieren muchas operaciones de programación o que involucran distribuciones de probabilidad difíciles de programar, pueden ocasionar que el comportamiento del sistema sea muy diferente del que se esperaba. Por otro lado, no se debe descartar la posibilidad de que ocurran errores humanos al alimentar el modelo con la información.

6.-Validacion del modelo

El proceso del validación del modelo consiste en realizar una serie de pruebas al mismo, utilizado información de entrada real para observar su comportamiento y analizar sus resultados. Si el problema bajo simulación involucra un proceso que se desea mejorar, el modelo debe someterse a prueba con las condiciones actuales de operación , lo que nos dará como resultado un comportamiento similar al que se presenta realmente en nuestro proceso. Cualquiera que sea la situación, es importante que el analista conozca bien el modelo, de manera que pueda justificar aquellos comportamientos que sean contrarios a las experiencias de los especialistas en el proceso que participan de su validación.

7.-Experimentacion

Una vez que el modelo se ha validado, el analista esta listo para realizar la simulación y estudiar el comportamiento del proceso. En caso de que se dese comparar escenarios diferentes para un mismo problema, este será el modelo raíz; en tal situación, el siguiente paso es la definición de los escenarios a analizar.

8.- Determinar de los escenarios para el análisis.

Tras el modelo es necesario acordar con el cliente los escenarios que se quiere analizar. Una manera muy sencilla de determinarlos consiste en utilizar un escenario pesimista, uno optimista y uno intermedio para la variable de respuesta más importante. Sin embargo , es preciso tomar en cuenta que no todas las variables se comportan igual ante los cambios en los distintos escenarios, por lo que tal vez sea necesaria que más de una variable de respuesta se analice bajo las perspectivas pesimista, optimista e intermedia.

9.-Analisis de sensibilidad.

Una vez que se obtiene los resultados de los escenarios es importante realizar pruebas estadísticas que permitan comparar los escenarios con los mejores resultados finales. Si dos de ellos tienen resultados será necesario comparar sus intervalos de confianza respecto de la variable de respuesta final. Si no hay intersección de intervalos podremos decir con certeza estadista que los resultados no son iguales; si los intervalos se traslapan será imposible determinar, estadísticamente hablando que una solución es mejor que otra. Si se desea obtener un escenario “ganador” en estos casos será necesario realizar más réplicas de cada modelo y/o incrementar el tiempo de simulación de cada corrida. Con ello se busca acortar los intervalos de confianza de las soluciones finales y por consiguiente incrementar la probabilidad de diferenciar las soluciones.

10.-Documentacion del modelo, sugerencias y conclusiones.

Una vez realizado el análisis de los resultados, es necesario efectuar toda la documentación del modelo. Esta documentación es muy importante, pues permitirá el uso del modelo generado en caso de que se requieran ajustes futuros. En ella se deben incluir los supuestos del modelo, las distribuciones asociadas a sus variables, todos sus alcances y limitaciones y, en general su totalidad de las consideraciones de programación. Por último se deberá presentarse asimismo las conclusiones del proyecto de simulación, a partir de las cuales es posible obtener los reportes ejecutivos para la presentación final.

Factores a considerar en el desarrollo del modelo de simulacion.

Puesto aque la simulacion esta basada fuertemente en la teoria de probabilidad y estadistica, en matematicas, en ciencias computacionales, etc., es comveniente decir algunas ideas de como intervienen estas areas en el desarrollo y formulacion del modelo de simulacion.

#author #literature