2. 2
Modelado de ...
Sistemas...
Sistemas web
Sistemas de control/tiempo real
Familias de sistemas
Variabilidad
Patrones de alto nivel
Restricciones
Requisitos
Procesos
...Modelos ¿ejecutables?
4. 4
MODELOS Y AYUDA
EN LA TOMA DE DECISIONES
Un modelo es una representación de algún equipo o
sistema real. El valor de un modelo surge cuando
éste mejora nuestra comprensión de las
características del comportamiento en forma más
efectiva que si se observará el sistema real.
Un modelo, comparado con el sistema verdadero
que representa, puede proporcionar información a
costo más bajo y permitir el logro de un conocimiento
más rápido de las condiciones que no se observan
en la vida real.
5. 5
Modelos estáticos
Los modelos estáticos describen un
sistema, en términos de ecuaciones
matemáticas, donde el efecto potencial
de cada alterativa es evaluada a través
de ecuaciones. La actuación del
sistema es determinada sumando los
efectos individuales. Los modelos
estáticos ignoran las variaciones en el
tiempo
6. 6
Modelos dinámicos
Los modelos dinámicos son una
representación de la conducta dinámica
de un sistema, Mientras un modelo
estático involucra la aplicación de una
sola ecuación, los modelos dinámicos,
por otro lado, son reiterativos. Los
modelo dinámicos constantemente
aplican sus ecuaciones considerando
cambios de tiempo.
8. 8
Evento Continuo
La simulación
continua son análogas
a un deposito en donde
el fluido que atraviesa
una cañería es
constante. El volumen
puede aumentar o
puede disminuir, pero el
flujo es continuo. En
modelos continuos, el
cambio de valores se
basa directamente en
los cambios de tiempo.
9. 9
Evento discreto
La llegada de órdenes, o las partes
que están siendo ensambladas, así
como los clientes que llaman, son
ejemplos de eventos discretos. El
estado de los cambios en los
modelos sólo se dan cuando esos
eventos ocurren. Una fábrica que
ensambla partes es un buen
ejemplo de un sistema de evento
discreto. Las entidades individuales
(partes) son ensambladas basadas
en eventos (recibo o anticipación de
órdenes). El tiempo entre los
eventos en un modelo de evento
discreto raramente es uniforme:
10. 10
Modelos de ingeniería
Modelo de ingeniería:
Representación reducida de un sistema
Propósito:
Ayudar a comprender un problema complejo (o
solución)
Comunicar ideas acerca de un problema o
solución
Guiar la implementación
11. 11
Características de los
modelos
Abstracto
Enfatiza los elementos importantes y oculta los irrelevantes
Comprensible
Fácil de comprender por los observadores
Preciso
Representa de forma fiel el sistema que modela
Predictivo
Se pueden usar para deducir conclusiones sobre el sistema
que modela
Barato
Mucho más barato y sencillo de construir que el sistema que
modela
Los modelos de ingeniería eficaces deben satisfacer todas
estas característica
12. 12
Cómo se usan
Para detectar errores u omisiones en el
diseño antes de comprometer recursos para
la implementación
Analizar y experimentar
Investigar y comparar soluciones alternativas
Minimizar riesgos
Para comunicarse con los “stakeholders”
Clientes, usuarios, implementadores, encargados
de pruebas, documentadores, etc.
Para guiar la implementación
14. 14
Desarrollo guiado por
modelos (“Model-Driven
development” o MDD)
Una aproximación al desarrollo de software
en el que el enfoque y los artefactos
fundamentales son modelos (y no
programas)
Implica la generación automática de
programas a partir de modelos
Utilizando lenguajes de modelado directamente
como herramientas de implementación
“El modelo es la implementación”
15. 15
Lo esencial en MDD
En MDD el enfoque y los artefactos
fundamentales son modelos (y no
programas)
La mayor ventaja es que los conceptos
de modelado están mucho menos
ligados a la tecnología de
implementación y más cerca del
dominio del problema
Los modelos son más fáciles de
especificar, comprender y mantener
16. 16
La práctica
Modelos Observables
Es necesario que las herramientas nos den
información sobre errores, al igual que lo hacen
los compiladores (o los depuradores, en
programación)
Modelos ejecutables
Debe ser posible trabajar con modelos
incompletos (pero bien formados)
Eficiencia del sistema generado
15 % de diferencia con las herramientas actuales
17. 17
SIMULACIÓN: Técnicas para imitar el
funcionamiento de sistemas o procesos reales
mediante programas de ordenador.
HIPÓTESIS SOBRE EL SISTEMA:
•Sencillas: posible obtener soluciones exactas o
analíticas
•Complejas: es lo más usual. Deben ser estudiados
mediante simulación. Se obtienen soluciones
aproximadas.
18. 18
La simulación involucra el diseño de
modelos de un sistema, llevando a cabo
experimentos en él.
El propósito de éstos ("que pasa si")
experimentos son determinar cómo el
sistema real realiza y predice el efecto de
cambios al sistema a través del tiempo.
Por ejemplo, se acostumbra emplear la
simulación al contestar preguntas como:
¿Qué efectos tiene un incremento en la tasa
poblacional en una comunidad?
¿Qué pasaría si aumento el número de
programas para evitar que los niños jóvenes
y adultos comentan robos?
Simulación
19. 19
VENTAJAS DE LA SIMULACION
Permite estudiar sistemas reales que no se pueden evaluar
analíticamente
Hace posible estimar el comportamiento de un sistema
existente si se modifican algunas de las condiciones de
funcionamiento actuales
Se pueden comparar distintas alternativas de diseño (o de
formas de operar de un sistema), para ver cual se
comporta mejor
Permite estudiar en poco tiempo la evolución de un
sistema en un periodo largo de tiempo y al revés
Se puede utilizar para validar un modelo analítico
20. 20
DESVENTAJAS DE LA SIMULACION
No produce resultados exactos, sino estimaciones.
Esto hace necesario el uso de técnicas estadísticas
Desarrollar un modelo de simulación suele ser caro
y lleva tiempo
Es difícil demostrar la validez del modelo. Si el
modelo no es válido, los resultados son poco útiles
Es difícil encontrar el óptimo: sólo se puede
encontrar el mejor entre varias alternativas
21. 21
No tener bien definidos los objetivos al comienzo
del estudio
Elegir un nivel de detalle inapropiado
Tratar un estudio de simulación como si fuera
principalmente un problema de programación
Confiar en simuladores que hacen la simulación
accesible a “todo el mundo”
Analizar los datos de salida a partir de una sola
ejecución, tratándola como la solución verdadera
Fallar en la comunicación con las personas que
conocen realmente el sistema
No modelizar correctamente las distintas fuentes
de aleatoriedad del sistema real
ERRORES MAS FRECUENTES EN LOS
ESTUDIOS DE SIMULACION
22. 22
Son paquetes que permiten simular algunos tipos de
sistemas con poca o ninguna necesidad de programar. Los
sistemas se seleccionan a base de menús y de gráficos.
Ventaja: Ahorran tiempo de programación
Inconvenientes:
•Están limitados a modelizar sólamente las
configuraciones de sistemas que permite el simulador.
•Las ejecuciones son más lentas
SIMULADORES
ALGUNOS SIMULADORES :
•WORKBENCH
Comnet III (específico redes de comunicaciones)
QSIM (incluido en QSB)
Simfactory II.5
Promodel
23. 23
Consiste en comprobar si el modelo conceptual de
simulación es una adecuada representación del
sistema que se está estudiando. Debe llevarse a
cabo a lo largo de todo el estudio de simulación.
Etapas para desarrollar un modelo válido:
1.- Proponer un modelo razonable
2.- Contrastar empíricamente las hipótesis del modelo
3.- Determinar hasta que punto son representativos los
datos de salida
VALIDACION DEL MODELO
24. 24
Tener claros los objetivos, las medidas de evaluación del
sistema y las configuraciones alternativas del sistema
Hablar con las personas relacionadas con el sistema y
obtener toda la información existente
Observar un sistema similar (si existe) y obtener los
datos históricos, o recogerlos si no existen
Exponer a todos los relacionados con el sistema una
explicación detallada y estructurada del modelo conceptual
antes de empezar la codificación
Proponer inicialmente un nivel de detalle razonable
1-PROPUESTA DE UN MODELO RAZONABLE
25. 25
Estudiar si los datos de entrada se ajustan al
modelo propuesto.
Realizar análisis de sensibilidad para estudiar
cuanto cambian los resultados de la simulación al
cambiar los parámetros de entrada o las
distribuciones de probabilidad. Las partes más
sensibles habrá que programarlas con un mayor nivel
de detalle
2: CONTRASTAR EMPIRICAMENTE LAS
HIPOTESIS DEL MODELO
26. 26
Si existe un sistema similar al propuesto, se comparan los
datos de salida del sistema, y los del modelo de simulación.
Si son similares, el modelo es válido. A continuación se
modificaría el modelo para representar al sistema que nos
interesa estudiar
Si no existe un sistema similar, se intenta simplificar el
modelo de forma que tenga solución analítica, y se
comparan los resultados. La validez del modelo será mayor
cuanto menores sean las simplificaciones para obtener la
solución analítica. El test definitivo se obtiene comparando
los resultados del modelo con los del sistema propuesto, si
este llega a construirse. Pero si no es válido, ya no puede
corregirse.
3- DETERMINAR HASTA QUE PUNTO SON
REPRESENTATIVOS LOS DATOS DE SALIDA
28. 28
DEFINICIÓN DE LA D.S.
Es una metodología de uso generalizado para modelar y estudiar el
comportamiento de cualquier clase de sistemas y su comportamiento a
través del tiempo con tal de que tenga características de existencias de
retardos y bucles de realimentación[1].
Estudia las características de realimentación de la información en la
actividad industrial con el fin de demostrar como la estructura
organizativa, la amplificación (de políticas) y la demoras (en las
decisiones y acciones) interactúan e influyen en el éxito de la
empresa[2].
Es un método en el cual se combinan el análisis y la síntesis,
suministrando un ejemplo concreto de la metodología sistémica. La
dinámica de sistemas suministra un lenguaje que permite expresar las
relaciones que se producen en el seno de un sistema, y explicar como
se genera su comportamiento[3].
29. 29
El primer paso sondea la riqueza de información que la
gente posee en sus mentes. Las bases de datos mentales
son una fecunda fuente de información acerca de un
sistema. La gente conoce la estructura de un sistema y las
normas que dirigen las decisiones. En el pasado, la
investigación en administración y las ciencias sociales han
restringido su campo de acción, indebidamente, a datos
mesurables, habiendo descartado el cuerpo de información
existente en la experiencia de la gente del mundo del
trabajo, que es mucho más rico.
La dinámica de sistemas usa conceptos del campo del
control realimentado para organizar información en un
modelo de simulación por ordenador. Un ordenador ejecuta
los papeles de los individuos en el mundo real. La
simulación resultante revela implicaciones del
comportamiento del sistema representado por el modelo.
30. 30
HISTORIA DE LA
DINÁMICA DE SISTEMAS
Forrester estableció un paralelismo entre los sistemas
dinámicos (o en evolución) y uno hidrodinámico, constituido por
depósitos, intercomunicados por canales con o sin retardos,
variando mediante flujos su nivel, con el concurso de
fenómenos exógenos.
la dinámica de sistemas, permite en estos días ir más allá de
los estudios de casos y las teorías descriptivas. La dinámica de
sistemas no está restringida a sistemas lineales, puediendo
hacer pleno uso de las características no-lineales de los
sistemas. Combinados con las computadoras, los modelos de
dinámica de sistemas permiten una simulación eficaz de
sistemas complejos. Dicha simulación representa la única forma
de determinar el comportamiento en los sistemas no-lineales
complejos.
32. 32
Reflexión inicial
No vivimos en un mundo unidireccional, en el cual un
problema conduce a una acción que lleva a una
solución (pensamiento lineal)
La magnitud de los resultados tampoco es lineal, estos
pueden crecer o decrecer en el tiempo (evolución no
lineal).
Vivimos en un entorno circular en movimiento. Nuestro
presente esta condicionado por nuestro pasado, al igual
que nuestro futuro lo estará por las acciones que
hagamos en el presente. No hay comienzo ni
terminación del proceso.
33. 33
Sistemas abiertos y de
retroalimentación
Sistema abierto
Se caracteriza por salidas que responden a entradas, pero
las salidas no tiene influencia sobre las entradas
No conoce su propio desempeño y las acciones pasadas no
controlan a las acciones futuras
Sistema salida
entrada
34. 34
Sistemas abiertos y de
retroalimentación
Sistema de retroalimentación o cerrado
Está influenciado por su propio comportamiento pasado
Estructura de lazo cerrado que retorna resultados de
acciones pasadas con el fin de controlar acciones futuras
Sistema
entrada salida
retroalimentación
35. 35
Retroalimentación positiva
y negativa
Negativa
Busca una meta y responde con una consecuencia de caídas
hasta alcanzar una meta
Ocurre cuando el cambio en un sistema produce menos y menos
cambios en la misma dirección, hasta que la meta es alcanzada
Ejemplo: Desinflado de un balón
Positiva
Genera procesos de crecimiento, donde las acciones construyen
un resultado que genera acciones aún mas grandes.
Ejemplo: reproducción de conejos
36. 36
Teoría, métodos y filosofía para analizar el comportamiento de los
sistemas
Un proyecto de DS comienza con un problema que hay que resolver o
un comportamiento indeseable que hay que corregir
En un proyecto de DS se da un mayor peso a la riqueza de información
que la gente posee en sus mentes sobre los datos mesurables.
Una organización domina la toma de decisiones por parte de los
individuos
Un modelo de DS es una estructura de políticas en interacción,
entendiéndose por política la representación de las causa de una
acción y no una norma formal escrita.
Dinámica de Sistemas
37. 37
La mayor parte de los problemas se origina en causas internas,
aunque se culpe a los factores externos.
Las acciones que se emprenden, normalmente bajo la creencia
de que son una solución a los problemas, son a menudo la
causa de los problemas que se experimentan
La propia naturaleza de la estructura dinámica realimentada de
un sistema tiende a conducir, erróneamente, a acciones que
son ineficaces e incluso contraproducentes.
Los individuos disponen de suficiente información sobre un
sistema como para permitir, con éxito, su modelado.
Postulados básicos de la DS
38. 38
Marco operativo de la DS
1
2
3
Estudio de Casos
(Harvard BS)
Enfoque matemático,
cuantitativo y de
investigación en la
dirección de la empresa
(MIT, Universidad de Carnegie)
Combinación de
información numérica y
descriptiva
Modelamiento y
simulación dinámica
Bell Telephones y MIT
39. 39
Estudio de Caso
Desventaja
La descripción de un caso incluye políticas y
relaciones dentro de un sistema que es
demasiado complejo para ser comprendido
intuitivamente
Generan conclusiones dinámicas equivocas y
resultan ineficaces para descubrir los motivos por
los cuales corporaciones , en condiciones
aparentemente similares, ofrecen
comportamientos muy diferentes.
40. 40
Enfoque cuantitativo en la
Dirección
Desventaja
Los primeros métodos se limitaban a la análisis lineal y
enfatizan soluciones optimas mas que respuestas practicas
y realistas
Tratan a las funciones empresariales por separado
Los métodos cuantitativos tradicionales no han incorporado
la estructura de realimentación que engloba el proceso de
toma de decisiones.
41. 41
Dinámica de sistemas
Permite ir más allá de los estudios de casos y las teorías
descriptivas.
La dinámica de sistemas no está restringida a sistemas lineales,
pudiendo hacer pleno uso de las características no-lineales de
los sistemas.
Combinados con las computadoras, los modelos de dinámica
de sistemas permiten una simulación eficaz de sistemas
complejos. Dicha simulación representa la única forma de
determinar el comportamiento en los sistemas no-lineales
complejos.
42. 42
Modelos y toma de
decisiones
Un modelo es una representación de un sistema real.
El valor de un modelo surge cuando éste mejora
nuestra comprensión de las características del
comportamiento en forma más efectiva que si se
observará el sistema real.
Un modelo, comparado con el sistema verdadero
que representa, puede proporcionar información a
costo más bajo y permitir el logro de un conocimiento
más rápido de las condiciones que no se observan
en la vida real.
43. 43
Modelos estáticos
Los modelos estáticos describen un sistema, en
términos de ecuaciones matemáticas, donde el
efecto potencial de cada alterativa es evaluada a
través de ecuaciones. La actuación del sistema es
determinada sumando los efectos individuales. Los
modelos estáticos ignoran las variaciones en el
tiempo
44. 44
Modelos dinámicos
Los modelos dinámicos son una representación de la conducta
dinámica de un sistema
Mientras un modelo estático involucra la aplicación de una sola
ecuación, los modelos dinámicos, por otro lado, son reiterativos.
Los modelo dinámicos constantemente aplican sus ecuaciones
considerando cambios de tiempo.
La característica fundamental que interesa considerar es la
evolución del sistema en el tiempo.
Determinar las interacciones que permiten observar su
evolución.
45. 45
Construcción de un modelo
de Dinámica de sistemas
Conceptualización
Formulación
Prueba
Implementación
46. 46
Conceptualización
Definir el propósito del modelo
Definir las fronteras del modelo e identificar las variables
principales
Describir el comportamiento o dibujar los
comportamientos de referencia de las variables
principales
Diagramar los mecanismos básicos, los ciclos de
realimentación, del sistema
48. 48
Prueba
Simular el modelo y probar las hipótesis dinámicas
Probar los supuestos del modelo
Probar el comportamiento del modelo y la sensibilidad a
perturbaciones
50. 50
Ejemplo de modelación y
simulación
Productividad humana
Cuando nos encontramos con muchos proyectos a realizar,
trabajamos mas rápido e intenso, pero cuando la demanda de
tareas es baja, con algunas tareas a completar la productividad
usualmente cae.
52. 52
DS en la estrategia de
calidad
La mayoría de los análisis estratégicos en la empresa
son disparados por una crisis o la necesidad urgente de
la solución de un problema
Los modelos en dinámica de sistemas pueden jugar un
rol importante en el entendimiento de un problema y sus
causas, determinar las consecuencias o cursos de
acción alternativos y probar alternativas bajo diferentes
escenarios.
54. 54
Estrategia de DS
Análisis
Usualmente disparado por una significativa o
persistente desviación entre el desempeño actual
y el desempeño deseado
Involucra una estructura operativa, la prueba y el
refinamiento del entendimiento de los problemas
estratégicos de la organización las opciones posibles
para afrontar la brecha de desempeño.
56. 56
Estrategia de DS
Control
Monitorear el desempeño y la
retroalimentación debida a éxitos,
problemas, oportunidades, experiencias y
lecciones de aprendizaje
La fase de control es donde la
organización continuamente aprende
57. 57
Conclusión
Independientemente del factor “tiempo” o “urgencia” la
DS es una estrategia integral para formar hábitos de
pensamiento sistemico y mas állá, esto es, modelar y
simular una posible realidad.
Al igual que la matemática, la DS debe ser entrenada
para no convertirse en la “n-ésima” herramienta de
calidad, si no en una practica que permita “diseñar
empresas” y mejorar el diseño de los sistemas de
calidad
58. 58
La simulación dinámica nos permiten usar lo mejor del
conocimiento y experiencia de los miembros de la
organización junto con la información numérica, para
experimentar sobre el sistema (modelo), pero no con el
sistema (empresa).
Conclusión
61. 61
EVENTOS DISCRETOS
La llamada “nueva economía” se caracteriza por la
globalización de las operaciones de las empresas, y por el
uso intensivo de tecnologías de información, factores que
han distinguido, en los últimos años, a los sectores de las
industrias de desarrollo de software,telecomunicaciones,
servicios de entretenimiento y noticias, servicios por
Internet, manufactura de circuitos electrónicos,
computadoras, juegos de video, biotecnología y
farmacéuticos, principalmente. En los inicios del nuevo
milenio, encontramos que muchas de las características de
los sectores de la nueva economía se observan también en
otros sectores de la industria.
62. 62
Las empresas necesitan ser capaces de introducir rápidamente
nuevos productos y servicios para atraer clientes, y a
menudo los diseños del producto y del proceso productivo
deben ser lo suficientemente flexibles para permitir la
incorporación de las nuevas características que demanda
un mercado en crecimiento. Por ejemplo, el concepto de
manufactura a pedido empieza a difundirse en sectores
como el de la venta de ropa de moda, donde marcas como
Zara y World pueden diseñar un nuevo producto y
abastecer a las tiendas en plazos de tan sólo tres semanas.
Esta flexibilidad en los procesos productivos se
complementa adecuadamente con la implantación de
metodologías para pronosticar la demanda con base en la
aceptación inicial del producto, lo que permite planear la
producción para responder adecuadamente a la demanda de
productos que tienen ciclos de vida relativamente cortos.
63. 63
los procesos de producción con capacidad para responder de manera
rápida, económica y apropiada a los requerimientos del cliente,
descansan fundamentalmente en cuatro factores: (1) datos disponibles
y confiables de los puntos de venta, (2) pronósticos adecuados, (3)
cadena de suministro rápida, y (4) adecuada planeación de los
inventarios y precios. Cuando una empresa decide implantar este tipo
de estrategia de ventas, a menudo debe adoptar nuevas tecnologías de
información y herramientas de software para lograr estos cuatro
objetivos.
La “Simulación de Evento Discreto” es una herramienta de análisis que se
difunde rápidamente en el ambiente empresarial, comprobando su
utilidad para apoyar la toma de decisiones relacionadas con la
planeación de la producción y los inventarios, y con el diseño de los
sistemas de producción y sus cadenas de suministro.
64. 64
La “Simulación de Evento Discreto”
El concepto de sistema de evento discreto tiene por
finalidad el identificar a sistemas en los que los eventos
que cambian el estado del mismo ocurren en instantes
espaciados en el tiempo, a diferencia de los sistemas
cuyo estado puede cambiar continuamente en el tiempo
(como la posición de un auto en movimiento). Aunque
aparentemente simples, los sistemas de evento discreto
pueden modelar muchos de los fenómenos que enfrentan
los responsables de la administración de los procesos
productivos en una empresa. Por ejemplo, los inventarios
de cualquier producto sólo se alteran ante la ocurrencia
de alguno de dos eventos: (1) ingreso de un lote de
abastecimiento, o (2) retiro de cierta cantidad del producto
para satisfacer el pedido de un cliente, de la misma
manera como el dinero disponible en cualquier cuenta
bancaria sólo puede cambiar a consecuencia de un
depósito, o a consecuencia de un retiro.
65. 65
Los primeros intentos para simular sistemas de evento discreto
datan de la década de los años 60, donde se desarrollan las
primeras simulaciones en computadora para planear proyectos
de gran envergadura, aunque a un costo alto y utilizando
lenguajes de propósito general (a menudo FORTRAN). Las
primeras herramientas para facilitar el uso de la simulación de
evento discreto aparecen en la forma de lenguajes de
simulación en la década de los años 70, aunque la
programación en estos lenguajes se realiza todavía por medio
de comandos escritos en un archivo. Lenguajes como GPSS,
SIMSCRIPT, SLAM y SIMAN tienen una amplia difusión en
los años 80, paralela a una gran producción científica
relacionada con las posibles aplicaciones de la simulación de
evento discreto, y el desarrollo de métodos para el análisis de
experimentos por simulación, para generar por computadora la
ocurrencia de eventos siguiendo patrones probabilísticos, y
para permitir que el motor del lenguaje pueda modelar una
gama amplia de aplicaciones.
66. 66
En la década de los 90, la difusión de las computadoras
personales, y la aparición de paquetes de simulación
que se programan en ambientes gráficos, y con
capacidades de animación, permite que la simulación
se difunda ampliamente como herramienta para el
diseño y análisis
en diversos sectores tanto de la industria de
manufacturas como de servicios (por ejemplo,
telecomunicaciones, salud, transporte y cadenas de
restaurantes). Actualmente se pueden distinguir en el
mercado dos tipos de paquetes para simulación de
evento discreto: los de propósito general y los
orientados hacia alguna aplicación o sector industrial
específico. Entre los paquetes más conocidos de
propósito general, se pueden mencionar a Arena,
Simul8, GPSS/H, AweSim, y MODSIM III, mientras que
entre los paquetes con orientación hacia alguna
aplicación se puede mencionar a AutoMod, ProModel,
SIMFACTORY II.5, QUEST y Arena Packaging Edition
67. 67
COMNET III y OPNET Modeler para redes de
comunicaciones, SIMPROCESS, ProcessModel,
ServiceModel y Arena Business Edition para analizar
flujos en procesos de negocios, y MedModel para
servicios del cuidado de la salud. Los paquetes
mencionados permiten la programación en un
ambiente gráfico por medio de módulos, y pueden
incorporar animación a sus modelos, lo que además
de facilitar la programación del modelo de
simulación, se constituye en una herramienta valiosa
para la verificación y demostración de las
capacidades del modelo.
se presenta una la animación de un sistema de
almacenamiento y
70. 70
Aplicaciones en manufactura
La manufactura ha sido tradicionalmente una de las áreas de
aplicación más importantes de la simulación de evento
discreto. Tanto es así que la mayoría de paquetes de
simulación de propósito general incluyen módulos que
permiten modelar fácilmente recursos y características de
los sistemas de manufactura; por ejemplo, los módulos que
se utilizan para modelar el desempeño de recursos de mano
de obra y equipo, a menudo tienen capacidad para modelar
indisponibilidad de los recursos, así como fallas y
bloqueos que pudieran ocurrir durante el proceso de
manufactura.
A menudo los paquetes de simulación disponen también de
módulos para modelar el comportamiento de equipo para
el manejo y traslado de materiales, como vehículos
automáticos, bandas transportadoras, carros, montacargas u
otros mecanismos para el transporte de materiales.
71. 71
Cabe mencionar que el modelado de ciertos transportadores
(como las bandas transportadoras) utilizando algún
lenguaje de propósito general, no es trivial. La capacidad
de los paquetes de simulación de evento discreto para
modelar mecanismos de transportación se ha utilizado
exitosamente para modelar también la congestión en
sistemas de transporte vial.
Las principales aplicaciones de la simulación de evento
discreto en manufactura se relacionan tanto con el diseño y
disposición de las instalaciones como con la planeación y
el control de las actividades productivas. Las aplicaciones
relacionadas con el diseño y disposición de las
instalaciones incluyen la evaluación de decisiones sobre el
número, tipo y disposición de máquinas y equipo, la
localización y tamaño de los diferentes espacios para el
material en proceso, y los requerimientos de
transportadores y equipo de apoyo, entre otras.