Es grato invitarlos a mi blog, la información mostrada es valiosa e importante.

HISTORIA Y EVOLUCIÓN DE LA SIMULACIÓN

John. Von Neumann.


La simulación tuvo origen hace 5000 años, con los juegos de guerra chinos, llamados Weichi y continúa en 1780 cuando los habitantes de Prusia utilizaron los juegos para ayudar a entrenar a su ejército. A su vez, se comenta que la simulación se originó en la segunda Guerra Mundial cuando dos matemáticos, John Von Neumann y S.Ulam, tenían el reto de resolver un problema complejo relacionado con el comportamiento de los neutrones. Los experimentos basados en prueba y error eran muy caros y el problema era demasiado complicado para abordarlo mediante técnicas analíticas. La aproximación que cogieron se basa en la utilización de números aleatorios y distribuciones de probabilidad. El método desarrollado fue llamado "método de Montecarlo" por el paralelismo entre la generación de números aleatorios y el juego de la ruleta.

Durante la Guerra Fría se intensificó el uso de la simulación para resolver problemas de interés militar; trayectorias y dinámicas de satélites artificiales, guiar mísiles, etc. Muchos de estos problemas exigen la resolución de sistemas de ecuaciones diferenciales no lineales. Para abordar estos problemas se utilizaron ordenadores analógicos que usaban elementos electrónicos para resolver las operaciones matemáticas: integración, suma, multiplicación, generación de funciones, etc.  Empero, fue a partir
de la década de los 60 que empiezan a aparecer en el mercado programas de simulación de sistemas de acontecimientos discretos que poco a poco se empezaron a utilizar para resolver problemas de ámbito civil. Los más destacables fueron el GPSS de IBM (General Purpose System Simulator) y el SIMSCRIPT. Los modelos de acontecimientos discretos son muy utilizados en la actualidad para estudiar problemas de fabricación de procesos, logística, transporte, comunicaciones y servicios. Estos problemas se caracterizan por centrar su interés en los cambios que hay en el sistema como consecuencia de los acontecimientos y en su capacidad para modelar los aspectos aleatorios del sistema. No obstante, la revolución que se produjo en la informática a partir de los años 80, tiene un impacto importante en la simulación por ordenador. El uso de simuladores se generaliza en prácticamente todos los ámbitos de la ciencia y la ingeniería, más que todo predicción del tiempo, entrenamientos de militares, etc.

Actualmente, el uso de la simulación se ha ampliado al sector del ocio y ha entrado en el ámbito familiar con productos de software sofisticado, que utilizan todos los recursos del ordenador: gráficos potentes, bases de datos, computación intensiva, etc. Algunos de los simuladores más populares son MS Flight Simulator, NASCAR Racing, SimCity, Civilization, RollerCoaster Tycoon, y The Sims.

Fuente: RENDER, Barry. STAIR. JR, Ralph M. HANNA, Michael E. Métodos cuantitativos para los negocios. Novena edición. Editorial Pearson Prentice Hall. Pág. 609-610.

SIMULACIÓN VS EXPERIMENTACIÓN

SIMULACIÓN.



La simulación es una técnica numérica para conducir experimentos en una computadora digital. Estos experimentos comprenden ciertos tipos de relaciones matemáticas y lógicas, las cuales son necesarias para describir el comportamiento y la estructura de sistemas complejos del mundo real a través de largos períodos de tiempo.

Para el investigador H. Maisel y G. Gnugnoli:
La simulación es una técnica numérica para realizar experimentos en una computadora digital. Estos experimentos involucran ciertos tipos de modelos matemáticos y lógicos que describen comportamiento de sistemas de negocios, económicos, sociales, biológicos, físicos o químicos a través de largos períodos de tiempo.

Otros estudiosos del tema como Robert E. Shannon, definen simulación como:
Simulación es el proceso de diseñar y desarrollar un modelo computarizado de un sistema o proceso y conducir experimentos con este modelo con el propósito de entender el comportamiento del sistema o evaluar varias estrategias con las cuales se puede operar el sistema.
 
En general, la simulación es la imitación de un sistema real sin ser el sistema o la representación de un proceso o fenómeno mediante otro más simple, que permite analizar sus características; Pero la simulación no es solo eso también es algo muy cotidiano, hoy en día, puede ser desde la simulación de un examen, que le hace la maestra a su alumno para un examen del ministerio, la producción de textiles, alimentos, juguetes, construcción de infraestructuras por medio de maquetas, hasta el entrenamiento virtual de los pilotos de combate. Para poder imitar un sistema hay que determinar las variables que intervienen en el sistema, estas pueden ser cuantitativas o cualitativas y para poder estudiar el sistema se debe observar sus características por medio de un modelo.


Fuente: COSS BU, Raúl. Simulación un enfoque práctico. Editorial Limusa noriega editores. Pág 11-12.


EXPERIMENTACIÓN.

La experimentación es una técnica utilizada para encontrar el comportamiento de una variable a partir de diferentes combinaciones de factores o variables de entrada de un proceso, que al cambiar afectan la respuesta. Para entrar a experimentar es necesario pasar primero por el diseño de experimentos, esta técnica busca la manipulación sistemática de las variables de entrada de un proceso para entender el efecto que estas pueden causar en la variable respuesta. 

Es ampliamente utilizado en las empresas debido a que éste permite visualizar situaciones que pueden suceder a partir de la realización de un proceso. En la industria se utiliza principalmente para buscar el mejoramiento del rendimiento de un proceso, para reducir la variabilidad y permitir que haya un mayor acercamiento a los parámetros de la empresa, para reducir tiempos de procesamiento y reducir costos. Cualquier problema experimental incluye: diseño del experimento y análisis de los datos.

Fuente: DÍAZ CADAVID, Abel. Diseño estadístico de experimentos. Segunda edición. Colección ciencia y tecnología. Pág 8-10.

PROCEDIMIENTO PARA SIMULAR

Se ha escrito mucho acerca de los pasos necesarios para realizar un estudio de simulación. Sin embargo, la mayoría de los autores opinan que los pasos necesarios para llevar a cabo un experimento de simulación son:

  • Definición del sistema: Para tener una definición exacta del sistema que se desea simular, es necesario hacer primeramente un análisis preliminar del mismo, con el fin de determinar la interacción del sistema con otros sistemas, las restricciones del sistema, las variables que interactúan dentro del sistema y sus interrelaciones, las medidas de efectividad que se van a utilizar para definir y estudiar el sistema y los resultados que esperan obtener del estudio.   
  • Formulación del modelo: Una vez que están definidos con exactitud los resultados que se esperan obtener del estudio, el siguiente paso es definir y construir el modelo con el cual se obtendrán los resultados deseados. En la formulación del modelo es necesario definir todas las variables que forman parte de él, sus relaciones lógicas y los diagramas de flujo que describan en forma completa al modelo.
  • Colección de datos: es posible que la facilidad de obtención de algunos datos o la dificultad de conseguir otros, pueda influenciar el desarrollo y formulación del modelo. Por consiguiente, es muy importante que se definan con claridad y exactitud los datos que el modelo va a requerir para producir los resultados deseados. Normalmente, la información requerida por un modelo se puede obtener de registros contables, de órdenes de trabajo, de órdenes de compra, de opiniones de expertos y si no hay otro remedio por experimentación. 
  • Implementación del modelo en la computadora: Con el modelo definido, el siguiente paso es decidir si se utiliza algún lenguaje como fortran. Basic, algol, etc,, o se utiliza algún paquete como GPSS, simula, simscript, etc., para procesarlo en la computadora y obtener los resultados deseados.
  • Validación: Una de las principales etapas de un estudio de simulación es la validación. A través de esta etapa es posible detallar deficiencias en la formulación del modelo o en los datos alimentados al modelo. Las formas más comunes de validar un modelo son: La opinión de expertos sobre los resultados de la simulación, la exactitud con que se predicen datos históricos, la exactitud en la predicción del futuro, la comprobación de falla del modelo de simulación al utilizar datos que hacen fallar al sistema real y la aceptación y confianza en el modelo de la persona que hará uso de los resultados que arroje el experimento de simulación.
  • Experimentación: La experimentación con el modelo se realiza después de que éste ha sido validado. La experimentación consiste en generar los datos deseados y en realizar análisis de sensibilidad de los índices requeridos.
  • Interpretación: En esta etapa del estudio, se interpreta los resultados que arroja la simulación y en base a esto se toma una decisión. Es obvio que los resultados que se obtienen de un estudio de simulación ayudan a soportar decisiones del tipo semi-estructurado, es decir, la computadora en sí no toma la decisión, sino que la información que proporciona ayuda a tomar mejores decisiones y por consiguiente a sistemáticamente obtener mejores resultados.
  • Documentación: Dos tipos de documentación son requeridos para hacer un mejor uso del modelo de simulación. La primera se refiere a la documentación de tipo técnico. La segunda se refiere al manual del usuario, con el cual se facilita la interacción y el uso del modelo desarrollado, a través de una terminal de computadora.
Fuente: COSS BU, Raúl. Simulación un enfoque práctico. Editorial Limusa noriega editores. Pág 13-15.

VENTAJAS Y DESVENTAJAS DE SIMULACIÓN

Ventajas
  • Proporciona un método más simple de solución cuando los procedimientos matemáticos son complejos y difíciles.
  • Aplicando simulación no es necesario llegar a la interrupción de operaciones en la compañía.
  • Suministra distintas alternativas sobre las cuales se puede explorar.
  • Proporciona un control total sobre el tiempo, debido a que un fenómeno se puede acelerar.
  • Suele ser más barato mejorar un sistema por medio de la simulación que hacerlo en un sistema real.
  • Los métodos de simulación son más fáciles de visualizar y comprender que los métodos analíticos, generando los primeros un entendimiento profundo del sistema
  • Al construir un modelo de simulación se puede llegar a modificar de forma rápida analizando diferentes políticas o escenarios. Los modelos de simulación permiten análisis de sensibilidad.
  • La simulación en algunos casos suele ser el único medio para lograr una solución.
  • Soluciona problemas sin resultados analíticos.
  • Los métodos de simulación proveen un análisis de sistemas con mayor complejidad y menor detalle, lo contrario a los métodos analíticos que por lo general son sencillos y se dan grandes números de suposiciones.
  • Analiza el efecto sobre el rendimiento global de un sistema, de pequeños cambios realizados en una o varios de sus componentes.
  • Se utiliza como perspectiva pedagógica para ilustrar y facilitar la comprensión de los resultados que se obtienen mediante las técnicas analíticas.
  • Analiza un sistema transmitiendo sugerencias de posibles mejoras a realizar en el sistema real, así como detectar cuales variables influyen más en el rendimiento de este sistema real.
  • Contribuye a la reducción del riesgo inherente a la toma de decisiones.
Desventajas
  • La simulación es imprecisa, y su grado de imprecisión es inmedible.
  • Al realizar un buen modelo de simulación se incurren en muchos costos, debido a que el proceso que se desarrolla es largo y complicado.
  • Las soluciones e inferencias de un modelo de simulación no se pueden transferir a la solución de otros problemas, debido a que cada modelo de simulación es único.
  • Los modelos de simulación no generan soluciones óptimas.
  • La solución de un modelo  de simulación  puede dar al análisis  un falso sentido de seguridad.
  • Se requiere gran cantidad de corridas computacionales para encontrar soluciones., incurriendo en pérdida de tiempo y en grandes costos.
  • La simulación no genera soluciones óptimas a problemas de análisis cuantitativos, en técnicas como cantidad económica de pedido, programación lineal o PERT.
  • Los resultados de simulación son numéricos; por tanto, surge el peligro de atribuir a los números un grado mayor de validez y precisión.
  • Si el problema posee muchas variables, deben quedar ciertas variables por fuera que pueden cambiar completamente los resultados en la vida real que la simulación no previó;  en ingeniería se “minimizan riesgos, no se evitan”.
  • La simulación requiere largos periodos de desarrollo.

Fuente: GÓMEZ RAMIREZ, Martha Irene. Simulación de procesos de empresas. 2009.

VENTAJAS Y DESVENTAJAS DE EXPERIMENTACIÓN

Ventajas
  • El número de pruebas que se desea realizar se determina con certeza y por lo general puede reducirse.
  • La exactitud de los resultados o conclusiones se conocen con una precisión que se encuentra definida matemáticamente.
  • Se enfoca en la interrelación, estimación y cuantificación de las fuentes de variabilidad en los resultados.
  • Como se agrupan los resultados logrados, entonces al comparar los efectos de los cambios se genera mayor precisión.
  • Determina las propiedades absolutas de un conjunto de objetos.
  • Permite establecer relaciones causa-efecto entre las variables de respuesta y los factores controlados.
  • Elimina el máximo número de causas que producen error en el sistema, y reduce al mínimo la influencia de aquellas que no son eliminables. Es decir, la idea de la experimentación es reducir la magnitud de los errores, debido a que resulta imposible eliminarlo del todo.
  • Ejerce control sobre la influencia de variables exógenas o que no entran en el estudio.
  • Usa técnicas de mediciones adecuadas, aparatos y procesos con precisión garantizada.
  • Se enfatiza respecto a las alternativas anticipadas y respecto a la pre-planeación sistemática, permitiendo aun la ejecución por etapas y la producción única de datos útiles para el análisis en combinaciones posteriores.
Desventajas
  • Suele utilizar algunos diseños estadísticos que son carros, complicados y que requieren de mucho tiempo.
  • Los diseños estadísticos utilizados están acompañados de enunciados basados en el lenguaje técnico del estadístico.
  • Pocas veces utiliza la representación gráfica como un paso preliminar de un procedimiento más analítico.

Fuente: DÍAZ CADAVID, Abel. Diseño estadístico de experimentos. Segunda edición. Colección ciencia y tecnología. Pág 8-10.

TIPOLOGÍA DE MODELOS


1. MODELOS SIMBÓLICOS: Son más específicos que los modelos verbales. Ellos representan un puente útil en el proceso de simbolizar un modelo verbal. Estos aíslan las variables y representan la realidad a través de símbolos, los que tienen generalmente un carácter matemático o lógico. Estos pueden clasificarse en:

1.1 Modelos matemáticos: Son más rigurosos; se valen de variables cuantitativas, como fórmulas para representar las partes de un proceso o un sistema. También son los más abstractos y a la vez, los más fáciles de usar debido a que todas las relaciones están expresadas con precisión, reduciendo asi la posibilidad de malas interpretaciones por los usuarios del modelo. Estos modelos a su vez se clasifican en:
1.1.1 Modelos cuantitativos: es aquel cuyos principales símbolos representan números. Son los más comunes y útiles en los negocios.
1.1.2 Modelos cualitativos: aquel modelo cuyos símbolos representan en su mayoría a Cualidades no numéricas. Una fuente importante es la teoría de conjuntos.
1.1.3 Modelo Probabilístico: aquellos basados en la estadística y probabilidades (donde se incorpora las incertidumbres que por lo general acompañan nuestras observaciones de eventos reales). Este modelo se clasifica en discreto y continuo.
  • Modelo probabilístico continuos: Representan sistemas cuyos cambios de estado son graduales. Las variables intervinientes son continuas.
  • Modelo probabilístico discreto: Representan sistemas cuyos cambios de estado son de a saltos. Las variables varían en forma discontinua.
  •  Modelo estocástico: Representan sistemas donde los hechos suceden al azar, lo cual no es repetitivo. No se puede asegurar cuáles acciones ocurren en un determinado instante. Se conoce la probabilidad de ocurrencia y su distribución probabilística. (Por ejemplo, llega una persona cada 20 ± 10 segundos, con una distribución x probable dentro del intervalo).
1.1.4 Modelo Deterministico: corresponde a aquel modelo cuantitativo que no contiene consideraciones probabilísticas.
1.1.5 Modelo Descriptivo: cuando el modelo simplemente describe una situación del mundo real en términos matemáticos, descripción que puede emplearse para exponer una situación con mayor claridad, para indicar como pueden reajustarse o aún para determinar los valores de ciertos aspectos de la situación.
1.1.6 Modelo Optimizador: corresponde al modelo ideado para seleccionar entre varias alternativas, de acuerdo a determinados criterios, la más óptima.
1.1.7 Modelo estático: Utilizados para representar sistemas cuyo estado es invariable a través del tiempo. El modelo estático puede ser:
  • Modelo numérico: Se tiene el comportamiento numérico de las variables intervinientes. No se obtiene ninguna solución analítica.
  • Modelo analítico: La realidad se representa por fórmulas matemáticas. Estudiar el sistema consiste en operar con esas fórmulas matemáticas (resolución de ecuaciones).
1.1.8 Modelo dinámico: Utilizados para representar sistemas cuyo estado varía con el tiempo. Estos pueden ser:
  • Modelo numérico: Se tiene el comportamiento numérico de las variables intervinientes. No se obtiene ninguna solución analítica.
  • Modelo analítico: La realidad se representa por fórmulas matemáticas. Estudiar el sistema consiste en operar con esas fórmulas matemáticas (resolución de ecuaciones).
1.2. Modelos verbales: Explicación con palabras de lo fundamental de una realidad.

2. MODELOS MENTALES: Son un conjunto de conceptos que conforman la estructura mental a través de la cual percibimos el mundo exterior y las experiencias personales.

Este conjunto de conceptos es el producto de la enseñanza, los patrones culturales, la experiencia y el entrenamiento.

3. MODELOS FÍSICOS: Representan la entidad estudiada en cuanto a su apariencia y, hasta cierto punto, en cuanto a sus funciones. Las actividades del sistema se reflejan en las leyes físicas que subyacen el modelo. Estos se clasifican en:

3.1.1 Modelo icónico: Tienen aspecto de realidad pero no se comportan efectivamente en la forma real.
3.1.2 Modelo analógico: Exhiben el comportamiento real de la entidad estudiada pero no tiene el mismo aspecto.
3.1.3 Modelo digital: El objeto se codifica en cifras organizadas en estructura de datos. Las relaciones de correspondencia son matemáticas, estadísticas o geométricas.
3.1.4 Modelo estático: Corresponden a los modelos a escala así como los modelos icónicos.
3.1.5 Modelo dinámico: Corresponden a los modelos analógicos.

Fuente: “Introducción a la Simulación”. Disponible en < http://wwwdi.ujaen.es/asignaturas/computacionestadistica/pdfs/tema1.pdf>.