Para tomar decisiones, los investigadores cuentan con diversas herramientas, entre las cuales se incluye el software especializado en simulación, el cual les permite abordar una amplia variedad de temas. Sin embargo, en muchas ocasiones, el software comercial se presenta como una "caja negra" limitada a unas pocas funciones, lo que puede restringir la calidad de las conclusiones que se pueden obtener. Lo ideal es que el investigador tenga conocimientos básicos de programación, lo que le permitirá diseñar y desarrollar algoritmos de simulación básicos y, según sus necesidades, algoritmos personalizados para evitar limitaciones en sus conclusiones. Por ejemplo, puede ser útil para determinar la mejor ubicación para una nueva planta, diseñar un nuevo sistema de trabajo o realizar el análisis productivo de un proceso existente que requiere mejoras. Sin duda, la facilidad que proporciona para abordar estas y muchas otras problemáticas ha impulsado significativamente el uso y desarrollo de la simulación como herramienta.
El concepto de simulación abarca soluciones para una amplia gama de propósitos. Por ejemplo, podríamos mencionar el caso de un modelo a escala de un avión que se introduce en una cámara donde se simula un flujo de aire, lo que permite estudiar los efectos que experimentará un avión real ante turbulencias. Por otro lado, algunos paquetes de software permiten simular el proceso de fresado o torneado: una vez que el usuario establece ciertas condiciones iniciales, puede observar cómo se llevaría a cabo el proceso real, lo que le permite realizar revisiones sin desperdiciar material ni poner en riesgo la maquinaria.
En este curso utilizaremos ecuaciones matemáticas y estadísticas en lo que se conoce como simulación de eventos discretos. Este proceso consiste en relacionar los diferentes eventos que pueden cambiar el estado de un sistema bajo estudio mediante distribuciones de probabilidad y condiciones lógicas del problema que se esté analizando. Por ejemplo, un proceso de inspección en el que sabemos estadísticamente que el 0.2% de los productos tiene algún tipo de defecto puede simularse fácilmente mediante una simple hoja de cálculo. Esto se logra considerando estadísticas de rechazos y productos conformes, y asignando una distribución de probabilidad con un 0.2% de probabilidad de defecto para cada intento de inspección. El proceso utiliza elementos relevantes como números pseudoaleatorios y pruebas estadísticas para verificar esta aleatoriedad, la generación de variables aleatorias y la caracterización de algunas distribuciones de probabilidad comúnmente utilizadas en la simulación. Todo esto nos permitirá realizar una simulación sencilla con la ayuda de programación básica en Python.