Introducción a la simulación (d)

1.5 Ventajas y desventajas de la simulación 

Ventajas:

La simulación ofrece diversas ventajas, entre las que se incluyen:

• Evaluación de impacto: Permite evaluar el impacto de cambios en los procesos sin necesidad de implementarlos en la realidad.

• Mejora de comprensión: Facilita la comprensión del proceso, al observar cómo se comporta el modelo bajo diferentes escenarios.

• Herramienta de capacitación: Puede utilizarse como herramienta de capacitación para la toma de decisiones.

• Economía: Es más económico realizar un estudio de simulación que llevar a cabo múltiples cambios en los procesos reales.

• Identificación de mejores condiciones: Permite probar varios escenarios para identificar las mejores condiciones de trabajo en los procesos simulados.

• Solución de problemas complejos: En problemas de gran complejidad, la simulación puede conducir a una solución efectiva.

Desventajas:

• Aunque muchos paquetes de software permiten identificar el mejor escenario a partir de una combinación de variaciones posibles, la simulación no es una herramienta de optimización. Se recomienda el uso de algoritmos propios para mejorar el estudio.

• La simulación puede resultar costosa cuando se aplica a problemas relativamente simples que podrían resolverse analiticamente.

• Requiere mucho tiempo, generalmente meses, para realizar un estudio de simulación completo. Esto puede ser un inconveniente para investigadores que necesitan respuestas rápidas.

• Es fundamental que el investigador no solo tenga habilidades en el uso de software de simulación, sino también conocimientos sólidos de programación, probabilidad y estadística para interpretar correctamente los resultados.

1.6. Etapas de un Proyecto de simulación 

1. Definición del sistema bajo estudio. En esta etapa es crucial comprender el sistema que se va a modelar. Para lograrlo, es necesario identificar la motivación detrás del estudio de simulación y establecer los supuestos del modelo. Es recomendable definir claramente las variables de decisión, determinar las interacciones entre ellas y establecer con precisión los alcances y limitaciones del modelo.

2. Generación del modelo de simulación base. Una vez definido el sistema en términos de un modelo conceptual, la siguiente etapa del estudio implica la creación de un modelo base de simulación. Este modelo no necesita ser excesivamente detallado, ya que se requiere una mayor cantidad de información estadística sobre el comportamiento de las variables de decisión del sistema. La generación de este modelo representa el primer desafío para el programador de la simulación, ya que debe traducir a un lenguaje de simulación la información obtenida en la etapa de definición del sistema, incluyendo las interrelaciones de todos los posibles subsistemas que existan en el problema a modelar. Si se necesita una animación, este también es un buen momento para determinar qué tipo de gráfico puede representar mejor el sistema modelado. 

3. Recolección y análisis de datos. Paralelamente a la generación del modelo base, se puede iniciar la recopilación de la información estadística de las variables aleatorias del modelo. En esta etapa, es fundamental determinar qué información es relevante para establecer las distribuciones de probabilidad asociadas a cada una de las variables aleatorias necesarias para la simulación. Aunque en algunos casos se cuenta con datos estadísticos, es común que el formato de almacenamiento o de generación de reportes no sea el más adecuado para facilitar el análisis. Por ello, es crucial dedicar suficiente tiempo a esta actividad. En caso de no contar con la información necesaria o de desconfiar de la disponible, será necesario realizar un estudio estadístico del comportamiento de la variable en cuestión para posteriormente incorporarla en el modelo. El análisis de los datos requeridos para asociar una distribución de probabilidad a una variable aleatoria, así como las pruebas que se deben aplicar, se abordarán más adelante. Una vez finalizada la recolección y análisis de datos de todas las variables del modelo, se tendrán las condiciones necesarias para generar una versión preliminar del problema que se está simulando. 

4. Generación del modelo preliminar. En esta etapa, se combina la información obtenida del análisis de los datos, los supuestos del modelo y todos los datos necesarios para crear un modelo que refleje lo más fielmente posible la realidad del problema en estudio. En ocasiones, especialmente al diseñar un nuevo proceso o esquema de trabajo, puede que no se disponga de información estadística. En estos casos, es necesario estimar un rango de variación o determinar, en colaboración con el cliente, valores constantes que permitan desarrollar el modelo. Si esto ocurre, el responsable de la simulación puede sugerir, basándose en su experiencia, algunas distribuciones de probabilidad comúnmente asociadas al tipo de proceso que se desea modelar. Al finalizar esta etapa, el modelo está listo para su primera prueba: la verificación o, dicho de otra manera, la comparación con la realidad. 

5. Verificación del modelo. Una vez identificadas las distribuciones de probabilidad en las variables del modelo y aplicados los supuestos acordados, es crucial realizar una verificación de datos para asegurar la corrección de la programación del modelo y garantizar el funcionamiento adecuado de todos los parámetros utilizados en la simulación. Algunos problemas, especialmente aquellos que requieren una programación compleja o que implican distribuciones de probabilidad difíciles de implementar, pueden resultar en un comportamiento del sistema que difiere significativamente de las expectativas. Además, no se puede descartar la posibilidad de errores humanos al introducir la información en el modelo. Incluso es posible que los supuestos iniciales hayan cambiado durante el desarrollo del modelo, por lo que es fundamental asegurarse de que el modelo a ejecutar esté basado en la información más actualizada. Una vez completada la verificación, el modelo está listo para compararse con la realidad del problema que se está modelando, lo que se conoce como validación del modelo.

6. Validación del modelo. El proceso de validación del modelo implica realizar una serie de pruebas utilizando información de entrada real para observar su comportamiento y analizar los resultados. 

7. Generación del modelo final . Una vez validado el modelo, el analista está preparado para llevar a cabo la simulación y estudiar el comportamiento del proceso. Si se desea comparar diferentes escenarios para un mismo problema, este modelo será la base; en ese caso, el siguiente paso es definir los escenarios a analizar. 

8. Determinación de los escenarios para el análisis. Después de validar el modelo, es crucial acordar con el cliente los escenarios que se desean analizar. Una forma sencilla de determinarlos es utilizar un escenario pesimista, uno optimista y uno intermedio para la variable de respuesta más importante. 

9. Análisis de sensibilidad. Una vez que se obtienen los resultados de los escenarios, es importante realizar pruebas estadísticas para comparar los escenarios con los mejores resultados finales. Si dos de ellos muestran resultados similares, será necesario comparar sus intervalos de confianza con respecto a la variable de respuesta final. Si los intervalos no se superponen, podremos afirmar con certeza estadística que los resultados no son iguales. Sin embargo, si los intervalos se superponen, será imposible determinar, estadísticamente hablando, que una solución es mejor que la otra. Si se desea determinar un escenario "ganador" en estos casos, será necesario realizar más réplicas de cada modelo y/o aumentar el tiempo de simulación de cada corrida. Esto ayudará a reducir los intervalos de confianza de las soluciones finales y, por lo tanto, aumentará la probabilidad de diferenciar las soluciones.

10. Documentación del modelo, sugerencias y conclusiones. Una vez completado el análisis de los resultados, es crucial documentar completamente el modelo. Esta documentación es fundamental, ya que permitirá el uso del modelo generado en caso de que se requieran ajustes en el futuro. Debe incluir los supuestos del modelo, las distribuciones asociadas a sus variables,  alcances, limitaciones, y en general, todas las consideraciones de programación. También es importante incluir sugerencias tanto para el uso del modelo como para interpretar los resultados, con el fin de proporcionar un reporte más completo. Por último, se deben presentar las conclusiones del proyecto de simulación, que servirán de base para elaborar los informes ejecutivos para la presentación final. 

Tarea:

Determine los elementos de cada uno de los siguientes sistemas, de acuerdo con lo que se comentó en la sección 1.4 Sistemas, Modelos y Control. Enviar un documento de texto con la respuesta.

1. La recepción de un hotel.

2. Un taller de tornos.

3. El proceso de pintura de un automóvil