Metodología de un estudio de simulación.

PASOS

FASES

• 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 se 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., 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.
  • 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 interpretan 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, es decir, a la documentación que el departamento de Procesamiento de Datos debe tener del modelo. 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.

PROCESO

Puesto que la simulación está basada fuertemente en la teoría de probabilidad y estadística, en matemáticas, en ciencias computacionales, etc., es conveniente decir algunas ideas de cómo intervienen estas áreas en el desarrollo y formulación del modelo de simulación.

• Generación de variables aleatorias no-uniformes

Si el modelo de simulación es estocástico, la simulación debe ser capaz de generar variables aleatorias no-uniformes de distribuciones de probabilidad teóricas o empíricas. Lo anterior puede ser obtenido si se cuenta con un generador de números uniformes y una función que transforme estos números en valores de la distribución de probabilidad deseada. A este respecto, se han desarrollado en una gran cantidad de generadores para las distribuciones de probabilidad más comunes como: La distribución normal, la distribución exponencial, la distribución poisson, la distribución erlang, la distribución binomial, la distribución gamma, la distribución beta, la distribución F, la distribución t, etc.

• Lenguajes de programación

Las primeras etapas de un estudio de simulación se refieren a la definición del sistema a ser un modelado ya la descripción del sistema en términos de relaciones lógicas de sus variables y diagramas de flujo. En esta etapa se tienen dos cursos de acción a seguir si no se tiene nada de software sobre simulación:

1) Desarrollar el software requerido para estudios de simulación.

2) Comprar software (lenguajes de programación de propósito especial). Para esta alternativa es necesario analizar y evaluar varios paquetes de simulación (GPSS, GASP, etc.) antes de tomar la decisión final.

• Condiciones iniciales

La mayoría de los modelos de simulación estocástica se corren con la idea de estudiar al sistema en una situación de estado estable. Sin embargo, la mayoría de estos modelos presentan en su etapa inicial estados transientes los cuales no son típicos del estado estable. Por consiguiente, es necesario establecer claramente las alternativas o cursos de acción que existen para resolver este problema. Algunos autores piensan que la forma de atacar este problema sería a través de:

• Usar un tiempo de corrida lo suficientemente grande de modo que los periodos transientes sean relativamente insignificantes con respecto a la condición de estado estable
• Excluir una parte apropiada de la parte inicial de la corrida.
• Utilizar simulación regresiva.
• Tamaño de la muestra

Uno de los factores principales a considerar en un estudio de simulación es el tamaño de la muestra (número de corridas en la computadora).

La selección de un tamaño de muestra apropiado que asegure un nivel deseado de precisión y a la vez minimice el costo de operación del modelo, es un problema algo difícil pero muy importante. Puesto que la información proporcionada por el experimento de simulación sería a la base apara decidir con respecto a la operación del sistema real, esta información deberá ser tan exacta y precisa como sea posible o al menos el grado de imprecisión presente en la información proporcionada por el modelo debe ser conocida. Por consiguiente, es necesario que un análisis estadístico sea realizado para determinar el tamaño de muestra requerido.

El tamaño de la muestra puede ser obtenido de dos maneras:

1. Previa e independiente de la operación del modelo, o

2. Durante la operación del modelo y basado en los resultados arrojados por el modelo. Para la última alternativa se utiliza la técnica estadística de intervalos de confianza.

• Diseño de experimentos

El diseño de experimentos es un tópico cuya relevancia en experimentos de simulación ha sido reconocida pero raramente aplicado. El diseño de experimentos en estudios de simulación puede ser de varios tipos, dependiendo de los propósitos específicos que se hayan planteado. Existen varios tipos de análisis que pueden ser requeridos.

• Comparación de las medidas y variancias de las alternativas analizadas.
• Determinación de la importancia y el efecto de diferentes variables en los resultados de la simulación.
• Búsqueda de los valores óptimos de un conjunto de variables.

Para realizar el primer tipo de análisis, al cual se le denomina comúnmente diseño de experimentos de un factor simple, es necesario tomar muy en cuenta el tamaño de la muestra, las condiciones iniciales y la presencia o ausencia de auto correlación. Para el segundo tipo de análisis, existe una gran cantidad de literatura, puesto que la gran mayoría de los libros de texto de diseño de experimentos, explican o tratan el tema de análisis de variancia y técnicas de regresión como medios para evaluar la importancia y el efecto de varias variables en los resultados de operación de un sistema. Para el tercer tipo de análisis, generalmente se requiere utilizar algoritmos heurísticos de búsqueda como por ejemplo el algoritmo de Hooke y Jeeves.

PLANES

Al decidir cómo modelar una metodología de un estudio de simulación, se encontrará la relación con los pasos, procesos, fases, etc. para un estudio de simulación exitoso. La metodología de un estudio  engloba varios aspectos, es decir, planes para llegar a la meta.

• Entender la metodología: Se debe tener un sentimiento intuitivo y realista de lo que sucede. Esto conllevara a verificar si la metodología para algún estudio de simulación es adecuada.
• Ser claro en los objetivos: Es esencial especificar acerca de lo que se observa, cambia y se manipula en algún caso. Es necesario tener los objetivos a través del estudio de simulación para mantener la atención enfocada en lo que es importante, tomar decisiones de la mejor manera de (o por lo menos de mejorar).
• Formular la representación del modelo: convencer a la administración y a los encargados de tomar decisiones para las suposiciones del modelado.

Ya mencionados algunos de los aspectos destacables, la metodología planea ayudar a visualizar en un futuro la determinación de la interacción con otros sistemas, las restricciones del sistema, las variables que actúan dentro del sistema y sus interrelaciones.

OBJETIVOS

• Presentar una abstracción simplificada de los elementos esenciales de una situación.
• Hacer explícitas las relaciones esenciales y las interacciones fundamentales en una situación.
• Desarrollar el variante tiempo más rápidamente de lo normal, de manera que las implicaciones que surjan de la acción de una situación dinámica puedan ser claramente experimentadas.
• Poner al participante en una situación de tensión, de manera que sienta el impacto directo de la toma de decisiones.
• Ofrecer la oportunidad de participar en el proceso de enseñanza aprendizaje tomando como base las líneas de autoaprendizaje.

Una de las ventajas más significativas en un modelo de simulación es su habilidad de acelerar el tiempo.

Bibliografía: 

Simulación-Un enfoque práctico, Coss Bu Raúl, Limusa-Noriega Editores.