Unidad 1

1ª PARTE. CONCEPTOS Y DEFINICIONES. AGOSTO-DICIEMBRE 2024.

Sistema.
Como definición de sistema se puede decir que es un conjunto de elementos con relaciones de interacción e
interdependencia que le confieren entidad propia al formar un todo unificado.
Un sistema puede ser cualquier objeto, cualquier cantidad de materia, cualquier región del espacio, etc.,
seleccionado para estudiarlo y aislarlo, teóricamente, de todo lo demás. Así todo lo que lo rodea es entonces el
entorno o el medio donde se encuentra el sistema.
El enfoque de sistemas intenta estudiar el comportamiento de sistemas completos en vez de concentrarse en sus
partes. Se deriva de reconocer que aun optimizando cada elemento del sistema desde el punto operativo, el
comportamiento del sistema completo puede resultar menos que óptimo debido a las interacciones de los
elementos.

Características de los sistemas complejos:

1. Cambio. Ningún sistema del mundo real permanece estático durante un largo periodo. La condición o estado
real de un sistema es el resultado del pasado y es la base para el futuro.

2. Medio. El medio de un sistema es un conjunto de elementos y sus principales propiedades, el cual aún cuando
no forma parte del sistema, si se modifica, puede producir cambios en el estado del sistema, el medio está
constituido por todas las variables externas o exógenas que afectan al sistema. Cada sistema tiene su propio
medio.

3. Comportamiento intuitivo opuesto. Por lo general la causa y el efecto no se relacionan estrechamente en el

tiempo o el espacio, los efectos pueden aparecer después de mucho tiempo de que se dieran las causas. El
examen superficial a menudo indica la necesidad de acciones correctivas erróneas, que pueden intensificar los
problemas.

4. Tendencia al bajo rendimiento. Con el paso del tiempo las partes de un sistema físico se deterioran, en un
sistema lógico ocurre obsolescencia y surgen ineficiencias que van en perjuicio de su desempeño.
5. Interdependencia. Las actividades del mundo real influyen entre sí. Ninguna de las actividades dentro de un
sistema complejo, está aislada completamente, cada evento es influido por sus predecesores, hay afección
biunivoca entre sus contemporaneos y afecta a sus sucesores.

6. Organización.
Los sistemas consisten en elementos o componentes altamente estructurados. Sus partes se combinan en
jerarquías de subsistemas que al interactuar llevan a cabo la función del sistema.

Simulación.
El funcionamiento y desempeño de un sistema real se imita mediante distribuciones de probabilidad que
generan aleatoriamente los distintos eventos que tienen lugar con el funcionamiento del sistema.
Un modelo de simulación sintetiza el sistema con sus componentes y eventos. Después, se corre el modelo para
simular el sistema y obtener las observaciones sobre el desempeño del sistema como resultado de los diferentes
eventos generados de manera aleatoria.
La Simulación, es una herramienta de análisis para el diseño y operación de procesos o sistemas complejos.
Con la utilización de la computadora en los experimentos de simulación, surgen nuevas aplicaciones y con ello
una gran cantidad de problemas teóricos y prácticos. Un experimento es una medición.
Estructura de los modelos de simulación.
Antes de iniciar el proceso de desarrollo de un modelo, se debería de comprender la estructura básica a partir de
la cual se construye un modelo. Dicha estructura se representa matemáticamente como:
E = f ( xi, yi ) , donde:
E es el efecto del comportamiento del sistema.
xi son las variables y parámetros que podemos controlar.
yi son las variables y parámetros que no podemos controlar.
f es la relación entre xi y yi , que da origen a E.

El uso del término Simulación data de 1940, cuando los científicos Von Neuman y Ulam trabajaban en el
proyecto Monte Carlo, durante la segunda guerra mundial, en la resolución de problemas de reacciones
nucleares.
Simular es: “fingir, llegar a la esencia de algo, prescindiendo de la realidad”.
La técnica imita la operación de un proceso o un sistema complejo. Se generan y registran las ocurrencias de los
eventos que impulsan el sistema como si en realidad estuviera en operación física.
El funcionamiento y desempeño de un sistema real se imita mediante funciones de distribución de
probabilidad f(x) con las que se generan aleatoriamente los valores de los distintos eventos o de las variables
que ocurren con el funcionamiento del sistema.
Con la utilización de la computadora en los experimentos de simulación, surgen nuevas aplicaciones y con ello
una gran cantidad de problemas teóricos y prácticos.

Definiciones e importancia de la simulación en la ingeniería.

A) Tomas H. Naylor la define como: 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.
B) Otra definición la proporcionan H. Maisel y G. Gnugnoli, Simulación es una técnica numérica para
realizar experimentos en una computadora digital. Estos experimentos involucran ciertos tipos de modelos
matemáticos y lógicos que describen el comportamiento de un sistema de negocios, económicos, sociales,
biológicos, físicos o químicos a través de largos periodos de tiempo.
C) Robert E. Shannon la define 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. La Simulación es una herramienta de análisis para el diseño, desarrollo y operación de procesos o
sistemas complejos.

Modelación.
La modelación. La conceptualización y el desarrollo de modelos han tenido un papel importante en el desarrollo
intelectual de la humanidad, desde que el hombre trató de entender e influir en su medio. El hombre ha usado la
idea de los modelos para representar y expresar ideas y objetos. El modelado se presenta de diversas maneras,
como pinturas murales, representación de ídolos, hasta un complejo sistema de ecuaciones matemáticas para el
vuelo de una nave espacial. El progreso de la ciencia y la ingeniería se refleja en el progreso de la habilidad del
hombre para el desarrollo de modelos.
Un modelo es una representación de un objeto, sistema o idea de forma diferente a la identidad misma. Un
modelo de un objeto puede ser una réplica exacta de éste (con material o a escala diferente) o una abstracción de
las propiedades dominantes.
El modelo imita la operación de un proceso o sistema. Se generan y registran las ocurrencias de los eventos que
impulsan el sistema como si en realidad estuviera en operación física.

Elementos de los modelos.

Un modelo, casi siempre contiene los siguientes elementos:
Parámetros. Son cantidades a las cuales el operador del modelo puede asignarle valores arbitrarios, de acuerdo a
sus necesidades. Una vez establecidos, son constantes y no varían, ejemplos de esto: Cantidad de repartidores
necesarios por día, periodo de compra y la cantidad media de compra de un artículo.
Variables. (x) Su valor cambia durante la ejecución del experimento. Los valores que puede tomar se
determinan de acuerdo a la función permitida.
Podemos reconocer dos tipos de variables. Las exógenas también llamadas de entrada, es decir, se originan o
producen fuera del sistema o surgen debido a causas externas, un ejemplo de variable exógena no controlable es
el número de clientes por unidad de tiempo que llegan a una cola en un sistema de espera y las variables
endógenas o de salida, que se producen dentro del sistema o que resultan de causas internas.
Relaciones funcionales. f(x) Describen a las variables y a los parámetros de tal manera que muestran los
comportamientos que tienen dentro de un componente o entre componentes del sistema. Estas relaciones
pueden ser de naturaleza determinística o estocástica. Del gr. στοχαστικός stochastikós 'hábil en conjeturar' al azar o proceso aleatorio.
Las relaciones determinísticas son identidades que relacionan ciertas variables y/o parámetros donde una salida
del proceso es singularmente determinada, un solo valor, por una entrada dada. En las relaciones estocásticas el
proceso tiene una ¿salida indefinida para una entrada determinada? La salida está acotada por un rango de
valores.
Usualmente ambos tipos de relaciones adoptan la forma de una función matemática, ecuación o inecuación, que
relaciona las variables endógenas con las exógenas.
Restricciones. Son las limitaciones impuestas a los valores de las variables o la manera en que los recursos
pueden consumirse o asignarse (por ej la no negatividad de variables). Las restricciones pueden ser auto
impuestas por el diseñador (cantidad máxima de capital disponible) o por el sistema debido a su naturaleza (por
ej la demanda máxima del producto).
Función objetivo. Es la definición explicita de los objetivos y metas del sistema y la definición de los criterios
que se emplearán para evaluar sus logros. Los objetivos pueden ser retentivos o adquisitivos.
Los objetivos retentivos son aquellos que tratan de preservar o conservar recursos (tiempo, energía, habilidad,
etc.) o estados (comodidad, nivel de empleo, etc.). Los objetivos adquisitivos se relacionan con la adquisición
de recursos (utilidades, clientes, etc.).
La definición de la función objetivo debe de ser una especificación inequívoca, criterio, de las metas y objetivos
contra los cuales se van a medir las decisiones.

Proceso de construcción de modelos.

El proceso mediante el cual se deduce el modelo de un sistema en estudio, puede describirse como un arte
intuitivo. Las reglas para desarrollar modelos tienen una utilidad limitada y solamente puede servir como una
estructura o planteamiento sugerido, al intentar sistematizar la intuición y la experiencia de los que han
modelado diversos sistemas.
Toda divulgación científica tiene una reconstrucción lógica de eventos, la cual trata de justificar las
implicaciones producidas. Ningún informe expone las suposiciones erróneas que se abandonaron, las
frustraciones, las ideas repentinas y sus decisiones, solamente relatan la secuencia de eventos y justificaciones
acerca de cómo se abordó el problema y cómo se alcanzó el resultado. Un planteamiento para la construcción
exitosa de modelos es comenzar con un modelo muy simple e intentar continuar con modelos más elaborados
que reflejen situaciones complejas con la mayor claridad. Conforme se prueba e intenta validar cada versión del
modelo, se produce una nueva versión que conduce a una nueva prueba y validación.
Por lo tanto, el arte de modelar consiste en la habilidad para analizar un problema, resumir sus características
esenciales, seleccionar y modificar suposiciones básicas que caracterizan el sistema y luego enriquecer y
simplificar durante la elaboración del modelo hasta lograr una aproximación útil. Se sugieren:
A.) Criterios
a. Fácil de: entender, controlar y manipular.
b. Sensato.
c. Adaptable. Sencillo para modificar o actualizar
d. Evolutivo. Adquirir más complejidad de acuerdo con el usuario.
B.) Patrones. La estructura del sistema se puede conocer mediante:
1. La Inspección y/o discusión con quienes conocen el sistema.
a. Establecer una definición clara de los objetivos y metas.
b. Simplificación-enriquecimiento. Si se tiene un modelo muy complejo, simplificarlo. Si es
simple enriquecerlo. Dividir el sistema o el problema.
c. Buscar las analogías y un ejemplo numérico del problema
d. Diagramación. Símbolos y datos obvios.
2. Realizando análisis estadístico de los datos
3. La Experimentación. análisis estadísticos de la información de salida.
4. Un grupo de expertos. Método delphi. Los pasos:
Definir el grupo de control quienes determinan la encuesta.
Determinar el grupo de expertos a quienes confidencialmente se aplica la encuesta.
El grupo de control obtiene los cuartiles y decide si se satisface el objetivo, en caso contrario
aplica de nuevo la encuesta.
Por ejemplo ¿cual será la inflación en México al final de 2024? 4.0%…4.5…4.7 5.2…5.6…6.0 6.5 6.7 8%
| III | II | | |
°
°
°
°
° ° ° ° ° °
| | °| ° ° ° °| |° ° °| | ° | | | | |
|
4 4.5 5 5.5 6 6.5 7 7.5 8 8.5 9

¿cual será la inflación en méxico al final de 2024? Si el mínimo esperado es de 4.0%, la media es de 5% la
máxima es de 6.5%

Control.
Una actividad que orienta a la organización hacia el cumplimiento de los objetivos propuestos bajo mecanismos
de medición cualitativos y cuantitativos.
El control es una etapa primordial pues aún cuando se tenga una estructura y operación eficiente, se verifica que
los hechos están de acuerdo a los objetivos
Elementos del concepto de control.

 Relación con lo planeado: Siempre existe razón para verificar el logro de los objetivos que se establecen
en la planeación.
o Medición: Para controlar es imprescindible medir y cuantificar los resultados.
o Detectar desviaciones: Una de las funciones inherentes al control, es descubrir las diferencias
que se presentan entre la ejecución y la planeación.
 Establecer medidas correctivas: El objeto del control es prever y corregir los errores.

Requisitos de un buen control de planeación, organización o dirección.

Corrección de fallas y errores: El control debe detectar e indicar errores de planeación, organización o
dirección.
Previsión de fallas o errores futuros: el control, al detectar e indicar errores actuales, debe prevenir
errores futuros, ya sean de planeación, organización o dirección.

Importancia del control

Una de las razones más evidentes de la importancia del control es porque hasta el mejor de los planes se puede
desviar. El control se emplea para:
 Enfrentar el cambio: Este forma parte ineludible del ambiente de cualquier organización. Los mercados
cambian, la competencia en todo el mundo ofrece productos o servicios nuevos que captan la atención
del público. Surgen materiales y tecnologías nuevas. Se aprueban o enmiendan reglamentos
gubernamentales. La función del control sirve a los gerentes para responder a las amenazas o las
oportunidades de todo ello, porque les ayuda a detectar los cambios que están afectando los productos y
los servicios de sus organizaciones.
 Tecnologías mejores que produzcan procesos más rápidos: Una cosa es reconocer la demanda de los
consumidores para un diseño, calidad, o tiempo de entregas mejorados, y otra muy distinta es acelerar los
ciclos que implican el desarrollo y la entrega de esos productos y servicios nuevos a los clientes. Los
clientes de la actualidad no solo esperan velocidad, sino también productos y servicios a la medida de sus
necesidades reales o virtuales. Los tiempos veloces de los ciclos son una manera de obtener ventajas
competitivas.
 Agregar valor: el valor agregado es el valor económico que el proceso de producción le suma a un bien,
Kenichi Ohmae. El principal objetivo de una organización debería ser "agregar valor" a su producto o
servicio, de tal manera que los clientes lo comprarán, prefiriéndolo sobre la oferta del competidor. Con
frecuencia, este valor agregado adopta la forma de una calidad por encima de la medida lograda
aplicando procedimientos de control.
 Facilitar la delegación y el trabajo en equipo: La tendencia contemporánea hacia la administración
participativa también aumenta la necesidad de delegar autoridad y de fomentar que los empleados
trabajen juntos en equipo. Esto no disminuye la responsabilidad última de la gerencia. Por el contrario,
cambia la índole del proceso de control. Por tanto, el proceso de control permite que el gerente controle
el avance de los empleados, sin entorpecer su creatividad o participación en el trabajo

Importancia de la simulación en la ingeniería.

La simulación es una herramienta que se usa ampliamente, actualmente existe una gran cantidad de software
para diversas aplicaciones lo que trae consigo las siguientes ventajas:
 Ayuda al pensamiento para conocer: descubrir, generalizar, profundizar, demostrar, comprobar, refutar
o mejorar el sistema. Puede utilizarse como instrumento pedagógico para el entrenamiento e instrucción del
 usuario, desarrollar en los estudiantes habilidades básicas en análisis estadístico, teórico. En ocasiones se
puede tener una buena representación del sistema y a través de él es posible entrenar y dar cierto tipo de
experiencia. (simuladores de negocios, de vuelo, manejo de equipo, etc).
 Análisis de sensibilidad. a través de un estudio de simulación se puede estudiar el efecto de los cambios
internos y externos del sistema, al realizar cambios en el modelo del sistema se observan sus efectos en el
comportamiento del sistema y la observación detallada del sistema que se está simulando puede conducir a
un mejor entendimiento. a detectar las variables más importantes que interactúan en el sistema y a entender
las interrelaciones entre las variables.
 Ayuda a la experimentación, muestreo y sugerir estrategias con los datos nuevos, para mejorar la
operación y eficiencia del sistema.
 Ayuda a la comunicación entre el personal de desarrollo y los usr.
 Ayuda a la predicción. la simulación se puede usar para anticipar situaciones límite o algún otro
problema que pueda surgir en el sistema.

AUTOEVALUACIÓN
Explique las características de los sistemas complejos
Explique cada uno de los elementos de un modelo.
Menciona los criterios que se sugieren para construir un modelo
Menciona los patrones que se sugieren para construir un modelo
Explique las ventajas de la simulación

UNIDAD 1. 2ª PARTE. LA METODOLOGÍA DE LA SIMULACIÓN (SHANNON)

1 Definición del sistema. Inicio del proyecto.

Un proyecto de simulación, inicia con:

1.1) una descripción vaga de una situación (disminución de utilidades, cuellos de botella en la producción,
niveles de inventarios, restricción financiera.) que se presenta en el sistema donde labora el patrocinador del
estudio. Por otra parte, los límites del estudio propuesto deben establecerse rápidamente, de modo que el
analista y el patrocinador tengan claro lo que se hará y lo que no se hará.

1.2) El descubrimiento de hechos en el sistema. Para realizarlo se pueden utilizar los siguientes procesos:
observación, medición, la entrevista y la determinación de la participación de las personas en la toma de
decisiones.
Esto es que se puede recopilar la información y datos de: los documentos, vales, facturas, notas, bases de datos,
etc. estos datos se deben aceptar tentativamente, y después verificar su validez.
Además la información que se obtiene de las entrevistas se describe la situación general. La entrevista tiene dos
objetivos principales: Descubrir y verificar hechos y proporcionar la oportunidad de enfrentarse y superar a la
resistencia a los cambios que genere el estudio. El analista debe considerar que la gente entrevistada está
consciente de que sus opiniones pueden generar cambios dentro del sistema. Con esta información, que a cada
momento aumenta, se puede generar.
1.3) el diagnóstico de síntomas, la descripción del estado actual del sistema, que requiere un conocimiento
pleno de todos los aspectos de la operación de la organización, que sean importantes para el caso. Esto incluye
fuerzas o factores externos que impacten los resultados deseados y un entendimiento de los aspectos objetivos y
subjetivos del problema.

1.3.1) la fase de orientación, cuya finalidad es entender y articular el conjunto de objetivos y metas que se
desean lograr. Es muy raro que, en nuestra compleja sociedad actual, solo una persona tome las decisiones más
importantes y que todos tengan el mismo objetivo.
Para su realización se proponen los siguientes pasos:
a. Identificar quien o quienes toman las decisiones, así como el proceso de toma de decisiones.
b. Determinar los principales objetivos de los responsables de algún aspecto de la decisión.
c. Identificar a otros participantes y el grado de influencia que pueden tener en la solución, así como los
canales en que ejercen su influencia.
d. Determinar los objetivos e intereses de los otros participantes.
e. Establecer que aspectos están expuestos al control de quienes toman las decisiones, (variables
endógenas) así como el tipo de control que pueden ejercer.
f. Identificar aquellos aspectos del entorno o contexto del problema que puedan afectar el resultado de
posible soluciones, (variables exógenas) los cuales no controlan quien toma las decisiones.
g. Determinar que objeciones o acciones contrarias pueden surgir por parte de otros participantes que se
oponen a cambios en el sistema.

1.3.2) La fase de investigación del estudio, se refiere al establecimiento de las bases y la planeación de la
investigación, (agenda o cronograma) este proceso incluye los siguientes pasos:
1. Especificar explícitamente las tareas por realizar y el sistema a estudiar.
2. Determinar las restricciones impuestas (personal, itinerario, fondos, tiempo, equipo, complejidad etc.).
Establecer los límites del estudio para que el analista y patrocinador tengan una idea clara de su alcance
Establecer el sistema

La Formulación correcta de un problema consiste, básicamente, en reducirlo a sus aspectos y relaciones

esenciales. Debe ser formulado con precisión, en una o varias preguntas concretas donde se relacionen las
variables implicadas.

Algunas condiciones que debe cumplir son:

 Especificar lo que ha de determinarse o resolverse. Idem 1.1

 Restringir el campo de estudio en un interrogante concreto.

 Enunciarse de una forma clara y unívoca, de modo que la respuesta sólo admita respuestas precisas.

 Susceptible de verificación empírica. No debe plantear juicios de valor sobre lo que es mejor o peor, sobre
cómo debería ser idealmente la realidad, sino sobre cómo es realmente.

Su formulación debe responder a tres criterios básicos:

1. Claridad. Cualquier persona que lea el problema debe entender a qué cuestiones se pretende responder
con la investigación
2. Concisión.
3. Operatividad. El planteamiento operacional consiste en especificar no solo el fenómeno, sino también en
qué unidades va a ser medido cada uno de estos efectos.

2 Formulación del modelo.

Uno de los modelos más comunes a formular en investigación de operaciones y el primero que estudiarás es el
modelo de programación lineal, la formulación del mismo consiste en una representación idealizada de un sistema.
Es imprescindible la “definición de variables” y los “parámetros”. Los modelos de optimización tienen asociadas: n
decisiones→variables de decisión X1,X2….Xn que son las incógnitas a determinar para que sea óptimo el
desempeño conjunto → Función Objetivo (F.O).
Todo problema de programación lineal involucra cuatro componentes: un conjunto de variables de decisión, los
parámetros, la función objetivo y un conjunto de restricciones. Al formular un determinado problema de decisión en
forma matemática, deben establecerse las siguientes condiciones técnicas:

Definir las variables de decisión: Son las incógnitas del problema, básicamente consisten en los niveles de todas
las actividades que pueden llevarse a cabo en el problema a formular, estas pueden ser de tantos tipos diferentes
como sea necesario, e incluir tantos subíndices como sea requerido.

Definir el objetivo: Consiste en definir un criterio de optimización el cual puede ser maximización o minimización
dependiendo del problema que se desee resolver, el cual es una función lineal de las diferentes actividades del
problema. Bajo el criterio de optimización definido se pretende medir la contribución de las soluciones factibles que
puedan obtenerse y determinar la óptima.

Definir las restricciones: Son los diferentes requisitos que debe cumplir cualquier solución para que pueda
llevarse a cabo. En cierta manera son las limitantes en los valores de los niveles de las diferentes actividades
(variables). Las restricciones más comunes son de seis tipos, las cuales se listan a continuación:

 Restricción de capacidad: limitan el valor de las variables debido a la disponibilidad de horas-hombre,

horas-máquina, espacio, etc.

 Restricción de mercado: Surge de los valores máximos y mínimos en las ventas o el uso del producto o
actividad a realizar.

 Restricción de entradas: Son limitantes debido a la escasez de recursos: materias primas, dinero, tiempo,
etc.

 Restricción de calidad: Son las restricciones que limitan las mezclas de ingredientes, definiendo
usualmente la calidad de los artículos a manufacturar, la presentación.

 Restricciones de balance de material: Estas son las restricciones que definen las salidas de un proceso
en función de las entradas, tomando en cuenta generalmente cierto porcentaje de merma o desperdicio.

 Restricciones internas: Son las que definen a una variable dada, en la formulación interna del problema,
un ejemplo tipo, es el de inventario.

Condiciones técnicas: En este apartado se establece que todas las variables deben tomar valores no negativos.

De este tema te planteamos las siguientes conclusiones:

1. Es sumamente importante desarrollar habilidades para la formulación de problemas, podemos decir que
esto constituye el factor más importante del estudio de IO ya que a partir del mismo se deriva todo el trabajo
matemático que es la base del estudio, si la formulación no es correcta o la ecuación formulada tiene
errores entonces el resultado final no va a brindarnos valores considerables para el proceso de
investigación.

2. En la formulación de un problema interactúan 2 grupos importantes, uno está constituido por la función a
resolver la cual varía en dependencia del resultado que se quiere obtener en la investigación y el otro grupo
está constituido por las restricciones las cuales son funciones objetivas que se deben tener en cuenta a la
hora de resolver problemas, un ejemplo de esto puede ser si estamos investigado un problema de finanzas
entonces la suma de los gastos de inversiones no puede ser mayor a la suma del dinero planificado para
invertir.

3. En un estudio de investigación de operaciones, para toda formulación del modelo matemático hay al menos
una condición técnica y esa es que las variables no pueden tener valores negativos.
(diagramación)
representación estática y dinámica del sistema.
En la representación estática se determinan la organización de los elementos y subsistemas que contendrá el
modelo y cuales se excluyen.
La representación dinámica trata sobre la COMPLEJIDAD del sistema. ¿Qué cambios son posibles? ¿Cómo
afectan el medio? (¿las variables externas?) y su interdependencia ¿Qué relación secuencial existe entre los
cambios? ¿Qué se espera debido a los cambios? Ver sistema complejo.

Concluida la definición del sistema debemos estar en condiciones de formular el modelo, por lo tanto, la
definición del problema transforma la descripción del promotor en el lenguaje preciso de nuestros modelos
formales. El proceso de formulación de modelos es relativamente individualista, dado que depende en gran
parte del juicio experimentado y la intuición del analista. Estos aspectos influyen en cada aspecto de la
modelación: al decidir el planteamiento más productivo, al diseñar el modelo cuando determinamos los hechos
y su importancia, así como al interpretar los resultados de este planteamiento.
El primer paso para elaborar un modelo es especificar su objetivo o propósito, por lo tanto, no existe algo que se
denomine en forma exclusiva como modelo de un sistema, porque el modelado depende del objetivo deseado, el
cual será una guía para determinar los elementos y relaciones del modelo del sistema.
Anteriormente en el apartado de modelación (pag 2) se expusieron conceptos básicos del modelo como una
definición, la estructura de los modelos de simulación, los elementos de los modelos y el proceso de
construcción de modelos. A continuación, se presentan algunos tipos de diagramas.

Diagramas para modelar.

El modelo es una representación, por lo tanto, requerimos de técnicas para realizar la representación del
sistema. Los modelos esquemáticos son todos los métodos de análisis que incluyen la representación gráfica de
una operación del sistema. Estos presentan una abstracción de cómo ocurren o pueden ocurrir los eventos del
mundo real. Su propósito es ayudar al analista a entender y documentar como funciona un sistema o proceso.
Existen numerosos modelos esquemáticos, pero solo presentaremos algunos de ellos, se pueden consultar sobre
otros en textos para mejorar métodos o de análisis de administración de la producción.
Diagrama de flujo de proceso. Es una herramienta de fácil uso, así como una técnica muy útil para determinar
cómo se realiza un proceso paso a paso. Se presenta la operación de manera lógica y condensada, mostrando el
progreso etapa por etapa del proceso que se plantea. Su limitación es su uso para seguir un solo producto,
material, objeto o persona. También se pueden poner en el diagrama múltiples materiales, objetos y personas,
pero el procedimiento se vuelve más complejo.

El diagrama lo originó Frank B. Gilbreth y en la actualidad utiliza cinco símbolos:

Operación. Representa que se está haciendo algo o cambiando algo física o químicamente; algo se está
creando, ensamblando o desarmando. Se consideran operaciones: capturar información, hacer un agujero, soldar
piezas, etc. También se consideran operaciones: calcular, planear, recibir información, etc.

Transportación o movimiento. Describe el movimiento del artículo que se está planeando de un lugar a
otro o de un departamento a otro. Un movimiento dentro del área de operación se considera parte de la
operación, sin embargo si la persona u objeto deben de desplazarse, es una transportación.

Inspección. Es la comparación contra los planes o estándares predeterminados, incluyendo examen del
artículo para establecer la calidad, cantidad, así como la lectura de información impresa antes de tomar una
decisión.

Demora. Representan retrasos temporales, como cuando se interrumpe a una persona que realiza una
actividad, la falta de energía eléctrica en una línea de producción, etc.
 Almacenamiento. Tiene lugar cuando las partes o artículos se mantienen en un estado formal y necesario
de inactividad. Ejemplos son: las refacciones en un almacén, plasma en el banco de sangre, registros de un
archivo, etc.

Con este conjunto de símbolos se puede describir gráficamente cualquier procedimiento o proceso.
Una variante para visualizar el proceso es el diagrama de flujo, en el cual el diagrama de proceso se sobrepone
en un plano de la planta a escala del área física donde se realiza el proceso.

Diagrama de bloques.
Son quizás los dispositivos más útiles disponibles para modelar. Los diagramas de bloques identifican a los
elementos o subsistemas principales y muestran la existencia de las relaciones entre estos. Las flechas describen
el flujo de transacciones entre los elementos, y los cuadros que contienen las palabras descriptivas o de
identificación representan los elementos o subsistemas.

Almacenamiento de
la información

Recepción de Procesamiento de Salida de

información información y información.
decisión.

Entrada Salida

Ejemplo de diagrama de bloques.

Diagrama de flujo lógico.

Es un tipo de diagrama de bloques que incluye los símbolos que utilizan los analistas de sistemas. Una
característica es su mayor flexibilidad al tener la capacidad de bifurcación. Se pueden representar puntos de
decisión y de elección en la secuencia.
Los símbolos que se utilizan son:

Entrada-Salida. Cualquier proceso que haga disponible información para procesamiento o registró.

Procesamiento. Es una función de procesamiento (similar, pero de mayor grado que una operación).

Decisión. Sirve para mostrar los puntos donde es posible una trayectoria opcional, basada en
condiciones variables.

Conector. Una entrada de, o salida a, otra parte del diagrama de flujo.

Terminal. Principio, final o punto de interrupción del sistema.

El siguiente diagrama representa el cambio de una llanta ponchada.
 Estallido

no
¿Llanta
Otra causa ponchada?

si

Abrir cajuela,
sacar refacción y
herramientas

si
¿Esta Llamar taller
ponchada?

no

¿Es la
no llanta si
delantera?

Asegurar llantas Asegurar llantas no

delanteras traseras

¿Vienen?
Quitar llanta
ponchada si

Esperar la
Colocar refacción. reparación

Guarda
herramientas y
llanta

Manejar a casa

Existe una gran diversidad de diagramas que se pueden utilizar para realizar diversas representaciones y cada
una tiene sus ventajas de acuerdo a la aplicación particular. UML. Casos de uso.
3 Preparación de datos.

En esta etapa, se pretende adquirir los datos que se pueden obtener del sistema real y de acuerdo al modelo
elaborado, prepararlos para que estos puedan ser ingresados en él.
Es posible que algunos datos sean de fácil obtención, pero también existen otros que no están disponibles o
son difíciles de adquirir y que pueden ser determinantes para el desarrollo del modelo.
Es importante que se definan con claridad y exactitud los datos (xi) que el modelo va a requerir para lograr los
resultados deseados.
La datos requerida se puede obtener:
1. de la inspección directa, de los registros contables, de órdenes de trabajo, de órdenes de venta, de
reportes de ventas, (descubrimiento de hechos) o
2. del análisis estadístico y, si no hay, la alternativa es
3. de la experimentación o en su caso
4. de opiniones de expertos (patrones para la construcción de un modelo).
En la siguiente unidad se presenta como realizar el análisis de la información para determinar el
comportamiento de las variables aleatorias de entrada al modelo.

4 Traslación del modelo.

Esta etapa consiste básicamente en la realización de la descripción del modelo en un lenguaje aceptable para la
computadora que se usará.

Parámetros de función de función ¿otro

Entrada avance de exponencial: evento? No informe:
Tiempo valor de la tiempo
Variable: promedio
Media  reloj t de corte si de corte
de material

La mayoría de las computadoras digitales operan en un lenguaje binario de representación de datos o algún
múltiplo del binario tal como el octal o el hexadecimal. Debido a que los primeros lenguajes fueron poco
eficientes para la comunicación, estos han evolucionado para que sus usuarios se comuniquen con las
computadoras. En la actualidad se han desarrollado una gran cantidad de lenguajes de programación, tanto de
propósito general como de propósito especial, lo que hace muy difícil la selección del lenguaje que mejor se
ajuste a las necesidades de la aplicación particular.
Por lo tanto, la práctica común es la adopción del lenguaje conocido por el analista para el desarrollo del
programa. Cualquier lenguaje algorítmico general puede expresar el modelo deseado; sin embargo los lenguajes
de simulación especializados pueden tener ventajas muy diferentes en términos de facilidad, eficiencia y
efectividad.
Como se enunció anteriormente se han desarrollado lenguajes de propósito general y lenguajes de propósito
especial.
Los primeros se diseñaron para resolver una extensa variedad de problemas, tales como FORTRAN, COBOL,
BASIC, C++, etc. Tienen ciertas ventajas como: mínimas restricciones al formato de salida y están bien
informados (tienen bibliotecas y ayudas); pero requieren de mayor tiempo de programación y no contiene
términos propios de la simulación.
Los lenguajes de propósito específico, se diseñan para satisfacer o resolver una clase o tipo particular de
problemas, tales como los lenguajes de simulación. Los lenguajes de simulación comenzaron a desarrollarse a
finales de los cincuenta, cuando se observó que gran número de programas tenían procesos funcionalmente
similares y aparece la idea de crea lenguajes de propósito específico, como el GPSS, SIMULA, TAYLOR, etc.
Entre sus ventajas esta: menos tiempo de programación, ofrece un medio conciso y directo para expresar
conceptos de simulación, tiene la habilidad de construir y proporcionar subrutinas, genera automáticamente
ciertos datos que se requieren en las corridas de simulación, facilita la recopilación y despliegue de datos; pero
debe de apegarse a los requerimientos de formatos de entrada y salida y poseen una flexibilidad reducida de
modelos y tiempo de las corridas.

5 Diseño de experimentos. Experimentación.

En la experimentación se planea un estudio de simulación como la ejecución de una cantidad “N” de corridas,
cuyo objetivo es comparar entre una diversidad de sistemas alternos y/o condiciones de operación.
Se utilizará el término experimento para indicar la medición de las variables de un sistema determinado que
opere bajo un conjunto de condiciones o estado.
Entendemos por corrida a una sola ejecución de una configuración experimental.
La realización de un experimento de simulación es el proceso de ejecutar el modelo de modo de que se
observen las respuestas de las variables deseadas. Este experimento, incluye la cantidad de datos sugerida en la
planeación táctica con la determinación del tamaño de la muestra “n”, la cantidad de datos por cada corrida de
simulación. Cuando se corre el modelo para obtener la información deseada, se empiezan a conocer mejor el
sistema y también a encontrar los defectos y los descuidos de nuestra planeación y en ocasiones es necesario
volver a nuestros pasos hasta alcanzar los objetivos originalmente establecidos.

Esta etapa tiene como finalidad el diseño del experimento que producirá la información deseada. El objetivo de
cualquier investigación experimental, es aprender acerca del sistema que se estudia. El experimento es el
proceso de observación que ofrece información para comprobar confirmar o verificar una o varias hipótesis
relacionadas y mediante el análisis de sensibilidad conduce a obtener soluciones. El diseño experimental
selecciona un planteamiento particular para recopilar información que proporcione suficiente conocimiento
acerca del sistema, para permitir que se obtengan inferencias válidas acerca de su desempeño.
Se pueden establecer dos tipos de objetivos del experimento:
Encontrar la combinación de valores de los parámetros que optimizan la variable
de respuesta (cuantas variables de entrada, valores de las variables de entrada,
cuantas variables de salida).
Usualmente el análisis de sensibilidad consiste en la variación sistemática de los
valores de los parámetros (o variables de entrada) sobre algún intervalo de interés
y en la observación del efecto en la respuesta del modelo (variables de salida).
Explicar la relación entre la variable de respuesta y los factores controlables
dentro del sistema (¿de que manera un cambio en una variable independiente,
afecta a la variable de respuesta?).

diseño de experimentos. Muestreo. Planeación estratégica.

N: cantidad de corridas de simulación.

N= p qk
p: número de repeticiones del estudio, valor arbitrario.
k: cantidad de variables tratadas en el estudio.
q: cantidad de clases que cada variable en el estudio.

Esta etapa considera aspectos de eficiencia y se encarga de la determinación de como se van a llevar a cabo
cada una de las corridas que se especifican en el diseño experimental.
La planeación táctica se interesa en dos áreas problemáticas: (A) las condiciones de inicio, conforme afectan el
alcance de equilibrio del sistema y la necesidad de (B) reducir la varianza de las respuestas tanto como sea
posible, mientras se minimiza los tamaños de muestra requeridos.
A. Las condiciones iníciales.
Un experimento de simulación tiene la facilidad de repetir las condiciones experimentales, así como la
comodidad para empezar, detenerse y reiniciar el experimento. Esto es una gran ventaja porque se tiene un
mejor control del experimento, pero existe la desventaja de que es necesario pensar y decidir cuándo iniciar el
modelo y cuando se debe de empezar a recolectar los datos del modelo.
La forma más común de poner en marcha un modelo es cuando está en reposo, pero para algunos sistemas esto
ocurre solo una vez, por ejemplo en: un hospital, una autopista, un aeropuerto, etc.
Para eliminar este efecto transitorio inicial del sistema, se tienen tres alternativas:
 Utilizar corridas lo suficientemente grandes que hagan insignificante el efecto del periodo inicial.
 Desechar alguna parte del periodo inicial, de acuerdo a consideraciones propias.
 Seleccionar las condiciones iníciales típicas del funcionamiento del sistema en condiciones estables.

5 diseño de experimentos. Planeación táctica. n

B. El problema de la variabilidad.

Determinación del tamaño de la muestra. n.

Para la determinación del tamaño de la muestra n para un comportamiento normal, se puede usar dos métodos:
 Previa e independientemente de la operación del modelo.
 Durante la operación del modelo y en base a sus resultados.

Para calcular el tamaño de la muestra de la operación del modelo de simulación, se requiere de tener
conocimiento de las posibles respuestas más altas y más bajas que se pueden obtener, el rango de valores de la
variable, con eso la media y la varianza del comportamiento de la variable y usa la siguiente relación:
Caso 1. Se conoce la varianza del comportamiento normal.
n= ( σ (Z ))2 / d2 muestra previa e independientemente
α/2

Donde:
σ = desviación estándar.
Zα/2= constante de la distribución normal, para cierto nivel de error (α)
d =diferencia máxima aceptable entre el valor esperado de xi y el parámetro promedio real.

Caso 2. Si el comportamiento es Normal, no se conoce la d y se expresa como fracción de . n= (f(Z/2))2

en donde f: d=1/2 o d=1/3 o d=1/4 o … d=1/f

caso 3.Si el comportamiento es binomial. n= ((Z/2)/(2d))2

Proporcione su recomendación táctica si se desea simular la elección en que participan solo dos partidos
políticos, uno de los partidos tiene una probabilidad de ganar de 65%, se permite un error de 1% y considere 
= 4%, se sabe que “npq>= 25”

Caso 4.Si es otro comportamiento. n= f 2 / 

Proporcione su recomendación táctica si se desea estimar la producción promedio cuyo comportamiento puede
considerarse como exponencial, de una planta, tal que el error de estimación esté dentro del intervalo de 
+ - /5 con una probabilidad del 96%.
Proporcione su recomendación táctica si se desea estimar la producción promedio de una planta cuyo
comportamiento no puede considerarse normal, tal que el error de estimación aceptable, esté dentro del
intervalo de  + - /4 con una probabilidad del 98%

Caso 5. Si la variable no es aleatoria. n= ((sZ/2)/cd)2 SIMULACIÓN REGENARATIVA.

6. Validación.
Es el proceso para llevar a un nivel aceptable la confianza del usuario, referente a la inferencia obtenida del
modelo respecto al sistema real. Es imposible probar que el simulador es un modelo correcto o verdadero del
sistema real, debido a los múltiples factores que intervienen en su elaboración. Lo que nos importa es la
validación de resultados y reflexiones que hemos obtenido u obtendremos a partir de la simulación. Es decir, lo
que importa es la utilidad operativa del modelo y no la verdad de su estructura.
El experimentador debe de realizar pruebas a lo largo del proceso de desarrollo del modelo a fin de crear
confianza. Shannon, propone tres categorías para validar el modelo.
Primera, cerciorarse que el modelo tenga validez en forma general, según el desarrollador, por ejemplo; ¿puede
el modelo dar respuestas absurdas si se lleva a los parámetros a valores extremos?. Coos Bu, señala que las
formas más comunes de validar son:
 La opinión del analista y/o del usuario, sobre los resultados de la simulación.
 La bondad con que la predicción se ajusta a los datos históricos.
 La bondad con que la predicción se ajusta a los datos nuevos con forme ocurren.
 La comprobación de falla del modelo de simulación al utilizar datos que hacen fallar el modelo.
Esta categoría también se conoce como verificación, que es el proceso para asegurar que el modelo se comporta
como se planeó. Para realizar la verificación del analista. debe de comenzar con lo obvio.
Si el sistema tiene varias partes, debemos modificarlo para que funciones solo una parte de él y observar el flujo
en el sistema. Repetir esto para las otras partes del modelo. Los resultados deben ser predecibles.
Cambie la mezcla de las partes; los tiempos de proceso, de entrega de mercancías; repartidores disponibles;
demanda diaria; etc., para crear una variedad de situaciones donde la lógica de su modelo podría fallar. Si
encuentra problemas corríjalos.
El modelo de un sistema debe de crearse para un propósito específico, y su validez debe evaluarse en términos
de él. La meta es crear un modelo que genere los mismos problemas y comportamientos del sistema real que se
está estudiando.

La segunda categoría es la de suposiciones Esta requiere del uso de pruebas estadísticas de: medias que mide la
exactitud de los experimentos, varianzas o análisis de varianza , regresión, ji cuadrada, kolmogorov-smirnoff,
mann withnney. Con esto se logra una validación objetiva del modelo con lo que puede alcanzar un nivel de
confianza aceptable de que las inferencias que se obtienen del modelo sean correctas y aplicables al sistema
real.

No es posible establecer un modelo completamente como válido, dado a la gran cantidad de variables y
parámetros que se presentan en el sistema real, se puede considerar la validez del modelo en una escala de 0 a 1,
donde 0 es absolutamente invalido y 1 es absolutamente válido. Conforme se desee aumentar el grado de
validez del modelo, el costo aumenta, por lo tanto se debe de considerar la relación costo-validez.

En la simulación del sistema se utilizan números aleatorios, variables aleatorias y repeticiones del proceso para
obtener resultados. Estos resultados son variables dado que en el modelo interactúan cadenas de eventos
probabilísticos.
Si repetimos el experimento una cantidad suficiente de veces, es posible obtener resultados con el grado de
exactitud (confianza) que se desee.
La tercera categoría es la prueba de transformaciones de entrada-salida. Podemos preguntar a la gente que
interviene en el sistema si los resultados del modelo son razonables. La aceptación y confianza en el modelo, de
la persona que hará uso de los resultados que arroje el experimento de simulación.
Para realizar la validación, se debe de retroceder e intentar visualizar los diversos escenarios a considerar en el
análisis. Duplicar esos escenarios proyectados de la mejor manera posible y observar si el modelo se desempeña
en forma adecuada. Revisar los resultados obtenidos en las ejecuciones del modelo y preguntar ¿son
congruentes los resultados?
Para validar el modelo en esta 3ª categoría, se debe de comparar los resultados que genera el simulador con los
resultados del sistema real. Esta comparación presenta dos dificultades, la primera cuando el sistema real aún
no existe; o aún cuando este se encuentra funcionando, no existen registro de las métricas del desempeño del
sistema o que los datos sean incorrectos o engañosos.

7 Interpretación.
Esta etapa tiene como finalidad determinar la sensibilidad de nuestras respuestas finales a los valores de los
parámetros que se usaron. Usualmente el análisis de sensibilidad consiste en la variación sistemática de los
valores de los parámetros (o variables de entrada) sobre algún intervalo de interés y en la observación del efecto
en la respuesta del modelo (variables de salida).
En la mayoría de los modelos de simulación, gran parte de las variables establecidas se basan en datos
sumamente dudosos. Comúnmente, estos valores se pueden determinar sólo con base a conjeturas del personal
experimentado o en un análisis superficial de datos mínimos. En consecuencia, es de vital importancia la
determinación del grado de sensibilidad para los valores que se usaron.

8 Implantación.
Un proyecto de simulación está exitosamente terminado, hasta que es aceptado, entendido y usado. Se ha
determinado a través del estudio de Gershefsky, que el porcentaje promedio del tiempo para desarrollar un
modelo era de 25%, para la formulación del problema 25%, para el análisis y recopilación de datos 40%, y para
la implantación 10%, por lo tanto no es de sorprenderse que una de las causas de principales del fracaso en la
investigación de operaciones y en los proyectos de ciencias administrativas se debía al mal entendimiento de los
resultados por parte del usuario y también a la falta de implantación. Este pequeño tiempo dedicado a la
implantación es difícil de entender cuando se considera que en esta etapa se debe de refinar el modelo, entrenar
al usuario, ajustar el modelo a las condiciones cambiantes y asegurar que los resultados que se encontraron son
válidos.
El mejor modelo de simulación no tiene valor hasta que sea aceptado por aquel que ponga en práctica los
resultados que se obtengan. A menos que se logre la implantación y se obtengan resultados, nuestros esfuerzos
habrían sido en vano.
El haber construido un sofisticado y elegante modelo de simulación, el haber usado un buen análisis estadístico
en la generación e interpretación de resultados, no tiene mayor importancia para la mayoría de los gerentes que
se interesan en el problema y como resolverlo. Les importa poco el tamaño de la muestra, los niveles de
confianza y otros detalles que le interesan al investigador al realizar la preparación de la presentación de su
trabajo.
La información que genera el simulador debe de ser aceptable para el cliente-usuario antes de ser utilizado. Los
criterios de aceptación incluyen aspectos de credibilidad y utilidad. Es obvio que la información de salida debe
de ser razonable; es decir, el modelo no debe de proporcionar respuestas absurdas, a pesar de que se usen
valores absurdos o extremos. Si las salidas del modelo no son creíbles en ciertas circunstancias, estas se vuelven
sospechosas aun cuando los resultados parezcan razonables. El otro criterio, es que el cliente-usuario debe de
ser capaz de percatarse de cómo debe usar o actuar con la información generada. Si no puede usar directamente
la información para ayudarse a sí mismo a tomar decisiones o apoyar a alguien para que las tome, entonces
ignorará la información y el esfuerzo realizado habrá sido inútil.
El éxito del esfuerzo y de la utilidad está íntimamente ligado al objetivo establecido para el estudio.
Para maximizar la oportunidad de implementación de los resultados del proyecto de simulación, debemos de
tener un modelo que sea:
  Entendible por el cliente y el usuario.
 Capaz de dar respuestas razonables.
 Capaz de proporcionar respuestas posibles de implementar.
 Realista en lo referente a requerimiento de datos.
 Capaz de proporcionar respuestas a preguntas como ¿Qué pasa si…?
 Fácil de modificar y económico en su uso.

9 Documentación.
La documentación tiene una relación estrecha con la implantación. La documentación cuidadosa y completa del
desarrollo y operación del modelo puede incrementar notablemente su vida útil y sus oportunidades para una
exitosa implantación.
Manual de usuario. La buena documentación facilita la modificación y asegura que el modelo pueda usarse a
pesar de que los servicios de los que se encargan del desarrollo del modelo ya no estén disponibles.
Manual técnico. La documentación describe lo que es el sistema, lo que puede hacer y cómo funciona. También
proporciona conocimientos a quien o quienes lo utilizarán o evaluarán.
La documentación sirve a los siguientes propósitos:
 Mejorar la comunicación.
 Proporcionar material de referencia sobre lo que sucedió en el pasado.
 Proporcionar una guía para el mantenimiento, modificación y recursión de los sistemas.
 Servir como herramienta para capacitación del personal.

La falta de una documentación puede traes consigo algunas consecuencias, entre las que tenemos:
Creación de operaciones e ineficientes y no coordinadas.
Aumento de los esfuerzos redundantes.
Decepción del personal de sistemas y los usuarios acerca del sistema.

La documentación que se debe de presentar, la podemos dividir en tres tipos:

Documentación General. Proporciona una guía y reglas de operación para los usuarios cuando interactúan con
el sistema. Incluye el manual del usuario, el cual indica lo que es el sistema y como recibir servicios de él.
Manual de procedimientos o manual de usuario. Induce a todo el personal de operación de programación y de
sistemas al plan maestro del sistema, a las normas de operación y procedimientos de programación.
Documentación de los programas o manual técnico. Se compone de todos los documentos, diagramas y
esquemas que explican los diferentes aspectos del programa.

AUTOEVALUACIÓN
Menciona las etapas del proceso de simulación
¿cómo inicia un proyecto de simulación?
Explica el descubrimiento de hechos
¿Cuáles son las 2 fases del diagnóstico de síntomas?
Describa la etapa de preparación de datos
Explique el diseño de experimentos.
Explique las categorías de la validación