INSTITUTO TECNOLOGICO DE CERRO AZUL

MATERIA: INVESTIGACIÓN DE OPERACIONES.

CONTENIDO: UNIDAD 4

(SIMULACIÓN.)

PRESENTA: CRUZ SANCHEZ SHAK NIK TE.

ESPECIALIDAD: INGENIERIA CIVIL.

CATEDRÁTICO:ING. SERGIO ARRIETA VERA.

FECHA: 18/05/2011

4SIMULACIÓN

4.1 Introducción

4.1.1 Uso y razones de la simulacion

4.1.2 Proceso de simulacion

4.1.3 Generacion de valores de una variable aleatoria

4.1.4 Proceso Monte Carlo

4.2 Aplicaciones de la simulacion

4.2.1 Control de inventarios

4.2.2 Sistemas de Colas (puertos, aeropuertos, transito)

4.3 Paquetes de simulacion

4.3.1 Ventajas del software de simulacion

4.3.2 Características del software

4.3.3 Uso de software de simulacion

4 SIMULACION

4.1 INTRODUCCIÓN

La técnica de simulación es desde hace mucho tiempo una herramienta importante para el diseñador. Durante muchos años, se han usado modelos a escala de máquinas, para simular la distribución de planta. La simulación común se uso inicialmente en la investigación de operaciones, surgió por primera vez en el trabajo de John Von Neumann y Stanislaw Ulam, en los últimos años de la década de los 40.

Quienes a través del análisis de Montecarlo en conjunto con una técnica matemática, resolvieron problema relacionados con las barreras nucleares de protección, demasiado costosas para someterlas a pruebas de experimentación o demasiado complejas para realizar sus análisis. Un el advenimiento de las computadoras, en los primeros años de la década de los 50, la simulación experimentó un avance substancial. En la actualidad se resuelven incontables problemas de negocios, puesto que la simulación en la computadora es un método económico y rápido para efectuar la vasta cantidad de cálculos que se requieren.

Con el advenimiento de la computadora, una de las más importantes herramientas para realizar el diseño y operación de sistemas o procesos complejos es la simulación.

Aunque la construcción de modelos arranca desde el Renacimiento, el uso moderno de la palabra simulación data de 1940, cuando los científicos Von Neuman Y Ulam que trabajaban en el proyecto Monte Carlo, durante la segunda Guerra Mundial, resolvieron problemas de reacciones nucleares cuya solución experimental sería muy cara y el análisis matemático demasiado complicado.

Con la utilización de la computadora en los experimentos de simulación, surgieron incontables aplicaciones y con ello, una cantidad mayor de problemas teóricos y prácticos. En estas notas, se intenta por consiguiente, investigar y analizar cierto número de aplicaciones importante de simulación de las áreas economía, administración de negocios, ingeniería industrial e sistemas computacionales investigación de operaciones, así como también sugerir algunos métodos alternativos para resolver algunos problemas teóricos y prácticos que surgen al efectuar simulaciones reales.

4.1.1 USO Y RAZONES DE LA SIMULACION

Definición de Simulación

• Es el estudio de un sistema a través de un modelo ayudado de un computador, con la finalidad de comprender su comportamiento en un conjunto de escenarios y plantear propuestas alternativas de mejora.

• El curso se limitará al estudio demodelos de simulación para sistemas discretos.

• “es el proceso de diseñar un modelo de un sistema real y realizar experimentos con él para entender el comportamiento del sistema o evaluar varias estrategias para la operación del sistema”

USOS Y RAZONES

Áreas de aplicación de la simulación son muy amplias, numerosas y diversas, basta mencionar sólo algunas de ellas: Análisis del impacto ambiental causado por diversas fuentes Análisis y diseño de sistemas de manufactura Análisis y diseño de sistemas de comunicaciones. Evaluación del diseño de organismos prestadores de servicios públicos (por ejemplo: hospitales, oficinas de correos, telégrafos, casas de cambio, etc.).

Análisis de sistemas de transporte terrestre, marítimo o por aire.

Análisis de grandes equipos de cómputo.

Análisis de un departamento dentro de una fábrica.

Adiestramiento de operadores (centrales carboeléctricas, termoeléctricas, nucleoeléctricas, aviones, etc.).

Análisis de sistemas de acondicionamiento de aire. Planeación para la producción de bienes.

Análisis financiero de sistemas económicos.

Evaluación de sistemas tácticos o de defensa militar simulación se utiliza en la etapa de diseño para auxiliar en el logro o mejoramiento de un proceso o diseño o bien a un sistema ya existente para explorar algunas modificaciones. Se recomienda la aplicación de la simulación a sistemas ya existentes cuando existe algún problema de operación o bien cuando se requiere llevar a cabo una mejora en el comportamiento. El efecto que sobre el sistema ocurre cuando se cambia alguno de sus componentes se puede examinar antes de que ocurra el cambio físico en la planta para asegurar que el problema de operación se soluciona o bien para determinar el medio más económico para lograr la mejora deseada.

Todos los modelos de simulación se llaman modelos de entrada-salida. Es decir, producen la salida del sistema si se les da la entrada a sus subsistemas interactuantes. Por tanto los modelos de simulación se “corren” en vez de “resolverse”, a fin de obtener la información o los resultados deseados. Son incapaces de generar una solución por si mismos en el sentido de los modelos analíticos; solos pueden servir como herramienta para el análisis del comportamiento de un sistema en condiciones especificadas por el experimentador.

Por tanto la simulación es una teoría, si no una metodología de resolución de problemas. Además la simulación es solo uno de varios planteamientos valiosos para resolver problemas que están disponibles para el análisis de sistemas.

Pero ¿Cuándo es útil utilizar la simulación? Cuando existan una o más de las siguientes condiciones:

1.- No existe una completa formulación matemática del problema o los métodos analíticos para resolver el modelo matemático no se han desarrollado aún. Muchos modelos de líneas de espera corresponden a esta categoría.

2.- Los métodos analíticos están disponibles, pero los procedimientos matemáticos son tan complejos y difíciles, que la simulación proporciona un método más simple de solución.

3.- Las soluciones analíticas existen y son posibles, pero están mas allá de la habilidad matemática del personal disponible El costo del diseño, la prueba y la corrida de una simulación debe entonces evaluarse contra el costo de obtener ayuda externa.

4.- Se desea observar el trayecto histórico simulado del proceso sobre un período, además de estimar ciertos parámetros.

5.- La simulación puede ser la única posibilidad, debido a la dificultad para realizar experimentos y observar fenómenos en su entorno real, por ejemplo, estudios de vehículos espaciales en sus vuelos interplanetarios.

6.- Se requiere la aceleración del tiempo para sistemas o procesos que requieren de largo tiempo para realizarse. La simulación proporciona un control sobre el tiempo, debido a que un fenómeno se puede acelerar o retardar según se desee.

4.1.2 PROCESO DE SIMULACION

Antes de especificar los aspectos más importantes que se presentan al formular problemas de simulación, será útil definir esta.

La simulación es la utilización de un modelo de sistemas, que tiene las características deseadas de la realidad, a fin de reproducir la esencia de las operaciones reales. También se le ha definido como una representación de la realidad mediante el empleo de un modelo u otro sistema que reaccione de la misma manera que la realidad, en un conjunto de condiciones dadas. Ninguna de estas definiciones incluye todos requisitos fundamentales de esta, como son, el uso de los modelos matemáticos, las computadoras, los procesos estadísticos o estocásticos, los casos las suposiciones y los cursos de acción alternativos.

La definición más general y amplia de esta: una técnica cuantitativa que utiliza un modelo matemático computarizado para representar la toma real de decisiones bajo condiciones de incertidumbre, con objeto de evaluar cursos alternativos de acción con base en hechos y suposiciones.

La simulación es útil en la resolución de problema de negocios cuando no se conocen parcialmente las variables con anticipación y no existe una manera fácil de encontrar estos valores. El problema se parece que al de la secuencia, para la cual no se conoce una fórmula ya elaborada por encontrar el enésimo (o último) terminó. El único hecho conocido es una regla (relación recursiva) que permite encontrar el siguiente término a partir de los últimos. Básicamente, la única manera de descubrir el enésimo término es aplicando la misma regla una y otra vez hasta llegar a dicho término. La simulación utiliza un método para encontrar estos estados sucesivos en un problema, aplicando repetidamente las reglas bajo las que operan el sistema. Este eslabonamiento sucesivo de un estado particular con otros anteriores es una característica importante de la simulación.

Generalmente, la simulación implica la construcción de un modelo matemático que describa el funcionamiento de sistema en cuanto a eventos y componentes individuales. Además, el sistema se divide en los elementos y las interrelaciones de aquellos elementos de comportamiento previsible, al menos en función de una distribución de probabilidades, para cada uno de los diversos estados del sistema y sus insumos. La simulación es un medio de dividir el proceso de elaboración de modelos en parte componentes más pequeñas y combinarlas en el orden natural o lógico. Lo que permite el análisis en computadoras de los efectos de las interacciones mutuas entre esta. Debido al error estadístico, es imposible garantizar que se encontrará la respuesta óptima, no obstante la respuesta estará por lo menos próxima a la óptima si el problema se simula correctamente. En esencia, el modelo de simulación realiza experimentos sobre los datos de una muestra más que sobre el universo entero, ya que esto sería demasiado tardado, inconveniente y costoso.

Planificar un proceso de simulación requiere de los siguientes pasos:

a) Formulación del problema.

b) Recollección y procesamiento de la información requerida.

c) Formulación del modelo matematico.

d) Evaluación de las caracteristicas de la información Procesada.

e) Formulación de un programa de computadora.

f) Validación del programa de computadora.

g) Diseño de experimentos de simulación.

h) Análisis de resultados y validación de la simulación.

4.1.3 GENERACION DE VALORES DE UNA VARIABLE ALEATORIA

Métodos más utilizados para generar números aleatorios y pseudoaleatorios con computadora.

Antes de continuar, es necesario establecer la siguiente terminología.

El término variable aleatoria se emplea para nombrar una función de valor real, definida sobre un espacio muestral asociado con los resultados de un experimento conceptual, de naturaleza azoroza.

El valor numérico resultante de un experimento, de cada una de las variables aleatorias, se llama número aleatorio. Se utilizan letras mayúsculas para denotar las variables aleatorias y minúsculas, para denotar valores de éstas variables aleatorias y minúsculas, para denotar valores de éstas variables, es decir, para los números aleatorios. Por ejemplo, F(x); la función de distribución acumulada para una variable aleatoria X, indica la probabilidad de que X sea menor o igual al particular valor x de la función de probabilidad de la variable aleatoria X, cuando X= x.

Técnicas para generar números aleatorios.

Se han venido usando cuatro métodos alternativos para generar las sucesiones de números aleatorios, estos son:

Métodos manuales

Lanzamiento de monedas Lanzamiento de dados Barajas

Dispositivos mecánicos

Dispositivos electrónicos

Ventajas: Son aleatorios Desventajas: No reproducibles

MÉTODOS DE COMPUTACIÓN ANALOGICA: Los métodos de computación analógica dependen de ciertos procesos físicos aleatorios (por ejemplo, el comportamiento de una corriente eléctrica), por lo que se considera que conducen verdaderos números aleatorios.

Ventaja: Aleatorios. Desventaja: No reproducible.

MÉTODOS DE COMPUTACIÓN DIGITAL: Se distinguen tres métodos para producir números aleatorio cuando se usa la computación digital (computadoras), los cuales son:

Provisión externa. Consiste en grabar en la memoria de la computadora, las tablas Randa, a fin de tratar estos números como datos de entrada para un determinado problema.

Generación por medio de procesos físicos aleatorios. Consiste en usar algún aditamento especial de la computadora, para registra los resultados de algún proceso aleatorio y además, reduzca estas resultados a sucesiones de dígitos.

Generación interna por medio de una relación de recurrencia. Consiste en generar números pseudoaleatorios por medio de ecuaciones de recurrencia, en las que necesariamente se tiene que dar un valor inicial o semilla, para generar los siguientes valores. Vamos ha centrar nuestra atención en este último método de computación digital, y los describiremos ampliamente.

Ventaja: Son reproducibles. Desventaja: Son pseudoaleatorios.

CARACTERISTICAS DE LOS NÚMEROS PSEUDOALEATORIOS

Uniformemente distribuidos Estadísticamente independientes Reproducibles Sin repetición dentro de una longitud determinada

4.1.4 PROCESO MONTE CARLO

Introducción

El método de Montecarlo es un método no Deterministico o estadístico numérico usado para aproximar expresiones matemáticas complejas y costosas de evaluar con exactitud. El método se llamó así en referencia al Casino de Montecarlo (Principado de Mónaco) por ser “la capital del juego de azar”, al ser la ruleta un generador simple de números aleatorios.

El nombre y el desarrollo sistemático de los métodos de Montecarlo datan aproximadamente de 1944 y se mejoraron enormemente con el desarrollo de la computadora.

El método de monte Carlo es muy usado es los lenguajes de programación ya que se usa para hallar la probabilidad de un suceso. Puede inspeccionarse como un método de resolver ecuaciones integrales.

Considere el problema de calcular el valor medio de un real-valor función T(x)

definido sobre un espacio :

(1)

Cada valor x es una posiblemente multidimensional cantidad caracterizando el estado del sistema. La función f es una función de densidad de probabilidad (PDF) determinado la probabilidad ese que el estado del sistema yace entre x y x+dx.

Una estimación de Monte Carlo de es obtenida por dibujar al azar N muestras

desde la distribución f. Muestra desde f medios esta probabilidad de elegir un

muestreo x* desde el intervalo (x,x+D x) es f(x)D x. El Monte Carlo de estimación es dada por

(2)

Este, la intratable integral, Ecuación 1, es reemplazado por una suma finita.

La estadística bondad o fiabilidad de la estimación depende de ambos tamaño de muestreo N y la variabilidad del la estimación T(x) que es descrita por la variancia

(3)

Debajo condiciones suficientemente generales, el teorema del limite central muestra

que para grandes N, es aproximadamente una distribución normal con significados de cero y una varianza de uno. Simbólicamente:

(4)

Donde P(x) denota la probabilidad de suceso x. Por ejemplo, la probabilidad esa yace

dentro del intervalo es 0.95.

La ecuación 4 implica esta precisión de la estimación aumenta con la raíz cuadrado del número de historias. Ese, para cada dígito adicional de importancia, el número de historias debe aumentarse un ciento. La táctica bruta de fuerza de N creciente para mejorar precisión rápidamente alcanza el punto de cifras decrecientes. Practica las técnicas de reducción de varianza, discutidas en la Sección VI, apuntadas a reducir la varianza por la unidad de calcular esfuerzo, por alterar los marcando y muestra procedimientos.

.

Los métodos de Montecarlo abarcan una colección de técnicas que permiten obtener soluciones de problemas matemáticos o físicos por medio de pruebas aleatorias repetidas. En la práctica, las pruebas aleatorias se sustituyen por resultados de ciertos cálculos realizados con números aleatorios. A lo largo de varias páginas se estudiará el concepto de variable aleatoria y la transformación de una variable aleatoria discreta o continua.

A veces la aplicación del método de Monte Carlo se usa para analizar problemas que no tienen un componente aleatorio explícito; en estos casos un parámetro determinista del problema se expresa como una distribución aleatoria y se simula dicha distribución. Un ejemplo sería el famoso problema de las Agujas de Bufón.

4.2 APLICACIONES DE LA SIMULACION

Conceptos básicos de simulación.

La simulación es una técnica muy poderosa y ampliamente usada en las ciencias para analizar y estudiar sistemas complejos. En Investigaciones se formularon modelos que se resolvían en forma analítica. En casi todos estos modelos la meta era determinar soluciones óptimas. Sin embargo, debido a la complejidad, las relaciones estocásticas, etc., no todos los problemas del mundo real se pueden representar adecuadamente en forma de modelo.

Cuando se intenta utilizar modelos analíticos para sistemas como éstos, en general necesitan de tantas hipótesis de simplificación que es probable que las soluciones no sean buenas, o bien, sean inadecuadas para su realización. En eso caso, con frecuencia la única opción de modelado y análisis de que dispone quien toma decisiones es la simulación. Simular, es reproducir artificialmente un fenómeno o las relaciones entrada-salida de un sistema. Esto ocurre siempre cuando la operación de un sistema o la experimentación en él son imposibles, costosas, peligrosas o poco prácticas, como en el entrenamiento de personal de operación, pilotos de aviones, etc.

Si esta reproducción está basada en la ejecución de un programa en una computadora digital, entonces la simulación se llama digital y usualmente se conoce como simulación por computadora, aunque esto incluye la simulación en las computadoras analógicas.

La simulación por computadora está relacionada con los simuladores. Por simulador entendemos no sólo un programa de simulación y la computadora que lo realiza, sino también un aparato que muestra visualmente y a menudo físicamente las entradas y salidas (resultados) de la simulación, como es el caso de los simuladores profesionales de vuelo, aunque en este curso no se hablará sobre los simuladores ni sobre la simulación analógica.

A partir del advenimiento de las computadoras electrónicas, la simulación ha sido una de las herramientas más importantes y útiles para analizar el diseño y operación de complejos procesos o sistemas. Simular, según el Diccionario Universitario Webster, es “fingir, llegar a la esencia de algo, prescindiendo de la realidad”.

Se puede definir a la simulación como la técnica que imita el funcionamiento de un sistema del mundo real cuando evoluciona en el tiempo. Esto se hace por lo general al crear un modelo de simulación. En síntesis, cada modelo o representación de una cosa es una forma de simulación. La simulación es un tema muy amplio y mal definido que es muy importante para los responsables del diseño de sistemas, así como para los responsables de su operación.

Algunos usos de la simulación

Las áreas de aplicación de la simulación son muy amplias, numerosas y diversas, basta mencionar sólo algunas de ellas:

Análisis del impacto ambiental causado por diversas fuentes Análisis y diseño de sistemas de manufactura Análisis y diseño de sistemas de comunicaciones.

Evaluación del diseño de organismos prestadores de servicios públicos (por ejemplo: hospitales, oficinas de correos, telégrafos, casas de cambio, etc.).

Análisis de sistemas de transporte terrestre, marítimo o por aire. Análisis de grandes equipos de cómputo. Análisis de un departamento dentro

de una fábrica. Adiestramiento de operadores (centrales carboeléctricas, termoeléctricas,

nucleoeléctricas, aviones, etc.). Análisis de sistemas de acondicionamiento de aire. Planeación para la producción de bienes. Análisis financiero de sistemas económicos. Evaluación de sistemas tácticos o de defensa militar.

La simulación se utiliza en la etapa de diseño para auxiliar en el logro o mejoramiento de un proceso o diseño o bien a un sistema ya existente para explorar algunas modificaciones. Se recomienda la aplicación de la simulación a sistemas ya existentes cuando existe algún problema de operación o bien cuando se requiere llevar a cabo una mejora en el comportamiento.

El efecto que sobre el sistema ocurre cuando se cambia alguno de sus componentes se puede examinar antes de que ocurra el cambio físico en la planta para asegurar que el problema de operación se soluciona o bien para determinar el medio más económico para lograr la mejora deseada.

Todos los modelos de simulación se llaman modelos de entrada-salida. Es decir, producen la salida del sistema si se les da la entrada a sus subsistemas interactuantes.

Por tanto los modelos de simulación se “corren” en vez de “resolverse”, a fin de obtener la información o los resultados deseados. Son incapaces de generar una solución por si mismos en el sentido de los modelos analíticos; solos pueden servir como herramienta para el análisis del comportamiento de un sistema en condiciones especificadas por el experimentador.

Por tanto la simulación es una teoría, si no una metodología de resolución de problemas. Además la simulación es solo uno de varios planteamientos valiosos para resolver problemas que están disponibles para el análisis de sistemas.

Pero ¿Cuándo es útil utilizar la simulación?

Cuando existan una o más de las siguientes condiciones:

1.- No existe una completa formulación matemática del problema o los métodos analíticos para resolver el modelo matemático no se han desarrollado aún. Muchos modelos de líneas de espera corresponden a esta categoría.

2.- Los métodos analíticos están disponibles, pero los procedimientos matemáticos son tan complejos y difíciles, que la simulación proporciona un método más simple de solución.

3.- Las soluciones analíticas existen y son posibles, pero están mas allá de la habilidad matemática del personal disponible El costo del diseño, la prueba y la corrida de una simulación debe entonces evaluarse contra el costo de obtener ayuda externa.

4.- Se desea observar el trayecto histórico simulado del proceso sobre un período, además de estimar ciertos parámetros.

5.- La simulación puede ser la única posibilidad, debido a la dificultad para realizar experimentos y observar fenómenos en su entorno real, por ejemplo, estudios de vehículos espaciales en sus vuelos interplanetarios.

6.- Se requiere la aceleración del tiempo para sistemas o procesos que requieren de largo tiempo para realizarse. La simulación proporciona un control sobre el tiempo, debido a que un fenómeno se puede acelerar o retardar según se desee.

Problemas para llevar a cabo la simulación, cuando los sistemas son grandes y complejos:

El modelo matemático es demasiado grande y complejo, así que la escritura de los programas de cómputo resulta ser una tarea demasiado tediosa. En la actualidad se dispone ya de algunos programas que genera de modo automático el código de un modelo para la simulación.

El tiempo de cómputo es alto y costoso. Sin embargo y gracias a los actuales desarrollos de poderosos equipos de cómputo, el tiempo de cómputo tiende a bajar rápidamente. Desafortunadamente existe en el mercado una marcada impresión de considerar a la simulación, como un simple ejercicio de programación de computadoras. Como consecuencia de ello, codificación y la corrida para obtener finalmente una respuesta.

4.2.1 CONTROL DE INVENTARIOS

Importancia del control de inventarios.

La importancia en el control de inventarios reside en el objetivo primordial de toda empresa: obtener utilidades.

La obtención de utilidades obviamente reside en gran parte de Ventas, ya que éste es el motor de la empresa, sin embargo, si la función del inventario no opera con efectividad, ventas no tendrá material suficiente para poder trabajar, el cliente se inconforma y la oportunidad de tener utilidades se disuelve. Entonces, sin inventarios, simplemente no hay ventas.

El control del inventario es uno de los aspectos de la administración que en la micro y pequeña empresa es muy pocas veces atendido, sin tenerse registros fehacientes, un responsable, políticas o sistemas que le ayuden a esta fácil pero tediosa tarea.

Sistemas de inventarios

Las empresas mantienen inventarios de materias primas y de productos terminados.

Los inventarios de materias primas sirven como entradas al proceso de producción y los inventarios de productos terminados sirven para satisfacer la demanda de los clientes. Puesto que estos inventarios representan frecuentemente una considerable inversión, las decisiones con respecto a las cantidades de inventarios son importantes.

Los modelos de inventario y la descripción matemática de los sistemas de inventario constituyen una base para estas decisiones.

Mantener un inventario (existencia de bienes) para su venta o uso futuro es una práctica común en el mundo de los negocios. Las empresas de venta al menudeo, los mayoristas, los fabricantes y aún los bancos de sangre por lo general almacenan bienes o artículos.

Pasos para establecer el control de inventarios.

Ejemplo:

El sistema sugerido para el control de inventario es el llamado ABC. El sistema ABC del control de inventarios se basa en el supuesto de que tenemos productos "A", que componen al menos el 70% del valor total en dinero de la materia prima, productos "B" que componen aproximadamente 20% del valor de nuestro inventario y "C" que son el 10% restante, aproximadamente.

1. Anterior a cualquier clasificación, es recomendable llevar a cabo un inventario físico total, junto con la lista de precios de los productos que componen el inventario.

2. Posteriormente, resultará de mucha utilidad el "unitizar" todos los productos de nuestro almacén, es decir, si por ejemplo utilizamos frijol, no sería recomendable surtirlo a cocina proporcionándole el costal completo, sino previamente debería ser porcionado y embolsado en paquetes. Digamos que cada carga de la olla exprés puede recibir y hacer dos kilos de frijol, de modo que cada unidad sería igual a cada bolsa de dos kilos, en lugar de cuantificarla por saco o simplemente por kilo.

3. Se llevaría entonces a cabo la clasificación ABC. Como ejemplo podemos tener el caso de una coctelería, que tendría la siguiente composición[1]:

Los productos que más valor tienen asignado en su inventario son prácticamente mariscos y bebidas, los cuales son también su producto principal.

La clasificación ABC sería entonces la siguiente

Atendiendo a lo anterior podemos decir que son los productos A (mariscos y bebidas) los que mayor utilidad le dan a la empresa y por lo tanto, deben ser los que tenemos que cuidar y controlar más.

No sólo para el ramo restaurantero, sino también para cualquier empresa comercial se aplican estos principios. Entonces, necesitamos un registro que cubra AL MENOS todos los productos que identificamos como tipo A y tipo B, que son los que merecen de mayor resguardo, pero también mayor cuidado y atención en cuanto a la calidad que presentan.

Los productos C pueden controlarse empíricamente o si se desea mediante hoja de cálculo, sin embargo, no es obligatorio un control estricto sobre ellos, pues esto aporta poco valor a la empresa y a sus utilidades y sí puede aumentar sus gastos operativos ya que aumenta el tiempo que el personal encargado tarde en realizar dicha labor.

4. Después de clasificar los productos en ABC, se debe proceder a clasificarlos por origen, es decir, ¿los compramos en el mercado?, ¿el proveedor nos los trae?, ¿nos los mandan por paquetería?

La clasificación entonces quedaría como sigue:

5. Una vez que hemos clasificado nuestro inventario por tipo y por origen podremos llevar a cabo una lista de control cuyo ejemplo mostramos a continuación:

6. Una vez con el inventario inicial, podremos registrar -también en hoja de cálculo- los consumos diarios de nuestras unidades de productos, como "Entradas" y "Salidas", en el día en que sucedan.

Dicha lista de control nos servirá en primera instancia para controlar los consumos diarios y semanales, así como para elaborar una lista de compras que puede incluir el monto de dinero que vamos a gastar.

Mediante el control de inventarios se eliminan los tiempos muertos ya que cualquier cajera capacitada puede llevar a cabo el registro, con el apoyo de la persona encargada de recibir el material.

Para el conteo físico siempre se puede utilizar al personal operativo, de modo que sea más rápido.

4.2.2 SISTEMAS DE COLAS (PUERTOS, AEROPUERTOS, TRANSITO)

Definición

Se entiende por Teoría de Colas el estudio de las líneas de espera que se producen cuando llegan clientes demandando un servicio, esperando si no se les puede atender inmediatamente y partiendo cuando ya han sido servidos. El creador de la Teoría de Colas fue el matemático danés A. K. Erlang por el año 1909.

Ha tenido un fuerte auge por su utilidad en el modelado del comportamiento estocástico de gran número de fenómenos, tanto naturales como creados por el hombre. Se puede aplicar en problemas relacionados con redes de teléfonos, aeropuertos, puertos, centros de cálculo, supermercados, venta mediante máquinas, hospitales, gasolineras...

El problema es determinar qué capacidad o tasa de servicio proporciona el balance correcto. Esto no es sencillo, ya que un cliente no llega a un horario fijo, es decir, no se sabe con exactitud en qué momento llegarán los clientes. También el tiempo de servicio no tiene un horario fijo.

Los problemas de "colas" se presentan permanentemente en la vida diaria: un estudio en EEUU concluyó que, por término medio, un ciudadano medio pasa cinco años de su vida esperando en distintas colas, y de ellos casi seis meses parado en los semáforos.

Objetivos de la Teoría de Colas

Los objetivos de la teoría de colas consisten en:

Identificar el nivel óptimo de capacidad del sistema que minimiza el coste global del mismo.

Evaluar el impacto que las posibles alternativas de modificación de la capacidad del sistema tendrían en el coste total del mismo.

Establecer un balance equilibrado ("óptimo") entre las consideraciones cuantitativas de costes y las cualitativas de servicio.

Hay que prestar atención al tiempo de permanencia en el sistema o en la cola: la "paciencia" de los clientes depende del tipo de servicio específico considerado y eso puede hacer que un cliente "abandone" el sistema.

Características

A lo largo del tiempo se producen llegadas de clientes a la cola de un sistema desde una determinada fuente demandando un servicio. Los servidores del sistema seleccionan miembros de la cola según una regla predefinida denominada disciplina de la cola. Cuando un cliente seleccionado termina de recibir su servicio (tras un tiempo de servicio) abandona el sistema, pudiendo o no unirse de nuevo a la fuente de llegadas.

Fuente

Recibe el nombre de fuente el dispositivo del que emanan las unidades que piden un servicio. Si el número de unidades potenciales es finito, se dice que la fuente es finita; en caso contrario se dice que es infinita.

Proceso de llegada

Aunque a veces se sabe exactamente cuándo se van a producir las llegadas al sistema, en general el tiempo que transcurre entre dos llegadas consecutivas se modela mediante una variable aleatoria. En particular, cuando la fuente es infinita se supone que las unidades que van llegando al sistema dan lugar a un proceso estocástico llamado de conteo; si todos los tiempos entre llegadas son variables aleatorias independientes idénticamente distribuidas (vv.aa.ii.ii.dd.), se dice que es un proceso de renovación.

Usualmente, por razones que se verán posteriormente, el proceso que se utiliza es un proceso de Poisson.

Cuando la fuente es finita se suele asumir que la probabilidad de que se produzca una llegada en un intervalo de tiempo es proporcional al tamaño de la fuente en ese instante. En general, nos restringiremos al estudio de sistemas de colas con fuentes infinitas.

Mecanismos de servicio

Se llama capacidad del servicio al número de clientes que pueden ser servidos simultáneamente. Si la capacidad es uno, se dice que hay un solo servidor (o que el sistema es monocanal) y si hay más de un servidor, multicanal. El tiempo que el servidor necesita para atender la demanda de un cliente (tiempo de servicio) puede ser constante o aleatorio; en este último caso supondremos, por lo general, que los tiempos de servicio son vv.aa.ii.ii.dd. Además, supondremos que son independientes de los tiempos entre llegadas. A veces el servidor sólo está disponible durante una parte del tiempo de funcionamiento del sistema.

Disciplina de la cola

En sistemas monocanal, el servidor suele seleccionar al cliente de acuerdo con uno de los siguientes criterios (prioridades):

el que llegó antes (disciplina FIFO), el que llegó el último (LIFO), el que menos tiempo de servicio requiere, el que más requiere...

Incluso puede interrumpirse un servicio para empezar otro que corresponda a un cliente recién llegado con mayor prioridad (fenómeno de anticipación); de no ser así, la prioridad se llama de cabeza de línea.

En sistemas multicanal puede haber asignación a un servidor (elección de cola) y cambios de servidor forzosos o aleatorios (cambio de cola).

Otros fenómenos frecuentes son el rechazo (si la cola tiene una capacidad máxima, el cliente no es admitido en ella), el abandono (por ejemplo, si se excede un tiempo de espera), etcétera.

Colas en tándem

Este proceso se produce cuando a la salida de un servicio hay una o más colas (porque se necesitan varios servicios en un determinado orden).

Para especificar un tipo de cola se escribe:

Proceso de llegada / proceso de servicio / nº de canales / capacidad / disciplina /...

En el proceso de llegada puede aparecer:

M: los tiempos entre llegadas siguen una distribución exponencial.

GI: los tiempos entre llegadas son vv.aa.ii.ii.dd.

D: corresponde a un tiempo entre llegadas Deterministicos.

De forma análoga se identifican los procesos de servicio con M, G y D. Cuando la capacidad es infinita y la disciplina FIFO, se suelen omitir estos campos.

Ejemplo: Si se escribe

Significa que el tiempo entre llegadas es exponencial, el tiempo de servicio es Deterministicos (normalmente vendrá dado por una lista o vector), el número de canales es 2, la capacidad es infinita y la disciplina es FIFO.

Elementos existentes en un modelo de colas

Fuente de entrada o población potencial: Es un conjunto de individuos (no necesariamente seres vivos) que pueden llegar a solicitar el servicio en cuestión. Podemos considerarla finita o infinita. Aunque el caso de infinitud no es realista, sí permite (por extraño que parezca) resolver de forma más sencilla muchas situaciones en las que, en realidad, la población es finita pero muy grande. Dicha suposición de infinitud no resulta restrictiva cuando, aún siendo finita la población potencial, su número de elementos es tan grande que el número de individuos que ya están solicitando el citado servicio prácticamente no afecta a la frecuencia con la que la población potencial genera nuevas peticiones de servicio.

Cliente: Es todo individuo de la población potencial que solicita servicio. Suponiendo que los tiempos de llegada de clientes consecutivos son 0<t1<t2<..., será importante conocer el patrón de probabilidad según el cual la fuente de entrada genera clientes. Lo más habitual es tomar como referencia los tiempos entre las llegadas de dos clientes consecutivos: consecutivos: clientes consecutivos: T {k} = tk - tk-1, fijando su distribución de probabilidad. Normalmente, cuando la población potencial es infinita se supone que la distribución de probabilidad de los Tk (que será la llamada distribución de los tiempos entre llegadas) no depende del número de clientes que estén en espera de completar su servicio, mientras que en el caso de que la fuente de entrada sea finita, la distribución de los Tk variará según el número de clientes en proceso de ser atendidos.

Capacidad de la cola: Es el máximo número de clientes que pueden estar haciendo cola (antes de comenzar a ser servidos). De nuevo, puede suponerse finita o infinita. Lo más sencillo, a efectos de simplicidad en los cálculos, es suponerla infinita. Aunque es obvio que en la mayor parte de los casos reales la capacidad de la cola es finita, no es una gran restricción el suponerla infinita si es extremadamente improbable que no puedan entrar clientes a la cola por haberse llegado a ese número límite en la misma.

Disciplina de la cola: Es el modo en el que los clientes son seleccionados para ser servidos. Las disciplinas más habituales son:

La disciplina FIFO (first in first out), también llamada FCFS (first come first served): según la cual se atiende primero al cliente que antes haya llegado.

La disciplina LIFO (last in first out), también conocida como LCFS (last come first served) o pila: que consiste en atender primero al cliente que ha llegado el último.

La RSS (random selection of service), o SIRO (service in random order), que selecciona a los clientes de forma aleatoria.

Mecanismo de servicio: Es el procedimiento por el cual se da servicio a los clientes que lo solicitan. Para determinar totalmente el mecanismo de servicio debemos conocer el número de servidores de dicho mecanismo (si dicho número fuese aleatorio, la distribución de probabilidad del mismo) y la distribución de probabilidad del tiempo que le lleva a cada servidor dar un servicio. En caso de que los servidores tengan distinta destreza para dar el servicio, se debe especificar la distribución del tiempo de servicio para cada uno.

4.3 PAQUETES DE SIMULACIÓN

El desarrollo de los lenguajes de Simulación comenzó a finales de los años cincuenta; inicialmente los lenguajes que se usaron en fueron los de propósito general, los cuales tenían las siguientes ventajas:

La situación a analizar se puede modelar en forma más o menos sencilla

Para el programador por el conocimiento del lenguaje.

El proceso se puede describir con tanta precisión como le sea posible en el lenguaje conocido.

Se pueden realizar todas las depuraciones posibles.

Cualquier lenguaje de programación puede ser empleado para trabajar en Simulación, pero los lenguajes especialmente diseñados presentan las siguientes propiedades:

Acaban la tarea de programación. Generan una guía conceptual. Colaboran en la definición de entidades en el sistema. Manejan la flexibilidad en los cambios. Ayudan a analizar y a determinar la relación y el número de entidades en el

sistema.

Emshoff y Sisson consideran que la Simulación Discreta requiere de ciertas funciones comunes que diferencian un lenguaje de Simulación de uno de propósito general, entre las cuales se encuentran las siguientes:

Generar números aleatorios. Generar variables aleatorias. Variar el tiempo hasta la ocurrencia del siguiente evento. Registrar datos para salida. Realizar análisis estadístico sobre datos registrados. Construir salidas en formatos determinados. Detectar inconsistencias y errores.

Paquetes

Los paquetes son una versión depurada de los diferentes lenguajes de propósito general y presentan algunas ventajas sobre los lenguajes de programación generales:

Reducción de la tarea de programación. Definición exacta del sistema. Flexibilización mayor para cambios. Diferenciación mejor de las entidades que conforman el sistema. Relación estrecha entre las entidades del sistema.

Los paquetes de mayor utilización en Simulación son:

EXCEL, STELLA, SIMAN, RISK, STORM, LINDO, CRYSTAL BALL, QSB, MOR/DS, OR/MS, BEER GAME, GREENPACE, SIMULACION, TAYLOR II, CAPRE, SIMNET II, PROMODEL, ITHINK, URBAN DYNAMICS y POWERSIM.

En Simulación Gerencial podemos citar: FISH BANK, FINANACAT, BUGA-BUGA y MARKOPS, TREE PLAN entre otros.

4.3.1 VENTAJAS DEL SOFTWARE DE SIMULACIÓN

Ventajas y desventajas de la simulación por computadora

La simulación facilita la construcción de escenarios ideales, la manipulación de variables para observar su impacto en fenómenos determinados o para dotar al aprendiz de un recurso para la réplica de las teorías aprendidas. Una ventaja importante: “En lugar de que expertos construyan amplios modelos matemáticos, el software de simulación ha permitido modelar y analizar el funcionamiento de un sistema real para los no expertos, que son los administradores, pero no los programadores.”

La simulación asistida por computadora presenta ciertas desventajas:

1. Los resultados numéricos obtenidos se basan en el conjunto específico de números aleatorios, cuyas valonas corresponden a sólo uno de los resultados posibles Por tanto, los valores finales reportados en una simulación son sólo estimaciones de los valores reales que está buscando.

2. Para obtener estimaciones más exactas y para minimizar la probabilidad de tomar una mala decisión, usted debería

a) hacer un gran número de ensayos en cada simulación.

b) repetir toda la simulación un gran número de veces. Para problemas más complejos, un gran número de repeticiones puede requerir cantidades significativas de tiempo de cómputo.

3. Cada simulación requiere su propio diseño especial para imitar el argumento real bajo investigación y su propio programa de computadora asociado. Aunque es posible aprender y usar paquetes de software especializados, el esfuerzo de desarrollo en el diseño y programación de simulaciones del mundo real es extremadamente tardado.

Otras ventajas son:

La reproducción de fenómenos naturales difícilmente observables de manera directa en la realidad por motivos de peligrosidad, de escala de tiempo, de escala espacial o de carestía del montaje (Fernández, 2005)

Y la manipulación y control a voluntad de variables para la identificación de condiciones necesarias que lleven a cumplir con objetivos determinados.

Las ventajas mencionadas ofrecen al usuario la posibilidad de:

Experimentar nuevas situaciones de las que no se tiene información suficiente, lo que impulsa el desarrollo de estrategias de aprendizaje exploratorio y el descubrimiento del modelo que simula el sistema motivo de análisis.

Poner a prueba sus ideas previas acerca del fenómeno que se simula mediante la emisión de hipótesis propias lo cual redunda en mayor autonomía del proceso de aprendizaje. (Fernández, 2005)

Comprender mejor el modelo utilizado para explicar el fenómeno, al observar y comprobar de forma interactiva la realidad que representa (Fernández, 2005). Los resultados de la modificación de parámetros en la simulación facilitan conocer cómo se comporta y reacciona el sistema, acrecentando el entendimiento sobre su funcionamiento.

Adiestrarse en la toma de decisiones y formulación de conclusiones al tener la oportunidad de valorar diversos escenarios próximos a la realidad en un ambiente controlado y seguro pudiendo repetir la experiencia las veces que se considere necesario, a un costo mucho menor del que implicaría la reproducción real.

Comprender los conceptos más abstractos y menos intuitivos que forman parte del fenómeno estudiado, a través de la simplificación que ofrece el modelo simulado.

Implementar un software de simulación eficiente implica una inversión alta en tiempo, equipo y recursos humanos. El diseño de un buen software de este tipo requiere personal capacitado, tiempo para su desarrollo, el equipo necesario y planeación.

Muchas veces los resultados se muestran excesivamente simplistas por lo que no resultan adecuados para una distribución masiva. (Bartolomé, 1998)

Dado que es una versión simplificada de la realidad, puede provocar una visión reduccionista del fenómeno en el usuario.

No obstante, a pesar de las desventajas, la simulación por computadora es una de las técnicas más comúnmente usadas porque ofrece las siguientes ventajas:

1. La simulación le permite analizar grandes problemas complejos para los que no están disponibles resultados analíticos. De hecho, la mayoría de los problemas de mundo real encajan en esta categoría. La simulación proporciona una alternativa práctica.

2. Como con cualquier forma de simulación, la simulación por computadora permite que el tomador de decisiones experimente con muchas políticas y argumentos diferentes sin cambiar o experimentar realmente con el sistema existente real.

Por ejemplo, con una simulación por computadora, usted puede estudiar el impacto de añadir una nueva estación de trabajo a una línea de producción sin tener que organizar la estación de trabajo físicamente.

3. La simulación por computadora le permite comprimir tiempo. Por ejemplo, usted puede estudiar el impacto a largo plazo de una política para un banco durante todo un año en una simulación por computadora que dura unos cuantos minutos. La alternativa de implantar realmente la política y observar sus resultados en un año tal vez no sea práctica.

4. Algunas técnicas analíticas requieren de experiencia matemática sofisticada, tanto para utilizarlas como para comprenderlas. Una simulación por computadora pueda requerir pocas o ningunas matemáticas complejas y por tanto, puede ser intuitivamente más comprensibles. Por esta razón, la simulación por computadora

puede usarse aún cuando el problema pueda analizarse usando técnicas matemáticas. Desventajas

Implementar un software de simulación eficiente implica una inversión alta en tiempo, equipo y recursos humanos. El diseño de un buen software de este tipo requiere personal capacitado, tiempo para su desarrollo, el equipo necesario y planeación.

Muchas veces los resultados se muestran excesivamente simplistas por lo que no resultan adecuados para una distribución masiva. (Bartolomé, 1998)

Dado que es una versión simplificada de la realidad, puede provocar una visión reduccionista del fenómeno en el usuario.

Hay situaciones que difícilmente pueden reproducirse de manera artificial. Los procesos implicados en el aprendizaje exploratorio pueden resultar difíciles

para los estudiantes y, por otra parte, estos no son tan activos como asumimos, por tanto, aún teniendo las destrezas necesarias, los alumnos no suelen aplicarlas.

4.3.2 CARACTERÍSTICAS DEL SOFTWARE

Características de los simuladores

Glass-Husain (2010) menciona que todo simulador debe tener tres atributos:

Imitar la realidad No ser real en sí mismo y Poder ser modificado por sus usuarios.

Para Navarro y Santillán (s/f), los simuladores tienen tres características principales:

Su papel motivacional, ya que permiten la representación de fenómenos de estudio que potencialmente captan la atención e interés del estudiante.

Su papel facilitador del aprendizaje, ya que el estudiante interactúa, favoreciendo la aprehensión de saberes a través del descubrimiento y la comprensión del fenómeno, sistema o proceso simulado; finalmente

De acuerdo a Alonso y gallego (1997, en Cabero, 2007), las características de los multimedia y de los simuladores son:

Interactividad. Facilitan la comunicación recíproca, pues el usuario puede buscar información de forma personalizada, tomar decisiones y responder a distintas propuestas.

Ramificación. Dado que el sistema posee una multiplicidad de datos ramificados a los que cada usuario puede acceder de forma diferenciada.

Transparencia. En tanto que son sistemas que buscan la accesibilidad, rapidez y sencillez de manejo para los usuarios.

Navegación. Término que simboliza toda la actividad multimediática porque los usuarios “navegan por un mar de informaciones”.

Marqués (s/f) menciona que un buen programa educativo multimedia atiende a diversos aspectos funcionales, técnicos y pedagógicos:

Facilidad de uso e instalación. Versatilidad (adaptación a diversos contextos). Calidad del entorno audiovisual. Calidad en los contenidos (bases de datos). Navegación e interacción. Originalidad y uso de tecnología avanzada. Capacidad de motivación. Adecuación a los usuarios y a su ritmo de trabajo. Potencialidad de los recursos didácticos. Fomento de la iniciativa y el auto aprendizaje. Enfoque pedagógico actual. Documentación (información sobre las características del programa, forma de

uso y posibilidades didácticas). Esfuerzo cognitivo (deben facilitar aprendizajes significativos y transferibles a

otras situaciones mediante una continua actividad mental en consonancia con la naturaleza de los aprendizajes que se pretenden).

Existen en el mercado dos grandes clases de software para simulación:

Los lenguajes y los simuladores.

Un lenguaje de simulación es un software de simulación de naturaleza general y posee algunas características especiales para ciertas aplicaciones, tal como ocurre con SLAM 11 y SIMAN con sus módulos de manufactura.

El modelo es desarrollado usando las instrucciones adecuadas del lenguaje y permitiendo al analista un gran control para cualquier clase de sistema.

Un simulador (o de propósitos especiales) es un paquete de computadoras que permite realizar la simulación para un ambiente específico, no requiriendo esfuerzo en

programación. Hoy en día existen simuladores para ambientes de manufactura y sistemas de comunicación permitiendo un menor tiempo en el desarrollo del modelo, así como también contar con el personal sin experiencia en simulación.

Los simuladores son actualmente muy utilizados para análisis en alto nivel, requiriéndose únicamente agregar detalles en un cierto nivel, puesto que lo demás es estándar.

CACI Products Company autor de SIMSCRIPT 11.5 es también autor de los simuladores SIMFACTORY 11.5, NETWORK 11.5 y COMNET 11.5, muy utilizados en estos últimos tiempos para simulaciones de sistemas de manufacturas, redes de computadoras y redes de telecomunicaciones.

Para procesar transacciones en espera de un ordenamiento, un lenguaje de simulación debe proporcionar un medio automático de almacenamiento y recuperación de estas entidades.

Atendiendo a la orientación del modela miento de una simulación discreta, existen tres formas:

1. Programación de eventos.

2. Procesos.

3. Exanimación de actividades.

Una programación al evento es modelada, identificando las características del evento y luego se escriben un juego de rutinas para los eventos con la finalidad de describir detalladamente los cambios que ocurren en el tiempo en cada evento. Lenguajes como SIMSCRIPT 11.5 y SLAM 11 están orientados al evento.

Una interacción al proceso es una secuencia de tiempos interrelacionados, describiendo la experiencia de una entidad a través del sistema. Por ejemplo, en un modelo de colas esta "historia" se traduce en el paso del tiempo del ingreso a la cola, ingreso al servidor, paso del tiempo en el servicio y fin del servicio (ver Fig. 2). GPSS, SIMAN y SIMNET son orientados al proceso.

4.3.3 USO DE SOFTWARE DE SIMULACION

Software de simulación

El software apropiado para realizar modelos de simulación aplicando como metodología la Dinámica de Sistemas ha evolucionado en los últimos años en dos aspectos, uno es hacerlo amigable para el usuario, en lo que fue esencial la aparición de Windows, y otro es el aumento continuo de prestaciones.

Sin duda quedan ya lejanos los años en los que un modelo requería una noche de cálculos del ordenador de la facultad y complejas ecuaciones donde el nombre de las variables se hallaba limitado a 8 letras y cuya formulación era realmente críptica para el profano.

Simulación por computadora

Es un intento de modelar situaciones de la vida real por medio de un programa de computadora, lo que requiere ser estudiado para ver cómo es que trabaja el sistema. Ya sea por cambio de variables, quizás predicciones hechas acerca del comportamiento del sistema.

La simulación por computadora se ha convertido en una parte útil del modelado de muchos sistemas naturales en física, química y biología, y sistemas humanos como la economía y las ciencias sociales (sociología computacional),[3] así como en dirigir para ganar la penetración su comportamiento cambiará cada simulación según el conjunto de parámetros iniciales supuestos por el entorno. Las simulaciones por computadora son a menudo consideradas seres humanos fuera de un loop de simulación.

Tradicionalmente, el modelado formal de sistemas ha sido a través de un modelo matemático, que intenta encontrar soluciones analíticas a problemas que permiten la predicción del comportamiento de un sistema de un conjunto de parámetros y condiciones iniciales. La simulación por computadora es frecuentemente usada como un accesorio para, o sustitución de, sistemas de modelado para los cuales las soluciones analíticas de forma cerrada simple no son posibles. Ahí se encuentran muchos tipos diferentes de simulación por computadora, la característica común que todas ellas comparten es el intento por generar una muestra de escenarios representativos para un modelo en que una enumeración completa de todos los estados posibles sería prohibitiva o imposible. Varios paquetes de software existen para modelar por computadora en el funcionamiento de la simulación se realiza sin esfuerzo y simple (por ejemplo: la simulación Montecarlo y el modelado estocástico como el Simulador de Riesgo).

Es cada vez más común escuchar acerca de simulaciones a muchas clases designadas como "ambientes sintéticos". Esta etiqueta ha sido adoptada al ampliar la definición de "simulación", que abarca virtualmente cualquier representación computarizada.[4]

Simulación en informática

En informática la simulación tiene todavía mayor significado especializado: Alan Turing usó el término "simulación" para referirse a lo que pasa cuando una computadora digital corre una tabla de estado (corre un programa) que describe las transiciones de estado, las entradas y salidas de una máquina sujeta a discreto-estado. La simulación computarizada de una máquina sujeta.

En programación, un simulador es a menudo usado para ejecutar un programa que tiene que correr en ciertos tipos de inconvenientes de computadora o en un riguroso controlador de prueba de ambiente. Por ejemplo, los simuladores son frecuentemente usados para depurar un microprograma (micro código) o algunas veces programas de aplicación comercial. Dado que, la operación de computadoras es simulada, toda la información acerca de la operación de computadoras es directamente disponible al programador, y la velocidad y ejecución pueda variar a voluntad.

Los simuladores pueden ser usados para interpretar la ingeniería de seguridad o la prueba de diseño de lógica VLSI, antes de que sean construidos. En informática teórica el término "simulación" representa una relación entre los sistemas de transición de estado. Esto es usado en el estudio de la semántica operacional.

En el área de las ciencias son de gran ayuda ya que los estudiantes relacionan conceptos abstractos con reales (el choque de moléculas) y también ayuda en el sentido de los recursos ya que solo se tiene que disponer con un par de computadores y no con todo el aparataje de un laboratorio entero.

BIBLIOGRAFIA:

http://html.rincondelvago.com/simulacion-en-la-investigacion-de-operaciones.html

http://www.monografias.com/trabajos12/carlo/carlo.shtml

http://html.rincondelvago.com/simulacion.html

http://www.monografias.com/trabajos60/control-inventarios/control-inventarios2.shtml

http://www.um.es/or/ampliacion/node3.html

http://www.dei.uc.edu.py/tai99/introsimulacion/simucon.htm