Matematicas

Con el transcurso del tiempo, se ha vuelto evidente la necesidad que tienen las empresas para desarrollarse en un entorno más competitivo. Por lo tanto, se ha vuelto de vital importancia que estas adquieran ventajas competitivas que las distingan. Las empresas se encuentran enfocadas en aumentar la productividad a bajos costos, minimizando el riesgo de pérdida de mercancía y garantizando niveles óptimos de seguridad. Es por eso, que las empresas están implementando la herramienta de Simulación, ya que les permite “imitar” una situación de la vida real y nos permite comprender e interpretar cómo se comporta el sistema. Esta herramienta permite realizar experimentos en el modelo hasta que este sea óptimo, para que pueda ser empleado por la empresa.

Muchos autores han explicado la importancia de implementar esta herramienta para que las empresas se vuelvan más competitivas.

Según Thomas H. Naylor “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 a través de largos periodos de tiempo.”

Según H. Maisel y G. Grugnoli “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 sistemas de negocios, económicos, sociales, biológicos, físicos o químicos a través de largos periodos de tiempo”.

Según Robert E. Shannon “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 carácter analítico, la cual permite establecer un sistema que inicia con la obtención de información, el modelo y posteriormente, la simulación. Los datos obtenidos nos permiten predecir el comportamiento actual y futuro, ayuda a mejorar la toma de decisiones basadas en los resultados obtenidos al utilizar la simulación de procesos. Hay diferente Software que nos permite realizar simulación, entre ellos se encuentran Arena Rockwell y Flexsim.

Existen varios tipos de simulación, entre ellos podemos encontrar lo tipos de modelos de simulación estática y dinámica, donde la estática se entiende como la representación de un sistema para un instante (en el tiempo) en particular o bien para representar un sistema en el que el tiempo no es importante, por ejemplo la simulación Montecarlo; en cambio un modelo de simulación dinámica representa un sistema en el que el tiempo es una variable de interés, como por ejemplo en el sistema de transporte de materiales dentro de una fábrica, una torre de enfriamiento de una central termoeléctrica, etc.

Los modelos de simulación determinista y la estocástica, si un modelo de simulación no considera ninguna variable importante, comportándose de acuerdo con una ley probabilística, se le llama un modelo de simulación determinista. En estos modelos la salida queda determinada una vez que se especifican los datos y relaciones de entrada al modelo, tomando una cierta cantidad de tiempo de cómputo para su evaluación. Sin embargo, muchos sistemas se modelan tomando en cuenta algún componente aleatorio de entrada, lo que da la característica de modelo estocástico de simulación. Ejemplo: un sistema de inventarios o el sistema de líneas de espera de una fábrica, etc. Estos modelos producen una salida que es en sí misma de carácter aleatorio y ésta debe ser tratada únicamente para estimar las características reales del modelo, esta es una de las principales desventajas de este tipo de simulación.

Y por último, los tipos de modelos de simulación continuos y discretos, estos se definen de manera análoga a los sistemas discretos y continuos respectivamente. Pero debe entenderse que un modelo discreto de simulación no siempre se usa para modelar un sistema discreto. La decisión de utilizar un modelo discreto o continuo para simular un sistema en particular, depende de los objetivos específicos de estudio. Por ejemplo: un modelo de flujo de tráfico en una supercarretera, puede ser discreto si las características y movimientos de los vehículos en forma individual es importante. En cambio si los vehículos pueden considerarse como un agregado en el flujo de tráfico entonces se puede usar un modelo basado en ecuaciones diferenciales presentes en un modelo continuo. Otro ejemplo: Un fabricante de comida para perros, requiere el auxilio de una compañía consultora con el objeto de construir un modelo de simulación para su línea de fabricación, la cual produce medio millón de latas al día a una velocidad casi constante. Debido a que cada una de las latas se representó como una entidad separada en el modelo, éste resultó ser demasiado detallado y por ende caro para correrlo, haciéndolo poco útil. Unos meses más tarde, se hizo una reformulación del modelo, tratando al proceso como un flujo continuo. Este nuevo modelo produjo resultados precisos y se ejecutó en una fracción del tiempo necesario por el modelo original.

La aplicación de la simulación es conveniente cuando no existe una formulación matemática analíticamente resoluble. Muchos sistemas reales no pueden ser modelados matemáticamente con las herramientas actualmente disponibles, por ejemplo la conducta de un cliente de un banco. Existe una formulación matemática, pero es difícil obtener una solución analítica. Los modelos matemáticos utilizados para modelar un reactor nuclear o una planta química son imposibles de resolver en forma analítica sin realizar serias simplificaciones.

En la simulación se puede caracterizar por estimar o predecir un resultado, la estimación se basa en la probabilidad que asociamos con un valor intervalo que se conoce como el nivel de confianza. Esta probabilidad nos indica que tanta confianza tenemos en que la estimación del intervalo. Una probabilidad más alta significa más confianza. El intervalo de confianza es el alcance de la estimación que estamos haciendo pero a menudo hacemos el intervalo de confianza en términos de errores estándar .

El término predicción puede referirse tanto a la acción y al efecto de predecir, como a las palabras que manifiestan aquello que se predice en este sentido, predecir algo es anunciar por revelación, ciencia o conjetura algo

...