Introducción

En general, para implementar sistemas automatizados flexibles, complejos y altamente precisos,

debemos construir sistemas de test caros y complejos. Esta complejidad hace que el chequeo sea
difícil (o imposible), así como la previsión de su comportamiento y comprensión global,
indispensable para minimizar los riesgos en el sistema desarrollado.

Para lograr estos objetivos con una aproximación efectiva con respecto a los costos, está difundido
el uso de metodologías y herramientas de simulación. Las ventajas de la simulación son múltiples:
puede reducirse el tiempo de desarrollo del sistema, las decisiones pueden chequearse
artificialmente, un mismo modelo puede usarse muchas veces, etc. La simulación es de empleo mas
simple que ciertas técnicas analíticas y precisas menos simplificaciones. El sistema a construir tendrá
como objetivo ayudar a los investigadores a modelar tales fenómenos complejos.

A lo largo del tiempo se han ido estudiando numerosos métodos, hasta llegar a la situación actual,
en la que las simulaciones son tan realistas que pueden estudiarse con alto grado de detalle sistemas
altamente complejos, de campos tan dispares como la política (tácticas militares, servicios
sanitarios), la ecología (control de residuos, prevención de incendios), los negocios (análisis de
existencias, política de precios), la computación (redes de ordenadores, bases de datos) o, como en
el caso que nos ocupa, los sistemas de fabricación y líneas de montaje.

Se hará una breve reseña histórica que ayude a comprender el porqué del surgimiento de estas
técnicas y su importancia en la actualidad. Posiblemente, uno de los primeros métodos de
simulación sea el llamado Método de Montecarlo, desarrollado entre 1942 y 1945 por J.V. Neumann
y S.Ullman. Dicho método se basa en algoritmos utilizados para simular sistemas complejos
mediante la resolución de ecuaciones por métodos de aproximación aleatoria.
Contenido
Introducción ........................................................................................................................................ 1
Simulación Discreta ............................................................................................................................. 3
Variables .......................................................................................................................................... 3
Muestreo ......................................................................................................................................... 3
Hipótesis .......................................................................................................................................... 3
Universo .......................................................................................................................................... 3
Validación y Experimentación ......................................................................................................... 4
Simulación continua ............................................................................................................................ 4
Ejemplos: ......................................................................................................................................... 4
¿Cuál es la diferencia entre variable discreta y variable continua? ................................................ 4
Objetivo: .......................................................................................................................................... 4
Hipótesis: ......................................................................................................................................... 4
Variables de decisión: ..................................................................................................................... 4
Muestreo ......................................................................................................................................... 4
Eventos: ........................................................................................................................................... 5
Validación y experimentación ......................................................................................................... 5
Conclusión ........................................................................................................................................... 6
Referencias .......................................................................................................................................... 7
Simulación Discreta
El modelo de simulación propuesto surge como respuesta a la necesidad de una de las empresas de
confección y moda más grandes de Colombia, que cuenta con más de 1.000 empleados, 12 líneas
de productos, 10 referencias de línea, más de 100 referencias nuevas por colección (3 colecciones
por año), fabricación mensual de más de 200.000 unidades en marcas propias y maquila, entre otros
factores importantes que hacen que la empresa seleccionada sea líder del sector confección. El
proceso de producción modular de confección se caracteriza a través de 5 etapas las cuales son la
entrada de lotes de producción a zona de espera, elección de lote y selección de canaleta, montaje
de maquinaría y lote en la canaleta, inicio de producción y finalización de producción. Se aclara que
un módulo de confección representa un equipo de personas encargadas de procesar las prendas de
vestir; las canaletas se definen como el espacio físico y maquinaria donde se instala un módulo de
confección; y un equipo de montaje se define como un grupo de personas encargado de alistar las
canaletas para que un módulo de confección fabrique una referencia.

Esta empresa presenta un aumento en el incumplimiento de pedidos, altos tiempos de

procesamiento por lote, un aumento de más del 40% en la utilización de la capacidad de
almacenamiento y en tiempo de almacenamiento en el centro de distribución. Para enfrentar este
problema, la empresa ha tomado la decisión de fabricar tamaños de lote de menor tamaño, que
oscilen entre 100 y 1.000 unidades. En las primeras fases de implementación de esta nueva
estrategia, se evidenció el aumento en tiempos improductivos de producción y el represamiento de
lotes de trabajo, debido al aumento del número de alistamientos que se generan para dar respuesta
a la gran variedad de referencias a procesar en un periodo de tiempo.

Variables
• Módulos de confección
• Equipos de montaje y alistamiento
• Recursos de espacio y maquinaria
• Tiempos de operación y actividades

Muestreo
• Tiempos de alistamiento y montajes
• Tamaños de lote
• Tiempo entre llegadas de lotes al proceso de producción

Hipótesis
Fabricar tamaños de lote de menor tamaño es la solución al incumplimiento de pedidos, altos
tiempos de procesamiento junto con la capacidad y tiempo de almacenamiento.

Universo
El proceso de producción modular de confección se caracteriza a través de 5 etapas las cuales son
la entrada de lotes de producción a zona de espera, elección de lote y selección de canaleta, montaje
de maquinaría y lote en la canaleta, inicio de producción y finalización de producción.
Validación y Experimentación
Se evidenció el aumento en tiempos improductivos de producción y el represamiento de lotes de
trabajo, debido al aumento del número de alistamientos que se generan para dar respuesta a la
gran variedad de referencias a procesar en un periodo de tiempo.

Simulación continua
Es aquella en la que las variables de estado del modelo cambian continuamente respecto del
tiempo. Es decir, el intervalo de tiempo entre la ocurrencia de un evento y otro se puede considerar
infinitesimal.

Ejemplos:
– La temperatura en el transcurso del día. La variable de estado toma diferentes valores en el
tiempo, según la temperatura.

– El funcionamiento del tanque de gasolina de una estación de venta de combustible, que, por
medio de la máquina surtidora, transfiere un flujo hacia los tanques de los vehículos.

¿Cuál es la diferencia entre variable discreta y variable continua?

La diferencia está en la forma como cambian de valor. Las variables discretas cambian de valor con
la ocurrencia de eventos en el sistema. Mientras no ocurra un evento sus valores permanecen
constantes. En cambio, las variables continuas cambian con el simple avance de tiempo. Por ello, el
valor de estas variables se rige por una ecuación en función del tiempo.

Objetivo:
Estudia el tiempo que espera cada pieza en ser procesadas en cierto periodo de tiempo, se considera
carga, proceso y descarga

Hipótesis:
Una prensa cuenta con un sistema automatizado de carga y descarga de piezas. Cada 5 minutos
llegan piezas de diferentes características al sistema, con distribución exponencial. La prensa tarda
4 minutos, también con distribución exponencial, en terminar su trabajo con cada pieza, se
considera carga, proceso y descarga. Suponga que puede tener cualquier cantidad de piezas que
esperan ser procesadas, y simule el proceso por 100 días.

Variables de decisión:
1. Número de piezas.
2. Número de maquinaria (prensa).
3. Número de trabajadores.

Muestreo
1. Tiempo de llegada de piezas.
2. Tiempo que tarda la prensa en cada pieza
3. Días que se simulará
Eventos:
1. Mal uso de la prensa (falta que capacitación)
2. Gasto de piezas
3. Gasto/pago hrs extra.
4. Inicio/fin instalación pieza

Validación y experimentación
Es evidente que el tiempo que tarda en producir, o ya sea cargar o descargar cada pieza tarda un
cierto tiempo que claro puede reducirse, este tiempo que se muestra puede ser por varios factores,
ya sea la maquina o simplemente el recurso humano que la opera.
Conclusión

Hemos visto como la simulación por eventos discretos y continuos nos puede ayudar a superar las
limitaciones que modelos en planillas de cálculo o modelos de fila de espera tradicionales pueden
resolver., supimos diferenciar cada una de ellas y así mismo explicarlo con un ejemplo más didáctico.

Sin embargo, vimos que las mismas premisas y consideraciones a tener en los casos anteriores se
mantienen. Son clave el criterio, conocimientos estadísticos y de las herramientas, para que los
modelos y sus conclusiones sean de utilidad.

“Basura entra basura sale”: La calidad de las conclusiones será solo tan buena como la información
que alimentemos y la calidad de las suposiciones y lógicas involucradas.

También vimos que la simulación tiene sus ventajas y desventajas por lo que no será siempre una
navaja suiza para nuestros problemas, cabe mencionar que esto es solo para tener un idea de lo que
puede llegar a pasar en caso de que apliquemos los proyectos o métodos que tenemos en mente,
no es 100% seguro que será tal y como se espera.

Problemas con mayores riesgos, inversiones, costos e irreversibilidad, en los que exista abundancia
de información, serán particularmente propicios para resolver utilizando simulación.
Referencias
A., J. C. (2018). Revista Tecnica de la Facultad del Zulia. Obtenido de
https://ve.scielo.org/scielo.php?script=sci_arttext&pid=S0254-07702018000100007

Guaita, W. (s.f.). Boletín de dinamica. Obtenido de http://www.dinamica-de-

sistemas.com/revista/0608o.htm

Reyes, E. G. (2013). Simulación y análisis de sistemas con ProModel. Mexico: PEARSON.