Simulación en Ingeniería y Gestión: Evolución, Ventajas y Aplicaciones Clave

Popularidad de la Simulación en Ingeniería y Gestión

• Ha sido consistentemente rankeada como la herramienta más útil y popular en las áreas generales de Investigación de Operaciones y Ciencias de la Administración.

• Hitos en la Popularidad de la Simulación:

  • 1978: Graduados del Departamento de Investigación de Operaciones de CWRU clasificaron la simulación como la quinta herramienta más importante, después del análisis estadístico, predicción, análisis de sistemas y sistemas de información.
  • 1979: Una encuesta a 137 grandes empresas reveló que el 84% utilizaba la simulación, solo superada por el análisis estadístico (93%). Otros métodos populares incluían *LP*, *PERT/CPM*, teoría de inventarios y *NLP*.
  • 1980: Miembros de la división de Investigación de Operaciones de AIIE clasificaron la simulación como la primera en uso e interés, mientras que *LP* fue la primera en familiaridad (la simulación fue segunda).
  • 1983, 1989, 1993: Estudios longitudinales sobre la práctica corporativa mostraron que la simulación se mantenía consistentemente como la segunda herramienta más utilizada, después del análisis estadístico.
  • 1989: Una "encuesta de encuestas" reportó un *fuerte uso de la simulación consistentemente*.
• Desde estas encuestas, el software ha mejorado significativamente, haciendo la simulación aún más atractiva y accesible.

Ventajas Clave de la Simulación

• Flexibilidad: Permite modelar sistemas tal como son, incluso si son altamente complejos.
• Manejo de la Incertidumbre: Facilita la inclusión de incertidumbre y no-estacionalidad en el modelado. Es crucial reconocer que "nada es seguro" y el peligro de ignorar la variabilidad del sistema para asegurar la validez del modelo.
• Eficiencia Computacional: Ofrece una ventaja en la relación costo-computacional. Se estima que un 75% del poder computacional se utiliza en distintos tipos de simulación.
• Avances en Software: El software de simulación ha evolucionado, siendo mucho más fácil de usar e incorporando diseño estadístico y capacidades de análisis avanzadas.

Desafíos y Limitaciones de la Simulación

• Resultados Aproximados: No se obtienen respuestas exactas, solo aproximaciones y estimaciones (aunque se pueden limitar los errores por redondeo de máquina).
• Output Aleatorio (RIRO): Las simulaciones estocásticas generan *output* aleatorio (*Random Input, Random Output*). Esto requiere:
  • Diseño estadístico y análisis de experimentos de simulación.
  • Explotación de técnicas como el control de ruido, la replicabilidad, el muestreo secuencial y las técnicas de reducción de varianza.
  • Es importante notar que los métodos estadísticos "estándar" pocas veces funcionan directamente con datos de simulación.

Clasificación de los Tipos de Simulación

• Estática vs. Dinámica: ¿Tiene el tiempo un rol en el modelo?
• Continua vs. Discreta: ¿Puede el estado del sistema cambiar continuamente o solo en puntos discretos en el tiempo?
• Determinística vs. Estocástica: ¿Está todo asegurado o hay incertidumbre inherente en el sistema?
• La mayoría de los modelos operacionales son: *Dinámicos, Discretos y Estocásticos*.

El Problema de la Aguja de Buffon: Un Ejemplo Clásico de Simulación

El problema de la aguja de Buffon ilustra principios fundamentales de la simulación.

Características Importantes:

• Experimenta para estimar algo difícil de computar exactamente (ejemplo de 1733).
• Involucra aleatoriedad, de tal forma que la estimación no será exacta; sin embargo, se puede estimar el error en la estimación.
• La replicación (mientras más, mejor) es crucial para reducir el error.
• El muestreo secuencial permite controlar el error: se continúa el proceso hasta que el error probable en la estimación sea *suficientemente pequeño*.
• Se pueden aplicar técnicas de reducción de la varianza (*Buffon Cross*).

Herramientas Computacionales para la Simulación

• Apoyo de Paquetes para Lenguajes de Propósito General:

  • Ofrecen subrutinas para procesos, registros y avance de tiempo.
  • Son ampliamente distribuidos y modificados.

• Hojas de Cálculo:

  • Generalmente para modelos estáticos o dinámicos muy simples.
  • Útiles para escenarios financieros, muestras de distribución y control estadístico de calidad (*SQC*).

• Lenguajes de Simulación Específicos:

  • Ejemplos incluyen *GPSS, SLX, SIMAN*.
  • Fueron populares y algunos todavía están en uso.
  • Requieren una curva de aprendizaje para sus características, uso efectivo y sintaxis.

• Simuladores de Alto Nivel:

  • Son muy fáciles de usar, a menudo con una interfaz gráfica intuitiva.
  • Suelen ser de dominio restringido (ej. manufactura, comunicaciones).

Requisitos Clave de un Lenguaje de Simulación

• Estructura Jerárquica:

  • Permite múltiples niveles de modelado.
  • Facilita la mezcla de diferentes niveles de modelado en el mismo modelo.
  • A menudo, se comienza con un nivel alto y se desciende tanto como se requiera para el detalle.
• Facilidad de Uso: El simulador debe ser fácil de usar sin sacrificar la flexibilidad del modelo.

Evolución y Aplicación de la Simulación

El uso de la simulación ha evolucionado significativamente con el desarrollo del software:

Primeros Años (1950s – 1960s):

• Era una herramienta muy cara y especializada.
• Requería grandes computadores y entrenamiento especial.

Años Formativos (1970s – comienzos 1980s):

• Los computadores se hicieron más rápidos y baratos.
• El valor de la simulación fue más ampliamente reconocido.

Pasado Reciente (fines 1980s – mediados 2000s):

• Mayor aceptación en diversas áreas, incluyendo aplicaciones en manufactura tradicional, servicios, salud y *procesos de negocios*.
• Mayormente, su uso se concentraba aún en grandes compañías.