SISTEMAS Y SEALES Modelado de sistemas Modelado de

SISTEMAS Y SEÑALES Modelado de sistemas

Modelado de. . . Sistemas. . . l l Sistemas web Sistemas de control/tiempo real Familias de sistemas l Variabilidad Patrones de alto nivel Restricciones Requisitos Procesos. . . Modelos ¿ejecutables? 2

La importancia de los modelos 3

MODELOS Y AYUDA EN LA TOMA DE DECISIONES n n Un modelo es una representación de algún equipo o sistema real. El valor de un modelo surge cuando éste mejora nuestra comprensión de las características del comportamiento en forma más efectiva que si se observará el sistema real. Un modelo, comparado con el sistema verdadero que representa, puede proporcionar información a costo más bajo y permitir el logro de un conocimiento más rápido de las condiciones que no se observan en la vida real. 4

Modelos estáticos · Los modelos estáticos describen un sistema, en términos de ecuaciones matemáticas, donde el efecto potencial de cada alterativa es evaluada a través de ecuaciones. La actuación del sistema es determinada sumando los efectos individuales. Los modelos estáticos ignoran las variaciones en el tiempo 5

Modelos dinámicos Los modelos dinámicos son una representación de la conducta dinámica de un sistema, Mientras un modelo estático involucra la aplicación de una sola ecuación, los modelos dinámicos, por otro lado, son reiterativos. Los modelo dinámicos constantemente aplican sus ecuaciones considerando cambios de tiempo. 6

Tipos de modelos a estudiar con la dinámica de sistemas 7

Evento Continuo · La simulación continua son análogas a un deposito en donde el fluido que atraviesa una cañería es constante. El volumen puede aumentar o puede disminuir, pero el flujo es continuo. En modelos continuos, el cambio de valores se basa directamente en los cambios de tiempo. 8

Evento discreto n La llegada de órdenes, o las partes que están siendo ensambladas, así como los clientes que llaman, son ejemplos de eventos discretos. El estado de los cambios en los modelos sólo se dan cuando esos eventos ocurren. Una fábrica que ensambla partes es un buen ejemplo de un sistema de evento discreto. Las entidades individuales (partes) son ensambladas basadas en eventos (recibo o anticipación de órdenes). El tiempo entre los eventos en un modelo de evento discreto raramente es uniforme: 9

Modelos de ingeniería Modelo de ingeniería: l Representación reducida de un sistema Propósito: l Ayudar a comprender un problema complejo (o solución) l Comunicar ideas acerca de un problema o solución l Guiar la implementación 10

Características de los modelos Abstracto l Enfatiza los elementos importantes y oculta los irrelevantes Comprensible l Fácil de comprender por los observadores Preciso l Representa de forma fiel el sistema que modela Predictivo l Se pueden usar para deducir conclusiones sobre el sistema que modela Barato l Mucho más barato y sencillo de construir que el sistema que modela Los modelos de ingeniería eficaces deben satisfacer todas estas característica 11

Cómo se usan Para detectar errores u omisiones en el diseño antes de comprometer recursos para la implementación l l l Analizar y experimentar Investigar y comparar soluciones alternativas Minimizar riesgos Para comunicarse con los “stakeholders” l Clientes, usuarios, implementadores, encargados de pruebas, documentadores, etc. Para guiar la implementación 12

EXPERIMENTAR CON EL SISTEMA REAL FORMAS DE ESTUDIAR UN SISTEMA: SISTEMA Modelo físico EXPERIMENTAR CON UN MODELO DEL SISTEMA (VALIDACIÓN) Solución analítica Modelo matemático Simulación 13

Desarrollo guiado por modelos (“Model-Driven development” o MDD) Una aproximación al desarrollo de software en el que el enfoque y los artefactos fundamentales son modelos (y no programas) Implica la generación automática de programas a partir de modelos l Utilizando lenguajes de modelado directamente como herramientas de implementación “El modelo es la implementación” 14

Lo esencial en MDD En MDD el enfoque y los artefactos fundamentales son modelos (y no programas) La mayor ventaja es que los conceptos de modelado están mucho menos ligados a la tecnología de implementación y más cerca del dominio del problema Los modelos son más fáciles de especificar, comprender y mantener 15

La práctica Modelos Observables Es necesario que las herramientas nos den información sobre errores, al igual que lo hacen los compiladores (o los depuradores, en programación) Modelos ejecutables l Debe ser posible trabajar con modelos incompletos (pero bien formados) l Eficiencia del sistema generado l 15 % de diferencia con las herramientas actuales 16

SIMULACIÓN: Técnicas para imitar el funcionamiento de sistemas o procesos reales mediante programas de ordenador. HIPÓTESIS SOBRE EL SISTEMA: Sencillas: posible obtener soluciones exactas o analíticas Complejas: es lo más usual. Deben ser estudiados mediante simulación. Se obtienen soluciones aproximadas. 17

Simulación La simulación involucra el diseño de modelos de un sistema, llevando a cabo experimentos en él. El propósito de éstos ("que pasa si") experimentos son determinar cómo el sistema realiza y predice el efecto de cambios al sistema a través del tiempo. Por ejemplo, se acostumbra emplear la simulación al contestar preguntas como: ¿Qué efectos tiene un incremento en la tasa poblacional en una comunidad? ¿Qué pasaría si aumento el número de programas para evitar que los niños jóvenes y adultos comentan robos? 18

VENTAJAS DE LA SIMULACION Permite estudiar sistemas reales que no se pueden evaluar analíticamente Hace posible estimar el comportamiento de un sistema existente si se modifican algunas de las condiciones de funcionamiento actuales Se pueden comparar distintas alternativas de diseño (o de formas de operar de un sistema), para ver cual se comporta mejor Permite estudiar en poco tiempo la evolución de un sistema en un periodo largo de tiempo y al revés Se puede utilizar para validar un modelo analítico 19

DESVENTAJAS DE LA SIMULACION No produce resultados exactos, sino estimaciones. Esto hace necesario el uso de técnicas estadísticas Desarrollar un modelo de simulación suele ser caro y lleva tiempo Es difícil demostrar la validez del modelo. Si el modelo no es válido, los resultados son poco útiles Es difícil encontrar el óptimo: sólo se puede encontrar el mejor entre varias alternativas 20

ERRORES MAS FRECUENTES EN LOS ESTUDIOS DE SIMULACION No tener bien definidos los objetivos al comienzo del estudio Elegir un nivel de detalle inapropiado Tratar un estudio de simulación como si fuera principalmente un problema de programación Confiar en simuladores que hacen la simulación accesible a “todo el mundo” Analizar los datos de salida a partir de una sola ejecución, tratándola como la solución verdadera Fallar en la comunicación con las personas que conocen realmente el sistema No modelizar correctamente las distintas fuentes de aleatoriedad del sistema real 21

SIMULADORES Son paquetes que permiten simular algunos tipos de sistemas con poca o ninguna necesidad de programar. Los sistemas se seleccionan a base de menús y de gráficos. Ventaja: Ahorran tiempo de programación Inconvenientes: • Están limitados a modelizar sólamente las configuraciones de sistemas que permite el simulador. • Las ejecuciones son más lentas ALGUNOS SIMULADORES : WORKBENCH Comnet III (específico redes de comunicaciones) QSIM (incluido en QSB) Simfactory II. 5 Promodel 22

VALIDACION DEL MODELO Consiste en comprobar si el modelo conceptual de simulación es una adecuada representación del sistema que se está estudiando. Debe llevarse a cabo a lo largo de todo el estudio de simulación. Etapas para desarrollar un modelo válido: 1. - Proponer un modelo razonable 2. - Contrastar empíricamente las hipótesis del modelo 3. - Determinar hasta que punto son representativos los datos de salida 23

1 -PROPUESTA DE UN MODELO RAZONABLE Tener claros los objetivos, las medidas de evaluación del sistema y las configuraciones alternativas del sistema Hablar con las personas relacionadas con el sistema y obtener toda la información existente Observar un sistema similar (si existe) y obtener los datos históricos, o recogerlos si no existen Exponer a todos los relacionados con el sistema una explicación detallada y estructurada del modelo conceptual antes de empezar la codificación Proponer inicialmente un nivel de detalle razonable 24

2: CONTRASTAR EMPIRICAMENTE LAS HIPOTESIS DEL MODELO Estudiar si los datos de entrada se ajustan al modelo propuesto. Realizar análisis de sensibilidad para estudiar cuanto cambian los resultados de la simulación al cambiar los parámetros de entrada o las distribuciones de probabilidad. Las partes más sensibles habrá que programarlas con un mayor nivel de detalle 25

3 - DETERMINAR HASTA QUE PUNTO SON REPRESENTATIVOS LOS DATOS DE SALIDA Si existe un sistema similar al propuesto, se comparan los datos de salida del sistema, y los del modelo de simulación. Si son similares, el modelo es válido. A continuación se modificaría el modelo para representar al sistema que nos interesa estudiar Si no existe un sistema similar, se intenta simplificar el modelo de forma que tenga solución analítica, y se comparan los resultados. La validez del modelo será mayor cuanto menores sean las simplificaciones para obtener la solución analítica. El test definitivo se obtiene comparando los resultados del modelo con los del sistema propuesto, si este llega a construirse. Pero si no es válido, ya no puede corregirse. 26

Dinámica de sistemas

DEFINICIÓN DE LA D. S. n Es una metodología de uso generalizado para modelar y estudiar el comportamiento de cualquier clase de sistemas y su comportamiento a través del tiempo con tal de que tenga características de existencias de retardos y bucles de realimentación[1]. n Estudia las características de realimentación de la información en la actividad industrial con el fin de demostrar como la estructura organizativa, la amplificación (de políticas) y la demoras (en las decisiones y acciones) interactúan e influyen en el éxito de la empresa[2]. n Es un método en el cual se combinan el análisis y la síntesis, suministrando un ejemplo concreto de la metodología sistémica. La dinámica de sistemas suministra un lenguaje que permite expresar las relaciones que se producen en el seno de un sistema, y explicar como se genera su comportamiento[3]. 28

n El primer paso sondea la riqueza de información que la gente posee en sus mentes. Las bases de datos mentales son una fecunda fuente de información acerca de un sistema. La gente conoce la estructura de un sistema y las normas que dirigen las decisiones. En el pasado, la investigación en administración y las ciencias sociales han restringido su campo de acción, indebidamente, a datos mesurables, habiendo descartado el cuerpo de información existente en la experiencia de la gente del mundo del trabajo, que es mucho más rico. La dinámica de sistemas usa conceptos del campo del control realimentado para organizar información en un modelo de simulación por ordenador. Un ordenador ejecuta los papeles de los individuos en el mundo real. La simulación resultante revela implicaciones del comportamiento del sistema representado por el modelo. 29

HISTORIA DE LA DINÁMICA DE SISTEMAS n Forrester estableció un paralelismo entre los sistemas n la dinámica de sistemas, permite en estos días ir más allá de los estudios de casos y las teorías descriptivas. La dinámica de sistemas no está restringida a sistemas lineales, puediendo hacer pleno uso de las características no-lineales de los sistemas. Combinados con las computadoras, los modelos de dinámica de sistemas permiten una simulación eficaz de sistemas complejos. Dicha simulación representa la única forma de determinar el comportamiento en los sistemas no-lineales complejos. dinámicos (o en evolución) y uno hidrodinámico, constituido por depósitos, intercomunicados por canales con o sin retardos, variando mediante flujos su nivel, con el concurso de fenómenos exógenos. 30

Temática Sistema y dinámica de sistemas Fundamentos de la dinámica de sistemas Modelación de sistemas dinámicos 31

Reflexión inicial No vivimos en un mundo unidireccional, en el cual un problema conduce a una acción que lleva a una solución (pensamiento lineal) La magnitud de los resultados tampoco es lineal, estos pueden crecer o decrecer en el tiempo (evolución no lineal). Vivimos en un entorno circular en movimiento. Nuestro presente esta condicionado por nuestro pasado, al igual que nuestro futuro lo estará por las acciones que hagamos en el presente. No hay comienzo ni terminación del proceso. 32

Sistemas abiertos y de retroalimentación Sistema abierto l Se caracteriza por salidas que responden a entradas, pero las salidas no tiene influencia sobre las entradas l No conoce su propio desempeño y las acciones pasadas no controlan a las acciones futuras entrada Sistema salida 33

Sistemas abiertos y de retroalimentación Sistema de retroalimentación o cerrado l Está influenciado por su propio comportamiento pasado l Estructura de lazo cerrado que retorna resultados de acciones pasadas con el fin de controlar acciones futuras salida entrada Sistema retroalimentación 34

Retroalimentación positiva y negativa Negativa l l l Busca una meta y responde con una consecuencia de caídas hasta alcanzar una meta Ocurre cuando el cambio en un sistema produce menos y menos cambios en la misma dirección, hasta que la meta es alcanzada Ejemplo: Desinflado de un balón Positiva l l Genera procesos de crecimiento, donde las acciones construyen un resultado que genera acciones aún mas grandes. Ejemplo: reproducción de conejos 35

Dinámica de Sistemas Teoría, métodos y filosofía para analizar el comportamiento de los sistemas Un proyecto de DS comienza con un problema que hay que resolver o un comportamiento indeseable que hay que corregir En un proyecto de DS se da un mayor peso a la riqueza de información que la gente posee en sus mentes sobre los datos mesurables. Una organización domina la toma de decisiones por parte de los individuos Un modelo de DS es una estructura de políticas en interacción, entendiéndose por política la representación de las causa de una acción y no una norma formal escrita. 36

Postulados básicos de la DS La mayor parte de los problemas se origina en causas internas, aunque se culpe a los factores externos. Las acciones que se emprenden, normalmente bajo la creencia de que son una solución a los problemas, son a menudo la causa de los problemas que se experimentan La propia naturaleza de la estructura dinámica realimentada de un sistema tiende a conducir, erróneamente, a acciones que son ineficaces e incluso contraproducentes. Los individuos disponen de suficiente información sobre un sistema como para permitir, con éxito, su modelado. 37

1 3 Marco operativo de la DS Estudio de Casos (Harvard BS) Enfoque matemático, cuantitativo y de investigación en la 2 de la empresa dirección (MIT, Universidad de Carnegie) Combinación de información numérica y descriptiva Modelamiento y simulación dinámica Bell Telephones y MIT 38

Estudio de Caso Desventaja l La descripción de un caso incluye políticas y relaciones dentro de un sistema que es demasiado complejo para ser comprendido intuitivamente l Generan conclusiones dinámicas equivocas y resultan ineficaces para descubrir los motivos por los cuales corporaciones , en condiciones aparentemente similares, ofrecen comportamientos muy diferentes. 39

Enfoque cuantitativo en la Dirección Desventaja l Los primeros métodos se limitaban a la análisis lineal y enfatizan soluciones optimas que respuestas practicas y realistas l Tratan a las funciones empresariales por separado l Los métodos cuantitativos tradicionales no han incorporado la estructura de realimentación que engloba el proceso de toma de decisiones. 40

Dinámica de sistemas Permite ir más allá de los estudios de casos y las teorías descriptivas. La dinámica de sistemas no está restringida a sistemas lineales, pudiendo hacer pleno uso de las características no-lineales de los sistemas. Combinados con las computadoras, los modelos de dinámica de sistemas permiten una simulación eficaz de sistemas complejos. Dicha simulación representa la única forma de determinar el comportamiento en los sistemas no-lineales complejos. 41

Modelos y toma de decisiones Un modelo es una representación de un sistema real. El valor de un modelo surge cuando éste mejora nuestra comprensión de las características del comportamiento en forma más efectiva que si se observará el sistema real. Un modelo, comparado con el sistema verdadero que representa, puede proporcionar información a costo más bajo y permitir el logro de un conocimiento más rápido de las condiciones que no se observan en la vida real. 42

Modelos estáticos · Los modelos estáticos describen un sistema, en términos de ecuaciones matemáticas, donde el efecto potencial de cada alterativa es evaluada a través de ecuaciones. La actuación del sistema es determinada sumando los efectos individuales. Los modelos estáticos ignoran las variaciones en el tiempo 43

Modelos dinámicos Los modelos dinámicos son una representación de la conducta dinámica de un sistema Mientras un modelo estático involucra la aplicación de una sola ecuación, los modelos dinámicos, por otro lado, son reiterativos. Los modelo dinámicos constantemente aplican sus ecuaciones considerando cambios de tiempo. La característica fundamental que interesa considerar es la evolución del sistema en el tiempo. Determinar las interacciones que permiten observar su evolución. 44

Construcción de un modelo de Dinámica de sistemas Conceptualización Formulación Prueba Implementación 45

Conceptualización Definir el propósito del modelo Definir las fronteras del modelo e identificar las variables principales Describir el comportamientos de referencia principales o de dibujar los las variables Diagramar los mecanismos básicos, los ciclos de realimentación, del sistema 46

Formulación Convertir los diagramas de retroalimentación ecuaciones de flujos y almacenamientos en Estimar y seleccionar el valor de los parámetros 47

Prueba Simular el modelo y probar las hipótesis dinámicas Probar los supuestos del modelo Probar el comportamiento del modelo y la sensibilidad a perturbaciones 48

Implementación Probar la respuesta del modelo a las diferentes políticas Traducir los resultados del estudio a una forma accesible 49

Ejemplo de modelación y simulación Productividad humana l Cuando nos encontramos con muchos proyectos a realizar, trabajamos mas rápido e intenso, pero cuando la demanda de tareas es baja, con algunas tareas a completar la productividad usualmente cae. 50

Productividad humana 51

DS en la estrategia de calidad La mayoría de los análisis estratégicos en la empresa son disparados por una crisis o la necesidad urgente de la solución de un problema Los modelos en dinámica de sistemas pueden jugar un rol importante en el entendimiento de un problema y sus causas, determinar las consecuencias o cursos de acción alternativos y probar alternativas bajo diferentes escenarios. 52

Estrategia de DS vs. Enfoque de episodios 53

Estrategia de DS Análisis l Usualmente disparado por una significativa o persistente desviación entre el desempeño actual y el desempeño deseado l Involucra una estructura operativa, la prueba y el refinamiento del entendimiento de los problemas estratégicos de la organización las opciones posibles para afrontar la brecha de desempeño. 54

Estrategia de DS Planeación l Es un proceso iterativo que involucra la evaluación, selección e implementación de estrategias 55

Estrategia de DS Control l Monitorear el desempeño y la retroalimentación debida a éxitos, problemas, oportunidades, experiencias y lecciones de aprendizaje l La fase de control es donde la organización continuamente aprende 56

Conclusión Independientemente del factor “tiempo” o “urgencia” la DS es una estrategia integral para formar hábitos de pensamiento sistemico y mas állá, esto es, modelar y simular una posible realidad. Al igual que la matemática, la DS debe ser entrenada para no convertirse en la “n-ésima” herramienta de calidad, si no en una practica que permita “diseñar empresas” y mejorar el diseño de los sistemas de calidad 57

Conclusión La simulación dinámica nos permiten usar lo mejor del conocimiento y experiencia de los miembros de la organización junto con la información numérica, para experimentar sobre el sistema (modelo), pero no con el sistema (empresa). 58

ENTORNO MATLAB EN LA DINAMICA DE SISTEMAS LAB 1 CONOCER EL ENTORNO DE MATLAB Y SIMULINK 59

60

EVENTOS DISCRETOS La llamada “nueva economía” se caracteriza por la globalización de las operaciones de las empresas, y por el uso intensivo de tecnologías de información, factores que han distinguido, en los últimos años, a los sectores de las industrias de desarrollo de software, telecomunicaciones, servicios de entretenimiento y noticias, servicios por Internet, manufactura de circuitos electrónicos, computadoras, juegos de video, biotecnología y farmacéuticos, principalmente. En los inicios del nuevo milenio, encontramos que muchas de las características de los sectores de la nueva economía se observan también en otros sectores de la industria. 61

Las empresas necesitan ser capaces de introducir rápidamente nuevos productos y servicios para atraer clientes, y a menudo los diseños del producto y del proceso productivo deben ser lo suficientemente flexibles para permitir la incorporación de las nuevas características que demanda un mercado en crecimiento. Por ejemplo, el concepto de manufactura a pedido empieza a difundirse en sectores como el de la venta de ropa de moda, donde marcas como Zara y World pueden diseñar un nuevo producto y abastecer a las tiendas en plazos de tan sólo tres semanas. Esta flexibilidad en los procesos productivos se complementa adecuadamente con la implantación de metodologías para pronosticar la demanda con base en la aceptación inicial del producto, lo que permite planear la producción para responder adecuadamente a la demanda de productos que tienen ciclos de vida relativamente cortos. 62

los procesos de producción con capacidad para responder de manera rápida, económica y apropiada a los requerimientos del cliente, descansan fundamentalmente en cuatro factores: (1) datos disponibles y confiables de los puntos de venta, (2) pronósticos adecuados, (3) cadena de suministro rápida, y (4) adecuada planeación de los inventarios y precios. Cuando una empresa decide implantar este tipo de estrategia de ventas, a menudo debe adoptar nuevas tecnologías de información y herramientas de software para lograr estos cuatro objetivos. La “Simulación de Evento Discreto” es una herramienta de análisis que se difunde rápidamente en el ambiente empresarial, comprobando su utilidad para apoyar la toma de decisiones relacionadas con la planeación de la producción y los inventarios, y con el diseño de los sistemas de producción y sus cadenas de suministro. 63

La “Simulación de Evento Discreto” El concepto de sistema de evento discreto tiene por finalidad el identificar a sistemas en los que los eventos que cambian el estado del mismo ocurren en instantes espaciados en el tiempo, a diferencia de los sistemas cuyo estado puede cambiar continuamente en el tiempo (como la posición de un auto en movimiento). Aunque aparentemente simples, los sistemas de evento discreto pueden modelar muchos de los fenómenos que enfrentan los responsables de la administración de los procesos productivos en una empresa. Por ejemplo, los inventarios de cualquier producto sólo se alteran ante la ocurrencia de alguno de dos eventos: (1) ingreso de un lote de abastecimiento, o (2) retiro de cierta cantidad del producto para satisfacer el pedido de un cliente, de la misma manera como el dinero disponible en cualquier cuenta bancaria sólo puede cambiar a consecuencia de un 64 depósito, o a consecuencia de un retiro.

Los primeros intentos para simular sistemas de evento discreto datan de la década de los años 60, donde se desarrollan las primeras simulaciones en computadora para planear proyectos de gran envergadura, aunque a un costo alto y utilizando lenguajes de propósito general (a menudo FORTRAN). Las primeras herramientas para facilitar el uso de la simulación de evento discreto aparecen en la forma de lenguajes de simulación en la década de los años 70, aunque la programación en estos lenguajes se realiza todavía por medio de comandos escritos en un archivo. Lenguajes como GPSS, SIMSCRIPT, SLAM y SIMAN tienen una amplia difusión en los años 80, paralela a una gran producción científica relacionada con las posibles aplicaciones de la simulación de evento discreto, y el desarrollo de métodos para el análisis de experimentos por simulación, para generar por computadora la ocurrencia de eventos siguiendo patrones probabilísticos, y para permitir que el motor del lenguaje pueda modelar una gama amplia de aplicaciones. 65

En la década de los 90, la difusión de las computadoras personales, y la aparición de paquetes de simulación que se programan en ambientes gráficos, y con capacidades de animación, permite que la simulación se difunda ampliamente como herramienta para el diseño y análisis en diversos sectores tanto de la industria de manufacturas como de servicios (por ejemplo, telecomunicaciones, salud, transporte y cadenas de restaurantes). Actualmente se pueden distinguir en el mercado dos tipos de paquetes para simulación de evento discreto: los de propósito general y los orientados hacia alguna aplicación o sector industrial específico. Entre los paquetes más conocidos de propósito general, se pueden mencionar a Arena, Simul 8, GPSS/H, Awe. Sim, y MODSIM III, mientras que entre los paquetes con orientación hacia alguna aplicación se puede mencionar a Auto. Mod, Pro. Model, 66 SIMFACTORY II. 5, QUEST y Arena Packaging Edition

COMNET III y OPNET Modeler para redes de comunicaciones, SIMPROCESS, Process. Model, Service. Model y Arena Business Edition para analizar flujos en procesos de negocios, y Med. Model para servicios del cuidado de la salud. Los paquetes mencionados permiten la programación en un ambiente gráfico por medio de módulos, y pueden incorporar animación a sus modelos, lo que además de facilitar la programación del modelo de simulación, se constituye en una herramienta valiosa para la verificación y demostración de las capacidades del modelo. se presenta una la animación de un sistema de almacenamiento y 67

68

69

Aplicaciones en manufactura La manufactura ha sido tradicionalmente una de las áreas de aplicación más importantes de la simulación de evento discreto. Tanto es así que la mayoría de paquetes de simulación de propósito general incluyen módulos que permiten modelar fácilmente recursos y características de los sistemas de manufactura; por ejemplo, los módulos que se utilizan para modelar el desempeño de recursos de mano de obra y equipo, a menudo tienen capacidad para modelar indisponibilidad de los recursos, así como fallas y bloqueos que pudieran ocurrir durante el proceso de manufactura. A menudo los paquetes de simulación disponen también de módulos para modelar el comportamiento de equipo para el manejo y traslado de materiales, como vehículos automáticos, bandas transportadoras, carros, montacargas u otros mecanismos para el transporte de materiales. 70

Cabe mencionar que el modelado de ciertos transportadores (como las bandas transportadoras) utilizando algún lenguaje de propósito general, no es trivial. La capacidad de los paquetes de simulación de evento discreto para modelar mecanismos de transportación se ha utilizado exitosamente para modelar también la congestión en sistemas de transporte vial. Las principales aplicaciones de la simulación de evento discreto en manufactura se relacionan tanto con el diseño y disposición de las instalaciones como con la planeación y el control de las actividades productivas. Las aplicaciones relacionadas con el diseño y disposición de las instalaciones incluyen la evaluación de decisiones sobre el número, tipo y disposición de máquinas y equipo, la localización y tamaño de los diferentes espacios para el material en proceso, y los requerimientos de transportadores y equipo de apoyo, entre otras. 71

Muchas gracias! 72