Please enable JavaScript.
Coggle requires JavaScript to display documents.
Simulación de Eventos Discretos - Coggle Diagram
Simulación de Eventos Discretos
Definición y Conceptos Fundamentales
Qué es la Simulación de Eventos Discretos (DES)
Diferencia entre simulación discreta y continua
Diferencia con Monte Carlo y simulación basada en agentes
Características principales
El tiempo avanza de evento en evento
El estado del sistema cambia solo en instantes discretos
Se modela el comportamiento dinámico de sistemas complejos
Objetivos de la DES
Analizar el desempeño de sistemas
Evaluar alternativas de diseño
Predecir el comportamiento futuro
Optimizar recursos y procesos
Componentes Básicos de un Modelo DES
Entidades
Definición (objetos que fluyen por el sistema)
Atributos de las entidades
Eventos
Eventos primarios
Eventos secundarios
Lista de eventos futuros (FEL)
Recursos
Recursos limitados
Capacidad y disponibilidad
Estados de los recursos (ocupado, libre, fallado)
Colas (Queues)
Disciplinas de cola (FIFO, LIFO, prioridad)
Capacidad de las colas
Reloj de simulación (Simulation Clock)
Generadores de números aleatorios
Variables de estado y contadores estadísticos
Tipos de Modelos de Eventos Discretos
Modelos orientados a eventos
Modelos orientados a procesos
Modelos orientados a actividades
Modelos híbridos
Proceso de Construcción de un Modelo DES
Definición del problema y objetivos
Formulación conceptual del modelo
Recolección y análisis de datos de entrada
Datos históricos
Distribuciones de probabilidad
Validación de datos
Construcción del modelo computacional
Verificación del modelo (¿está bien programado?)
Validación del modelo (¿representa la realidad?)
Diseño de experimentos de simulación
Ejecución de corridas y recolección de resultados
Análisis de resultados y sensibilidad
Documentación e implementación de recomendaciones
Generación de Aleatoriedad y Distribuciones
Generadores de números pseudoaleatorios
Distribuciones de probabilidad comunes
Exponencial
Normal
Uniforme
Triangular
Weibull
Poisson
Técnicas de muestreo
Análisis de bondad de ajuste
Análisis de Resultados
Medidas de desempeño típicas
Tiempo promedio en el sistema
Tiempo promedio en cola
Utilización de recursos
Longitud promedio de cola
Throughput (rendimiento)
Intervalos de confianza
Número de réplicas necesarias
Período de warm-up (estado transitorio)
Análisis de sensibilidad y escenarios
Software y Herramientas
Software comercial
Arena
Simio
AnyLogic
FlexSim
ProModel
Witness
Software de código abierto / gratuito
SimPy (Python)
JaamSim
Salabim
CloudSim
Lenguajes de programación general
Python
Java
C++
Aplicaciones Principales
Sistemas de manufactura y producción
Logística y cadenas de suministro
Sistemas de salud (hospitales, salas de emergencia)
Call centers y centros de contacto
Transporte y tráfico
Redes de computadoras y telecomunicaciones
Aeropuertos y puertos
Sistemas de servicios (bancos, restaurantes, etc.)
Ventajas de la Simulación de Eventos Discretos
Permite estudiar sistemas complejos sin alterarlos
Facilita la evaluación de escenarios “what-if”
Identifica cuellos de botella
Reduce costos y riesgos de implementación real
Proporciona métricas detalladas de desempeño
Es flexible y adaptable a diferentes dominios
Limitaciones y Desafíos
Requiere datos de buena calidad
Puede ser costosa en tiempo de modelado
Resultados dependen de la calidad del modelo
Dificultad para modelar sistemas muy grandes
Necesidad de conocimiento estadístico
Posible sobreconfianza en los resultados
Fundamentos Teóricos Relacionados
Teoría de colas
Procesos estocásticos
Cadenas de Markov
Estadística inferencial
Diseño de experimentos
Buenas Prácticas
Empezar con un modelo simple e ir refinando
Documentar supuestos claramente
Validar con expertos del dominio
Realizar análisis de sensibilidad
Usar suficientes réplicas
Separar el warm-up del período de estadística
Comunicar resultados de forma clara a no especialistas
Tendencias Actuales
Integración con Inteligencia Artificial y Machine Learning
Simulación en la nube y computación de alto rendimiento
Gemelos digitales (Digital Twins)
Simulación en tiempo real
Combinación con simulación basada en agentes
Visualización avanzada y realidad virtual