1.2 Concepto de simulación
La simulación es una técnica que permite imitar el comportamiento de un sistema real a través de modelos, con el fin de analizarlo y tomar decisiones sin intervenir directamente en la realidad.

1.3 Tipos de simulación
Existen diferentes enfoques de simulación que se clasifican según la naturaleza del sistema y el manejo de la incertidumbre.

  1.3.1 Simulación discreta (determinista o estocástica)
  La simulación discreta estudia sistemas cuyos cambios ocurren en instantes definidos de tiempo. Puede ser determinista si el resultado es predecible, o estocástica si involucra variabilidad y azar.

  1.3.2 Simulación continua (determinista o estocástica)
  La simulación continua se centra en sistemas que cambian de manera constante a lo largo del tiempo. También puede ser determinista o estocástica, dependiendo de si incluye incertidumbre.

1.4 Descripción de ejemplos o casos prototipo
Los ejemplos permiten ilustrar cómo se aplican los modelos de simulación en diferentes contextos reales o académicos.

  1.4.1 De simulación discreta
  Un caso típico es la simulación de una fila en un banco o un aeropuerto, donde los eventos ocurren en tiempos específicos.

  1.4.2 De simulación continua
  Un ejemplo clásico es el análisis del crecimiento poblacional o el comportamiento de un sistema hidráulico, donde los cambios son constantes.

1.5 Catálogo de programas de cómputo comerciales de simulación
Existen herramientas de software como Arena, Simul8, AnyLogic o MATLAB/Simulink, diseñadas para facilitar la construcción y análisis de modelos de simulación.

1.6 Lectura de artículos sobre aplicaciones de la simulación
La literatura académica muestra cómo la simulación se aplica en distintas áreas como la industria, la logística, la medicina o la economía, aportando soluciones prácticas y eficientes.

Modelo
Una representación simplificada de un sistema que permite analizarlo y comprender su comportamiento sin intervenir directamente en la realidad.

Conclusión
Los sistemas y modelos permiten entender cómo funcionan los procesos industriales y planificar mejoras sin afectar la operación real.

Bibliografía:

https://archive.org/details/generalsystemthe00bert

Una planta de producción de autopartes se considera un sistema. El modelo de este sistema puede construirse en software para evaluar la capacidad de producción y los cuellos de botella.

Conclusión
La simulación permite planificar y optimizar procesos industriales de manera segura, probando alternativas antes de implementarlas y reduciendo riesgos.

Bibliografía
https://www.academia.edu/34865726/Discrete_Event_System_Simulation

Representa sistemas donde los cambios ocurren en momentos específicos y definidos.

Determinista

Resultados siempre iguales bajo las mismas condiciones.

Estocástica

Resultados incluyen variabilidad o aleatoriedad.

Bibliografía
https://archive.org/details/SimulationModelingAndAnalysis5thEdition

Representa sistemas donde los cambios ocurren de manera constante a lo largo del tiempo.

Determinista

Sin incertidumbre en las variables.

Estocástica

Incluye variabilidad o factores aleatorios.

Bibliografía
https://link.springer.com/book/10.1007/978-1-4613-0155-9

Determinista

Ejemplo: Una línea de ensamblaje de automóviles.

Descripción: En este sistema, cada paso del ensamblaje (poner un motor, instalar las ruedas) toma una cantidad de tiempo fija y conocida. La simulación modela la producción total de autos en un turno. El resultado es siempre el mismo porque no hay variabilidad ni eventos aleatorios que afecten el proceso.

Estocástica

Ejemplo: Un centro de llamadas telefónicas.

Descripción: El número de llamadas que llegan por minuto y el tiempo que dura cada conversación son variables aleatorias. La simulación modela el tiempo de espera de los clientes y la ocupación de los agentes. Cada vez que corres la simulación, los resultados pueden variar (el tiempo de espera promedio puede ser diferente), lo que refleja la aleatoriedad del mundo real.

Simulación Continua

Determinista

Ejemplo: La órbita de un satélite.

Descripción: La posición y velocidad del satélite cambian continuamente a lo largo del tiempo. Usando las leyes de la física (como la gravedad), la simulación calcula con precisión su trayectoria futura. El resultado es totalmente predecible y no incluye ninguna aleatoriedad.

Estocástica

Ejemplo: El nivel de agua de un río durante el año.

Descripción: El nivel del agua cambia continuamente y está influenciado por factores aleatorios como la cantidad de lluvia, la evaporación y el deshielo. Una simulación modela estos cambios, pero incorpora la variabilidad para predecir rangos de niveles de agua, no un valor único y exacto.

Bibliografía

https://www.uv.es/~pla/Tutoria/ios/simulgen.htm

AnyLogic
Software versátil que combina múltiples metodologías: eventos discretos, dinámica de sistemas y simulación basada en agentes.
Tipos de simulación: Discreta, continua y multi-agente. Uno de los más completos y flexibles del mercado.

MATLAB/Simulink
Entorno de programación numérica, Simulink es un complemento usado para simulación de sistemas complejos.
Tipos de simulación: Principalmente continua, también puede manejar modelos discretos. Se usa en robótica, sistemas de control y procesamiento de señales.

FlexSim
Software 3D para simulación de eventos discretos, conocido por su interfaz gráfica amigable y visualizaciones realistas.
Tipos de simulación: Principalmente discreta. Muy usado en manufactura, logística y manejo de materiales.

Vensim
Software enfocado en Dinámica de Sistemas, ideal para modelar relaciones de causa-efecto y bucles de retroalimentación a nivel estratégico.
Tipos de simulación: Principalmente continua. Usado en estudios de negocios, medio ambiente y políticas públicas.

NetLogo
Software de simulación multi-agente, excelente para modelar sistemas complejos donde muchos agentes interactúan entre sí.
Tipos de simulación: Principalmente discreta. Se usa en ciencias sociales, ecología y biología para simular el comportamiento de animales, personas o partículas.

SimPy
Librería de Python para simulación de eventos discretos. Ideal para programadores que prefieren codificar sus propias simulaciones, sin interfaz gráfica.
Tipos de simulación: Discreta. Se utiliza en logística, sistemas de producción, redes y teletráfico.

SimPy
Librería de Python para simulación de eventos discretos. Ideal para programadores que prefieren codificar sus propias simulaciones, sin interfaz gráfica.
Tipos de simulación: Discreta. Se utiliza en logística, sistemas de producción, redes y teletráfico.

Conclusión
La revisión de artículos permite conocer buenas prácticas, casos de éxito y aplicar soluciones basadas en evidencia en procesos industriales, apoyando la toma de decisiones y la optimización de recursos.

Bibliografía
https://link.springer.com/chapter/10.1007/978-3-030-56970-6_4