Se abordará el concepto de simulación y sus principales clasificaciones, distinguiendo entre simulación discreta y continua, así como entre modelos deterministas y estocásticos. Además, se presentarán ejemplos prácticos de casos prototipo para ilustrar el funcionamiento de ambos enfoques, lo que permitirá comprender sus aplicaciones y limitaciones.

El padlet incluirá también un catálogo de programas de cómputo de uso comercial, facilitando la identificación de herramientas adecuadas para diferentes necesidades.

Finalmente, se promoverá la lectura de artículos especializados que muestran aplicaciones reales de la simulación, fomentando así el pensamiento crítico y el aprendizaje autónomo.

“Un sistema es un complejo de elementos que interactúan.”
— Ludwig von Bertalanffy (1976)

Esta definición es clave en la Teoría General de Sistemas, enfatiza dos aspectos esenciales:

1. Que un sistema está formado por un conjunto de elementos.

2. Que la interacción entre ellos es lo que lo hace comportarse como un todo integrado.

Los sistemas cuentan con:

• Totalidad:

  Un sistema es más que la simple suma de sus partes; la forma en que estas interactúan crea un todo con propiedades únicas. 

• Propósito o Función:

  Los sistemas suelen existir para cumplir una función específica o un objetivo común que contribuye a su mantenimiento. 

• Entorno:

  Todo sistema está rodeado y en interacción con un entorno, al cual debe adaptarse para asegurar su supervivencia y buen funcionamiento. 

“Un modelo puede ser conceptualizado como una representación abstracta y simplificada de un sistema de referencia, cuyo objetivo es mejorar el conocimiento de dicho sistema.”
— Booch, Rumbaugh y Jacobson.

Esta definición destaca claramente dos características esenciales:

• El modelo es abstracto y simplificado, lo que permite concentrarse en los aspectos más relevantes del sistema real.

• Su propósito es mejorar el conocimiento del sistema, es decir, entenderlo, analizarlo o incluso predecir su comportamiento.

Simulación es una técnica numérica para conducir experimentos en una computadora digital. Estos experimentos comprenden ciertos tipos de relaciones matemáticas y lógicas, las cuales son necesarias para describir el comportamiento y la estructura de sistemas complejos del mundo real a través de largos periodos de tiempo.

La definición anterior está en un sentido muy amplio, pues puede incluir desde una maqueta, hasta un sofisticado programa de computadora. En sentido más estricto, H. Maisel y G. Gnugnoli, definen

simulación como:

Una técnica numérica para realizar experimentos en una computadora digital. Estos experimentos involucran ciertos tipos de modelos matemáticos y lógicos que describen el comportamiento de sistemas de negocios, económicos, sociales, biológicos, físicos o químicos a través de largos períodos de tiempo.

La simulación discreta modela sistemas donde los cambios de estado ocurren en momentos específicos y separados en el tiempo. Es útil para procesos donde los eventos suceden de manera puntual, como colas en un banco o líneas de producción.

• Determinista: El comportamiento del sistema está completamente definido por sus reglas y condiciones iniciales; no hay elementos de azar.

  Ejemplo: “En la simulación discreta determinista, los resultados son reproducibles y previsibles porque no intervienen variables aleatorias” (Banks, 2000).

• Estocástica: Incorpora variabilidad aleatoria en los eventos, tiempos o resultados. Es más realista para sistemas donde intervienen incertidumbres.

  Ejemplo: “La simulación discreta estocástica permite modelar la incertidumbre y variabilidad de los procesos reales mediante variables aleatorias” (Shannon, 1988).

2. Simulación Continua

La simulación continua representa sistemas donde los cambios son constantes y fluídos a lo largo del tiempo, usando ecuaciones diferenciales o algebraicas. Es común en procesos físicos, químicos o biológicos.

• Determinista: Las variables cambian de manera continua siguiendo leyes conocidas y sin incertidumbre.

  Ejemplo: “La simulación continua determinista es usada para modelar procesos físicos cuya evolución sigue ecuaciones matemáticas exactas” (León Betancourt, 1970).

• Estocástica: Incluye efectos aleatorios o ruido en la evolución del sistema, representando incertidumbres en tiempo continuo.

  Ejemplo: “La simulación continua estocástica combina la representación continua de un sistema con la inclusión de factores aleatorios que afectan su dinámica” (Vega et al., 2020).

• Línea de producción automatizada: Cada máquina tarda exactamente 10 minutos en procesar una pieza; no hay variabilidad en los tiempos.

• Programación de vuelos en un aeropuerto: Los horarios de despegue y aterrizaje son fijos y predefinidos.

• Planificación de turnos de trabajo: Los empleados comienzan y terminan en horarios exactos sin retrasos ni cambios aleatorios.

Simulación Discreta Estocástica

• Colas en un banco o supermercado: Los clientes llegan en tiempos aleatorios y cada cajero atiende en tiempos variables.

• Tráfico vehicular en intersecciones: Los autos llegan de manera aleatoria y los tiempos de cruce dependen de varios factores como semáforos y densidad de tráfico.

• Redes de computadoras: Paquetes de datos llegan y se procesan de manera aleatoria, afectando el flujo de la red.

• Sistema de atención hospitalaria: Pacientes llegan a urgencias en momentos aleatorios y el tiempo de atención depende de la complejidad de cada caso.

• Nivel de agua en un tanque: El agua entra y sale a velocidades constantes; el cambio del nivel se puede predecir exactamente mediante ecuaciones diferenciales.

• Movimiento de un vehículo: La velocidad y posición se calculan continuamente según las leyes de la física, sin incertidumbre.

• Procesos químicos: La concentración de reactivos cambia continuamente según ecuaciones de reacción conocidas.

• Circuitos eléctricos: La corriente y voltaje varían continuamente según las leyes de Kirchhoff y Ohm.

Simulación Continua Estocástica

• Temperatura de un reactor químico: Fluctúa aleatoriamente debido a variaciones en la alimentación de calor o pérdida de energía.

• Mercados financieros: El precio de una acción cambia de manera continua con un componente aleatorio (ruido del mercado).

• Crecimiento poblacional: La población de una especie cambia de manera continua, pero con variaciones aleatorias por factores ambientales.

• Flujo de un río: El caudal varía continuamente, con fluctuaciones estocásticas debido a lluvia o evaporación.

• Arena

  • Descripción: Uno de los softwares más populares para simular procesos de manufactura, logística y servicios.

  • Aplicación: Permite modelar colas, líneas de producción, inventarios y operaciones hospitalarias. Su interfaz basada en bloques hace que sea fácil construir y analizar modelos complejos.

• ProModel

  • Descripción: Especializado en optimizar procesos industriales y logísticos mediante simulación de eventos discretos.

  • Aplicación: Usado para planificar operaciones de almacenes, distribución, fabricación y flujo de materiales, evaluando escenarios de mejora antes de implementarlos.

• FlexSim

  • Descripción: Permite simular sistemas en 3D, ofreciendo visualización realista de procesos y flujos de trabajo.

  • Aplicación: Muy útil en la industria manufacturera y logística para detectar cuellos de botella, mejorar la eficiencia y entrenar personal en un entorno virtual.

• Simio

  • Descripción: Herramienta de modelado basada en objetos que facilita la simulación de sistemas complejos.

  • Aplicación: Ideal para plantas de producción, cadenas de suministro y simulación de servicios, integrando animación 3D y análisis estadístico.

• SIMUL8

  • Descripción: Software intuitivo y rápido para modelar y analizar procesos de negocio.

  • Aplicación: Permite simular operaciones de servicios, manufactura y atención al cliente, con informes y gráficos que facilitan la toma de decisiones.

• WITNESS

  • Descripción: Software para modelar sistemas de manufactura y procesos industriales, combinando simulación y análisis de datos.

  • Aplicación: Permite optimizar la eficiencia de plantas, reducir costos y evaluar cambios en el diseño de procesos antes de implementarlos.

Simulación Continua

• Aspen Plus

  • Descripción: Software líder en simulación de procesos químicos y petroquímicos.

  • Aplicación: Modela reacciones químicas, balances de energía y materia, y permite optimizar el diseño y operación de plantas químicas.

• CHEMCAD

  • Descripción: Permite el diseño, análisis y simulación de procesos químicos de manera flexible.

  • Aplicación: Usado en ingeniería química y de procesos para modelar destilaciones, mezclas, reacciones y sistemas de transferencia de calor.

• HYSYS

  • Descripción: Enfocado en la industria energética y de hidrocarburos, especialmente para procesos de refinación y gas natural.

  • Aplicación: Simula la dinámica de procesos continuos, evaluación de equipos y optimización de producción energética.

Simulación Dinámica de Sistemas

• STELLA

  • Descripción: Herramienta visual para modelar sistemas dinámicos complejos usando diagramas de flujo y ecuaciones diferenciales.

  • Aplicación: Utilizado en educación, gestión empresarial, ecología y modelado de políticas públicas. Facilita la comprensión de interacciones entre variables en el tiempo.

• iTHINK

  • Descripción: Similar a STELLA, permite la simulación de sistemas dinámicos de manera visual y fácil de entender.

  • Aplicación: Se usa para análisis estratégico, predicción de comportamiento organizacional y toma de decisiones en sistemas complejos.

• Powersim

  • Descripción: Software para modelado y simulación de sistemas dinámicos aplicados a economía, finanzas y gestión empresarial.

  • Aplicación: Permite analizar escenarios, evaluar políticas y realizar simulaciones de riesgo en tiempo continuo.

En resumen, para entender el proceso de simulación es necesario saber que un sistema es un conjunto de elementos interrelacionados entre sí con un objetivo común. A partir del conocimiento del funcionamiento del sistema, se elabora un modelo que sirve de base para nuestra simulación.

Existen dos tipos de simulación: discreta y continua. La principal diferencia entre ambos radica en la variabilidad del proceso. En una simulación discreta, los eventos están totalmente definidos, por lo que son estáticos a lo largo del tiempo, mientras que en una simulación continua, las variables cambian de manera continua e impredecible.