Modelos de Simulación

Existen distintos modelos de simulación que permiten representar situaciones reales de diferentes tipos. Podemos tener modelos físicos- como el avión que mencionamos en el tema anterior- o modelos matemáticos, a los cuales pertenecen los modelos de simulación de eventos discretos. Asimismo, los modelos pueden diferenciarse según el tipo de ecuaciones matemáticas que los componen.

Por ejemplo, los modelos continuos son aquellos en los que las relaciones entre las variables relevantes de la situación real se definen por medio de ecuaciones diferenciales, ya que estas permiten conocer el comportamiento de las variables en cierto tiempo. Problemas tales como saber de qué manera se transfiere el calor en un molde, o determinar cómo fluye cierto material dentro de una tubería, e incluso prever el comportamiento del nivel de un tanque de gasolina al paso del tiempo, mientras el vehículo está en marcha, pueden simularse con este tipo de modelo.

Además de modelos continuos tenemos modelos discretos Además de modelos continuos tenemos modelos discretos. En ellos el comportamiento que nos interesa analizar puede representarse por medio de ecuaciones evaluadas en un punto determinado. Por ejemplo, si hacemos un muestreo del número de personas que llegaron a un banco en un lapso especifico, podemos simular esta variable con ecuaciones ligadas a distribuciones de probabilidad que reflejen dicho comportamiento.

Otro tipo de clasificación es el de los modelos dinámicos y estáticos Otro tipo de clasificación es el de los modelos dinámicos y estáticos. Los modelos dinámicos son aquellos en los que el estado del sistema que estamos analizando cambia respecto del tiempo. Por ejemplo, el número de personas que hacen fila para entrar a una sala de cine varia con el tiempo.

Por otro lado, los modelos estáticos representan un resultado bajo un conjunto de situaciones o condiciones determinado; por ejemplo, al lanzar un dado los únicos valores que se puede obtener son 1, 2, 3, 4, 5 o 6, de manera que el resultado de la simulación será uno de tales valores posibles; a esto se le conoce generalmente como simulación de Monte Carlo.

Por último, podemos hablar de modelos determinísticos y modelos probabilísticos, llamados también estocásticos. Los primeros se refieren a relaciones constantes entre los cambios de las variables del modelo. Por ejemplo, si las cajas empleadas en un proceso contienen siempre 5 productos, cada vez que se añada una caja al inventario este se incrementara en 5 unidades. Si, por el contrario, hay una distribución de probabilidad en el proceso de manera que, por ejemplo, algunas cajas contienen 3 productos y otras 4, el inventario se modificará según el número de piezas de cada caja y, en consecuencia, será necesario un modelo estocástico. En el caso de la simulación de eventos discretos hablaremos de modelos matemáticos, discretos, dinámicos, y que pueden incluir variables determinísticas y probabilísticas.

Este curso se basa en el uso de ecuaciones matemáticas y estadísticas, conocido como simulación de eventos discretos. Este proceso consiste en relacionar los diferentes eventos que pueden cambiar el estado de un sistema bajo estudio por medio de distribuciones de probabilidad y condiciones lógicas del problema que se esté analizando. Por ejemplo, un proceso de inspección donde sabemos estadísticamente que 0.2% de los productos tiene algún tipo de defecto, puede simularse con facilidad mediante una simple hoja de cálculo, al considerar estadísticas de rechazos productos sin defecto, y al asignar una distribución de probabilidad con 0.2% de oportunidad de defecto para cada intento de inspección.