1.2 Concepto de simulación.

SIMULACIÓN

Al utilizar modelos matemáticos para resolver problemas, los resultados obtenidos se pueden considerar óptimos . Sin embargo, una desventaja de estos modelos es que tienden a generalizar el comportamiento de las variables del modelo, haciéndolas totalmente deterministas y sin opción a cambios.

Por ejemplo, en los modelos de líneas de espera, la cantidad de llegadas de clientes al sistema y el número de servicios que este puede proporcionar por unidad de tiempo son parámetros conocidos, y no cambian a lo largo del estudio.

Lo anterior hasta cierto punto es inexacto, ya que en realidad, estos parámetros son desconocidos, ademas de presentar un comportamiento completamente aleatorio. Es aquí donde la Simulación muestra su gran utilidad para evaluar los sistemas.

R. E. Shannon: “La simulación es el proceso de diseñar un modelo de un sistema real y llevar a término experiencias con él, con la finalidad de comprender el comportamiento del sistema o evaluar nuevas estrategias - dentro de los límites impuestos por un cierto criterio o un conjunto de ellos - para el funcionamiento del sistema”

Ventajas.

- Es muy buena herramienta para conocer el impacto de los cambios en los procesos sin necesidad de llevarlos a cabo en la realidad.

- Mejora el conocimiento del proceso actual al permitir que el analista vea cómo se comporta el modelo generado bajo diferentes escenarios.

- Puede tomarse como medio de capacitación para la toma de desiciones.

- Es más económico realizar un estudio de simulación que hacer muchos cambios en los procesos reales.

- Permite probar escenarios en busca de mejores condiciones de trabajo de los procesos que se simulan.

- En la actualidad los paquetes de simulación tienden a ser más sencillos, lo que facilita su aplicación.

-Gracias a las herramientas de animación que forman parte de muchos de esos paquetes es posible ver cómo se comportará un proceso una vez mejorado.

Desventajas.

- Aunque muchos paquetes de software permiten obtener el mejor escenario a partir de una combinación de valores posibles, la simulación no es una herramienta de optimización.

- La simulación puede ser costosa cuando se quiere usar en problemas relativamente sencillos de resolver, en lugar de usar soluciones análiticas que se han desarrollado de manera especifica para esté tipo de casos.

- Se requiere bastante tiempo, - generalmente meses - para realizar un buen estudio de simulación; por desgracia no todos los analistas tienen la disposición (o la oportunidad) de esperar ese tiempo para obtener una respuesta.

- Es Preciso que analista domine el uso del paquete de simulación y que tenga sólidos conocimientos de estadística para interpretar los resultados.

Elementos clave para garantizar el éxito de un modelo de simulación.

Independientemente de los beneficios que conlleva la simulación, es imposible garantizar que un modelo tendrá éxito. Existen ciertas condiciones clave que pueden traer problemas si no se les presta atención al momento de usar la simulación para la toma de decisiones.

• Tamaño insuficiente de la corrida. Es necesario que las variables aleatorias de respuesta estén en estado estable. 
• Variables de respuesta mal definidas. Si no es la apropiada será imposible tomar decisiones que tengan impacto en la operación del sistema bajo estudio.
• Errores al determinar el tipo de distribución asociada a las variables aleatorias del modelo. Uso de distribuciones que no son las adecuadas o que responden unicamente a un intento de simplificar los estudios estadísticos.
• Falta de un análisis estadístico de los resultados. Un problema común por lo que la simulación suele ser objeto de crítica, radica en asumir que se trata en una herramienta de optimización. Esta apreciación es incorrecta, ya que involucra variables aleatorias y características propias de un modelo que incluye probabilidades. Por lo mismo, es necesario realizar varias corridas a fin de producir diferentes resultados para las variables de respuesta,y a partir de esos valores, obtener intervalos de confianza que puedan dar un rango en donde encontrar valores definitivos.    
  
• Falta o exceso de detalle en el modelo. En muchas ocasiones algún proceso se simplifica tanto que tiende a verse como una "caja negra" que nos impide ver que ocurre en el interior, aunque si haya entrada y salida de satos que si interactúan con otras partes del modelo.