Cómo abordar estudios de simulación en entornos productivos E-Book

Emanuel Mansilla

• Herausgeber: Editorial Autores de Argentina
• Kategorie: Fachliteratur
• Sprache: Spanisch

Seitenzahl: 214

Veröffentlichungsjahr: 2025

Beschreibung

Este no es un libro más sobre simulación. Es una guía práctica, nacida de la experiencia aplicada, que reúne más de 15 años de trabajo en estudios de simulación por eventos discretos en entornos productivos. Aquí no vas a encontrar teoría abstracta ni fórmulas vacías, sino criterios concretos, errores frecuentes, pasos metódicos y recomendaciones clave para que cualquier profesional afín a la ingeniería industrial pueda desarrollar estudios de simulación con enfoque, eficiencia y resultados. Ya seas ingeniero, consultor, docente o estudiante avanzado, esta obra está pensada para acompañarte en el diseño de soluciones reales, acortar la curva de aprendizaje y evitar el camino largo del ensayo y error.

Leseprobe

EMANUEL MANSILLA

Profesor del Departamento de Ingeniería Industrial Integrante del GIMSE Universidad Tecnológica Nacional - Facultad Regional CórdobaArgentina

Cómo abordar estudios de simulación en entornos productivos

Guía paso a paso basada en 15 años de experiencia en simulación discreta

Primera edición 2025

Mansilla, Emanuel Cómo abordar estudios de simulación en entornos productivos : guía paso a paso basada en 15 años de experiencia en simulación discreta / Emanuel Mansilla. - 1a ed. - Ciudad Autónoma de Buenos Aires : Autores de Argentina, 2025.

Libro digital, EPUB

Archivo Digital: descarga y online

ISBN 978-987-87-6600-3

1. Ensayo. I. Título.CDD A864

EDITORIAL AUTORES DE [email protected]

Tipo de obra: técnico – profesional Tema / Rubro: Ingeniería Industrial – Simulación de Sistemas

Índice

RESEÑAS

¿A QUIÉN ESTÁ DIRIGIDA ESTA GUÍA?

Requisitos previos para aprovechar esta guía

PREFACIO

¿POR QUÉ ESTA GUÍA?

Problemas comunes que resuelve la simulación

Valor diferencial de esta guía

Caso Práctico: Cómo la simulación evitó el colapso operativo y optimizó un centro de distribución

CÓMO USAR ESTA GUÍA

Estructura general de la guía:

Sugerencias de uso según tu perfil

¿Cómo aprovechar al máximo esta guía?

FUNDAMENTOS Y METODOLOGÍA PARA EL ABORDAJE DE ESTUDIOS DE SIMULACIÓN

Conceptos claves de simulación por eventos discretos

Principales aplicaciones de los estudios de simulación

Recomendaciones antes de simular

Parámetros clave

Indicadores clave de desempeño (KPI)

Relación entre tipos de pérdidas y desempeño del sistema en distintos niveles

Enfoque metodológico para la realización de estudios de simulación

1° PASO: FORMULAR EL PROBLEMA Y DEFINIR LOS OBJETIVOS

¿Cómo formular el problema de manera adecuada?

Caso Práctico: Planta autopartista, parte 1

¿Cómo definir objetivos efectivos para un estudio de simulación?

Caso Práctico: Planta autopartista, parte 2

Conclusión del 1° paso

2° PASO: ANALIZAR EL SISTEMA

¿Qué significa analizar el sistema?

El minimalismo en la simulación

Caso Práctico: Aplicación del enfoque minimalista

Construcción del boceto del sistema y/o desarrollo del modelo preliminar

Conclusión del 2° paso

3° PASO: RECOLECTAR DATOS NECESARIOS

Recomendaciones para la recolección de datos en un entorno real

Caso Práctico: Lavandería

Generación de números aleatorios en simulación

Identificación de distribuciones con datos reales

Caso Práctico: Ajuste de distribuciones en un entorno productivo real

Distribución empírica

Caso Práctico: Distribución empírica en un entorno productivo real

Recomendaciones para la recolección de datos en un entorno no real

Conclusión del 3° paso

4° PASO: CREAR EL MODELO DE SIMULACIÓN

Estrategias para la creación de modelos de simulación

Incorporar comentarios y descripciones

Criterios para determinar el tiempo de warm-up

Caso Práctico: línea de ensamble

Criterios para determinar el período de tiempo de simulación

Criterios para la verificación del modelo de simulación

Caso Práctico: Verificación de flujo de piezas en una línea de ensamble automotriz

Caso Práctico: Verificación por animación y recorrido visual

Conclusión del 4° paso

5° PASO: VALIDAR EL MODELO

Estrategia ciclo calibrar – comparar, propuesta por Banks et al. (2005)

Caso Práctico: Validación de la estimación de horas de mano de obra en un entorno real, parte 1

Estrategia del procedimiento de ocho pasos, propuesta por Sargent (2013)

Estrategia de validación en tres pasos, propuesta por Naylor & Finger, (1967)

Caso Práctico: Validación de la estimación de horas de mano de obra en un entorno real, parte 2

Conclusión del 5° paso

6° PASO: EXPERIMENTAR CON EL MODELO Y ANALIZAR LOS RESULTADOS

Selección de factores y niveles

Diseño de experimentos o escenarios

Caso Práctico: Diseño de experimento de un solo factor para estimar recursos logísticos en línea de ensamblaje

Caso Práctico: Diseño multifactorial en un centro de distribución

Recomendaciones para el diseño efectivo de experimentos o escenarios

Análisis de resultados

Determinación del número de réplicas para análisis de escenarios experimentales

Optimización

Caso Práctico: Optimización de la producción semanal

Conclusión del 6° paso

7° PASO: EVALUAR LOS RESULTADOS OBTENIDOS Y DAR RECOMENDACIONES

Preguntas claves al evaluar resultados

Resultados a observar: qué medir y cómo interpretarlo

Consolidar resultados: el resumen como herramienta

Caso Práctico: Evaluación de la automatización del abastecimiento de materiales en una línea de armado

Caso Práctico: Validación de proyecto de transformación digital productiva

Conclusión 7° paso

8° PASO: PRESENTAR LOS RESULTADOS

Estructura recomendada del informe

Conclusión 8° Paso

CONCLUSIONES

REFERENCIAS

SOBRE EL AUTOR

TU OPINIÓN CUENTA

¿POR QUÉ NECESITA ESTA GUÍA?

RESEÑAS

“Esta obra es sin dudas, la entrega generosa de una trayectoria profesional. Explica con claridad cómo la simulación por eventos discretos transforma desafíos reales en oportunidades concretas de mejora, además aclara como interpretar cada etapa de la misma. Gracias a casos prácticos, se demuestra su valor para optimizar procesos y tomar decisiones confiables. Una herramienta clave en la gestión industrial moderna.”

— Ing. Andrés Vivas, Director de i2P Ingeniería y Procesos Industriales, Córdoba, Argentina.

“Con la experiencia de haber liderado más de 40 estudios de simulación de procesos, puedo afirmar que el trabajo de Emanuel no solo llena un vacío en la bibliografía técnica, sino que se convierte en una referencia imprescindible para los profesionales que necesitan aplicar esta herramienta con eficacia. A diferencia de los textos puramente teóricos, esta guía construye un puente directo entre el dominio del software y el éxito de un proyecto rea. Su metodología, estructurada en ocho pasos claros y operativos, ha demostrado su valor en entornos industriales exigentes. El enfoque práctico que propone transforma la complejidad de la simulación en decisiones seguras y rentables. Sin duda, se trata de un recurso esencial en la biblioteca de todo ingeniero o consultor que aspire a evitar errores costosos y a generar mejoras tangibles en la eficiencia de los procesos productivos.”

— Ing. Guillermo Vega, Co–Founder del estudio de ingeniería industrial Dynamis.pro, Córdoba, Argentina.

“Desde el GIMSE valoramos enfoques como este, que integran conocimiento académico con aplicación práctica. Este libro aporta una metodología robusta, sistemática y adaptable a distintos contextos industriales, lo que lo convierte en una herramienta tanto formativa como operativa. No es solo una obra para leer, sino para aplicar en procesos reales orientados a la mejora continua basada en datos.”

— Ing. Daniel Conte, Director del Grupo de Investigación en Modelos y Sistemas de Apoyo a la Decisión para la Eficiencia de las Organizaciones (GIMSE) de la Universidad Tecnológica Nacional, Facultad Regional Córdoba, Argentina.

“Recomiendo esta obra como complemento indispensable para cualquier curso de simulación. Su enfoque actualizado, riguroso y alineado con las demandas del entorno industrial la convierte en una herramienta de gran valor para estudiantes y profesionales.”

— Ing. Romina Schneider, Profesora de Simulación de Procesos en la Universidad Tecnológica Nacional - Facultad Regional Córdoba, Coach y Mentora de Emprendedores y Organizaciones

¿A QUIÉN ESTÁ DIRIGIDA ESTA GUÍA?

Esta guía paso a paso sobre cómo abordar estudios de simulación en entornos productivos está dirigida a profesionales, docentes, consultores y estudiantes avanzados que deseen aplicar la simulación por eventos discretos con criterio técnico, orden metodológico, enfoque práctico y orientado a resultados.

En particular, constituye una herramienta valiosa para quienes provienen de la ingeniería industrial y disciplinas afines, y buscan mejorar, validar o rediseñar procesos productivos en sus organizaciones a partir de estudios de simulación sólidos y bien enfocados.

Con más de 15 años de experiencia aplicando esta metodología en el ámbito profesional y académico, he procurado sintetizar en esta guía lo aprendido a lo largo de proyectos reales: qué funciona, qué errores evitar y cómo encarar un estudio de simulación desde cero hasta generar resultados útiles para la toma de decisiones. A través de casos prácticos y recomendaciones aplicadas, el lector encontrará aquí una forma de aprovechar al máximo el potencial de la simulación, sobre la base de experiencias desarrolladas para organizaciones productivas de reconocida trayectoria.

No importa qué software utilices, esta guía fue pensada para acompañarte paso a paso y ayudarte a convertir la simulación en una herramienta concreta para la mejora continua de sistemas productivos.

Requisitos previos para aprovechar esta guía

Para sacar el máximo provecho de esta guía paso a paso, te recomiendo contar con ciertos conocimientos y habilidades previas que te permitirán aplicar los conceptos y pasos metodológicos de forma efectiva:

• Un manejo intermedio o avanzado de un software de simulación de eventos discretos, como Plant Simulation, SIMUL8, FlexSim u otros programas similares, que permita modelar, experimentar y analizar sistemas productivos.

• Conocimientos de estadística básica e investigación operativa, indispensables para comprender parámetros, distribuciones de probabilidad, cálculos de tiempos, análisis de colas y procesos de optimización.

• Experiencia o formación en procesos de manufactura, producción o logística, que te permita interpretar los casos prácticos, reconocer variables críticas y plantear problemas reales de simulación.

Si bien la guía ofrece explicaciones detalladas y ejemplos prácticos para aplicar cada paso, contar con ciertos conocimientos previos resulta fundamental para abordar estudios de simulación que generen valor y produzcan resultados tangibles en la organización.

PREFACIO

La simulación de sistemas productivos es una herramienta poderosa para analizar, comprender y optimizar procesos complejos antes de implementar cambios en el mundo real. A lo largo de mi trayectoria profesional, he aplicado la simulación por eventos discretos en diversos proyectos para empresas líderes de distintos sectores industriales, adquiriendo una experiencia práctica invaluable.

Desde 2009, he compartido este conocimiento como profesor universitario de la cátedra “Simulación de Procesos” en la carrera de Ingeniería Industrial de la Universidad Tecnológica Nacional, Facultad Regional Córdoba (UTN – FRC), donde también me desempeño como investigador en el Grupo de Investigación en Modelos y Sistemas de Apoyo a la Decisión (GIMSE).

Esta obra también es fruto del trabajo colectivo y del acompañamiento recibido durante años en la cátedra. Agradezco profundamente a Romina Schneider, con quien compartimos la enseñanza y mejora continua del espacio curricular de simulación, y a Sergio Castro, quien fue mi profesor de Investigación Operativa y actualmente coordina la cátedra, por su compromiso y apoyo sostenido. También a Facundo Martínez, con quien inicié mi camino en la investigación mucho antes de la existencia del GIMSE, y cuyas enseñanzas y estímulo resultaron decisivos en este recorrido.

Motivado por un espíritu emprendedor y con el propósito de ayudar a más organizaciones a optimizar sus procesos, cofundé el estudio de ingeniería industrial Dynamis.pro junto a mi colega Guillermo Vega. A través de este emprendimiento, hemos asesorado a compañías como Prodismo, Ford, Peugeot, Toyota, Mercedes Benz, Renault y Nissan, entre otras, realizando estudios de simulación que permitieron validar y mejorar sus operaciones.

Además, mi participación en proyectos de investigación y la publicación de artículos académicos han enriquecido mi conocimiento teórico y práctico en este campo. Cómo abordar estudios de simulación en entornos productivos es el resultado de más de 15 años de experiencia, investigación y práctica docente, con el objetivo de brindar un recurso claro, detallado y aplicable que permita a profesionales, docentes y estudiantes avanzados, independientemente del software que utilicen, comprender y llevar adelante estudios de simulación por eventos discretos con criterio técnico y orientación a resultados.

A lo largo de estas páginas, compartiré estrategias clave, consejos prácticos y lecciones aprendidas tanto en la industria como en el ámbito académico, esperando que esta guía sea una herramienta valiosa para quienes deseen aprovechar al máximo las ventajas de la simulación.

Agradezco también a Guillermo Vega por sus valiosos aportes en este proyecto, al director del GIMSE, Daniel Conte, por su apoyo y orientación.

A Dios por la vida, a Claudia y Daniela por su paciencia, apoyo inquebrantable y compañía constante a lo largo de esta fascinante aventura de la escritura.

Emanuel Mansilla

¿POR QUÉ ESTA GUÍA?

En más de dos décadas de experiencia como Ingeniero Industrial, he sido testigo de primera mano de los desafíos críticos que enfrentan las organizaciones en su búsqueda de eficiencia operativa. La simulación por eventos discretos emerge no como una solución teórica, sino como un diagnóstico preciso y una herramienta de transformación para problemas estructurales que aquejan a múltiples industrias.

La aplicación de la simulación comienza por tener clara la definición del problema, las razones para simular y los resultados esperados. Una persona que utiliza la simulación debe entonces equilibrar su comprensión del problema con sus habilidades en simulación.

Problemas comunes que resuelve la simulación

La simulación por eventos discretos es clave para abordar problemas que afectan la eficiencia y competitividad de las organizaciones. A continuación, se presentan los principales desafíos que ayuda a superar, de manera concisa y práctica:

Ineficiencia operativa oculta

• Detecta cuellos de botella y procesos redundantes.

• Cuantifica tiempos muertos y proyecta mejoras con precisión.

Decisiones basadas en intuición

• Permite visualizar múltiples escenarios y cuantificar riesgos.

• Reduce la incertidumbre en decisiones estratégicas al basarse en datos.

• Comunica procesos de forma visual y didáctica, mejorando la comprensión integral del sistema

Inversiones sin retorno claro

• Modela el retorno de inversión antes de ejecutarlo en planta.

• Justifica inversiones mediante la comparación objetiva de alternativas.

Complejidad operativa creciente

• Descompone y analiza sistemas complejos.

• Evalúa interacciones entre procesos, restricciones y cambios en la producción.

La Tabla 1 resume los aspectos en los que la simulación aporta valor.

Tabla 1. ¿Cómo la simulación agrega valor?

Problema detectado

¿Cómo ayuda la simulación?

Ineficiencia operativa

Identifica cuellos de botella y oportunidades de mejora.

Decisiones poco fundamentadas

Permite evaluar escenarios con datos concretos.

Inversiones sin análisis predictivo

Justifica decisiones con simulaciones comparativas.

Procesos complejos

Facilita el entendimiento y optimización integral.

Valor diferencial de esta guía

Esta guía paso a paso va más allá de un simple manual técnico: traduce conceptos complejos en metodologías aplicables y comprobadas en la industria, ofreciendo un enfoque práctico que transforma datos en decisiones con impacto tangible en los procesos productivos.

Desarrollada a partir de más de 15 años de experiencia práctica, combina ejemplos reales, lecciones clave y consejos basados en la mejora continua, facilitando al lector la implementación efectiva de estudios de simulación, sin importar el software que utilice.

Caso Práctico: Cómo la simulación evitó el colapso operativo y optimizó un centro de distribución

Contexto de la empresa

Una compañía líder en la industria alimenticia enfrentaba un desafío estratégico: su Centro de Distribución Refrigerado (CDR) operaba al límite de su capacidad, con un aumento proyectado en la demanda que ponía en riesgo la eficiencia operativa y el cumplimiento de pedidos.

Desafíos críticos

El diagnóstico identificó tres problemas principales:

• Capacidad de almacenamiento cercana al límite.

• Proyección de crecimiento de demanda sin un plan validado.

• Necesidad de justificar inversiones para ampliar la operación.

Ante este escenario, el Laboratorio de Simulación de Procesos Industriales (LSPI) del GIMSE fue convocado para analizar la situación mediante un estudio detallado con simulación por eventos discretos.

Resultados del estudio de simulación

El modelo desarrollado permitió:

• Identificar cuellos de botella en el flujo de pallets.

• Proyectar el impacto del aumento de la demanda.

• Analizar alternativas de mejora de manera precisa.

A partir de los resultados, se implementaron dos estrategias clave:

• Optimización de la distribución ABC del almacén

• Reubicación estratégica de productos críticos.

• Reducción del tiempo de uso de robots en 4%.

• Propuesta de expansión operativa

• Utilización de una cámara adicional inactiva.

• Reorganización mínima del almacenamiento, logrando un aumento de capacidad sin grandes inversiones.

Beneficios obtenidos

El estudio de simulación permitió:

• Reducir el tiempo promedio de operación de 10,1 a 9,7 días para volumen de pedidos representativos.

• Gestionar el aumento de demanda con eficiencia.

• Evitar un potencial colapso logístico.

• Generar un ahorro estimado en infraestructura al optimizar recursos existentes.

Gracias a la simulación, la empresa implementó cambios organizativos y operativos que mejoraron el rendimiento del CDR, asegurando su capacidad de respuesta ante el crecimiento del mercado.

Este caso demuestra el valor tangible de la simulación para anticiparse a problemas, reducir costos y mejorar la eficiencia operativa con decisiones basadas en evidencia.

(Cangialosi, Vega, & Mansilla, 2008)

CÓMO USAR ESTA GUÍA

Cómo abordar estudios de simulación en entornos productivos ha sido diseñada como un recurso integral para acompañarte paso a paso en el desarrollo de estudios de simulación discreta aplicados a entornos industriales reales.

La organización del contenido sigue una secuencia lógica que te permitirá:

• comprender los fundamentos esenciales,

• aplicar una metodología probada,

• y desarrollar proyectos de simulación que aporten valor a tu organización.

Estructura general de la guía:

Secciones introductorias

Comienzan con ¿A quién está dirigida esta guía?, el Prefacio y ¿Por qué esta guía?, que te permiten conocer la motivación detrás de este libro y las necesidades que busca resolver en el campo de la simulación industrial. Incluyen un ejemplo de alto impacto que ilustra cómo la simulación puede transformar la operación de un centro de distribución.

Fundamentos y metodología

El capítulo Fundamentos y metodología para el abordaje de estudios de simulación detalla los conceptos clave, principales aplicaciones y parámetros esenciales que necesitas dominar para aplicar la simulación de forma efectiva. Aquí también se describe el enfoque metodológico que estructura todo el libro.

Metodología paso a paso

El núcleo de esta guía se articula en ocho pasos esenciales, cada uno desarrollado en un capítulo independiente que te conduce desde la formulación del problema hasta la comunicación de los resultados. A lo largo del proceso:

• Defines los objetivos y delimitas el problema,

• Analizas el sistema objeto de estudio,

• Recolectas la información necesaria,

• Construyes el modelo de simulación,

• Compruebas la validez del modelo,

• Experimentas y examinas los resultados,

• Valoras la evidencia y planteas recomendaciones,

• Presentas las conclusiones y propuestas.

Cada etapa integra herramientas aplicadas, sugerencias prácticas, ejemplos ilustrativos y reflexiones intermedias que refuerzan tu aprendizaje. La Figura 1 ofrece una visión panorámica de estos pasos, que se desarrollan en detalle en los capítulos posteriores.

Figura 1. Síntesis gráfica de los ocho pasos metodológicos para abordar estudios de simulación en entornos productivosFuente: elaboración propia.

Secciones de cierre

Incluyen Conclusiones, Referencias y Sobre el autor, que te ayudarán a repasar los aprendizajes clave, profundizar en bibliografía especializada y conocer la trayectoria profesional que respalda la guía. Finalmente, ¿Por qué necesita esta guía? reafirma la importancia estratégica de la simulación para la mejora continua.

Sugerencias de uso según tu perfil

✔ Si eres estudiante avanzado o estás iniciándote en simulación: Te recomiendo leer la guía de forma completa y secuencial, comenzando desde la sección de fundamentos y siguiendo los ocho pasos en orden. Esto te ayudará a construir un conocimiento sólido y coherente.

✔ Si eres profesional con experiencia: Puedes dirigirte directamente al paso o tema que te interese resolver (por ejemplo, “5° Paso: Validar el modelo”) y consultar las recomendaciones puntuales que necesitas para tu proyecto. También puedes usar el índice detallado para ubicar rápidamente conceptos específicos como “OEE”, “warm-up” o estrategias de validación.

✔ Si eres docente, consultor o formador: Puedes utilizar la guía como material de referencia para diseñar cursos y capacitaciones, definir estándares metodológicos o estructurar estudios de simulación. Los casos prácticos y ejemplos de impacto te servirán para ilustrar la aplicabilidad en entornos reales.

¿Cómo aprovechar al máximo esta guía?

• Reserva un tiempo para practicar: complementa cada capítulo aplicando los conceptos en un caso real o un proyecto simulado.

• Mantén un registro de tus observaciones y resultados: anota hipótesis, decisiones tomadas, hallazgos y mejoras identificadas.

• Utiliza los casos y ejemplos incluidos como guía para estructurar tus propios estudios de simulación.

• Revisa las conclusiones parciales de cada paso para consolidar lo aprendido antes de avanzar.

Esta guía busca ayudarte a convertir la simulación en una herramienta estratégica para la mejora continua de procesos productivos, y está pensada para convertirse en tu compañera de referencia en cada etapa de un estudio de simulación, ayudándote a transformar datos y procesos en decisiones estratégicas que mejoren la eficiencia y competitividad de las organizaciones.

FUNDAMENTOS Y METODOLOGÍA PARA EL ABORDAJE DE ESTUDIOS DE SIMULACIÓN

El conocimiento profundo de la metodología convierte la simulación en una ventaja competitiva

La simulación por eventos discretos es una herramienta poderosa para el análisis y mejora de sistemas complejos. Su aplicación permite representar, evaluar y mejorar procesos en diversos sectores, desde manufactura, logística y hasta servicios. Un estudio de simulación exitoso requiere un enfoque estructurado que garantice la validez de los resultados y su aplicabilidad en la toma de decisiones.

Conceptos claves de simulación por eventos discretos

Para comprender adecuadamente la metodología de simulación por eventos discretos, es esencial unificar y manejar con precisión los términos que se utilizan en la práctica profesional. Esto permite estructurar correctamente tanto la construcción de modelos como su análisis posterior. La figura 2 sintetiza los ocho conceptos fundamentales que todo profesional debe conocer, según las definiciones propuestas por la Asociación de Ingenieros Alemanes (Verein Deutscher Ingenieure, 2014), ampliamente reconocidas en el ámbito industrial. Estos conceptos constituyen una base terminológica común que facilita la comunicación de estudios de simulación en entornos productivos.

Figura 2. Síntesis gráfica de los conceptos clave para comprender la simulación por eventos discretosFuente: elaboración propia.

Modelo

Reproducción simplificada de un sistema planificado o existente, que reproduce los procesos del sistema, pero en un formato diferente, ya sea abstracto (conceptual) o físico (concreto). Es importante destacar que, aunque el modelo no es idéntico al sistema real, las diferencias entre ambos se mantienen dentro de un rango de tolerancia aceptable, es decir, las variaciones en las características relevantes para la investigación no son significativas o afectan de manera importante los resultados.

Proceso

Conjunto de operaciones que interactúan dentro de un sistema, encargadas de transformar, transportar o almacenar materiales, energía o información, dependiendo de la naturaleza del sistema.

Simulación

Representación de un sistema y sus procesos dinámicos mediante un modelo experimental, con el objetivo de obtener resultados que puedan aplicarse o transferirse a situaciones reales. En este proceso, los eventos o acciones se desarrollan a lo largo del tiempo, permitiendo observar cómo evolucionan. De manera más general, la simulación abarca no solo la creación del modelo, sino también la preparación, ejecución y evaluación de experimentos específicos utilizando dicho modelo, con el fin de estudiar su comportamiento y tomar decisiones informadas.

Experimento de Simulación

Investigación empírica que se enfoca en estudiar cómo se comporta un modelo, realizando varias ejecuciones de simulación mientras se ajustan de manera sistemática ciertos parámetros o estructuras del modelo. Es importante aclarar que la simulación por sí sola no tiene como objetivo optimizar el sistema, pero durante el experimento, la variación de parámetros puede ser acompañada por técnicas de optimización matemática. Esto ayuda a encontrar una configuración de parámetros que sea más adecuada para alcanzar los objetivos establecidos en la simulación.

Corrida de Simulación

Proceso en el que se reproduce el comportamiento de un sistema utilizando un modelo ejecutable específico. Este proceso se lleva a cabo durante un período de tiempo determinado, conocido como tiempo de simulación, y en él se recopilan los valores de las variables de estado que son relevantes para la investigación. Además, se realiza una evaluación estadística de estos datos siempre que sea posible, con el objetivo de obtener información precisa y útil sobre el funcionamiento del sistema simulado.

Herramienta de Simulación

Software que se utiliza para crear modelos que imitan el comportamiento y los procesos dinámicos de un sistema. Además, la herramienta permite ejecutar el modelo, lo que facilita el análisis y la predicción de los resultados bajo diferentes condiciones o escenarios.

Estructura

Relaciones entre elementos de un sistema.

Sistema

Conjunto de elementos interrelacionados que se encuentran separados del entorno. Se caracteriza por varios aspectos clave: en primer lugar, tiene límites definidos que lo separan del entorno (límites del sistema) y a través de los cuales puede intercambiar material, energía e información mediante interfaces (entradas y salidas del sistema). Además, sus elementos, al aumentar la resolución, pueden representar otros sistemas (subsistemas) o ser considerados como indivisibles (elementos del sistema).

El sistema también presenta una estructura secuencial en sus elementos, definida por reglas específicas y atributos constantes o variables. Las relaciones que conectan los elementos del sistema entre sí permiten que se realice un proceso. Los estados de los elementos se describen mediante los valores de todos sus atributos constantes y variables (variables de estado), aunque generalmente solo una pequeña parte de estos atributos es relevante para la investigación. Por último, las transiciones de estado de los elementos se refieren a los cambios, continuos o discretos, de al menos una variable de estado debido a los procesos que se desarrollan dentro del sistema.

Principales aplicaciones de los estudios de simulación

Según la Asociación de Ingenieros Alemanes (Verein Deutscher Ingenieure, 2014), la simulación es una herramienta ampliamente utilizada en la planificación, implementación y operación de sistemas productivos.

Durante la planificación de una nueva instalación, la simulación permite proporcionar información clave para la toma de decisiones. Entre sus principales beneficios en esta etapa se encuentran:

• La estimación de tiempos y rendimiento (throughput),

• El dimensionamiento adecuado de la instalación,

• La identificación de límites de capacidad,

• El análisis del impacto de posibles fallos y contingencias,

• La determinación de los recursos necesarios, incluyendo mano de obra, equipamiento y materiales,

• La selección de estrategias de control que mejoren el desempeño global del sistema.

En mi experiencia en el modelado de sistemas productivos, he aplicado la simulación para validar la planificación de diversas instalaciones, desde celdas de producción hasta plantas de fabricación completas.

En la etapa de implementación, la simulación permite analizar el comportamiento del sistema durante su puesta en marcha (preproducción) ayudando a determinar el tiempo de respuesta para la estabilización de los procesos, la evaluación del impacto de variaciones en la cantidad de pedidos y mezcla de productos, como también la optimización del uso de los recursos disponibles en distintos niveles de capacidad de planta.

A nivel operativo, la simulación tiene como objetivo maximizar la rentabilidad del sistema de producción mediante la búsqueda de estrategias que permitan: reducir tiempos de entrega, minimizar inventarios, maximizar la capacidad operativa, reducir desviaciones respecto al cronograma planificado (Figura 3) (Verein Deutscher Ingenieure, 2014).

Figura 3. Objetivos del Sistema de Producción.Fuente: adaptado de VDI, 2014.