Marcos Goldemberg

UNIVERSIDAD DEL BO-BO Profesor Patrocinante:
FACULTAD DE INGENIERA Dr. Francisco Ramis L.

DEPARTAMENTO DE INGENIERA INDUSTRIAL

Tesis para optar al grado de:
Magster en Ingeniera
Industrial

Desarrollo de un Modelo de Sistema de Salud
Mediante un Lenguaje de Simulacin Orientado a
Objeto Inteligente

Concepcin, Mayo de 2011 Marcos Fernando Goldemberg Vargas
2
UNIVERSIDAD DEL BO-BO Profesor Patrocinante:
FACULTAD DE INGENIERA Dr. Francisco Ramis L.
DEPARTAMENTO DE INGENIERA INDUSTRIAL

Desarrollo de un Modelo de Sistema de Salud
Mediante un Lenguaje de Simulacin Orientado a
Objeto Inteligente

Marcos Fernando Goldemberg Vargas

Tesis para optar al grado de

Magster en Ingeniera Industrial

Mayo 2011
3
Resumen

La simulacin es ampliamente utilizada en casos de manufactura, sin embargo los simuladores
y lenguajes de simulacin que son diseados pensando en estos ambientes, raramente contienen las
herramientas y algoritmos necesarios para manejar asuntos en casos de salud. Para estos casos
generalmente los modeladores utilizan un lenguaje orientado a Proceso, enfocado a la entidad y
donde el modelamiento de las decisiones est basado en nmeros aleatorios. La simulacin
orientada a objeto, por su parte, es un paradigma que enfatiza la reutilizacin de objetos para
representar entidades del mundo real de una forma ms amigable.
El software de simulacin de evento discreto Simio, el cual es orientado a objeto y no posee
herramientas especialmente diseadas para casos de salud, es nuevo en el mercado y ofrece la
ventaja de permitir crear un modelo y luego reutilizar el trabajo inicial para adaptarlo a futuros
modelos del mismo tipo, a diferencia de simuladores orientados a proceso. En el presente trabajo se
busca analizar la factibilidad de desarrollar modelos de sistemas de salud en Simio. A partir de datos
reales, se desarroll un modelo de una sala de emergencias de un hospital. Se utilizaron las distintas
opciones del simulador para caracterizar diferentes tipos de pacientes segn su edad, gravedad,
transporte utilizado en la llegada, considerando tambin otros criterios para dar diferentes secuencias
de tratamiento y disponibilidad de recursos, adems de poder registrar informacin de manera
eficiente para efectuar futuros anlisis sobre cmo mejorar la atencin a los clientes. Se detallan las
instrucciones propuestas a seguir para realizar el modelo.
Se compara la forma de modelar en Simio con respecto al software Flexsim HC, el cual
tambin es orientado a objeto, pero est exclusivamente diseado para representar casos de salud. Se
encuentra que existen diferencias entre ambos programas a la hora de definir secuencias e ingresar la
lgica del modelo. Para un modelo simplificado, se verifica que al momento de correr los
programas, Simio se ejecuta hasta 15,6 veces ms rpido y se concluye mediante pruebas de
hiptesis para la comparacin de las medias, que los datos de tiempo de ciclo promedio de ambos
software son estadsticamente similares, mientras que se encuentran diferencias en los tiempos de
espera de la sala del triage, donde Simio entrega tiempos menores.

4

5
Agradecimientos

A todas las personas que me ayudaron durante el transcurso de este postgrado, no tan slo en
la parte acadmica misma, sino que tambin a los que me instaron a comenzarlo y a los que me
apoyaron a seguir adelante. Entre ellos quiero hacer especial mencin a toda mi familia, por ser mi
soporte constante.
A mi profesor patrocinante Dr. Francisco Ramis, por su apoyo en este ltimo trabajo, su
paciencia y por sus consejos, as como a los integrantes del CASP de la Universidad, por toda su
cooperacin.
Al profesor Dr. Jos Alejandro Seplveda, no slo por compartir sus conocimientos, sino que
por recibirme con gran acogida en su lugar de trabajo y en su hogar.
Finalmente a los profesores y compaeros de clases con los que compart durante el curso, a
mis amigos y compaeros de trabajo.

6
Tabla de Contenidos

LISTA DE TABLAS .......................................................................................................................................................... 8
LISTA DE FIGURAS ........................................................................................................................................................ 9
CAPTULO 1. INTRODUCCIN ............................................................................................................................... 10
1.1. INTRODUCCIN GENERAL .................................................................................................................................. 10
1.2. TRABAJOS PREVIOS ........................................................................................................................................... 11
1.2.1 Discusin .................................................................................................................................................. 11
1.2.2 Hiptesis de Trabajo................................................................................................................................. 12
1.3. OBJETIVOS ......................................................................................................................................................... 12
1.3.1 Objetivo General ...................................................................................................................................... 12
1.3.2 Objetivos Especficos ................................................................................................................................ 12
1.4. ALCANCES Y LIMITACIONES .............................................................................................................................. 13
1.5. TEMARIO Y METODOLOGA ............................................................................................................................... 13
CAPTULO 2. ANTECEDENTES GENERALES ..................................................................................................... 14
2.1. HISTORIA ........................................................................................................................................................... 14
2.2. MODELAMIENTO EN SIMIO ................................................................................................................................. 16
2.2.1 Objetos y su Jerarqua .............................................................................................................................. 16
CAPTULO 3. MODELO DE SALA DE EMERGENCIAS ...................................................................................... 19
3.1. INTRODUCCIN .................................................................................................................................................. 19
3.2. ANLISIS DEL SISTEMA ...................................................................................................................................... 19
3.3. CLASIFICACIN DE PACIENTES .......................................................................................................................... 20
3.4. DATOS DE ENTRADA .......................................................................................................................................... 21
3.5. FLUJO DE PACIENTES ......................................................................................................................................... 23
3.6. RECURSOS.......................................................................................................................................................... 24
3.7. TIEMPOS DE PROCESO ........................................................................................................................................ 25
CAPTULO 4. CONSTRUCCIN DEL MODELO EN SIMIO ............................................................................... 26
4.1. INTRODUCCIN .................................................................................................................................................. 26
4.2. CREACIN DE OBJETOS PERSONALIZADOS ........................................................................................................ 26
4.2.1 Entidades (Pacientes) ............................................................................................................................... 26
4.2.2 Triage ....................................................................................................................................................... 27
4.2.3 Businesss Office ........................................................................................................................................ 27
4.2.4 Camas ....................................................................................................................................................... 28
4.2.5 Salas de Espera ........................................................................................................................................ 28
4.2.6 Paramdicos ............................................................................................................................................. 29
4.3. INGRESO DE DATOS ........................................................................................................................................... 30
4.3.1 Tablas ....................................................................................................................................................... 30
4.3.2 Creacin de Entidades .............................................................................................................................. 34
4.4. CONSTRUCCIN DEL MODELO ............................................................................................................................ 36
4.4.1 General ..................................................................................................................................................... 36
4.4.2 Horarios de Atencin de Pacientes Fast-Track ........................................................................................ 42
4.4.3 Pacientes que se van sin Tratamiento (LWT) ........................................................................................... 43
4.4.4 Agravamiento de Pacientes en Espera ..................................................................................................... 47
4.4.5 Transportes ............................................................................................................................................... 49
4.5. COMENTARIOS ................................................................................................................................................... 50
CAPTULO 5. MODELAMIENTO EN SIMIO V/S MODELAMIENTO EN FLEXSIM HC .............................. 51
5.1. INTRODUCCIN .................................................................................................................................................. 51
5.2. SECUENCIAS ...................................................................................................................................................... 51
5.3. LGICA DE MODELAMIENTO .............................................................................................................................. 55
5.4. HERRAMIENTAS ADICIONALES ........................................................................................................................... 58
7
5.4.1 Experimentos ............................................................................................................................................ 58
5.4.2 Analizadores de Datos de Entrada y Salida ............................................................................................. 61
5.4.3 Otras herramientas ................................................................................................................................... 63
5.5. RENDIMIENTO .................................................................................................................................................... 63
5.6. CONCORDANCIA DE DATOS ................................................................................................................................ 65
5.6.1 Consideraciones ....................................................................................................................................... 65
5.6.2 Resultados de los experimentos ................................................................................................................ 68
CAPTULO 6. CONCLUSIONES ............................................................................................................................... 79
6.1. SUMARIO ........................................................................................................................................................... 79
6.2. CONCLUSIONES .................................................................................................................................................. 79
6.3. TRABAJO FUTURO .............................................................................................................................................. 81
BIBLIOGRAFA .............................................................................................................................................................. 82
8
Lista de Tablas

Tabla N 3.1 Parmetros Utilizados para la Simulacin .................................................................... 21
Tabla N 3.2 Pacientes Promedio por Hora ....................................................................................... 22
Tabla N 3.3 Secuencia Seguida por Pacientes Segn su Clasificacin ............................................ 23
Tabla N 3.4 Disponibilidad de Recursos .......................................................................................... 24
Tabla N 3.5 Tiempos de Proceso ...................................................................................................... 25
Tabla N 4.1 Datos de Pacientes ........................................................................................................ 31
Tabla N 4.2 Llegada de Pacientes segn Horario ............................................................................. 32
Tabla N 4.3 Ingreso de Llegada de Pacientes segn Horario en Simio ............................................ 32
Tabla N 4.4 Grupos de Camas expresadas como Listas de Nodos ................................................... 40
Tabla N 5.1 Rendimiento en Computador de Simio y Flexsim HC ................................................. 64
Tabla N 5.2 Rendimiento en Computador de Simio y Flexsim HC ................................................. 64
Tabla N 5.3 Tiempo Medio de Ciclo (min) por Rplica................................................................... 68
Tabla N 5.4 Estadsticas Descriptivas, Tiempos de Ciclo ................................................................ 69
Tabla N 5.5 Tiempo Medio de Espera en Triage (min) por Rplica ................................................ 73
Tabla N 5.6 Estadsticas Descriptivas, Tiempos de Espera en Triage.............................................. 74

9
Lista de Figuras

Fig. N 2.1 Clases de Objetos en Simio ............................................................................................ 17
Fig. N 3.1 Layout de Sala de Emergencias ...................................................................................... 20
Fig. N 4.1 Entidad Personalizada como Paciente ............................................................................ 27
Fig. N 4.2 Servidor Personalizado como Cama ............................................................................... 28
Fig. N 4.3 Transporte Personalizado como Paramdico .................................................................. 30
Fig. N 4.4 Tabla de Horario de Camas Fast Track ........................................................................... 33
Fig. N 4.5 Proceso para Asignacin de Gravedad de Pacientes ...................................................... 35
Fig. N 4.6 Red de Caminos en Sala de Emergencia ........................................................................ 37
Fig. N 4.7 Proceso de Asignacin de valor a Indicador de Camas Ocupadas ................................. 38
Fig. N 4.8 Esquema de Ruteo de Pacientes desde Triage ................................................................ 38
Fig. N 4.9 Ruteo de Pacientes desde Business Office ..................................................................... 39
Fig. N 4.10 Esquema de Ruteo de Pacientes desde Sala de Espera................................................. 41
Fig. N 4.11 Esquema de Ruteo de Pacientes Fast Track desde Sala de Espera ............................... 42
Fig. N 4.12 Proceso de Insercin de Entidades en Cola de Almacenamiento ................................. 44
Fig. N 4.13 Proceso de Remocin de Entidades en Cola de Almacenamiento ............................... 44
Fig. N 4.14 Proceso de Pacientes que se van sin tratamiento (LWT) en Triage ............................. 46
Fig. N 4.15 Nodos para Gatillar Procesos de LWT ......................................................................... 47
Fig. N 4.16 Indicador se Pacientes que se van sin Tratamiento ...................................................... 47
Fig. N 4.17 Proceso para Agravamiento de Pacientes ..................................................................... 48
Fig. N 5.1 Ingreso de Secuencias - Simio ........................................................................................ 52
Fig. N 5.2 Propiedades de Nodo de Transferencia para Secuencias Simio ................................... 52
Fig. N 5.3 Propiedades de Caminos para Secuencias Simio ........................................................ 53
Fig. N 5.4 Ingreso de Secuencias en Tracks - Flexsim HC ............................................................. 54
Fig. N 5.5 Funciones Avanzadas en Secuencias - Flexsim HC ....................................................... 55
Fig. N 5.6 Ejemplo de Entidades Fluyendo en el Modelo Fsico Simio ...................................... 56
Fig. N 5.7 Ejemplo de Proceso Simio .......................................................................................... 56
Fig. N 5.8 Disposicin del Modelo - Flexsim HC ........................................................................... 57
Fig. N 5.9 Ingreso de Parmetros en Tracks - Flexsim HC ............................................................. 58
Fig. N 5.10 Experimenter Simio ................................................................................................... 59
Fig. N 5.11 Experiment Manager - Flexsim HC ............................................................................. 60
Fig. N 5.12 Visualizacin de Medidas de Desempeo - Flexsim HC ............................................. 61
Fig. N 5.13 Cuadros SMORE Simio ............................................................................................ 62
Fig. N 5.14 Diagrama de Sistema de Sala de Emergencias Simplificado ....................................... 63
Fig. N 5.15 Grfico Tiempo de Ciclo Promedio v/s Rplicas Simio ........................................... 70
Fig. N 5.16 Grfico Tiempo de Ciclo Promedio v/s Rplicas - Flexsim HC .................................. 70
Fig. N 5.17 Grfico de Cajas, Tiempos de Ciclo ............................................................................. 71
Fig. N 5.18 Grfico Tiempo Promedio de Espera en Triage v/s Rplicas Simio ......................... 75
Fig. N 5.19 Grfico Tiempo Promedio de Espera en Triage v/s Rplicas Flexsim HC ............... 75
Fig. N 5.20 Grfico de Cajas, Tiempos de Espera en Triage .......................................................... 76

10

Captulo 1. Introduccin

1.1. Introduccin General
Debido al incremento en nmero y complejidad de las intervenciones quirrgicas, se hace
imprescindible el mantener una gestin eficiente en los sistemas de salud, por lo que las
herramientas que ofrece la Ingeniera Industrial, ya sean existentes tales como el estudio de los
procesos, su modelamiento y estandarizacin, as como las ms nuevas que hacen uso de avances
recientes en la tecnologa, han probado ser beneficiosas para mejorar la productividad y la calidad
del servicio. La simulacin permite sacar conclusiones a partir de un modelo computacional y es til
cuando se estudia situaciones dinmicas y de naturaleza estocstica, ya que entrega estimadores
realsticos de un sistema con cierto comportamiento esperado y de sus variaciones.
La simulacin ha probado ser de gran ayuda para resolver problemas en los campos de la
manufactura, logstica y aplicaciones militares, sin embargo los simuladores y lenguajes de
simulacin que son diseados pensando en estos ambientes, raramente contienen las herramientas y
algoritmos necesarios para manejar asuntos en casos de salud, a pesar del tamao y la importancia
de esta industria [9] [10]. Un sistema de salud es una organizacin compleja de analizar y simular,
debido a la alta interaccin entre el personal mdico y los pacientes que pueden presentar distintos
tipos de severidad. Para estos casos generalmente los modeladores utilizan un lenguaje orientado a
proceso enfocado a la entidad y donde el modelamiento de las decisiones est basado en nmeros
aleatorios. Por la experiencia de trabajos anteriores se tiene que la simulacin orientada a proceso es
muy demandante de tiempo ya que el modelar un caso levemente diferente requiere usualmente la
generacin de un modelo totalmente nuevo. La simulacin orientada a objeto, por su parte, es un
paradigma que enfatiza la reutilizacin de objetos para representar entidades del mundo real de una
forma ms amigable [6].
Las caractersticas de un sistema de salud hacen de la simulacin orientada a objeto la ms
apropiada, presentando resultados concordantes con la realidad y teniendo la ventaja de ser ms
sencilla de modelar [6].

11
1.2. Trabajos Previos
J.A. Seplveda, F. Baesler, W. Thompson, The Use of Simulation for Process Improvement
in an Emergency Department, Industrial Engineering and management Systems, University
of Central Florida, Orlando, FL, USA, 2003.
En este trabajo se presenta la experiencia con un modelo de simulacin desarrollado en un
lenguaje orientado a proceso, donde se analiza el flujo a travs de un departamento de emergencia
hospitalario. El modelo fue construido con el objeto de analizar alternativas para disminuir los
tiempos de espera y el nmero de pacientes que se van sin ser atendidos. El anlisis del modelo
muestra que una disposicin alternativa de los recursos puede llevar a importantes resultados. El
ms significante de ellos es que se disminuy en un 30% en los tiempos de espera de los adultos y
una reduccin casi total de los pacientes que se van sin ser atendidos. Se presenta una descripcin
de estos resultados y otros logros cualitativos.

1.2.1 Discusin
Actualmente, los lenguajes de simulacin raramente contienen las herramientas y algoritmos
necesarios para manejar asuntos en casos de salud. Para estos casos generalmente los modeladores
utilizan un lenguaje orientado a proceso, como es el caso del software Arena, sin embargo la
simulacin bajo el enfoque de proceso puede resultar poco eficiente si se utiliza como herramienta
de anlisis en forma regular, ya que el modelar un caso levemente diferente requiere usualmente la
generacin de un modelo totalmente nuevo. La simulacin orientada a objeto, permite la creacin de
bibliotecas de objetos para reutilizarlos en aplicaciones similares. El software Flexsim HealthCare
naci como una biblioteca de objetos para casos de salud a partir del simulador Flexsim, el cual es
orientado a objeto.
Con la aparicin en el mercado del software de simulacin orientado a objeto Simio, surge
una buena oportunidad para analizar la factibilidad de su implementacin como herramienta de
anlisis para casos de salud y la creacin de objetos con caractersticas especialmente desarrolladas
para este campo, con el potencial de obtenerse una versin exclusiva para modelamiento de este tipo
de sistemas.

12
1.2.2 Hiptesis de Trabajo
Hiptesis general:
El software de simulacin Simio permite su aplicacin en modelamiento de sistemas de
salud.

Hiptesis puntuales:
Es posible modelar en Simio un sistema complejo de salud consistente en una sala de
emergencias que recibe 75.000 pacientes al ao, clasificarlos segn su edad, origen,
gravedad y darles distinto tipo de atencin.
El software Simio presentar un mejor rendimiento que Flexsim HC al momento de su
ejecucin en un computador.
Los valores resultantes arrojados por Simio sern similares a los arrojados por Flexsim HC.

1.3. Objetivos
1.3.1 Objetivo General
Desarrollar en el software de simulacin de evento discreto orientado a objeto Simio un
modelo de una sala de emergencias y evaluar su desempeo en relacin al software Flexsim HC.
1.3.2 Objetivos Especficos
Construir un modelo de una sala de emergencias donde se utilicen las herramientas del
programa para representar caractersticas del sistema como clasificacin y flujo de pacientes.
Proponer los pasos a seguir para representar en el software Simio las distintas caractersticas
del sistema.
Determinar las ventajas y desventajas de modelar un sistema de salud en Simio, comparado
con Flexsim HC.
Estudiar el rendimiento de Simio y comparar la concordancia de sus datos resultantes con
Flexsim HC.

13
1.4. Alcances y Limitaciones
Este trabajo comprende la realizacin en Simio de un modelo que ya fue realizado
anteriormente en los softwares de simulacin Arena y Flexsim HC. Los datos de entrada fueron
obtenidos de estos trabajos anteriores. No se incluye el estudio del comportamiento del sistema o el
anlisis de alternativas para su optimizacin.

1.5. Temario y Metodologa
En el captulo 2 se entregan antecedentes generales de la evolucin de la simulacin de
evento discreto en la historia. El captulo 3 presenta al modelo a simular, se sealan sus
caractersticas y se indica la informacin de entrada que se utiliza. El captulo 4 detalla el diseo
propuesto de cmo realizar el modelo en Simio. En el captulo 5 se realiza una comparacin entre
Simio y Flexsim HC, mientras que en el captulo 6 se concluye sobre el trabajo realizado.

14
Captulo 2. Antecedentes Generales

2.1. Historia
En los primeros aos de la simulacin de evento discreto el paradigma de modelamiento
dominante era la orientacin a evento, la que fue implementada por herramientas tales como
Simscript y GASP. En este paradigma de modelamiento, el sistema es visto como una serie de
eventos instantneos que cambian el estado del sistema. El modelador define los eventos en el
sistema y modela los cambios de estado que se llevan a cabo cuando estos eventos ocurren. Este
enfoque de modelamiento es bastante eficiente y flexible, pero tambin es una representacin
relativamente abstracta del sistema. Como resultado, muchas personas consideran dificultoso el
modelamiento utilizando una orientacin a evento [2].
En la dcada de los 80 la simulacin orientada a proceso desplaz a la orientacin a evento,
convirtindose en el enfoque dominante para la simulacin de evento discreto. En la perspectiva del
proceso se describe el movimiento de entidades pasivas a travs del sistema como un flujo de
procesos. El flujo de procesos est descrito por una serie de pasos de procesos (tales como retardar,
aprovechar un recurso, dejarlo ir) que modelan los cambios de estado que se llevan a cabo en el
sistema. Este enfoque data de la dcada de los 60 con la introduccin del GPSS (Sistema de
Simulacin de Propsito General) y proporcion una manera ms natural para describir el sistema.
Sin embargo, debido a numerosos asuntos prcticos con el GPSS original (por ejemplo su reloj
integrado y su lenta ejecucin) este sistema no se convirti en el enfoque dominante hasta las
versiones mejoradas en el ao 1976, junto con lenguajes de procesos ms nuevos como SLAM y
SIMAN que se volvieron ampliamente utilizados en los 80 [2].
Durante los 80 y 90 la animacin grfica tambin emergi como una caracterstica clave de
las herramientas de modelamiento en simulacin. La construccin de modelos grficos simplific la
confeccin de modelos de procesos y la animacin grfica mejor dramticamente la observacin y
validacin de resultados de simulacin. La introduccin de Microsoft Windows en el mercado
informtico hizo posible el construir interfaces de usuario mejoradas y el surgimiento de nuevas
herramientas grficas (por ejemplo ProModel y Witness).
Desde la amplia propagacin hacia la orientacin a procesos basados en grficos ha habido
refinamientos y mejoras en las herramientas, pero no avances reales en la estructura fundamental del
15
modelamiento. La gran mayora de los modelos de evento discreto siguen siendo construidos
utilizando la misma orientacin a proceso de los ltimos 25 aos [2].
A pesar de que esta orientacin a proceso ha probado ser muy efectiva en la prctica, una
orientacin a objeto ofrece un atractivo paradigma de modelamiento alternativo que tiene el
potencial de ser ms natural y fcil de usar. En una orientacin a objeto se modela el sistema al
describir los objetos que lo conforman. Por ejemplo, se modela una fbrica al describir los
trabajadores, las mquinas, las cintas transportadoras, los robots y otros elementos que son parte del
sistema. El comportamiento del sistema emerge de la interaccin de estos objetos.
Aunque algunos productos han sido definidos como orientados a objeto, a la fecha en la
prctica muchos simuladores han elegido continuar con la orientacin a proceso. Esto se debe en
gran parte a que, a pesar de que el paradigma de modelamiento fundamental puede ser ms simple y
menos abstracto, la implementacin especfica puede llegar a ser difcil de aprender y utilizar, ya
que necesita programacin y tiene lenta ejecucin. Estos desafos no son diferentes a los que
experiment la orientacin a proceso al destronar a la orientacin a evento. Cabe sealar que desde
la introduccin del primer lenguaje de simulacin orientado a proceso (GPSS en 1961), pasaron 25
aos antes de que la orientacin a proceso se desarrollara a tal punto que los simuladores llegaran a
ser persuadidos a realizar el cambio [2].
Actualmente el software de simulacin ms utilizado en el mercado es Arena.. Sus creadores,
Dennis Pedgen y David Sturrock, vendieron la marca y presentaron una nueva alternativa de
simulacin orientada a objeto, llamada Simio (Simulacin basada en Objeto Inteligente), con la que
se ofrecen las siguientes ventajas [3]:
La capacidad de definir y personalizar objetos utilizando lgica de procesos en lugar de
cdigo, permitiendo que usuarios sin conocimientos en programacin tomen completa
ventaja del poder de los objetos.
Un paradigma que permite que objetos que fueron diseados de manera independiente
tengan interacciones complejas entre ellos.
La opcin de realizar simulacin orientada a objeto, a proceso, de evento discreto, continuo y
basado en agente, y mezclarlas en un solo modelo.
Una fuerte integracin en animacin en 2D para una fcil construccin de modelos con
animacin en 3D automtica para un mayor impacto en la presentacin.
16
2.2. Modelamiento en Simio
Simio es un lenguaje de simulacin basado en objeto inteligente, y entrega diferencias con
otros software de simulacin en la perspectiva de la construccin del modelo. Por ejemplo, en el
software Arena, se utiliza un solo tipo de patrn de modelamiento, llamado orientacin a proceso,
en el cual se trabaja en trminos de un proceso lgico compuesto por bloques pasivos y que son
activados ante la llegada de una entidad. Las entidades se mueven de bloque en bloque y cambian el
estado del modelo en el tiempo. Los bloques representan acciones lgicas como aprovechar un
recurso, realizar retardos en el tiempo, etc. Primero se debe crear el flujo de procesos para el modelo
en forma de diagrama y luego se dibuja la animacin en 2-D de forma separada y se enlaza con el
proceso [11].
En Simio, los modelos se construyen tpicamente basados en una orientacin a objeto. Se
insertan objetos en la ventana Facility (instalacin) y se conectan en un ambiente en 3-D. La
ventana Proceso es donde se define la lgica en forma de diagramas similares a los de Arena. Los
objetos definen tanto la lgica como la animacin del modelo, construyndose ambos aspectos en un
solo paso. A diferencia de Arena, en Simio se modela a travs de objetos fsicos en el sistema, por
ejemplo, mquinas, robots, cintas transportadoras, etc., que conforman el sistema [11].

2.2.1 Objetos y su Jerarqua
Existen seis clases bsicas de objetos en Simio, las que se muestran en la Fig. N 2.1, donde
las flechas indican su jerarqua. stas proveen un punto de partida para crear objetos inteligentes en
Simio. Por defecto estas seis clases de objeto tienen poca inteligencia nativa, pero poseen la
capacidad de irla adquiriendo. Las clases definen un comportamiento genrico, pero no el
comportamiento especfico de un objeto, ya que ste ltimo se da por una definicin particular del
objeto, lo que le da su propio comportamiento inteligente. Por ejemplo, una cinta transportadora
puede ser creada mediante la definicin de caractersticas singulares en un enlace entre dos nodos.
Se puede construir versiones inteligentes de estos objetos al modelar su comportamiento como una
coleccin de procesos manejados por eventos [11].

17

Fig. N 2.1 Clases de Objetos en Simio
Fuente: C.D. Pedgen, 2010

La primera clase es el objeto fijo. ste tiene una ubicacin fija en el modelo y puede usarse
para representar un sistema completo (por ejemplo una planta) o componentes del sistema que no se
mueven de un lugar a otro (por ejemplo mquinas, equipamiento) [3][11].
Los agentes son objetos que pueden moverse libremente en el espacio 3D y se usan
tpicamente para desarrollar modelamiento basado en agente, lo que es til para estudiar sistemas
que estn compuestos por muchos objetos inteligentes independientes que interactan entre ellos
para crear un comportamiento general del sistema. Ejemplos de aplicaciones incluyen aceptacin del
mercado de un nuevo producto o servicio, o crecimiento poblacional de especies rivales dentro de
un ambiente [3].
Una entidad es una subclase de la clase Agente y posee un comportamiento adicional
importante. Pueden seguir un flujo de trabajo en el sistema, incluyendo la capacidad de utilizar una
red de enlaces para moverse entre objetos; la habilidad de visitar, entrar y salir de ubicaciones entre
otros objetos a travs de nodos, y la capacidad de ser recogidas, llevadas y entregadas por objetos
transportadores. Ejemplos de entidades incluyen clientes de un sistema de servicio, piezas de trabajo
en un sistema de manufactura o doctores, enfermeras y pacientes en un sistema de salud. Cabe
sealar que en un sistema de modelamiento clsico las entidades son pasivas y son controladas por
los procesos del modelo [3][11].
Los objetos enlace y nodo se utilizan para construir redes por donde las entidades pueden
circular. Un enlace define un camino para el movimiento de entidades entre objetos. Un nodo define
un punto de partida o de fin para un enlace. Ambos pueden combinarse para componer redes
18
complejas con comportamiento de flujo sin restriccin o de trfico congestionado, entre otros
[3][11].
La clase final es el transporte, que es una subclase de la clase Entidad. Un transporte es una
entidad que adicionalmente posee la capacidad de recoger objetos en una ubicacin, llevar esas
entidades a travs de una red de enlaces o en el espacio libre, y luego dejarlas en un destino. Un
objeto transporte tambin la habilidad de moverse fuera de una red y mantener una asociacin con
un nodo en esa red, como por ejemplo estacionarse en un nodo de una red [3][11].

19
Captulo 3. Modelo de Sala de Emergencias

3.1. Introduccin
El sistema simulado en este trabajo corresponde a la sala de emergencias del Centro de Salud
Regional de Orlando, Florida, USA, el que recibe alrededor de 75.000 pacientes al ao y cuyo
modelo fue confeccionado inicialmente con el objeto de analizar distintas alternativas para disminuir
la cantidad de pacientes que se iban del hospital antes de ser tratados, probablemente dado a largos
tiempos de espera que se producen en ciertos momentos del da [1].

3.2. Anlisis del Sistema
La Fig. N 3.1 muestra la disposicin de planta del departamento de emergencias que se
model, donde existen varias salas y estaciones de trabajo. Para este modelo de simulacin se
definieron las siguientes estaciones [1]:

Triage: La enfermera clasifica los pacientes que entran caminando por la entrada principal
como emergentes, urgentes o no-urgentes, para luego ser tratados de forma diferenciada
segn su gravedad. Algunos pacientes que renan requisitos especiales, son clasificados
como Fast Track.
Sala de Espera de Adultos: Lugar donde los pacientes esperan por su atencin, luego de
haber sido entrevistados por el business officer.
Sala de Espera de Peditricos: Lugar donde los nios esperan por su atencin si no hay
camas disponibles.
Estacin de Business Office: Los pacientes se entrevistan con un oficial, quien le toma sus
datos antes de ser atendidos.
Sala de Espera de Business Office: Los pacientes esperan ser entrevistados por el business
officer.
Estacin de Camas Peditricas: 10 camas disponibles exclusivamente para atender a nios.
Estaciones de Camas de Adultos: 29 camas destinadas a la atencin de pacientes adultos. A
ciertas horas del da, algunas camas permanecen cerradas debido a falta de personal.
20
Estacin de Camas de Trauma: 6 camas reservadas para casos de trauma.
Estacin de Camas Fast Track: 10 camas disponibles de 11:00 a 23:00 hrs para casos que
cumplen con ciertas caractersticas especficas. La atencin es realizada en su mayora por
asistentes de mdico y enfermeras.

Fig. N 3.1 Layout de Sala de Emergencias
Fuente: J.A. Seplveda et Al., 2003.

3.3. Clasificacin de Pacientes
A continuacin se indican las distintas clases que tienen los pacientes de este modelo [1].

Llegada de los pacientes: Los pacientes hacen ingreso a la sala de emergencias caminando o
siendo transportados en ambulancia.
Camas Adultos
Camas
Trauma
Camas
Fast Track
Camas
Peditricos
Sala de Espera
Adultos
Sala de Espera
Peditricos
Sala de
Espera
Business
Office
Triage
Business
Office
Paramdicos
Ingreso a Pie
Ingreso por
Ambulancia
21
o Llegada en ambulancia: Los pacientes transportados en ambulancia entran a la
instalacin a travs de la entrada de ambulancia y no pasan por el rea de triage. Se
les da prioridad a estos pacientes ante los que estn esperando en el triage.
o Triage: Los pacientes llegan por sus propios medios, ya sea conduciendo, caminando
o siendo transportados en auto. Acceden a la sala de emergencias a travs de la
entrada principal y son entrevistados por la enfermera en el triage donde se les
clasifica por su gravedad y prioridad.
Gravedad de los pacientes
o Emergente: Accidentes automovilsticos severos, enfermedades agudas, etc. Los
pacientes emergentes tienen prioridad ante los dems ya que el tiempo es un factor
importante en situaciones donde hay riesgo vital. Se representan con ropa de color
rojo en el modelo. stos tienen prioridad y son atendidos antes que cualquier otro
paciente.
o Urgente: Pacientes con condicin menos seria que un caso emergente. En el modelo
se representan con ropa de color amarillo.
o No Urgente: Casos que no representan riesgo vital. Representados con pacientes con
ropa de color verde.
Edad de los Pacientes
o Adultos: 18 aos de edad o ms.
o Peditricos: 17 aos de edad o menos.

3.4. Datos de Entrada

Para el modelo simulado, se tomaron como parmetros los datos indicados en la Tabla N
3.1 [1].

Tabla N 3.1 Parmetros Utilizados para la Simulacin
MODE DE
LLEGADA
Total de Casos % de Nmero de
Pacientes
Ambulancia 234 22%
No-Ambulancia 828 78%
22

PACIENTES NO-
AMBULANCIA
Adulto Peditrico
Emergente 8% 8%
Urgente 65% 80%
No Urgente 27% 12%
Total de Casos 1.026 342

PACIENTE
ENVIADO A
No-Ambulancia Ambulancia
Adulto 53 % 67 %
Fast-track 17 % 3 %
Pediatrico 28 % 12 %
Trauma 2% 18 %
Nmero de Casos 703 195
Fuente: J.A. Seplveda, 2003.

La tasa de llegada de pacientes es variable en el da segn el horario y es la que se indica en
la Tabla N 3.2.

Tabla N 3.2 Pacientes Promedio por Hora
Horario Llegadas por
hora
0 a 1:59 5.3
2 a 7:59 3.7
8 a 10:59 68.1
11 a 18:59 10.4
19 a 21:59 12.9
22 a 23:59 9.9
Fuente: Centro Avanzado de Simulacin de Procesos, Universidad del Bo- Bo.

23
3.5. Flujo de Pacientes
Los pacientes siguen distintas secuencias al interior de la sala de emergencias, dependiendo
de su clasificacin. stas se indican en la Tabla N 3.3 [1].
Tabla N 3.3 Secuencia Seguida por Pacientes Segn su Clasificacin
PEDITRICO ADULTO FAST-
TRACK
AMBULANCIA
Triage
Espera BO
BO
Espera
Peditricos
Cama
Peditricos
Atencin
BO
- Espec.
Despacho
Triage
Espera BO
BO
Espera
Adultos
Cama
Adultos
Atencin
BO
- Espec.
Despacho
Triage
Espera BO
BO
Espera
Adultos
Cama
Fast-Track
Atencin
BO
Despacho

Cama
Atencin
BO
- Espec.
Despacho

Segn la Tabla N 3.3, los adultos que llegan caminando pasan por el triage y van a la sala
de espera de la Business Office, en caso que no haya camas disponibles. Despus de una entrevista
preliminar con el Business Officer donde se consigue informacin bsica del paciente para generar
una cuenta, el paciente queda en la sala de espera. Cuando hay disponibilidad de camas, el adulto
recibe atencin, luego una segunda entrevista y algunas veces se llama a un especialista para
consultas. Para efectos de simulacin, estas tres ltimas actividades se concentraron en un solo
proceso (Cama). Finalmente el paciente es despachado.
Cabe sealar que si existe disponibilidad de camas desde un principio, el paciente va
directamente a la cama luego de la atencin en el triage, sin pasar por las salas de espera. En este
caso el buisiness officer realiza la entrevista en la cama, tiempo que en este trabajo est considerado
dentro del proceso Cama.
Adicionalmente, existen tres tipos de disposicin del paciente: el paciente es admitido, el
paciente es despachado o el paciente se va sin ser atendido. En este trabajo slo se consideraron
estas ltimas dos clasificaciones. Para los pacientes que se van sin tratamiento (LWT) se asumi que
un 30% de los pacientes que esperan ms de 2,5 horas se van sin tratamiento. Por lo tanto, cada 1
24
hora la simulacin verifica en las colas y salas de espera si hay pacientes que llevan ms de 2,5
horas esperando y determina si se van sin tratamiento (30% de probabilidad) o si esperan una hora
ms [1].

3.6. Recursos
En la sala de emergencias existen distintos tipos de recursos, ya sean humanos o materiales.
En la simulacin se asumen los recursos indicados en la Tabla N 3.4.

Tabla N 3.4 Disponibilidad de Recursos
RECURSO DISPONIBILIDAD
Enfermera de Triage 1
Business officer 1
Paramdicos (transporte de
pacientes)
4
Camas de Adultos
De 23:00 a 03:00 hrs 25
De 03:00 a 09:00 hrs 22
De 09:00 a 11:00 hrs 25
De 11:00 a 23:00 hrs 29
Camas Fast-track
De 11:00 a 23:00 hrs 10
De 23:00 a 11:00 hrs 0
Camas de Pediatra 10
Camas de Trauma 6

Cabe sealar que en el horario de 11:00 a 23:00 hrs, dos camas de Fast Track pueden ser
utilizadas para pacientes de ambulancia en casos de alta demanda. Adems, de las 6 camas de
Trauma una puede ser utilizada para otros casos de ambulancia y otra para casos emergentes del
triage [1].

25
3.7. Tiempos de Proceso

Los tiempos de atencin considerados en este trabajo son los que se indican en la Tabla N
3.5, para cada tipo de paciente.

Tabla N 3.5 Tiempos de Proceso
Servidor Tiempo proceso Comentario
Triage erla(2.5,2 ) Todos
Business Office norm( 5,2.2 ) Todos
Cama nios gamm(75,2.58) No Urgente & Urgente
70+weib(342,1.6) Emergente
Cama adultos 9+gamm(60,2.22) No Urgente & Urgente
tria(90,300,540) Emergente
Cama Fast Track 4+erla(30,3) Todos
Fuente: Centro Avanzado de Simulacin de Procesos, Universidad del Bo- Bo.

26
Captulo 4. Construccin del Modelo en Simio

4.1. Introduccin
En este captulo se propone un desarrollo del modelo presentado en el Captulo 3 en el
software de simulacin Simio. Se detallan las instrucciones paso a paso que se siguieron para su
construccin.
4.2. Creacin de Objetos Personalizados
A partir de objetos estndar, se crean objetos personalizados con caractersticas particulares
para representar el sistema. stos son los pacientes, salas de espera, enfermeras, etc.
4.2.1 Entidades (Pacientes)
Se crea una nueva entidad personalizada para utilizarla como distintos tipos de paciente (Fig. N
4.1). Los pasos a seguir son los siguientes:

En la ventana de Navegacin se crea una nueva entidad llamada Paciente.
En Definiciones, Estados, se crean dos estados discretos llamados Gravedad y
TiempoEnCola. stos se utilizarn ms adelante.
En Definiciones, Externo, poner smbolo de figura humana.
En Definiciones, Propiedades, cambiar la Velocidad Inicial Deseada a otro valor, como 0.5
(m/s).
En la vista Facility, insertar una entidad del tipo Paciente.
Nombrarla como Adulto y agregarle 2 smbolos adicionales. Asignarle colores verde,
amarillo y rojo para smbolos 0, 1 y 2, respectivamente. Estos colores representarn la
gravedad del paciente.
En Propiedades de Paciente, Animacin, Smbolo Actual, ingresar la expresin
Paciente.Gravedad - 1. Esto cambiar el color de la entidad, segn su gravedad.
De la misma forma se puede agregar ms tipos de pacientes, tales como Pediatrico,
FastTrack o Trauma.

27

Fig. N 4.1 Entidad Personalizada como Paciente
Fuente: Elaboracin propia.

4.2.2 Triage
A partir de un servidor, se crea el Triage, que es donde se reciben los pacientes por primera
vez y se identifican segn su gravedad. Los pasos a seguir son los siguientes:

Hacer una subclase de un Servidor y nombrarlo Triage.
En Definiciones, Externo, cambiar la apariencia del smbolo y las colas.
En Definiciones, Propiedades, modificar el Tiempo de Proceso por la expresin
DatosPacientes.TiempoTriage.

4.2.3 Businesss Office
A partir de un servidor, se crea el Business Office, que es donde se toma los datos de los
pacientes que estn esperando atencin. Los pasos a seguir son los siguientes:

Hacer una subclase de un Servidor y nombrarlo BusinesssOfficer.
DatosPacientes.TiempoBusinesssOffice.

28
4.2.4 Camas
A partir de un servidor, se crea la Cama, que es el proceso donde se atiende al paciente (Fig.
N 4.2). Los pasos a seguir son los siguientes:

Hacer una subclase de un Servidor y nombrarlo Cama.
DatosPacientes.TiempoCamaNoUrgente*(Paciente.Gravedad==1)+DatosPacientes.Tiempo
CamaUrgente*(Paciente.Gravedad==2)+DatosPacientes.TiempoCamaEmergente*(Paciente.
Gravedad==3). Esta expresin tiene tres sumandos, pero slo uno ser distinto de cero,
dependiendo del nmero que lleve el estado Gravedad de la entidad Paciente. As, el
tiempo en cama corresponder a una de las tres expresiones ingresadas en la tabla
DatosPacientes.
En Definiciones, Propiedades, modificar la Capacidad de Bfer de Entrada a 0.

Fig. N 4.2 Servidor Personalizado como Cama

4.2.5 Salas de Espera
A partir de un servidor, se crea la Sala de Espera, que tiene tiempo de proceso 0 y donde el
paciente espera por una cama disponible. Los pasos a seguir son los siguientes:

Hacer una subclase de un Servidor y nombrarlo SalaEspera.
En Definiciones, Propiedades, modificar lo siguiente:
29
o Initial Capacity: 1
o Ranking Rule: Largest Value First
o Ranking Expression: Paciente.Priority. Se le dar prioridad en la cola a pacientes
con mayor gravedad.
o Processing Time: 0
o Input Buffer Capacity: 200
o Output Buffer Capacity: 0

4.2.6 Paramdicos
A partir de un vehculo, se crea el Paramdico, que es el transporte que mueve a los pacientes
dentro de la instalacin (Fig. N 4.3). Los pasos a seguir son los siguientes:

Hacer una subclase de un Vehculo y nombrarlo Paramdico.
Cambiar la apariencia del smbolo y las colas. Se sugiere descargar de Google Warehouse un
smbolo de una silla de ruedas y agregarle un smbolo de una figura humana que la
transporte.
En Definiciones, Propiedades, modificar lo siguiente:
o Initial Desired Speed: 0.5. La velocidad de los paramdicos ser de 0.5 m/s.
o Initial Node: Nodo desde donde los paramdicos inician su recorrido en el modelo,
por ejemplo BasicNode52.
o Idle Action: Park at Home. Cuando el vehculo est libre se ir al nodo inicial para
estacionarse en una cola.
o Task Selection Strategy: Largest Priority. Los vehculos darn prioridad a los
pacientes emergentes.

30

Fig. N 4.3 Transporte Personalizado como Paramdico

4.3. Ingreso de Datos
4.3.1 Tablas

Se crear una tabla conteniendo informacin como tipos de pacientes, llegadas, tiempos de
procesos. Los pasos a seguir para su construccin son los siguientes:

En la vista Datos, crear una Tabla de Datos llamada DatosPacientes.
Agregar una Referencia a Objeto del tipo Entidad llamada TipoDePaciente. En la columna
se ingresar los distintos tipos de pacientes, es decir, Adulto, Pediatrico, FastTrack,
etc.
Agregar una Propiedad Estndar del tipo Real llamada Llegadas. Los valores a ingresar
correspondern al porcentaje de llegadas de cada tipo de paciente.
Crear 3 columnas de Propiedad Estndar del tipo Real llamadas PorcentajeNoUrgente,
PorcentajeUrgente y PorcentajeEmergente. stas contendrn el nmero correspondiente
al porcentaje de llegada de cada gravedad para cada tipo de paciente.
Crear columnas para tiempos de Triage y Businesss Office agregando Propiedades Estndar
del tipo Expresin llamadas TiempoTriage y TiempoBusinesssOffice. Se completarn
con una expresin, como por ejemplo (Random.Erlang(2.5,2))/60 para Triage. En este caso
los tiempos son comunes para todos los pacientes, por lo que se debe repetir la misma
expresin en las columnas, pero el modelo da la posibilidad de utilizar tiempos distintos.
Cabe sealar que las tablas trabajan con valores en horas, por lo tanto se debe dividir la
expresin por 60.
31
Se tiene 3 tipos de gravedad por cada paciente, por lo tanto hay 3 tiempos de atencin por
cada paciente. Se ingresar entonces el tiempo en cama en 1 columna por cada tipo de
gravedad. Se debe agregar una Propiedad Estndar del tipo Expresin llamada
TiempoCamaNoUrgente, donde se completar con una expresin, como por ejemplo (9 +
Random.Gamma(2.22,60))/60.
De la misma forma anterior, crear columnas TiempoCamaUrgente y
TiempoCamaEmergente. En las propiedades del objeto Cama se incluye la expresin
general que considera los 3 tiempos segn gravedad.

Finalmente, la tabla DatosPacientes que se ingresa en Simio conteniendo la informacin de
llegadas y tiempos de proceso es la Tabla N 4.1.

Tabla N 4.1 Datos de Pacientes
TipoDePaciente Llegadas PorcentajeNoUrgentes PorcentajeUrgentes PorcentajeEmergentes TiempoTriage
Adulto 41.34 27 65 8 (Random.Erlang(2.5,2))/60
Pediatrico 21.84 12 80 8 (Random.Erlang(2.5,2))/60
FastTrack 13.26 27 65 8 (Random.Erlang(2.5,2))/60
Trauma 1.56 27 65 8 (Random.Erlang(2.5,2))/60
AdultoAmb 14.74 27 65 8 0
PediatricoAmb 2.64 12 80 8 0
FastTrackAmb 0.66 27 65 8 0
TraumaAmb 3.96 27 65 8 0

TiempoBusinessOffice TiempoCamaNoUrgente TiempoCamaUrgente TiempoCamaEmergente
(Random.Normal(5,2.2))/60 9+Random.Gamma(2.22,60) 9+Random.Gamma(2.22,60) Random.Triangular(90,300,540)
(Random.Normal(5,2.2))/60 Random.Gamma(2.58,75) Random.Gamma(2.58,75) 70+Random.Weibull(1.6,342)
(Random.Normal(5,2.2))/60 4+Random.Erlang(30,3) 4+Random.Erlang(30,3) 4+Random.Erlang(30,3)
(Random.Normal(5,2.2))/60 9+Random.Gamma(2.22,60) 9+Random.Gamma(2.22,60) Random.Triangular(90,300,540)
0 9+Random.Gamma(2.22,60) 9+Random.Gamma(2.22,60) Random.Triangular(90,300,540)
0 Random.Gamma(2.58,75) Random.Gamma(2.58,75) 70+Random.Weibull(1.6,342)
0 4+Random.Erlang(30,3) 4+Random.Erlang(30,3) 4+Random.Erlang(30,3)
0 9+Random.Gamma(2.22,60) 9+Random.Gamma(2.22,60) Random.Triangular(90,300,540)

El nmero de llegadas por hora depender de la hora del da. Para este caso se tiene que en
promedio la sala de emergencias recibe por hora el nmero de pacientes indicado en la Tabla N 4.2.

32
Tabla N 4.2 Llegada de Pacientes segn Horario
Horario N de Pacientes
por hora
0 a 1:59 5.3
2 a 7:59 3.7
8 a 10:59 68.1
11 a 18:59 10.4
19 a 21:59 12.9
22 a 23:59 9.9
Fuente: Centro Avanzado de Simulacin de Procesos, Universidad del Bo-Bo.

Por lo tanto se crear una tabla para establecer tasas de llegada variables en el tiempo.

En la vista Datos, crear una Rate Table llamada TasaLlegada.
Ingresar datos para cada hora del da. La tabla debera verse como la Tabla N 4.3.

Tabla N 4.3 Ingreso de Llegada de Pacientes segn Horario en Simio
Starting Offset Ending Offset Rate (events
per hour)
Day 1, 00:00:00 Day 1, 01:00:00 5.3
Day 1, 01:00:00 Day 1, 02:00:00 5.3
Day 1, 02:00:00 Day 1, 03:00:00 3.7
Day 1, 03:00:00 Day 1, 04:00:00 3.7
Day 1, 04:00:00 Day 1, 05:00:00 3.7
Day 1, 05:00:00 Day 1, 06:00:00 3.7
Day 1, 06:00:00 Day 1, 07:00:00 3.7
Day 1, 07:00:00 Day 1, 08:00:00 3.7
Day 1, 08:00:00 Day 1, 09:00:00 68.1
Day 1, 09:00:00 Day 1, 10:00:00 68.1
Day 1, 10:00:00 Day 1, 11:00:00 68.1
Day 1, 11:00:00 Day 1, 12:00:00 10.4
Day 1, 12:00:00 Day 1, 13:00:00 10.4
Day 1, 13:00:00 Day 1, 14:00:00 10.4
Day 1, 14:00:00 Day 1, 15:00:00 10.4
Day 1, 15:00:00 Day 1, 16:00:00 10.4
Day 1, 16:00:00 Day 1, 17:00:00 10.4
Day 1, 17:00:00 Day 1, 18:00:00 10.4
33
Day 1, 18:00:00 Day 1, 19:00:00 10.4
Day 1, 19:00:00 Day 1, 20:00:00 12.9
Day 1, 20:00:00 Day 1, 21:00:00 12.9
Day 1, 21:00:00 Day 1, 22:00:00 12.9
Day 1, 22:00:00 Day 1, 23:00:00 9.9
Day 1, 23:00:00 Day 2, 00:00:00 9.9

Cabe sealar que las camas de Fast Track estn abiertas slo durante el perodo de 11:00 a
23:00 al da. Por lo tanto se debe crear una tabla de Schedule (Horario) con esta informacin, de la
siguiente manera:

En la vista Data, crear un Horario nuevo llamado HorarioFastTrack.
Marcar las casillas desde las 11:00 hasta las 23:00. Hacer clic con el botn derecho del
mouse y agregar un nuevo ciclo. Marcar como On Shift.
Copiar el ciclo para todos los das de la semana.
La tabla debe verse como la Fig. N 4.4.

Fig. N 4.4 Tabla de Horario de Camas Fast Track

34
4.3.2 Creacin de Entidades

Para crear distintos tipos de pacientes, se debe desarrollar un proceso para crear entidades
segn las llegadas ingresadas en la tabla (Fig. N 4.5). Esto se realiza de la siguiente manera:

En la vista Procesos se crea un proceso para crear entidades llamado CrearPacientes.
Agregar paso SetTable con los siguientes parmetros:
o Table Name: DatosPacientes
o Row Number: DatosPacientes.Llegadas.RandomRow
o Object Type: Token

El proceso anterior crear distintos tipos de pacientes tales como adultos, peditricos, etc. Sin
embargo, todos tendrn la gravedad por defecto, es decir 0 correspondiente a no urgente. Para
asignar la gravedad correcta se debe crear otro proceso.

Crear proceso para asignar gravedades llamado AsignarGravedad.
Agregar paso Decide basado en probabilidad. La expresin ser leda de la tabla de datos y
corresponde al porcentaje de llegadas de pacientes no urgentes y es
(DatosPacientes.PorcentajeNoUrgente)/100.
El porcentaje de llegadas si ir por la salida True. Ah se debe agregar un paso Assign, donde
asignaremos el valor 1 a la variable de estado Paciente.Gravedad.
Por la salida False del paso Decide ir el porcentaje de pacientes urgentes y emergentes. Por
lo tanto el porcentaje de pacientes urgentes est dado por

% Urgentes
% Urgentes + % Emergentes

Se debe agregar entonces otro paso Decide basado en probabilidad con la expresin
DatosPacientes.PorcentajeUrgentes/(DatosPacientes.PorcentajeUrgentes+DatosPacientes.Po
rcentajeEmergentes).
En la salida True del segundo Decide se agrega un paso Assign con el valor 2 a la variable de
estado Paciente.Gravedad.
35
Por la salida False ir el resto del porcentaje correspondiente a los pacientes emergentes. Se
agrega entonces un paso Assign para asignar el valor 3 a la variable Paciente.Gravedad y
otro paso Assign para asignarle un valor 2 a la variable Paciente.Priority. En este modelo los
pacientes con gravedad 1 y 2 tendrn prioridad 0, mientras que los pacientes emergentes
tendrn prioridad 2.

Fig. N 4.5 Proceso para Asignacin de Gravedad de Pacientes

En el modelo se debe agregar una Fuente (Source) que cree las entidades. Las Propiedades de la
Fuente son las siguientes:
Arrival Logic
o Entity Type: DatosPacientes.TipoDePaciente. Se lee de la tabla los distintos tipos
de entidades (pacientes).
o Arrival Mode: Time Varying Arrival Rate. El nmero de llegadas depender de la
hora del da. Esta informacin est definida en una Rate Table.
o Rate Table: TasaLlegada.
Add-On Process
o Creating Entities: CrearPacientes. Proceso para crear distintos tipos de entidades
Paciente segn tabla.
o Created Entity: AsignarGravedad. Proceso para asignar gravedades segn tabla de
datos. Tambin asigna prioridad a pacientes emergentes.

36
4.4. Construccin del modelo
4.4.1 General

1. Insertar en el modelo las entidades Paciente, una por cada tipo de paciente. En este caso se
tiene pacientes del tipo Adulto, Peditrico, Fast Track y Trauma. Adems, se decidi crear
aparte los pacientes que llegan en ambulancia, ya que tienen distintas secuencias y recursos
disponibles, por lo tanto se tiene 8 tipos de entidades del tipo Paciente.
2. Situar en el modelo los objetos:
o Source
o Triage
o Businesss Officer
o 50 camas. En este caso las camas se situaron de la siguiente forma:
1 24: Adultos
25 34: Peditricos
35 44: Fast Track
45 50: Trauma
o 5 salas de espera, una por cada tipo de paciente que llega a pie, ms otra para la
Businesss Office.
o Sink
3. Es recomendable crear una red de caminos para interconectar todas las camas con salas de
espera y salidas de pacientes. Esto se puede lograr insertando Nodos Bsicos en las junturas
y unindolas mediante caminos. Por estos caminos constantemente tienen que circular
entidades y vehculos de transporte, por lo tanto no basta con que sean unidireccionales. Al
hacerlos bidireccionales se encontr problemas de trfico, ya que muchas entidades y
vehculos quedaban atorados en nodos. Esto se resolvi utilizando 2 caminos
unidireccionales en cada tramo, uno en cada direccin. La red de caminos utilizada en este
trabajo se muestra en la Fig. N 4.6.

37

Fig. N 4.6 Red de Caminos en Sala de Emergencia

Despus del Triage, los pacientes tienen dos posibles destinos. Se dirigirn directamente a
las camas si es que hay alguna disponible, o en caso contrario pasan a la sala de espera de la
Businesss Office. Una de las formas de implementar lo anterior en Simio es la siguiente:

1. En Definiciones del modelo, crear un Estado Discreto llamado CamasAdultosOcupadas.
2. Insertar un Nodo Bsico unido a la salida del Triage por un camino. En las propiedades del
camino, cambiar el peso del camino por la expresin Is. Adulto && (Paciente.Gravedad !=
3). As nos aseguramos que slo pacientes del tipo Adulto y con gravedad No Urgente y
Urgente irn hacia el Nodo Bsico. Los adultos emergentes pasarn directamente a las
camas. Mediante otro camino.
3. En las propiedades del Nodo Bsico, crear un Add-On Process Trigger en Entidades
Ingresadas llamado SalidaTriageAdultos.
4. En la vista Procesos, crear un proceso llamado SalidaTriageAdultos (Fig. N 4.7).

38

Fig. N 4.7 Proceso de Asignacin de valor a Indicador de Camas Ocupadas

5. Agregar un paso Decide de condicin con la expresin Cama1.Capacity.Allocated == 1 &&
Cama2.Capacity.Allocated == 2 && && Cama24.Capacity.Allocated ==1. Esta
expresin es verdad cuando todas las camas de adultos (1 a 24) estn siendo ocupadas.
6. En la salida True insertar un paso Assign, donde a la variable CamasAdultosOcupadas se
le asignar el valor 1.
7. En la salida False insertar un paso Assign, donde a la variable CamasAdultosOcupadas se
le asignar el valor 0.
8. La combinacin de lo anterior hace que la variable CamasAdultosOcupadas est seteada
en 1 cuando todas las camas de adultos estn procesando y en 0 cuando alguna est
disponible.
9. Desde el nodo despus del Triage situar 2 caminos, uno hacia la Sala de Espera de Adultos y
otra hacia la Sala de Espera de la Businesss Office. En el primero el peso deber ser
CamasAdultosOcupadas==0 y en el segundo ser CamasAdultosOcupadas. Esta
lgica se puede emplementar como en la Fig. N 4.8.

Fig. N 4.8 Esquema de Ruteo de Pacientes desde Triage

39
10. De forma anloga se puede hacer algo similar para pacientes no emergentes del tipo
Peditrico y Fast Track, donde cada uno tendr su propia cola del tipo Sala de Espera. Los
pacientes Emergentes y de Trauma irn directamente a su Sala de Espera para luego ser
llevados a una cama.

Los pacientes en la Sala de Espera de la Business Office debern esperar su turno para pasar
en forma individual a la oficina. Por lo tanto el servidor BusinessOfficer es un recurso que se debe
captar y luego libertar. Una forma de implementarlo es la siguiente:

1. En Definiciones, Listas, crear una nueva lista de Nodos llamada BusinessOfficeNodo que
estar compuesto slo por el nodo Input@BusinessOfficer1.
2. En el nodo de salida de la Sala de Espera de la Business Office cambiar las siguientes
propiedades en Routing Logic:
o Entity Destination Type: Select From List
o Node List Name: BusinessOfficeNodos
o Blocked Routing Rule: Select Available Only

Desde el nodo de salida del Business Officer se conecta un camino hacia la sala de espera de
adultos, ingresando como peso la expresin Is.Adulto. De forma similar se conectan los caminos
para salas de espera de Peditricos y de Fast Track.

Fig. N 4.9 Ruteo de Pacientes desde Business Office

Desde Sala de
Espera BO
Hacia Sala de
Espera Adultos
Hacia Sala de
Espera Fast Track
Hacia Sala de
Espera Peditricos
40

Se debe definir los grupos de camas disponibles para distintos tipos de pacientes. stos
tienen distintas camas a su disposicin dependiendo de su gravedad o si se movilizan en ambulancia.
Para esto, en Definiciones, Listas, se deben crear las listas de nodos mostradas en la Tabla N 4.4.

Tabla N 4.4 Grupos de Camas expresadas como Listas de Nodos
Nombre de la lista Nodos N total de camas
CamasAdultos Input@Cama1 Input@Cama24 24
CamasPediatricos Input@Cama25 Input@Cama34 10
CamasFastTrack Input@Cama35 Input@Cama44 10
CamasTrauma Input@Cama45 Input@Cama50 6
CamasAdultosEmergentes Input@Cama1 Input@Cama24,
Input@Cama50
25
CamasPediatricosEmergentes Input@Cama25 Input@Cama34,
Input@Cama50
11
CamasFastTrackEmergentes Input@Cama35 Input@Cama44,
Input@Cama50
11
CamasAdultosAmbulancia Input@Cama1 Input@Cama24,
Input@Cama43, Input@Cama44,
Input@Cama49
27
CamasPediatricosAmbulancia Input@Cama25 Input@Cama34,
Input@Cama43, Input@Cama44,
Input@Cama49
13
CamasFastTrackAmbulancia Input@Cama35 Input@Cama44,
Input@Cama49
11
CamasTraumaAmbulancia Input@Cama45 Input@Cama50,
Input@Cama43, Input@Cama44
8

Cabe sealar que para los pacientes en ambulancia, es recomendable agregar como ltimo
nodo la entrada a su respectiva sala de espera, para redirigirlos en caso de que exista ninguna otra
cama disponible.

Es posible asignarle un destino a las entidades cambiando las propiedades del nodo de
transferencia de salida de las salas de espera. Por ejemplo, para que los pacientes adultos se dirijan
hacia el grupo de camas de adultos se debe cambiar lo siguiente en Routing Logic:
Entity Destination Type: Select From List
Node List Name: CamasAdultos
Blocked Routing Rule: Select Available Only
41
De esta forma la entidad seleccionar su destino desde la lista CamasAdultos, slo si hay
alguno disponible. En caso de que no lo haya, la entidad quedar bloqueada esperando
disponibilidad.

Si se desea que pacientes de distinta gravedad se dirijan hacia distintos grupos de camas
desde una misma sala de espera, existe la opcin de separar las entidades en pacientes emergentes y
no emergentes a la salida de la sala de espera, como se muestra en la Fig. N 4.10.

Fig. N 4.10 Esquema de Ruteo de Pacientes desde Sala de Espera

Los caminos que conectan la salida de la sala de espera con los nodos de transferencia tienen
pesos Paciente.Gravedad==3 para emergentes y Paciente.Gravedad!=3 para no emergentes. En
los nodos de transferencia se puede cambiar las propiedades para que las entidades sean dirigidas a
sus respectivos grupos de camas. Esta lgica se puede utilizar para dems salas de espera.

Adems, segn lo ingresado en las propiedades del objeto personalizado Paramdico (punto
4.2.6), los transportes le darn prioridad a pacientes emergentes y los llevarn para ser atendidos
antes que a otra gravedad.

Salida de
Sala de Espera
Paciente es Adulto
No Emergente
Paciente es Adulto
Emergente
Hacia camas de
Adulto Emergente
Hacia camas
de Adulto
42
4.4.2 Horarios de Atencin de Pacientes Fast-Track
En el caso de los pacientes Fast Track, se debe poner especial atencin con el hecho que las
camas estn disponibles slo desde 11:00 a 23:00 hrs. Para lograr esto, se debe modificar las
siguientes propiedades de cada cama de Fast Track, en Lgica de Proceso:
Capacity Type: WorkSchedule
Work Schedule: HorarioFastTrack

Con esto, la capacidad de las camas cambiar de 1 a 0, dependiendo de la hora y segn lo
ingresado en la tabla de Schedule llamada HorarioFastTrack (punto 4.3.1).

Si el destino de la sala de espera de Fast Track son slo las camas de Fast Track, los
pacientes que ingresen fuera del horario quedarn atascados, ya que las camas de destino tendrn
capacidad 0. Existe entonces la opcin de agregar un tercer nodo de transferencia a la salida, que
enve a los pacientes Fast Track a camas normales, en caso que las camas de Fast Track no estn
disponibles. Se puede disponer nodos a la salida, efectuando un procedimiento similar al anterior,
como lo muestra la Fig. N 4.11.

Fig. N 4.11 Esquema de Ruteo de Pacientes Fast Track desde Sala de Espera

Salida de
Sala de Espera
de Fast Track
Hacia camas
Fast Track no
emergentes
Hacia camas
Fast Track
emergentes
Hacia camas
de adultos
Camas Fast Track no
disponibles
Camas Fast Track disponibles y
paciente no emergente
Camas Fast Track disponibles
y paciente emergente
(1) (2) (3)
(1)
(2)
(3)
43

En la figura anterior, los pesos en los caminos deben ser las siguientes expresiones:
(1) Cama35.Capacity == 0. Las camas de Fast Track estn deshabilitadas.
(2) Cama35.Capacity && Paciente.Gravedad == 3. Las camas de Fast Track estn
habilitadas y el paciente es emergente.
(3) Cama35.Capacity && Paciente.Gravedad != 3. Las camas de Fast Track estn
habilitadas y el paciente es no emergente.

Cabe sealar que para saber la capacidad de las camas de Fast Track es suficiente con
preguntar la capacidad de slo una de ellas, ya que todas tienen el mismo horario.

4.4.3 Pacientes que se van sin Tratamiento (LWT)

Se desea modelar pacientes que, debido a las grandes esperas, se vayan de la sala de
emergencias sin recibir atencin. En el modelo de simulacin se asumir que el 30% de los
pacientes que esperan por ms de 2,5 horas, se van sin tratamiento. La simulacin revisar cada 1
hora si los pacientes llevan esperando ms de 2,5 horas en las colas del Triage y de las Salas de
Espera de Adultos, Fast Track y Trauma. Un 30% de esas entidades sern destruidas y
contabilizadas, mientras que el resto seguir esperando por al menos una hora ms [1].

Al momento de realizar este modelo, el software no permite retirar entidades directamente de
una cola de un Servidor. Por esta razn se cambi la capacidad del buffer de entrada a 0 para luego
poder insertar las entidades a un nuevo buffer, donde stas pueden ser buscadas y retiradas.
Para mover las entidades del buffer de entrada del Triage a otro provisorio, se debe realizar
lo siguiente:
1. La entidad Paciente ya tiene agregado un estado discreto llamado TiempoEnCola en la
ventana Definiciones, Estados. ste llevar un seguimiento del tiempo en el que cada
paciente entra a la sala de Triage. Con la variable creada, luego se le podr asignar un valor.
2. En Definiciones, Elementos, hacer clic en Storage para crear un nuevo Almacenamiento y
nombrarlo Almacenamiento.
44
3. En el nodo de entrada del servidor (Triage) agregar un Add-On Process Trigger haciendo
doble clic en Entered. Se crear automticamente un proceso llamado
Input_Triage1_Entered. Este proceso ser llamado cada vez que una entidad entre al
nodo.
4. En la ventana de Procesos, en el proceso recin creado, agregar un paso Assign, donde se le
asignar a la variable Paciente.TiempoEnCola el valor TimeNow (tiempo actual de
simulacin). Con esto, cada entidad tendr registrado en el estado TiempoEnCola, el valor de
la hora cuando ingres al Triage.
5. En el mismo proceso agregar un paso Insert, donde el Nombre del Queue State ser
Almacenamiento.Queue (Fig. N 4.12). Este paso insertar las entidades que entren al
Triage en la cola de almacenamiento llamada Almacenamiento.

Fig. N 4.12 Proceso de Insercin de Entidades en Cola de Almacenamiento

6. De vuelta en la ventana Facility, agregar otro Add-On Process Trigger al nodo de entrada del
Triage, haciendo doble clic en Exited. Se crear automticamente un proceso llamado
Input_Triage1_Exited. Este proceso ser llamado cada vez que una entidad salga del
nodo.
7. En la ventana de Procesos, en el nuevo proceso, agregar un paso Remove para quitar
entidades desde la Almacenamiento.Queue (Fig. N 4.13).

Fig. N 4.13 Proceso de Remocin de Entidades en Cola de Almacenamiento
45

8. Los dos procesos Input_Triage1_Entered y Input_Triage1_Exited utilizan una cola de
almacenamiento para que la entidad espere al servidor. Esta cola puede ser animada al
agregar una Detached Queue con el nombre Almacenamiento.Queue, desde la pestaa
Animation en la ventana Facility. Esta cola reemplazar a la cola de entrada del Triage.

En esta nueva cola de almacenamiento las entidades estn esperando y se puede ahora buscar
las que estn mucho tiempo. Para realizarlo en el modelo se debe hacer lo siguiente:

9. En la ventana Facility, insertar un objeto Source y conectarlo con un Sink. El tiempo de
llegadas de las entidades debe estar basado en cuan seguido se desea buscar entidades
esperando mucho tiempo en las colas. En este caso ser cada 1 hora.
10. En el nodo de transferencia del objeto Source recin insertado, agregar un Add-On Process
Trigger llamado LWTTriage en Entered.
11. Definir Indice como un estado discreto del modelo en la ventana Definiciones, panel de
Estados.
12. En el proceso recin creado, agregar un paso Search y cambiar las siguientes propiedades:
Basic Logic
o Collection Type: QueueState. Se busca en una cola.
o Queue State Name: Almacenamiento.Queue. Nombre de la cola donde se busca.
o Match Condition: (TimeNow-Candidate.Paciente.TiempoEnCola) > 2.5. Se
busca entidades del tipo Paciente que lleven en cola ms de 2.5 horas. Este
nmero se puede cambiar segn se desee.
Advanced Options
o Save Index Found: Indice
13. En la salida Found del paso Search, agregar un paso Decide, basado en una probabilidad de
0.3.
14. En la salida True del paso Decide, insertar un paso Remove para quitar el 30% de las
entidades que cumplan con las condiciones de la bsqueda. Cambiar las siguientes
propiedades:
Basic Logic
46
o Queue State Name: Almacenamiento.Queue. Nombre de la cola de donde se
retira.
Advanced Options
o Removal Type: AtRankIndex
o Rank Index: Indice
15. Reconectar la salida Original del paso Remove hacia la entrada del paso Search, para seguir
buscando en la cola entidades que esperen mucho tiempo.
16. En Definiciones, Elementos, agregar una Tally Statistic llamada LWT.
17. A la salida del paso Remove, insertar un paso Tally para registrar la duracin del tiempo que
la entidad esper antes de ser retirada. El nombre de la TallyStatistic es LWT y el valor es
TimeNow - Paciente.TiempoEnCola.
18. A continuacin del paso Tally, agregar un paso Destroy, para destruir la entidad y su Token.

El proceso LWTTriage debera verse como el de la Fig. N 4.14.

Fig. N 4.14 Proceso de Pacientes que se van sin tratamiento (LWT) en Triage

Este procedimiento puede efectuarse de forma anloga para las salas de espera. Los buffers
de entrada tambin deben ser deshabilitados y reemplazados por colas de almacenamiento, pero esta
vez no se debe escribir un nuevo valor en la variable Paciente.TiempoEnCola ya que el tiempo de
entrada en el sistema es uno slo y es al entrar al Triage. Se deben crear nuevas colas de
Almacenamiento, una para cada sala de espera.
47

Se puede agregar nodos bsicos a continuacin del objeto Source que revisa cada 1 hora y
agregarles Add-On Process Triggers para que gatillen los procesos de LWT para cada sala de
espera, como lo muestra la Fig. N 4.15.

Fig. N 4.15 Nodos para Gatillar Procesos de LWT

En todos los procesos que revisen a los pacientes sin tratamiento en las salas de espera, es
necesario que guarden las estadsticas en el mismo Tally Statistic llamado LWT. El nmero de
pacientes que se van se agregar a esa lista.
Para tener un indicador en el modelo del nmero de pacientes que se van sin tratamiento, se
puede agregar en la ventana Facility, pestaa Animation, una Etiqueta de Estado con la expresin
LWT.NumberObservations. Tambin se puede agregar una etiqueta para que el indicador se vea
como la Fig. N 4.16.

Fig. N 4.16 Indicador se Pacientes que se van sin Tratamiento

4.4.4 Agravamiento de Pacientes en Espera

Se desea modelar que pacientes de gravedad urgente puedan empeorar su salud debido a largas
esperas. Se utiliza un procedimiento similar al de modelar pacientes que se van sin tratamiento. La
LWT Triage
LWT
Sala de
Espera
Adultos
LWT
Sala de
Espera
Fast Track
LWT
Sala de
Espera
Trauma
48
simulacin asumir que un 10% de los pacientes clasificados como Urgentes empeorar su
condicin a Emergente si es que llevan ms de 2,5 horas esperando en Triage o en las Salas de
Espera. Para agravar pacientes en Triage se hace lo siguiente:

1. En la ventana Facility, es posible utilizar el mismo objeto Source agregado anteriormente
para pacientes que se van sin tratamiento (Fig. N 4.15) para que la simulacin busque
entidades cada 1 hora. Si se desea buscar en una tiempo distinto, se puede agregar otro
Source con distinto tiempo de llegadas.
2. Insertar un nuevo Nodo Bsico y agregar un Add-On Process Trigger llamado
MasGravedadTriage en Entered.
3. En el proceso recin creado, agregar un paso Search y cambiar las siguientes propiedades en
Basic Logic:
Collection Type: QueueState
Queue State Name: Almacenamiento.Queue
Match Condition: (TimeNow-Candidate.Paciente.TiempoEnCola) > 2.5
4. En la salida Found del paso Search, agregar un paso Decide, basado en condicin con la
expresin Paciente.Gravedad == 2.
5. En la salida True, agregar otro paso Decide, basado en una probabilidad de 0.1.
6. En la salida True, insertar un paso Assign para darle a la variable de estado
Paciente.Gravedad un valor de 3. Agregar otra asignacin para darle a la variable
Paciente.Priority un valor de 2.

El proceso MasGravedadTriage debera verse como el de la Fig. N 4.17.

Fig. N 4.17 Proceso para Agravamiento de Pacientes
49
Se puede realizar lo anterior de forma anloga para las dems salas de espera.

4.4.5 Transportes

Se desea que paramdicos transporten a los pacientes desde las salas de espera hacia las camas y
luego hacia fuera de la sala de emergencias. En este caso habr 4 paramdicos permanentemente de
turno.

1. En la ventana Facility, insertar en el modelo 4 entidades Paramdico.
2. En Definiciones, Listas, crear una lista de Transportes llamada Paramedicos compuesta
por las 4 entidades Paramdico recin aadidas.
3. En cada Nodo de Transferencia donde se necesite que las entidades sean recogidas, se debe
agregar lo siguiente en las propiedades de Lgica de Transporte:
Ride on Transporter: True
Transporter Type: From List
Transporter List Name: Paramedicos
Estas propiedades se deben modificar en todos los nodos a la salida de salas de espera, camas
y nodos a la llegada de ambulancias.
4. Se debe elegir un lugar donde los paramdicos iniciarn su recorrido y donde estarn en caso
de inactividad. En este lugar se coloca un Nodo Bsico y se conecta con la red existente. El
nombre del Nodo Bsico debe coincidir con el Nodo Inicial que se ingres en las
definiciones, al momento de crear la entidad Paramdico, por ejemplo, BasicNode52
(punto 4.2.6).
5. Al crear la entidad Paramedico, se configur que su accin al estar inactivo sera
estacionarse en casa (Park at Home), por lo que se debe crear una cola para que los
transportes se estacionen. En la vista Facility, pestaa Animation, hacer clic en Detached
Queue y se dibuja una cola cerca del nodo inicial. En las propiedades de la cola, cambiar el
estado a BasicNodeXX.ParkingStation.InProgress, donde XX es el nmero del nodo
inicial.

50
4.5. Comentarios
Del modelo realizado se observa que su confeccin requiri una demanda de tiempo
considerable y present una complejidad relativamente alta para el desarrollo de lgicas complejas,
sin embargo este trabajo servir como base para ser adaptado a otros sistemas de salud, donde se
espera que la reutilizacin de los objetos definidos y sus propiedades signifique una modelacin
simple con una disminucin importante del tiempo de desarrollo.

51
Captulo 5. Modelamiento en Simio v/s Modelamiento en
Flexsim HC

5.1. Introduccin
En este captulo se establecen las diferencias encontradas entre realizar un modelo en el
software Simio y en Flexsim HC. Este ltimo es un simulador orientado a objeto, especialmente
creado para representar casos de sistemas de salud. Se compara el desarrollo de modelos en ambos
software tomando en cuenta aspectos como el ingreso de las secuencias de los pacientes en la
instalacin, lgica, rendimiento de los programas a la hora de correr los modelos, concordancia de
datos obtenidos, entre otros.

5.2. Secuencias
En Simio existen diversas maneras de definir las secuencias de las entidades. Una de ellas es
predefinirlas mediante una tabla de secuencias, donde se especifica cada uno de los nodos por los
cuales la entidad debe pasar (Fig. N 5.1 (a)). Para esto, cada tipo de entidad debe tener una
secuencia asociada para que sta siempre sea la ingresada en tabla, lo que se realiza modificando sus
propiedades (Fig. N 5.1 (b)). Luego, cada nodo tambin debe tener ingresado en sus propiedades
que sigan una secuencia. Dada la complejidad y las caractersticas del modelo realizado en este
trabajo, se decidi que esta metodologa no era la ms adecuada, debido a que las tablas de
secuencias se utilizan usualmente para secuencias fijas, mientras que en muchos casos se necesitaba
discriminar entre distintos posibles destinos y muchos nodos eran recorridos por distintos tipos de
entidades.

52

(a)

(b)
Fig. N 5.1 Ingreso de Secuencias - Simio
(a) Tabla de Secuencias, (b) Propiedades de Entidad

Otra alternativa para establecer secuencias es utilizar los nodos de transferencia, donde se
puede definir para cualquier entidad un prximo destino, ya sea fijo o de una lista de nodos (Fig. N
5.2), tal como se hizo en el punto 4.4.1.

Fig. N 5.2 Propiedades de Nodo de Transferencia para Secuencias Simio

Simio tambin ofrece la opcin de definir rutas mediante la apertura y cierre de caminos. Los
caminos (paths) tienen un peso que por defecto es 1, pero que puede ser modificado por otro valor o
incluso una expresin que representan la probabilidad de que una entidad pase por ese camino. Estas
expresiones tambin pueden ser del tipo booleanas, es decir que son verdaderas o falsas y que
retornarn un valor de 1 0. De esta manera, cuando el peso del camino resulta ser 0, ste quedar
53
bloqueado. En la Fig. N 5.3 se ingres una expresin que abrir o cerrar el paso, dependiendo de
existen camas disponibles o no. Este procedimiento se utiliz muchas veces en este trabajo y un
ejemplo se explica en el punto 4.4.1, Fig. N 4.8.

Fig. N 5.3 Propiedades de Caminos para Secuencias Simio

En Flexsim HC la gran parte de la definicin de secuencias se encuentra en los Tracks. En
stos se definen todas las actividades que el paciente efectuar en el sistema, incluidos sus
movimientos. En la Fig. N 5.4 se observa que la primera actividad, llamada 10_mov_a_triage es
del tipo Paciente Viaja Desatendido, es decir el primer movimiento del paciente est definido
como ir por s solo desde la entrada hacia el rea de Triage. Aqu tambin se define la prxima rea
del paciente, la que en este caso est ingresada como una funcin avanzada.

54

Fig. N 5.4 Ingreso de Secuencias en Tracks - Flexsim HC

En Flexim HC la ruta del paciente va predestinada desde su creacin, segn los movimientos
ingresados en los Tracks. Si en algn momento fuera necesario aadir una lgica ms compleja a los
movimientos del paciente, Flexsim HC permite modificar una funcin avanzada que bajo una cierta
condicin o probabilidad, elija una prxima actividad, lleve al paciente a otra rea, cambie su
estado, etc (Fig. N 5.5). Esta funcin avanzada se especifica ingresando parmetros a opciones
dadas por el software o programando cdigo en lenguaje C++ para lgica ms compleja.

55

Fig. N 5.5 Funciones Avanzadas en Secuencias - Flexsim HC

5.3. Lgica de modelamiento

En Simio, a diferencia de otros lenguajes de simulacin, se hace una diferencia notoria entre
el modelo fsico y el modelo lgico. En la vista Facility, el modelo se construye tomando en cuenta
la disposicin fsica de los elementos que constituyen el sistema, los que se enlazan para que las
entidades fluyan en l, como lo haran en una instalacin en la realidad. Las entidades pueden tener
su propio comportamiento inteligente, ya que tienen la posibilidad de tomar decisiones, rechazar
peticiones, descansar, etc. Pueden ser creados y destruidos dinmicamente, moverse en una red de
enlaces y nodos, moverse en el espacio 3D, entrar y salir de objetos fijos. Algunos ejemplos de
entidades pueden ser pacientes, vehculos, clientes, piezas de trabajo, etc [4]. Un ejemplo de
entidades movindose en un modelo de Simio se observa en la Fig. N 5.6.

56

Fig. N 5.6 Ejemplo de Entidades Fluyendo en el Modelo Fsico Simio

En Simio la programacin requerida por el usuario es reducida ya que la lgica se programa
en la vista Procesos a travs de los bloques de un proceso, ingresando parmetros en las propiedades
de los pasos. El movimiento de una entidad hacia o fuera de un objeto puede detonar un Trigger
(gatillo) que llama a un proceso y lo ejecuta. Un proceso est compuesto por bloques que son
recorridos, no por entidades, sino por un concepto introducido por Simio como Token. En Simio,
un Token es una unidad que est asociada a una entidad y que reside dentro de un proceso. Es
creado al principio de ste, fluye por los bloques ejecutando pasos y finalmente es destruido. Los
pasos que ejecutan efectan acciones, tales como asignar un nuevo valor a una variable, decidir
entre alternativas, esperar a que ocurra un evento, destruir entidades, retener un token por un cierto
tiempo, ejecutar otros procesos, entre otros. Un proceso en Simio se ilustra en la Fig. N 5.7.

Fig. N 5.7 Ejemplo de Proceso Simio

En Flexsim HC, la disposicin del modelo se hace ingresando objetos desde una biblioteca,
donde existen salas de espera, camas, personal, entradas, salidas, etc (Fig. N 5.8). Para modelar los
pacientes, se puede crear un patrn que describa el comportamiento de un grupo de pacientes a
travs de todo el sistema. Estos patrones se llaman Tracks y es un men donde se ingresa la
informacin de todos los movimientos y actividades que el paciente realiza dentro del sistema. En
stos se crea una lista de la secuencia del paciente y se definen los tiempos de proceso asociados a
cada actividad.
57

Fig. N 5.8 Disposicin del Modelo - Flexsim HC

Por ejemplo, la Fig. N 5.9 muestra la actividad de atencin al paciente llamada
70_doc_check1. sta ha sido definida como del tipo proceso, su predecesora es la toma de datos
de la enfermera, su tiempo de proceso est asociado a una distribucin Weibull, se realiza en la
ubicacin actual del paciente y el personal que lo realizar ser el grupo de mdicos
PhysicianGroup1.

58

Fig. N 5.9 Ingreso de Parmetros en Tracks - Flexsim HC

5.4. Herramientas adicionales
5.4.1 Experimentos
Simio ofrece una herramienta para realizar experimentos llamada Experimenter (Fig. N
5.10). En este modo la animacin del modelo no es lo prioritario, ya que se replican distintos
escenarios para obtener informacin sobre la variabilidad en el sistema y llegar a conclusiones
vlidas estadsticamente desde el modelo. Se debe definir una o ms propiedades que se puedan
cambiar para ver el impacto en el desempeo del sistema. Estas propiedades pueden utilizarse para
variar parmetros como la velocidad de las cintas transportadoras, el nmero de operadores
disponibles o el criterio de decisin para la seleccin del prximo cliente en el proceso, los que son
referenciadas por uno o ms objetos en el modelo. Se pueden crear varios experimentos por modelo,
por ejemplo uno para tiempos de proceso y otro para evaluar tamaos de colas o niveles de dotacin
de personal. Simio aprovecha la cantidad de ncleos del computador para correr mltiples rplicas a
la vez, por ejemplo, un computador con un procesador de dos ncleos podr correr dos rplicas a la
vez. Las ltimas versiones de Simio ofrecen aadir una o ms Respuestas o Restricciones al
59
experimento. Una Respuesta puede ser cualquier expresin vlida y es tpicamente un indicador de
desempeo clave que es de particular inters en los escenarios de comparacin y que se desplegarn
directamente en la tabla de experimentos y en el cuadro de respuestas. Una restriccin es una
expresin que debe satisfacerse para que el escenario sea vlido. En Simio existen dos maneras para
visualizar los resultados del experimento. La primera es la Tabla Pivote (Pivot Table), la que est
diseada para que el analizador pueda arreglar o clasificar la informacin desde distintas
perspectivas al arrastrar las columnas de la tabla. La otra manera de visualizar los resultados es
mediante un Informe (Report) tradicional, que muestra para cada parmetro de inters los resultados
de los distintos escenarios que se definieron.

Fig. N 5.10 Experimenter Simio

Flexsim HC tambin ofrece la herramienta de un gestor de experimentos, la cual no difiere
en grandes aspectos de Simio. Es posible definir distintos nmeros de variables, escenarios y
rplicas, como se muestra en la Fig. N 5.11.

60

Fig. N 5.11 Experiment Manager - Flexsim HC

La pestaa de medidas de desempeo ofrece especificar las medidas de salida a evaluar para
cada escenario. Al final de cada rplica las funciones de medida de desempeo son ejecutadas y
registradas, y una vez terminado el experimento se pueden visualizar los resultados de stas en una
ventana como la de la Fig. N 5.12 o en forma de tablas e informes. Adems es posible ingresar
funciones avanzadas para ejecutar alguna accin al momento de comenzar o finalizar experimentos,
rplicas o escenarios.

61

Fig. N 5.12 Visualizacin de Medidas de Desempeo - Flexsim HC

5.4.2 Analizadores de Datos de Entrada y Salida
Al momento de realizar este trabajo, Simio (versin 3.43) no ofrece un sistema integrado
para ajuste de distribuciones estadsticas o anlisis de datos de salida. Sin embargo recomiendan el
uso de softwares tales como Stat::Fit, ExpertFit o StartTools para luego ingresar datos a Simio como
distribuciones o tablas. Simio incluye herramientas de anlisis de salida como las tablas pivote o
cuadros SMORE para asistencia en comparacin de datos de respuesta. Los cuadros SMORE
(Medicin de Riesgo y Error de Simio) es una herramienta grfica que ayuda a analizar y comparar
escenarios al desplegar los valores esperados y sus mltiples niveles de variabilidad asociados, en
forma de una carta que muestra valores mximos, mnimos, percentiles, intervalos de confianza,
media, etc (Fig. N 5.13).
62

Fig. N 5.13 Cuadros SMORE Simio
Fuente: Ayuda Simio.

Para un anlisis adicional en Simio, es posible exportar datos de salida a otros programas. El
formato de datos de salida es de valores separados por coma (CSV) y es compatible con la mayora
de programas de anlisis de datos, incluyendo Microsoft Excel. Para obtener estos archivos, es
necesario crear una rutina dentro del modelo, definiendo elementos, agregando procesos con pasos,
etc, tal como en el ejemplo SimBit WritingToAFile. En el caso de la ejecucin de un experimento,
se crearn distintos archivos, uno por cada rplica realizada. No es posible ingresar todos los datos
en un solo archivo de forma automtica, debido a que Simio corre ms de una rplica a la vez, una
por cada procesador que el computador tiene, lo que significara tratar de escribir en el mismo
archivo al mismo tiempo.

Flexsim HC, por su parte posee integrada la herramienta ExpertFit, con la cual es posible
hacer ajuste de curvas, comparaciones grficas, tests de bondad de ajuste, evaluacin de modelos,
etc, adems de permitir la importacin y exportacin de datos en formato hoja de datos de Excel
(archivos .xls).

63
5.4.3 Otras herramientas

Adicionalmente a sus productos estndar, Simio ofrece una herramienta de optimizacin en
simulacin llamada OptQuest, que mejora las capacidades analticas de Simio al buscar de forma
automtica los controles de entrada para maximizar o minimizar algn objetivo.

5.5. Rendimiento
Para analizar el rendimiento de ambos software de simulacin, se cre un modelo simple de
atencin mdica, consistente en pacientes adultos y nios que ingresan con distinta severidad a una
sala de triage, luego a sus respectivas salas de espera para ser atendidos en camas y finalmente ser
despachados. El diagrama de este ejemplo se observa en la Fig. N 5.14.

Fig. N 5.14 Diagrama de Sistema de Sala de Emergencias Simplificado

Este modelo se corri en Simio y en Flexsim HC en 10 rplicas de 5.000 horas cada una, con
el objeto de concluir sobre el rendimiento de los softwares en un mismo computador. Cabe sealar
que se utiliz una tasa de llegada de un paciente cada 10 min, con los tiempos de procesos y de
llegadas similares al modelo realizado anteriormente.

Los resultados de rendimiento son los que se observan en la Tabla N 5.1:
Llegada
Triage
Sala de Espera
Adultos
Sala de Espera
Nios
Camas
Adultos (4)
Camas
Nios (2)
Salida
Adultos 70%
Nios 30%
Emergentes 10%
Urgentes 30%
No Urgentes 60%
64

Tabla N 5.1 Rendimiento en Computador de Simio y Flexsim HC
Llegadas de Pacientes cada 10 min
Software de
Simulacin
Tiempo promedio real
por cada rplica
Tiempo real
total de ejecucin
Simio 0:02:53 hrs 0:07:22 hrs
Flexsim HC 0:08:15 hrs 1:22:30 hrs

Se observa que el tiempo total de ejecucin en Flexsim HC fue 11,19 veces mayor que el de
Simio. Flexsim HC tard 08:15 min en promedio en cada rplica y las fue realizando en serie, es
decir una despus de la otra. Simio, por otra parte, aprovecha el nmero de ncleos del ordenador
para ejecutar ms de una rplica a la vez. En este caso todas las simulaciones se realizaron en un
computador con procesador Intel Core I3, donde Simio ejecut 4 rplicas al mismo tiempo, lo que
redujo considerablemente el tiempo total. Por esta razn el tiempo total de ejecucin en Simio no
coincide con la suma de cada rplica por separado.
Un aspecto que influy de manera considerable los tiempos de ejecucin de los programas
fue la cantidad de pacientes por hora que llegaban a la sala. Para este caso se simul con una tasa de
llegada exponencial de un paciente cada 10 min. Sin embargo, si este valor se reduce a un paciente
cada 15 min, los resultados de los tiempos de ejecucin son los mostrados en la Tabla N 5.2.

Tabla N 5.2 Rendimiento en Computador de Simio y Flexsim HC
Llegadas de Pacientes cada 15 min
Software de
Simulacin
Tiempo promedio real
por cada rplica
Tiempo real
total de ejecucin
Simio 0:01:02 hrs 0:02:46 hrs
Flexsim HC 0:04:30 hrs 0:43:00 hrs

Se observa que si se reduce las llegadas a un paciente cada 15 min, Simio tuvo mejor
desempeo an, siendo en este caso 15,6 veces ms rpido que Flexsim HC. Estas diferencias con el
ejemplo anterior se deben a que la cantidad de entidades existentes en el modelo durante la
simulacin afectan de gran manera el tiempo de ejecucin de los programas, especialmente en casos
65
de salud, donde los tiempos de proceso y de espera pueden ser relativamente altos y donde se
producen largas colas.

5.6. Concordancia de datos
5.6.1 Consideraciones
Se utiliz la misma comparacin de los dos simuladores para el modelo simple de la Fig. N
5.14 y se utiliz los datos de salida para verificar si concuerdan estadsticamente.

Se estudi si el tiempo de ciclo y el tiempo de espera del triage son equivalentes
estadsticamente cuando los datos son obtenidos desde Simio y desde Flexsim HC, para un tiempo
de simulacin de 2 semanas (336 horas) y para un nmero de rplicas calculado para ambos casos,
segn se indica ms adelante en este captulo.

El tiempo de ciclo corresponde al tiempo desde que el paciente ingresa al sistema, hasta que
es despachado. En Simio se registr como un estado discreto el tiempo de ingreso y el de salida de
cada paciente, y se calcul la diferencia de stos. En Flexsim HC, por su parte, se utiliz la opcin
de clculo automtico de tiempo promedio en sistema en las mediciones de desempeo de los
experimentos.

Para el tiempo de espera del Triage, en Simio se registr como un estado discreto el instante
cuando el paciente hace ingreso al nodo del Triage y el instante justo cuando comienza a ser
procesado (atendido) y se calcul la diferencia para cada paciente. Esta diferencia de tiempos
corresponde al perodo en que el paciente est esperando ser atendido. En Flexsim HC, en las
medidas de desempeo de los experimentos, se defini como medida el tiempo medio para la sala de
espera del Triage.

Para calcular el nmero de rplicas necesarias se utiliz la siguiente frmula [7]:

=
S
,/

66
donde
t: estadstico de la distribucin t student.
k: desviacin absoluta mxima permitida sobre la media de la distribucin a
simular.
S
2
: estimador de la varianza de la distribucin a simular.

Para el tiempo de ciclo se corrieron tres rplicas piloto de una duracin de 2 semanas (336
horas) para determinar la varianza. Se obtuvieron los siguientes valores de varianza y nmero total
de muestras, respectivamente:

S
2
1
= 190.990, 69 n
1
= 639
S
2
2
= 93.513,19 n
2
= 624
S
2
3
= 70.664,06 n
3
= 650

Por lo tanto la varianza ponderada es:

=
n
1S
+ n
1S
+ n
1S
+ n
+ n
3
= 117.509,8

Se escogen los siguientes valores:

t
,/
= 1,64 para un 90% de confianza
k = 90 min

Se tiene entonces

n = 39,02 39 rplicas

67
De igual forma se realizaron los clculos para los tiempos de espera del triage, corriendo tres
rplicas piloto de una duracin de 2 semanas (336 horas) para determinar la varianza. Se obtuvieron
los siguientes valores de varianza y nmero total de muestras, respectivamente:

S
2
1
= 0,47701 n
1
= 658
S
2
2
= 0,56747 n
2
= 634
S
2
3
= 0,54675 n
3
= 671

Por lo tanto la varianza ponderada es:

S
=
n
1S
+ n
1S
+ n
1S
+ n
+ n
3
= 0,53

Se escogieron los siguientes valores:

t
,/
= 1,96 para un 95% de confianza
k = 0,2 min

Se tiene entonces

n = 50,91 51 rplicas

68
5.6.2 Resultados de los experimentos
A. Tiempos de Ciclo
Los resultados de las simulaciones se observan en la Tabla N 5.3.
Tabla N 5.3 Tiempo Medio de Ciclo (min) por Rplica
Rplica Simio Flexsim HC
1 546.436543 881.83
2 367.720779 684.32
3 419.973239 427.63
4 604.215331 484.12
5 915.365814 590.41
6 764.313262 422.92
7 448.3019 750.83
8 489.933537 1161.73
9 785.708802 750.12
10 1142.952 1105.6
11 644.933433 702.8
12 495.146243 734
13 588.953549 436.69
14 544.547419 904.47
15 575.776105 834.63
16 995.252724 707.38
17 829.390907 836.65
18 586.995708 474.47
19 981.095562 330.91
20 397.218592 540.4
21 578.099029 908.67
22 821.971914 481.79
23 460.299766 493.67
24 516.33689 508.53
25 377.913325 931.34
26 868.548457 797.11
27 455.721158 423.83
28 521.059295 577.97
29 455.626276 740.65
30 751.145616 1190.85
31 670.7777 1061.25
32 395.020008 296.32
33 591.254823 1085.17
34 434.491706 690.22
35 474.04196 461.23
36 699.145285 477.55
37 951.356185 423.74
38 974.856138 587.01
39 336.750209 769.35

69

En la Tabla N 5.4 se indican las estadsticas descriptivas:

Tabla N 5.4 Estadsticas Descriptivas, Tiempos de Ciclo
(a) Simio, (b) Flexsim HC

Simio

Flexsim HC

Media 627.1448 Media 683.798974
Error tpico 33.5228962 Error tpico 38.4110466
Mediana 578.099029 Mediana 690.22
Desviacin estndar 209.35042 Desviacin estndar 239.876909
Varianza de la muestra 43827.5983 Varianza de la muestra 57540.9316
Curtosis -0.44901272 Curtosis -0.64586225
Coeficiente de asimetra 0.72271172 Coeficiente de asimetra 0.47798337
Rango 806.201792 Rango 894.53
Mnimo 336.750209 Mnimo 296.32
Mximo 1142.952 Mximo 1190.85
Suma 24458.6472 Suma 26668.16
Cuenta 39 Cuenta 39
(a) (b)

En las Fig. N 5.15 y Fig. N 5.16 se observan los diagramas de dispersin para las rplicas
en Simio y en Flexsim HC, respectivamente.

70

Fig. N 5.15 Grfico Tiempo de Ciclo Promedio v/s Rplicas Simio

Fig. N 5.16 Grfico Tiempo de Ciclo Promedio v/s Rplicas - Flexsim HC

0
200
400
600
800
1000
1200
1400
0 5 10 15 20 25 30 35 40
M
i
n
u
t
o
s
Rplicas
Tiempo de Ciclo Promedio
SIMIO
0
200
400
600
800
1000
1200
1400
0 5 10 15 20 25 30 35 40
M
i
n
u
t
o
s
Rplicas
Tiempo de Ciclo Promedio
FLEXSIM HC
71

Con el software Statgraphics se obtuvo el diagrama Box Plot de la Fig. N 5.17, que muestra
una comparacin de los resultados de ambos programas de simulacin.

Box-and-Whisker Plot
0 200 400 600 800 1000 1200
FlexsimHC
Simio

Fig. N 5.17 Grfico de Cajas, Tiempos de Ciclo

Los grficos de las Fig. N 5.15, Fig. N 5.16 y Fig. N 5.17 muestran que no hay grandes
diferencias estadsticas entre los resultados de ambos programas de simulacin.

Utilizando el mismo software estadstico se realiz una prueba de hiptesis para la
comparacin de las medias, previa prueba para la igualdad de varianzas. Se obtuvieron los
siguientes resultados en el software Statgraphics [8]:

72
Comparison of Standard Deviations
---------------------------------
FlexsimHC Simio
------------------------------------------------------------
Standard deviation 239,877 209,35
Variance 57540,9 43827,6
Df 38 38
Ratio of Variances = 1,31289
95,0% Confidence Intervals
Standard deviation of FlexsimHC: [196,038;309,148]
Standard deviation of Simio: [171,091;269,806]
Ratio of Variances: [0,688458;2,50369]
F-tests to Compare Standard Deviations
Null hypothesis: sigma1 = sigma2
(1) Alt. hypothesis: sigma1 NE sigma2
F = 1,31289 P-value = 0,405238
(2) Alt. hypothesis: sigma1 > sigma2
F = 1,31289 P-value = 0,202619
(3) Alt. hypothesis: sigma1 < sigma2
F = 1,31289 P-value = 0,797381

Comparison of Means
-------------------
95,0% confidence interval for mean of FlexsimHC: 683,799 +/- 77,7593
95,0% confidence interval for mean of Simio: 627,145 +/- 67,8637
95,0% confidence intervals for the difference between the means:
assuming equal variances: 56,6542 +/- 101,54
not assuming equal variances: 56,6542 +/- 101,57
t tests to compare means
Null hypothesis: mean1 = mean2
(1) Alt. hypothesis: mean1 NE mean2
assuming equal variances: t = 1,11125 P-value = 0,269963
not assuming equal variances: t = 1,11125 P-value = 0,270027
(2) Alt. hypothesis: mean1 > mean2
(3) Alt. hypothesis: mean1 < mean2

73
Como las desviaciones estndar no difieren significativamente (valor-p = 0,405238 > 0,05),
se tiene que el intervalo de confianza del 95% para la diferencia de los valores promedio est dado
por

= 56,6542 101, 54,

donde d = 101, 54 (error de muestreo) [7].

El intervalo anterior contiene al 0, de donde se concluye que no existe diferencia
estadsticamente significativa entre los valores promedio entregados por ambos softwares de
simulacin. Esto se puede afirmar con un 95% de confianza.
B. Tiempos de Espera en Triage
Los resultados de las simulaciones se observan en la Tabla N 5.5.
Tabla N 5.5 Tiempo Medio de Espera en Triage (min) por Rplica
1 0.14265701 0.94
2 0.15735791 0.82
3 0.16957148 0.73
4 0.15409994 0.71
5 0.1533015 0.82
6 0.1826585 0.61
7 0.17118647 0.71
8 0.2079508 0.9
9 0.17241661 0.77
10 0.15596503 0.78
11 0.21645214 0.7
12 0.19190543 0.86
13 0.17185813 0.86
14 0.16389731 0.83
15 0.22615836 0.6
16 0.22274857 0.84
17 0.18102222 0.49
18 0.17892669 0.74
19 0.1388495 0.59
20 0.13302474 0.75
21 0.20059476 0.78
22 0.16423949 0.62
23 0.15940755 0.8
24 0.19343221 0.72
25 0.19421152 0.74
26 0.12409692 0.67

27 0.20028069 0.79
28 0.14145648 0.61
29 0.16686409 0.76
30 0.1295646 0.99
31 0.18533579 0.98
32 0.24041288 0.44
33 0.12529526 0.89
34 0.13616579 0.76
35 0.17806086 0.63
36 0.16758501 0.69
37 0.20027985 0.71
38 0.13920095 0.69
39 0.18822997 0.93
40 0.20973826 0.68
41 0.1056755 0.93
42 0.12044328 0.82
43 0.18670172 0.83
44 0.1906315 0.55
45 0.23226371 0.6
46 0.11914193 0.61
47 0.15807147 0.72
48 0.15232065 0.76
49 0.15250597 0.69
50 0.19790404 0.98
51 0.17396258 0.76
74

En la Tabla N 5.6 se indican las estadsticas descriptivas:
Tabla N 5.6 Estadsticas Descriptivas, Tiempos de Espera en Triage
(a) Simio, (b) Flexsim HC

Simio

Flexsim HC

Media 0.17109968 Media 0.74862745
Error tpico 0.00440751 Error tpico 0.01736578
Mediana 0.17118647 Mediana 0.75
Desviacin estndar 0.03147592 Desviacin estndar 0.12401644
Varianza de la muestra 0.00099073 Varianza de la muestra 0.01538008
Curtosis -0.4857221 Curtosis -0.08919627
Coeficiente de asimetra 0.09884803 Coeficiente de asimetra -0.09372978
Rango 0.13473738 Rango 0.55
Mnimo 0.1056755 Mnimo 0.44
Mximo 0.24041288 Mximo 0.99
Suma 8.72608361 Suma 38.18
Cuenta 51 Cuenta 51
(a) (b)

En las Fig. N 5.18, y Fig. N 5.19 se observan los diagramas de dispersin para las rplicas
en Simio y en Flexsim HC, respectivamente.

75

Fig. N 5.18 Grfico Tiempo Promedio de Espera en Triage v/s Rplicas Simio

Fig. N 5.19 Grfico Tiempo Promedio de Espera en Triage v/s Rplicas Flexsim HC

Con el software Statgraphics se obtuvo el diagrama Box Plot que se muestra en la Fig. N
5.20, donde se compara los resultados de ambos programas de simulacin.

0
0.2
0.4
0.6
0.8
1
1.2
0 5 10 15 20 25 30 35 40 45 50
M
i
n
u
t
o
s
Rplicas
Tiempo Promedio de Espera en Triage
SIMIO
0
0.2
0.4
0.6
0.8
1
1.2
0 5 10 15 20 25 30 35 40 45 50
M
i
n
u
t
o
s
Rplicas
Tiempo Promedio de Espera en Triage
FLEXSIM HC
76
Box-and-Whisker Plot
0 0,2 0,4 0,6 0,8 1
Simio T
FlexsimHC T

Fig. N 5.20 Grfico de Cajas, Tiempos de Espera en Triage

Los grficos de las Fig. N 5.18, Fig. N 5.19 y Fig. N 5.20 muestran que s hay
diferencias significativas entre las medias y las desviaciones estndar en los datos obtenidos con
cada programa de simulacin, lo que se verifica al realizar pruebas estadsticas para la comparacin
de las medias e igualdad de varianzas.

77
Comparison of Standard Deviations
---------------------------------
Simio T FlexsimHC T
------------------------------------------------------------
Standard deviation 0,0314759 0,124016
Variance 0,000990733 0,0153801
Df 50 50
Ratio of Variances = 0,0644167
95,0% Confidence Intervals
Standard deviation of Simio T: [0,0263362;0,039127]
Standard deviation of FlexsimHC T: [0,103766;0,154162]
Ratio of Variances: [0,0367685;0,112855]
F-tests to Compare Standard Deviations
Null hypothesis: sigma1 = sigma2
(1) Alt. hypothesis: sigma1 NE sigma2
F = 0,0644167 P-value = 0,0
(2) Alt. hypothesis: sigma1 > sigma2
F = 0,0644167 P-value = 1,0
(3) Alt. hypothesis: sigma1 < sigma2
F = 0,0644167 P-value = 0,0

Comparison of Means
-------------------
95,0% confidence interval for mean of Simio T: 0,1711 +/- 0,00885276
95,0% confidence interval for mean of FlexsimHC T: 0,748627 +/- 0,0348803
95,0% confidence intervals for the difference between the means:
assuming equal variances: -0,577528 +/- 0,0355456
not assuming equal variances: -0,577528 +/- 0,035885
t tests to compare means
Null hypothesis: mean1 = mean2
(1) Alt. hypothesis: mean1 NE mean2
assuming equal variances: t = -32,2346 P-value = 0,0
not assuming equal variances: t = -32,2346 P-value = 0,0
(2) Alt. hypothesis: mean1 > mean2
(3) Alt. hypothesis: mean1 < mean2

78
Como las desviaciones estndar difieren significativamente (valor-p = 0 < 0,05), se tiene que
el intervalo de confianza del 95% para la diferencia de los valores promedio est dado por

= 0,577528 0,035885,

donde d = 0,035885 (error de muestreo).

El intervalo anterior no contiene al 0, de donde se concluye que s existe diferencia
estadsticamente significativa entre los valores promedio entregados por ambos software de
simulacin, siendo los tiempos de espera que arroja Simio significativamente inferiores a los
tiempos de espera que resultan de la simulacin con Flexsim HC. Esto se puede afirmar con un 95%
de confianza.

79
Captulo 6. Conclusiones

6.1. Sumario
Se investig sobre la evolucin de los softwares de simulacin de evento discreto y las
caractersticas de un sistema orientado a objeto.
Se desarroll un modelo de simulacin de evento discreto de una sala de emergencias
mediante el software Simio, aprovechando gran parte de sus herramientas. La informacin
sobre el sistema, los datos y parmetros a ingresar fueron obtenidos de un trabajo realizado
con anterioridad.
Se detallaron los pasos propuestos a seguir para el correcto desarrollo del modelo realizado
en el software Simio.
Se comprob la complejidad y las ventajas de realizar un modelo de sistema de salud en un
lenguaje orientado a objeto como Simio.
A partir de un modelo complejo, se realiz de forma simple un modelo ms sencillo y se
obtuvieron datos de resultados como tiempo de ciclo y tiempo de espera en salas de espera.
Se realiz una comparacin entre los softwares Simio y Flexsim HC para simular un sistema
de salud, tomando en cuenta criterios tales como caractersticas de modelamiento, obtencin
de datos de salida, rendimiento y homogeneidad de datos resultantes.

6.2. Conclusiones
Es factible modelar un sistema de salud relativamente complejo mediante el software de
simulacin de evento discreto Simio. Las herramientas y opciones de Simio permitieron
modelar un sistema que incluye: diversas clasificaciones de pacientes (por edad, origen,
severidad, caractersticas de enfermedad o lesin), distintas secuencias de los pacientes,
cambios en las llegadas de pacientes y en los recursos durante el da, pacientes que se van sin
tratamiento, pacientes que se agravan con el tiempo, entre otros. Los resultados obtenidos
son coherentes y el modelo result libre de errores tras su compilacin.
En una primera instancia, realizar un modelo de sistema de salud de este tipo en Simio
resulta complejo, sin embargo ste sirve como base para adaptarlo de forma sencilla a otros
casos.
80
Existen diferencias en la forma de definir la lgica y las secuencias en Simio con respecto a
Flexsim HC. Simio es un software que no requiere programacin por parte del modelador
sino que las rutinas se definen mediante tablas, parmetros y diagramas de bloques. Flexsim
Hc, por su parte, tiene mens y opciones adaptadas especialmente para casos de salud, sin
embargo para agregar rutinas ms complejas se debe hacer uso de programacin.
Al correr varias rplicas de un sistema simple en los softwares Simio y Flexsim HC, se
verifica que el primero presenta un mayor rendimiento en un mismo computador. Los
tiempos que demora en correr el programa dependen del nmero de entidades existentes
dentro del modelo durante su ejecucin y en este trabajo se encuentra que Simio es hasta
15,6 veces ms rpido que Flexsim HC.
Al ejecutar un mismo modelo simple en Simio y en Flexsim HC se obtuvieron tiempos de
ciclo promedio de 683,8 min en Flexsim HC y de 627,1 en Simio. Se verifica que para los
tiempos promedio de ciclo, las desviaciones estndar no difieren (valor-p = 0,405238) y se
tiene una diferencia de valores promedio entre ambos software igual a 56,6542 101, 54
min. Este intervalo incluye al 0, por lo tanto se puede afirmar con un 95% de confianza que
no existen diferencias estadsticamente significativas entre estos tiempos promedio.
Para el caso de los tiempos de espera del triage, obtuvieron tiempos medios de espera de
0,17 min en Simio y de 0,75 en Flexsim HC. Sse tiene que las desviaciones estndar s
difieren significativamente (valor-p = 0) y el valor de confianza es 0,577528 0,035885
min. Este intervalo no incluye al 0, por lo que se afirma con un 95% de confianza que s
existe una diferencia significativa entre los valores arrojados por ambos softwares, siendo los
tiempos arrojados por Simio inferiores a los de Flexsim HC.
Es recomendable utilizar el software de simulacin de evento discreto Simio para modelar
sistemas de salud, en caso de que se utilice como herramienta de anlisis de forma regular,
ya que los objetos creados de forma personalizada en un comienzo, pueden utilizarse para
representar otros sistemas similares. En caso de utilizarse en forma espordica, se
recomienda utilizar Flexsim HC, que ya viene con una biblioteca de objetos de atencin
mdica.

81
6.3. Trabajo Futuro
En el futuro se podr utilizar lo realizado en este trabajo para emplear el software Simio en
una aplicacin real de sistema de salud u otro rubro, o utilizarlo para optimizar buscando los
controles de entrada para maximizar o minimizar algn objetivo mediante la herramienta OptQuest.
La realizacin de un modelo de sistema de salud en Simio, permite comprender cmo
adaptar las herramientas que ofrece el software, para representar actividades caractersticas de este
rubro. Con esto, surge la oportunidad para desarrollar en el futuro una versin del software diseada
exclusivamente para esta industria, tal como Flexsim HC fue creado a partir de la versin estndar
de Flexsim.

82
Bibliografa

[1] J.A. Seplveda, F. Baesler, W. Thompson, The Use of Simulation for Process Improvement
in an Emergency Department, Industrial Engineering and management Systems, University
of Central Florida, Orlando, FL, USA, 2003.
[2] C. D. Pedgen, Intelligent Objects: The Future of Simulation, Simio LLC, Sewickley, PA,
USA.
[3] C. D. Pedgen, D. T. Sturrock, Introduction to Simio, in Proceedings of the 2010 Winter
Simulation Conference, Simio LLC, Sewickley, PA, USA.
[4] Simio LLC, Simio Reference Guide, Version 3.0, 2010.
[5] Archivo de Ayuda, FlexsimHC 2.771, 2010.
[6] J. Seplveda, F. Ramis, L. Neriz, M. Bull, Using Object Oriented Simulation for Designing
Healthcare Units, in Proceedings of the 2009 Industrial Engineering Research Conference,
Orlando, FL, USA.
[7] D. C. Montgomery, G. C. Runger, Probabilidad y Estadstica Aplicadas a la Ingeniera,
Limusa-Wiley, 2da Ed., 2004.
[8] Archivo de Ayuda, Statgraphics v15.
[9] D.L. Heflin, C.R. Harrel, Healthcare Simulation Modelling and Optimization Using
Medmodel, in Proceedings of the 1998 Winter Simulation Conference.
[10] S.M. Sanchez, D.M. Ferrin, T. Ogazon, J.A. Seplveda, T.J. Ward, Emerging Issues in
Healthcare Simulation in Proceedings of the 2000 Winter Simulation Conference, New
York, 1999-2003.
[11] C.D. Pedgen, An Introduction to Simio for Arena Users, Simio LLC, Sewickley, PA,
USA, 2009.

Marcos Goldemberg

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Marcos Goldemberg

Uploaded by

Copyright:

Available Formats

UNIVERSIDAD DEL BO-BO Profesor Patrocinante:

FACULTAD DE INGENIERA Dr. Francisco Ramis L.

= 56,6542 101, 54,

You might also like