INDICE Tema 3: Simulacin

1. Introduccin
2. Sistemas y modelos
3. Simulacin de modelos de sucesos discretos
4. Componentes y organizacin de un estudio de simulacin
4.1 Diagrama de flujo general
4.2 Diagramas de flujo de los sucesos ms importantes en sistemas de colas
5. Ejemplo de simulacin de una cola con un servidor.
6. Etapas ms frecuentes en un estudio de simulacin
6.1 Descripcin general de todas las etapas
6.2 Eleccin del lenguaje de programacin. Simuladores. Animacin.
6.3 Verificacin del programa
6.4 Validacin del modelo
6.5 Anlisis estadstico de resultados (se ver en la pizarra)
7. Ventajas, inconvenientes y errores ms frecuentes en los estudios de simulacin.
8. Generacin de nmeros aleatorios (pizarra)
Tcnicas de reduccin de varianza (pizarra)
1. INTRODUCCIN
Simulacin: Tcnicas para imitar el funcionamiento de sistemas o procesos reales mediante programas de ordenador. Para estudiar el
sistema suele ser necesario hacer algunas suposiciones sobre su forma de operar. Estas hiptesis constituyen un modelo que no es ms que una
representacin simplificada de un sistema que se construye para estudiar el comportamiento del mismo.
Si el modelo es suficientemente simple es posible obtener soluciones exactas sobre las cuestiones de inters mediante mtodos
matemticos. A esta solucin se le llama analtica.
Sin embargo, la mayora de los sistemas reales son demasiado complejos para admitir modelos que sean evaluados analticamente, y
deben ser estudiados mediante simulacin. Por tanto, los modelos de simulacin suelen ser ms complejos y prximos a los sistemas reales que
los modelos analticos ya que no es necesario hacer tantas simplificaciones para obtener resultados. En simulacin se utiliza el ordenador para
evaluar numricamente el modelo y los resultados que se obtienen se usan para estimar las verdaderas caractersticas del modelo.
Como ejemplo de una simulacin, supongamos que se est pensando hacer una gran ampliacin de un sistema de produccin pero no se
est seguro de que la mejora en productividad justifique la inversin. No tendra sentido hacer la extensin para luego darse cuenta de que no
mereca la pena. Sin embargo, un cuidadoso estudio de simulacin permitira estudiar los resultados en la produccin porque simulara el
funcionamiento del sistema como si se hubiera realizado la extensin del sistema de produccin.
Areas de aplicacin:
Diseo y anlisis de sistemas de produccin
Evaluacin de requerimientos hardware y software para un sistema de computacin
Determinacin de polticas de pedidos para un sistema de inventarios
Diseo de sistemas de comunicacin.
Diseo y operacin de sistemas de transporte como aeropuertos, puertos, metro, etc.
Evaluacin de diseos para la organizacin de servicios como hospitales u oficinas de correos.
Anlisis de sistemas econmicos o financieros.
Dentro de las tcnicas de Investigacin Operativa la simulacin es la ms ampliamente utilizada. Sin embargo, ha tardado mucho tiempo
en aceptarse su uso. Las razones son diversas. En primer lugar, los modelos que se utilizan para simular sistemas reales son muy complejos y
escribir programas de ordenador que los desarrollen es una tarea complicada. Estos han cambiado mucho en los ltimos aos por la aparicin en
el mercado de excelente software para tratar problemas de simulacin. Segundo, la simulacin de sistemas complejos necesita un tiempo de
ordenador muy elevado. Este problema es cada vez de menor importancia conforme el coste del tiempo de computacin se hace cada vez menor.
Antes era necesario ejecutar las simulaciones en ordenadores grandes en horas donde no estuvieran trabajando. En la actualidad cualquier
ordenador personal puede ejecutar un programa de simulacin en un tiempo razonable.
Por ltimo, est muy extendida la idea de que hacer una simulacin es desarrollar un programa de ordenador y considerar como solucin
al problema los resultados de la ejecucin del programa. Sin embargo, las salidas de una simulacin son aleatorias y no se puede evitar en ningn
caso un anlisis estadstico de resultados.
2. SISTEMAS Y MODELOS
Sistema: Coleccin de entidades (Ej. personas mquinas) que interactuan entre s para conseguir un determinado fin. En la prctica el
significado de sistema depende de los objetivos del estudio: la coleccin de entidades que componen un sistema en un estudio puede ser slo un
subconjunto de entidades para el estudio de otro sistema.
Estado del sistema: Es la coleccin de variables necesarias para describir un sistema en un instante dado. Estas variables se llaman
variables de estado.
Tipos de sistemas:
Discretos: Las variables de estado cambian en puntos separados del tiempo.
Continuos: Las variables de estado cambian de forma continua a lo largo del tiempo.
Formas de estudiar un sistema:
Experimentar con el sistema real
modelo fsico solucin analtica
Experimentar con un modelo del sistema modelo matemtico simulacin
Supuesto que vamos a estudiar un modelo matemtico mediante simulacin, a lo que nos vamos a referir como un modelo de simulacin,
podemos clasificar este tipo de modelos segn tres puntos de vista:
1. Modelos estticos frente a modelos dinmicos: en los primeros, el tiempo no juega ningn papel mientras que en los segundos el sistema
evoluciona con el tiempo.
2. Modelos determinsticos frente a modelo estocsticos: si un modelo de simulacin no contiene componentes aleatorias se dice determinstico.
En otro caso se habla de modelos estocsticos. Estos modelos producen resultados aleatorios por lo deben de ser tratados como estimaciones
de las verdaderas caractersticas del modelo.
3. Modelos discretos frente a modelos continuos: los modelos discretos se refieren a sistemas en los cuales las variables de estado cambian en
puntos separados en el tiempo. En los modelos continuos, las variables de estado cambian de manera continua a lo largo del tiempo, por
ejemplo, la trayectoria de un avin.
Nos vamos a centrar en el estudio de modelos de simulacin DINAMICOS, ESTOCASTICOS Y DISCRETOS.
3. SIMULACIN DE MODELOS DE SUCESOS DICRETOS
Se refiere a la modelizacin de sistemas en los que las variables de estado cambian en puntos separados en el tiempo. Estos puntos son
aquellos en los que ocurre lo que llamamos un suceso. Un suceso se define como una ocurrencia que puede modificar el estado del sistema.
Ej. Un sistema de colas con un slo servidor (como una peluquera o un mostrador de informacin de un aeropuerto)
Objetivo: Estimar el tiempo medio en cola de los clientes que llegan.
Variables de estado asociadas a este objetivo: Estado del servidor (libre u ocupado), nmero de clientes en cola, hora de llegada de cada cliente
(si, por ejemplo, el objetivo fuese estimar el nmero medio de clientes en el sistema, la hora de llegada de cada cliente no sera variable de
estado).
Sucesos: Llegada de clientes (produce cambios en las variables de estado, por ejemplo, en el estado del servidor), salida de clientes servidos.
Aunque la simulacin se aplica a una serie de campos muy diversos, existen una serie de componentes comunes en todo modelo de
simulacin y hay una organizacin lgica de estos componentes lo que da lugar al cdigo del programa de ordenador que servir para desarrollar
el modelo de simulacin.
4. COMPONENTES Y ORGANIZACIN DE UN ESTUDIO DE SIMULACIN
Estos componentes estn en la mayora de los modelos de simulacin de eventos discretos.
Estado del sistema: Hemos hablado anteriormente de las variables que definen el estado del sistema.
Reloj de simulacin:
Debido a la naturaleza dinmica de una simulacin, debemos de conocer el instante de tiempo simulado en el que nos encontramos
mientras se est realizando la simulacin. La variable que proporciona el instante actual de tiempo simulado se llama reloj de simulacin. La
unidad de tiempo se suele tomar la misma que la de los parmetros de entrada. No tiene relacin con el tiempo necesario para correr la
simulacin en el ordenador (tiempo de computacin o de ejecucin).
Para avanzar el reloj de simulacin, lo habitual es avanzar el tiempo al ocurrir el siguiente suceso: El reloj de simulacin se inicia a cero, y
se avanza hasta el instante en que ocurrir el prximo suceso. En ese punto se actualizan las variables de estado para ver cmo ha afectado al
sistema la ocurrencia de un suceso. Tambin se actualizan los futuros sucesos a ocurrir. Este proceso se contina hasta que se satisface alguna
condicin de parada.
Lista de sucesos: la lista que contiene los prximos instantes en los que van a ocurrir los distintos tipos de sucesos.
Contadores estadsticos: Variables utilizadas para guardar la informacin estadstica sobre el funcionamiento del sistema.
Rutina de inicializacin: subprograma que inicializa el modelo de simulacin en el instante cero.
Rutina del tiempo: subprograma que determina el siguiente suceso de la lista de sucesos, y avanza el reloj hasta el instante en que ese suceso
ocurre.
Rutinas de sucesos: subprograma que actualiza el estado del sistema y de los contadores cuando ocurre un suceso (una rutina para cada tipo de
suceso)
Librera de rutinas: Conjunto de subprogramas que generan nmeros aleatorios de las distribuciones utilizadas en el modelo.
Generador de informes: subprograma que estima (a partir de los contadores estadsticos) las medidas de comportamiento del sistema que nos
interese, y genera un informe con los resultados de la simulacin.
Programa principal: subprograma que llama a la rutina de tiempos para determinar el prximo suceso y transfiere el control a la rutina
correspondiente . Tambin se ocupa de verificar la condicin de parada y de llamar al generador de informes cuando la simulacin ha terminado.
4.1. DIAGRAMA DE FLUJO GENERAL
Rutina de inicializacin Programa principal Rutina del tiempo
Pone el reloj a cero Llama a la rutina de incializacin Determina el siguiente tipo de
Inicializa el estado del sistema Llama repetidas veces a: suceso, por ej. i
y los contadores rutina del tiempo y Avanza el reloj de simulacin
Inicializa la lista de sucesos rutina de sucesos
Rutina de sucesos Librera de rutinas
Actualiza el estado del sistema Genera nmeros
Actualiza los contadores aleatorios
Genera futuros sucesos y los
aade a la lista de sucesos
Termin la simulacin? no
s

Generador de informes
Calcula estimaciones de inters
Escribe el informe
4.2. DIAGRAMA DE FLUJO DE LOS SUCESOS MS IMPORTANTES:
A) RUTINA DE LLEGADA DE UN CLIENTE
Suceso llegada
Programar siguiente llegada

si Servidor no
ocupado?

si
no
Aadir 1 a la cola Poner el servidor
ocupado
Poner espera = 0
Programar el suceso de salida
para este cliente y aadir a la
lista de sucesos
cola
llena?
Error si capacidad
infinita. Si no,
aadir 1 a clientes
perdidos.
Aadir 1 al n de
clientes servidos
Guardar instante de
llegada de este cliente
B) RUTINA DE SALIDA DE UN CLIENTE
suceso salida

si cola no
vaca?

poner libre Restar 1 al nmero
el servidor en la cola

Calcular espera del cliente
Dejar de considerar que entra en el servidor y
el suceso salida actualizar estadsticas

Aadir 1 al nmero de
clientes servidos

Programar suceso salida
para este cliente

Subir un puesto a cada cliente en cola

6. ETAPAS MS FRECUENTES EN UN ESTUDIO DE SIMULACIN
1. Formulacin del problema y del plan de estudio

2. Recogida de datos y definicin del modelo

3. Vlido?
no
si
4. Construccin del programa de ordenador y verificacin

5. Realizacin de ejecuciones (corridas) piloto

6. Vlido?
no
si
7. Diseo de experimentos

8. Realizacin de ejecuciones

9. Analizar los resultados

10. Documentar y presentar resultados
6.1 DESCRIPCIN GENERAL DE LAS DISTINTAS ETAPAS DE UN ESTUDIO DE SIMULACIN
1. Especificar claramente los objetivos del estudio.
Indicar las distintas alternativas de diseo a estudiar, y los criterios para evaluar las alternativas.
Estimar n de personas, coste y tiempo requerido para cada aspecto.
Por ejemplo al estudiar una red de comunicaciones los objetivos podran ser:
- Determinar el impacto que tiene en el sistema la realizacin de cambios locales en la red.
- Mejorar el comportamiento del sistema (retrasos, throughput, etc.)
- Identificar los cuellos de botella antes de implementar el sistema
- Asegurar que se van a cumplir los objetivos de comportamiento antes de comprar los equipos.
2. Los datos recogidos se utilizan para:
- estudiar la forma de operar el sistema
- obtener las distribuciones de probabilidad de las v.a. del modelo.
- validar el modelo (en el caso de que se puedan recoger datos sobre comportamiento del sistema)
La construccin del modelo es tanto un arte como una ciencia, ya que no hay reglas fijas para construir un modelo. Conviene empezar con un
nivel moderado de detalle, que se puede ampliar despus si se considera necesario. El modelo debe captar la esencia del sistema pero no tiene por
qu haber una correspondencia biunvoca entre elementos del sistema y del modelo. Para construir un buen modelo es conveniente:
- Conocer a fondo el sistema que se va a modelar, y tener bien definidos los objetivos que se persiguen.
- Escribir una lista de cuestiones especficas a estudiar, basadas en los objetivos. Priorizar dichas cuestiones, identificar cuales son
claves e intentar cuantificar los beneficios que se derivan de cada una de ellas.
- Definir qu resultados son necesarios en el modelo para contestar a las cuestiones anteriores.
- Documentar las hiptesis y simplificaciones que se han hecho para construir el modelo.
- Identificar las entradas al modelo.
En el ejemplo de la red alguna de esas cuestiones podran ser:
- Qu impacto tiene el fallo de un nodo?
- Qu ocurre si aadimos una nueva estacin de trabajo al rea local?
- Con qu protocolos se obtiene mejor comportamiento de la red?
- Se necesita otro servidor para la red?. Etc.
3. Validar es tratar de comprobar si el modelo propuesto se adecua al sistema real y al objetivo perseguido. La validacin se debe realizar a lo
largo de todo el estudio. En esta etapa se pueden contrastar la bondad del ajuste de las distribuciones propuestas. Es conveniente que las
personas ms familiarizadas con el funcionamiento del sistema opinen sobre el modelo propuesto.
4. Hay que decidir en qu lenguaje se programa: de tipo general o especfico de simulacin, o bien si se va a utilizar un simulador.
Se utilizan las tcnicas habituales para depurarlo, y para verificar que funciona correctamente.
5. Se realizan varias ejecuciones de prueba y los resultados nos servirn para validar el modelo como indicamos en el apartado siguiente.
6. Si existe en la prctica algn sistema similar al que hemos modelado, se pueden comparar los resultados de las simulaciones piloto con los
resultados del sistema existente.
Tambin se puede ver hasta qu punto los datos de salida son sensibles (o robustos) a pequeos cambios en los parmetros de entrada. Si
alguno fuera muy sensible, habra que estimarlo mejor.
7. Cuando tenemos muchas alternativas de diseo y no se pueden simular todas, hay que decidir cules se simulan para obtener la ptima. A
veces esa decisin depende de las salidas que se vayan obteniendo. Las tcnicas estadsticas de Diseo de Experimentos son muy tiles
cuando hay muchos factores que influyen en los resultados, y resulta prcticamente imposible probar todas las combinaciones entre los
distintos valores que pueden tomar esos factores. Por ejemplo en una red ATM sencilla con 32 clientes, 4 conmutadores a los que llegan los
mensajes y dos conmutadores en la siguiente etapa, los factores que influyen en la probabilidad de prdida de una celda son: valores de y p
de cada cliente, tamao del buffer de los 6 conmutadores y la capacidad (tasa de servicio) de cada uno de los enlaces. Mediante un diseo de
experimentos adecuado se pueden obtener conclusiones vlidas sin tener que probar todas las combinaciones de valores de los factores.
En esta fase hay que decidir tambin la longitud de la simulacin, del periodo transitorio, el nmero de muestras, etc.
8. Se obtienen los resultados para tratar de estimar las caractersticas de inters. Hay que tener en cuenta que los resultados de las simulaciones
son estimaciones, ya que estn basados en experimentos aleatorios.
9. Para analizar los resultados y obtener conclusiones fiables se utilizan tcnicas estadsticas como por ej. La estimacin puntual o los intervalos
de confianza.
10. Es importante documentar el programa, los resultados, las hiptesis del modelo, etc., ya que puede utilizarse en ms de una aplicacin.
Vamos a ver con ms detalle los lenguajes de simulacin y simuladores, y la verificacin y validacin.
Una de las decisiones que el analista debe tomar es la eleccin del lenguaje. La razn por la que se han desarrollado lenguajes especficos para
simulacin es porque la mayora de las simulaciones de eventos discretos tienen bastantes elementos en comn como por ej. generar nmeros
aleatorios, avanzar el reloj de simulacin, determinar el prximo suceso de la lista de sucesos, ...
6.2 LENGUAJES ESPECFICOS DE SIMULACIN
- Simscript II.5 , GPSS, Slam, Simula, . . .
Ventajas frente a los lenguajes de propsito general
Programas ms cortos:
- Estn preparados para llevar la contabilidad de los distintos parmetros
- Tienen mdulos para generar nmeros aleatorios de las distintas distribuciones
Al tener menos lneas de cdigo:
- Se reduce el tiempo de programacin
- Es ms fcil detectar posibles errores
- Es ms fcil cambiarlo si queremos introducir alguna variacin
Adems hay una serie de errores tpicos que suelen ser identificados y chequeados de forma automtica.

Inconvenientes frente a los lenguajes de propsito general:
Son menos flexibles, y su sintaxis tiende a ser menos natural
Las ejecuciones son ms lentas (pueden tardar hasta 8 veces ms), siempre y cuando el programa de lenguaje general est diseado de una
forma eficiente. Esto es debido a que estn diseados para modelizar una amplia variedad de sistemas con un conjunto de bloques ya construidos,
mientras que los de propsito general pueden ir directamente al caso particular que se trate.
Son menos conocidos por analistas y programadores, y los compiladores son menos accesibles
El lenguaje C es el ms utilizado en simulacin.
SIMULADORES
Son paquetes que permiten simular algunos tipos de sistemas con poca o ninguna necesidad de programar. Los sistemas se seleccionan a base de
mens y de grficos.
Ventaja: Ahorran tiempo de programacin
Incoveniente: Estn limitados a modelizar slamente las configuraciones de sistemas que permite el simulador. Tienen por tanto poca
flexibilidad. Si nuestro sistema real no se adapta a ninguna de las configuraciones que tenga programadas el simulador, no deberamos
utilizarlo. Las ejecuciones son ms lentas por lo comentado en el apartado anterior.
Los ms conocidos son:
Simfactory II.5
Witness
Xcells+
Promodel
Comnet III (especfico para redes de comunicaciones)
QSIM (incluido en el QSB+)
ANIMACIN
Muchos simuladores ofrecen la posibilidad de simular con animacin. Es til para convencer a directivos de empresas para que compren el
simulador. Tambin se puede utilizar en una simulacin normal programada en cualquier lenguaje.
Los elementos clave de un sistema se representan mediante iconos que cambian de forma, color o posicin cuando se produce un suceso y por
tanto hay un cambio de estado en la simulacin.
Modos de operar:
En directo: Se desarrolla la animacin mientras se est corriendo la simulacin.
En diferido: La animacin se visualiza una vez completada la simulacin.
Ventajas:
Sirven para comunicar la esencia del modelo de simulacin a los directivos.
Puede ayudar a corregir errores del programa de simulacin, o a mostrar que el modelo no es vlido.
Puede ayudar a entender el comportamiento dinmico del sistema.

Inconvenientes:
No puede sustituir a un cuidadoso anlisis estadstico de los resultados.
Slo una parte de la lgica del modelo de simulacin puede verse en la animacin, y no se puede concluir a partir de ese corto periodo de
tiempo que el modelo est bin definido.
Aumenta el tiempo para desarrollar el programa de simulacin.
Muy lenta la animacin en directo.
6.3 VERIFICACIN
Consiste en comprobar que el programa de simulacin realiza lo que se pretende que haga, es decir, comprobar que se implementa correctamente
en un programa el modelo conceptual de simulacin.
Tcnicas a utilizar:
Escribir y depurar los programas en mdulos y subprogramas que tengan con estructura sencilla, de forma que se puedan aadir ms mdulos
si es necesario un mayor nivel de detalle.
Correr la simulacin con distintos conjuntos de parmetros de entrada, y comprobar que la salida es razonable. Para poder evaluar los distintos
caminos del programa, puede ser necesario preparar datos de entrada especiales. Por ejemplo si queremos comprobar que calcula bin la
probabilidad de prdida de un cliente, tendremos que poner datos de entrada adecuados para que se pierdan clientes.
Depurar con la tcnica de traza: El contenido de la lista de sucesos, variables de estado, ciertos contadores estadsticos, etc. se escriben
despus de cada suceso y se compara con los clculos a mano.
Correr el modelo con hiptesis simplificadas para las que tenga solucin analtica el modelo. La verificacin del programa ser mayor cuanto
menores sean las simplificaciones necesarias para obtener la solucin analtica. Por ej. Si queremos simular una M/E
3
/2/15 se cambiara la
generacin de la Erlang por la exponencial, y se compararan los resultados de la simulacin con los analticos de una M/M/2/15.
A veces la animacin puede ayudar a detectar errores.
6.4 VALIDACIN DEL MODELO
Consiste en comprobar si el modelo conceptual de simulacin es una adecuada representacin del sistema que se est estudiando. Debe llevarse a
cabo a lo largo de todo el estudio de simulacin. Es la parte ms delicada y compleja del proceso.
Etapas para desarrollar un modelo vlido:
1. Proponer un modelo razonable. Para ello es conveniente:
Tener claros los objetivos, las medidas de evaluacin del sistema y las configuraciones alternativas del sistema en estudio.
Hablar con las personas relacionadas con el sistema y obtener toda la informacin existente.
Observar un sistema similar (si existe) y obtener los datos histricos, o recogerlos si no existen.
Exponer a todos los relacionados con el sistema una explicacin detallada y estructurada del modelo conceptual antes de empezar la
codificacin.
Proponer inicialmente un nivel de detalle razonable. El analista debe decidir qu aspectos del sistema son necesarios incluir en el modelo de
simulacin y cuales pueden evitarse. En general no es necesario tener una correspondencia uno a uno entre cada elemento del sistema y del
modelo. Modelar todos los aspectos del sistema puede ser innecesario debido a limitaciones de tiempo, dinero o computacin.
2. Contrastar empricamente las hiptesis del modelo:
Estudiar si los datos de entrada se ajustan al modelo de probabilidad propuesto.
Realizar anlisis de sensibilidad para determinar cuanto cambian los resultados de la simulacin al cambiar los parmetros de entrada, las
distribuciones de probabilidad, etc. Las partes ms sensibles habr que programarlas con un nivel de detalle mayor que el propuesto inicialmente.
3. Determinar hasta qu punto son representativos los datos de salida:
Si existe un sistema similar al propuesto, se comparan los datos de salida del sistema, y los del modelo de simulacin. Si son similares, el
modelo es vlido. A continuacin se modificara el modelo para representar al sistema que nos interesa estudiar.
El test definitivo se obtiene comparando los resultados del modelo con los del sistema propuesto, si este llega a construirse. Pero si no es
vlido, ya no puede corregirse.
Antes de estudiar los mtodos estadsticos que se utilizan para analizar los resultados de la simulacin (etapa 9 de un estudio de simulacin)
vamos a comentar las ventajas e inconvenientes de la misma, as como de los errores ms comunes que suelen producirse al realizar un estudio
de simulacin.
7. VENTAJAS DE LA SIMULACIN

Permite estudiar sistemas reales que no se pueden evaluar analticamente. En la prctica, la mayora de los sistemas reales se estudian
mediante simulacin. De hecho la simulacin es la tcnica de Investigacin Operativa ms utilizada.
Hace posible estimar el comportamiento de un sistema existente si se modifican algunas de las condiciones de funcionamiento actuales.
Adems para probar si esos cambios producen mejoras, no es necesario interrumpir el funcionamiento del sistema real.
Se pueden comparar distintas alternativas de diseo (o de formas de operar de un sistema), antes de construirlo, para ver cual se comporta
mejor.
Permite estudiar en poco tiempo la evolucin de un sistema en un periodo largo de tiempo: se pueden evaluar aos de experiencia en el
sistema real en unos pocos minutos de simulacin. Alternativamente tambin permite lo contrario: estudiar los trabajos datallados de un sistema
en un periodo de tiempo extendido.
Se puede utilizar para validar un modelo analtico: para construir un modelo analtico hemos tenido que hacer diversas hiptesis para que sea
ms simple. Si los resultados no difieren mucho de los obtenidos con simulacin (con un modelo ms cercano al sistema real), se puede utilizar el
modelo analtico porque los resultados no son sensibles a las hiptesis que se han hecho.
DESVENTAJAS DE LA SIMULACIN
No produce resultados exactos, sino estimaciones. Esto har necesario utilizar las tcnicas estadsticas para saber, por ej., cuantas veces hay
que ejecutar la simulacin (nmero de muestras), para cada conjunto de datos de entrada y realizar estimaciones fiables de los parmetros de
inters.
Desarrollar un modelo de simulacin suele ser caro y lleva tiempo.
Es difcil demostrar la validez del modelo. Si el modelo no es vlido, los resultados son poco tiles, ya que la informacin que estamos
obteniendo del modelo de simulacin no es representativa del sistema real que nos interesaba estudiar.
Es difcil encontrar el ptimo: slo se puede encontrar el mejor entre varias alternativas. Es habitual que haya muchas alternativas y no se
pueden probar todas. Las tcnicas estadsticas de diseo de experimentos que ayudan a solucionar el problema no son conocidas por muchas
personas que hacen simulaciones.
ERRORES FRECUENTES EN LOS ESTUDIOS DE SIMULACIN
No tener bien definidos los objetivos al comienzo del estudio.
Elegir un nivel de detalle inapropiado.
Tratar un estudio de simulacin como si fuera principalmente un problema de programacin.
Confiar en simuladores que hacen la simulacin accesible a todo el mundo.
Analizar los datos de salida a partir de una sola ejecucin, tratndola como la solucin verdadera.
Fallar en la comunicacin con las personas que conocen realmente el sistema.
No modelizar correctamente las distintas fuentes de aleatoriedad del sistema real.

S(t)
L
T
3
T
2
T
1
t (time)
A
B
3
C
3
D
3
C
2
B
2
B
2
B
1
B
1
D
2
D
1
D
2
D
1
C
2
C
1
C
1
Fig. 1. Simulacin ordinaria
S(t)
t (time)
L
T
3
T
2
T
1
B
3
B
2
B
1
B
3
B
1
D
11
D
12
D
21
D
22
D
31
D
32
D
1l
D
1R
1
D
2R
2
D
3R
3
A
Fig. 2. Simulacin con RESTART
TABLA I
Tiempos de Computacin con Simulacin ordinaria y RESTART
P
Simulacin
ordinaria
Simulacin con RESTART
Sy=1 Sy=10
10
-4 100 seg. 2 seg. 16 seg.
10
-7 28 horas 5 seg. 48 seg.
10
-10 3 aos 9 seg. 93 seg.
10
-100
3x10
90
aos
16 min. 160 min.
El tiempo de computacin con simulacin ordinaria es directamente proporcional a 1/P.
Con RESTART es directamente proporcional a (ln P)
2
.