Sobre el Libro
Modelado y Análisis de Simulación (Simulation Modeling and Analysis) es un libro de 800 páginas escrito por Averill M Law y publicado por la editorial McGraw-Hill Education en el año 2014 en su quinta edición.
Descripción del Libro
Modelado y análisis de simulación proporciona un tratamiento completo, de vanguardia y técnicamente correcto de todos los aspectos importantes de un estudio de simulación. El libro se esfuerza por hacer que este material sea comprensible mediante el uso de la intuición y numerosas figuras, ejemplos y problemas. Es igualmente adecuado para su uso en cursos universitarios, práctica de simulación y autoaprendizaje. El libro es ampliamente considerado como la “biblia” de la simulación y ahora tiene más de 172.000 copias impresas y ha sido citado más de 18.500 veces. Este libro de texto puede servir como texto principal para una variedad de cursos. Se utiliza en los principales departamentos de ingeniería industrial y de sistemas en Georgia Tech, Universidad de Michigan, Universidad de California en Berkeley, Universidad de Stanford, Universidad Purdue, Universidad Texas A&M, Universidad de Columbia, Universidad de Washington y Escuela de posgrado naval.
Sobre el Autor
Averill M. Law es presidente de Averill M. Law & Associates, Inc. (Tucson, AZ), una empresa especializada en software, consultoría y capacitación en simulación. Anteriormente fue profesor de Ciencias de la Decisión en la Universidad de Arizona y profesor asociado de Ingeniería Industrial en la Universidad de Wisconsin-Madison. Tiene un doctorado. y un M.S. en ingeniería industrial e investigación de operaciones de la Universidad de California en Berkeley, una maestría en matemáticas de la Universidad Estatal de California en Long Beach y un B.S. en matemáticas de la Universidad Estatal de Pennsylvania.
El Dr. Law ha sido consultor de simulación para organizaciones como Accenture, Boeing, Booz Allen & Hamilton, ConocoPhillips, Defence Modeling and Simulation Office, Federal Express, Ford, Hewlett-Packard, Kimberly-Clark, M & M / Mars, Monsanto, Sandia National Laboratorios, Administración Sueca de Material de Defensa, Cuerpo de Marines de EE. UU. Y Xerox. Ha presentado más de 550 cursos cortos de simulación y estadística en 20 países, incluidos seminarios in situ para ALCOA, AT&T, Boeing, Caterpillar, Coca-Cola, CSX, GE, GM, IBM, Intel, Lockheed Martin, Los Alamos National Lab, Missile Agencia de Defensa, Motorola, NASA, Agencia de Seguridad Nacional, Northrop Grumman, 3M, Time Warner, UPS, Fuerza Aérea de los EE. UU., Ejército de los EE. UU., Marina de los EE. UU. Y Whirlpool. Es el desarrollador del software de ajuste de distribución ExpertFit, que automatiza la selección de distribuciones de probabilidad de entrada de simulación. ExpertFit es utilizado por más de 3000 organizaciones en todo el mundo. También desarrolló las cintas de video “Simulación de sistemas de fabricación” y “Cómo realizar un estudio de simulación exitoso”.
El Dr. Law es autor (o coautor) de tres libros y numerosos artículos sobre simulación, investigación de operaciones, estadísticas, fabricación y redes de comunicaciones. Su artículo “Análisis estadístico de los datos de salida de la simulación” fue el primer artículo sobre simulación invitado que apareció en una importante revista de investigación. Su serie de artículos sobre la simulación de sistemas de fabricación ganó el premio a la mejor publicación del Instituto de Ingenieros Industriales de 1988. Recibió el premio Lifetime Professional Achievement Award 2009 de INFORMS Simulation Society por sus seminarios y libro de simulación. Durante su carrera académica, la Oficina de Investigaciones Navales apoyó su investigación en simulación durante 8 años consecutivos. Escribió una columna regular sobre simulación para “Ingeniería industrial” durante 1990 y 1991.
Tabla de Contenido
- 1) Modelado de simulación básico.
- 2) Modelado de sistemas complejos.
- 3) Software de simulación.
- 4) Revisión de probabilidad básica y estadística.
- 5) Creación de modelos de simulación válidos, creíbles y adecuadamente detallados.
- 6) Selección de distribuciones de probabilidad de entrada.
- 7) Generadores de números aleatorios.
- 8) Generación de variables aleatorias.
- 9) Análisis de datos de salida para un solo sistema.
- 10) Comparación de configuraciones alternativas del sistema.
- 11) Técnicas de reducción de varianza.
- 12) Diseño experimental, análisis de sensibilidad y optimización.
- 13) Simulación de sistemas de fabricación.
A continuación se muestra un extracto del libro:
Capítulo 1: Modelado de simulación básico
1.1 La naturaleza de la simulación
Este es un libro sobre técnicas para usar computadoras para imitar. o simular las operaciones de varios tipos de instalaciones o procesos del mundo real. La instalación o proceso de interés se suele denominar sistema y, para estudiarlo científicamente, a menudo tenemos que hacer una serie de suposiciones sobre cómo funciona. Estos supuestos, que suelen adoptar la forma de relaciones matemáticas o lógicas, constituyen un modelo que se utiliza para intentar comprender en cierta medida cómo se comporta el sistema correspondiente.
Si las relaciones que componen el modelo son lo suficientemente simples, puede ser posible utilizar métodos matemáticos (como álgebra, cálculo o teoría de probabilidades) para obtener información exacta sobre cuestiones de interés; esto se llama solución analítica. Sin embargo, la mayoría de los sistemas del mundo real son demasiado complejos para permitir la evaluación analítica de modelos realistas, y estos modelos deben estudiarse mediante simulación. En una simulación, utilizamos una computadora para evaluar un modelo numéricamente y se recopilan datos para estimar las características verdaderas deseadas del modelo.
Como ejemplo del uso de la simulación, considere una empresa de fabricación que está contemplando la construcción de una gran extensión en una de sus plantas, pero no está segura de si la ganancia potencial en productividad justificaría el costo de construcción. Ciertamente, no sería rentable construir la extensión y luego eliminarla más tarde si no funciona. Sin embargo, un estudio de simulación cuidadoso podría arrojar algo de luz sobre la cuestión al simular el funcionamiento de la planta tal como existe actualmente y como sería si se ampliara la planta.
Las áreas de aplicación para la simulación son numerosas y diversas. A continuación se muestra una lista de algunos tipos particulares de problemas para los que se ha descubierto que la simulación es una herramienta útil y poderosa:
- Diseño y análisis de sistemas de fabricación.
- Evaluación de sistemas de armas militares o sus requisitos logísticos.
- Determinación de requisitos de hardware o protocolos para redes de comunicaciones.
- Determinar los requisitos de hardware y software para un sistema informático.
- Diseño y operación de sistemas de transporte como aeropuertos, autopistas, puertos y metros.
- Evaluación de diseños para organizaciones de servicios como centros de llamadas, restaurantes de comida rápida, hospitales y oficinas de correos.
- Reingeniería de procesos comerciales.
- Análisis de cadenas de suministro.
- Determinación de políticas de pedidos para un sistema de inventario.
- Análisis de operaciones mineras.
La simulación es una de las técnicas de investigación de operaciones y ciencias de la gestión más utilizadas, si no la más utilizada. Un indicio de ello es la Winter Simulation Conference, que atrae de 600 a 800 personas cada año. Además, hay varias otras conferencias de simulación que a menudo tienen más de 100 participantes por año.
También hay varias encuestas relacionadas con el uso de técnicas de investigación operativa. Por ejemplo, Lane, Mansour y Harpell (1993) informaron a partir de un estudio longitudinal, que abarca desde 1973 hasta 1988, que la simulación se clasificó constantemente como una de las tres “técnicas de investigación de operaciones” más importantes. Los otros dos eran “programación matemática” (un término general que incluye muchas técnicas individuales como programación lineal, programación no lineal, etc.) y “estadística” (que no es una técnica de investigación de operaciones per se). Gupta (1997) analizó 1294 artículos de la revista Interfaces (una de las principales revistas que se ocupan de las aplicaciones de la investigación de operaciones) desde 1970 hasta 1992, y encontró que la simulación ocupaba el segundo lugar después de la “programación matemática” entre las 13 técnicas consideradas.
Sin embargo, ha habido varios impedimentos para una mayor aceptación y utilidad de la simulación. Primero. Los modelos utilizados para estudiar sistemas a gran escala tienden a ser muy complejos, y escribir programas de computadora para ejecutarlos puede ser una tarea ardua. Esta tarea se ha facilitado mucho en los últimos años gracias al desarrollo de excelentes productos de software que proporcionan automáticamente muchas de las características necesarias para “programar” un modelo de simulación. Un segundo problema con la simulación de sistemas complejos es que a veces se requiere una gran cantidad de tiempo de computadora. Sin embargo, esta dificultad se ha vuelto mucho menos grave a medida que las computadoras se vuelven más rápidas y más baratas. Finalmente, parece haber una impresión desafortunada de que la simulación es solo un ejercicio de programación de computadoras, aunque complicado. En consecuencia, muchos “estudios” de simulación se han compuesto de la construcción de modelos heurísticos, la programación y una sola ejecución del programa para obtener “la respuesta”. Tememos que esta actitud, que descuida la importante cuestión de cómo se debe utilizar un modelo codificado correctamente para hacer inferencias sobre el sistema de interés. indudablemente ha llevado a conclusiones erróneas a partir de muchos estudios de simulación. Estas cuestiones de la metodología de simulación, que son en gran medida independientes del software y el hardware utilizados, forman parte integral de los últimos capítulos de este libro.
Se pueden encontrar perspectivas sobre la evolución histórica del modelado de simulación en Nance y Sargent (2002).
En el resto de este capítulo (así como en el capítulo 2) discutimos sistemas y modelos con mucho más detalle y luego mostramos cómo escribir programas de computadora en un lenguaje de propósito general para simular sistemas de diversos grados de complejidad.
Fin del extracto.
