Etapas de un modelo de simulacin y la modelacin con FlexSim

Isaas Simn Marmolejo[a], Rafael Granillo Macas[a], Francisca Santana Robles[a]

Resumen
La simulacin sirve de gua en la toma de decisiones al crear representaciones a
diferentes escenarios y lapsos de tiempo en distintas situaciones donde los sistemas se
tornan complejos por la gran cantidad de variables que en estos interactan (Banks et.
al., 2005). En nuestros das, la simulacin a travs de un computador digital ha tenido
un papel relevante en la evolucin de los sistemas industriales, pero su contribucin en
este aspecto sera an ms importante conforme se conozcan y utilicen sus tcnicas y su
filosofa. Gracias al apoyo de la Universidad Autnoma del Estado de Hidalgo, al
Programa de Movilidad Internacional para la Docencia correspondiente al Consorcio de
Universidades Mexicanas 2012 y a las facilidades brindadas por la empresa FlexSim
Software Products, Inc. se lograron escribir los captulos 2 y 6 del libro denominado
Los Sistemas Empresariales y la Simulacin Discreta con FlexSim. Por lo que, lo aqu
descrito muestra una breve descripcin de las etapas de la simulacin. Al finalizar la
lectura de este documento se espera que el lector pueda tener una idea clara de los pasos
necesarios para desarrollar un modelo de simulacin dentro de un sistema de produccin
y a su vez logre un entendimiento general del uso de FlexSim como herramienta de
anlisis. El documento contempla una revisin de la literatura, terminologa de
modelado y simulacin, reas de aplicacin y la caracterizacin de FlexSim Versin
6.0.2, donde se ilustra claramente la amplia precisin y capacidad de FlexSim como
fuente alternativa de efectividad en la toma de decisiones de las operaciones de un
sistema productivo.
Palabras clave: Sistemas de produccin, ingeniera de sistemas, simulacin con
FlexSim
Abstract
The simulation guide decision making to create representations of different scenarios
and time periods in different situations where systems become complex by the large
number of variables that are interacting (Banks et. Al., 2005). Nowadays, the simulation
through a digital computer has had an important role in the evolution of industrial
systems, but their contribution in this aspect would be even more important as will
knows and use its techniques and philosophy. With the support of the Universidad
Autnoma del Estado de Hidalgo, International Mobility Program for Teaching for the
Consortium of Mexican Universities 2012 and the facilities provided by the company
Flexsim Software Products, Inc. is able to write the chapters 2 and 6 of the book called
"the Enterprise Systems and Discreet with FlexSim Simulation". Whereby, as described
herein a brief description of the stages of the simulation is done. After reading this
document is expected that the reader can has a clear idea of the steps required to
develop a simulation model within a production system and in turn achieve a general
understanding of the use of Flexsim as an analytical tool. The paper provides a
review of the literature, terminology modeling and simulation, areas of application and
the characterization of Flexsim Version 6.0.2, which clearly illustrates the wide

accuracy of Flexsim as an alternative source of effectiveness in making operations

decisions of a production system.
Keywords: Production systems, systems engineering, FlexSim simulation
Introduccin
Actualmente es necesario que la industria de la transformacin y servicios analice y
estudie la capacidad de sus sistemas con el fin de hacer frente a la demanda actual,
mejorando sus utilidades y, con el tiempo, contemplar la posibilidad de expandirse. Sin
embargo, los complejos sistemas, tanto industriales como de servicios, se integran por
una gran cantidad de variables que hacen prcticamente improbable crear un modelo
que logre un mejor nivel operativo. Por lo que es necesario buscar herramientas que
otorguen fuentes alternas de efectividad en las operaciones. En este sentido, la
simulacin (que es una proyectiva animada de las operaciones de los sistemas
productivos en diferentes instantes del tiempo) se convierte en una tcnica interesante a
la hora de describir un panorama artificial de distintos escenarios en condiciones
ptimas, pesimistas e incluso catastrficas, las cuales proyectan estadsticas que
describen la naturaleza operativa en diferentes instantes de tiempo.
Sin embargo, para mostrar un panorama concreto de simulacin desde una perspectiva
aleatoria en modelos prcticos utilizando el software FlexSim, se requiere del
entendimiento de los conceptos elementales que componen est analoga.
En este lnea, el presente trabajo describe los conceptos principales que deben incluirse
en la creacin de un modelo de simulacin a partir de las operaciones de un sistema de
procesos, desde una perspectiva aleatoria en modelos prcticos utilizando el software
FlexSim, hasta alcanzar un entendimiento claro de los conceptos elementales que
componen est analoga.
Objetivo
Brindar un entendimiento general de la simulacin y evidenciar como el software
FlexSim puede ser utilizado como una buena alternativa en el diseo, anlisis y
modelado de un sistema productivo.
Desarrollo del trabajo
La simulacin permite tomar decisiones correctas en situaciones difciles, pero esto
implica una metodologa. Por lo que, a continuacin se da una descripcin de la
planeacin que se tiene que llevar a cabo para desarrollar una simulacin.
Planeacin para la elaboracin del modelo de simulacin y su experimentacin.
Para describir cmo se modela un sistema, en la literatura se puede encontrar que los
temas relacionados con el diseo, el anlisis y la representacin de modelos en el
software son esenciales para un estudio de simulacin exitoso. Sin embargo, stos no
son los nicos ingredientes, ya que se observa que ningn estudio de simulacin seguir
una frmula preestablecida, pues hay varios aspectos que tienden a aparecer con

frecuencia en diferentes publicaciones. Lo que describimos a continuacin es una

adaptacin de los pasos a seguir en un estudio de simulacin con base en Banks et. al.
(2005), pero retroalimentado con aportaciones de autores como Kelton et. al. (2008),
Law et. al. (2007), Garca et. al. (2006), Coss (2003) y con opiniones propias. Con todo
esto, en la Figura 1. se describe una propuesta de la secuencia de pasos que deben
seguirse para la elaboracin del modelo de simulacin y para la realizacin de los
experimentos. Debe observarse que cada uno de los pasos de dicha gua ha sido
numerado, con el propsito de tener una referencia que servir para los comentarios que
se dan a continuacin:

Figura 1: Gua del conjunto de etapas definidas para alcanzar conocimientos vlidos en
un proyecto de simulacin (Fuente: Elaboracin propia con base en Banks et. At.,
2005).

1. Formulacin del problema

Si lo que se busca es transformar una situacin confusa e indeterminada, reconocida
como problemtica, es necesario comprender el sistema a modelar. Esto incluye el
estado actual del sistema (lo que est sucediendo y por qu est sucediendo) y el
deseado (cmo puede hacerse mejor). De esta manera, se podrn definir los objetivos
del proyecto de simulacin una vez que se logre definir los elementos componentes del
sistema, las variables, su comunicacin e interaccin, as como establecer sus alcances y
limitaciones. Una forma eficaz de lograr lo descrito, es mediante la observacin directa,
la realizacin de entrevistas al personal involucrado en el proyecto y todas las tcnicas a
nuestro alcance que sean fuente de informacin. As, se obtendr el conocimiento que
describe y analiza los mtodos, se identificarn sus lineamientos y recursos, y se
clarificarn sus supuestos y consecuencias.
2. Colocacin de objetivos y el plan del proyecto global

Los objetivos indicarn las preguntas que deben responderse mediante la simulacin, la
clase de informacin que debe ser colectada y el nivel de detallen necesario. Aqu se
pueden hacer especificaciones acerca de lo que se observa, manipula, cambia y entrega.
Por lo tanto, es necesario establecer lo que se espera del modelo, como los criterios bajo
los cuales se puede medir su comportamiento.
3. Conceptualizacin del modelo
Es muy importante entender qu mtricas se usarn. En este sentido, Banks et. al.
(2005) contextualiza que la construccin de un modelo de simulacin es tanto un arte
como una ciencia. Sin embargo, la experiencia dicta que para dar una solucin
concreta al problema en cuestin, es necesario un buen aporte de creatividad por parte
del analista. As bien, es recomendable empezar con un modelo simple para despus
modificarlo hasta uno de mayor complejidad. Sin embargo, la complejidad del modelo
final no debe exceder los requerimientos que cumplan con el propsito para el cual se
est haciendo el diseo. No es necesaria una copia paso a paso, entre el modelo y el
sistema real, slo es necesaria la esencia de este ltimo. En esta etapa debe definirse qu
aspectos del sistema sern representados en el modelo y cules no. Adems, se deber
establecer con qu nivel de detalle se har dicha representacin (recuerde que el nivel de
detalle depende en gran medida de lo que el dueo del sistema est dispuesto a pagar).
Todo lo que se desea en este punto es ingeniar un bosquejo del sistema a modelar.
4. Recoleccin y procesamiento de datos
Los objetivos del estudio establecen, en gran medida, la clase de datos que deben ser
obtenidos y cuntos detalles son adecuados a fin de no perder informacin valiosa. Los
datos pueden ser obtenidos de observaciones de un sistema ya existente. En el caso de
un sistema inexistente, los datos deben ser estimados. En esta etapa es vital, para ambos
casos, que se involucren las personas que en verdad saben lo qu est pasando en el
sistema real (operadores, supervisores, inspectores, todos aquellos que conocen a detalle
el sistema). Un ejemplo de algunos datos que deben obtenerse son las condiciones y
parmetros del proceso de produccin, personal que labora y las acciones que realizan,
materiales o materias primas utilizadas, maquinaria o equipos, esquemas, planos,
procedimientos y, si es factible, datos histricos, fotos y videos. Todo esto con el fin de
despejar cualquier duda, por muy simple o lgica que esta sea. Mediante estos datos se
obtendrn los valores de los parmetros estadsticos (definicin de variables respecto a
una distribucin de probabilidad) que sern utilizados durante la programacin del
modelo de simulacin.
5. Construccin del modelo
En este punto el objetivo es ganar conocimiento acerca de la naturaleza del sistema, as
como proyectar situaciones alternas desprendidas por causa de un desencadenamiento
de eventos distintos a las condiciones normales de operacin. Con el propsito de
pronosticar eventos, evaluar consecuencias y proponer alternativas que contribuyan a
mejorar el comportamiento del mismo. Es aqu donde los trminos informacin,
anlisis, critica, diseo y creatividad se integran para dar forma a la estructura del
modelo. El lector observara que esta etapa requiere de conocimiento, habilidades y
experiencia personal, sin embargo este paso es el ms divertido de todo el estudio.

Al comenzar a construir el modelo se debe considerar la magnitud y el nivel de detalle

requerido. La modelacin de un sistema pequeo y simple es rpida y certera si la
informacin requerida esta completa y es correcta. Sin embargo, cuando un sistema es
complicado o demasiado grande, la clave implica la fragmentacin del sistema en
mdulos ms pequeos y simples con la intencin de evaluarlos por separado antes de
intgralos en un slo modelo. Esto facilitara el hallazgo de errores por informacin
incorrecta, incompleta, mala programacin, etc. En cuanto a los datos de entrada y las
condiciones iniciales, es necesario que desde el inicio se determinen los valores
asignados a las variables y parmetros del modelo. Para lo cual es importante recurrir a
los supuestos del modelo conceptual y a mtodos de ensayo y error.
Finalmente, la idealizacin del sistema debe ser codificada en un formato que sea
reconocido por un computador digital. La formulacin de la codificacin requiere que
se definan tres aspectos importantes: (1) la informacin de entrada y condiciones
iniciales, (2) el software a emplear, y (3) las habilidades y experiencia del programador.
La informacin de entrada y condiciones iniciales garantizan la certeza de que el
modelo realmente representa al sistema real. Por tanto, antes de iniciar la programacin
en algn software de simulacin se hace eminente la importancia de interpretar y
depurar la informacin, y con ello crear diagramas de flujo que describan la informacin
del sistema y su lgica de interaccin. En cuanto a computacin se refiere, es necesario
elegir el software adecuado para el sistema a modelar, ya que estos pueden ser muy
distintos al momento de modelar un sistema industrial. Como tercero y ltimo punto, es
conveniente mencionar que las habilidades y experiencia del programador determinan la
calidad del modelo, ya que sus conocimientos y habilidades adquiridas en proyectos
similares como su creatividad e ingenio servirn como base para planear, organizar,
dirigir y controlar un proyecto de simulacin exitoso. Al finalizar esta etapa, el modelo
ser verificado y validado con la intencin de poner en evidencia posibles desviaciones
con respecto al sistema real.
El software FlexSim es una buena alternativa que permite modelar y entender con
mucha certeza los problemas bsicos de un sistema sin la necesidad de programaciones
complicadas. Esto gracias a que cuenta con una extraordinaria facilidad de uso. Los
siguientes puntos enlistan algunas razones del porque FlexSim es una buena
alternativa como herramienta en simulacin:

Su amplia seccin de pre-construidos permite abordar situaciones mucho ms

complejas sin tener que escribir cdigo de software.

El software se orienta a objetos, lo que admite una mayor visualizacin del flujo
de produccin.

Todo el proyecto se desarrolla en un ambiente tridimensional (3D), adems de

que permite importar infinidad de objetos de distintos paquetes de diseo,
incluyendo AutoCAD, ProE, Solid Works, Catia, 3D Studio, AC3D, Rivit,
Google Sketch-Up, etc.

Otra razn importante es que no slo se pueden simular sistemas discretos, sino
que tambin se admite la simulacin de fluidos o modelos combinados continuodiscreto, como por ejemplo: flujo de lquidos (agua, leche, etc.) o de alta
velocidad, tales como granos o azcar.

La generacin de distintos escenarios y condiciones variadas son fciles de

programar.

Las distribuciones de probabilidad se pueden representar con gran precisin en

lugar de valores promedio para representar fielmente la realidad.

Las grficas, los reportes y todo lo que se refiere a los estadsticos se puede
revisar a detalle.

Una vez entendido el uso y manejo del software, los usuarios podrn simular el control
y la manipulacin de recursos mviles como apoyo en las tareas de transporte,
preparacin de equipos, asistencia en mantenimiento, importacin y exportacin de
datos, anlisis estadsticos, etc. Adems, podrn desarrollar simulaciones de sistemas
donde se tenga que hacer empaques, uniones y lotes de objetos discretos, mezclas para
dosificar productos y conversiones de objetos solidos a materia fluido y viceversa (ver
figura 2).

Figura 2: Ejemplo de modelo en FlexSim.

Bajo estas aportaciones, el objetivo es aprender a describir, representar y analizar la

operacin de un sistema real y as vislumbrar la proyeccin del ingenio hacia la
propuesta de alternativas y escenarios que logren dar solucin a las situaciones
planteadas.
6. Verificacin
Ya que se tiene el modelo en un programa de computacin, es necesario asegurar que el
modelo conceptual reflej con precisin los parmetros, sucesos y lgica del sistema
real. Aqu es donde se podr verificar si el modelador aliment al software de
simulacin con informacin correcta. As mismo, se debe corroborar que al momento de
terminar el modelo no hayan cambiado las condiciones del sistema real. Por lo tanto, es
necesario corroborar lo anterior para asegurar un modelado correcto.

7. Validacin
Validar un modelo es hacer un juicio relativo; su utilidad debe ser juzgada y comparada
con el sistema real mediante la realizacin de pruebas del modelo con respecto al
sistema real en condiciones normales de operacin. El modelo es vlido si representa
adecuadamente al sistema que est siendo modelado. Aqu se pueden formular
preguntas del siguiente tipo: La secuencia de movimientos y operaciones son
correctas?, Son semejantes los estadsticos del modelo con los de la realidad? Si lo
anterior es correcto, entonces podra decirse que el modelo si representa al sistema real.
8. Diseo de experimentos
En este paso se planean los experimentos que se harn mediante el modelo de
simulacin establecido (qu es lo que desea saber y cmo los experimentos de
simulacin lo llevarn a obtener las respuestas de forma precisa y eficaz). Algunos de
los aspectos que se deben definir son: las condiciones bajo las cuales se harn las
simulaciones, la duracin del tiempo que se desea simular y el nmero de simulaciones
requeridas (replicas).
Algunos ejemplos de esto seran: simular el modelo del sistema bajo condiciones
extremas (catstrofes), aumento o disminucin de produccin, paros programados en los
equipos por mantenimiento fayas repentinas, crecimiento o expansin con
proyecciones a diferentes lapsos de tiempo, remplazos, bajas o habilitacin de equipos y
todas las distintas modificaciones posibles que nos lleven a obtener respuestas a la
solucin del problema abordado en los objetivos del proyecto.
9. Produccin de corridas de simulacin y anlisis
El objetivo aqu es medir el comportamiento del sistema simulado, por lo que en este
paso se realizan los experimentos establecidos en el punto anterior bajo las condiciones
de inters prestablecidas. El Anlisis de los resultados de las simulaciones implica el
anlisis estadstico de los resultados (tablas de datos y grficos) provenientes del paso
anterior, con el objeto de hacer inferencia estadstica y proyectar los valores de las
medidas de desempeo que son de inters.
10. Corridas adicionales
Las simulaciones adicionales se hacen necesarias cuando no se est conforme con los
resultados obtenidos en algn panorama proyectado en los pasos anteriores, o bien
cuando se tiene idea de nuevos escenarios que podran ir incluso ms all de los
objetivos buscados en un inicio. S se determina que son necesarias las corridas
adicionales, podra requerirse de un nuevo diseo del experimento y por tanto un nuevo
anlisis de resultados.
11. Puesta en marcha del modelo
Ya concluido el proyecto, los clientes o dueos del sistema tendrn una herramienta que
les permitir proyectar distintos escenarios de simulacin a diferentes espacios de
tiempo. Lo anterior permitir tomar decisiones con mayor certidumbre fundamentadas
bajo los resultados del anlisis estadstico de un modelo de simulacin. Sin embargo,
tanto el modelador como el dueo del sistema debern estar conscientes de que la

informacin colectada del modelo tiene desviaciones estadsticas por el empleo de

nmeros aleatorios, lo que conlleva a un ciento margen de error. Entonces, al dar
resultados numricos, lo recomendable es presentarlos con rangos y no en trminos
puntuales.
Otra recomendacin final es revisar que al concluir el proyecto realmente se hayan
contestado las preguntas y los supuestos que dan respuesta a la solucin del problema
abordado. Las opiniones de los involucrados en el proyecto quiz determinen la
aplicacin de cambios en un sistema existente o la construccin de un sistema nuevo.
Sin embargo, tambin puede resultar como una conclusin del estudio de simulacin,
que el nuevo sistema propuesto no sea econmicamente atractivo o que por razones
econmicas sea mejor dejarlo como esta. Esta ltima conclusin al proyecto tambin es
una alternativa que debe tomarse en cuenta.
Documentacin
Los resultados del trabajo deben ser redactados en forma clara y concisa en un reporte
final. Esto tiene el propsito de describir todos los aspectos importantes del estudio. Por
lo tanto, la documentacin del proyecto tendr que ser una tarea continua durante toda
la construccin del modelo de simulacin. Esto incluye la formulacin del problema,
objetivos, consideraciones para elaborar el modelo conceptual y su transformacin en el
modelo computacional, criterios utilizados, resultados de los experimentos,
recomendaciones establecidas y las conclusiones, adems de las observaciones
derivadas de su implementacin.
Es importante incluir a este reporte final un resumen ejecutivo que seale las
recomendaciones claras y sustentables de lo que el modelador cree oportuno. Esto
incluye tanto los detalles del anlisis como una presentacin. As mismo se recomienda
entregar un manual de usuario para que el cliente o dueo del sistema tenga una mayor
facilidad al momento de dar uso al modelo de simulacin concluido.
Resultados
Los modelos simulan las operaciones de la fabricacin, diferenciando los principales
tipos de flujos que sigue la materia prima o entidad para los diferentes productos o
servicios. Asumiendo la utilizacin de las instalaciones y equipos en servicio exclusivo,
con el objeto de estimar los efectos en los tamaos mnimo, mximo y promedio de las
colas de espera, tiempos promedio de espera de las diferentes lneas, utilizacin de los
equipos y recursos, operaciones totales efectuadas por tipo de productos,
mantenimientos, inventarios, entre otros. Hasta estimar en forma cuantitativa los efectos
o impactos esperados de cambios en la operacin, el rendimiento de las actividades
productivas, e incluso la valoracin de mejoras potenciales en las operaciones de la
planta.

1. Durante los tres meses que dur la estancia de investigacin (noviembre 2012
enero 2013) dentro de las instalaciones de FlexSim Software Products, Inc.
con direccin en Orem, Utah 84097 USA, se alcanzaron tres objetivos:
o Se redactaron los captulos 2 y 6 del libro Los Sistemas Empresariales y
la Simulacin Discreta con FlexSim. Actualmente se tienen tres de los
seis captulos terminados, el resto de ellos los redacta la UPAEH. Por lo

tanto, se espera que en un mximo de tres meses el trabajo est integrado

y listo para su revisin y posterior edicin
o En la actualidad, el software FlexSim est disponible dos versiones:
ingls y chino. Durante la estancia de investigacin se tradujo al espaol
un 60% de este software y del material de soporte. Se espera que en los
prximos meses la traduccin sea concluida.
o A travs de una carta firmada y sellada por FlexSim Software Products,
Inc., se nos autoriz el uso del nombre de FlexSim, el logotipo, los
ejemplos, el material de apoyo y la integracin de una clave para
descargar de su pgina web una nueva versin estudiantil del software.

2. El libro Los Sistemas Empresariales y la Simulacin Discreta con FlexSim

ser el primer material utilizado como gua en el entendimiento y uso del
software FlexSim al espaol y, dado que estar siendo revisado por los
Directores de FelxSim USA y FlexSim Mxico, se espera la aceptacin del
mismo en todas las universidades de Mxico en las cuales se imparte Ingeniera
Industrial o carreras afines en materias como: Investigacin de Operaciones,
Produccin, Logstica, Inventarios, Cadena de Suministros, Simulacin de
Eventos Discretos, etc. Adems, podr ser utilizado como material de apoyo en
los sistemas de produccin o de servicios para crear modelos que permitan
mejorar la certidumbre en la toma de decisiones que contribuyan a un mejor
desempeo.

3. Derivado de este proyecto de investigacin, se espera lograr beneficios a la

comunidad universitaria de la Escuela Superior de Cd. Sahagn de la
Universidad Autnoma del Estado de Hidalgo al impartir cursos del software,
realizar proyectos en el sector industrial y lograr un reconocimiento por el
impacto que se tendr al publicar el libro en el pas.

4. Por ltimo, se plante la necesidad de seguir colaborando en futuros

proyectos (artculos, libros y casos de estudio) tanto con FlexSim USA y
FlexSim Mxico, como con los Directivos de FlexSim Honduras, Colombia y
Chile.

Conclusiones
Como se puede apreciar, el propsito de esta investigacin es difundir tcnicas
alternativas con el fin de enriquecer el conocimiento de esta herramienta y la
importancia que representa para el desarrollo econmico de la industria, ya que es aqu
donde la capacidad de sta rama de la ingeniera en sistemas debe intervenir a fondo
para lograr competitividad productiva en los mercados interno y mundial, puesto que
nicamente las innovaciones son capaces de transformar las prcticas de la vida
cotidiana.
Referencias

Banks Jerry, Carson John S., and Nelson Barry L., Nicol David M., (2005). DiscreteEvent System Simulation, (4a ed.), U.S.A.: Prentice-Hall.
Coss B R. (2003). Simulacin: Un enfoque prctico, (20a ed.), Grupo Noriega
Editores Balderas 95, Departamento de Ingeniera Industrial, Instituto Tecnolgico y de
Estudios Superiores de Monterey, Mxico, D.F.: Limusa, S.A. de C.V., pp. 11-18.
Garca Dunna E., Garca Reyes H., Crdenas Barrn Leopoldo E. (2006). Simulacin y
Anlisis de Sistemas con ProModel, (1a ed.), Mxico: Prentice Hall - Pearson
Educacin., pp. 1-13.
Kelton W. David, Sadowski Randall P., Sturrock David T., (2008). Simulacin con
Software Arena, (4a ed.), Mxico: McRaw-Hill, Inc., pp. 1-25.
Law Averill M. & Associates Inc. (2007). Simulation Modeling and Analysis, (4a
ed.), Tucson, Arizona: U.S.A. McRaw-Hill, Inc., pp. 1-273.