Simulación
y virtualización en 3D

DEFINICIÓN/DESCRIPCIÓN

La gran cantidad de información disponible a través de las tecnologías implementadas en la Industria 4.0 (IoT, Big Data, sistemas ciberfísicos), permite realizar simulaciones para predecir el consumo de recursos y optimizar su utilización.

Un primer paso para tratar de comprender mejor el funcionamiento de un sistema de la vida real es hacer un modelo matemático y estadístico para el sistema, que resume las partes esenciales del sistema en lenguaje matemático, involucrando variables, parámetros, fórmulas, distribuciones de probabilidad, relaciones, diagramas, etc. Un modelo es una representación simplificada de un sistema que permite predecir el comportamiento del mismo sin recurrir a la experimentación sobre dicho sistema. El uso de modelos matemáticos como instrumentos de evaluación de alternativas tiene cada vez una mayor importancia ya que la mayoría de los procesos están sometidos al cambio continuo. Para poder tomar las decisiones idóneas es necesario saber cómo responderá el sistema ante una determinada acción. La simulación es el proceso de experimentar con un modelo.

Para ser útil, un modelo debe incorporar elementos de realismo y simplicidad. Por una parte, el modelo debe servir como una aproximación cercana al sistema real e incorporar la mayor parte de los aspectos del sistema real. Por otro lado, el modelo no debe ser demasiado complejo para impedir su comprensión y manipulación. Cuando el modelo es relativamente simple, puede ser posible estudiarlo analíticamente mediante expresiones que describen el comportamiento de ciertos aspectos del sistema. Para sistemas más complejos, los enfoques analíticos suelen ser mucho más difíciles o imposibles de realizar. En cambio, el sistema se analiza a menudo numéricamente mediante simulación por ordenador, con el supuesto de que el sistema simulado es suficientemente parecido al sistema real para sacar conclusiones válidas sobre el último.

 CLASIFICACIÓN DE LOS MODELOS

Los modelos de simulación pretenden imitar el comportamiento de los sistemas de la vida real. Un sistema está formado por una colección de entidades u objetos que interactúan formando un todo complejo (Kroese, Taimre, & Botev, 2011). Los modelos se pueden clasificar en función de la manera en que las variables evolucionan en el tiempo:

Tiempo Continuo: Las variables evolucionan continuamente en el tiempo. Generalmente se representan mediante ecuaciones diferenciales.

Tiempo Discreto: Las variables sólo pueden cambiar en determinados instantes de tiempo. 

 Eventos Discretos: Las variables pueden cambiar en cualquier momento, pero sólo puede haber números finitos de cambios en intervalos de tiempo finitos. El modelado de eventos discretos (discrete-event simulation –DES-) es el proceso que representa el comportamiento de un sistema complejo como una serie de eventos bien definidos y ordenados y funciona bien en prácticamente cualquier proceso en el que hay una variabilidad. La simulación de eventos discretos modela la operación de un sistema como una secuencia de eventos discretos en el tiempo. Cada evento ocurre en un momento particular en el tiempo y marca el cambio de estado en el sistema. Entre eventos consecutivos se asume que no ocurren cambios en el sistema, por lo que la simulación puede saltar directamente de un evento a otro. Se convierte por lo tanto, en una herramienta de análisis para la toma de decisiones relacionadas con la planificación de la producción y los inventarios, con el diseño de los sistemas de producción y sus cadenas de suministro. en la simulación de eventos discretos se generan y administran eventos en el tiempo a través de una cola de eventos ordenada. De esta forma, el simulador lee de la cola y dispara nuevos eventos. Esta tipología de simulación se emplea en el diseño de la mayoría de eslabones de la cadena de suministro como: líneas de producción, plantas de procesamiento, hospitales, etc. 

El modelo de simulación de eventos discretos permite resolver procesos y sistemas cuyo análisis mediante métodos matemáticos resulta complejo. Se construyen modelos lógico-matemáticos que permiten imitar o simular el comportamiento del mundo real. La repetición de la simulación un número suficiente de veces permite obtener un histórico artificial de observaciones sobre el comportamiento del sistema o proceso a partir de las cuales mediante técnicas de análisis estadístico, es posible extraer conclusiones sobre el funcionamiento del sistema. La principal característica de un sistema de eventos discretos es que el sistema está determinado por una secuencia de eventos que ocurren en momentos aleatorios de tiempo y el cambio de estado del sistema tiene lugar en esos instantes (Rosete, 2017). Esto contrasta con la simulación en continuo en la que la simulación representa la dinámica del sistema con el tiempo. Debido a que las simulaciones de eventos discretos no tienen que simular cada segmento de tiempo, por lo general pueden correr mucho más rápido que la simulación continua. 

 

El dominio de la aplicación para la simulación. La simulación es una herramienta que se utiliza en gran medida en la fase de diseño de un sistema, como se utiliza en la industria. Una forma en que podría ampliarse el uso de la simulación es con la búsqueda de nuevos dominios de aplicación en los sectores en los que ya se está utilizando. Hay potencial para que la simulación pueda ser aplicada en áreas como:

  •  Emulación para ayudar al diseño de sistemas de control. 
  •  Programación. 
  •  Predicción de futuros resultados. 
  •  Control en tiempo real. 
  •  Formación: ideal tanto para nuevas incorporaciones como para promover la polivalencia de puestos.

El modelado del comportamiento humano y la interacción con un sistema de operaciones. El propósito debe ser entender mejor cómo la interacción humana con un sistema de operaciones afecta el desempeño de ese sistema y buscar maneras de mejorar las acciones, comportamientos y decisiones de los actores humanos. El requisito aquí es poder construir y usar rápidamente simulaciones (muy aproximadas), posiblemente en un entorno de toma de decisiones de grupo. 

Como principales soluciones que NORLEAN ofrece a través de NOA, está la optimización del tiempo de la toma de decisiones, la identificación de cuellos de botella y el aumento de la fiabilidad de los procesos.

Como resultado, proporciona soluciones a los negocios, ofreciendo un alto grado de personalización.

Además de las anteriores aplicaciones NOA, aporta valor en el ámbito formativo, en la logística del producto y, mayormente, la simulación de las operaciones de planta de cualquier industria.  

APLICACIONES ACTUALES

Los sistemas de eventos discretos modelan el comportamiento de una amplia variedad de sistemas en ingeniería y la investigación operativa. Las aplicaciones se pueden encontrar, por ejemplo, en la programación de la producción, tráfico y transporte, control de inventario, fabricación, defensa, finanzas, telecomunicaciones y sistemas informáticos.