Simulación de eventos discretos: una cola que puedes calcular a mano

Un evento cambia lo que sabe el modelo

Imagina un revisor y una cola por orden de llegada, FIFO. La llegada de un trabajo cambia la cola. Terminar una revisión libera al revisor. El reloj salta al siguiente evento relevante sin recalcular cada milisegundo.

Las entidades son los trabajos. El recurso es el revisor. El estado incluye quién espera, qué trabajo se revisa y qué hora marca el reloj. Las reglas determinan si un trabajo listo puede ocupar al revisor y qué ocurre cuando termina.

El modelo empieza vacío en el instante cero. No tiene descansos, correcciones, cambios de prioridad ni entradas ausentes. Son límites didácticos deliberados, no afirmaciones sobre cómo funciona un equipo real.

Tres trabajos, comprobados sin un paquete de simulación

Las entradas ficticias usan minutos sobre el mismo reloj. A llega en el minuto cero y necesita cuatro minutos. B llega en el uno y necesita dos. C llega en el cinco y necesita tres. Ningún trabajo puede interrumpir una revisión empezada.

Construye el modelo más pequeño que responda la pregunta

La hoja de Excel calcula llegada, inicio, fin y espera en este ejemplo de tres trabajos y un servidor. Cambia las llegadas y los tiempos de servicio para comprobar la cola. No modela llegadas aleatorias ni varios recursos.

Una biblioteca especializada ayuda si necesitas varios recursos, rutas paralelas o interacciones de eventos más complejas. SimPy es un entorno gratuito de DES basado en procesos para Python, con recursos compartidos. Su documentación oficial explica cómo los procesos esperan eventos; elegirlo no valida los supuestos del proceso.

Los cinco pasos siguientes son una secuencia práctica para este ejercicio, no un número obligatorio en toda la industria. Mantén separadas verificación y validación aunque un proyecto pequeño combine otras actividades.

1. Define la decisión

   Por ejemplo, comprueba si otra ventana de revisión reduciría la espera sin trasladar la demora.

2. Recoge y declara las entradas

   Mantén visibles llegadas, duraciones, calendarios de recursos, prioridades y trabajo inicial.

3. Construye las reglas de eventos

   Implementa llegada, entrada en cola, uso del recurso y terminación. Define qué ocurre cuando coinciden eventos en el tiempo.

4. Verifica una ejecución mínima

   Contrasta cada evento con el cálculo manual y confirma que cada trabajo llegado tenga un único estado coherente.

5. Valida antes de comparar cambios

   Compara esperas, terminaciones y trabajo pendiente registrados durante un periodo real equivalente. Después prueba un escenario modificado con su incertidumbre.

El muestreo aleatorio no define un método rival

El ejemplo de tres trabajos es determinista: las mismas entradas producen la misma salida. Si llegadas o duraciones varían, un modelo DES puede muestrearlas al azar. Ese uso del muestreo Monte Carlo forma parte del modelo de eventos; DES y Monte Carlo no son alternativas excluyentes.

Un modelo continuo representa cantidades que cambian continuamente, como la temperatura bajo una ecuación física definida. Algunos problemas combinan comportamiento continuo y cambios discretos. Elige según la pregunta, sin declarar un tipo universalmente mejor.

El ejemplo local incluye además un experimento didáctico con semilla que multiplica cada duración por un factor muestreado entre 0,8 y 1,2. Repite ese escenario finito de tres trabajos 100 veces. Los factores son inventados, no ajustados a un revisor real. Los resultados enseñan repetibilidad y variación; no recomiendan una dotación de personal.

El calentamiento y las repeticiones resuelven problemas distintos

Un ejercicio finito de tres trabajos que empieza vacío no necesita descartar un calentamiento artificial: los tres trabajos pertenecen a la pregunta definida. Un modelo de servicio continuo quizá necesite trabajo inicial realista o un periodo de calentamiento justificado para evitar el sesgo de empezar vacío.

Usa secuencias aleatorias independientes entre escenarios repetidos e informa de la incertidumbre, no solo de la ejecución favorita. Al comparar cambios, conserva supuestos de entrada y un diseño de comparación coherente. Una ejecución determinista no describe una distribución de resultados posibles.

Haz coincidir también los límites de salida. Detener el reloj en un instante fijo puede dejar trabajo sin terminar; informar solo de trabajos completados puede ocultar esperas largas. Registra la cola final y explica si dejas de admitir llegadas antes de permitir que termine todo el trabajo pendiente.

Cuándo está listo el modelo para apoyar una decisión

La verificación pregunta si el código sigue las reglas previstas. La validación pregunta si esas reglas y entradas representan el proceso real lo bastante bien para la decisión. El cálculo manual verifica aquí un algoritmo pequeño; no valida el flujo de una empresa.

Usa la guía de validación de simulación para las comprobaciones de credibilidad. La comparación de métodos ayuda a elegir el enfoque; la guía VSM relaciona el modelo propuesto con un estado actual observado.

Vrolen usa la simulación como una función del mapa de flujo de valor. El ejemplo del artículo no significa que este script local independiente sea una función del producto ni una previsión obtenida en el piloto privado.

Herramientas gratuitas para simular procesos operativos

SimPy es una biblioteca de Python para simulación de eventos discretos con licencia MIT. JaamSim es un simulador gráfico de eventos discretos cuyo código actual usa Apache 2.0. Ambos pueden usarse sin comprar una licencia de simulación comercial. Siguen requiriendo trabajo de modelado, comprobación de entradas y validación; que el software sea gratuito no prepara un modelo para decidir sobre una operación real.

El pequeño ejemplo en JavaScript que acompaña a este artículo ofrece otra forma gratuita de aprender. Sus límites son deliberados y ya incluye una salida comprobada. Elige la herramienta según la pregunta sobre el flujo y los conocimientos del equipo. Las herramientas generales de dibujo y los productos de minería de procesos no simulan automáticamente colas, competencia por recursos ni tiempo.

Por qué las listas de simulación tienen cantidades distintas

Una lista de tres suele nombrar simulación de eventos discretos, continua y Monte Carlo. Una lista de cuatro puede añadir simulación basada en agentes. Son distinciones útiles, no cuatro compartimentos excluyentes. NIST describe los modelos de eventos discretos y continuos que avanzan en el tiempo, su combinación en un modelo híbrido y el muestreo Monte Carlo, que también puede usarse dentro de cualquiera de los dos.

Usa eventos discretos para llegadas, colas y liberación de recursos; modelos continuos para cantidades que cambian con el tiempo; Monte Carlo para la incertidumbre entre muestreos repetidos; y reglas de agentes cuando las interacciones individuales determinen el resultado. Un modelo híbrido puede combinarlos. Elige el método necesario para responder la pregunta y valida sus supuestos, en vez de escoger una etiqueta por la cantidad de tipos.