Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
Simulación Discreta 1 Simulación Discreta. Simulación Representar algo, fingiendo o imitando lo que no es. ¿Qué es simulación de procesos? Simulación es una técnica de modelamiento matemático, mediante la cual se construye un modelo del proceso de estudio, con el fin de entender la interacción de los componentes del sistema y evaluar diferentes alternativas de configuración para el mejoramiento de su desempeño. ¿Cuándo usar simulación? Cuando existe un efecto combinado de variabilidad, incertidumbre e interdependencias entre los elementos del sistema y el estudio de su funcionamiento presenta alta complejidad. En estos casos es útil usar simulación para facilitar la comprensión del sistema tanto cualitativamente, a través de la animación, como cuantitativamente, por medio de un detallado análisis estadístico. ¿Para qué usar simulación? • Tener un conocimiento más claro y detallado del sistema. • Identificar problemas específicos y parámetros sensibles de un sistema. • Diseñar nuevos sistemas sin incurrir en el riesgo de una inversión errónea. • Realizar experimentos con nuevas configuraciones antes de implementarlas. • Visualizar y probar el comportamiento de nuevas estrategias de operación. • Evaluar rápidamente las alternativas sin interrumpir los sistemas operacionales. • Mostrar los cambios de desempeño del sistema en el tiempo. • Apoyar la toma de decisiones. ¿Cuáles son los beneficios de usar esta herramienta? Los beneficios más importantes de usar simulación discreta son: • Permitir obtener una visión general de la operación del sistema y verificar el impacto de posibles cambios en el desempeño del mismo. • Mejorar y facilitar la comprensión del sistema y sus elementos. • Facilitar la experimentación de políticas y nuevas configuraciones, en la búsqueda del mejoramiento del sistema. Simulación Discreta 2 • Ahorros potenciales al reducir los costos de implantaciones erróneas. Todo esto apoya el proceso de toma de decisiones, sin incurrir en los costos de implantaciones equivocadas. Definiciones. Sistema: Proceso que interesa estudiar. Para poderlo estudiar hay que hacer supuestos referidos a su funcionamiento. También se define como una colección de entidades, por ejemplo: gente o máquinas, que actúan o interactúan buscando algún fin lógico. (Schmidt y Taylor 1970). En la práctica, lo que se entiende por sistema depende de los objetivos de un estudio en particular. Ejemplo: servicio de reparto a domicilio. Estado de un sistema: Colección de variables necesarias para describir un sistema en un momento particular. Ejemplo: número de pedidos por ser despachados, número de motociclistas libres, etc. Modelo: Relaciones matemáticas o lógicas que representan al sistema, considerando ciertos supuestos. Este modelo se utiliza para poder entender como se comporta el sistema. Si las relaciones que componen el modelo son simples, podría ser posible usar métodos matemáticos para obtener información exacta. (álgebra, cálculo o teoría de probabilidad). Sin embargo la mayoría de los sistemas reales son muy complejos para permitir ser analizados analíticamente y son estos sistemas los que deben estudiarse por simulación. Para poder hacer uso de la simulación se necesita recolectar data para estimar las verdaderas características de lo que estamos modelando. Tipos de sistemas. Sistemas discretos: La variable de estado cambia de manera instantánea en puntos separados de tiempo. Ejemplo, el número de pedidos cambia cuando un nuevo pedido llega a la central o cuando uno de ellos es atendido. Sistemas continuos: Las variables cambian continuamente con respecto al tiempo. Por ejemplo un automóvil en movimiento cambia continuamente de posición con respecto al tiempo. Pocos sistemas son puramente discretos o continuos, pero como generalmente un tipo de cambio predomina en la mayoría de los sistemas, es usualmente posible clasificarlos en uno de los dos tipos. Simulación Discreta 3 Maneras de estudiar un sistema. Areas de aplicación de la simulación. Diseño y análisis de sistemas de manufactura. Evaluación de sistemas de armamentos militares o sus requerimientos logísticos. Determinación de los requerimientos de hardware o protocolos de comunicación de redes. Diseño y operación de sistemas de transporte tales como aeropuertos, autopistas, puertos y trenes subterráneos. Evaluar diseños de organizaciones como “call centers”, restaurantes de comida rápida, hospitales y oficinas de correos. Reingeniería de procesos de negocios. Determinar políticas de reordenamiento para sistemas de inventarios. Analizar sistemas financieros o económicos. Dificultades del uso de la simulación. 1. Los modelos para sistemas de gran tamaño tienden a ser muy complejo y escribir programas computacionales que los representen puede ser una tarea ardua. 2. Requieren muchas veces una gran cantidad de tiempo computacional. Sistema Experimentar con un modelo del sistema Experimentar con sistema actual. Modelo físico Modelo matemático Solución analítica Simulación Simulación Discreta 4 Pasos en un estudio de simulación. 1. Formular el problema y planificar el estudio. a) El problema es planteado por el interesado. b) Se plantean: i. Objetivos. ii. Preguntas a ser contestadas por el estudio. iii. Medidas de actuación que serán usadas para evaluar la eficacia de las distintas configuraciones del sistema. iv. Alcance del modelo. v. Configuraciones del sistema a ser modeladas. vi. Software que se usará. vii. Ventana de tiempo para el estudio y recursos requeridos. 2. Recolectar la data y definir el modelo. a) Recolectar información de la disposición del sistema y procedimientos operacionales. b) Recolectar data de parámetros específicos del modelo y de las distribuciones de probabilidad de entrada. c) Delinear la información anterior y los datos en un documento donde se expliciten los supuestos, que es el modelo conceptual. d) Recolectar la data (si es posible) de la actuación actual del sistema (para usarlo posteriormente en validación). e) El nivel de detalle del modelo debe depender de lo siguiente: i. Objetivos del proyecto. ii. Medidas de performance. iii. Disponibilidad de data. iv. Necesidad de credibilidad del modelo. v. Restricciones computacionales. vi. Opinión de expertos. vii. Restricciones en tiempo y monetarias. f) No es necesaria una correspondencia uno a uno entre cada elemento del modelo y el correspondiente elemento del sistema. g) Interactuar con el responsable del proyecto o personal clave de la empresa de manera regular. 3. Verificar la validez conceptual del modelo. a) Llevar a cabo un recorrido a través del modelo conceptual usando el documento con los supuestos ante una reunión con los “dueños del problema”. Esto asegura que los supuestos son correctos y completos, asimismo promueve que el modelo se asuma como propio, por parte de los interesados. Esto debe hacerse antes de que el programa empiece para evitar reprogramar posteriormente. 4. Construir un programa computacional y verificar. Utilizar un lenguaje de programación (Ej. C o Fortran) o un software de simulación (Arena, AutoMod, Extend, Promodel, Witness). Simulación Discreta 5 5. Hacer pruebas piloto para validar. 6. Verificar la validez del modelo. a) Si existe un sistema, compare el modelo y el sistema utilizando las mediciones existentes para el sistema. b) Utilice análisis de sensibilidad para determinar que factores del modelo tienen impacto significativo en las medidas de performance y por ello deben ser modelados cuidadosamente. 7. Diseñar experimentos. a) Especificar lo siguientepara cada configuración del sistema que sea de interés: i. Longitud de cada corrida ii. Número de corridas independientes que se utilizarán. 8. Hacer corridas de producción. 9. Analizar la data de salida. a) Determinar el performance de la configuración actual del sistema. b) Comparar las configuraciones alternativas. 10. Documentar, presentar y utilizar los resultados. a) Documentar los supuestos y estudiar los resultados. b) Presentar los resultados del estudio. i. En la medida de lo posible, usar animación para comunicar el modelo a los que encargados de tomar decisiones y a otro personal que no esté familiarizado con los detalles del modelo. ii. Discutir la construcción del modelo y el proceso de validación para promover la credibilidad. c) Los resultados se usan para tomar decisiones si son válidos y tiene credibilidad. Simulación Discreta 6 Simulación discreta: Este tipo de modelo matemático se refiere a sistemas que varían a lo largo del tiempo, en el cual las variables de estado cambian instantáneamente en puntos de tiempo separados. Ejecución de un proyecto de simulación discreta. Después de haber elegido el problema que se estudiará, se deben considerar los siguientes aspectos: 1. Descripción del problema a modelar. La finalidad de esta actividad es tener una comprensión global del funcionamiento actual del problema a modelar así como de los objetivos que se persiguen con la construcción y posterior utilización del modelo de simulación. Es de suma importancia que, desde un inicio, se tengan claros los objetivos globales y específicos que se esperan abordar durante el desarrollo del proyecto, asimismo la forma en que se pretenden evaluar o cuantificar los resultados obtenidos a futuro. Estos temas y objetivos pueden adquirir la forma de: a) Preguntas: Ejemplo ¿Cuál es el número de motociclistas óptimo que debo tener en el servicio de delivery ? ¿Cuántos cajeros debo tener para garantizar cierto nivel de servicio? b) Hipótesis: Ejemplo ¿La nueva política de despacho permitirá entregar los pedidos en menor tiempo? c) Efectos por estimar: Ejemplo ¿En cuánto se reduce el tiempo de espera en caso de implementar un nuevo cajero? ¿Cuántos soles ahorraré al tener una configuración distinta de mi sistema? 2. Descripción del sistema. Trata de identificar los componentes que formarán parte del modelo que describirá el sistema. Esto permitirá construir un mejor modelo computacional, asimismo ir previendo las dificultades asociadas con la construcción del mismo. Aquí es necesario dejar en evidencia: a) Los supuestos que se hagan para simplificar la construcción del modelo. b) Las entidades que se usarán para la modelación (personas, componentes, tormentas, terremotos, etc.). c) Eventos asociados a las entidades (en un servicio de delivery: llegada de pedido, despacho del pedido, entrega del pedido). Simulación Discreta 7 d) Atributos asociados a las entidades (por ejemplo, diferenciar si son clientes frecuentes o no). e) Las variables de estado asociadas con el desempeño del sistema. (Ejemplo número promedio de pedidos en espera de ser atendidos, tiempo de espera máximo de un cliente, etc.) 3. Mediciones y ajustes de distribución. Medición: Etapa de mayor importancia y dificultad en la construcción de modelos de simulación. Aquí se recolecta la información que alimentará el modelo. Es indispensable determinar antes de construir el modelo lo que se medirá y cómo se realizarán las mediciones de modo que sean representativas. Esto implica en primer lugar escoger qué variables serán medidas para obtener los valores de los parámetros requeridos por el modelo. Hay algunas variables que no necesitan ser medidas directamente, sino que se pueden calcular a partir de otras aunque en algunos casos, por razones de validación posterior, es aconsejable hacer algunas mediciones independientes. Posteriormente, se debe determinar la manera en que se realizarán las mediciones. (Ej: cronómetros, cámaras, opiniones de expertos, datos históricos, etc.). Asimismo hay que recolectar la cantidad de información necesaria para que la muestra sea significativa y poder realizar pruebas de bondad de ajuste. Dado que en muchas situaciones no es posible repetir el proceso de medición, esta etapa debe ser planificada con sumo cuidado. Ajustes: Cuando se termina la etapa de medición de variables, se procede a ajustar éstas a una distribución de probabilidad que represente de mejor manera el fenómeno estudiado. Para realizar este ajuste se recurre a las denominadas pruebas de bondad de ajuste, entre ellas se puede mencionar Chi- cuadrado y Kolgomorov-Smirnoff. 4. Modelo computacional. Cumplidos los pasos anteriores, se procederá a formular el modelo computacional, ya sea en un lenguaje de programación o en un software de simulación. La elección dependerá tanto de la complejidad el modelo, los recursos económicos y el tiempo que se disponga para resolver el problema. Simulación Discreta 8 5. Validación del modelo y de los resultados obtenidos. Concluida la construcción del modelo, es necesario validarlo. Para ello hay que verificar al “correr” el modelo que representa la situación actual, si se obtienen valores que representan los resultados del sistema real. Entre los métodos o herramientas que se utilizan con mayor frecuencia tenemos, inspección, intervalos de confianza y series de tiempo. 6. Proponer mejoras y evaluar el impacto. Validado el modelo, se pueden llevar a cabo modificaciones y evaluar si estas efectivamente contribuyen a mejorar el proceso. Simulación Discreta 9 1. Información relevante sobre distribuciones de probabilidad. Función binomial. Función Densidad Función Acumulada Parámetros .p= probabilidad de éxito .q= probabilidad de fracaso=(1-p) Media y varianza Media : np Varianza: np(1-p) Aplicaciones Se aplica en experimentos en donde sólo existen dos posibles resultados, como por ejemplo cálculo de la probabilidad de encontrar x artículos defectuosos en un lote de tamaño n, numero de artículos demandados de un inventario. Generación a partir de otras distribuciones No se genera de otras distribuciones. )()( xnx qp x nxf nx ...0 1 0 )( 0 )( x x xnx qp x nxF 0.. xpara 10 x xnpara .. Simulación Discreta 10 Función geométrica. Función Densidad Función Acumulada Parámetros .p= probabilidad de éxito .q= probabilidad de fracaso=(1-p) Media y varianza Media : q/p Varianza : q/p2 Aplicaciones Permite encontrar la probabilidad de que ocurra el primer éxito en una secuencia de eventos Bernoulli con probabilidad de éxito de cada evento igual a p. Asimismo permite calcular la probabilidad de entre un número n de artículos inspeccionados se encuentre el primer defectuoso Generación a partir de otras distribuciones La distribución geométrica es un caso especial de la distribución binomial negativa. )1()( xqpxf ...3,2,1x xqxF 1)( Simulación Discreta 11 Función de Poisson. Función Densidad Función Acumulada Parámetros : Media de la distribución Media y varianza Media: Varianza: Aplicaciones Número de eventos que ocurren en un intervalo de tiempo cuando dichos eventos son independientes entre sí, número de artículos demandados de un inventario, número de artículos en un batch de tamaño aleatorio. Generación a partir de otras distribuciones No se genera de otra distribución. 0 !)( x e xf x ...3,2,1,0x contrariocaso x i i i e xF 0 ! 0 )( 0x x0 Simulación Discreta 12 Función Exponencial. Función Densidad Función Acumulada Parámetros β=1/ >0 Media y varianza Media: β Varianza: β2 Aplicaciones Tiempo entre eventos independientes como arribos a un servicio que ocurren a tasa constante. Es importante mencionar que es la única distribución continua que posee la propiedad de pérdida de memoria Generación a partir de otras distribuciones Es un caso especial de las distribuciones Gamma y Weibull. caso otroen 0 0 si )( x e xf x caso otroen 0 0 si 1 )( x e xF x Simulación Discreta 13 Función Gamma. Función Densidad Donde es la función gamma definida por: Función Acumulada Parámetros >0, parámetro de forma β >0, parámetro de escala Media y varianza Media : β Varianza: β 2 Aplicaciones Para calcular el tiempo en completar cierta tarea, como atención a un cliente o reparación de una máquina. Generación a partir de otras distribuciones No se genera de otra distribución. caso otroen 0 0 si )( )( /1 x ex xf x 0z real númerocualquier para )( 0 1 dtetz tz caso otroen 0 0 si 1 )( ! )/(/ 1 0 x e xF j j j xx Simulación Discreta 14 Función Weibull. Función Densidad Función Acumulada Parámetros >0, parámetro de forma β >0, parámetro de escala Media y varianza Media : Varianza: Aplicaciones Usada para modelos de confiabilidad como por ejemplo período de vida de equipos, tiempo para completar un trabajo. Generación a partir de otras distribuciones No proviene de otra distribución caso otroen 0 0 si )( )/(1 x ex xf x caso otroen 0 0 si 1 )( )/( x e xF x )1( 22 11)2(2 Simulación Discreta 15 Función normal. Función Densidad Función Acumulada No posee Parámetros , parámetro de localización , parámetro de escala Media y varianza Media = Varianza= 2 Aplicaciones Representación de cantidades, como errores de mediciones, tallas, pesos,etc. Generación a partir de otras distribuciones No se genera de otra distribución reales los a pertenece x 2 1)( 22 2/)( 2 xexf Simulación Discreta 16 Función lognormal Función Densidad Función Acumulada No posee Parámetros , parámetro de localización , parámetro de escala Media y varianza Media = e+2/2 Varianza = e2+2(e2-1) Aplicaciones Representación de cantidades, tiempo en culminar cierta tarea. Generación a partir de otras distribuciones Procede de la distribución normal contrario caso 0 x 2 1 )( 22 2/)(ln 2 o e x xf x Simulación Discreta 17 Función beta. Función Densidad Donde β( 1,2) es la función Beta definida por: .para cualquier número real con z1 y z2 >0 Función Acumulada No posee Parámetros 1 y 2 parámetros de forma, ambos mayores a cero Media y varianza Media : 1/( 1+ 2) Varianza: Aplicaciones Usado como un modelo grueso en ausencia de datos, distribución de proporciones aleatorias como la proporción de artículos defectuosos en un embarque, tiempo para completar una tarea en una red PERT. Generación a partir de otras distribuciones No proviene de otra distribución caso otroen 0 10 si )2,1( )1( )( 1211 xxx xf dtttzz zz 1 0 1211 )1()2,1( )121()21( 21 2 Simulación Discreta 18 Función triangular. Función Densidad Función Acumulada Parámetros .a, b y c números reales con a<c<b .a es el parámetro de localización .b-a es el parámetro de escala .c es el parámetro de forma Media y varianza Media =(a+b+c)/3 Varianza= (a2+ b2+ c2- ab-ac-bc)/18 Aplicaciones Se usa como un modelo grueso en ausencia de datos Generación a partir de otras distribuciones No se genera de otras distribuciones caso otroen xc si ))(( )(2 cxa si ))(( )(2 )( o b cbab xb acab ax xf xb si 1 a xsi xc si ))(( )(1 cxa si ))(( )( )( 2 2 o b cbab xb acab ax xF Simulación Discreta 19 Estadística de Pearson. Donde: f ob: Frecuencia observada f es: Frecuencia esperada 2 , llamada estadística de Pearson para bondad de ajuste, da la sumatoria de discrepancia entre la frecuencia observada y el valor esperado bajo la hipótesis nula. Se demuestra que para un número grande de datos, y siendo cierta la hipótesis nula, estos es que los datos se ajustan a una distribución dada, 2 sigue una distribución ji-cuadrado con J-1 grados de libertad. A continuación se describirá la función Ji-cuadrado Función Densidad K = constante que depende del número de grados de libertad J = número de grados de libertad 2= estadística de Pearson Parámetros J : número de grados de libertad Media y varianza Media: j Varianza: 2j Aplicaciones Pruebas de bondad de ajuste. Generación a partir de otras distribuciones No proviene de otra distribución j es esob f ff 22 )( )1 2 (22/2 j Kef Simulación Discreta 20 Distribución normal (0,1) Distribución Lognormal (0,1) Distribución Weibull (,1) 0 0,1 0,2 0,3 0,4 0,5 -4 -2 0 2 4 f(x ) 0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0 1 2 3 4 -0,2 0 0,2 0,4 0,6 0,8 1 1,2 1,4 0 1 2 3 4 alfa 0,5 alfa 1 alfa2 alfa 3 Simulación Discreta 21 Distribución Gamma (,1) Distribución Exponencial(1) Distribución beta (1,2) 0 0,2 0,4 0,6 0,8 1 1,2 1,4 0 1 2 3 4 alfa 0,5 alfa 1 alfa 2 alfa 3 0 0,2 0,4 0,6 0,8 1 1,2 0 5 10 15 0 0,5 1 1,5 2 2,5 3 0 0,5 1 1,5 alfa1:1,5, alfa2:5 alfa1:3;alfa2:1,5 Simulación Discreta 22 Distribución triangular (a=1, c=3, b=7) Distribución binomial (p=0.1, n=10) Distribución binomial (p=0.5, n=10) 0 0,05 0,1 0,15 0,2 0,25 0,3 0,35 0 2 4 6 8 0 0,1 0,2 0,3 0,4 0,5 1 2 3 4 5 6 7 8 9 10 11 p=0,1 0 0,05 0,1 0,15 0,2 0,25 0,3 1 2 3 4 5 6 7 8 9 10 11 p=0,5 Simulación Discreta 23 Software existente en el mercado para simulación. (Fuente: http://www.lionhrtpub.com/orms/surveys/Simulation/) System Requirements Software Vendor Typical Applications of the software Primary Markets for which the software is appliedRAM Operating Systems @RISK Palisade Corporation @RISK is a risk analysis tool using Monte Carlo simulation to show all possible outcomes, and their likelihood of occurrence. Manufacturing, energy, finance, insurance, six sigma, medical, agriculture, transportation, government, academic, environment 32 Microsoft Windows 2000 or higher AgenaRisk Agena Probability analysis, statistical simulation, artificial intelligence, bayesian networks, business modeling, risk assessment, Industry, government, education, telecommunications, financial services, healthcare, pharmaceuticals, energy, environment, re 256MB min Windows XP/2000, Unix, Linux Analytica 4.0 Lumina Decision Systems, Inc. Investment, risk, decision, portfolio network flow analysis; systems dynamics; resource, R&D planning; organization simulatio Business, financial, public policy, energy, environmental, healthcare, defense, manufacturing, education, telecommunication 128 Windows 98, 2000, NT, XP, Vista AnyLogic XJ Technologies Forecasting and strategic planning, process analysis and optimization, optimal operational management, process visuallization Logistics, supply chains, manufacturing, healthcare, consumer markets, project management, busines processes, military 512MB, 1GB recommended Windows. Mac OS, Linux Arena Rockwell Automation Facility design/configuration, scheduling, passenger and baggage-handling processes, patient management, dispatching strategy Airports, healthcare, logistics, supply chain, mfg., military, business process, call centers, steel, paper, mining, ports 128M Windows 2000/Server 2003/XP/Vista (in V12) Arena Contact Center Rockwell Automation Staffing, work strategies, campaign planning, customer metrics, back office, skill-based routing, ... Call centers and contact centers of all types, single/multi-site, local/global, unlimited size/complexity 128M Windows 2000/Server 2003/XP/Vista (in V12) AutoMod Applied Materials Inc. Discrete event simulation to improve the design, configuration and optimization of material handeling processes Distribution centers, warehouses, automotive, airports, equipment, shipping, semiconductor, and manufacturing 1 GB Window XP Professional AutoSched AP Applied Materials Inc Capacity analysis and planning and short interval scheduling Semiconductor industry 1 gig min Windows XP Bulesss Simulation Software Stanislaw Raczynski General purpose simulation system. Generates C++ source code. Academic, engineering, industry, manufacturing 248Mb Windows 98 or later, NT, XP, requires Borland's C++Builder Certified Distributions for use with Monte Carlo simulation AnalyCorp Probability management, see http://www.lionhrtpub.com/orms/ orms-2-06/frprobability.html Project portfolio, supply chain, finance Crew Station Design Tool (CSDT) Alion Science and Technology The CSDT allows users to visualize and optimize the location of controls and displays within a crew station. Aviation (e.g., aircraft cockpits), military, nuclear power plants, and car manufacturers 256 MB RAM Microsoft Windows XP, 2000, or NT Crystal Ball Professional Oracle's Crystal Ball Global Business Unit Business planning and analysis, cost/benefit analysis, risk management, petroleum exploration, environmental assessment . . . Financial services, environmental, oil and gas, pharmaceuticals, telecom, manufacturing, energy, utilities, insurance . . . 512 MB Microsoft Windows 2000, XP and Vista Crystal Ball Standard Oracle's Crystal Ball Global Business Unit Investment and financial; cost and benefit analysis; risk and project management; petroleum exploration; Six Sigma . . . Financial services, environmental, oil and gas, pharmaceuticals, telecom, manufacturing, energy, utilities, insurance . . . 512 MB Microsoft Windows 2000, XP and Vista CSIM 19 Mesquite Software Modeling systems Computer systems, communications, education, research 1 - 1000 MB Windows, Linux, Solaris CSIM for Java Mesquite Software Modeling complex systems Education, research 10 - 1000MB Any system with Java eM-Plant UGS Tecnomatix PLM Software Strategic production decissions Automotive OEM; high bay warehouses; logistic supplier; engineering houses 128 MByte Microsoft Windows 2000, Microsoft Windows XP Simulación Discreta 24 Emergency Department Simulator ProModel Corporation Emergency Department throughput, staffing, patient flow, and efficiency analysis. Emergency Department Performance Improvement 128MB min, 512MB recommended Windows 2000, XP Enterprise Dynamics Incontrol Enterprise Dynamics Logistics, material handling, manufacturing, call center applications, process improvement, capacity planning Airports, railways, public infrastructure, automotive, steel, electronics, food and beverage, consumer goods 64Mb Windows 98/2000/XP/Vista ExpertFit Averill M. Law & Associates discrete-event simulation, Monte Carlo simulation, data analysis in general defense, manufacturing, transportation, education minimal Windows ExtendSim AT Imagine That Inc. It is particularly well-suited to manufacturers operating in a mixed-mode environment: batch process and discrete event. Any industry that operates in a high-speed or high-volume arena: distribution logistics, call centers, packaging lines, etc. 512 MB Windows Vista, XP, 2000, 2003 Server, or better ExtendSim OR Imagine That Inc. Message-based discrete event architecture to model processes involving physical or logical objects moving through systems. Manufacturing and business modeling; communication systems, healthcare, Six Sigma, transportation, service, education, etc. 512 MB Windows Vista, XP, 2000, 2003 Server, or better ExtendSim Suite Imagine That Inc. Professional 3D modeling of continuous, discrete event and discrete rate processes. When impressive presentations count. 3D modeling of manufacturing, logistics, business, government, eductation, engineering.. 512 MB Windows Vista, XP, 2000, 2003 Server, or better Flexsim CT (Container Terminals) Flexsim Software Products, Inc. Simulation of container ports including: yard, land, sea, and rail, cranes, gangs, yard blocks, carriers. Links with TOS Terminal operating companies, port consultants, TOS providers, port automation integrators, homeland security 512 Windows (XP, 2000, Vista) Flexsim Simulation Software Flexsim Software Products, Inc. Manufacturing, material handling, warehousing, supply chain, process improvement, lean, healthcare, continuous, food Manufacturing, healthcare, distribution, warehousing, supply chain, transportation, food processing, logistics 512 Windows (XP, 2000, Vista) Flexsim Warehouse Analyzer Flexsim Software Products, Inc. Use to analyze slotting and picking of warehouse operations Warehousing, slotting, layout, building configuration and optimization. 512 Windows (XP, 2000, Vista) ForeTell-DSS DecisionPath, Inc. Critical decision support, org. change mgmt, competitive marketing strategy, risk mgmt, counter-terrorism preparedness Government, life sciences, financial services 512 MB Windows, Mac OS, Linux GoldSim GoldSim Technology Group water resources, mining, hazardous waste management, probabilistic risk analysis, reliability and throughput analysis Mining, water resources, aerospace and defense, engineering and management consulting, insurance, waste management 256 Windows 2000 and above GPSS/H Wolverine Software Corporation Queueing models General purpose 256 MB Windows 2000/XP/Vista Integrated Performance Modelling Environment (IPME) Alion MA&D Operation Human factors, human performance modeling, examining stressors in environmentsMilitary, nuclear, transportation, academia 512MB Windows XP, Windows 2000, RedHat Enterprise Linux, Mandrake Linux 10.X L-SIM Lanner Group Java based Simulation Component for embedding into 3rd party Process or Application suites Manufacturing, aerospace & defense, federal, homeland security, pharmaceuticals, energy, aviation, health, IT 256MB Windows 2000, NT, XP and VISTA Lean-Modeler Visual8 Corporation Value stream mapping, lean implementation, process improvement Automotive, energy, health care, logistics, manufacturing, metals, business process re-engineering minimum 64MB Windows 95, 98, ME, NT 4, 2000, XP, Vista MAST CMS Research Inc MAST uses part routing and production information to determine kanban loops, product flows, and optimal operation plan Lean manufacturing implementation: analysis of process maps Windows 2000 or higher MedModel Optimization Suite ProModel Corporation Design, plan, evaluate and improve processes of hospitals, clinics, and other healthcare systems to optmize performance Hospitals, Clinics, Healthcare Systems, Medical Device Manufacturing and Sales 512MB min; Recommend 1 GB Windows 2000, XP Micro Saint Sharp Alion Science and Technology Micro Saint Sharp is a powerful general-purpose discrete event simulation tool that allows users to build models of processes Typical markets include human performance, manufacturing, healthcare, supply chain, and command and control modeling. 128MB Microsoft Windows Vista, Server 2003, XP, 2000, 98, ME (Operating systems must support the Microsoft .NET Simulación Discreta 25 Framework 2.0) MyM Tizio BV MyM is an integrated environment for the development, visualization and application of simulations of dynamic systems Government, Academic, Environment, Energy, Finance, Population, Health, Business 512MB, 1Gb recommended Windows XP, Vista (OSX and Linux soon to come) mystrategy Global Strategy Dynamics Ltd Business and strategy planning Not industry-specific. Used by strategy professionals and wider management as alternative to dynamic modeling spreadsheets 32MB min., 64MB+ recom. Windows 98SE or later NAG C Library Numerical Algorithms Group product pricing optimization, portfolio optimization, statistical analysis, fluid dynamics finance,energy,engineering,education,earth sciences,life sciences problem- dependent Windows(NT/XP/Vista), Linux, Solaris, AIX, HP-UX, Mac OS X NeuralTools Palisade Corporation New drug effectiveness, power grid fault detection, tumor & tissue , quality control & Six Sigma, structural fault detection. Manufacturing, energy, insurance, medical, Six Sigma, agriculture, finance, transportation, government, academic, environment 32 MB Microsoft Windows 2000 or higher Plant Simulation (=eM-Plant ; =SiMPLE++) Siemens (UGS, Tecnomatix, AESOP) Plant Simulation enables the simulation and optimization of production systems. Automotive; Suppliers; Shipyards; Electronic and White goods; CPG; Line Builder; Design houses 128 MB RAM Microsoft Windows 2000 with SP 4 or Windows XP Portfolio Simulator ProModel Corporation Simultaneous simulation analysis and optimization of multiple project plans across the entire portofolio of projects. Project and Portfolio Planning, Strategic Resource Capacity Planning; New Product Development, R&D, Scheduling 512MB min; Recommend 1 GB Windows 2000, XP Process Simulator ProModel Corporation Lean, Six Sigma, value stream mapping, process mapping, flow chart simulation, continuous process improvement All 512MB min.; recommend 1 GB Windows 2000, XP, Vista; Also needs MS Visio 2002, 2003 or 2007 ProcessModel Professional ProcessModel, Inc. Business process improvement - all areas All Profimax, Techno Therm Plus, Technical Audit, Techno Maint, Techno Plan, Techno Corr, Techno Blend, Process Models for HPI Techno Software International Profit, productivity, performance maximization, energy, environment, maintenance, production management & auditing Process, power plants, design organizations 256 MB Windows XP, Windows 2000 Project Simulator ProModel Corporation Enables project managers to rapidly visualize, analyze and optimize their project plans Anyone who uses Microsoft Project 512MB min; Recommend 1 GB Windows 2000, XP ; Also needs MS Project 2003 ProModel Optimization Suite ProModel Corporation Lean, Six Sigma, capacity planning, cost analysis, process modeling, cycle time reduction, throughput optimization and more Manufacturing and logistics, pharmaceutical, defense 512MB min.; recommend 1 GB Windows 2000, XP Proof Animation Wolverine Software Corporation Animation of discrete-event simulation models Applications requiring high-quality animation of large numbers of objects 256 MB Windows 2000/XP/Vista Quantitative Methods Software (QMS) QuantMethods QMS contains modules for the most used mathematical models in the Decision Sciences. Higher education, logistics, manufacturing 1 Gb Windows, Linux and UNIX variants, Mac OS Renque Renque Corporation Renque is designed for general- purpose discrete event simulations. service stations such as airports and call centers; road and rail traffic; industrial production lines 512Mb Microsoft Windows SAIL CMS Research Inc SAIL provides simulation based scheduling and performance monitoring of flexible manufacturing Manufacturing where a variety of parts share the same machines on a daily basis Windows 2000 or higher ServiceModel Optimization Suite ProModel Corporation Design, plan, evaluate and improve service industry systems such as Financial Services, Logistics, Business Re- Engineering Financial Services, Logistics, Transportation, Food & Hotel Services, Entertainment, and Other Service Industries 512MB min; Recommend 1 GB Windows 2000, XP Simulación Discreta 26 ShowFlow 2 Webb Systems Limited Manufacturing, Logistics Manufacturing and Logistics 512Mb All Windows up to and including XP ShowFlow Simulation Software Incontrol Enterprise Dynamics GmbH simulation of material flow and more generally of process flow small an medium sized companies 32MB Windows 95, 98, ME, 2000, XP, Vista Sigma Custom Simulations Large-scale, highly-congested, and/or complex systems where entity flow simulators are ineffective. Simulation education, bioproduction, semiconductor fabs and tools — any large- scale discrete-event system. 640K Windows SimCad Pro CreateASoft, Inc. Dynamic process simulation software with lean support , 3D visualization, scheduling and value stream mapping. Healthcare, material handling, logistics, warehousing, manufacturing, high mix/jobshops, document flow, general services. 512MB Windows 2000, Windows XP, Windows Vista SIMPROCESS CACI Product's Company Combines process mapping, flow charting, discrete event simulation, activity based costing in a single easy to use product Commercial, government, military, education, public, private 512 Windows 2000 or greater SIMUL8 Professional SIMUL8 Corporation Optimize throughput, maximize resource utilization, identify bottlenecks, reduced risk decisions, process management, learning and training. For comprehensive, easy to build simulations requiring power features. Business processes: call center, manufacturing, supply chain, logistics, healthcare, financial, education 128M + OS All Windows editions, Linux, Mac OS SIMUL8 Standard SIMUL8 Corporation Optimize throughput, maximize resource utilization, identify bottlenecks, reduced risk decisions, process management, learning and training. For comprehensive, easy to build simulations.Business processes: call center, manufacturing, supply chain, logistics, healthcare, financial, education 128M + OS All Windows editions, Linux, Mac OS SLIM MJC2 Limited Strategic logistics and transport network modelling and optimization. All markets 1-2GB Many, including Windows & Unix SLX Wolverine Software Corporation High-end, unique applications that require features not built into off-the-shelf simulation software Air traffic control, homeland security, telecommunications, logistics 256 MB Windows 2000/XP/Vista Stat::Fit Geer Mountain Software Corp. Statistically fits input data to analytical distributions and exports into specific forms for simulation software. Simulation and modeling, risk assessment, reliability, quality, engineering and financial management. 4MB PC/Windows STATISTICA StatSoft Comprehensive array of data analysis, data management, data visualization, and data mining procedures. Manufacturing, Research, Finance, Insurance, Chemical/Petrochemical, Healthcare 256MB Windows 2000 or above The DecisionTools Suite Palisade Corporation Risk & decision analysis: cost estimating, resource allocation, Six Sigma & quality analysis, supply chain distr., and more. Manufacturing, energy, finance, insurance, Six Sigma, medical, agriculture, transportation, government, academic 32 MB Microsoft Windows 2000 or higher Vanguard System Vanguard Software Corporation Collaborative modeling, strategic planning, risk analysis, forecasting, portfolio management, optimization, Web- based what-if Consulting (internal/external), manufacturing, financial services, pharmaceuticals, sales/marketing, finance, Six Sigma 128MB Windows 2000, XP, Vista VISIO Simulation Solution Lanner Group VISIO based simulation Manufacturing, aerospace & defense, federal, homeland security, pharmaceuticals, energy, aviation, health, IT 256MB Windows NT 4 (SP3 and above), Windows 2000, Windows XP, Windows VISTA WebGPSS Beliber AB General purpose discrete events simulation Education, esp. students of business, OR, logistics, supply chain systems 16 MB Windows WITNESS Simulation Lanner Group Strategy validation, operational planning and process improvement Manufacturing, aerospace & defense, federal, homeland security, pharmaceuticals, energy, aviation, health, IT 256 Windows NT 4 (SP3 and above), Windows 2000, Windows XP, Windows VISTA XLSim® AnalyCorp Executive education, small Monte Carlo applicaitons in Excel General Purpose Windows, all Simulación Discreta 27
Compartir