SIMUL8 Y LA EVOLUCIÓN TECNOLÓGICA

Lucas Toffolon, Candela Rivarola, Patrick Lopez, Facundo Ariel Longo, Agustin Dario Tamae Nakazato
Universidad Abierta Interamericana — Facultad de Tecnología Informática — 16 de marzo de 2026

◆ Resumen

Este trabajo valida la precisión de SIMUL8 como herramienta de simulación de eventos discretos (DES) mediante un modelo M/M/1 con parámetros controlados (λ=10, μ=15). Con 50 replicaciones (480 min, warm-up 60 min), los errores resultaron inferiores al 5% respecto a los valores analíticos. Se analiza además la evolución de SIMUL8 a través de cuatro generaciones hasta su integración con la Industria 4.0.

▶ Introducción

La simulación digital permite probar mejoras operativas sin poner en riesgo los sistemas del mundo real.

  • Caso de prueba: Sistema teórico de cola única y un servidor (modelo M/M/1).
  • Resultados: Tras 50 replicaciones, SIMUL8 demostró precisión altísima con error < 5%.

■ Marco Teórico: Teoría de Colas

  • Analiza sistemas donde entidades compiten por recursos limitados.
  • Modelo M/M/1: Llegadas Poisson (λ), Servicio exponencial (μ), 1 servidor.
  • Notación Kendall: A/S/c

Fórmulas M/M/1

ρ = λ/μ
L = ρ/(1−ρ)
W = 1/(μ−λ)
Lq = ρ²/(1−ρ)
Wq = ρ/(μ−λ)

↻ Simulación de Eventos Discretos

  • Modela sistemas mediante eventos en el tiempo.
  • Reloj de simulación + Future Event List (FEL).
  • Analiza sistemas complejos, escenarios what-if.
  • Evaluar cambios antes de aplicarlos en la realidad.
  • Base probabilística: procesos estocásticos y Monte Carlo.

⚙ SIMUL8: Evolución — 4 Generaciones

De herramienta visual básica a plataforma avanzada de análisis y optimización.

▦1ra Gen (1990s)Interfaz visual por bloques.
☰2da Gen (2000s)Replicaciones, exportación Excel.
⚙3ra Gen (2010s)ERP, algoritmos evolutivos.
☁4ta Gen (2020s)Nube, IoT, IA, Gemelos Digitales.

⚖ Ventajas y Limitaciones

Ventajas

  • Experimentar sin intervenir el sistema real
  • Interfaz visual (diagramas de flujo)
  • Distribuciones estadísticas
  • Integración: Excel, ERP, BD

Limitaciones

  • Modelos grandes difíciles de gestionar
  • Requiere validación con datos reales
  • Licencia comercial necesaria
  • Animaciones simples

⚒ Metodología

Validación cruzada entre predicciones analíticas y resultados simulados. Modelo M/M/1.

Parámetros del Sistema

λ
10 cl/h
Llegadas
μ
15 cl/h
Servicio
ρ
0,667
Utilización

▷ Implementación en SIMUL8

Arquitectura de Bloques

Entry PointDist. exponencial
→
QueueFIFO, ilimitada
→
Work Center1 servidor exp.
→
Exit PointRegistro

Ejecución

  • Replicaciones: 50 independientes
  • Horizonte: 480 min (turno 8h)
  • Warm-up: 60 min descartados

✓ Resultados — Validación M/M/1

MétricaAnalíticoSimulación (x̄ ± σ)Error
Utilización (ρ)0,6670,671 ± 0,0080,60%
N.º en sistema (L)2,0002,087 ± 0,1424,35%
Tiempo sistema (W)12,00 min12,52 ± 0,89 min4,33%
N.º en cola (Lq)1,3331,394 ± 0,1384,58%
Tiempo cola (Wq)8,00 min8,37 ± 0,87 min4,63%
ρ = 0,667
Alta Utilización
≤ 5% error en todas las métricas

▲ Análisis de Sensibilidad

λρLWWq (min)
50,3330,506,00
2,00
80,5331,148,57
4,57
100,6672,0012,00
8,00
120,8004,0020,00
16,00
140,93314,0060,00
56,00
Caso crítico: Al incrementar ρ de 0,667 a 0,933, Wq aumenta 7x (de 8 a 56 min). Crecimiento no lineal cerca de la saturación.

◈ Discusión

De la gestión empírica a la experimentación digital:

Era 1Gestión Empírica
Era 2Modelos Analíticos
Era 3Simulación DES
Era 4Industria 4.0

La simulación DES (M/M/1) evoluciona en SIMUL8 hacia una herramienta digital crítica para la ingeniería moderna.

✔ Conclusiones

✓ Precisión demostrada SIMUL8 reprodujo las métricas analíticas con error < 5%.
✓ Consistencia Motor de eventos discretos altamente robusto frente al modelo teórico de estado estacionario.
✓ Superación analítica Detecta cuellos de botella en sistemas multi-etapa donde las fórmulas cerradas fallan.

⚠ Industria 4.0 y Limitaciones

  • Evolución: SIMUL8 es puente entre gestión empírica e Industria 4.0.
  • Democratización: Facilita experimentación virtual, reduce riesgos físicos.

Limitaciones críticas

  • Sensibilidad a supuestos estadísticos iniciales.
  • Dependencia de datos históricos reales.
  • Mantenimiento complejo en modelos de escala extrema.

☍ Referencias

[1] Banks, J. et al. (2010). Discrete-Event System Simulation (5th ed.). Pearson.

[2] Concannon, K. H. et al. (2003). SIMUL8-planner for Composites Manufacturing. Proc. WSC 2003.

[3] Fishman, G. S. (2001). Discrete-Event Simulation. Springer.

[4] Gross, D. et al. (2008). Fundamentals of Queueing Theory (4th ed.). Wiley.

[5] Kelton, W. D. et al. (2015). Simulation with Arena (6th ed.). McGraw-Hill.

[6] Law, A. M. (2015). Simulation Modeling and Analysis (5th ed.). McGraw-Hill.

[7] SIMUL8 Corporation. (2024). SIMUL8 Simulation Software.

[8] Robinson, S. (2004). Simulation: The Practice of Model Development and Use. Wiley.

[9] Tao, F. et al. (2019). Digital Twin in Industry. IEEE Trans. Ind. Informatics, 15(4).

[10] Winston, W. L. (2004). Operations Research (4th ed.). Thomson.

[11] Hillier, F. S. & Lieberman, G. J. (2010). Intro. to Operations Research (9th ed.). McGraw-Hill.

SIMUL8 Y LA EVOLUCIÓN TECNOLÓGICA — Toffolon, Rivarola, Lopez, Longo, Tamae Nakazato — UAI, Facultad de Tecnología Informática — Marzo 2026