DiplomadoIngeniería industrial y operaciones
Simulación de procesos productivos
El diplomado Simulación de procesos productivos proporciona al estudiante las bases estadísticas y las herramientas para construir, verificar y validar modelos de simulación de eventos discretos en FlexSim, Arena o Python con SimPy. Le permite comparar escenarios de mejora en sistemas productivos y logísticos con intervalos de confianza y sustentar decisiones de inversión antes de ejecutarlas.
A quién va dirigido
Profesionales y estudiantes avanzados de ingeniería industrial, producción y logística; se recomienda estadística básica y Excel.
Objetivos
✓Comprender los tipos de simulación, la generación de números aleatorios y las etapas de un estudio de simulación.
✓Analizar datos de tiempos y llegadas ajustando distribuciones de probabilidad con pruebas de bondad de ajuste en Input Analyzer o SciPy.
✓Aplicar el modelado de eventos discretos con entidades, recursos y colas en FlexSim, Arena o Python con SimPy.
✓Diseñar experimentos de simulación con período de calentamiento, réplicas y comparación de escenarios de mejora.
✓Evaluar alternativas de inversión con intervalos de confianza y recomendar decisiones sustentadas en un modelo validado.
Plan de estudios por sesión
1
Sistemas, modelos y simulaciónSistemas, modelos y tipos de simulación · Simulación Monte Carlo en Excel
2
Estudio de simulación y aleatoriedadGeneración de números aleatorios · Etapas de un estudio de simulación
3
Datos de entrada del procesoRecolección de datos de tiempos y llegadas · Ajuste de distribuciones y pruebas de bondad de ajuste
4
Herramientas de ajuste y datos escasosUso de Input Analyzer o Python con SciPy · Datos escasos y distribuciones empíricas
5
Modelado de eventos discretosEntidades, recursos, colas y atributos · Modelado en FlexSim o Arena
6
Modelado en código y comunicaciónModelado en Python con SimPy · Animación y comunicación del modelo
7
Verificación y validación del modeloTécnicas de verificación · Validación contra datos reales
8
Estado estable y réplicasPeríodo de calentamiento · Número de réplicas
9
Análisis de resultados de simulaciónIntervalos de confianza · Comparación de escenarios
10
Experimentación y optimizaciónDiseño de experimentos · Optimización con simulación
11
Proyecto de simulación: sistema realModelado de un sistema real · Escenarios de mejora
12
Presentación del proyecto finalInforme técnico · Sustentación
Evaluación
Inicial30%Ejercicio de simulación Monte Carlo en Excel; taller de ajuste de distribuciones a datos reales de llegadas y tiempos de servicio.
Intermedio30%Modelo de eventos discretos de un sistema de colas en FlexSim, Arena o SimPy; informe de verificación, validación y cálculo de réplicas.
Final40%Proyecto final: modelo validado de un proceso real con comparación de escenarios, informe técnico, recomendación de inversión y sustentación.
Proyecto final
Modelo de simulación validado de un proceso productivo o logístico real con comparación de escenarios y recomendación de inversión.