Diseño de Experimentos (DoE) utilizando FlexSim

Esta capacitación se centra en el uso del Experimenter de FlexSim para gestionar la variabilidad estocástica. Los docentes aprenderán a configurar experimentos multivariables, determinar el impacto de diferentes factores en el sistema y asegurar que las comparaciones entre escenarios tengan validez estadística mediante el uso de intervalos de confianza y réplicas.

Objetivos de Aprendizaje

• Dominar el Rigor Estadístico: Configurar correctamente réplicas y tiempos de calentamiento (warm-up) para eliminar el sesgo de datos.
• Diseñar Experimentos Multivariables: Utilizar el Experimenter para evaluar simultáneamente cambios en múltiples variables (ej. Número de montacargas, capacidad de buffers y velocidad de procesamiento).
• Interpretar los Resultados: Analizar técnicamente gráficas de cajas (boxplot), histogramas y tablas de correlación para identificar tendencias y variabilidad.
• Validar Hipótesis de Ingeniería: Enseñar a los estudiantes a determinar si una mejora en el sistema es realmente significativa o si cae dentro del margen de error estadístico.

Metodología Se propone un enfoque de Ingeniería de Datos en Simulación:

1. Auditoría de Modelos: Se inicia con un modelo “ruidoso” (con mucha variabilidad) para demostrar por qué una sola corrida de simulación es insuficiente.
2. Laboratorio de Sensibilidad: Los docentes realizarán pruebas de estrés variando parámetros críticos para ver cómo responde el sistema.
3. Análisis Comparativo Técnico: Uso intensivo de las herramientas de visualización estadística de FlexSim para comparar escenarios de lado a lado. Contenido

• La ciencia detrás de la Simulación
  • Variabilidad y Réplicas: Por qué el promedio no es suficiente.
  • Configuración del Experimenter: Creación de variables de desempeño (Performance Measures) y Parámetros (Parameters).
  • Determinación del Warm-up Time: Cómo identificar el estado estable del sistema para evitar datos contaminados por el arranque.
• Configuración y Ejecución de Experimentos
  • Definición de Escenarios: Configuración de matrices de experimentos.
  • Gestión de Réplicas: Cómo calcular cuántas réplicas son necesarias para obtener un intervalo de confianza aceptable.
• Análisis de Resultados y Visualización Estadística
  • Interpretar los resultados: Análisis profundo de los Box Plots (cuartiles, mediana y valores atípicos).
  • Comparación de Escenarios: Uso de intervalos de confianza para determinar si existe diferencia estadística entre dos propuestas de mejora.
  • Análisis de Sensibilidad: Identificación de qué variables tienen mayor impacto en los KPIs del sistema.
• Aplicación en el Aula y Proyectos
  • Diseño de Laboratorios: Cómo pedir un informe de simulación que incluya sustento estadístico.
  • Casos de Estudio de Investigación de Operaciones: Aplicación a problemas de colas y gestión de inventarios.