Hispanopedia Wiki
Articulo de referencia

AnyLogic

AnyLogic Timeline [https://www.anylogic.com/company/timeline/ the official web-site] {{Webarchive|url=https://web.archive.org/web/20180210002453/https://www.anylogic.com/company...

Hispanopedia WikiContenido en espanolLectura gratuita

AnyLogic es una herramienta de modelado de simulación multimétodo desarrollada por The AnyLogic Company (anteriormente XJ Technologies). [ 5 ] Admite metodologías de simulación basadas en agentes , eventos discretos y dinámica de sistemas . [ 6 ] AnyLogic es un software de simulación multiplataforma que funciona en Windows , macOS y Linux . [ 6 ] AnyLogic se utiliza para simular: mercados y competencia, [ 7 ] atención médica, [ 8 ] [ 9 ] fabricación, [ 10 ] cadenas de suministro y logística, [ 11 ] [ 12 ] comercio minorista, [ 13 ] [ 14 ] procesos comerciales, [ 15 ] dinámica social [ 16 ] y de ecosistemas, [ 17 ] defensa, [ 18 ] gestión de proyectos y activos, [ 19 ] dinámica peatonal [ 20 ] y tráfico rodado, [ 21 ] TI, [ 22 ] y aeroespacial. [ 23 ] Se considera que está entre los principales actores en la industria de la simulación, especialmente dentro del dominio de los procesos de negocio, y se reconoce como una herramienta poderosa. [ 24 ] [ 25 ]

Historia

A principios de la década de 1990, surgió un gran interés por el enfoque matemático para el modelado y la simulación de procesos paralelos. Este enfoque se aplicó al análisis de la corrección de programas paralelos y distribuidos. [ 26 ] El grupo de investigación de Redes de Computadoras Distribuidas (DCN) de la Universidad Politécnica de San Petersburgo desarrolló un sistema de software para el análisis de la corrección de programas; la nueva herramienta se denominó COVERS (Verificación y Simulación Concurrente). Este sistema permitió utilizar notación de modelado gráfico para describir la estructura y el comportamiento del sistema. La herramienta se desarrolló con la ayuda de una beca de investigación de Hewlett-Packard (conocida comúnmente como HP).

Tres enfoques de simulación empresarial

En 1998, el éxito de esta investigación inspiró al laboratorio DCN a organizar una empresa con la misión de desarrollar una nueva generación de software de simulación. El desarrollo se centró en métodos aplicados: simulación, análisis de rendimiento, comportamiento de sistemas estocásticos , optimización y visualización. El software resultante se lanzó en 2000 e incorporaba las últimas tecnologías de la información: un enfoque orientado a objetos, elementos del estándar UML , el uso de Java y una interfaz gráfica de usuario moderna . [ 27 ]

La herramienta se denominó AnyLogic porque admitía los tres enfoques de modelado más conocidos: dinámica de sistemas , [ 16 ] simulación de eventos discretos , [ 28 ] modelado basado en agentes , [ 29 ] y cualquier combinación de estos enfoques dentro de un único modelo. [ 30 ] [ 31 ] La primera versión de AnyLogic fue V4 [ 32 ] porque la numeración continúa la numeración de COVERS 3.0.

AnyLogic 5 se lanzó en 2003. La nueva versión se centró en la simulación de negocios en diferentes industrias. [ 33 ] AnyLogic 7 se lanzó en 2014. [ 34 ] Incluía muchas actualizaciones destinadas a simplificar la creación de modelos, incluyendo soporte para modelado multimétodo, menor necesidad de codificación, bibliotecas renovadas y otras mejoras de usabilidad. AnyLogic 7.1, también lanzado en 2014, incluyó una nueva implementación de SIG: además de mapas basados ​​en shapefile, AnyLogic comenzó a admitir mapas de mosaicos de proveedores en línea gratuitos, incluyendo OpenStreetMap. [ 35 ]

En 2015 se lanzó AnyLogic 7.2 con la base de datos integrada y la biblioteca Fluid. [ 36 ] Desde 2015, AnyLogic Personal Learning Edition (PLE) está disponible gratuitamente con fines educativos y de autoaprendizaje. La licencia PLE es perpetua, pero el tamaño de los modelos creados es limitado. [ 37 ]

La nueva biblioteca de tráfico rodado se introdujo en 2016 con AnyLogic 7.3. [ 38 ]

AnyLogic 8 se lanzó en 2017. A partir de la versión 8.0, el entorno de desarrollo de modelos de AnyLogic se integró con AnyLogic Cloud , un servicio web para análisis de simulación. [ 39 ] [ 1 ]

La plataforma para el entorno de desarrollo de modelos AnyLogic 8 es Eclipse . [ 40 ]

A partir de la versión 8.2, el software introdujo imágenes dinámicas y mejoró la cartografía SIG. [ 41 ] La biblioteca de manipulación de materiales se añadió en la versión 8.3, proporcionando herramientas avanzadas para simular fábricas y almacenes. [ 42 ] Las versiones posteriores continuaron mejorando estas características, permitiendo simulaciones más complejas y multinivel, como edificios y sistemas de vehículos guiados automáticamente .

AnyLogic 8.4 y versiones posteriores perfeccionaron aún más las capacidades de transporte y manipulación de materiales, incluyendo la introducción de transportadores que se mueven sin trayectorias de guiado y sistemas de cintas transportadoras más flexibles. [ 43 ] AnyLogic 8.7 amplió las capacidades con grúas aéreas, simulaciones de áreas peatonales con restricciones de capacidad y soporte para reglas de distanciamiento social. [ 44 ]

Con la versión 8.8, la transición a Java 11 simplificó el proceso de codificación, mejorando la creación y ejecución de modelos. AnyLogic 8.9 incorporó Git para un mejor control de versiones e introdujo un analizador de volcados de memoria para una depuración mejorada. [ 45 ] En AnyLogic 8.9.2, se introdujo el conector NVIDIA Omniverse, que permite a los usuarios vincular sus simulaciones con animaciones detalladas. Esta conexión permite a los usuarios exportar modelos 3D de AnyLogic a NVIDIA Omniverse, mejorando la calidad visual y facilitando la colaboración. [ 46 ]

AnyLogic y Java

Cómo se corresponden los enfoques de simulación con el nivel de abstracción

AnyLogic incluye un lenguaje de modelado gráfico y también permite al usuario extender los modelos de simulación con código Java . [ 40 ] La naturaleza Java de AnyLogic se presta a extensiones de modelos personalizadas a través de codificación Java. [ 47 ]

Características

Lenguaje de simulación

Construcciones de lenguaje de simulación proporcionadas por AnyLogic

El lenguaje de simulación AnyLogic consta de los siguientes elementos:

  • Los diagramas de existencias y flujos se utilizan para el modelado de dinámica de sistemas. [ 48 ]
  • Los diagramas de estados se utilizan principalmente en el modelado basado en agentes para definir el comportamiento de los agentes. También se utilizan con frecuencia en el modelado de eventos discretos, por ejemplo, para simular fallos de máquinas. [ 49 ] [ 50 ]
  • Los diagramas de acciones se utilizan para definir algoritmos. Se pueden usar en el modelado de eventos discretos, por ejemplo, para el enrutamiento de llamadas, o en el modelado basado en agentes, por ejemplo, para la lógica de decisión de los agentes. [ 51 ] [ 52 ]
  • Los diagramas de flujo de procesos son la construcción básica que se utiliza para definir procesos en el modelado de eventos discretos. Al observar este diagrama de flujo, se puede apreciar por qué el estilo de eventos discretos se denomina a menudo centrado en procesos. [ 53 ]

El lenguaje también incluye construcciones de modelado de bajo nivel (variables, ecuaciones, parámetros, eventos, etc.), formas de presentación (líneas, polilíneas, óvalos, etc.), herramientas de análisis (conjuntos de datos, histogramas, gráficos), herramientas de conectividad, imágenes estándar y marcos para experimentos.

Bibliotecas AnyLogic

AnyLogic incluye las siguientes bibliotecas estándar:

  • La biblioteca de modelado de procesos está diseñada para dar soporte a la simulación DE en los sectores de fabricación, cadena de suministro, logística y sanidad. Mediante los objetos de la biblioteca de modelado de procesos, se pueden modelar sistemas del mundo real en términos de entidades (transacciones, clientes, productos, piezas, vehículos, etc.), procesos (secuencias de operaciones que suelen incluir colas, retrasos y utilización de recursos) y recursos. Los procesos se especifican en forma de diagramas de flujo. La biblioteca de modelado de procesos es la sucesora de la biblioteca empresarial de AnyLogic 6, que también está disponible en AnyLogic 7. [ 54 ]
  • La Biblioteca de Peatones está dedicada a simular flujos peatonales en un entorno físico. Permite crear modelos de edificios con alta densidad de peatones (como estaciones de metro, controles de seguridad, etc.) o calles (con gran afluencia de peatones). Los modelos admiten la recopilación de estadísticas sobre la densidad peatonal en diferentes áreas. Esto garantiza el rendimiento óptimo de los puntos de servicio con una carga hipotética, estima la duración de la estancia en áreas específicas y detecta posibles problemas con la geometría interior, como el efecto de añadir demasiados obstáculos, entre otras aplicaciones. En los modelos creados con la Biblioteca de Peatones, los peatones se mueven en un espacio continuo, reaccionando a diferentes tipos de obstáculos (paredes, diferentes tipos de áreas), así como a otros peatones. Los peatones se simulan como agentes interactivos con un comportamiento complejo, pero la Biblioteca de Peatones de AnyLogic proporciona una interfaz de alto nivel para la creación más rápida de modelos de peatones al estilo de diagramas de flujo. [ 20 ] [ 55 ]
  • La Biblioteca Ferroviaria permite modelar, simular y visualizar las operaciones de una estación de clasificación ferroviaria de cualquier complejidad y escala. Los modelos de la estación de clasificación se pueden combinar con modelos de eventos discretos o basados ​​en agentes relacionados con: carga y descarga, asignación de recursos, mantenimiento, procesos comerciales y otras actividades de transporte. [ 56 ]
  • La biblioteca de fluidos permite al usuario modelar el almacenamiento y la transferencia de fluidos, mercancías a granel o grandes cantidades de elementos discretos, que no conviene modelar como objetos separados. La biblioteca incluye bloques como tanques, tuberías, válvulas y objetos para enrutar, fusionar y divergir el flujo. Para mejorar la velocidad de ejecución del modelo, la biblioteca de fluidos utiliza un solucionador de programación lineal . Está diseñada para optimizar el uso de AnyLogic en las industrias manufacturera, petrolera, gasística y minera. El usuario puede simular tuberías y tanques de petróleo, transportadores de mineral y carbón, y procesos de producción donde intervienen líquidos o materiales a granel, por ejemplo, en la fabricación de hormigón. [ 57 ]
  • La biblioteca de tráfico vial permite a los usuarios simular el tráfico vehicular en las carreteras. Admite un modelado detallado y a nivel físico del movimiento de los vehículos. Cada vehículo representa un agente con sus propios patrones de comportamiento. La biblioteca permite simular el movimiento de vehículos en las carreteras, teniendo en cuenta las normas de circulación, los semáforos, los pasos de peatones, las prioridades en las intersecciones, los aparcamientos y el transporte público. Es adecuada para modelar el tráfico en autopistas, el tráfico urbano, el transporte interno en plantas de fabricación o cualquier otro sistema con vehículos, carreteras y carriles. Incluye una herramienta especial de densidad de tráfico para analizar la carga de la red vial. [ 58 ]
  • La biblioteca de manipulación de materiales facilita la simulación de procesos en fábricas y almacenes. Contiene cintas transportadoras, sistemas de transporte y otros elementos que simplifican la creación de modelos de producción detallados.

Además de estas bibliotecas estándar, los usuarios pueden crear las suyas propias y distribuirlas. [ 59 ] [ 60 ]

Animación de modelos

AnyLogic admite animación interactiva en 2D y 3D. [ 55 ] AnyLogic permite a los usuarios importar dibujos CAD como archivos DXF y luego visualizar modelos sobre ellos. [ 61 ] Esta función se puede utilizar para animar procesos dentro de objetos como fábricas, almacenes, hospitales, etc. Esta funcionalidad se utiliza principalmente en modelos de eventos discretos (basados ​​en procesos) en fabricación, atención médica, ingeniería civil y construcción. El software AnyLogic también admite animación 3D e incluye una colección de objetos 3D listos para usar para animación relacionados con diferentes industrias, incluyendo edificios, carreteras, ferrocarriles, transporte marítimo, energía, almacenes, hospitales, equipos, artículos relacionados con aeropuertos, artículos relacionados con supermercados, grúas y otros objetos.

Los modelos pueden incluir una interfaz de usuario personalizada para que los usuarios configuren experimentos y modifiquen los datos de entrada.

Modelos geoespaciales, integración de SIG

Los modelos de AnyLogic pueden usar mapas como diseño, lo cual suele ser necesario en las industrias de cadenas de suministro, logística y transporte. El software AnyLogic es compatible con el estándar de mapas tradicional basado en shapefile, SHP de Esri . Además, AnyLogic admite mapas de mosaicos de proveedores en línea gratuitos, como OpenStreetMap . Los mapas de mosaicos permiten al modelador usar datos de mapas en los modelos y crear automáticamente rutas geoespaciales para los agentes. Las principales características de los mapas de mosaicos en AnyLogic incluyen:

  • El modelo puede acceder a todos los datos almacenados junto con los mapas en línea: ciudades, regiones, redes viales y objetos (hospitales, escuelas, paradas de autobús, etc.). [ 62 ]
  • Los agentes pueden colocarse en puntos específicos del mapa y moverse a lo largo de carreteras o rutas existentes.
  • Los usuarios pueden crear los elementos necesarios dentro del modelo utilizando la función de búsqueda integrada.

Integración del modelo con otras infraestructuras de TI

Un modelo AnyLogic se puede exportar como una aplicación Java, que se puede ejecutar de forma independiente o integrar con otro software. Como opción, un modelo AnyLogic exportado se puede incorporar a otros programas y funcionar como un módulo adicional para sistemas ERP , [ 63 ] MRP y TMS. Otro uso típico es la integración de un modelo AnyLogic con archivos TXT, MS Excel, [ 64 ] o MS Access y bases de datos (MS SQL, MySQL , Oracle, etc.). Además, los modelos AnyLogic incluyen sus propias bases de datos basadas en HSQLDB.

AnyLogic e IA

AnyLogic integra la inteligencia artificial (IA) en su plataforma de simulación. Permite a los usuarios entrenar agentes de IA, incorporar modelos de aprendizaje automático en simulaciones y generar datos sintéticos para diversos fines. [ 65 ] [ 66 ]

AnyLogic proporciona un entorno de simulación fiable para entrenar agentes de IA mediante aprendizaje por refuerzo . Permite el desarrollo de políticas que posteriormente pueden aplicarse en sistemas del mundo real. Este enfoque ayuda a crear agentes de IA mejor preparados para afrontar escenarios complejos y dinámicos. [ 67 ]

Además, la plataforma permite integrar modelos de aprendizaje automático (ML) preentrenados en simulaciones. Esta función permite a los usuarios evaluar el rendimiento de estos modelos dentro de un sistema y realizar los ajustes necesarios. Al probar las soluciones de IA en un entorno simulado, AnyLogic reduce los riesgos y garantiza una implementación más fluida en sistemas reales. [ 68 ]

AnyLogic puede generar grandes cantidades de datos sintéticos limpios, bien estructurados y etiquetados. Estos datos son especialmente útiles para entrenar modelos de aprendizaje automático cuando no se dispone de datos del mundo real o estos no son adecuados. Proporciona una solución práctica para el desarrollo de IA basado en datos. [ 69 ]

Integración con herramientas de IA

AnyLogic trabaja con varias herramientas avanzadas de IA para ampliar sus capacidades. Por ejemplo, se integra con H2O , lo que permite incorporar potentes técnicas de aprendizaje automático para lograr una mayor capacidad predictiva mediante la combinación de algoritmos avanzados de aprendizaje automático con la herramienta de simulación de AnyLogic. [ 70 ]

Pypeline y ONNX Helper permiten a los usuarios conectar simulaciones de AnyLogic con modelos basados ​​en Python o almacenados en formato ONNX. Con Pypeline, los usuarios pueden ejecutar scripts y funciones de Python directamente dentro del entorno de simulación. [ 71 ] Por otro lado, ONNX es un estándar que facilita el uso y el intercambio de modelos entre diversas plataformas de IA. [ 72 ]

Alpyne permite interactuar con los modelos de AnyLogic directamente desde Python, lo que proporciona mayor control sobre los experimentos de aprendizaje por refuerzo. Esta herramienta es importante para los usuarios que desarrollan estrategias de IA complejas que requieren pruebas y refinamiento iterativos. Con Alpyne, los usuarios pueden exportar sus modelos de simulación desde AnyLogic y gestionarlos en Python. [ 73 ]

Modelado de simulación multimétodo

Los modelos AnyLogic pueden basarse en cualquiera de los principales paradigmas de modelado de simulación: centrado en eventos discretos o procesos (DE), [ 74 ] dinámica de sistemas (SD), [ 75 ] y basado en agentes (AB). [ 7 ]

La dinámica de sistemas y los eventos discretos son enfoques de simulación tradicionales; los modelos basados ​​en agentes son más recientes. Técnicamente, el enfoque de dinámica de sistemas se ocupa principalmente de procesos continuos, mientras que los modelos de eventos discretos y los basados ​​en agentes operan principalmente en tiempo discreto, es decir, saltan de un evento a otro.

La dinámica de sistemas aplicada a agregados se utiliza, obviamente, en el nivel de abstracción más alto. El modelado de eventos discretos se emplea en niveles de abstracción bajos a medios. En cuanto al modelado basado en agentes, esta tecnología se utiliza en todos los niveles de abstracción, y los agentes pueden modelar objetos de naturaleza y escala muy diversas: en el nivel físico, los agentes pueden ser, por ejemplo, peatones, automóviles o robots; en el nivel medio, clientes; y en el nivel más alto, empresas competidoras.

AnyLogic permite al modelador combinar estos enfoques de simulación dentro del mismo modelo. [ 8 ] Por ejemplo, se podría crear un modelo de la industria de envío de paquetes donde los transportistas se modelan como agentes que actúan/reaccionan de forma independiente, mientras que el funcionamiento interno de sus redes de transporte e infraestructura podría modelarse con simulación de eventos discretos. De manera similar, se puede modelar a los consumidores como agentes cuyo comportamiento agregado alimenta un modelo de dinámica de sistemas que captura flujos como ingresos o costos que no necesitan estar vinculados a agentes individuales. Este enfoque de lenguaje mixto es directamente aplicable a una amplia variedad de problemas de modelado complejos que pueden modelarse mediante cualquier enfoque, aunque con ciertas limitaciones.

Nube AnyLogic

AnyLogic Cloud es un servicio web para el análisis de simulaciones. Permite a los usuarios almacenar, acceder, ejecutar y compartir modelos de simulación en línea, así como analizar los resultados de los experimentos.

Mediante el entorno de desarrollo de modelos AnyLogic, los desarrolladores pueden subir sus modelos a AnyLogic Cloud y configurar paneles web compartibles para trabajar con ellos en línea. Estos paneles pueden contener parámetros de entrada configurables y datos de salida en forma de gráficos. Los usuarios del modelo pueden configurar los datos de entrada en la pantalla del panel, ejecutar el modelo y analizar los resultados.

AnyLogic Cloud permite a los usuarios ejecutar modelos mediante navegadores web en ordenadores de escritorio y dispositivos móviles, con la ejecución del modelo en el servidor . Se realizan múltiples experimentos utilizando varios nodos. Los resultados de todos los experimentos ejecutados se almacenan en la base de datos y se puede acceder a ellos inmediatamente. Los modelos se pueden ejecutar con o sin animación interactiva basada en HTML5 . [ 76 ]

Los desarrolladores pueden elegir si desean que sus modelos sean privados o estén disponibles públicamente en la biblioteca de modelos, que incluye modelos de otros usuarios de AnyLogic.

Historia

AnyLogic Cloud se presentó en 2017 con el lanzamiento de AnyLogic 8.0. [ 77 ] [ 1 ] Las mejoras posteriores con AnyLogic 8.1 incluyeron nuevas capacidades de trazado, animaciones 3D mejoradas y herramientas para la edición colaborativa y la participación de la comunidad dentro de la nube. [ 78 ]

La introducción de AnyLogic Private Cloud Lite con la versión 8.4 proporcionó una opción sencilla y de implementación local para que las organizaciones compartieran simulaciones de forma privada. [ 79 ] Con actualizaciones continuas, incluida una API de AnyLogic Cloud más flexible introducida en la versión 8.5, AnyLogic Cloud ha evolucionado para admitir actividades de simulación más dinámicas e interactivas. [ 80 ]

AnyLogic Cloud versión 2.1.0 se lanzó en 2020. Se centró en mejorar el control de versiones para Private Cloud con el fin de facilitar las actualizaciones. [ 81 ] A lo largo de 2020 y 2021, las mejoras incluyeron la introducción de herramientas de copia de seguridad y restauración, compatibilidad con el protocolo HTTPS en Private Cloud y la capacidad de los modelos para interactuar con código nativo a través de Java Native Interface. [ 82 ]

En 2021, AnyLogic Cloud introdujo el acceso a la vista previa de la tecnología AnyLogic 9 para suscriptores y mejoras de rendimiento para las galerías de modelos y la ejecución de modelos. [ 83 ]

Al año siguiente, Cloud migró a Java 11 y Angular 13 para la interfaz web, junto con varias actualizaciones de seguridad para bibliotecas de terceros para mejorar el rendimiento y corregir vulnerabilidades. Las instancias de Private Cloud obtuvieron la capacidad de gestionar la autenticación de usuarios a través de servidores LDAP y Active Directory . [ 84 ]

En 2023, las actualizaciones incluyeron nuevos tipos de experimentos como Optimización y Optimización con replicaciones, opciones de gráficos mejoradas y mejoras significativas en los scripts de instalación y la interfaz de usuario de la nube privada. [ 85 ] [ 86 ]

Las actualizaciones de 2024, específicamente la versión 2.4.1, introdujeron compatibilidad con Java 17 y una nueva configuración de animations.json para Private Cloud. [ 87 ] Posteriormente, AnyLogic Cloud 2.5.0 trajo mejoras significativas, como la nueva vista de Ejecuciones completadas y la compatibilidad con inicio de sesión único (SSO), lo que mejoró la interfaz de usuario y la seguridad tanto para los usuarios de SaaS como de Private Cloud. [ 88 ]

Software de optimización de la cadena de suministro anyLogistix

AnyLogic Company transformó sus esfuerzos de desarrollo para el ámbito de la cadena de suministro en una herramienta de software independiente: anyLogistix. Este producto derivado se lanzó en 2014 con el nombre de AnyLogic Logistics Network Manager y pasó a llamarse anyLogistix en 2015.

anyLogistix se basa en los motores AnyLogic y CPLEX, GIS y la nueva interfaz gráfica de usuario (GUI) orientada a la industria. También incluye algoritmos y técnicas específicas para el diseño y la optimización de la cadena de suministro. Al igual que otros programas de simulación, la funcionalidad de optimización la proporciona OptQuest . [ 89 ] anyLogistix está totalmente integrado con AnyLogic; por ejemplo, AnyLogic se puede utilizar para personalizar objetos dentro de anyLogistix, incluidos almacenes, centros de producción, proveedores, inventario, abastecimiento y políticas de transporte.

Historia

Desde su lanzamiento en 2017, anyLogistix ha mejorado constantemente sus capacidades de diseño y análisis de la cadena de suministro. Las primeras versiones introdujeron funciones como IBM ILOG CPLEX® para configuraciones de red optimizadas, flotas dedicadas y rutas de transporte flexibles. Con el tiempo, se añadieron funcionalidades importantes, como los experimentos de estimación de stock de seguridad y optimización del transporte con capacidad limitada, que perfeccionaron la gestión de inventarios y las rutas de entrega. [ 90 ]

La introducción de anyLogistix Studio Edition simplificó el desarrollo de extensiones y facilitó la creación de gemelos digitales, combinando el modelado detallado con datos en tiempo real. Las versiones 2.13 y 2.15 hicieron hincapié en la optimización de la red, introduciendo funciones de importación/exportación de escenarios de bases de datos para apoyar la colaboración y la integración de datos complejos. [ 91 ] [ 92 ]

El enfoque del equipo de desarrollo se centró en anyLogistix 3.0, lanzado en 2022, que transformó el software con una nueva pila tecnológica, una arquitectura cliente-servidor mejorada y una experiencia de usuario optimizada. [ 93 ]

Esta versión permitía ejecutar experimentos desde navegadores y proporcionaba acceso multiplataforma, adaptándose a usuarios de Windows, macOS y Linux. Las actualizaciones posteriores, como la 3.1, introdujeron el acceso multiusuario y una API para la integración, mejorando las capacidades de colaboración y el rendimiento para proyectos complejos de modelado de la cadena de suministro. [ 94 ]

anyLogistix 3.2, lanzado en 2024, introdujo ventanas de tiempo para el modelado de simulación, lo que permitió a los usuarios establecer horarios de operación específicos para cada instalación, haciendo que las simulaciones fueran más realistas. [ 95 ] Con el lanzamiento de anyLogistix 3.3, se agregaron nuevas características, como la agrupación de datos en tablas y herramientas de visualización avanzadas. Esta versión también incluye un nuevo panel de métricas KPI que ayuda a los usuarios a analizar el rendimiento de manera más efectiva al comparar diferentes ejecuciones y ver las métricas clave directamente en el panel de control. [ 96 ]

Véase también

Referencias

  1. 1 2 3 Cronología de AnyLogic el sitio web oficial Archivado el 10-02-2018 en Wayback Machine .
  2. ↑ La noticia del lanzamiento en el sitio web oficial se archivó el 1 de julio de 2026 en Wayback Machine .
  3. ↑ La noticia del lanzamiento en el sitio web oficial se archivó el 1 de julio de 2026 en Wayback Machine .
  4. ↑ Preferencias de AnyLogic , sitio web oficial. Archivado el 3 de diciembre de 2024 en Wayback Machine .
  5. ↑ Evgrafov, Alexander N. (23 de marzo de 2017). Avances en ingeniería mecánica: Contribuciones seleccionadas de la conferencia "Ingeniería moderna: ciencia y educación", San Petersburgo, Rusia, junio de 2016. Springer. ISBN 978-3-319-53363-6.
  6. 1 2 Christopher W. Weimer, JO Miller, Raymond R. Hill. "Modelado basado en agentes: una introducción y un manual básico". Archivado el 15 de junio de 2017 en Wayback Machine. Actas de la Conferencia de Simulación de Invierno de 2016.
  7. 1 2 Jingsi Huang, Lingyan Liu, Leyuan Shi . "Análisis de políticas de subasta: un modelo de optimización de simulación basado en agentes del mercado de granos". Archivado el 15 de junio de 2017 en Wayback Machine. Actas de la Conferencia de Simulación de Invierno de 2016.
  8. 1 2 Anatoli Djanatliev, Reinhard German, Peter Kolominsky-Rabas. "Simulación híbrida con dinámica de sistemas débilmente acoplados y modelos basados ​​en agentes para evaluaciones prospectivas de tecnologías sanitarias". Archivado el 12 de agosto de 2017 en Wayback Machine. Actas de la Conferencia de Simulación de Invierno de 2012.
  9. ↑ Joe Viana, Stuart Rossiter, Andrew A. Channon, Sally C. Brailsford, Andrew Lotery. "Una visión multiparadigma y sistémica de la atención sanitaria y social para la degeneración macular relacionada con la edad". Archivado el 13 de agosto de 2017 en Wayback Machine . Actas de la Conferencia de Simulación de Invierno de 2012.
  10. ↑ Thomas Felberbauer, Klaus Altendorfer, Alexander Hübl. "Uso de un modelo de simulación escalable para evaluar el rendimiento de la segmentación del sistema de producción en un sistema combinado MRP y Kanban". Archivado el 8 de agosto de 2017 en Wayback Machine. Actas de la Conferencia de Simulación de Invierno de 2012.
  11. ↑ Ilmarts Dukulis, Gints Birzietis, Daina Kanaska. "Modelos de optimización para el sistema logístico de biocombustibles". Archivado el 3 de marzo de 2016 en Wayback Machine. Ingeniería para el desarrollo rural, Jelvaga, 29-30 de mayo de 2008.
  12. ↑ Christian Wartha, Momtchil Peev, Andrei Borshchev, Alexei Filippov. "Herramienta de apoyo a la toma de decisiones – Cadena de suministro". Actas de la Conferencia de Simulación de Invierno de 2002.
  13. ↑ Peer-Olaf Siebers, Uwe Aickelin, Helen Celia, Chris W. Clegg. "Comprender la productividad minorista mediante la simulación de prácticas de gestión". Archivado el 18 de julio de 2011 en Wayback Machine. EUROSIM-2007, septiembre de 2007.
  14. ↑ Peer-Olaf Siebers, Uwe Aickelin, Helen Celia, Chris W. Clegg. "Una simulación multiagente de prácticas de gestión minorista". Archivado el 28 de diciembre de 2009 en Wayback Machine. Actas de la Conferencia de Simulación por Computadora de Verano de 2007 (SCSC 2007).
  15. ↑ Arnold Greenland, David Connors, John L. Guyton, Erica Layne Morrison, Michael Sebastiani. "Modelado de simulación de procesos posteriores a la presentación de declaraciones del IRS: una comparación de DES con microsimulación econométrica en la administración tributaria". Archivado el 12 de agosto de 2017 en Wayback Machine. Actas de la Conferencia de Simulación de Invierno de 2007.
  16. 1 2 Sergio E. Quijada, Juan F. Arcas, Cristian Renner, Luis Rabelo. "Un modelo de simulación espaciotemporal para evaluar políticas de delincuencia y crimen". Archivado el 28 de enero de 2020 en Wayback Machine. Actas de la Conferencia de Simulación de Invierno de 2005.
  17. ↑ Datu Buyung Agusdinata. "Simulación basada en agentes de la dinámica de difusión y concentración de materiales tóxicos a partir de nanopartículas basadas en puntos cuánticos". Archivado el 11 de julio de 2016 en Wayback Machine. Actas de la Conferencia de Simulación de Invierno de 2015.
  18. ↑ Kyuhyeon Shin, Hochang Nam, Taesik Lee. "Modelado de comunicaciones para una simulación de combate en un entorno de guerra centrado en la red". Archivado el 28 de enero de 2020 en Wayback Machine. Actas de la Conferencia de Simulación de Invierno de 2013.
  19. ↑ Benny Tjahjono, Evandro Leonardo Silva Teixeira, Sadek Crisóstomo Absi Alfaro. "Una simulación en línea para vincular el monitoreo del estado de los activos y las decisiones operativas en los servicios de ingeniería a lo largo de su ciclo de vida". Archivado el 16 de marzo de 2015 en Wayback Machine. Actas de la Conferencia de Simulación de Invierno de 2013.
  20. 1 2 Khaled Nassar, Ahmed Bayyoumi. "Un estudio de simulación del efecto del diseño de la mezquita en los tiempos de salida". Archivado el 13 de agosto de 2017 en Wayback Machine. Actas de la Conferencia de Simulación de Invierno de 2012.
  21. ↑ Xiaobing Li, Asad J. Khattak, Airton G. Kohls. "Impacto de la sincronización de las fases de señalización en el retraso del tráfico y la longitud de la cola: un estudio de caso en una intersección". Archivado el 15/12/2017 en Wayback Machine. Actas de la Conferencia de Simulación de Invierno de 2016.
  22. ↑ Bojan Spasic, Bhakti SS Onggo. "Simulación basada en agentes del proceso de desarrollo de software: un estudio de caso en AVL". Archivado el 13 de agosto de 2017 en Wayback Machine. Actas de la Conferencia de Simulación de Invierno de 2012.
  23. ↑ Benjamin Schumann, James Scanlan, Hans Fangohr. "Interacciones complejas de agentes en simulaciones operacionales para el diseño aeroespacial". Archivado el 12 de agosto de 2017 en Wayback Machine. Actas de la Conferencia de Simulación de Invierno de 2012.
  24. ↑ "Informe del mercado global de simuladores 2023" . ReportLinker . Consultado el 28 de agosto de 2023 .
  25. ↑ "Software de simulación de procesos empresariales" . www.anylogic.com . Consultado el 28 de agosto de 2023 .
  26. ↑ Rodd, MG; Knuth, E. (2014-07-04). Bases de datos distribuidas en el control en tiempo real . Elsevier. ISBN 978-1-4832-9836-8.
  27. ↑ Albert Molderink, Maurice GC Bosman, Vincent Bakker, Johann L. Hurink, Gerard JM Smit. "Simulación del efecto de las tecnologías de redes inteligentes en la eficiencia energética". Archivado el 6 de noviembre de 2015 en Wayback Machine. Actas de la Conferencia de Simulación de Invierno de 2009.
  28. ↑ Sudhanshu S Singh, Rakesh R Pimplikar, Ritwik Chaudhuri, Gyana Parija. "Estimación del tiempo y la probabilidad de recolocación laboral mediante simulación de eventos discretos". Archivado el 15 de junio de 2017 en Wayback Machine. Actas de la Conferencia de Simulación de Invierno de 2016.
  29. ↑ Cynthia Nikolai, Gregory Madey. "Herramientas del oficio: Un estudio de diversas plataformas de modelado basadas en agentes". Archivado el 5 de junio de 2011 en Wayback Machine , Journal of Artificial Societies and Social Simulation, vol. 12, n.º 22, 31 de marzo de 2009.
  30. ↑ Andrei Borshchev, Alexei Filippov. "De la dinámica de sistemas y los eventos discretos al modelado práctico basado en agentes: razones, técnicas y herramientas". Archivado el 8 de junio de 2011 en Wayback Machine , XXII Conferencia Internacional de la Sociedad de Dinámica de Sistemas, del 25 al 29 de julio de 2004, Oxford, Inglaterra.
  31. ↑ Peter Bazan, Reinhard German. "Simulación híbrida de redes de generación y almacenamiento de energía renovable". Archivado el 12 de agosto de 2017 en Wayback Machine. Actas de la Conferencia de Simulación de Invierno de 2012.
  32. ↑ Andrei Borshchev. "AnyLogic 4.0: Simulación de sistemas híbridos con UML-RT extendido". Archivado el 10 de febrero de 2018 en Wayback Machine , Simulation News Europe - EUROSIM 2001.
  33. ↑ Zlatanovska, Biljana; Stojkovic, Natasha; Kocaleva, Mirjana; Stojanova, Aleksandra; Lazarova, Limonka; Gobubovski, R. (2018-05-01). "Modelado de algunos sistemas caóticos con el software anylogic" (PDF) . TEM Journal . 7 : 465–470 . doi : 10.18421/TEM72-31 .
  34. ↑ La noticia en el sitio web oficial de la empresa Archivada el 10-02-2018 en Wayback Machine .
  35. ↑ La noticia en el sitio web de la empresa. Archivado el 10 de febrero de 2018 en Wayback Machine.
  36. ↑ La noticia en el sitio web oficial de la empresa. Archivado el 10 de febrero de 2018 en Wayback Machine.
  37. ↑ La noticia en el sitio web de la empresa. Archivado el 10 de febrero de 2018 en Wayback Machine.
  38. ↑ La noticia en el sitio web oficial de la empresa. Archivado el 10 de febrero de 2018 en Wayback Machine.
  39. ↑ Notas de la versión en el sitio web oficial del desarrollador. Archivado el 10 de febrero de 2018 en Wayback Machine .
  40. 1 2 Bin Li, Wen-feng Li. "Modelado y simulación de sistemas logísticos de terminales de contenedores utilizando la arquitectura Harvard y la computación basada en agentes". Archivado el 13 de agosto de 2017 en Wayback Machine . Actas de la Conferencia de Simulación de Invierno de 2010.
  41. ↑ La noticia en el sitio web oficial de la empresa. Archivado el 5 de diciembre de 2024 en Wayback Machine.
  42. ↑ La noticia en el sitio web oficial de la empresa. Archivado el 5 de diciembre de 2024 en Wayback Machine.
  43. ↑ La noticia en el sitio web oficial de la empresa. Archivado el 5 de diciembre de 2024 en Wayback Machine.
  44. ↑ La noticia en el sitio web oficial de la empresa. Archivado el 5 de diciembre de 2024 en Wayback Machine.
  45. ↑ La noticia en el sitio web oficial de la empresa. Archivado el 5 de diciembre de 2024 en Wayback Machine.
  46. ↑ La noticia en el sitio web oficial de la empresa. Archivado el 23/12/2024 en Wayback Machine.
  47. ↑ Carol C. Menassa, Feniosky Peña Mora. "Enfoque de opciones reales y dinámica de sistemas para modelar el valor de implementar un proceso de resolución de disputas específico para proyectos de construcción". Archivado el 11 de agosto de 2017 en Wayback Machine . Actas de la Conferencia de Simulación de Invierno de 2009.
  48. ↑ Mario Marin, Luz Alba Andrade, Yanshen Zhu, Erwin Atencio, Carlos Boya. "Cadena de suministro y modelado híbrido: Las operaciones del Canal de Panamá y su difusión de salinidad" . Actas de la Conferencia de Simulación de Invierno de 2010.
  49. ↑ Hui Xi, Seungho Lee, Young-Jun Son. "Un modelo integrado de comportamiento peatonal basado en la teoría del campo de decisión extendido y el modelo de fuerza social" . Actas de la Conferencia de Simulación de Invierno de 2010.
  50. ↑ Anatoli Djanatliev, Reinhard German. "Toma de decisiones prospectivas en atención médica mediante la combinación de dinámica de sistemas, simulación de eventos discretos y simulación basada en agentes" . Actas de la Conferencia de Simulación de Invierno de 2013.
  51. ↑ Mostafa Batouli, Ali Mostafavi. "Un marco de simulación híbrido para la gestión integrada de redes de infraestructura" . Actas de la Conferencia de Simulación de Invierno de 2014.
  52. ↑ Jin Zhu, Ali Mostafavi. "Enfoque de simulación integrada para la evaluación del desempeño en proyectos de construcción: un marco de sistema de sistemas" . Actas de la Conferencia de Simulación de Invierno de 2014.
  53. ↑ Magdy Helal. "Un enfoque híbrido de dinámica de sistemas y simulación de eventos discretos para simular la empresa manufacturera" . Tesis y disertaciones electrónicas, Universidad de Florida Central, 2008.
  54. ↑ Anatoli Djanatliev, Peter Bazan, Reinhard German. "Ocultación parcial de paradigmas y reutilización en el modelado de simulación híbrida utilizando los marcos Health-Ds e I7-Anyenergy" . Actas de la Conferencia de Simulación de Invierno de 2014.
  55. 1 2 Martin Jung, Axel B. Classen, Florian Rudolph. "Creación y validación de una simulación microscópica de peatones para analizar un puesto de control de seguridad aeroportuaria" . Actas de la Conferencia de Simulación de Invierno de 2015
  56. ↑ La noticia en el sitio web oficial del desarrollador
  57. ↑ La noticia en el sitio web oficial del desarrollador
  58. ↑ La noticia en el sitio web oficial del desarrollador
  59. ↑ Jingjing Yuan, Thomas Ponsignon. "Hacia una biblioteca de simulación de la cadena de suministro de semiconductores (SCSC-SIMLIB)" . Actas de la Conferencia de Simulación de Invierno de 2014.
  60. ↑ Anatoli Djanatliev, Reinhard German. "Hacia una guía para la simulación híbrida específica de dominio" . Actas de la Conferencia de Simulación de Invierno de 2015.
  61. ↑ Fabian Zambrano, Pablo Concha, Francisco Ramis, Liliana Neriz. "Mejora del acceso de los pacientes a un complejo hospitalario público mediante simulación de agentes" . Actas de la Conferencia de Simulación de Invierno de 2016.
  62. ↑ AG Demin. "Creación de un modelo de simulación de transporte de pasajeros suburbano" . Actas de la Conferencia IMMOD 2017.
  63. ↑ Sanjay Jain, David Lechevalier. "Generación de un modelo de fábrica virtual basada en estándares" . Actas de la Conferencia de Simulación de Invierno de 2016.
  64. ↑ Korovin MA, Zahodyakin GV "Modelado de simulación para mejorar la eficiencia del almacenamiento de losas en un horno de fundición" . Actas de la Conferencia IMMOD 2017
  65. ↑ Lyle Wallis, Mark Paich. "Integración de la inteligencia artificial con la simulación anylogic" . Actas de la Conferencia de Simulación de Invierno de 2017.
  66. ↑ Entrada de blog en el sitio web oficial de la empresa. Archivado el 9 de diciembre de 2024 en Wayback Machine.
  67. ↑ Mohammed Farhan, Brett Göhre, Edward Junprung. "Aprendizaje por refuerzo en modelos de simulación de Anylogic: un ejemplo práctico con Pathmind" . Actas de la Conferencia de Simulación de Invierno de 2020.
  68. ↑ Jens Heger, Thomas Voss. "Reglas de secuenciación que cambian dinámicamente con aprendizaje por refuerzo en un sistema de taller con influencias estocásticas" . Actas de la Conferencia de Simulación de Invierno de 2020.
  69. ^ Yingzhou Lu, Minjie Shen, Huazheng Wang, Xiao Wang, Capucine van Rechem, Tianfan Fu, Wenqi Wei. "Aprendizaje automático para la generación de datos sintéticos: una revisión" . Archivos de clase de Journal Of Latex, vol. 14, n° 8, agosto de 2021
  70. ↑ La noticia en el sitio web oficial de la empresa. Archivado el 9 de diciembre de 2024 en Wayback Machine.
  71. ↑ La noticia en el sitio web oficial de la empresa. Archivado el 9 de diciembre de 2024 en Wayback Machine.
  72. ↑ La noticia en el sitio web oficial de la empresa. Archivado el 9 de diciembre de 2024 en Wayback Machine.
  73. ↑ La noticia en el sitio web oficial de la empresa. Archivado el 9 de diciembre de 2024 en Wayback Machine.
  74. ↑ Luís MS Dias, António AC Vieira, Guilherme AB Pereira, José A. Oliveira. "Ranking de software de simulación discreta: una lista superior de las herramientas más populares y utilizadas en todo el mundo" . Actas de la Conferencia de simulación de invierno de 2016
  75. ↑ Marco Pruckner, David Eckhoff, Reinhard German. "Modelado de perfiles de demanda de electricidad a escala nacional" . Actas de la Conferencia de Simulación de Invierno de 2014.
  76. ↑ Borshchev AV "Migración de modelos de simulación a la nube" Archivado el 10 de febrero de 2018 en Wayback Machine . Actas de la Conferencia IMMOD 2017
  77. ↑ Notas de la versión en el sitio web oficial del desarrollador. Archivado el 10 de febrero de 2018 en Wayback Machine .
  78. ↑ La noticia en el sitio web oficial de la empresa. Archivado el 5 de diciembre de 2024 en Wayback Machine.
  79. ↑ La noticia en el sitio web oficial de la empresa. Archivado el 5 de diciembre de 2024 en Wayback Machine.
  80. ↑ La noticia en el sitio web oficial de la empresa. Archivado el 5 de diciembre de 2024 en Wayback Machine.
  81. ↑ Notas de la versión en el sitio web oficial del desarrollador. Archivado el 5 de diciembre de 2024 en Wayback Machine .
  82. ↑ Notas de la versión en el sitio web oficial del desarrollador. Archivado el 5 de diciembre de 2024 en Wayback Machine .
  83. ↑ La noticia en el sitio web oficial de la empresa. Archivado el 5 de diciembre de 2024 en Wayback Machine.
  84. ↑ Notas de la versión en el sitio web oficial del desarrollador. Archivado el 5 de diciembre de 2024 en Wayback Machine .
  85. ↑ La noticia en el sitio web oficial de la empresa. Archivado el 5 de diciembre de 2024 en Wayback Machine.
  86. ↑ La noticia en el sitio web oficial de la empresa. Archivado el 5 de diciembre de 2024 en Wayback Machine.
  87. ↑ La noticia en el sitio web oficial de la empresa. Archivado el 5 de diciembre de 2024 en Wayback Machine.
  88. ↑ La noticia en el sitio web oficial de la empresa. Archivado el 23/12/2024 en Wayback Machine.
  89. ↑ "Creación de un experimento de optimización" . Ayuda de AnyLogic . AnyLogic . Consultado el 23 de agosto de 2020 .
  90. ↑ Notas de la versión en el sitio web oficial del desarrollador. Archivado el 9 de diciembre de 2024 en Wayback Machine .
  91. ↑ La noticia en el sitio web oficial de la empresa. Archivado el 9 de diciembre de 2024 en Wayback Machine.
  92. ↑ La noticia en el sitio web oficial de la empresa. Archivado el 9 de diciembre de 2024 en Wayback Machine.
  93. ↑ La noticia en el sitio web oficial de la empresa. Archivado el 9 de diciembre de 2024 en Wayback Machine.
  94. ↑ La noticia en el sitio web oficial de la empresa. Archivado el 9 de diciembre de 2024 en Wayback Machine.
  95. ↑ Notas de la versión en el sitio web oficial del desarrollador. Archivado el 9 de diciembre de 2024 en Wayback Machine .
  96. ↑ La noticia en el sitio web oficial de la empresa. Archivado el 23/12/2024 en Wayback Machine.

Lecturas adicionales

  • Law, Averill M. (2006). Modelado y análisis de simulación con el software Expertfit . McGraw-Hill Science. ISBN 978-0-07-329441-4.
  • Banks, Jerry; John Carson; Barry Nelson; David Nicol (2004). Simulación de sistemas de eventos discretos - 4.ª edición . Prentice Hall. ISBN 978-0-13-144679-3.
  • Sterman, John D. (2000). Dinámica empresarial: Pensamiento sistémico y modelado para un mundo complejo . McGraw Hill. ISBN 0-07-231135-5.
  • Sitio web oficial