Resumen
Dentro del proceso de optimización vía simulación (OvS) se utilizan procedimientos de búsqueda y exploración del espacio solución, así como etapas de costeo y depuración, con el fin de obtener una alternativa que optimice el desempeño del sistema en cuestión. La obtención de un conjunto de soluciones muy buenas enriquece el proceso de toma de decisión, ya que permite evaluar alternativas a la luz de la experiencia y situaciones puntuales del sistema. En este trabajo se desarrolló una aplicación que permite obtener un subconjunto de alternativas que apoyen el proceso de toma de decisión en la mejora de un sistema.La aplicación se desarrolló a partir de análisis de sensibilidad del método de selección frente a tamaños de muestra y parámetros iniciales, así como el efecto de inclusión de técnicas como Common Random Numbers (CRN). El método de selección empleado (Selección del mejor subconjunto - BSS) se comparó con otro de similares características (Selección del mejor - NSGS), obteniendo resultados favorables en desempeño y robustez. Como resultado de la metodología propuesta, en el subconjunto final se encontró la mejor solución explorada bajo un parámetro de riesgo definido, así como una serie de alternativas competentes para la maximización del desempeño del sistema.There are many algorithms and methods used in order to optimize systems using simulation procedures. These methods involve local search algorithms and solution space exploration methods, and additional costing stages. The main objective of these procedures is to obtain the best configuration in order to maximize the system performance. However, solutions must be analyzed through expertise and criteria of decision makers, and obtaining a set of possible solutions instead of only one is more valuable. An entire methodology was developed based on sensitivity analysis of input parameters and sample sizes in order to obtain a subset of very good alternatives from a big set of possible scenarios. As an additional sensitivity analysis, an experiment of the effect of Common Random Numbers (CRN) in the selection method performance was conducted. The selection method used on this work (Best Subset Selectio - BSS) was compared to other with similarspecifications (Selection of the best ? NSGS) obtaining higher performance results. As a result of the suggested methodology, there will be at the final set a few high competitive alternatives that could significantly improve system performance.