CAOS SimLab — Un Laboratorio Didáctico de Simulación (DES y ABM)
Aterriza directamente en una simulación corriendo, mueve los sliders y observa cómo cambia la dinámica. Un laboratorio abierto de Simulación de Eventos Discretos y Modelado Basado en Agentes — diez escenarios sobre seis familias de visualización, cada uno función pura de (parámetros, semilla) para que el replay sea exacto, validado contra la teoría donde existe.
Contexto de Negocio
La simulación y la investigación de operaciones son cómo los equipos razonan sobre sistemas antes de construirlos o cambiarlos — colas, epidemias, agendas, rutas, cadenas de suministro. Pero la brecha entre un modelo de presentación y uno confiable es grande, y es justo donde las decisiones fallan. Un laboratorio que hace el modelo legible, ajustable y validado convierte la simulación de un arte de especialistas en algo que una audiencia más amplia puede aprender, inspeccionar y confiar.
Valor Estratégico
CAOS SimLab es a la vez un instrumento de enseñanza y una declaración de credibilidad: el mismo motor que impulsa las lecciones impulsa la app en vivo, así que lo que aprendes es lo que corre, y cada resultado es reproducible desde (parámetros, semilla). Demuestra la disciplina que separa una simulación real de una animación bonita — replicaciones e intervalos de confianza, cortes de warm-up para métricas de estado estable, reproducibilidad por semilla, y validación contra teoría cerrada (la cola M/M/c contra Erlang-C). La arquitectura estática de replay determinista (sin backend, trazas versionadas como datos) la hace barata de alojar y totalmente auditable.
El Desafío
La mayoría de los tutoriales de simulación se quedan en un script de juguete, y la mayoría de las herramientas esconden el modelo tras una GUI. Ninguno enseña lo que de verdad importa: cómo modelar un sistema desde cero — definir un caso, escribir las reglas, correrlo y leer la dinámica con honestidad — incluyendo lo que los demos omiten, como que una sola corrida es ruidosa y una animación es una hipótesis, no evidencia.
Nuestro Enfoque
CAOS SimLab hace ambas mitades con honestidad. Un currículum desde cero enseña las librerías reales (SimPy, Mesa, OR-Tools) — su utilidad, sus trampas y cuándo aplica cada método — y una app web moderna te deja dentro de una simulación corriendo que puedes ajustar en vivo. Un único motor Python impulsa ambos: una corrida es función pura de (parámetros, semilla) que produce una traza compacta, y el front end solo anima la traza, así "el replay es la verdad". Una regla medida de 3 compuertas decide el carril de cada escenario — los livianos en Python puro corren en el navegador vía Pyodide y se recalculan en cada movimiento de slider; los pesados (solvers nativos, muchos agentes) se precomputan offline en una traza sembrada y se reproducen con una barra de tiempo bajo un aviso claro de "precomputado por costo".
Indicadores Clave de Rendimiento
| KPI | Línea Base | Resultado | Impacto |
|---|---|---|---|
| De script a modelo corriendo | Los tutoriales paran en un script de juguete | Aterrizas en una sim viva; ajustas y observas | Aprender el método corriéndolo |
| Confianza en el resultado | Una sola corrida ruidosa / animación bonita | Replicaciones + IC, warm-up, reproducible por semilla | Simulación honesta, no un demo |
| Costo de un escenario | Oculto o adivinado | Regla medida de 3 compuertas elige vivo vs precomputado | Cada carril se justifica con números |
Arquitectura
simlab architecture
Land in a running simulation
CAOS SimLab is an open, didactic lab for Discrete-Event Simulation (DES) and Agent-Based Modeling (ABM). Instead of a toy script or a GUI that hides the model, you arrive directly in a running simulation, move the sliders, and watch the dynamics change — across ten worked scenarios, with a from-zero curriculum that teaches the real tools. Live at simlab.fasl-work.com.
Two lanes, decided by measurement
A run is a pure function of (params, seed) that produces a compact trace; the front end only animates it, so live and precomputed render through one code path — replay is truth. A measured 3-gate rule (pure-Python and under 3 s and trace under 1 MB) decides the lane:
- Live — light scenarios run in your browser via Pyodide; edit parameters, re-run, watch it animate in real time. No server, nothing to install.
- Precomputed — heavy scenarios (native solvers like OR-Tools, large agent counts) are run offline into a seeded trace and replayed with a timeline scrubber under a clear “precomputed due to cost” banner.
Honest simulation
The lab teaches what most demos skip: a single run is noisy, so results come from replications + confidence intervals; steady-state metrics need a warm-up cut; the same seed must reproduce the same result; and an animation is a hypothesis generator, not evidence. Each scenario validates against theory or a baseline where one exists — the M/M/c queue against the closed-form Erlang-C.
Stack Tecnológico
Los recursos visuales de este proyecto no están disponibles públicamente.