Pernas-Álvarez, JavierCrespo Pereira, DiegoCarballo Trigo, Uxía2026-09-112026-09-112025https://hdl.handle.net/2183/49202U. Carballo Trigo, «Desenvolvemento dun simulador de eventos discretos en Python e aplicación a unha cela de soldadura», Traballo fin de grao, Universidade da Coruña, 2025. [En liña]. Dispoñible en: https://hdl.handle.net/2183/49202[Resumo] Este traballo de fin de grado presenta o desenvolvemento dun simulador de eventos discretos implementado en Python, orientado á modelaxe e análise de procesos industriais. O obxectivo principal é crearnos unha ferramenta flexible e accesible que permita simular o funcionamento de sistemas produtivos complexos, para o cal avaliaremos diferentes configuracións operativas e a optimización do rendemento. O proxecto estrutúrase arredor do desenvolvemento de PyFlow, un motor de simulación creado integramente en Python que constitúe unha alternativa aos custosos softwares comerciais. A arquitectura baséase nunha organización modular con catro módulos principais: SimClock (xestión temporal), Elements (compoñentes fixos), Links (conexións) e Items (entidades móbiles). O desenvolvemento evolutivo atravesou tres fases: unha etapa inicial en Java cos conceptos fundamentais, unha transición a Python aproveitando a súa flexibilidade, e unha maduración inspirada na robustez de SimuLean (C#). Esta evolución permitiu crear un sistema que combina modularidade, versatilidade e solidez conceptual. A validación realizouse mediante unha metodoloxía rigorosa con probas deterministas e estocásticas, en que se comparon resultados con solucións analíticas e software comercial. Os experimentos confirmaron a precisión e fiabilidade do simulador en modelos desde colas básicas ata sistemas complexos de ensamblaxe. O caso de aplicación central céntrase nunha cela robotizada de soldadura, onde se ensamblan reforzos estruturais en chapas metálicas. Este sistema reproduce fielmente un proceso produtivo real, con restricións temporais, criterios de inspección e políticas de priorización. Unha contribución significativa é a integración con algoritmos metaheurísticos avanzados: algoritmos xenéticos (GA), evolución diferencial (DE), recocemento simulado (SA), optimización por enxame de partículas (PSO) e busca tabú. Cada algoritmo foi sometido a análises estatísticas rigorosas, e xeráronse distribucións de fitness e intervalos de confianza para avaliar a súa robustez e eficacia. Os resultados demostran que PyFlow reproduce con alta precisión o comportamento de sistemas industriais complexos, mentres que a súa integración con técnicas de optimización facilita a mellora continua. A arquitectura modular e extensible garante adaptabilidade a futuros desenvolvementos e facilita a transferencia de coñecemento entre ámbitos académicos e industriais.[Resumen] Este trabajo de fin de grado presenta el desarrollo de un simulador de eventos discretos implementado en Python, orientado al modelado y análisis de procesos industriales. El objetivo principal es crear una herramienta flexible y accesible que permita simular el funcionamiento de sistemas productivos complejos, facilitando la evaluación de diferentes configuraciones operativas y la optimización del rendimiento. El proyecto se estructura en torno al desarrollo de PyFlow, un motor de simulación creado íntegramente en Python que constituye una alternativa a los costosos softwares comerciales. La arquitectura se basa en una organización modular con cuatro módulos principales: SimClock (gestión temporal), Elements (componentes fijos), Links (conexiones) e Items (entidades móviles). El desarrollo evolutivo atravesó tres fases: una etapa inicial en Java con los conceptos fundamentales, una transición a Python aprovechando su flexibilidad, y una maduración inspirada en la robustez de SimuLean (C#). Esta evolución permitió crear un sistema que combina modularidad, versatilidad y solidez conceptual. La validación se realizó mediante metodología rigurosa con pruebas deterministas y estocásticas, comparando resultados con soluciones analíticas y software comercial. Los experimentos confirmaron la precisión y fiabilidad del simulador en modelos desde colas básicas hasta sistemas complejos de ensamblaje. El caso de aplicación central se centra en una celda robotizada de soldadura, donde se ensamblan refuerzos estructurales en chapas metálicas. Este sistema reproduce fielmente un proceso productivo real, integrando restricciones temporales, criterios de inspección y políticas de priorización. Una contribución significativa es la integración con algoritmos metaheurísticos avanzados: algoritmos genéticos (GA), evolución diferencial (DE), recocido simulado (SA), optimización por enjambre de partículas (PSO) y búsqueda tabú. Cada algoritmo fue sometido a análisis estadísticos rigurosos, generando distribuciones de fitness e intervalos de confianza para evaluar robustez y eficacia. Los resultados demuestran que PyFlow reproduce con alta precisión el comportamiento de sistemas industriales complejos, mientras que su integración con técnicas de optimización facilita la mejora continua. La arquitectura modular y extensible garantiza adaptabilidad a futuros desarrollos y facilita la transferencia de conocimiento entre ámbitos académicos e industriales[Abstract] This final degree project presents the development of a discrete-event simulator implemented in Python, oriented towards modeling and analyzing industrial processes. The main objective is to create a flexible and accessible tool that enables simulation of complex production systems, facilitating evaluation of different operational configurations and performance optimization. The project is structured around PyFlow development, a simulation engine created entirely in Python that constitutes an alternative to expensive commercial software. The architecture is based on a modular organization with four main modules: SimClock (time management), Elements (fixed components), Links (connections), and Items (mobile entities). The evolutionary development went through three phases: an initial stage in Java with fundamental concepts, a transition to Python leveraging its flexibility, and maturation inspired by SimuLean's robustness (C#). This evolution allowed creating a system that combines modularity, versatility, and conceptual solidity. Validation was conducted through rigorous methodology with deterministic and stochastic tests, comparing results with analytical solutions and commercial software. Experiments confirmed the simulator's precision and reliability in models from basic queues to complex assembly systems. The central application case focuses on a robotic welding cell, where structural reinforcements are assembled onto metal plates. This system faithfully reproduces a real production process, integrating temporal constraints, inspection criteria, and prioritization policies. A significant contribution is integration with advanced metaheuristic algorithms: genetic algorithms (GA), differential evolution (DE), simulated annealing (SA), particle swarm optimization (PSO), and tabu search. Each algorithm was subjected to rigorous statistical analysis, generating fitness distributions and confidence intervals to evaluate robustness and effectiveness. Results demonstrate that PyFlow reproduces complex industrial system behavior with high precision, while its integration with optimization techniques facilitates continuous improvement. The modular and extensible architecture guarantees adaptability to future developments and facilitates knowledge transfer between academic and industrial fields.glgOs titulares dos dereitos de autor autorizan a visualización do contido desta obra a través de Internet, así como a súa reprodución, gravación en soporte informático ou impresión para uso privado ou con fins de investigación. En ningún caso se permite o uso lucrativo deste documento. Estes dereitos afectan tanto ao resumo da obra como ao seu contido. Los titulares de los derechos de propiedad intelectual autorizan la visualización del contenido de este trabajo a través de Internet, así como su reproducción, grabación en soporte informático o impresión para su uso privado o con fines de investigación. En ningún caso se permite el uso lucrativo de este documento. Estos derechos afectan tanto al resumen del trabajo como a su contenido.Simulación de eventos discretosPythonIndustria 4.0Cela de soldaduraCelda de soldaduraAlgoritmos metaheurísticosOptimización de procesosValidación experimentalArquitectura modularDiscrete-event simulationIndustry 4.0Welding cellMetaheuristic algorithmsProcess optimizationExperimental validationModular architecturebachelor thesisopen access