Volver a Investigación de mercado
Witness de Lanner, actualmente desarrollado por Haskoning, es un software de simulación para operaciones de fabricación, logística y servicios. Los usuarios construyen modelos de recursos, flujos de materiales, colas y reglas operativas, y después comparan cambios en equipos, capacidad, distribuciones físicas y programas. Haskoning también ofrece desarrollo de modelos, consultoría y formación. (1, 14)
Puntuación global de supply chain: 6,0/10.
| Dimensión | Puntuación |
|---|---|
| Profundidad en supply chain | 6,0/10 |
| Sustancia de decisión y optimización | 6,4/10 |
| Integridad del producto y la arquitectura | 5,4/10 |
| Transparencia técnica | 6,6/10 |
| Seriedad del proveedor | 5,8/10 |
Witness tiene un contenido de ingeniería sustancial. Sus casos de clientes explican por qué cambios aparentemente sensatos pueden perjudicar el rendimiento: más vehículos pueden aumentar la congestión y máquinas más rápidas pueden sobrecargar la manipulación posterior. Su aportación más sólida es permitir calcular estas interacciones antes de comprometer capital. La parte más débil es el paso de un modelo de proceso creíble a decisiones económicas repetidas. Un modelo puede reproducir fielmente una operación existente, incluidos sus hábitos ineficientes de planificación, sin identificar la forma más rentable de cambiarla. (3, 6, 16)
Haskoning aborda la validación y muestra una inversión continuada en herramientas para construir modelos. Sin embargo, sus casos públicos rara vez cuantifican los errores de predicción, el efecto económico de recomendaciones equivocadas o el trabajo recurrente necesario para que los modelos sigan siendo útiles. Estas carencias importan cuando se presenta un gemelo digital como una capacidad permanente de decisión. (8, 9, 11)
Lanner frente a Lokad
Considérese un fabricante que decide si añadir máquinas, aumentar buffers o modificar las prioridades de producción. Witness es adecuado para representar las consecuencias físicas: colas, recursos compartidos, bloqueos, retrabajos y cambios de rendimiento. El caso de Safran, por ejemplo, sigue piezas individuales a través de alternativas de mecanizado y control de calidad para examinar tiempos de entrega y opciones de inversión. (4)
El enfoque de Lokad parte de decisiones recurrentes —qué comprar, producir, asignar o acelerar— y evalúa sus consecuencias económicas en futuros inciertos. La comparación pertinente es si el cálculo valora monetariamente los compromisos que afectan al negocio en su conjunto, incluidos la demanda, los retrasos de suministro, los faltantes de stock y el capital inmovilizado en inventario. Esta es la perspectiva de diseño desarrollada en Introducción a la supply chain.
Witness ofrece considerable libertad para construir un modelo económico a medida. Esa libertad deja mucho trabajo al modelador: definir qué puede cambiar, asignar probabilidades, valorar resultados y convertirlos en acciones. Un modelo de fábrica físicamente detallado y un objetivo financiero son requisitos complementarios; ninguno sustituye al otro. Lokad también requiere lógica específica del cliente mantenida en el tiempo y trabajo de Supply Chain Scientists. Ambos enfoques deben juzgarse por la calidad de las decisiones producidas y el coste de revisar esa lógica cuando la realidad revela un error.
Historia tecnológica e integridad de la hoja de ruta
La historia muestra un producto de simulación duradero, con cambios sucesivos en su presentación y despliegue.
| Periodo | Desarrollo documentado | Evaluación |
|---|---|---|
| 2012 | El artículo de Lanner en la Winter Simulation Conference describe elementos de proceso programables, cálculo de costes, optimización heurística, funciones Six Sigma y vistas 3D opcionales. | La base computacional precede a la etiqueta de gemelo digital. El artículo trata explícitamente la visualización como una ayuda comunicativa que puede distraer de la resolución del problema. |
| 2019–2020 | Haskoning adquiere Lanner en 2019. Un caso de Hanford de julio de 2020 describe ejecución paralela con Witness.io y análisis mediante aprendizaje automático desarrollado con su empresa hermana Ynformed. | La entrega en la nube tiene un beneficio identificable para la carga de trabajo. La afirmación de IA se refiere al análisis de cuellos de botella; los modelos sustitutos aún se describen como trabajo en curso. |
| 2023 | Witness 26, bajo Twinn, añade edición más rápida de propiedades y una función de deshacer mejorada. | Son mejoras concretas del trabajo de mantenimiento de modelos. |
| 2026 | Witness 28 mejora los informes de estado, las entradas de experimentos y los controles de manipulación de materiales. Una demostración independiente de una cervecería conecta un grafo de conocimiento con la reconstrucción del modelo. | La versión refuerza el flujo de modelado establecido; la demostración explora una forma más programática de mantenerlo. |
El relato de Hanford identifica una tarea y presenta una medida operativa antes y después. Su debilidad restante es la atribución: el resultado publicado combina preparación de datos, ejecución paralela y análisis sin aislar la contribución del aprendizaje automático. El relato actual sigue describiendo el modelado sustituto como trabajo de desarrollo; no aporta un benchmark posterior que demuestre esa capacidad. (7, 17)
El artículo de enero de 2026 también propone acceso conversacional a la simulación. Facilitar las preguntas puede ayudar a un usuario ocasional, pero un chatbot no selecciona los experimentos económicamente relevantes, no valida el modelo ni elimina la revisión humana repetida de escenarios. La dirección de ingeniería más sólida es automatizar la reconstrucción y las pruebas del modelo; su valor depende del mantenimiento que realmente suprima. (13)
Qué hace el cálculo
Las interacciones físicas no lineales son una fortaleza real
En Ford Valencia, proveedores de AGV competidores propusieron tamaños de flota muy distintos. Witness ayudó a establecer una configuración viable y después mostró que añadir vehículos a un circuito concreto aumentaría los bloqueos sin elevar la producción. Otro experimento descubrió que reasignar un vehículo aparentemente ocioso interrumpiría la línea de montaje. Son ejemplos sustanciales de restricciones del sistema: la utilización local y la capacidad instalada pueden ser guías engañosas para invertir. (3)
El modelo de Britvic conectó la manipulación en fábrica con el tráfico del recinto. Dio lugar a pasillos de sentido único y aclaró las implicaciones de personal y costes operativos de una nueva línea de embotellado. En Safran, un modelo cubría cinco líneas de producción, incluidas inspección de calidad, retrabajos y contabilización detallada de tiempos de entrega. Estas aplicaciones abordan interacciones físicas que las hojas estáticas de capacidad suelen suprimir. (4, 5)
El mecanismo de optimización también es identificable. El artículo técnico de Lanner de 2012 describe un objetivo definido por el usuario, rangos de parámetros, restricciones de combinaciones, réplicas y búsqueda basada en recocido simulado y métodos tabú, con una interfaz para otros algoritmos. Esa búsqueda puede evaluar respuestas irregulares de la simulación sin fingir que el proceso es lineal. Aun así, busca entre las opciones codificadas por el modelador. Si falta una acción o un coste económicamente importante, buscar más no puede recuperarlo. (2)
La simulación estocástica necesita previsiones creíbles
El caso de producción alimentaria en Malasia incluye variabilidad de producción, averías y lógica de sensores de transportadores. Por tanto, Witness puede representar incertidumbre del lado de la producción, en lugar de limitarse a cambiar una cifra de demanda entre escenarios deterministas. (16)
Muestrear entradas inciertas es la parte fácil. El trabajo exigente es establecer sus distribuciones, dependencias y relevancia futura. Una simulación de crecimiento de demanda, fallos de máquinas, retrabajos y retrasos de proveedores debe preservar las relaciones que alteran el valor de una inversión o decisión operativa. Los sorteos aleatorios independientes pueden producir detalles convincentes mientras omiten sobrecargas correlacionadas o interrupciones de suministro.
El análisis de Haskoning de agosto de 2025 identifica acertadamente tiempos de ciclo idealizados, restricciones sin validar, lógica de proceso ausente y distribuciones físicas obsoletas como fuentes de error. Recomienda desconfiar de los supuestos y validar progresivamente los modelos frente a las operaciones. Su metodología de 2024 también distingue entre verificar el software y compararlo con el sistema real. (8, 9)
Lo que sigue faltando en los casos de clientes revisados es una descripción numérica de la fiabilidad predictiva: hasta qué punto el modelo anticipa longitudes de cola, variabilidad de producción, colas de la distribución de tiempos de entrega o rendimiento relativo de decisiones rivales en operaciones posteriores. Un gemelo digital pronostica un futuro de alta dimensionalidad. El acuerdo sobre sus supuestos, una animación atractiva y más réplicas de simulación no demuestran que esas previsiones sean fiables.
Esta distinción es especialmente importante para las inversiones de capital. Un pequeño error en el cuello de botella previsto puede invertir qué inversión resulta rentable. La precisión debe evaluarse en ese límite de decisión, considerando la penalización económica de elegir mal, en vez de reducirse a un porcentaje genérico de similitud entre el modelo y la fábrica.
Reproducir un proceso de planificación puede preservar sus defectos
DS Smith necesitaba un modelo de programación de la onduladora, operaciones posteriores e intervenciones de los planificadores. Haskoning describe la reproducción del algoritmo de aprovechamiento del ancho y de la forma en que los planificadores modifican trabajos, dividen tiradas y responden a restricciones de almacenamiento. Esto es necesario para predecir qué hará la organización existente. También crea un límite estratégico: reproducir fielmente los hábitos actuales no determina si esos hábitos merecen mantenerse. (6)
La siguiente mejora puede exigir un espacio de decisiones distinto —nuevas formas de agrupar pedidos, aceptar trabajo de clientes o poner precio a la urgencia—, no una búsqueda mejor sobre los controles de programación existentes. Este es el problema tratado en Holimization: la propia formulación debe evolucionar. Witness es lo bastante programable para admitir esas revisiones, pero su valor empresarial depende del criterio de ingeniería y de nuevas pruebas, no solo de la velocidad de simulación.
Productividad, mantenimiento de modelos y coste de operación
El caso de Hanford ofrece una medida útil de productividad: una pregunta con 80 escenarios habría pasado de 20–25 días laborables a 2–4 días. Witness.io distribuía ejecuciones entre núcleos de simulación dedicados, mientras una aplicación a medida reducía la gestión de entradas y el procesamiento de resultados. Esto mide una tarea analítica definida. El relato también dice que el equipo de modelado duplicó su tamaño al ampliarse el uso, por lo que el ahorro de tiempo transcurrido no debe convertirse en una reducción de plantilla sin fundamento. (7)
El modelado específico de cada cliente supone un trabajo de software considerable. La aplicación de DS Smith incluía cientos de variables y miles de líneas de código, seguidas de un mes de ajuste frente a producción pasada. Cambios pequeños podían afectar mucho a los resultados. La consultoría de Haskoning contempla expresamente tanto la entrega por sus especialistas como el desarrollo de capacidad interna del cliente. La formación incluye cursos avanzados. (6, 14, 15)
El coste de mantener y operar la solución comprende, por tanto, más que licencias y cómputo: observar operaciones, interpretar datos, cambiar reglas, comprobar si una calibración antigua sigue siendo válida y asegurar que el modelo continúe siendo comprensible cuando se marche su autor original. Los componentes reutilizables pueden reducir esa carga. Las excepciones no documentadas la acumulan.
Hay mejoras concretas. Witness 28 permite que Data Tables alimente directamente a Experimenter, reduciendo variables adicionales mantenidas solo para ejecutar experimentos. La versión también mejora la inspección del flujo de materiales. El acceso a la nueva versión exige un contrato de soporte activo. Estos mecanismos y obligaciones sirven más para estimar el coste de operación que una afirmación genérica de que modelar es fácil. (11, 12)
La demostración de la cervecería de 2026 traslada un proceso de referencia a una ontología alojada en Azure Digital Twins. Una aplicación Python transfiere cambios mediante módulos XML para reconstruir el modelo Witness. Esto podría eliminar ediciones repetidas cuando cambian los activos físicos. También crea otra representación que mantener: el grafo, el mapeo y la simulación deben seguir significando lo mismo. La demostración publicada no aporta mediciones de mantenimiento a escala de despliegue ni resultados de validación automática. (13)
Componentes de software y seguridad
| Componente o interfaz | Función y alcance documentados | Implicación operativa |
|---|---|---|
| Aplicación de escritorio Windows | Los requisitos actuales de Witness enumeran versiones de Windows de escritorio y servidor, 8 GB de RAM y 1 GB de almacenamiento para la instalación. | El núcleo tiene una huella de instalación publicada modesta; los experimentos detallados pueden necesitar más memoria y núcleos. |
| Lógica Witness y bibliotecas externas | La documentación actual admite lógica personalizada y bibliotecas C++, C#, VB.NET o Python. | Las extensiones del modelo añaden dependencias ejecutables y necesitan mantenimiento y controles de acceso propios. |
| OLE DB, COM, Excel, repositorio SQL de experimentos | El artículo de Lanner de 2012 describe acceso a datos, ejecución externa, interfaces personalizadas y experimentos almacenados. | Estas interfaces de alcance histórico explican cómo se han construido aplicaciones a medida alrededor del motor. |
| Witness.io | La aplicación de Hanford ejecuta simulaciones paralelas mediante un servicio web. | El paralelismo intercambia tiempo transcurrido por cómputo y exige orquestar entradas y resultados. |
| Azure Digital Twins, Python, XML | Componentes de la demostración de cervecería de enero de 2026. | Un puente del grafo a la simulación añade trabajo de sincronización; es una arquitectura de demostración documentada. |
Los principales costes son el desarrollo del modelo, la validación y el mantenimiento de las integraciones que lo rodean. El material público no expone la arquitectura completa de ejecución y almacenamiento del servicio en la nube actual ni demuestra cómo escalan sus costes con un modelo cambiante realista.
El código externo de los profesionales es el problema de seguridad más inmediato. La página actual de funciones promociona lenguajes de extensión, pero no explica restricciones impuestas sobre archivos, destinos de red, credenciales, dependencias o consumo de recursos. Un script erróneo o una biblioteca comprometida no deberían heredar acceso ilimitado a los datos operativos. La ejecución local en escritorio también necesita protección: separar las credenciales de experimentación del acceso de escritura en producción, limitar la ejecución y poder recuperar el estado del modelo. (1)
Una mejor función de deshacer ayuda a corregir un error de edición; no contiene el código ejecutable. El material de versiones y la demostración de integración revisados no documentan un entorno aislado impuesto ni un proceso controlado para promover extensiones experimentales a aplicaciones conectadas a producción. (10, 13)
Resultados económicos y responsabilidad
Los ejemplos con clientes identificados contienen pruebas útiles sobre decisiones. Ford informa de la operación con su configuración AGV seleccionada y de evitar vehículos innecesarios. Britvic identifica cambios en el tráfico y consecuencias para la dotación de personal. Safran utiliza simulaciones para respaldar inversiones de millones de euros, una cuantía evaluada, no un retorno medido generado por el software. (3, 4, 5)
La evidencia pública es mucho más escasa sobre el resultado económico completo: costes de implantación y mantenimiento, beneficios realizados frente a una alternativa creíble, costes de error y corrección después de que una recomendación decepcione. Un modelo detallado de fábrica puede influir en una gran inversión sin aportar todo el retorno de esa inversión.
La metodología enfatiza la participación de las partes interesadas y el acuerdo sobre los supuestos. Esto ayuda a definir el trabajo, pero el consenso no convierte en verdadero un supuesto falso. La responsabilidad exige registrar la predicción, la acción resultante, el resultado observado y quién debe revisar el modelo cuando difieren. La metodología pública describe actividades de validación; no define un remedio ni una obligación económica si las ganancias esperadas no se materializan. (8, 9, 14)
Puntuación de supply chain
Los 25 criterios tienen el mismo peso.
Profundidad en supply chain
| Criterio | Puntuación |
|---|---|
| Planteamiento económico | 6/10 |
| Resultado final de decisión | 5/10 |
| Claridad conceptual sobre supply chain | 6/10 |
| Independencia de doctrinas centrales obsoletas | 7/10 |
| Resistencia al teatro de KPI | 6/10 |
Media: 6,0/10.
Planteamiento económico — 6/10. Los costes de inversión y operación entran en los estudios de clientes, pero la valoración conjunta de demanda incierta, capacidad escasa y acciones alternativas sigue siendo una tarea de modelado. El rendimiento físico está mejor acreditado que la optimización económica ajustada al riesgo. (4, 5)
Resultado final de decisión — 5/10. Los casos conducen a elecciones concretas de equipos y procesos. La ejecución recurrente aún depende de que los usuarios traduzcan análisis en acciones; el resultado documentado es principalmente apoyo a la decisión. (3, 14)
Claridad conceptual sobre supply chain — 6/10. Los modelos gestionan flujos que interactúan y límites de recursos. La principal carencia es conectar esa representación física con la demanda del cliente, la incertidumbre del suministro externo y las decisiones económicas de la supply chain más amplia. (4, 16)
Independencia de doctrinas centrales obsoletas — 7/10. El entorno de modelado permite razonar sobre procesos específicos en lugar de exigir una clasificación estándar del inventario o un ritual de planificación por consenso. Reproducir el comportamiento heredado de los planificadores puede, aun así, conservar sus debilidades. (6, 8)
Resistencia al teatro de KPI — 6/10. Los ejemplos publicados conectan el análisis con cambios operativos identificables. La precisión predictiva y los retornos netos atribuibles siguen en gran medida sin cuantificar, dejando una distancia considerable entre ilustraciones convincentes y fiabilidad económica medida. (3, 7, 16)
Sustancia de decisión y optimización
| Criterio | Puntuación |
|---|---|
| Profundidad del modelado probabilístico | 6/10 |
| Sustancia distintiva en optimización o aprendizaje automático | 6/10 |
| Tratamiento de restricciones reales | 8/10 |
| Automatización de decisiones y productividad laboral | 5/10 |
| Resiliencia ante la complejidad operativa real | 7/10 |
Media: 6,4/10.
Profundidad del modelado probabilístico — 6/10. La variabilidad operativa forma parte del sistema modelado. La evidencia pública no demuestra una calibración conjunta de la incertidumbre de demanda y suministro ni la fiabilidad futura de las prioridades de decisión resultantes. (9, 16)
Sustancia distintiva en optimización o aprendizaje automático — 6/10. El mecanismo de búsqueda tiene una base técnica publicada y el proceso analítico tiene una aplicación concreta. Ninguno establece una política de decisiones económicas ampliamente reutilizable ni una ventaja de aprendizaje automático medida de forma independiente. (2, 7)
Tratamiento de restricciones reales — 8/10. Los bloqueos, las rutas dependientes de la calidad y los trayectos compartidos pueden invalidar supuestos simples de capacidad. Los ejemplos de clientes muestran por qué estas interacciones modifican las decisiones de inversión. (3, 4, 5)
Automatización de decisiones y productividad laboral — 5/10. El trabajo analítico definido se acelera, pero los especialistas siguen formulando experimentos, interpretando resultados y manteniendo modelos. La nueva demostración de integración carece de un resultado medido sobre el trabajo total. (7, 13)
Resiliencia ante la complejidad operativa real — 7/10. La validación iterativa puede revelar comportamientos ausentes y revisar el modelo. El enfoque permite corregir la formulación, aunque la evidencia publicada no llega a mostrar un ciclo habitual desde el fallo hasta nuevas pruebas después del despliegue. (6, 8, 9)
Integridad del producto y la arquitectura
| Criterio | Puntuación |
|---|---|
| Coherencia arquitectónica | 7/10 |
| Claridad de los límites del sistema | 6/10 |
| Seriedad en seguridad | 3/10 |
| Parsimonia del software y coste total de propiedad | 5/10 |
| Compatibilidad con operaciones programáticas y asistidas por agentes | 6/10 |
Media: 5,4/10.
Coherencia arquitectónica — 7/10. Un núcleo de simulación mantenido en el tiempo permite editar modelos, experimentar y elaborar informes. Las representaciones adicionales en grafos y nube introducen obligaciones de integración cuyos costes todavía no están cuantificados. (10, 11, 13)
Claridad de los límites del sistema — 6/10. El producto central de modelado y la función de consultoría están claros. Son menos transparentes el límite actual de ejecución en la nube, las responsabilidades sobre código del cliente y los controles de conexión a producción. (1, 7, 14)
Seriedad en seguridad — 3/10. Se anuncia la capacidad de extensión sin una contención inspeccionable. Falta la limitación impuesta de lo que el código de los profesionales y sus dependencias pueden consultar o alterar. (1, 13)
Parsimonia del software y coste total de propiedad — 5/10. El mantenimiento de modelos puede dominar frente a la modesta huella de escritorio. El producto mejora la eficiencia de creación, pero la lógica personalizada compleja, el soporte experto y la revalidación siguen siendo costes recurrentes. (6, 11, 12, 15)
Compatibilidad con operaciones programáticas y asistidas por agentes — 6/10. La reconstrucción basada en datos abre una vía útil más allá de la edición manual. La automatización productiva demostrada y el acceso seguro de agentes siguen siendo más limitados que las posibilidades propuestas. (13)
Transparencia técnica
| Criterio | Puntuación |
|---|---|
| Documentación técnica pública | 7/10 |
| Inspeccionabilidad sin mediación del proveedor | 6/10 |
| Visibilidad de la portabilidad y la dependencia del proveedor | 5/10 |
| Transparencia del método de implantación | 8/10 |
| Densidad de pruebas detrás de las afirmaciones técnicas | 7/10 |
Media: 6,6/10.
Documentación técnica pública — 7/10. Artículos, notas de versiones y textos metodológicos muestran mecanismos significativos. La seguridad del despliegue actual y los detalles internos de la nube son mucho menos accesibles. (2, 8, 11)
Inspeccionabilidad sin mediación del proveedor — 6/10. Los casos públicos revelan suficiente comportamiento del modelo para evaluar el enfoque técnico. Reproducir sus conclusiones exige entradas y modelos de clientes que no se publican. (3, 6)
Visibilidad de la portabilidad y la dependencia del proveedor — 5/10. Las interfaces externas y el intercambio de modelos permiten integrar. No demuestran que la semántica ejecutable de los procesos del cliente pueda trasladarse de forma económica a otro motor de simulación. (2, 13)
Transparencia del método de implantación — 8/10. Se describen delimitación, preparación de datos, validación y experimentación junto con trabajo difícil en clientes. Los compradores pueden identificar responsabilidades importantes antes de tratar el software como una solución lista para usar. (6, 8, 9)
Densidad de pruebas detrás de las afirmaciones técnicas — 7/10. Varios casos explican la interacción modelada y la elección operativa resultante. Falta una capa de errores predictivos reproducibles y atribución financiera entre despliegues. (3, 4, 16)
Seriedad del proveedor
| Criterio | Puntuación |
|---|---|
| Seriedad técnica de la comunicación pública | 6/10 |
| Integridad de la hoja de ruta tecnológica | 7/10 |
| Claridad conceptual | 6/10 |
| Responsabilidad económica | 4/10 |
| Defendibilidad en un mundo de software agéntico | 6/10 |
Media: 5,8/10.
Seriedad técnica de la comunicación pública — 6/10. La discusión franca sobre entradas imperfectas respalda el relato de ingeniería. Las amplias afirmaciones sobre gemelos digitales e IA aún superan la evidencia publicada de decisiones autónomas y calidad predictiva cuantificada. (9, 13)
Integridad de la hoja de ruta tecnológica — 7/10. Las versiones fechadas muestran trabajo continuado sobre el producto establecido. La antigua aspiración de modelos sustitutos carece de un benchmark publicado de entrega, pero la historia contiene mejoras identificables, no solo una sucesión de etiquetas. (7, 10, 11, 17)
Claridad conceptual — 6/10. El proveedor entiende que las mejoras locales pueden perjudicar al sistema y que los supuestos deben validarse. Es menos explícito sobre cuándo hay que rediseñar el objetivo y las opciones disponibles en vez de seguir analizándolos. (3, 6, 9)
Responsabilidad económica — 4/10. Las aplicaciones con nombre y los cambios operativos concretos respaldan la relevancia práctica. Los compromisos públicos no definen ganancia neta atribuible, fracaso económico ni corrección cuando las elecciones basadas en modelos rinden por debajo de lo esperado. (4, 5, 14)
Defendibilidad en un mundo de software agéntico — 6/10. El modelado del dominio, la representación de procesos no lineales y el conocimiento acumulado de validación siguen siendo valiosos. Conservar ese valor exige reducir el trabajo de mantenimiento de modelos y revisión de decisiones, más allá de añadir acceso conversacional. (6, 11, 13)
Fuentes
Las fuentes siguientes se consultaron el 4 de noviembre de 2026. Los resultados de clientes son relatos publicados por el proveedor, salvo indicación contraria. Las descripciones técnicas históricas conservan su fecha y alcance originales.
[1] Software de modelado por simulación Witness
Software de modelado por simulación Witness. Publicación: sin fecha; consultado el 2026-11-04.
[2] WITNESS Simulation Software, Anthony Waller, Winter Simulation Conference
WITNESS Simulation Software, Anthony Waller, Winter Simulation Conference. Publicación: 2012.
[3] Estrategia AGV de Ford Valencia
Estrategia AGV de Ford Valencia. Publicación: 2024; año indicado en el texto.
[4] Modelo de producción de Safran Aircraft Engines
Modelo de producción de Safran Aircraft Engines. Publicación: sin fecha.
[5] Logística del recinto de Britvic
Logística del recinto de Britvic. Publicación: sin fecha.
[6] Simulación de la programación de producción de DS Smith
Simulación de la programación de producción de DS Smith. Publicación: sin fecha.
[7] Simulación en la nube y aprendizaje automático en Hanford
Simulación en la nube y aprendizaje automático en Hanford. Publicación: versión actual sin fecha.
[8] Cinco ingredientes de un proyecto exitoso de simulación predictiva
Cinco ingredientes de un proyecto exitoso de simulación predictiva. Publicación: 2024.
[9] Crear confianza en la simulación sin datos perfectos
Crear confianza en la simulación sin datos perfectos. Publicación: 2025-08-27.
[10] Lanzamiento de Witness 26
Lanzamiento de Witness 26. Publicación: 2023-11-01.
[11] Lanzamiento de Witness 28
Lanzamiento de Witness 28. Publicación: 2026-06-30.
[12] Disponibilidad de Witness 28 y requisitos de soporte
Disponibilidad de Witness 28 y requisitos de soporte. Publicación: 2026.
[13] Demostración de gemelos digitales y simulación predictiva en una cervecería
Demostración de gemelos digitales y simulación predictiva en una cervecería. Publicación: 2026-01-19.
[14] Consultoría de modelado por simulación
Consultoría de modelado por simulación. Publicación: sin fecha.
[15] Formación en modelado por simulación
Formación en modelado por simulación. Publicación: sin fecha.
[16] Simulación de producción alimentaria en Malasia
Simulación de producción alimentaria en Malasia. Publicación: proyecto de 2021.
[17] Computación en la nube e IA en gemelos digitales, relato original de Lanner
Computación en la nube e IA en gemelos digitales, relato original de Lanner. Publicación: 2020-07-08.