Dentro del proceso de optimizacion via simulacion (OvS) se utilizan procedimientos de busqueda y exploracion del espacio solucion, asi como etapas de costeo y depuracion, con el fin de obtener una alternativa que optimice el desempeno del sistema en cuestion. La obtencion de un conjunto de soluciones muy buenas enriquece el proceso de toma de decision, ya que permite evaluar alternativas a la luz de la experiencia y situaciones puntuales del sistema. En este trabajo se desarrollo una aplicacion que permite obtener un subconjunto de alternativas que apoyen el proceso de toma de decision en la mejora de un sistema.La aplicacion se desarrollo a partir de analisis de sensibilidad del metodo de seleccion frente a tamanos de muestra y parametros iniciales, asi como el efecto de inclusion de tecnicas como Common Random Numbers (CRN). El metodo de seleccion empleado (Seleccion del mejor subconjunto - BSS) se comparo con otro de similares caracteristicas (Seleccion del mejor - NSGS), obteniendo resultados favorables en desempeno y robustez. Como resultado de la metodologia propuesta, en el subconjunto final se encontro la mejor solucion explorada bajo un parametro de riesgo definido, asi como una serie de alternativas competentes para la maximizacion del desempeno 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.