Sistemas, modelos y

simulacin

Introduccin I
Un SISTEMA es una coleccin de
entidades (seres o mquinas) que actan
y se relacionan hacia un fin lgico.
Ejemplo: Un banco con:

Cajeros
[comerciales]
[cajas de seguridad]
Productos
Seguros
Fondos
Planes, etc.

Introduccin II
Un MODELO es una representacin simplificada
de un sistema elaborada para comprender,
predecir y controlar el comportamiento de dicho
sistema.
La representacin de modelos puede adoptar
distintas formas:
Mentales: visin personal de un pas o ideologa
Fsicas: de una casa, un puente, un ordenador
Simblicas:
H 2O
F = ma

Introduccin III
Un ESTADO del sistema es el conjunto de
variables necesarias para describir el
mismo en un instante concreto
Ejemplo: En el banco:
El nmero de clientes
El nmero de agentes desocupados
El tiempo de llegada de cada cliente al banco, etc.

Introduccin IV
CLASIFICACIN DE SISTEMAS
DISCRETOS
Son aquellos en los que las variables de estado
cambian instantneamente en instantes separados
de tiempo
Ejemplo: nmero de clientes en el banco.

CONTNUOS
Son aquellos en los que las variables de estado
cambian de forma continua con el paso del tiempo
Ejemplo: avin en vuelo (posicin, velocidad, etc.)

Formas de estudio
SISTEMA

Experimentacin
con
el sistema real

Costoso,
Complejo,
Peligroso,...

Experimentacin
con un
modelo del sistema

Modelo fsico

Relaciones lgicas
y cuantitativas.
S = vt

Modelo matemticos,
Simblicos o lgicos

Maquetas,
Simuladores,
Etc.

Solucin
Analtica
(exacta)

SIMULACIN

Cundo simular?

La simulacin es una tcnica experimental de resolucin de

problemas lenta e iterativa. Debemos usarla cuando:
No exista un sistema real, sea caro o peligroso o sea imposible
construir y manipular un prototipo
La experimentacin con el sistema real sea peligrosa, costosa o pueda
causar incomodidades
Existe la necesidad de estudiar el pasado, presente y futuro de un
sistema en tiempo real, expandido o contrado (control de sistemas en
tiempo-real, cmara lenta, crecimiento de poblaciones, efectos
colaterales de frmacos, etc.)
La modelacin matemtica del sistema es imposible (meteorologa,
sismologa, conflictos internacionales, etc.)
Los modelos matemticos carecen de soluciones analticas o
numricas (ED No lineales, problemas estocsticos, etc.)
Cuando sea posible validar los modelos y sus soluciones de una forma
satisfactoria
Cuando la precisin esperada por la simulacin sea consistente con los
requisitos de un problema concreto (por ejemplo la dosis de radiacin
en el tratamiento del cncer requiere una precisin extrema-,
prediccin de la poblacin mundial de tigres es relativamente
relevante su exactitud-)

Limitaciones de la simulacin

No es ciencia ni arte, es una combinacin de ambas

Es el ltimo cartucho
Experimental e iterativa
Cara en trminos de mano de obra y tiempo de
computacin
Generalmente proporciona soluciones subptimas
Validacin compleja
La recopilacin, anlisis e interpretacin de resultados
requiere buenos conocimientos de probabilidad y
estadstica
Meelamkavil, 1987

Ejemplo (1)
Un granjero posee 100 Has. de terreno en
las que slo puede plantar cereales o
caa de azcar. El problema es
determinar cul debe ser su poltica de
explotacin ptima, es decir, qu plantar y
cunto plantar teniendo en cuenta los
recursos disponibles.

Ejemplo, aproximacin (2)

Fines
maximizar el beneficio

Caractersticas
Variables que describen los costes de produccin, personal, maquinaria,
precios de materias primas y de venta de productos,
Procesos que tienen lugar en el proceso de cosecha

Hiptesis
El coste del gasleo se mantendr K en el periodo
Los trabajadores no harn huelgas,

Puntos fuertes y dbiles del modelo

Fuertes: modelo matemtico
Dbiles: experiencia, semillas, etc.

Posibles mejoras
Funcin de medida del beneficio

Proceso de
modelado
Modelado: es el
proceso de establecer
relaciones entre
entidades importantes
de un sistema.
Los modelos se
denotan en trminos
de objetivos, criterios
de desempeo, y
restricciones.

Anlisis del sistema

Seleccionar entidades del problema, sus
atributos (parmetros y variables), el entorno del
sistema y sus limitaciones
Dos vas de aproximacin:
Si el sistema no existe fsicamente
Hacer uso de caractersticas fsicas, qumicas o tericas del
sistema

Si el sistema existe
Como en el caso anterior + uso de datos histricos

En ambos casos
Tratar de aplicar leyes conocidas (p.e. Leyes de Kirchoff,
frmulas del produccin, etc.)
Si no es posible recurrir a tcnicas estadsticas de prediccin

Anlisis del sistema granja, I

Entidades

Atributos

Superficie en
Has

Cantidad, coste,
productividad,
beneficios, precios

Economa

Capital, tasa de inters

Trabajadores

Hombres, mujeres,
salarios, productividad

Tiempo

Das, fecha de
comienzo

Maquinaria

Tipo, coste, velocidad,

coste de
mantenimiento, valor
de reventa, flexibilidad

Fertilizante

Tipo, coste,
composicin

Exterior
Colegios, oficinas,
hospitales, teatros, ...
Entorno
Clima, maquinaria,
trabajadores, suministro
de carburante, poltica,
bancos, ...
Granja
Tierra, trabajo,
maquinas, dinero,
tiempo, semillas,
edificaciones,
informacin ...

Anlisis del sistema granja, II

Objetivos

Maximizar el beneficio este ao

Maximizar el beneficio en los prximos n aos
Maximizar el beneficio y la clientela
Minimizar costes
Maximizar la superficie de tierra utilizada
Maximizar las tasas de beneficios y subvenciones pblicas, ...

Medidas de efectividad
ptimo de la funcin de coste o beneficio expresadas en
trminos de variables del negocio
Mximo de la funcin que describe el uso de tierra
ptimo de la funcin que incorpora los beneficios tangibles
(capital) e intangibles (prestigio) expresados en trminos delas
variables de negocio, ...

Anlisis del sistema granja, III

Interrelaciones, restricciones y marco experimental

Importante no importante
Continuo discreto
Controlable incontrolable
Disponibilidad de trabajadores, capital, maquinaria, tiempo
Terreno disponible, fertilizantes, etc.
Mecanismos de valoracin, rango de las variables, soluciones
enteras o reales, periodo de estudio, limitacin de datos, ...

Estrategia de solucin
Mecanismos de recopilacin de datos y estimacin de
parmetros
Modelo lineal o no lineal
Mtodos computacionales y posibilidades de uso
Generalidad, aplicabilidad y flexibilidad de las soluciones
Posibles extensiones

Formulacin del modelo

Comenzar haciendo un diagrama de flujo simple
Debe hacerse nfasis en la simplicidad, facilidad
de formulacin y comprensin
Usar el nmero mnimo de variables necesarias
para describir el sistema
La sobresimplificacin hace al modelo intil
La inclusin de detalles triviales hace al modelo
excesivamente extenso, complejo e intratable

Formulacin del modelo granja, I

max 40 x1 + 20 x2

Produccin (datos por

Ha)
Cereal

Caa

s.a. x1 + x2 100
Disponible

x1 + 4 x2 160

Coste
de
labrado

10

20

1100

Periodo
de
labrado

160

B neto

40

120

X1=?

X2=?

Terreno
usado

10 x1 + 20 x2 1100

100

x1 , x2 0
Se ignoran muchos datos:
fertilizantes, maquinaria,
personal, clima, mercados,
etc.
El modelo es muy fiable
Satisface las necesidades
de informacin del granjero

Verificacin, validacin y
certificacin
Validacin: es el proceso que confirma que el modelo es
una representacin adecuada del sistema original y es
capaz de imitar su comportamiento de una forma
razonablemente precisa en el dominio previsto para sus
aplicaciones.
Verificacin: es el procedimiento para asegurar la
consistencia de la estructura del modelo con respecto a
las especificaciones del mismo, es decir, para confirmar
que el modelo es una representacin fidedigna del
modelo definido.
Certificacin: Por organismos independientes
(nacionales o internacionales) para asegurar la
credibilidad y aceptabilidad de los modelos. rea de
difcil aplicacin.

Validacin vs. Verificacin

Mundo real
(sistema)

Sistema
visto como
un crculo

x2 + y 2 = 1
y = 1 x2
1 x 1
radio = 1
centro = 0.0

xi +1 = xi cos + yi sen

Salida 1

Salida 2

yi +1 = yi cos xi sen
x0 = 1; y0 = 0
0 2
radio = 1
centro = 0.0

Implementacin y documentacin
Un modelo validado y verificado est disponible para su
implementacin y puede usarse para la prediccin,
control o explicacin de un sistema
Hay diferentes formas de obtener soluciones, luego
debe realizarse un adecuado diseo de experimentos
para extraer la mayor cantidad de informacin til del
modelo
El proceso de documentacin debe formar parte de la
totalidad de la simulacin. Sin documentacin un modelo
prcticamente carece de utilidad
Anotar los detalles finales del modelo
Anotar las experiencias realizadas
Documentar el modelo, hiptesis, mtodos matemticos y
computacionales empleados y sus justificaciones, costes,
recomendaciones futuras, etc.

Ejercicios
Pensar ejemplos de
modelos en las
siguientes reas

Ingeniera
Ciencias
Negocios
Qumica
Psicologa

Indicar, en cada caso,

brevemente:

Fines
Caractersticas
Hiptesis
Puntos fuertes y
dbiles del modelo
Posibles mejoras

Clasificacin de modelos, I
Estticos vs. Dinmicos
Estticos: Representan el sistema en un
instante determinado. El tiempo no juega
ningn papel.
Ej. Clculo de integrales definidas

Dinmicos: Sistemas que evolucionan con el

tiempo.
Ej. Cinta transportadora en una fbrica

Clasificacin de modelos, II
Deterministas vs. Estocsticos
Deterministas: Aquellos modelos que no
contienen elementos aleatorios.
Ej. Un sistema de Ecuaciones Diferenciales
modelando una reaccin qumica.

Estocsticos: Aquellos modelos que

contienen alguna componente aleatoria.
Ej. Banco, centralita telefnica, etc.

Clasificacin de modelos, III

Continuos vs. Discretos
Continuos: Son aquellos en los que las variables de
estado cambian de forma continua con el paso del
tiempo
Ej. Comportamiento global del trfico de una autopista

Discretos: Son aquellos en los que las variables de

estado cambian instantneamente en instantes
separados de tiempo.
Ej. Movimiento individual de los coches en una autopista

Clasificacin de modelos, IV
Simulacin vs. Simulacin Monte Carlo
En ambos casos hay influencia de sucesos
aleatorios
Simulacin Monte Carlo: Determinista
El modelo aproximado es estocstico, el sistema
es determinista

Simulacin: Estocstica
Tanto el sistema como el modelo son estocsticos
por naturaleza

Modelos de Simulacin de Eventos

Discretos (MSED)
Modelos Discretos, Dinmicos y Estocsticos
El sistema cambia de estado en una cantidad
numerable de instantes de tiempo (EVENTOS)
Los eventos pueden servir para
Planificar el final de una simulacin
Planificar una operacin en un instante concreto

Ejemplo: Cola

Servidor (libre/ocupado)
Cola (vaca/ocupada)
Cliente (tiempo llegada/tiempo servicio)
Eventos (llegada/servicio cliente)

Modelizacin de una cola con un

servidor
tiempo
1
1

2
Servidor
Libre

Servidor
Ocupado

Cola
vaca
Cola
ocupada

Cliente

Mecanismos de Avance de Tiempo

En los MSED es necesario disponer de un
mecanismo de avance del tiempo
Se denomina RELOJ DE SIMULACIN a la
variable del modelo que proporciona el valor
actualizado del tiempo simulado
No son necesarias unidades de medida (GPLs)
Dos formas de avance del tiempo
Por eventos
Por incrementos fijos

Avance por EVENTOS

DESARROLLO
1.
Se inicializa el reloj a 0
2.
Se determinan aleatoriamente los
instantes futuros de ocurrencia
de eventos
3.
Se incrementa el reloj al evento
ms inminente (el primero)
i.
Se actualiza el estado del
sistema
ii.
Se actualiza el conocimiento
existente sobre los tiempos
de los eventos futuros
iii.
Repetir 3 hasta que se
verifique alguna condicin de
parada

Observaciones
Los periodos inactivos
son ignorados.
En el avance por
incrementos fijos no son
ignorados lo cual implica
un mayor costo
computacional.
Los periodos entre eventos
suelen ser de tamao
desigual.

REPRESENTACIN

e0

e1

e2

e3

e4

e5

t1

t2

c1

t3

c2

A1

A2

A3
S1

ti

NOTACIN

tiempo de llegada del i-esimo cliente

Ai = ti ti 1

periodo de tiempo entre llegadas

Si

tiempo en el servidor

Di

tiempo de espera en cola

ci = ti + Di + Si
ei

S2

tiempo de servicio

tiempo de ocurrencia del i-esimo evento (reloj)

tiempo

Componentes de un MSED

Estado del sistema: variables de estado

Reloj del sistema: variable que proporciona el valor actualizado del tiempo
simulado
Lista de eventos: lista de instantes de tiempo
Contadores estadsticos: Variables
Rutina Inicializacin: Subprograma de inicializacin de variables
Rutina Temporal
Determina el siguiente evento
Actualiza el reloj de simulacin

Rutina de eventos: Subprogramas de actualizacin del estado (uno por

cada evento)
Librera de rutinas: Generadores de observaciones con distribuciones
conocidas
Generador de Informes
Programa Principal: Programa que

Llama a la rutina de inicializacin

Llama a la rutina temporal
Verifica la terminacin de la simulacin
Llama al generador de informes