Modelos de simulación en arquitectura

Una alternativa tecnológica para el proceso de diseño de las edificaciones

Fausto Rodríguez Manzo

Departamento de Procesos y Técnicas de Realización
División de Ciencias y Artes para el Diseño
UAM - Azcapotzalco

Introducción
Los modelos de simulación son herramientas para el diseño que de mucho
tiempo atrás se utilizan en arquitectura. Ejemplo de ello son las maquetas o
modelos a escala las cuales se han utilizado para analizar, ilustrar y explicar de
una manera más objetiva el diseño de una edificación determinada. Hoy en día
se ha llegado al anteriormente inconcebible medio de desarrollar animaciones
en computadora, donde se puede simular inclusive el paseo de una persona
dentro de una edificación virtual.
Se ofrecen constantemente nuevas aplicaciones hacia el confort, así como
debido a que cada día existe una mayor conciencia sobre el medio ambiente, y
ello provoca que los arquitectos deban considerar una serie de nuevos
aspectos en el proceso de diseño, aspectos que normalmente deben tomarse
en cuenta desde el principio.
Lo anterior ha generado el uso de modelos de simulación, sean estos
matemáticos, físicos o computarizados, para tratar de anticipar los efectos que
puedan tener las diferentes decisiones o propuestas de diseño en la realidad.
El uso de modelos es común en la investigación científica, su empleo se enfoca
generalmente a comprender mejor los problemas y anticipar la realidad que se
investiga.
Este trabajo aborda el tema del uso de modelos como una alternativa de
investigación en arquitectura, analizando los antecedentes, su importancia y
posibilidades.

Simulación
Se puede decir que la simulación es casi tan antigua como la humanidad: las
representaciones vivas, las maquetas y los juguetes son solo algunos ejemplos
de cómo el ser humano ha empleado la simulación para reproducir la realidad
que lo circunda.
Quizá los juguetes sean el ejemplo más claro de representación de sistemas
complejos a escala los cuales tienen inclusive un gran potencial didáctico. Otro
ejemplo lo encontramos en los observatorios y demás sistemas de apreciación
de los cuerpos celestes.
Hoy en día la tecnología ha desarrollado procesos de simulación para la
automatización de la industria y para el manejo de fenómenos complejos. La
computación, las técnicas de programación y los bancos de datos permiten en
conjunto la reproducción de estos sistemas.

Algunos ejemplos de ello son:

• Simulación del estado del tiempo y el clima
• Simulación de sistemas naturales
• Simulación del organismo humano, por ejemplo las operaciones del cerebro
• Simulación de sistemas económicos

Los métodos computarizados permiten lograr a través de la simulación nuevos

conocimientos:
• A partir de hechos o circunstancias locales o particulares, es factible concluir
los comportamientos globales o generales de un sistema.
• Es factible que la aplicación de los procedimientos de un sistema complejo
impliquen no solo sus conceptos fundamentales, sino que considere los
materiales, accesorios y comportamientos lógicos de los distintos elementos.
• Se pueden también reproducir procesos que en la realidad tengan una
duración muy larga o que su construcción sea muy costosa o inclusive que se
trate de un proceso peligroso.
• Igualmente es posible prever los comportamientos futuros de un sistema a
partir de estados actuales, mediante la utilización de métodos de predicción
probados y estudiados.

Los modelos de simulación se valen en términos generales de situaciones

pasadas ya estudiadas y probadas para describir y simular estados presentes o
actuales con objeto de descubrir, pronosticar y prever comportamientos o
estados futuros.

Un esquema de este proceso pudiera ser el siguiente:

• El estado actual del sistema mediante un modelo seleccionado, congruente
con el objetivo de investigación.
• Se establece un pronóstico sobre el comportamiento del modelo, mediante la
aplicación de diversas técnicas y herramientas convenientes.
• Finalmente se evalúan y prueban los resultados que permiten establecer
principios, consideraciones o recomendaciones, que en conjunto forman un
sistema de planeación que puede predecir el comportamiento futuro de
problemas de investigación similares, de esta manera se construye un modelo
específico de predicción para ese tipo de problemas.

Una propiedad de los modelos de simulación es que los resultados que se

obtienen son impredecibles, lo que los vuelve procesos eminentemente
creativos.

Simulación en el proceso de diseño de las edificaciones

Los requerimientos y condiciones de bienestar y confort en las edificaciones
son diversos y variados, así como la cantidad de preguntas que se generan
cada día, para obtener mayor conocimiento sobre la energía y el medio
ambiente, aspectos que deben tomarse en cuenta en el proceso de diseño de
las edificaciones, por ejemplo:
• Una estimación de los posibles requerimientos de energía,
• del probable bienestar ó insatisfacción del usuario,
• y los posibles ciclos de vida, influencias y efectos del medio ambiente

Las consideraciones sobre las nuevas aplicaciones solo pueden darse sobre
una integración durante los estadios primarios de planeación o proyectación, lo
que significa que los diferentes diseñadores, consultores, etc. se confronten y
acuerden antes de que el objeto de diseño se defina. La futura edificación debe
ser representada en forma abstracta.

A través de las determinaciones de unidades como de los grupos

interdisciplinarios, pueden llevarse a cabo una infinidad de cálculos,
consideraciones y simulaciones.

Las simulaciones pueden arrojar muchos conocimientos en las etapas

tempranas de planeación, lo que en vista del alcance y la importancia de las
decisiones que en estas etapas se toman, pueden tener grandes
consecuencias.

Con la combinación de los programas CAD y con las contribuciones de otros

sistemas computarizados es posible relativamente temprano, en el proceso de
diseño, obtener de forma preliminar las cifras exactas correspondientes a los
costos de construcción, las terminaciones y el flujo de efectivo para la
construcción de una edificación.

Los arquitectos pueden emplear la simulación como tecnología para el proceso

de configuración de un edificio. Algunos aspectos importantes de ello son:
• La ampliación de las limitaciones tanto proceso como del periodo de
consideración y observación, trae consigo nuevos conocimientos.
• La posibilidad de proponer simulaciones para varios aspectos y productos
simultáneos, a través de lo cual puede mejorarse el trabajo de conjunto entre el
diseñador, el productor y el proveedor.
• La posibilidad de interpretación sobre las relaciones complejas a través de
técnicas de visualización eficientes, particularmente las interpretaciones
dinámicas seudo-realistas de edificios (internación virtual, impresión, etc.) y de
procesos (procedimientos de construcción, tráfico, flujos de energía y
materiales, etc.)
• A través de la aplicación de la computación existe una nueva tecnología de
planeación y diseño. Esto lleva a preguntarse sobre quién dominará en su
totalidad esta tecnología y podrá consistentemente emplearla en el proceso de
diseño con seguridad. La función de coordinación del proceso de diseño -
construcción ha sido tradicionalmente papel del arquitecto. La duda es si a él le
concierne ampliar su competencia y poder coordinar el empleo de estas nuevas
tecnologías de diseño. Si le concierne lo realizará para distinguir la arquitectura
realizada en un nuevo campo tecnológico. Si no le concierne o no tiene éxito en
dominar estas nuevas tecnologías, podrá recurrir a especialistas y compañías
que den ese servicio y la función del arquitecto tendrá dos escenarios posibles:
• En las etapas tempranas la realización formal de un programa en un
concepto, dejando el resto a los especialistas.
• La conducción total del proceso de diseño, la planeación constructiva y la
realización del edificio, donde quedan integrados los especialistas.

Dimensionamiento
El dimensionamiento y cálculo que se emplean en la arquitectura se basan,
como la simulación, en modelos. Un problema se convertirá en una
representación simplificada de la realidad.
Un ejemplo es el dimensionamiento del tiempo de reverberación de un recinto
específico,
T60 = (K*V) / A

(1)
donde:
V = volumen del recinto
A = absorción total de las superficies del recinto
T60 = tiempo de reverberación deseado
K = constante relacionada con la velocidad del sonido

Se trata de un modelo probado y aceptado en el tiempo y por experiencia, que

asegura resultados óptimos. Una simulación de este suceso significa hacer un
solo cálculo y variar únicamente uno de los parámetros y obtener así
conocimientos adicionales.

Cuando V (el volumen) varíe podríamos observar, por ejemplo a partir de

cuando sería necesario cubrir dos muros con el producto de absorción máxima
disponible en el mercado. Si variamos A (la absorción total), se podría observar
si el valor está en el límite o si disponemos de un margen. Este ejemplo tan
sencillo es obviamente trivial pero sirve como ilustración de este tipo de
modelos de simulación al igual que cualquier otra relación matemática.

Para alcanzar un modelo detallado de la realidad requeriríamos un modelo para

cada parámetro presente.

Es de dudarse que este modelo se pueda simplificar y expresar de forma más

clara y sencilla. Probablemente se tenga que construir por partes un modelo
matemático apropiado. En todo caso la solución al problema no es evidente. En
una simulación del comportamiento total del sistema sería posible variar un
parámetro en condiciones extremas conocidas. Por ejemplo la duración
deseada o el volumen y hacer visible o audible el resultado (visualización,
auralización). A través de ello se ilustraría y sería comprensible para cada
especialista, como si se tratara de un sistema con un comportamiento real. Si
una pretendida dimensión se hubiera propuesto, ésta se hubiera podido revisar
o la posibilidad de que algún sistema por ejemplo en un plazo de 10 años una
vez fallara, podría también averiguarse.

La simulación permite por un lado investigar un caso específico y así

teóricamente investigar todos los casos posibles.

La diferencia esencial entre el cálculo y la simulación, se encuentra en la

dimensión complementaria de esta última, que se alcanza a través de la
variación de un parámetro, que puede ser el tiempo, el movimiento del espacio
o la variación de alguna dimensión.
En sus distintas aplicaciones se dan las siguientes diferencias entre el cálculo y
la simulación2:

(TABLITA)
El uso de las computadoras es prácticamente indispensable para llevar a cabo
la variación de un parámetro (tantas veces como sea necesario), para permitir
la interactividad y presentar los resultados de forma visible.

La simulación es una conducción e instrucción a través de la interactividad. El

cálculo es en esencia una conducción y la simulación es una instrucción.

Modelos
Los modelos son la base necesaria para la simulación. El término modelo se
usa para una serie de cosas, que a primera vista nos parecen bastante
distintas. Los modelos en un sentido amplio, son abstracciones de la realidad.

Este procedimiento de abstracción, no está solamente limitado a la realidad,

sino que también se pueden abstraer y esquematizar conexiones abstractas del
mismo modelo.

Todas las cosas del mundo real que percibimos (percepción subjetiva)
corresponden con un
modelo personal de ideas. Este modelo interno es el fundamento mediante el
cual reconocemos y pensamos. Generalmente podemos pensar sobre las
cosas de las que tenemos un modelo y del cual tenemos un concepto. Es parte
de nuestra visión del mundo, porque esos modelos contienen coherencias
causales entre los fenómenos observados.

Uno de los fundamentos importantes para modelos explícitos es la

comunicación. Para cada individuo, su modelo implícito es suficiente. Al
conversar dos personas sobre un tema hacen explícito su modelo y
generalmente lo ajustarán de acuerdo a los resultados de la interacción.

El concepto “modelo” no está necesariamente relacionado a conceptos como el

de “ecuación matemática “ o el de “cálculo computarizado”, sino que puede ser
definido genéricamente como “reproducción física o abstracta de estructuras y
funciones de sistemas reales”3. En este sentido, el plano de un edificio, es un
modelo de esa edificación, así como el dibujo constructivo de un motor es un
modelo de ese motor.
El concepto de modelo más utilizado reúne dos elementos para su definición:
• La abstracción de la realidad
• La descripción matemática de esa abstracción

Para una mejor comprensión se deben separar estos dos elementos: la

abstracción de la realidad utilizarse debe adicionalmente al concepto de
modelo físico, para la descripción matemática de la abstracción, debe utilizarse
el concepto de modelo matemático.

Construcción del modelo4

(TABLA)

El procedimiento para el desarrollo de un modelo teórico es5:

(TABLA)

Los pasos esenciales para ello son:

• Delimitación del sistema ante su medio
• Subdivisión en sistemas parcialies y de influencias mutuas.
• Formación del modelo físico (idealizado, desechando magnitudes específicas)
• Determinación del modelo matemático
• Comparación de magnitudes medidas y magnitudes simuladas por el modelo

La construcción del modelo siempre se ajusta al final, cuestión que es

explicable por la necesidad de simplificar.

Como no todas las magnitudes y relaciones pueden caber en la abstracción o

modelo, se debe realizar una selección de aquellas magnitudes y relaciones
que el observador considere esenciales.

Cualquier objeto real tiene un número infinito de atributos, situación que indica
que es materialmente imposible la descripción total de un objeto real. Cada
descripción de un objeto real es incompleta. El interés de quien describe limita
la cantidad de atributos de un objeto.

En contraste con el modelo físico, el modelo matemático es siempre explícito.

La implementación del modelo matemático no es siempre una representación
1:1 de él, así como del modelo físico básico. Es común realizar simplificaciones
que faciliten la conducción de los cálculos.

Un modelo matemático puede desembocar en un sistema de cálculos que

representan la realidad y por lo tanto la pueden expresar inclusive en forma
visual. La forma en que el planteamiento de un problema se llega a convertir en
un modelo computarizado es a través de los modelos matemáticos. Un modelo
computarizado es un modelo matemático de un sistema. Generalmente para
llegar a un modelo computarizado se siguen estas etapas:

• Planteamiento del problema, donde se definen las variables que intervienen.

• Relaciones matemáticas, donde se definen los modelos de solución
específicos de las variables.
• Algoritmo formal, donde se establecen los procesos del sistema.
• Algoritmo concreto, donde se redondea el sistema con los diversos procesos
y la integración de otros algoritmos.
• Programa de cómputo, donde se integra el algoritmo a un lenguaje de
computación.

Diferencia entre modelo y realidad

En el mundo de los modelos abstractos rigen otras reglas que en la realidad.
Una de las bases para estos fenómenos son las suposiciones del modelo.
Estas suposiciones generalmente son el objeto mismo o razón de ser del
modelo, sobre todo en aquellos que se pretende describan comportamientos
futuros posibles.
Se dice que para todo análisis, “el observador separa el primer plano del
fondo”6, y esto es perfectamente aplicable a la construcción de un modelo.
Una secuencia para la construcción de un modelo sería:

(TABLA)

Conceptos y definiciones
Es importante al manejar modelos de simulación tener claros los conceptos que
lo integran. Algunas definiciones de los conceptos hasta aquí enunciados son:

• Realidad, el caso de estudio en el mundo real

• Modelo, idea o concepto general; denominación genérica de la combinación
de modelo físico y modelo matemático.
• Modelo físico abstracto, imagen simplificada de la cosa investigada,
abstracción de la realidad.
• Modelo matemático, imagen del modelo físico en notación matemática.
Desarrollo de un algoritmo generalmente implementado como programa de
cómputo.
• Modelo físico, modelo físico a escala.
• Suposiciones del modelo, lista explícita de simplificaciones en la formación del
modelo.
• Relación matemática, descripción abstracta y formalizada de las relaciones
entre dos o más dimensiones.
• Cálculo, sustitución de variables en una fórmula a través de valores concretos
y una evaluación.
• Procedimiento, un sinónimo para modelo matemático.
• Variable, dimensión que cambia o varía en el modelo.
• Parámetro, dimensión variable pero fija en el modelo
• Constante, dimensión no variable en el modelo
• Experimento, ensayo, prueba o experiencia en un modelo físico como
analogía del cálculo del modelo matemático.
• Serie de mediciones, resultados de varios ensayos, experimentos y cálculos.
• Modelo estático, modelo cuya construcción de la situación es una serie de
dimensiones de entrada igual a la serie de resultados obtenidos
• Modelo estacionario, modelo cuya construcción de la situación es, desde un
valor de inicio, obtiene más valores discretos de entrada, para obtener
resultados.
• Modelo dinámico, modelo que para cualquier valor de entrada obtiene
resultados.
• Simulación, una simulación es un proceso de cálculo con la utilización de
modelos, la obtención de valores con el auxilio de modelos es una simulación.
Un modelo complejo con datos que requieren de un proceso para la obtención
de valores, por ejemplo el manejo de grandes cantidades de variables y
parámetros, sistemas retroalimentados, etc., al requerir de un modelo
específico para su cómputo se convierten en una simulación. Alimentar con
datos un proceso variándolos para obtener magnitudes correspondientes de
salida, es un proceso al que se le llama simulación.

Estructura de una simulación

• Metas y límites del sistema
Como la simulación es un proceso condicionado y generalmente visual, es muy
importante establecer las metas de forma clara y específica desde un inicio.
Deben también determinarse los límites del sistema, recordando que
generalmente tanto en arquitectura como en construcción se manejan sistemas
complejos y es aquí cuando estos límites toman sentido.

• Hipótesis y condiciones límite

Cada simulación se basa en hipótesis del comportamiento posible de un
sistema, por ello es importante plantear claramente dichas hipótesis. Las
condiciones límite se determinan mediante preguntas de investigación que
definirán de alguna manera el curso que se seguirá en la simulación.

• Modelos físicos y lógicos

Esta etapa de la representación de la realidad es quizá el centro de la
simulación. El modelo debe corresponder con los requerimientos y expectativas
de aquellos que diseñan o construyen. No tiene entonces un carácter objetivo,
aún y cuando se represente y demuestre la “verdad”. El criterio no es obtener
“a priori” un parecido máximo, sino el parecido necesario para dar respuesta a
las preguntas de investigación y evaluar las condiciones límite.

• Solución matemática, algoritmos

Como los modelos se convierten generalmente en forma de grandes
cantidades de cálculos matemáticos, la selección de los procesos de solución
tiene un cierto sentido.

• Implementación de cómputo
Esta implementación, la programación propiamente dicha, depende del
lenguaje de programación.

• Estructura de los datos, importación / exportación

Las estructuras de datos van tomando cada vez una mayor importancia, por un
lado permiten representar fácilmente hechos y por otro lado facilitan la
sustitución de datos con otras aplicaciones.

• Interfaz de entrada / salida

La entrada de datos es muy laboriosa ya que la consistencia de los datos de
entrada debe ser comprobada.

• Validación, interpretación de resultados

Los resultados del modelo de simulación deben ser comprobados para la
confiabilidad del modelo y la posibilidad de perfeccionar su implementación.
Existen procedimientos para validar un modelo de simulación ó un programa de
simulación.

La simulación como instrumento de diseño tiene muchas alternativas, desde los

cálculos simples, pasando por los modelos a escala, hasta los modelos
computarizados. Su uso es una forma de representar la realidad antes de
enfrentarla propiamente, con las ventajas de ajustarla a escenarios límite que
simulen las condiciones de diseño propuestas, variándolas cuantas veces sea
necesario hasta obtener los resultados deseados.

Quizá los modelos de simulación que más se están desarrollando son los
modelos computarizados por su versatilidad, exactitud, facilidad de
implementación y manejo visual. Los modelos a escala implican gran cantidad
de mano de obra y costo y los modelos matemáticos son muy abstractos y
especializados.

Aplicaciones
Las aplicaciones de modelos de simulación en arquitectura son muy diversas y
cubren materialmente todo el espectro de situaciones que se presentan en
arquitectura, tenemos por ejemplo:

• Los procesos de planeación y proyectación

• La física aplicada
-Temperatura
-Viento
-Humedad
-Acústica
-Iluminación
-Confort

• Estructuras
• Ciclo de vida y envejecimiento
• Dispositivos e instalaciones
-Calefacción
-Enfriamiento
-Ventilación
-Instalaciones hidrosanitarias
-Instalaciones eléctricas
-Instalaciones especiales

• Balance de energía
• Influencia del medio ambiente
-Tratamiento
-Microclima
-Contaminación
-Diseño bioclimático
-Impacto ambiental

• Procedimientos de construcción
-En infraestructura
-En superestructuras
-Robótica

• Diversos
-Visualización y percepción
-Manejo de bases de datos
-Experimentación y evaluación
-Técnicas de validación
A manera de conclusión: Importancia de los modelos de simulación en
arquitectura
En arquitectura los modelos de simulación son útiles ante todo en los estadios
primarios de diseño, desde el concepto hasta el anteproyecto, ya que serán de
gran ayuda para establecer los criterios básicos de diseño para un posterior
desarrollo integral.

No debe confundirse el hecho de que existan estas técnicas de simulación, por

un lado con el diseño mismo, y por el otro con la idea de que el arquitecto
podría resolver todos los aspectos que integran o que intervienen en el diseño
de una edificación. Las estructuras, las instalaciones, la acústica, la
iluminación, etc. siguen siendo tarea de los especialistas; pero la ventaja es
que los arquitectos, mediante los modelos de simulación, pueden obtener
criterios preliminares confiables que aseguren que la intervención de los
especialistas será exclusivamente para afinar, detallar y en su caso calcular las
propuestas de los arquitectos y no para modificar drásticamente el diseño,
debido al empleo de criterios erróneos o de la ausencia de ellos.

La utilización de modelos de diseño debiera ser una actividad ligada

permanentemente a la de diseño, indispensable en proyectos complejos y muy
recomendable en los estadios primarios de diseño.

Bibliografía general sobre el tema

Braitenbach, V ; Hosp, I (Hrsg): Simulation Computer zwischen Experiment und

Theorie. Rowolt, Reinbek bei Hamburg, 1995.
Fasold, Sonntag, Winkler: Bau- und Raumakustk 1. Auflage,1987
Feustel, H. u.a.: Fundamentals of the Multizone Air Flow Model - COMIS.
International Energy Agency, Energy Conservation in Buildings and Community
Systems Programme, published by Annex V: The Air Infiltration and Ventilation
Centre in May 1992.
Glück, B.: Komplexe Simulation - Voraussetzung zur Energieoptimierung. HLH-
Heizung-Lüftung/ Klima-Haustechnik, Bd. 46 (1995), Nr. 3 - März, S.143-148.
Glück, B.: Wärmetechnisches Raummodell. C. F. Müller-Verlag, 1997.
Glück, B. und Ochocinski, B.: Strahlplattenleistung unter realen
Einsatzbedingungen. Simulation der Luftströmung um Strahlplatten in
Prüfräumen und Hallen. HLH Heizung-Lüftung/Klima-Haustechnik, Bd. 44
(1993), Nr. 3 - März.
Jones I. P.: Highlights of the Third CFX International User Conference. CFX
news from AEA Technology, No 13, Spring 1997.
Kohler, N; Simulation in Architektur und Bauwesen; Ifib, Universität Karlsruhe,
1996
Ochocinski, B.: Energieökonomische Optimierung von Raumluftströmungen.
Abschlußbericht zum BMFT/BEO-Forschungsverbundvorhaben Nr. 032016 D,
Rud. Otto Meyer, Hamburg, März 1994.
Ochocinski, B.: Entwicklung von raumlufttechnischen Konzepten auf Basis der
Solarenergienutzung in Gebäuden bei Einsatz durchströmter Elemente der
transparenten Wärmedämmung und Formulie-rung von industriell einsetzbaren
Entwurfsmethoden. Teilbereich B: Simulation von Raumluftströmun-gen.
Abschlußbericht zum BMFT/BEO-Forschungsverbundvorhaben Nr. 032016 A,
RUD. OTTO MEYER, Hamburg, Oktober 1993.
Ochocinski, B.: Numerical Simulation of Air Flows - an Essential Tool of Comfort
Optimization of Modern Buildings and HVAC Systems. Building Simulation’97,
Fifth International IBPSA Conference, September 8-10, 1997, Prague, Czech
Republic, Proceedings Volume I.
Ochocinski, Blazej; Numerische Simulation von Luftströmungen für Architekten
und TGA-Planer; ROM, Hamburg 1996
Ochocinski, B.: Rechnerische Raumströmungssimulation. Konferenzband zum
Seminar: Raumluft-strömung - Gestaltung und Optimierung, FH München, 4.
Februar 1993.
Ochocinski, B.: Simulation von Raumluftströmungen in der Technischen
Gebäudeausrüstung (Projektvorstellung). FIA News, Forschungs-
Informationsaustausch, Fachinstitut Gebäude-Klima e.V., 9. Ausgabe, August
1995
Ochocinski, B.: Using CFX to model HVAC systems. CFX Update, CFX news
from AEA Technolo-gy, No 11, Spring 1996
Puhr-Westerheide, P: Simulation mit Computern - eine neue Methode zur
Analyse schwer zugänglicher Prozesse in [BREI95] [LIE92] Liebl, F. Simulation,
München 1992.
Schaub, Badtke; Computersimulationen in der psychologischen Forschung,
Universität Bamberg, 1996
Wolter, Heike; Computergestützte Planung von Beschallungsanlagen; GmbH,
Friedrichsdorf; 1996 Zwicker, E., M. Zollner: Elektroakustik 2. Auflage, 1987

Referencias bibiliográficas
1 Kohler, N; Simulation in Architektur und Bauwesen; ifib,
Universität Karlsruhe, 1996
2 Kohler, N; Simulation in Architektur und Bauwesen; ifib,
Universität Karlsruhe, 1996
3 Kohler, N; Simulation in Architektur und Bauwesen; ifib,
Universität Karlsruhe, 1996
4 Kohler, N; Simulation in Architektur und Bauwesen; ifib,
Universität Karlsruhe, 1996
5 Kohler, N; Simulation in Architektur und Bauwesen; ifib,
Universität Karlsruhe, 1996
6 Kohler, N; Simulation in Architektur und Bauwesen; ifib,
Universität Karlsruhe, 1996

otros artículos de esta publicación

La aplicación de técnicas de simulación también es muy útil en dinámicas de fluidos,
resistencia de materiales y sistemas biológicos.

Foto: Archivo / Unimedios

Simulación de procesos complejos:

presente y futuro de la ciencia
dinámiDesde la descripción del comportamiento de los virus, para aprovechar su
potencial en el tratamiento del cáncer, hasta la identificación de la trayectoria que sigue
un conductor en Bogotá, la simulación y el modelamiento de sistemas complejos se
constituye en una herramienta fundamental para la investigación.

Yino Castellanos Camacho,

Unimedios

Desde que los primeros humanos hicieron representaciones de animales y de otros

humanos en las cavernas de Lascaux y de Altamira, hace más de veinte mil años, quizás
con la esperanza de que los dibujos trazados sobre la gruesa roca les permitieran
controlar los próximos movimientos de los animales para poder cazarlos (según la teoría
de la magia simpática ), el Homo Sapiens intuyó el gran poder que subyacía en simular
situaciones hipotéticas que, recreadas en la imaginación, les permitirían anticipar el
siguiente paso del animal, para así tomar ventaja.

Sin embargo, los misterios que encierra el arte paleolítico son eso, misterios. Lo que no
sucede con las modernas técnicas de simulación, aunque conserven el mismo principio:
recrear una situación basada en los criterios que decida el investigador para anticipar
escenarios probables, dependiendo de la evolución del sistema.

De esta manera, en palabras del profesor José Daniel Muñoz, Director del Grupo de
Simulación de Sistemas Físicos de la Universidad Nacional, “La simulación está a
medio camino entre la teoría y el experimento”. Así caracteriza Muñoz el conjunto de
técnicas que permiten simular y modelar sistemas complejos de las “más diversas áreas
de la ciencia y de la técnica”.

Este conjunto de técnicas, o métodos de simulación (dinámica molecular, método de

Montecarlo, autómatas celulares, para mencionar sólo algunos de los que estudia el
grupo de la UN), ofrece al investigador la posibilidad de trabajar sobre universos
artificiales en los que sus hipotéticos habitantes se trasforman en entidades, cuyo
comportamiento e interrelaciones son descritas a partir del procesamiento de los valores
de las variables, los parámetros y las reglas de evolución del sistema, entre otros datos
que permiten analizar su situación global y su dinámica en el tiempo.

Uno de los criterios fundamentales para llevar a cabo una simulación útil, que permita
describir el funcionamiento de un sistema es, claro, definirlo. Así es para el profesor
Diógenes Campos, que desarrolló buena parte de su labor investigativa y docente en la
Universidad Nacional y actualmente es el Decano de la Facultad de Ciencias Naturales
de la Universidad Jorge Tadeo Lozano.

Para Campos, lo primero es elegir el sistema que se va a estudiar. Esto automáticamente

parcela el universo en dos partes: el sistema y lo que Campos llama el medio ambiente.
Luego, para construir el sistema dinámiUnimediosco, es necesario caracterizar las
entidades fundamentales a las que el investigador les va a prestar atención, lo que
técnicamente se denomina las variables de estado. Por ejemplo, en la caída libre de un
lápiz, dichas variables serían su posición y la velocidad con que se mueve.

Ahora bien, el sistema interactúa con el medio ambiente. Esta interacción se manifiesta
en el modelo en términos de parámetros, como la masa del lápiz, la gravedad o, lo que
es lo mismo, las magnitudes constantes que determinan la relación del sistema con el
medio ambiente. Pero, además, como anota el profesor campos: “es necesario saber
como cambia el estado inicial del sistema con el tiempo. Por tanto, se plantean las
ecuaciones que le brindan esta información al investigador. En el caso del modelo que
desarrollamos para virología utilizamos ecuaciones diferenciales ordinarias”.

Cabe agregar que, ante la dificultad de experimentar directamente en laboratorio con

entidades inabarcables –como un grupo social–, muy pequeñas –como moléculas– o que
supongan dificultades logísticas –como la reacción de los cuerpos ante la gravedad cero
en la tierra–, la simulación es de gran ayuda, pues posibilita representar las condiciones
del sistema y saber cómo funcionaría. Así mismo, el modelamiento de sistemas físicos
permite detectar fallas y errores en los diseños de los experimentos y analizar los
resultados de forma segura.
Técnicas para cada situación
Según el profesor Álvaro Árenas, de la Escuela de Diseño Industrial de la Universidad
Nacional, algunos fenómenos físicos, biológicos y antroposociales son susceptibles de
ser simulados y modelados.

Arenas, como Director del grupo Complexus de la Universidad Nacional, ha realizado

simulaciones de redes sociales, como la de los investigadores de la UN, basado en el
paradigma contemporáneo de la complejidad, que permite “conocer la interacción entre
los componentes de un sistema. Es decir, permite comprender que el todo es más que la
suma de las partes”.

De igual forma, para él es clave conocer qué tipo de técnica se ajusta mejor a su
simulación. Muñoz cree que estas podrían agruparse en técnicas de simulación, técnicas
de modelamiento y métodos numéricos.

En técnicas de simulación se encuentran las ecuaciones diferenciales, los autómatas

celulares, la dinámica molecular y el método de Montecarlo, muy útiles en campos tan
disímiles como la simulación del tránsito vehicular, el monitoreo de procesos de
producción, la caracterización del comportamiento de suelos, arenas, cerámicas y
concretos, y la simulación de materiales granulares, entre otros. Con más de doce líneas
de investigación, el grupo del profesor Muñoz es un referente en este campo.

En las técnicas de modelamiento se encuentran las redes neuronales y los algoritmos

genéticos, entre otras. Estas sirven fundamentalmente para simular redes sociales,
propagación de epidemias y otros fenómenos sociales. Los métodos numéricos, por su
parte, permiten conocer en el tiempo la evolución de un sistema dinámico mediante la
resolución de ecuaciones diferenciales y son utilizados en ingeniería civil y mecánica
para calcular deformaciones en los materiales, entre otras aplicaciones.

De esta manera, el poder de la simulación permitirá el avance de múltiples áreas del

conocimiento. Esta situación ha motivado la creación del Centro de Investigación de
Excelencia en Modelamiento y Simulación de Fenómenos y Procesos Complejos, que
recibirá un millón setecientos mil dólares en cinco años, con el fin de fortalecer la
investigación en este campo, que es clave para dar respuestas a varias de las
problemáticas que tiene el país. Igual que hace más de veinte mil años, la simulación le
permitirá al homo sapiens resolver con mayor eficiencia problemas que él mismo ha
creado, entre ellos los propios de nuestro país, como determinar fenómenos tan
complejos como la dinámica del ingreso de nuevos combatientes a los grupos en
conflicto o la evolución de la tasa de criminalidad.