Modelos

Ao 2010

Unidad: Modelos

Gua de Contenidos
Introduccin Qu son los modelos? Modelo funcional La realidad y la abstraccin. Tipos de modelos: Dependiente de las caractersticas del sistema: Segn su funcin Segn su estructura. Segn su incertidumbre Variacin de la abstraccin en los modelos. Tipos de modelado: El proceso de modelizacin.

Pg. 2 de 14

Unidad: Modelos

Introduccin
El uso de modelos, a veces llamado "modelacin", es un instrumento muy comn en el estudio de sistemas de toda ndole; los modelos son especialmente importantes porque ellos nos ayudan a comprender el funcionamiento de los sistemas. El empleo de modelos facilita el estudio de los sistemas, an cuando stos puedan contener muchos componentes y mostrar numerosas interacciones como puede ocurrir si se trata de conjuntos bastante complejos y de gran tamao. El trabajo de modelacin constituye una actividad tcnica como cualquiera otra, y dicha labor puede ser sencilla o compleja segn el tipo de problema especfico que deba analizarse.

Que son los Modelos?

Un modelo es un bosquejo que representa un conjunto real con cierto grado de precisin y en la forma ms completa posible, pero sin pretender aportar una rplica de lo que existe en la realidad. Los modelos son muy tiles para describir, explicar o comprender mejor la realidad, cuando es imposible trabajar directamente en la realidad en s. Por ejemplo, si quisiera explicar lo que es un hipoptamo, se le podra presentar en un dibujo, mejor an sera una fotografa y todava mejor, un modelo en tres dimensiones en una escala determinada. Para ciertos fines esto sera mucho ms fcil que trasladarse al frica para ver un hipoptamo en su ambiente natural. Resumiendo un modelo es una representacin abstracta de un sistema que permite analizar y describir al mismo.

Modelo funcional
Un modelo funcional es un instrumento que sirve a su propsito en forma adecuada y que deja satisfecho al utilizador. Un buen modelo funcional toma en cuenta todos los factores esenciales e ignora por completo los detalles superfinos. Por eso, es de suma importancia disponer de un propsito muy claro y preciso antes de comenzar a elaborar el modelo. Los requisitos primordiales para construir cualquier modelo son: - Un propsito claramente definido. - Identificar las consideraciones esenciales (incluir en el modelo). - Desechar consideraciones superfluas (estas son fuente de confusin). - El modelo debe representar la realidad en forma simplificada.

La Realidad y la Abstraccin.
Realidad: Es todo lo que existe. De un modo ms preciso, el trmino incluye todo lo que es, sea o no perceptible, accesible o entendible por la ciencia y la filosofa o cualquier otro sistema de anlisis.

Pg. 3 de 14

Unidad: Modelos Se podra decir que existen 2 tipos de realidades la tangible, concreta (por ejemplo un auto) y la intangible (por ejemplo el pensamiento). Abstraccin: Es una descripcin simplificada o especificacin de un sistema que enfatiza algunos de los detalles o propiedades del sistema, mientras suprime otros. Dicho de otra manera, la abstraccin consiste en aislar un elemento de su contexto o del resto de los elementos que lo acompaan. En programacin, el trmino se refiere al nfasis en el "qu hace?" ms que en el "cmo lo hace?" (Caracterstica de caja negra). A grandes rasgos la abstraccin permite que dispongamos, de las caractersticas de un objeto, que necesitemos. Por ejemplo si necesitamos el sistema Persona, podramos poner nombre, edad, direccin, estado civil, etc., eso s lo necesitamos en un sistema administrativo, pero, si lo requerimos para el rea de biologa, dentro de sus atributos quiz tengamos, ADN, RND, Gen x1, Gen x2, etc. Y los atributos antes mencionados no sean requeridos. En general, podemos decir que Persona cuenta con todos los atributos mencionados aqu, pero, por el proceso de abstraccin excluimos todos aquellos, que no tiene cabida en nuestro sistema.

Tipos de modelos:
Dependiente de las caractersticas del sistema:
Modelo mental: Son intuitivos y su carcter es difcil de formalizar. Como ejemplo se puede presentar a los cazadores primitivos, cuya supervivencia estaba determinada por su habilidad en evitar a predadores letales. El cazador aprendi a distinguir entre los animales mortales y los que no lo eran, cazar y defenderse de los primeros. Cuando se enfrentaba a una nueva especie no vista antes, utilizaba su experiencia para clasificar y predecir su conducta. Se puede decir que el modelo utilizado por un cazador para describir la conducta de los animales (su interpretacin del sistema real, desarrollado a travs de la educacin, prctica y experiencia) se crea a partir de los experimentos realizados. Modelo verbal: Es cualitativo por naturaleza, las palabras se usan para describir las reacciones del sistema frente a un estmulo. La regla Si un individuo es alto, entonces puede ser buen jugador de baloncesto es parte de un modelo. El conjunto de reglas borrosas (como uno de los varios tipos de sistemas basados en el conocimiento que existen) es un ejemplo de modelo verbal. Modelo fsico: Generalmente son modelos a pequea escala de barcos, plantas de destilacin, etc. que se desarrollan para investigar el comportamiento del sistema real. En general es costoso de construir y resulta difcil modelar todos los fenmenos involucrados. Pg. 4 de 14

Unidad: Modelos Modelo matemtico: Es aquel donde la relacin entre las diferentes variables en un sistema se formaliza a travs de relaciones matemticas (normalmente ecuaciones). Los modelos matemticos son generalmente muy informativos, pero en una forma ms limitada que los modelos mentales o verbales, puesto que son slo interpretables desde un punto de vista matemtico. Los modelos borrosos, por ejemplo, son usualmente descritos por reglas borrosas; estos poseen un significado ms preciso una vez que han sido trasladados al contexto matemtico. Estos modelos y sus subclasificaciones (detalladas abajo) son usados comnmente para delimitar otros tipos de clasificaciones.

Segn su Funcin:
Modelo del Sistema

Modelos Predictivos

Modelos Evaluativo s Pg. 5 de 14

Modelos de Optimizaci n

Unidad: Modelos Modelos Predictivos: Este tipo de modelos nos informan del comportamiento de la variable en un futuro, es decir, lo que debera ser. A este tipo de modelos corresponden aquellos basados en tcnicas estadsticas y/o economtricas, es decir, modelos de previsin. Modelos Evaluativos: Una tcnica evaluativa corresponde a medir las diferentes alternativas, y as poder comparar los resultados de ellas. Este tipo de modelos se corresponden con los denominados rboles de decisin. Modelos de Optimizacin: Se trata de modelos que tratan de identificar un ptimo (por lo general, el ptimo global) del problema, es decir, buscan la mejor de las alternativas posibles. Estos mtodos son los que estn basados en las tcnicas de programacin matemtica.

Segn su Estructura:

Modelo del Ambiente

Modelo Esencial

Modelo de Comportamiento

Modelo del Sistema

Modelo de Implementacin

Modelo del Usuario Modelo de Distribucin Modelo de Programa Modelo de Procesadores Modelo de Tareas

Modelo Esencial: es un grupo de diagramas que modelan un sistema.

Modela lo que el sistema debe hacer para satisfacer los requerimientos del usuario, sin especificar cmo se implementar, es decir, no especifica cmo se llevan a cabo las funciones, ni dnde ni qu o quin las hace. El modelo esencial forma parte del anlisis estructurado para el anlisis de sistemas. Componentes del Modelo esencial:

Pg. 6 de 14

Unidad: Modelos Modelo ambiental: define la frontera entre el sistema y el mundo exterior, generalmente empleando un diagrama de flujo de datos de contexto (adems de otros componentes). En otras palabras, dice qu forma parte del sistema y qu cosas no. Modelo de comportamiento: define las funciones del sistema para que interacte exitosamente con el ambiente. Se desarrolla en el proceso de anlisis (anlisis estructurado) de un sistema. El modelo de comportamiento es el conjunto de modelos (esquemas, diagramas) de un sistema. Ese conjunto de modelos puede incluir DFD, DER, DTE, DD, EP, etc.1

Modelo de Implementacin:
A partir de esta etapa, el modelo esencial es instanciado en una tecnologa dada. Se debe considerar ahora, las imperfecciones de la tecnologa y determinar, la cantidad de procesadores necesarios, las cualidades de estos procesadores, el tamao de disco necesario de acuerdo al volumen de la informacin a ser almacenada, etc. Luego se disea la solucin sobre la base de esas restricciones tecnolgicas. La creacin del modelo de implementacin se fundamenta en la creacin de tres modelos, uno de ellos en forma independiente (el modelo de implementacin usuario o de la interfaz hombre-mquina) y los otros dos en forma encadenada en un proceso incremental de refinamiento e incorporacin de detalles:

Modelo de Implementacin del Usuario:

Es el punto de inflexin entre la etapa de anlisis y la etapa de diseo. El modelo de implementacin del usuario especifica un conjunto de restricciones que el usuario desear imponer al grupo de desarrollo y condicionarn al diseador. La creacin de este modelo es independiente del resto de los modelos que conforman el de implementacin, y puede ser desarrollado en paralelo. Las interfaces deben ser diseadas para cada uno de los procesadores (del modelo de procesadores) y para cada una de las tareas (del modelo de tareas).

Modelo de Distribucin:
Describe todas las decisiones relativas a la arquitectura de hardware (modelo de procesadores) y a la estructuracin general de la arquitectura de software (modelo de tareas). Se incorporan, en los modelos creados hasta este punto algunas Distorsiones (requerimientos no esenciales) destinadas a optimizar el uso de esa tecnologa. El criterio fundamental es: Minimizar todo lo posible las distorsiones agregadas.

Ver Glosario adjunto al final del documento.

Pg. 7 de 14

Unidad: Modelos Modelo de Procesadores: Asigna el modelo esencial a distintos procesadores y determina la arquitectura de comunicacin entre ellos. Implica la asignacin de procesos y almacenes a los procesadores. Modelo de Tareas: Los modelos resultantes de la creacin del modelo de procesadores son estudiados por separado (un procesador por vez), para determinar tareas diferentes (que sern programas diferentes de manera tal que se pueden ejecutar concurrentemente o no).

El Modelo de Programas:
Para cada tarea debe desarrollarse un modelo de programa. De esto se encarga principalmente el Diseo Estructurado. La estructura del programa que implementa cada una de las tareas resultantes de las etapas de modelado de procesadores y tareas, es diseada mediante la aplicacin de las tcnicas y estrategias descriptas por el Diseo Estructurado (por ejemplo: Anlisis de Transformaciones y Transacciones) y mejorada con la aplicacin de criterios de calidad (por ejemplo: Cohesin, Acoplamiento, etc.).

Segn su incertidumbre:
Para hablar de incertidumbre nos apoyamos en la teoria de decisiones de la cual se desprenden cuatro categoras generales dependiendo de la habilidad para predecir las consecuencias de cada alternativa: Toma de decisiones bajo certidumbre: Se tiene conocimiento total sobre el problema, las alternativas de solucin que se planteen van a causar siempre resultados conocidos e invariables. Otra manera de pensar en esto es que existe una relacin directa de causa y efecto entre cada acto y su consecuencia. Si esta lloviendo, deber llevarse un paraguas? Ya sea que se lleve o no el paraguas, las consecuencias son predecibles. Utiliza al: Modelo Determinstico: es un modelo matemtico donde las mismas entradas producirn invariablemente las mismas salidas, no contemplndose la existencia del azar ni el principio de incertidumbre. Generalmente se derivan de sistemas estticos. Est estrechamente relacionado con la creacin de entornos simulados a travs de simuladores para el estudio de situaciones hipotticas, o para crear sistemas de gestin que permitan disminuir la incertidumbre. Toma de decisiones bajo riesgo: La informacin con la que se cuenta para solucionar el problema es incompleta, es decir, se conoce el problema, se conocen las posibles soluciones, pero no se conoce con certeza los resultados que pueden arrojar. Toma de decisiones bajo incertidumbre: Se posee informacin deficiente para tomar la decisin, no se tienen ningn control sobre la situacin, no se conoce como puede variar o

Pg. 8 de 14

Unidad: Modelos la interaccin de la variables del problema, se pueden plantear diferentes alternativas de solucin pero no se le puede asignar probabilidad a los resultados que arrojen. Toma de decisiones bajo conflicto: Aqu se tienen aquellos casos de toma de decisiones bajo incertidumbre en los que hay un oponente. Las probabilidades de los eventos no solo se desconocen; estn influenciadas por un oponente cuya meta es vencer. Esta es la situacin tpica en cualquier competencia: bisbol, ftbol, pquer, blackjack, los negocios y la guerra. Estas categoras trabajan con: Modelo Probabilstico: estn ampliamente basados en aplicaciones estadsticas para la evaluacin de eventos incontrolables (o factores), as como tambin la evaluacin del riesgo de sus decisiones. Usualmente provienen de sistemas dinmicos o estocsticos2. Los modelos probabilsticos son vistos de manera similar que a un juego; las acciones estn basadas en los resultados esperados. El centro de inters se mueve desde un modelo determinstico a uno probabilstico usando tcnicas estadsticas subjetivas para estimacin, prueba y prediccin. En los modelos probabilsticos, el riesgo significa incertidumbre para la cual la distribucin de probabilidad es conocida. Por lo tanto, la evaluacin de riesgo significa un estudio para determinar los resultados de las decisiones junto a sus probabilidades.

Variacin de la abstraccin de los modelos

Un tipo taxonoma bastante usual para los modelos es concreto y abstracto. Los modelos concretos tienen, en general, algunas caractersticas fsicas en comn con la realidad que se esta modelando. Son en si mismo sistemas reales fsicos. El modelo de aeroplano usado para las pruebas del tnel de viento, la maqueta de un edificio y los modelos e automviles a escala natural son modelos concretos. Las replicas son modelos concretos tan cercanos a la realidad que puede ser difcil diferenciarlos. Los modelos abstractos son el extremo opuesto de los modelos concretos. No tienen caractersticas fsicas comunes con el original.

Tipos de modelado:
Modelado por caja blanca: Los modelos de caja blanca reflejan todas las propiedades del sistema real. Para su construccin se utiliza el conocimiento previo y los principios fsicos involucrados. Todas las variables y constantes pueden interpretarse como trminos fsicos que son conocidos a priori. Por razones obvias, a este tipo de modelo se le conoce tambin como modelo fsico.

Ver Glosario

Pg. 9 de 14

Unidad: Modelos Modelado por caja negra: Los modelos por caja negra se disean enteramente a partir de datos, sin tener en cuenta la interpretacin de los parmetros que lo definen. La base del modelo se selecciona a partir de ncleos estimadores cuya estructura se conoce que es muy flexible y que ha dado resultados en aplicaciones pasadas; los parmetros de estos modelos por lo general no tienen significado fsico y se ajustan para reproducir los datos observados tan bien como sea posible. El origen fsico e interpretacin de las variables medidas no es importante, y de hecho tal informacin puede perderse; por ejemplo, a travs de la manipulacin de los datos observados. Cuando se trata de obtener un modelo por caja negra, pero ajustando algn parmetro al que se le puede dar una interpretacin fsica; entonce al mtodo de identificacin de sistema utilizado se le llama modelado fsicamente parametrizado. El modelo fsicamente parametrizado es normalmente ms realista que el modelado por caja negra cuando se dispone de algn conocimiento sobre las leyes que rigen el comportamiento del parmetro que se adapta. Esta terminologa implica que los mtodos de identificacin pueden clasificarse en un rango entre el modelo de caja negra y el modelo por caja blanca, a esta zona media se le denomina modelado por caja gris (o modelo fsicamente parametrizado). Desde el punto de vista de una aplicacin, el modelado por caja gris es el ms importante, pues permite el cumplimiento de dos aspectos fundamentales a tener en consideracin cuando se realiza un modelo:

El esfuerzo de modelado debe reflejar el uso que se le pretende dar al modelo No debe estimarse lo que ya se conoce

El proceso de modelizacin.
El proceso de modelado consiste en el conjunto de operaciones mediante el cual, tras el oportuno estudio y anlisis, se construye el modelo del aspecto de la realidad que nos resulta problemtico. Este proceso, consiste, en esencia, en analizar toda la informacin de la que se dispone con relacin al proceso, depurarla hasta reducirla a sus aspectos esenciales, y reelaborarla de modo que pueda ser transcrita al lenguaje sistmico que estamos viendo. En el proceso de modelado se pueden distinguir las fases siguientes:

Pg. 10 de 14

Unidad: Modelos

Definicin del problema: En esta primera fase se trata de definir claramente el problema y de establecer si es adecuado para ser descrito con los tiles sistmicos que hemos desarrollado. Para ello el problema debe ser susceptible de ser analizado en elementos componentes, los cuales llevan asociadas magnitudes cuya variacin a lo largo del tiempo queremos estudiar. Conceptualizacin del sistema: Una vez asumida, en la fase anterior, la adecuacin del lenguaje sistmico elemental para estudiar el problema, en esta segunda fase se trata de acometer dicho estudio, definiendo los distintos elementos que integran la descripcin, as como las influencias que se producen entre ellos. El resultado de esta fase es el establecimiento del diagrama de influencias del sistema. Formalizacin: En esta fase se pretende convertir el diagrama de influencias, alcanzado en la anterior, en el de Forrester. A partir de este diagrama se pueden escribir las ecuaciones del modelo (algunos entornos informticos permiten hacerlo directamente). Al final de la fase se dispone de un modelo del sistema programado en un computador. Comportamiento del modelo: Esta cuarta fase consiste en la simulacin informtica del modelo para determinar las trayectorias que genera. Evaluacin del modelo: En esta fase se somete el modelo a una serie de ensayos y anlisis para evaluar su validez y calidad. Estos anlisis son muy variados y comprenden desde la comprobacin de la consistencia lgica de las hiptesis que incorpora hasta el estudio del ajuste entre las trayectorias generadas por el modelo y las registradas en la realidad. As mismo, se incluyen anlisis de sensibilidad que permiten determinar la sensibilidad del modelo, y por tanto, de las conclusiones que se extraigan de l, con relacin a los valores numricos de los parmetros que incorpora o las hiptesis estructurales. Explotacin del modelo: En esta ltima fase el modelo se emplea para analizar polticas alternativas que pueden aplicarse al sistema que se est estudiando. Estas polticas alternativas se Pg. 11 de 14

Unidad: Modelos definen normalmente mediante escenarios que representan las situaciones a las que debe enfrentarse el usuario del modelo.

Pg. 12 de 14

Unidad: Modelos

Glosario:
DFD Diagrama de Flujo de Datos: Los diagramas de flujo de datos son un tipo de herramienta de modelado, permiten modelar todo tipo de sistemas, concentrndose en las funciones que realiza, y los datos de entrada y salida de esas funciones. DER Diagrama de Entidad-Relacin: Un DER es una herramienta de modelado de sistemas, que se concentra en los datos almacenados en el sistema y las relaciones entre stos. Un diagrama de entidad-relacin o DER es un modelo de red que describe la distribucin de los datos almacenados en un sistema de forma abstracta. Algunas bibliografas diferencian entre el diagrama entidad-relacin y el modelo entidad-relacin, donde el modelo entidad-relacin vendra a ser el "lenguaje" utilizado para crear diagramas de entidad-relacin. Ms informacin en modelo de entidad-relacin. Componentes de un DER: TIPOS DE OBJETOS o ENTIDADES. RELACIONES: conectan los objetos o entidades.

DTE Diagrama de Transicin de Estado: Los DTE son herramientas de modelado de sistemas en tiempo real. Los componentes de un DTE son: ESTADOS: comportamiento del sistema que es observable en el tiempo. Los sistemas tienen un estado inicial, pero pueden tener mltiples estados finales (mutuamente excluyentes). Cambios de estados: condiciones y acciones. Un diagrama de transicin de estados puede utilizarse como una especificacin de proceso de un proceso de control de un DFD. DD Diccionario de Datos: El diccionario de datos es un listado organizado de todos los datos que pertenecen a un sistema. El objetivo de un diccionario de datos es dar precisin sobre los datos que se manejan en un sistema, evitando as malas interpretaciones o ambigedades. Define con precisin los datos de entrada, salida, componentes de almacenes, flujos, detalles de las relaciones entre almacenes, etc. Los diccionarios de datos son buenos complementos a los diagramas de flujo de datos, los diagramas de entidad-relacin, etc. Pg. 13 de 14

Unidad: Modelos EP Especificacin de Procesos: La especificacin de procesos, es una herramienta de modelado de sistemas, que permite definir qu sucede en los procesos o funciones de un sistema. El objetivo es definir qu debe hacerse para transformar ciertas entradas en ciertas salidas. No hay una nica forma de realizar la especificacin de procesos; existen mltiples herramientas que facilitan esta tarea. Proceso Batch (batch processing): Llevar a cabo una operacin particular de forma automtica en un grupo de archivos todos de una vez, en lugar de "manualmente" abrir, editar y guardar cada archivo por vez. Por ejemplo, un programa que convierta un grupo de imgenes de un formato a otra todas de una vez sera una utilidad de procesamiento batch. Estocstico: Se denomina estocstico a aquel sistema que funciona, sobre todo, por el azar. La palabra proveniente del griego: , 'hbil en conjeturar'. Significa "perteneciente o relativo al azar" segn el DRAE. Las leyes conocidas de causa-efecto no explican cmo acta el sistema (y de modo reducido, el fenmeno) de manera determinista, sino en funcin de probabilidades. En Investigacin de operaciones, modelo probabilstico y modelo estocstico son prcticamente lo mismo. El estocstico es un algoritmo que basa su resultado en probabilidades que cambian en el tiempo, diferencindose del algoritmo probabilstico por su comportamiento dinmico. En matemticas, la estocstica es un conjunto de teoras estadsticas que tratan de los procesos cuya evolucin es aleatoria (un ejemplo de ellos son las tiradas de dados).

Pg. 14 de 14