Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Sistemas, Modelos y Simulación
Sistemas, Modelos y Simulación
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 3
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 4
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 Experimentacin con un modelo del sistema
Relaciones lgicas
Modelo fsico
y cuantitativas. S = vt
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.
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,
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.
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
Entidades
Exterior
Colegios, oficinas, hospitales, teatros, ... Entorno
Clima, maquinaria, trabajadores, suministro de carburante, poltica, bancos, ... Granja
Tierra, trabajo, maquinas, dinero, tiempo, semillas, edificaciones, informacin ...
Superficie en Has
Economa
Trabajadores
Tiempo
Maquinaria
Fertilizante
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, ...
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
Caa
10 x1 + 20 x2 1100 x1 + 4 x2 160 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
10
20
1100
160
40
120
Terreno usado
X1=?
X2=?
100
Salida 2
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
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
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.
Clasificacin de modelos, 3
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, 4
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
Ejemplo: Cola
Servidor (libre/ocupado) Cola (vaca/ocupada) Cliente (tiempo llegada/tiempo servicio) Eventos (llegada/servicio cliente)
REPRESENTACIN
e0
e1 t1 A1 A2
e2 t2 A3 S1
e3 c1
e4 t3
e5 c2
tiemp o
NOTACIN
S2
ti
Ai = ti ti 1 Si Di
ci = ti + Di + Si ei
tiempo de servicio
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