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 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

Costoso, Complejo, Peligroso,...

Relaciones lgicas

Modelo fsico

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

Atributos
Cantidad, coste, productividad, beneficios, precios Capital, tasa de inters Hombres, mujeres, salarios, productividad Das, fecha de comienzo Tipo, coste, velocidad, coste de mantenimiento, valor de reventa, flexibilidad Tipo, coste, composicin

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

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

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, ...

Interrelaciones, restricciones y marco experimental

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

Produccin (datos por Ha)

max 40 x1 + 20 x2 s.a. x1 + x2 100

Disponible

Cereal Coste de labrado Periodo de labrado B neto

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

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)

x2 + y2 = 1 y = 1 x2 1 x 1 radio = 1 centro = 0.0

Salida 1

Sistema visto como un crculo

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

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

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, 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

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 1 2 Servidor Libre 2 2 2 3 4 Servidor Ocupado Cola vaca Cola ocupada Cliente 2 3 4 5 5 3 4 5 2 3 4 5

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 t1 A1 A2

e2 t2 A3 S1

e3 c1

e4 t3

e5 c2

tiemp o

NOTACIN

S2

ti

tiempo de llegada del i-esimo cliente periodo de tiempo entre llegadas

Ai = ti ti 1 Si Di

tiempo en el servidor tiempo de espera en cola

ci = ti + Di + Si ei

tiempo de servicio

tiempo de ocurrencia del i-esimo evento (reloj)

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