REPÚBLICA BOLIVARIANA DE VENEZUELA

MINISTERIO DEL PODER POPULAR PARA LA DEFENSA

UNIVERSIDAD NACIONAL EXPERIMENTAL POLITÉCNICA
DE LA FUERZA ARMADA BOLIVARIANA
NÚCLEO ANZOÁTEGUI – SAN TOMÉ
CÁTEDRA: Ing. De Sistemas

SIMULACION Y MODELADO DE SISTEMA

Facilitador: Bachilleres:
Edgar Salazar
Sección: 8S-N01 Alland J Scioville C.I: 12.681.840
Ing. De Sistemas

San Tomé, Abril del 2014.

Sistema
Un sistema puede considerarse como un proceso en el cual las señales de
entrada son transformadas por el sistema o provocan que este responda de alguna
forma, dando como resultado otra señal como salida.

Un sistema puede definirse como una colección de objetos o entidades que

interactúan entre sí para alcanzar un cierto objetivo. Un sistema puede definirse
como una colección de objetos o entidades que interactúan entre sí para alcanzar
un cierto objetivo.
Sistemas Continuos:

Las variables del estado del sistema evolucionan de modo continuo a lo largo
del tiempo.
Sistemas Discretos.

Se caracterizan porque las propiedades de interés del sistema cambian

únicamente en un cierto instante o secuencia de instantes, y permanecen
constantes el resto del tiempo. La secuencia de instantes en los cuales el estado
del sistema puede presentar un cambio, obedece normalmente a un patrón
periódico
Modelo del sistema

La descripción de las características de interés de un sistema se conoce

como modelo del sistema, y el proceso de abstracción para obtener esta
descripción se conoce como modelado.

Existen muchos tipos de modelos (modelos físicos, modelos mentales,

modelos simbólicos) para representar los sistemas en estudio. Utilizaremos
modelos simbólicos matemáticos como herramienta para representar las dinámicas
de interés de cualquier sistema en un entorno de simulación digital.

Los modelos simbólicos matemáticos mapean las relaciones existentes entre

las propiedades físicas del sistema que se pretende modelar en las
correspondientes estructuras matemáticas. El tipo de formalización matemática que
se utilice va a depender de las características intrínsecas de las dinámicas de
interés que se quieran representar.

La descripción en términos matemáticos de un sistema real no es una

metodología de trabajo propia de la simulación digital, sino que es inherente a la
mayoría de las técnicas que se utilizan para solventar cualquier tipo de problema,
las cuales suelen seguir unas pautas que, de modo general, se pueden resumir en:
Proceso de construcción de modelo de sistema

Hay dos puntos de vista a la hora de establecer un modelo matemático de un

sistema:
I. Conductista:

La construcción del modelo se realiza a partir del procesamiento de datos

históricos de la evolución del sistema. Se trata de ajustar un modelo previamente
elaborado a los datos disponibles.

No se pretende establecer la estructura interna del sistema, sino que se

supone una estructura interna a priori que reproduzca el comportamiento observado
del sistema.
II. Estructuralista:

La construcción del modelo se realiza siguiendo un análisis cuidadoso y

detenido de los distintos elementos que intervienen en el sistema observado.

De aquí se extrae la lógica interna del modelo que conduce a la obtención de

la estructura, realizándose posteriormente un ajuste de los parámetros libres del
modelo con los datos históricos.
Fases en la construcción de modelos:
1. Fase de Conceptualización
2. Fase de Formulación
3. Fase de Evaluación
La Fase de Conceptualización
Consiste en la obtención de una comprensión mental de un cierto fenómeno del
mundo real:

•Obtención de información a través de la opinión de expertos y la literatura al

respecto.
• Definición de aspectos del problema a resolver.

• Particularización del comportamiento dinámico del sistema mediante la estructura

más simple que lo genere
• Identificación de elementos del sistema, lo que llevará establecer los límites del
sistema.
Fase de Formulación

Trata de representar los elementos manejados en la fase anterior por medio

de un lenguaje formal:
• Establecimiento de diagramas formales.
• Cálculo de ecuaciones dinámicas del modelo.

• Implementación en computador utilizando un lenguaje apropiado que procese el

conjunto de ecuaciones dinámicas (SIMULINK, MODELICA,…)
La Fase de Evaluación

Consiste en el análisis del modelo así como su sometimiento a criterios de

aceptabilidad:
• Ensayos mediante simulación de las hipótesis sobre las que se asienta el modelo
y su consistencia.

• Análisis de sensibilidad para estudiar la dependencia de las conclusiones extraídas

del modelo con las variaciones de los parámetros que aparecen en el mismo.

El criterio de aceptabilidad será "evaluación generalizada" que tendrá en

cuenta no solo las discrepancias predicción- observación, sino todos los aspectos
cuantitativos y cualitativos del modelo

El proceso de construcción de un modelo no es lineal, pasándose en

sucesivas etapas por modelos progresivamente mejorados de acuerdo con un cierto
criterio de aceptabilidad.
Por lo tanto el proceso de modelado consta de dos etapas,
• Etapa Inicial.
• Etapa de Perfeccionamiento.

Las sucesivas etapas consistirán en una eliminación progresiva de las

hipótesis más simplificadoras de manera que el modelo se aproxime cada vez más
a la realidad
Normas básicas para la construcción de un modelo:

1.-Para la construcción con éxito de un modelo es necesaria la descripción explícita

del comportamiento dinámico, formada por el modo de referencia (graficos), las
hipótesis acerca de sus causas y los mecanismos básicos.
2.-Las hipótesis dinámicas se obtienen a través de una exploración combinada del
comportamiento histórico del sistema con estructuras simples de comportamiento
conocido.

3.-Los límites del sistema se deben elegir los suficientemente amplios para acoger
los procesos que generen el comportamiento dinámico.
4.-El objetivo del modelo no es predecir, sino ensayar las hipótesis dinámicas.

5. El modelo inicial debe contener únicamente los mecanismos básicos que generen
el modo de referencia.

6.-Para reducir la complejidad del modelo debe procederse a restringir el número

de detalles Clasificación de M

CLASIFICACION DE LOS MODELOS

Existen múltiples tipos de modelos para representar la realidad. Algunos de

ellos son:

• Dinámicos: Utilizados para representar sistemas cuyo estado varía con el

tiempo.

• Estáticos: Utilizados para representar sistemas cuyo estado es invariable

a través del tiempo.

• Matemáticos: Representan la realidad en forma abstracta de muy diversas

maneras.

• Físicos: Son aquellos en que la realidad es representada por algo tangible,

construido en escala o que por lo menos se comporta en forma análoga a esa
realidad (maquetas, prototipos, modelos analógicos, etc.).
• Analíticos: La realidad se representa por fórmulas matemáticas. Estudiar
el sistema consiste en operar con esas fórmulas matemáticas (resolución de
ecuaciones).

• Numéricos: Se tiene el comportamiento numérico de las variables

intervinientes. No se obtiene ninguna solución analítica.
• Continuos: Representan sistemas cuyos cambios de estado son
graduales. Las variables intervinientes son continuas.

• Discretos: Representan sistemas cuyos cambios de estado son de a

saltos. Las variables varían en forma discontinua.
 • Determinísticos: Son modelos cuya solución para determinadas
condiciones es única y siempre la misma.

• Estocásticos: Representan sistemas donde los hechos suceden al azar, lo

cual no es repetitivo. No se puede asegurar cuáles acciones ocurren en un
determinado instante. Se conoce la probabilidad de ocurrencia y su distribución
probabilística. (Por ejemplo, llega una persona cada 20 ± 10 segundos, con una
distribución equiprobable dentro del intervalo).
Es interesante destacar que algunas veces los modelos y los sistemas no
pertenecen al mismo tipo.
Por ejemplo:
• El estudio del movimiento del fluido por una cañería (Fluido dinámica)
corresponde a sistemas continuos. Sin embargo si el fluido se lo discretiza
dividiéndolo en gotas y se construye un modelo discreto por el cual circulan gotas
de agua (una, dos, diez, cien, mil) se está representando un sistema continuo por
un modelo discreto.

Simulación de sistemas Continuos

Los modelos de simulación continua, donde las variables de estado son continuas,
usualmente son descritos mediante ecuaciones diferenciales y algebraicas. Estas
variables de estado por lo general cambian en forma continua a medida que la
simulación avanza, por ejemplo, el contenido de agua en un embalse cambia
continuamente con la afluencia y salida de agua del mismo y no en solo en instantes
específicos del tiempo como si estuviéramos agregando o sacando baldados de
agua. Muchas simulaciones por eventos discretos incluyen subsistemas continuos
y viceversa. Se puede hacer en computadores analógicos o en computadores
digitales.
Computadores analógicos son máquinas de propósito especial:
a) operan continuamente sobre todas las variables en tiempo real
b) son dispositivos paralelos

c) incluyen circuitería para sumatorias, multiplicación, integración, y generación de

funciones
d) no tienen capacidades de almacenamiento o son muy limitadas
e) dan resultados inmediatamente
f) no pueden manejar variables muy grandes o muy pequeñas requiriendo cambio
de escala

g) las variables de entrada son continuas y esto requiere conversión de voltajes

analógicos a números y viceversa

Simulación de sistemas Discretos

Una simulación que usa un modelo de estado discreto del sistema es llamada
una simulación por eventos discretos. En este tipo de simulaciones el estado del
sistema cambia solo en momentos específicos del tiempo: cuando ocurre un evento.
Consideremos un sistema de taquilla simple:

Taquilla

Clientes en cola

Aquí podemos considerar que la variable de estado (la única en este caso)
es una variable entera, que podemos llamar cola, que indica cuantos clientes están
frente a la taquilla con las siguientes consideraciones:
En este tipo de sistema tenemos dos tipos de eventos, llegadas y salidas.
Cuando un cliente arriba, la longitud de cola se incrementa (cambia el estado del
sistema), y cuando un cliente termina de ser atendido este abandona el sistema y
la longitud de cola se decrementa (vuelve a cambia el estado del sistema). Es claro
que el estado del sistema no cambia constantemente y solo lo hace al ocurrir un
evento: una llegada o una salida.
Todas las simulaciones de eventos discretos tienen una estructura común e incluyen
los siguientes componentes:
a) Manejador de eventos: Mantiene los eventos que esperan por suceder. Es de
uno de los componentes de simulación más usados. Es ejecutado antes de la
simulación de cada evento y posiblemente durante la simulación de un evento para
programar nuevos eventos. Su implementación debe ser cuidadosa ya que tiene un
fuerte impacto sobre la eficiencia del simulador.
b) Reloj de simulación y mecanismo de avance de tiempo: Toda simulación tiene
una variable global que representa el tiempo simulado. El manejador es el
encargado de avanzar este tiempo. Hay dos formas de hacer esto:
Método de tiempo unitario: Incrementa el tiempo en pequeños pasos y se chequea
si hay eventos que pueden ocurrir. Generalmente no se usa.
Método por eventos: Incrementa el tiempo automáticamente al tiempo de evento
más próximo a ocurrir.

c) Variables de estado del sistema: Son variables globales que describen el estado
del sistema.
d) Rutinas de eventos: Cada tipo de evento es simulado por su rutina. Estas rutinas
actualizan las variables de estado y generan nuevos eventos.
e) Rutinas de entrada: Son para obtener los parámetros del modelo como tiempo
promedio entre llegadas, tiempo promedio de servicio, etc. Deben ejecutarse al
comienzo de la simulación para liberar al usuario ya que generalmente las
simulaciones consumen tiempo. Permiten variar los parámetros. Cada conjunto de
valores de entrada define una iteración que quizás deba ser repetida varias veces
con diferentes semillas. Cada ejecución de la simulación consiste de varias
iteraciones, y cada iteración consiste de varias repeticiones.
f) Generador de reportes: Rutinas para producir las salidas al final de la simulación.
g) Rutinas de inicialización: Fijan el estado inicial del sistema e inicializan los
generadores de secuencias de números aleatorios.
h) Rutinas de trazado: Imprimen resultados intermedios durante la simulación.
Sirven para depurar el simulador.
i) Manejo dinámico de memoria: Durante la simulación se crean nuevas entidades
y las viejas son destruidas. Esto requiere una periódica colección de basura. Si esto
no lo provee el lenguaje, el programador debe escribir código para manejo dinámico
de memoria.
j) Programa principal: Agrupa todas las rutinas.

Campos de aplicación de la simulación de sistemas

1 Sistemas de computación: redes de ordenadores, componentes, programación,

bases de datos, fiabilidad
2 Fabricación: manejo de materiales, líneas de montaje, equipos de
almacenamiento, control de inventario, mantenimiento, distribución en planta,
diseño de máquinas
3 Negocios: análisis de existencias, política de precios, estrategias de marketing,
estudios de adquisición, análisis de flujo de caja, predicción, alternativas del
transporte, planificación de mano de obra
4 Gobierno: armamento y su uso, tácticas militares, predicción de la población, uso
del suelo, prevención de incendios, servicios de policía, justicia criminal, diseño de
vías de comunicación, servicios sanitarios
5 Ecología y medio ambiente: contaminación y purificación del agua, control de
residuos, contaminación del aire, control de plagas, predicción del tiempo, análisis
de seísmos y tormentas, exploración y explotación de minerales, sistemas de
energía solar, explotación de cultivos
6 Sociedad y comportamiento: estudios de alimentación de la población, políticas
educativas, estructuras organizativas, análisis de sistemas sociales, sistemas de
asistencia social, administración universitaria
7 Biociencias: rendimiento en el deporte, control de epidemias, ciclos de vida
biológicos, estudios biomédicos

Ejemplos
Simulación de estados financieros. La expansión y diversificación de una
organización a través de la adquisición y establecimiento de nuevas empresas,
repercuten significativamente en su posición y estructura financiera. Por
consiguiente, el uso de simulación permite analizar cuál de las estrategias de
crecimiento son las que llevaran a la organización al logro de sus objetivos y metas
de corto, mediano y largo plazo.

Simulación de juegos de azar. Se pueden hacer predicciones sobre los resultados

de un juego en particular, por ejemplo mélate, tris, etc. donde las variables
involucradas son estocásticas.

Otro ejemplo es un programa llamado ProModel es un simulador con animación

para computadoras personales. Permite simular cualquier tipo de sistemas de
manufactura, logística, manejo de materiales, etc. Puedes simular bandas de
transporte, grúas viajeras, ensamble, corte, talleres, logística, etc.
ProModel es un paquete de simulación que no requiere programación,
aunque sí lo permite. Corre en equipos 486 en adelante y utiliza la plataforma
Windows®. Tiene la combinación perfecta entre facilidad de uso y flexibilidad para
aplicaciones complejas.
 Puedes simular Justo a Tiempo, Teoría de Restricciones, Sistemas de
Empujar, Jalar, Logística, etc. Prácticamente, cualquier sistema pueder ser
modelado.
Una vez hecho el modelo, éste puede ser optimizado para encontrar los
valores óptimos de los parámetros claves del modelo. Algunos ejemplos incluyen
determinar la mejor combinación de factores para maximizar producción
minimizando costo, minimizar el número de camiones sin penalizar el servicio, etc.
El módulo de optimización nos ayuda a encontrar rápidamente la solución
óptima, en lugar de solamente hacer prueba y error. ProModel cuenta con 2
optimizadores disponibles y permite de esta manera explotar los modelos de forma
rápida y confiable