Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1
CAPITULO 1: SISTEMAS Y MODELOS
La palabra sistema, (del griego συστημα) es usada en un amplio rango de contextos y por
tanto tiene distintos significados. La definición más común de sistema relaciona un grupo
de partes unidas por alguna forma de interacción. En el contexto de teoría de sistemas, un
sistema puede ser definido como una porción de la realidad cuya evolución en el tiempo
puede ser descrita por un cierto número de atributos medibles. Por ejemplo una maquina
herramienta, un motor eléctrico, un computador, un satélite artificial, la economía de una
nación.
Un atributo medible es una característica que puede ser correlacionada con uno o más
números que pueden ser enteros reales o complejos o simplemente un conjunto de
símbolos. Como ejemplos se incluyen la rotación de un eje (un numero real), el voltaje o la
impedancia entre dos puntos dados de un circuito eléctrico (un numero real o complejo),
cualquier color perteneciente a un conjunto de ocho colores bien definidos (un elemento de
un conjunto de ocho símbolos; por ejemplo, los números ordenados del 1 al 8 o las letras de
la a la h), la posición de un botón pulsador (un símbolo igual de 0 o1 dependiendo de que
este presionado o no).
En los sistemas nos interesa por un lado sus relaciones funcionales internas, por otro lado
sus relaciones externas con el entorno. La primera es llamada la estructura del sistema; la
segunda es su comportamiento. El comportamiento esta relacionado con la dependencia de
las respuestas a los estimulos. La estructura esta relacionada con la manera del arreglo, esto
es la organización, del acoplamiento mutuo entre los elementos del sistema y el
comportamiento de estos elementos.
Un sistema puede ser representado como un bloque y sus relaciones externas como
conexiones con el medio u otros sistemas como se muestra en el diagrama de la figura
1.1.1. Cuando es dada de antemano una separación de aquellas cantidades producidas por
el entorno y las producidas por el sistema, entonces se puede distinguir entre entradas, las
primeras, y salidas, las segundas. Dichos sistemas son llamados sistemas orientados (o
sistemas controlados). Si no se da una separación entre entradas y salidas hablamos de
sistemas no orientados o sistemas neutrales [Van Welden, 2000].
2
Figura 1.1.1. Representación esquemática de un sistema [Basile and Marro, 2002]
Vale la pena notar que en algunos casos la distinción entre las causas y los efectos no es
nada inmediata. Considere por ejemplo el circuito eléctrico sencillo mostrado en la figura
1.1.2(a) cuyas variables son v e i. Este puede ser orientado como en la figura 1.1.2 (b), es
decir con v como entrada e i como salida: esta es la elección más natural si el circuito es
alimentado por un generador de voltaje. Pero el mismo puede ser alimentado por un
generador de corriente, en dicho caso i podría ser la causa y v el efecto y el bloque
orientado correspondiente podría ser el mostrado en la figura 1.1.2(c) [Basile y Marro,
2002].
En este curso, se hace una primera restricción hacia los sistemas orientados, ver Figura
1.1.3, que representa a sistemas físicos relativamente cerrados
Para el sistema orientado en Figura 1.1.3 las cantidades externas son U (t) y Y (t); la
cantidad interna es X (t). La entrada se representa por U (t) y la salida por Y (t).
3
Figura 1.1.3 : Un sistema orientado.
Se avanzo un paso al reproducir la conducta de un sistema en otro sistema que podía ser
estudiado más fácilmente, tomando provecho de las diferentes leyes físicas que pueden
describirse por relaciones formalmente iguales o analogas. Un ejemplo típico se da con las
computadoras analógicas, estructuradas como redes eléctricas flexibles que,
interconectadas (o programadas) apropiadamente, reproducen la conducta de otros
sistemas (mecánicos, hidráulicos, económicos etc.) menos adecuados para experimentos
directos. Estos modelos podrían definirse como análogos o, para evitar cualquier confusión
con el uso común de este término, modelos basados en leyes analogas (analogo denota
cantidades cuya medida puede realizarse en forma continuida, en oposicion a digital que
denota cuantizacion).
4
Puede observarse que estos modelos ofrecen mayor flexibilidad que los anteriores donde el
único grado de la libertad era el factor de escala, ya que la naturaleza física del modelo era
un asunto a elegir. Sin embargo, el uso de modelos basados en leyes analogicas requiere el
conocimiento de las leyes que describen el comportamiento del sistema a estudiar, ya que
es necesario escoger, construir o configurar otro sistema gobernado por leyes análogas para
estudiar su comportamiento en condiciones iniciales apropiadas. Lo que no se requiere, por
el contrario, es la capacidad de formular un modelo matemático completo y su uso para
determinar el comportamiento del sistema.
Se observó que los modelos matemáticos limitan su descripción a los enlaces cuantitativos
establecidos por los sistemas reales entre sus atributos medibles y por lo tanto constituyen,
en cualquier caso, solamente descripciones parciales. La evolución asintótica de la ciencia
ha cancelado incluso las ilusiones iluministas de la posibilidad de lograr descripciones
exactas de la realidad [Guidorzi, 2003]. Incluso las relaciones aceptadas como leyes de la
naturaleza pueden ser consideradas, a lo más, como modelos aun no falsificados. La ley del
movimiento de Newton es un buen ejemplo de la aceptacion extendida de una relación
matemática como una descripción absoluta de un fenómeno antes de su falsificación, pero
también es un buen ejemplo de la excelente exactitud de un modelo simple para describir
un gran rango de situaciones complejas.
Muchos fenómenos simplemente son demasiado complejos como para ser descritos en
detalle por modelos manejables y/o no son gobernados por alguna ley bien definida de la
naturaleza (por ejemplo las economías nacionales). Por lo tanto, la construcción de modelos
matemáticos debe estar gobernada más por criterios de utilidad que por los (siempre
relativos) criterios de verdad. La aproximacion inherente asociada a los modelos da la idea
general de que puedan ser usados diferentes modelos del mismo sistema para diferentes
propósitos (interpretación, prediccion, filtraje, diagnostico, simulación), optimizando su
rendimiento para estas tareas. Consecuentemente, los criterios para la comparacion y la
selección de los modelos tienen importancia, tanto filosófica como práctica. Un criterio
bien conocido es el de la "Maquina de afeitar de Occam", atribuido a William de Occam
(1290 - 1350) que establece que:
Ciertamente, este principio ayudó a la aprobación del modelo propuesto por Copernicus
para el sistema solar, quien, prudentemente, enfatizó que su modelo heliocéntrico debía ser
5
considerado unicamente como un ejercicio para obtener de una manera más simple los
resultados del modelo de Ptolomeo aceptado oficialmente.
entre los modelos que explican las observaciones disponibles, el modelo que explica el
fenómeno de manera mas sencilla debe preferirse (el modelo más potente no falsificado)
Los modelos matemáticos han sido definidos como conjuntos de relaciones entre los
atributos medibles de un sistema, que describen las relaciones establecidas por el sistema
entre estas cantidades. Esto limita la capacidad descriptiva de los modelos matemáticos a
los atributos que pueden ser expresados por medio de números y muestra además que estos
modelos constituyen, en todo caso, solamente una descripción aproximada de la realidad,.
La aproximación intrínseca realizada por la introduccion de los modelos puede ser mejor
evaluada en el contexto de una clasificación basada en los propósitos del modelado
[Guidorzi, 2003].
La mayoría de las leyes físicas pueden verse como modelos de esta clase. La observación
de Ptolomeo sobre la posibilidad de describir las mismas observaciones con modelos
diferentes destaca que la interpretación concierne esencialmente a algunos atributos
medibles de los fenómenos y no (necesariamente) su naturaleza verdadera.
6
Modelos de esta clase han sido desarrollados por Ptolomeo, Copernico, Kepler, Galileo,
Newton y Halley para describir el comportamiento de objetos físicos. Los modelos
interpretativos se utilizan en muchas disciplinas como econometría, ecología, ciencias
naturales, agricultura, física.
7
Figuras 1.4.4 y 1.4.5 - el error de la Altitud y la velocidad vertical estimada del objetivo
El calculo del modelo específico que mejor se ajusta al conjunto de datos recogidos en un
proceso permite comparar su conducta general con una clase de conductas establecidas
como referencia, evaluando condiciones anormales tales como la falta de un sensor en un
proceso industrial o una enfermedad en un paciente. Las pruebas de la sulfobromoftaleina
(BSP) y la a la tolerancia a la glucosa (IVGT) se usan rutinariamente en la práctica médica
como ayudas en la valoración de las enfermedades hepatobiliarias y del páncreas. En ambos
casos la prueba empieza con inyecciones intravenosas de estas substancias seguida de las
medidas de sus concentraciones plasmáticas a intervalos específicos. Los valores más allá
de ciertos límites indican un metabolismo lento que podría asociarse a condiciones de
hepatitis o diabétes.
El control del nivel de azúcar en la sangre en el cuerpo humano se lleva a cabo por la
insulina secretada por el páncreas cuando el nivel de azúcar excede el valor del equilibrio
fisiológico.
8
La rata de cambio del nivel de azúcar en la sangre después de una inyección de glucosa da
una descripción fiable acerca de la eficacia de este mecanismo de regulación, como se
puede ver de la comparación de la figura 1.4.6, que presenta la respuesta de un individuo
normal, con la figura 1.4.7, que muestra la respuesta de un diabético. Las medidas
realizadas en un paciente, comparadas en la Figura 1.4.8 con la respuesta normal, permiten
diagnosticar la presencia de condiciones anormales.
Figuras 1.4.6 y 1.4.7 - Respuesta de un paciente normal y uno diabético a una carga de
glucosa
El fundamento aquí es la sustitución de los sistemas reales por sus modelos a fin de evaluar
sus respuestas a políticas de control (entradas) asumidas. Una substitución de este género
puede traer grandes retribuciones desde un punto de vista económico y puede también
permitir ejecutar operaciones que serian imposibles de otra manera o arriesgadas en los
9
sistemas reales (por ejemplo, en estudios demográficos, respuestas a los cambios en las
ratas de interés en una economía nacional, el entrenamiento de pilotos, en incidentes de
importancia en los reactores nucleares, etc.).
El PEC es un LMFBR (Reactor de alimentacion rápida de metal líquido) con una potencia
termica de 120 MW, diseñado para probar elementos de combustible experimentales que
desarrollan potencias superiorres a los 3MW en las condiciones termicas y de flujo de
neutrones encontradas en los grandes reactores nucleares de alimentacion rápida. El
enfriamiento del núcleo es realizado por medio de un lazo primario de sodio doble y el
intercambiador de calor de sodio-sodio, y un lazo secundario y los intercambiadores de
calor de sodio-aire. El comportamiento dinámico del reactor en situaciones de emergencia
(por ejemplo la falla de la bomba en uno de los lazos primarios) ha sido investigado por
medio de un paquete de simulación grande que incluye el modelo de cada parte de la
planta. Este modelo, sin embargo, es inapropiado para simulaciones de tiempo real debido a
su tamaño. Se ha desarrollado un modelo de orden reducido, obtenido con técnicas de
identificación, para simulaciones del tiempo real teniendo en cuenta tanto la capacitación
del operario como el control del proceso.
Las figuras 1.4.9 y 1.4.10 muestran las temperaturas de salida de los intercambiadores de
calor de sodio primario y secundario dadas por el modelo (la línea punteada) contra los
valores verdaderos para variaciones en las entradas (flujos de sodio primario y secundario y
temperaturas de entrada) de aproximadamente el 20%. El pequeño error dado por este
modelo es totalmente compatible con el uso planeado.
10
1.5 Construcción del modelo
Es más, la limitada capacidad de los modelos para resolver cualquier problema específico
conduce a la oportunidad de construir modelos orientados a la aplicación; las razones detrás
de los diferentes usos de los modelos que se han descrito previamente, llegan a ser también
las razones detrás de la construcción de modelos de propósito especial para el mismo
sistema.
conocimiento acerca del funcionamiento interno del sistema (componente de caja blanca)
11
Figura 1.5.1: Las dos fuentes de información para la construcción del modelo.
Si describimos un modelo como una caja que contiene las leyes matemáticas que vinculan
las entradas (las causas) con las salidas (los efectos), las tres aproximaciones principales del
modelado pueden asociarse con el "color" de la caja.
12
Modelado de caja gris: A veces el modelo obtenido invocando los primeros principios es
incompleto debido al desconocimiento del valor de algunos parámetros. Por ejemplo, un
planeta está sujeto a la ley de la gravitación pero su masa es desconocida. En este caso, es
necesario recolectar los datos experimentales y proceder a la sintonia de los parámetros
desconocidos hasta que las salidas predichas por el modelo se ajusten a los datos
observados. La estructura interna de la caja sólo se conoce parcialmente (hay zonas grises).
Modelado de caja negra: Cuando la estructura interna del sistema es desconocida o no hay
disponibles primeros principios, la única posibilidad es recolectar datos y usarlos para
presumir los vínculos entre las entradas y las salidas. Por ejemplo, ésta es una situación
común en la economía y la fisiología. Sin embargo, el modelado de caja negra es también
útil para tratar sistemas muy complejos dónde la aproximación de caja blanca fuera muy
costosa y consumiria mucho tiempo (un ejemplo: el modelado de la dinámica de una
maquina de combustión interna con el fin de desarrollar el controlador de velocidad).
El enfoque deductivo es preferido siempre que sea posible, esto es llamado el principio de
la fisicalidad, porque involucra un mapeo uno a uno (de hecho, no se genera nuevo
conocimiento) mientras que el modelado abajo-arriba involucra un mapeo de uno-a-muchos
(se tiene que inducir conocimiento). Este último aspecto es muy importante en el campo del
aprendizaje de máquina (machine learning).
13
1.5.3 El modelado inductivo y la metodología de identificación de sistemas
Si la ruta del modelado (deductivo) es imposible, se tiene que tratar el sistema como una
caja negra (o gris) y tratar de deducir un modelo vía el analisis de los datos de los registros
de las señales de entrada-salida. Ésta es la ruta de la identificación, la cual está basada en la
experimentación. La Concise Encyclopaedia of Modelling & Simulation describe la
identificación como "La búsqueda para una definición de un modelo que muestre el
comportamiento de un proceso que evoluciona bajo condiciones particulares. Esto
usualmente se realiza por medio de un conjunto de medidas y por la observacion del
comportamiento de un sistema durante un intervalo de tiempo dado. El modelo obtenido
por la identificación debe permitir predecir la evolución del proceso identificado en un
horizonte dado, cuando son conocidas la evolución de las entradas y las diferentes
influencias externas que actúan sobre el sistema durante este intervalo de tiempo"
[Atherton y Borne 1992].
Las variables internas de los modelos identificados podrían carecer de cualquier significado
físico y lo mismo puede afirmarse respecto a los parámetros del modelo. Tales modelos
son, de otro lado, simples, exactos y pueden extraer de situaciones complicadas solamente
algunos aspectos relevantes.
No es difícil reconocer que a menudo las leyes físicas han sido obtenidas como
consecuencia de procedimientos de identificación; los datos recolectados por Galileo en sus
experimentos sobre la caida de cuerpos, por ejemplo, llevaron que él reconociera que un
modelo simple podía explicar cualquier experimento y por lo tanto podía ser considerado
como una ley.
14
Un modelo es un sistema similar a uno original, a veces llamado sistema real, en el sentido
de que, cuando soluciona un problema que concierne al sistema original, puede
solucionarlo bajo condiciones mas favorables. Un modelo es por lo tanto, un sustituto
factible para el sistema. A continuación daremos una introducción a los conceptos básicos
sobre modelado y simulación.
Objeto es alguna entidad en el mundo real. Tal objeto puede exhibir comportamientos
ampliamente distintos dependiendo del contexto en el que es estudiado, asi como de los
aspectos de su comportamiento bajo estudio.
Modelo base es una representación abstracta e hipotetica de las propiedades del objeto, en
particular de su comportamiento, la cual es valida en todos los contextos posibles, y
describe todas las facetas del objeto. Un modelo base es hipotético en tanto nunca -en la
práctica- podremos formular o representar tal modelo "total".
Sistema es un objeto bien definido en el mundo real bajo las condiciones específicas,
solamente considerando aspectos específicos de su estructura y comportamiento.
15
Figura 1.6.1: Modelado y simulación [Vangheluwe, 2001]
En su forma más básica (ver figura 1.6.2), un marco experimental consta de dos juegos de
variables, las variables de entrada y las variables de salida, las cuales coinciden con los
terminales del sistema o el modelo.
Del lado de las variables de entrada, un generador describe las entradas o estímulos
aplicados al sistema o al modelo durante el experimento. Un generador, por ejemplo, puede
especificar un estímulo de escalón unitario. Del lado de las salidas, un transductor describe
las transformaciones aplicadas a las salidas del sistema (experimento) o a los resultados del
modelo (simulación) para obtener una interpretación significativa. Un transductor puede
especificar por ejemplo el calculo de los valores extremos de alguna de las variables. En lo
anterior, salida se refiere a la salida del sistema físico así como tambien a las salidas
sintetizadas en la forma de los estados del modelo interno medidos por un observador. En el
caso de un modelo, las salidas pueden observar la información interna tal como las
variables de estado o los parámetros.
Marco de variables
Sistema Marco de
de Entrada (real o modelo) variables de
Salida
Marco Experimental
16
Modelo (lumped) da una descripción precisa de un sistema dentro del contexto de un
Marco Experimental dado. El término “descripción precisa” necesita ser definido con rigor.
Normalmente, ciertas propiedades de la estructura del sistema y/o su comportamiento
deben ser reflejadas por el modelo dentro de un cierto rango de precision. Note: un modelo
lumped no es necesariamente un modelo de parámetros lumped. Debido a las diversas
aplicaciones del modelado y la simulación, el traslape de la terminología es muy común.
La simulación de un modelo lumped descrito en un cierto formalismo (tal como las redes
de Petri, Ecuaciones Diferenciales Algebraicas (DAE) o Bond Graph) produce los
resultados de simulación: el comportamiento dinámico de las entradas/salidas. La
Simulación, la cual imita el experimento real, puede verse como una experimentación
virtual, permitiendo contestar preguntas sobre (el comportamiento de) un sistema.
modelado/abstracción
Sistema Real Modelo Abstracto
abstracción
Resultados de Resultados de Simulación
experimento
17
Un modelo de simulación es una herramienta para lograr una meta (diseño, análisis,
control, optimización…). Un prerequisito fundamental es, por consiguiente, cierta
seguridad de que las conclusiones deducidas del modelado y la simulación (las
herramientas) pueden aceptarse con confianza. El establecimiento de esta confianza esta
asociado con dos actividades distintas a saber: Verificación y validación.
Los Validación es el proceso de comparar las medidas del experimento con los resultados
de simulacion dentro del contexto de un cierto Marco Experimental.
18
Causa Sistema Efecto
Modelo de
validación
conceptual
Validación
Validación del
estructural Modelo
comportamiento
conceptual
El proceso se explicara por medio del ejemplo simple de un experimento con una masa y un
resorte (ver figura 1.6.6). En este ejemplo, una masa que se desliza sin fricción sobre una
superficie horizontal se conecta a una pared por medio de un resorte. La masa es saca de la
posición de reposo y luego se libera.
19
Varias fuentes de información (explicitas en la forma de datos/ modelo/base de
conocimientos o implícitas en la mente del usuario) son usadas durante el proceso.
20
Figura 1.6.6 Ejemplo masa-resorte
Medida de los datos: en el modelado inductivo empezamos desde los datos e intentamos
extraer la estructura a partir de estos. Esta estructura o modelo pueden a su vez ser usado en
el modo deductivo. Tal progresión iterativa es típica en el análisis de sistemas.
21
Figura 1.6.7 Datos Medidos
Sobre la base de un marco, puede ser identificada una clase de modelos apropiados. A
través de una caracterización de la estructura, la estructura del modelo apropiado es
seleccionada sobre la base del conocimiento a priori y los datos de medidos.
En el ejemplo, una característica de un resorte ideal (conectado a una masa de sin fricción)
es que la amplitud de la posición se mantiene constante. En un resorte no-ideal, o en
presencia de rozamiento, la amplitud decrece con el tiempo. Basados en los datos medidos,
llegamos a la conclusión que éste debe ser un resorte ideal.
El modelo de simulación
22
utilizacion- y la simulación -exactitud y velocidad–, deben atravesarse muchos pasos para
conseguir cerrar la brecha.
La validez de un modelo tiene que ver sobre cuán bien representa el sistema original para el
cual fue construido. En primera instancia, la validez puede ser medida por la extensión del
acuerdo entre el sistema original y el modelo. La noción de validez es extendida por
Zeigler [1976], quien distingue g diferentes rados de validez:
1. La validez replicativa trata de la habilidad del modelo para reproducir los datos de
entrada/salida ya adquiridos del sistema real.
23
Un modelo es predictivamente valido si puede ajustarse a los datos del sistema original
antes de que estos sean adquiridos del sistema original. La validez predictiva es más fuerte
que la validez replicativa.
Una pregunta crucial es si un modelo tiene validez predictiva: ¿es capaz no sólo de
reproducir los datos que fueron usados para seleccionar el modelo y sus parámetros sino
también de predecir un nuevo comportamiento?
1.7 FUENTES
24
• L modelado multi- formalismo de H de Vangheluwe y simulación. Ph.Tesis de D,
universidad de Ghent, Ghent, Bélgica. 2000.
25