MODELAMIENTO Y SIMULACIÓN DE PROCESOS Ing.Dr.

Pascual Victor Guevara Yanqui

INTRODUCCIÓN AL MODELAMIENTO
I. LA FORMACIÓN DEL INGENIERO EN EL SIGLO XXI

"Formar para la Ciudadanía preparar profesionales capaces de afrontar las demandas futuras del
ámbito laboral son los retos principales que la sociedad del siglo XXI propone al sistema
universitario" (Bricall y Brunner, 2000).
1.1. INTRODUCCIÓN
En los escenarios actuales se reconocen algunos signos que caracterizan a nuestro tiempo:
• Desarrollo vertiginoso de las tecnologías de información y comunicación
• Globalización
• Deterioro del Medio Ambiente
• Valor estratégico del conocimiento
• Virtualización
• Nuevos actores educativos
• Innovación

1.2. VALOR ESTRATÉGICO DEL CONOCIMIENTO

Vivimos una época en la cual el conocimiento aplicado a las esferas de la producción, la distribución
y la gestión está revolucionando las condiciones de la economía, el comercio, las bases de políticas,
la comunicación cultural, y la forma de vida y de consumo de las personas. Este nuevo ciclo ha sido
denominado Sociedad del Conocimiento o de la Información, debido a que es el conocimiento el
que dirige la economía global que está surgiendo.
Las principales características de esta sociedad son:
• La economía dirigida por conocimientos globales
• La comunicación como directiva
• El aprendizaje como fuente de un atributo sostenido y competitivo
• El conocimiento compartido contra el atesoramiento del conocimiento

Así como la máquina de vapor constituye la metáfora de la revolución industrial, las

telecomunicaciones, la tecnología de la información, Internet y el comercio electrónico representan
el motor principal del crecimiento económico en este flamante siglo, revolucionando la
productividad y eficiencia de todas las actividades y dimensiones de la vida humana en sociedad.
Ante este panorama, la Educación Superior requiere de una visión renovada para su planeación, que
sea congruente con las características de la sociedad de la información.

1
MODELAMIENTO Y SIMULACIÓN DE PROCESOS Ing.Dr. Pascual Victor Guevara Yanqui

Se hace necesario repensar los conceptos básicos de la planeación estratégica de las universidades
y explorar las competencias que las instituciones de Educación Superior forzosamente requerirán
para poder anticipar las exigencias a las que sus alumnos se irán enfrentando a lo largo del siglo XXI.
Para establecer un cambio en la educación a escala mundial que garantice la excelencia y que
satisfaga las necesidades de la práctica laboral contemporánea, los investigadores Holland, Bigelow,
Mardesn, Grootings, Ducci, entre otros, han propuesto que este proceso debe iniciarse desde un
marco conceptual que cimiente la consonancia entre los conocimientos, las habilidades y los
valores.
1.3. PROBLEMÁTICA GENÉRICA
Los signos anteriormente mencionados permiten inferir la problemática genérica siguiente para el
quehacer de los ingenieros:
a. Discriminar la información científica y tecnológica que sea pertinente para innovar y optimizar el
proceso, sistema, producto o servicio que tengan bajo su responsabilidad. Los ordenadores, redes
de cómputo, acceso a bases internacionales de información, entre otras cosas, con seguridad
apoyarán en estos menesteres. La necesidad de seguir aprendiendo en la marcha de la vida
profesional es evidente.
b. Investigar para generar, optimizar o innovar procesos o sistemas, y adaptar crítica y
creativamente los avances tecnológicos generados por la investigación, será determinante. La
disyuntiva de intercambiar tecnología o productos entre países se ha resuelto hacia los productos.
La necesidad de intensificar la investigación aplicada e interdisciplinaria en las tareas de desarrollo
es ya imprescindible.
c. La interacción con otros países o grupos de ellos para fines de comercio y producción de productos
y servicios será irrenunciable. Esto reclama una necesidad de expresarse con claridad y entender al
menos el idioma inglés, y, por qué no decirlo, el mandarín. Los aspectos de una nueva ética
económica empresarial, nacional e internacional serán el tema del día. La necesidad de
productividad, calidad y trabajo en equipo en toda industria o institución se hace mandatoria. La
industria o empresa que no participe en cadenas de exportación perderá presencia en los mercados.
d. Será necesario ir caminando hacia un desarrollo sustentable (con equidad social). Un aspecto que
demandará cada vez más del talento ingenieril, manejado en equipos interdisciplinarios, tiene que
ver con los aspectos del medio ambiente. El modelo industrial no será maximizar rentabilidad, sino
el retorno sustentable.
1.4. LAS MEGATENDENCIAS MARCADAS POR LA UNESCO

2
MODELAMIENTO Y SIMULACIÓN DE PROCESOS Ing.Dr. Pascual Victor Guevara Yanqui

Con base en el diagnóstico de la situación mundial la UNESCO ha promovido, desde la última década
del siglo XX, tres megatendencias:
• Aprender a aprender (conocimientos)
• Aprender a hacer (habilidades)
• Aprender a ser (actitudes - valores y virtudes)
Estas tres áreas del aprendizaje humano deberían dar por resultado, impulsadas de modo
equilibrado, ese "educar para la vida", a partir de un desarrollo armónico de la personalidad.
1.5. EL PERFIL DEL EGRESADO DE INGENIERÍA
Lo más importante en cuanto al establecimiento de un perfil del egresado es su congruencia con los
reclamos socio-profesionales actuales y previsibles. La empresa, la industria, el exterior, tienen
presentes sus procesos, sistemas y necesidades al establecer sus demandas a la universidad, pero
pierde de vista la naturaleza de los sistemas educativos y sobre todo del proceso se enseñanza-
aprendizaje. Es por eso que es necesario "traducir" las demandas
socio-profesionales a términos que sean operativos en las aulas.
En un intento de traducir los reclamos sociales a términos educativo docentes, el perfil del egresado
de ingeniería que se sugiere es el siguiente:
a. Conocimientos-comprendidos
b. Habilidades-desarrolladas
c. Actitudes-reforzadas
1.6. GANANCIA EDUCATIVA O FORMACIÓN INTEGRAL
La finalidad u objetivo de la docencia y por tanto la clave para la formación de profesores, es que
sean eficaces en promover la ganancia educativa de sus alumnos, que en términos
"matemáticos" la expresaría de la manera siguiente:
Si la ganancia educativa es función de G =f (c, h, a)
G c h a
  
t t t t
en donde: c = conocimientos
h = habilidades
a = actitudes
Las circunstancias que hoy día enfrentan los ingenieros en ejercicio son considerablemente distintas
a las del pasado y las circunstancias del futuro serán aún más diferentes. Se necesitará hacer

3
MODELAMIENTO Y SIMULACIÓN DE PROCESOS Ing.Dr. Pascual Victor Guevara Yanqui

cambios significativos en la educación en ingeniería si hemos de prepararnos para los retos

presentes y futuros.

1.7. MODELOS CIENTÍFICOS

Los modelos y la modelización tienen una importancia clave en muchos contextos científicos, y son
uno de los principales instrumentos de la ciencia moderna . La manipulación de modelos es esencial
en la investigación científica, porque sirven para aprender sobre las teorías científicas y el mundo.
Aunque los modelos no se ajusten con perfección a todos los detalles del mundo, pueden
proporcionar una información útil y profunda sobre su funcionamiento (Giere, 1999).

Los científicos dedican mucho tiempo a construir, probar, comparar y revisar modelos, y numerosos
artículos de ciencia introducen, aplican e interpretan estos instrumentos tan valiosos. Muchas
partes significativas de la investigación científica se hacen en los modelos más que en la realidad
misma, porque al estudiar un modelo podemos determinar hechos y descubrir rasgos del sistema
que el propio modelo representa.

El significado de modelo ha sido discutido –y se sigue debatiendo aún– por filósofos de la ciencia,
psicólogos, científicos y educadores, entre otros. Por ejemplo, los filósofos de la ciencia reconocen
la importancia de los modelos científicos cada vez más, e investigan sus diversas funciones en la
práctica científica. Como resultado de esta labor, se citan distintos tipos de modelos –no excluyentes
entre sí– en la bibliografía de filosofía de la ciencia: teóricos, exploratorios, explicativos, idealizados,
heurísticos, instrumentales, imaginarios, fenomenológicos, icónicos, matemáticos,
computacionales, formales, analógicos, etc.

La filosofía de la ciencia se plantea preguntas y reflexiona sobre los modelos científicos de naturaleza
ontológica (¿qué son modelos?), epistemológica (¿cómo se aprende con los modelos?) y semántica
(¿cuál es la función representativa de los modelos?), entre otras.

Los estudios epistemológicos, históricos y sociológicos de la ciencia correspondiente a las últimas

décadas han permitido una comprensión de la naturaleza de la ciencia cada vez más próxima a la
práctica científica real (Acevedo-Díaz, 2017a). Según Adúriz-Bravo y Ariza (2014), esto se debe, en
parte, al giro modelístico en tales estudios meta-científicos; es decir, a: “la actual preferencia por
estudiar y entender las teorías científicas a través de sus modelos, […] [en vez] del abordaje

4
MODELAMIENTO Y SIMULACIÓN DE PROCESOS Ing.Dr. Pascual Victor Guevara Yanqui

tradicional de mirar sus leyes” (Adúriz-Bravo y Ariza, 2014: 26). Sin embargo, a pesar del gran interés
generado por los modelos científicos y lo que se ha avanzado, aún hay muchas lagunas en la
comprensión sobre qué son los modelos y cómo funcionan.

En efecto, los significados que se suelen asignar a los modelos científicos son tan diversos y
numerosos que bien se les podría aplicar la expresión tan común en inglés “A rose by any other
name”2 (literalmente “Una rosa por cualquier otro nombre”). El carácter ambiguo o polisémico de
la idea de modelo, presente incluso dentro de la actividad científica en las diferentes disciplinas,
parece estar directamente relacionado con este galimatías (Adúriz-Bravo y Ariza, 2014; Gutiérrez,
2014), que induce a una compresión incompleta, o mala, del significado de modelo científico. Esto
sucede incluso en el caso de científicos en activo. La distinción entre modelo y teoría poco
reflexionada, y algo tosca, que suelen hacer los científicos es reservar el término modelo científico
para un proceso que es menos seguro o incompleto [que una teoría] en aspectos importantes3 .

1.7.1. Los modelos científicos en la epistemología de la ciencia

Para Adúriz-Bravo y Ariza (2014), entre otros muchos, la corriente representacional o modelística
de la concepción semanticista de la epistemología contemporánea es uno de los enfoques más
fructíferos de las últimas décadas para el estudio epistémico de la ciencia. El semanticismo ha
acometido con extensión y profundidad el tratamiento epistemológico de las teorías mediante sus
modelos, y ha realizado análisis bastante detallados respecto a asuntos como los siguientes (Adúriz-
Bravo y Ariza, 2014: 28):

1) Los diversos usos y caracterizaciones de la noción de modelo.

2) El papel de los modelos en la identidad de las teorías.
3) Su función representacional, analógica y mediadora entre las teorías y el mundo.
4) Su estructura particular y el lugar que ocupan dentro de las teorías científicas.
5) La pertinencia de identificar tipologías de modelos.
6) La relación de los modelos científicos con las teorías, las leyes, los sistemas y los fenómenos.
Asimismo, Adúriz-Bravo y Ariza (2014: 29) destacan cuatro características epistemológicas
centrales de los modelos teóricos en su funcionamiento:

1) Modelos a partir de la teoría y los datos empíricos.

2) Modelos para unas determinadas finalidades y valores.

5
MODELAMIENTO Y SIMULACIÓN DE PROCESOS Ing.Dr. Pascual Victor Guevara Yanqui

3) Analogías teóricas respecto de la realidad.

4) Mediadores entre la teoría y los datos empíricos.

Desde una perspectiva semanticista, Giere (1999: 3) se refiere a los modelos científicos de la manera
siguiente:

El concepto fundamental de mi comprensión sobre la práctica científica es el de modelo. Para mí,

los modelos son las entidades representacionales primarias de la ciencia. Afirmo que los científicos
suelen usar modelos para representar los aspectos del mundo. Los tipos de modelos científicos
incluyen modelos físicos a escala y representaciones diagramáticas, pero los modelos más
interesantes son los modelos teóricos. Estos son objetos abstractos, entidades imaginarias cuya
estructura podría o no ser similar a los aspectos de los objetos y procesos del mundo real. Los
científicos son más propensos a hablar del ajuste entre sus modelos y el mundo, una terminología
que adopto con satisfacción.
Según Giere (2004), un aspecto relevante de los modelos científicos es su capacidad para
representar aspectos del mundo: “Los científicos usan modelos para representar aspectos del
mundo con diversos propósitos. Desde este punto de vista, los modelos son instrumentos primarios
de representación (aunque no los únicos) en las ciencias.” (Giere 2004: 747). Esta capacidad de los
modelos reside en que “[…] están diseñados para que sus elementos puedan identificarse con
características del mundo real.” (Giere 2004: 747).
Y, como señalan Adúriz-Bravo y Ariza (2014: 31):

La relación entre la teoría y el mundo o, más precisamente, la relación específica entre los modelos
de la teoría y el mundo, es para Giere una relación de “parecido de familia” a la Wittgenstein, que
él llama técnicamente “relación de similaridad”. Los modelos estarían conectados entre sí y a la
realidad a través de relaciones analógicas de similaridad. Ahora bien, para Giere, las teorías no solo
se componen de “familias de modelos”, su otro constituyente fundamental son entidades que
permiten establecer el alcance de la relación entre los modelos y los sistemas reales. Tales entidades
son entidades lingüísticas, denominadas por él hipótesis teóricas.
Bunge (1972, 1973) asigna dos funciones esenciales a los modelos científicos: explicación y
predicción del fenómeno, las cuales también son características de las teorías científicas (Acevedo,
2017b). La práctica totalidad de las escuelas epistemológicas están de acuerdo con estas funciones.
Además de estas dos funciones, Bunge añade la evaluación de teorías científicas, ya que estas solo

6
MODELAMIENTO Y SIMULACIÓN DE PROCESOS Ing.Dr. Pascual Victor Guevara Yanqui

se pueden contrastar si se aplican a sistemas concretos; esto es, no son directamente contrastables.
De este modo, el modelo científico conecta la teoría con los fenómenos del mundo físico. Sin
embargo, esta función no es esencial, porque no se puede aplicar cuando no hay disponible una
teoría científica que sirva de referente al modelo científico (e.g., cambio climático, astrofísica, etc.).
Los modelos que los científicos construyen para abordar estos casos se denominan a veces modelos
sustitutivos.

Se concluye esta sección haciendo mención especial a la cuarta característica epistemológica central
de los modelos científicos indicada más arriba por Adúriz y Ariza (2014): la de su papel mediador
entre la teoría y los datos empíricos, o entre la teoría y el mundo real. Este papel instrumental de
los modelos ha sido abordado con amplitud por Morrison y Morgan, (1999), sosteniendo que ello
es posible gracias a que son autónomos parcialmente respecto la teoría y el mundo real. Estas
filosofías de la ciencia desarrollan su tesis planteando, respondiendo y ejemplificando una serie de
preguntas sobre los modelos, que abarcan cuatro elementos básicos de la descripción de los
modelos que defienden; a saber: (i) cómo se construyen, (ii) cómo funcionan, (iii) qué representan
y (iv) cómo se aprende con ellos. Se concluye:

La implicación de esta investigación es que los modelos no se deben considerar supeditados a las
teorías y los datos en la producción del conocimiento. Junto con los instrumentos de medida, los
experimentos, las teorías y los datos, son uno de los ingredientes esenciales de la práctica de la
ciencia. Tampoco deberían contemplarse como “teorías preliminares” […]. (Morrison y Morgan,
1999: 37).

1.7.2. Los modelos científicos en la ontología de la ciencia

Gutiérrez (2014) también señala la polisemia del concepto de modelo científico como un problema
para su comprensión, y sugiere una definición ontológica del término, que elimine las múltiples
características encontradas en los diversos significados de modelo científico que aparecen en la
bibliografía. Considera que una definición ontológica de modelo científico podría aportar (Gutiérrez,
2014: 50):

1) Univocidad en la definición del término, cualquiera que sea el universo epistemológico en el que
se aplique y el área de conocimiento al que esté referido.
2) Independencia del término en relación a otros constructos, ya que si el modelo científico es una

7
MODELAMIENTO Y SIMULACIÓN DE PROCESOS Ing.Dr. Pascual Victor Guevara Yanqui

entidad ontológica posee existencia en sí mismo.

3) Economía, porque solo formarían parte de su definición los atributos esenciales del concepto.

De las diversas perspectivas ontológicas de modelo científico, el autor opta por la de Mario Bunge
(1972, 1973). Metodológicamente, Bunge (1973) distingue entre modelo objeto (conjunto de
entidades) y modelo teórico (modelo científico):

1) Un modelo objeto [conjunto de entidades] es una representación esquemática de un sistema

real o conjeturado. Este esquema enumera las propiedades más importantes de un objeto de una
especie determinada. Asimismo, su papel es fundamentalmente heurístico.
2) Un modelo objeto junto con una serie de enunciados legales es un modelo teórico [modelo
científico] de un sistema real o conjeturado. De otra manera, un modelo teórico es el sistema con
el que se explica el modelo objeto.

Por tanto, los constituyentes ontológicos de un modelo científico serían:

1) Un conjunto de entidades (modelo objeto) con sus propiedades especificadas.

2) Un conjunto de enunciados legales, relativo a los comportamientos de las entidades consideradas
en el modelo objeto.

Y de todo ello, según Gutiérrez (2014: 51), se deduce la siguiente definición ontológica:

Un modelo científico es una representación de un sistema real o conjeturado, consistente en un

conjunto de entidades con sus principales propiedades explicitadas, y un conjunto de enunciados
legales que determinan el comportamiento de esas entidades.

Concluimos con una recopilación breve de los principales aspectos sobre los modelos científicos
señalados por Oh y Oh (2011), que considero puede servir como una síntesis de parte de lo
desarrollado en el documento, y lo complementa:

1) Significado de modelo científico. Un modelo puede definirse como una representación de

un objetivo (el referente). Los referentes representados por los modelos pueden ser
diversas entidades, tales como objetos, fenómenos, procesos, ideas, o sistemas. Un
modelo científico también es un puente para conectar una teoría científica con un
fenómeno, porque ayuda al desarrollo de la teoría desde los datos, y la pone en relación

8
MODELAMIENTO Y SIMULACIÓN DE PROCESOS Ing.Dr. Pascual Victor Guevara Yanqui

con el mundo natural.

2) Propósitos de la modelización. El papel de un modelo es describir, explicar y predecir
fenómenos naturales, así como la comunicación de ideas científicas.
3) Funcionalidad de los modelos científicos. El funcionamiento de los modelos científicos,
como instrumentos para pensar y comunicarse, se facilita mediante la expresión de
modelos con recursos semióticos no lingüísticos, usando analogías y permitiendo
simulaciones mentales y externas al modelo.
4) Multiplicidad de modelos científicos. Se pueden desarrollar diversos modelos científicos
para estudiar el mismo objetivo, porque los científicos pueden tener diferentes ideas
sobre el objetivo y cómo funciona. También es posible porque hay una variedad de
recursos semióticos disponibles para construir modelos científicos.
5) Limitaciones de los modelos científicos. Los modelos científicos solo se refieren a un
aspecto específico del objetivo, con un grado de precisión limitado. Por tanto, pueden ser
necesarios varios modelos para proporcionar una explicación más completa del objetivo.
6) Cambios en los modelos científicos. Los modelos científicos se prueban empíricamente y
conceptualmente, y pueden cambiar durante el proceso de desarrollo del conocimiento
científico.

II. PRINCIPIOS BÁSICOS DE MODELACIÓN MATEMÁTICA

2.1. INTRODUCCIÓN

Los modelos matemáticos constituyen uno de las herramientas básicas en la investigación

científica y tecnológica moderna. Se encuentran en las ciencias físicas, químicas y
biológicas, en las aplicaciones de ingeniería, en las ciencias sociales y económicas, en las
ciencias ambientales, entre otras. Este curso aborda un área de aplicación modelística: la
modelación de los procesos físicos y/o químicos. El objetivo último es introducir las bases
teóricas y prácticas que permiten construir un modelo, para predecir el efecto de la
intervención humana sobre sus características físicas, químicas y biológicas.

En esta etapa del curso, intentaremos dar respuesta a 5 preguntas básicas:

¿Qué es un modelo?

¿Para qué sirve un modelo?

¿Qué tipos de modelos existen?

9
MODELAMIENTO Y SIMULACIÓN DE PROCESOS Ing.Dr. Pascual Victor Guevara Yanqui

¿Cómo se construye un modelo matemático?

¿Cuáles son las limitaciones de un modelo matemático?

2.2. MODELOS ¿QUÉ SON Y PARA QUE SIRVEN?

Definiciones:

Modelo:

Los diccionarios e investigadores nos entregan diferentes definiciones para este concepto,
por ejemplo:

"Aquello que se imita"

"Reproducción a pequeña escala"

"Persona que posa para pintores, escultores, fotógrafos, etc."

"Esquema teórico, generalmente en forma matemática, de un sistema o realidad compleja,

que se elabora para facilitar su comprensión y el estudio de su comportamiento" (Real
Academia de la Lengua).

"Estructura conceptual tentativa utilizada como sistema de ensayo" (M. Denn, 1987).

"Es una conceptualización Simple de una realidad compleja".

Modelo matemático:

Es un sistema de ecuaciones cuya solución, dado un conjunto específico de datos de

entrada, es representativo de la respuesta del proceso a dichas entradas. El "proceso"
puede ser físico, químico, biológico, social, económico, etc., o combinaciones de ellos.

Variables Independientes: son aquellas cuyos valores son especificados por el modelador.
Típicamente, los modelos tienen como objetivo describir la respuesta de un sistema en el
dominio espacial y temporal, por lo que las coordenadas espaciales y el tiempo constituyen
las variables independientes.

Variables Dependientes: son las variables que caracterizan la respuesta del sistema bajo un
conjunto de condiciones dadas. Por ejemplo, la concentración de oxígeno disuelto y la
temperatura del río.

Variables de Entrada: Son variables externas que estimulan el sistema y pueden inducir
cambios en la condición del sistema. Por ejemplo, los flujos másicos y calórico descargado

10
MODELAMIENTO Y SIMULACIÓN DE PROCESOS Ing.Dr. Pascual Victor Guevara Yanqui

por un efluente industrial a un sistema fluvial constituyen variables de entrada (perturbaciones)

que pueden afectar la condición del río.

Variables de Salida: Son variables internas del sistema que caracterizan el estado o
condición del sistema. Estas variables de salida son afectadas por las variables de entrada.

¿Por qué modelar?

La razón para obtener un modelo matemático radica en la necesidad de contar con una
herramienta para predecir el comportamiento esperado de un proceso, para un conjunto
de entradas o condiciones. En tal sentido, el modelo debe ser construido en función de los
objetivos para los cuales se desea contar con tal modelo. Generalmente, los modelos se
requieren para:

 Lograr una mayor comprensión del proceso, ya que permite simular su comportamiento sin los
costos que implicaría el estudio del sistema real. Este es uno de los principales objetivos en las
aplicaciones de ingeniería, en el contexto de diseño, optimización y control de procesos. Por
ejemplo, un modelo de un sistema de tratamiento de efluentes, conformado por un sedimentador
y un reactor aeróbico, puede ser utilizado para determinar las dimensiones de las unidades y
las condiciones de operación más apropiadas. En estos casos, los modelos deberán acoger las
variables que son relevantes para dichas aplicaciones.
 Predecir el comportamiento del sistema frente a futuros escenarios y apoyar la toma de
decisiones asociadas. Por ejemplo, un modelo de calidad de agua de un sistema fluvial puede
servir para predecir el efecto de la descarga de aguas residuales derivadas de un proyecto
industrial, para diferentes opciones de tecnologías de abatimiento y posiciones del emisario.
Alternativamente, el modelo puede ser utilizado para identificar la contribución de
diferentes fuentes emisoras sobre la calidad del agua.

Un proceso real puede dar cabida a una vasta variedad de modelos, cada uno de ellos
adecuado a los objetivos para los cuales son concebidos. El desarrollo y evaluación de los
modelos se debe realizar en el contexto de tales objetivos.

Cuando se plantea la necesidad de construir un modelo para predecir la calidad de agua

de un sistema fluvial, se está definiendo el objeto (sistema) a modelar. Sin embargo, ello
no es suficiente para lograr una adecuada formulación.

En efecto, se deberá definir claramente cual es el propósito del modelo:

¿Para qué se utilizará y cuáles son las respuestas que se esperan de dicho modelo?

11
MODELAMIENTO Y SIMULACIÓN DE PROCESOS Ing.Dr. Pascual Victor Guevara Yanqui

Los fenómenos presentes en un sistema fluvial son multidisciplínarios, donde se identifican

elementos de naturaleza hidrodinámica, acoplados a los fenómenos físicos (ej.
transferencia de oxígeno a través de la interfase aire-agua, sedimentación, adsorción,
volatilización, etc.), procesos químicos (ej. reacciones entre los diferentes compuestos
disueltos, oxidación, reducción, equilibrio ácido-base, etc) y biológicos (ej. consumo de
oxígeno por parte de los microorganismos, consumo de nutrientes, generación de oxígeno
por microalgas, balance poblacional de los componentes de la cadena trófica, etc). Todos
estos fenómenos juegan un papel en la transferencia de materia y energía al interior del
sistema acuático y entre éste y el medio exterior.

En rigor, si queremos construir un modelo para predecir el transporte y destino de los

contaminantes descargados en un sistema fluvial, tendremos que comprender la
naturaleza de los fenómenos presentes. La estrecha y compleja interacción entre tales
procesos plantea un problema de extrema complejidad. A modo de ejemplo, basta recordar
que la temperatura del agua afectará la solubilidad del oxígeno y otros compuestos
disueltos, la velocidad de las reacciones químicas y metabólicas, el balance poblacional,
el transporte de las especies migratorias, etc. A su vez, la temperatura del agua estará
determinada por un balance de energía, donde la transferencia de calor (ej. radiación
solar, pérdidas convectivas), el ingreso de energía calórica por aportes antrópicos, la
velocidad de evaporación, entre otros, juegan un papel determinante. La importancia de las
variables climáticas en estos procesos está fuera de discusión.

Frente a este cuadro desolador, es pertinente hacer las siguientes preguntas:

 ¿Podemos construir un modelo que imite el comportamiento del sistema fluvial, hasta el grado de
reemplazarlo como objeto de estudio?
 ¿Estamos en condiciones de incorporar la totalidad de los fenómenos que determinan su
comportamiento en la realidad?
 ¿Conocemos las relaciones causales que describen cada uno de los procesos existentes?
 ¿Conocemos los parámetros que caracterizan el sistema específico (ej. las propiedades hidráulicas,
los parámetros cinéticos químicos y biológicos, etc.)?

Debemos comenzar con reconocer humildemente que nuestros conocimientos acerca de un

sistema fluvial específico son limitados. En la mayoría-de los casos, contamos con un número
siempre finito de observaciones válidas, tanto acerca de \a calidad del agua como del

12
MODELAMIENTO Y SIMULACIÓN DE PROCESOS Ing.Dr. Pascual Victor Guevara Yanqui

comportamiento hidrológico. Más aún, carecemos de un conocimiento cabal del detalle

microscópico de cada uno de los procesos que existen y de su variabilidad espacial temporal.

La respuesta a las preguntas anteriores es, incuestionablemente, una respuesta negativa.

No podemos pretender reemplazar la realidad por un conjunto de ecuaciones matemáticas,
fundadas sobre la base de un conocimiento limitado del sistema.

Lo que sí estamos en condiciones de lograr es:

"Construir un modelo que imite cualitativamente el comportamiento del sistema fluvial, bajo
condiciones específicas, donde estén incorporados los principales fenómenos que
caracterizan el funcionamiento del sistema. Ello implica desarrollar un modelo que se base
en sólidos principios de hidráulica fluvial, acoplado con descripciones empíricas
(simplificadas y validadas) de los procesos de transformación de aquellos compuestos que se
requiere predecir.

Dicho modelo estará en condiciones de predecir perfiles de concentraciones y de

temperatura con un nivel de precisión limitado. La desviación entre predicción y valor real
dependerá de la calidad de la información incorporada en la formulación del modelo, y en la
rigurosidad de la calibración y validación de éste".

Finalmente, es importante señalar que un modelo matemático sólo está en condiciones de

responder a interrogantes para las cuales ha sido diseñado. El modelo no puede entregar
información sobre fenómenos o procesos que no han sido incluidos en su conceptualización.

¿Modelación: Arte o Ciencia?

La modelación es a la vez arte y ciencia. Requiere de la imaginación y creatividad propia de

un artista, y de la rigurosidad del método científico.

El arte de la modelación necesita de un elevado grado de creatividad, en el sentido de

seleccionar el nivel de simplificación adecuado a los requisitos y condiciones del problema.
Dicha simplificación debe ser un compromiso entre el requerimiento de realismo (ie.
aproximación a la realidad) y la tendencia a sobre simplificar el modelo.

Por otra parte, la ciencia de la modelación nos dice que la realidad debe ser estudiada en
detalle para reconocer los procesos, las relaciones causales, y los principios fundamentales
que caracterizan su funcionamiento. Con ese conocimiento de la realidad se puede
conceptuar su funcionamiento y lograr su idealización, evaluar modelos alternativos y
definir el más adecuado a los objetivos. En última instancia, al contrastar las predicciones

13
MODELAMIENTO Y SIMULACIÓN DE PROCESOS Ing.Dr. Pascual Victor Guevara Yanqui

del modelo con las observaciones de la realidad se podrá enriquecer, modificar y/o
reformular los conceptos involucrados en la formulación inicial.

La modelación es un proceso iterativo, donde se puede comenzar con una visión simplificada
de la realidad e incorporar niveles crecientes de complejidad en la medida que se logre una
mayor comprensión del funcionamiento del sistema. Un buen modelo matemático es aquel
que permite, mediante su utilización, generar las condiciones para su mejoramiento
posterior.

2.3. TIPOS DE MODELOS

Existen diversos tipos de modelos, cuya clasificación considera distintos criterios. A

continuación se resumen algunas tipologías relevantes a este curso.

De acuerdo a las bases que dan origen a las ecuaciones, los modelos matemáticos se pueden
clasificar como:

 Modelos Fundamentales: utilizan conceptos teóricos aceptados para derivar las ecuaciones,
de acuerdo a los postulados del modelo conceptual. En estos casos, el modelo se
construye a partir de principios básicos, de acuerdo a la naturaleza de los procesos
(ej. modelos cinéticos, modelos termodinámicos, modelos físicos, modelos
poblacionales, etc). Los parámetros de las expresiones matemáticas una relación directa
con los fenómenos que se modelan (ej. constantes de velocidad de reacción, propiedades
termodinámicas).

 Modelos Empíricos, utilizan observaciones directas para desarrollar las ecuaciones que
describen los datos experimentales. En genera], se construyen a partir de correlaciones
estadísticas de variables que poseen una relación causa-efecto. Los parámetros de las
ecuaciones resultantes no tienen relación con las propiedades del sistema.

Otra clasificación frecuente de los modelos considera la naturaleza de las relaciones causa-
efecto:

 Modelos Determinísticos, en estos modelos las variables están definidas por relaciones
matemáticas basadas en datos empíricos o en principios científicos, que explican toda su
variabilidad. Estos modelos entregarán siempre la misma respuesta frente a un conjunto
determinado de condiciones de entrada. Una amplia mayoría de los modelos basados en
principios fundamentales en aplicaciones de ingeniería y medio ambiente son
determinísticos.

14
MODELAMIENTO Y SIMULACIÓN DE PROCESOS Ing.Dr. Pascual Victor Guevara Yanqui

 Modelos Estocásticos: Consideran las leyes del azar y las variables están caracterizadas en
términos de probabilidad. Son utilizados para modelar procesos donde existen
relaciones estocásticas entre las variables de entrada y Salida. Es decir, se obtienen
diferentes respuestas del sistema frente a un conjunto determinado de condiciones de
entrada. Los modelos de series de tiempo son un ejemplo de este tipo de modelos.

De acuerdo al nivel de conocimiento de los mecanismos involucrados en el proceso:

 Modelos de Caja Negra relacionan variables de entrada y salida (ie. estímulo-

respuesta), sin atención al detalle de los mecanismos que dan origen a dicha
relación de causalidad.

 Modelos Representacional: conlleva la elaboración de hipótesis sobre los

mecanismos involucrados. Tales hipótesis serán confirmadas en la medida que
las predicciones del modelo sean confirmadas experimentalmente en el sistema
real.

De acuerdo a la escala de observación, se pueden clasificar como:

 Modelos Atómico-molecular: estos modelos consideran la materia como entidad

discreta, formada por partículas a escala atómica (Amstrong). Se utilizan para
modelar fenómenos fundamentales en físico-química, predecir propiedades
termodinámicas, mecanismos de reacciones químicas, transporte difusional, etc.
Son de gran complejidad fenomenológica y matemática.

 Modelos Microscópicos, son modelos en que la materia tiene carácter continuo y

los procesos se visualizan en una escala de microscópica (micrómetros). Se
utilizan en procesos de ingeniería (ej. Reactores tubulares, reacciones
catalíticas heterogéneas, transferencia de calor y materia). Generalmente
incorporan mecanismos que caracterizan el sistema a modelar, y dan origen a
ecuaciones que requieren de herramientas matemáticas sofisticadas.

 Modelos Macroscópicos: al igual que en el caso anterior, son modelos en que la

materia tiene carácter continuo. Los procesos se visualizan en una escala de
macroscópica (metros, centímetros). Se utilizan en un amplio rango de
sistemas, en ingeniería y modelación ambiental. Poseen menos detalles
mecanísticos que los modelos microscópicos y tienden a ser modelos de caja negra,
dando origen a ecuaciones de menor complejidad matemática.

15
MODELAMIENTO Y SIMULACIÓN DE PROCESOS Ing.Dr. Pascual Victor Guevara Yanqui

De acuerdo a su relaciones temporales, se clasifican como:

 Modelos Estacionarios (régimen permanente): son aquellos cuyas variables y

parámetros permanecen constantes e independientes del tiempo. En el sistema
a modelar no existe acumulación de energía, materia o momento.

 Modelos Dinámicos (transitorios, no-estacionarios): estos modelos muestran

variaciones temporales; es decir, algunas o todas sus variables y/o parámetros
con el tiempo.

De acuerdo a su relación espacial:

 Modelos de Parámetros Aglomerados: las variables dependientes no dependen de la

posición espacial. Tal es el caso de un estanque perfectamente mezclado, donde el
fluido está distribuido homogéneamente en cada punto del estanque, por lo que la
concentración y la temperatura son independientes de la posición.

 Modelos de Parámetros Distribuidos: las variables dependientes que caracterizan el

proceso son función de la posición. Por ejemplo, el vertido de un contaminante en un rio
dará origen a un gradiente de concentración aguas debajo de la descarga, y la
concentración depende de la posición.

En aplicaciones de hidrodinámica se encuentran modelos que Se pueden clasificar de

acuerdo al número de dimensiones espaciales consideradas:

Modelos Unidimensionales: supone que las variables presentan variaciones en una Sola
dimensión espacial. Por ejemplo, este es el caso de un modelo de calidad de aguas para un
río que supone que todas las variables y parámetros (velocidad del fluido, concentraciones,
temperatura, densidad, viscosidad, etc) sólo presentan variaciones en la dirección axial, sin
gradientes en !a dirección perpendicular (ancho y alto). Esta representación simplificada
del flujo de un río de flujo turbulento con morfología uniforme.

Modelos Bidimensionales: presentan variaciones en dos dimensiones espaciales. En el

ejemplo anterior, se considera la existencia de gradientes en la dirección axial y
perpendicular (ancho), tal como ocurriría en el caso de un río ancho, con zonas que
presentan un régimen de flujo laminar.

Modelos Tridimensionales: presentan variaciones en las tres dimensiones espaciales.

Estos modelos se generan en aquellos casos donde existen fuertes gradientes (ej. de
concentración, velocidad, temperatura, etc.), en las tres dimensiones espaciales.

16
MODELAMIENTO Y SIMULACIÓN DE PROCESOS Ing.Dr. Pascual Victor Guevara Yanqui

2.4. FASES EN LA CONSTRUCCIÓN DE UN MODELO.

El conocimiento científico de la realidad pasa siempre por una idealización de la misma. De

diferentes realidades concretas se abstrae una realidad ideal. Se delimitan aspectos
comunes a diferentes realidades o situaciones particulares, es decir, se definen conceptos
y, entre ellos, propiedades que son susceptibles a ser tratados por teorías. De este modo,
se construye un modelo conceptual de la realidad que, si bien al principio puede resultar una
aproximación burda a dicha realidad, permite encontrar soluciones definitivas a los
problemas que se plantean.

En la construcción de un modelo se distinguen las siguientes etapas:

 Estudio de la realidad a modelar. Se debe observar el funcionamiento del sistema a

modelar, identificar los procesos que determinan su comportamiento, obtener información
(ojalá cuantitativa) acerca de sus principales variables y su evolución en el tiempo,
identificar relaciones causa-efecto, etc.

 Formulación del modelo conceptual, el modelo conceptual se refiere a la idea que se tiene
del funcionamiento del sistema. Los datos disponibles acerca del sistema y la
experiencia existente en sistemas similares permiten formular posibles hipótesis sobre
su funcionamiento. La calidad del modelo depende críticamente de la selección adecuada
del modelo conceptual. Se deben tener en consideración los objetivos planteados.

 Construcción del modelo (formulación del modelo matemático): La construcción del

modelo es la etapa del proceso de implementación del mismo en la que se formulan las
ecuaciones que describen los distintos procesos que tienen lugar en el modelo conceptual
formado, se establecen las relaciones entre ellas y se procede a su resolución mediante
técnicas matemáticas. La formulación matemática debe ser coherente con el uso que se
pretende dar al modelo.

 Calibración de los parámetros del modelo: Esta fase tiene por objetivo forzar a que el
modelo reproduzca en mayor o menor grado la respuesta del sistema real. Para ello se
ajustan los valores numéricos de los parámetros de! modelo, para reducir al mínimo las
diferencias entre los datos reales y las predicciones del modelo, bajo condiciones
comparables.

• Validación del modelo: Una vez lograda la calibración del modela, se debe comprobar la
capacidad predictiva del modelo, en base a observaciones no utilizadas en la calibración.

17
MODELAMIENTO Y SIMULACIÓN DE PROCESOS Ing.Dr. Pascual Victor Guevara Yanqui

Si las mediciones reales no son adecuadamente descritas por las predicciones del
modelo, será necesario recalibrar el modelo o reformular e! modelo conceptual.

• Análisis de sensibilidad: En esta fase, se determina el efecto de variaciones en los

parámetros sobre la respuesta del modelo. De esta forma se pueden iden tificar
aquellos parámetros que más afectan la calidad de la predicción y, por lo tanto, que
deben ser estimados utilizando una mayor cantidad de información confiable.

 Simulación: Una vez que el modelo ha sido validado, puede ser utilizado para simular el
comportamiento del proceso de acuerdo a los objetivos para los que ha sido diseñado. La
comparación periódica de las predicciones con !os datos obtenidos en la realidad, junto a
un mayor conocimiento del funcionamiento del sistema, deberían entregar señales
acerca de posibles modificaciones al modelo para mejorar su capacidad predictiva.

Las Figuras 1 y 2 ilustran el proceso de construcción de un modelo. La formulación del modelo

conceptual se realiza a partir de información de la realidad y de las hipótesis que surjan al
evaluar dichas observaciones.

La formulación matemática tendrá que tomar en consideración el propósito de la

modelación: qué tipo de procesos y variables se desea predecir, y con qué objetivo. La
comparación de las soluciones del modelo con los hechos reales no solo permitirá apreciar la
bondad del modelo, sino también mejorarlo, conduciendo a un enriquecimiento, modificación y/o
reformulación de los conceptos e hipótesis implícitas.

A modo de resumen, es importante revisar algunos de los puntos discutidos en párrafos

anteriores:

 Un modelo es una simplificación de una realidad compleja

 Las hipótesis planteadas en el modelo conceptual determinan qué puede y qué no puede
predecir dicho modelo

 La formulación matemática depende tanto del modelo conceptual como de las bases
utilizadas en la construcción de las ecuaciones.

 La calibración y validación del modelo permitirá ajustar las predicciones a un

conjunto de observaciones.

 Se debe tener cautela al extrapolar el modelo fuera de las condiciones para las
cuales fue validado.

 Un buen modelo es aquel que permite una mayor comprensión del funcionamiento del

18
MODELAMIENTO Y SIMULACIÓN DE PROCESOS Ing.Dr. Pascual Victor Guevara Yanqui

sistema y, por lo tanto, mejorar su formulación.

DESARROLLO DE UN MODELO PARA UN PROCESO DINÁMICO

MODELO FÍSICO

MODELO MATEMÁTICO

SIMULACIÓN

SOLUCIÓN DEL
MODELO

REVISION
COMPARACIÓN EXPERIMENTACIÓN

MODELO FINAL

APLICACIÓNES
PARA CONTROL

FIGURA: 1 Diagrama de bloques de un proceso dinámico

19
MODELAMIENTO Y SIMULACIÓN DE PROCESOS Ing.Dr. Pascual Victor Guevara Yanqui

REALIDAD COMPLEJA
Procesos químicos, físicos, biológicos, etc.
SIMPLIFICACIÓN
MODELO CONCEPTUAL OBJETIVOS

REVISIÓN

MODELO MATEMÁTICO

COMPARACIÓN CON LA
REALIDAD

NO ¿ACEPTABLE?

SI

MODELO
VALIDADO

FIGURA 2: FORMULACIÓN DE UN MODELO MATEMÁTICO

TRABAJO:

1) Modelos matemáticos del cosmos de los indígenas mayas

precolombinos

2) Desarrollo de la ingeniería por las culturas preincaicas y el imperio

incaico

3) Desarrollo de la ingeniería en el imperio romano.

20