Universidad Tecnológica Nacional Cátedra:

Facultad Regional Santa Fe - Departamento Sistemas SIMULACIÓN

MODELOS Y SIMULACIÓN
La idea que tenemos sobre la palabra simular es tratar de aparentar ser o representar algo que no
es; en realidad cuando hablamos de simulación, estamos implicando que existe una realidad de la
cual obtenemos un modelo para simular su comportamiento. ¿Entonces, qué cosa modelamos y
simulamos? La realidad, porciones de la realidad a las que llamaremos sistemas.
Recordamos la definición (una de ellas) de sistema:
Sistema: Grupo o conjunto de objetos unidos por alguna forma de interacción o interdependencia.
Aclaración: el término "objeto" es en este caso más amplio que su acepción de "cosa". Se refiere
también a personas, animales, etc. Es más correcto asociarlo a la idea de "ente", "entidades".
Cuando decimos que vamos a estudiar un sistema tenemos que definirlo, como el sistema es un
trozo de realidad debemos definir las fronteras del sistema. ¿Cómo se llama todo lo que está fuera
de la frontera del sistema? Se llama Medio Ambiente. Surge así una primera forma de clasificar a
los sistemas: en relación con su interacción con el medio ambiente.
 Abierto: El medio ambiente afecta al sistema, la conducta del sistema se ve
afectada por las características del medio.
 Cerrado: El medio ambiente no afecta al sistema. La conducta del sistema no es
función del medio en que esté. Ese sistema puede ser trasladado a otro medio
ambiente sin que se vea afectado.
Otro punto de vista para clasificar a los sistemas es por la forma en que cambia.
 Continuos: según algunos autores son continuos los sistemas en los que los
cambios son suaves. En realidad lo que importa es cómo se comportan las
variables que miden el estado del sistema en el tiempo. Decimos que un sistema
es continuo cuando las variables que determinan su estado pueden variar en
cada instante o unidad de tiempo.
 Discretos: los cambios en el sistema son discontinuos, "de a saltos",
bruscamente. Otra forma de verlo, es diciendo que son sistemas cuyos cambios
se producen en instantes de terminados de tiempo, entre los cuales el sistema
permanece sin variaciones. Esto es las variables que definen su estado cambian
en forma instantánea.
Hay pocos sistemas completamente continuos o completamente discretos, pero en general
predomina una forma de cambio.
Ejemplo:
Un conjunto de alumnos dentro del aula: ¿Cuándo cambia el número de alumnos?
Cuando ingresa uno o se va uno, no puede ingresar un alumno y medio.

Tomemos ahora como sistema a un alumno en particular y veamos que hace: si escribe, sus
movimientos son continuos; si se duerme, también; si se levanta para irse su movimiento visto
como tal es continuo: apoya los pies, se eleva lentamente hasta que está parado y luego
caminando se retira. La conducta de sus músculos hace que esta actividad se vea como continua.
Otra forma de clasificar a los sistemas es por la existencia o no de cambios azarosos o aleatorios
dentro de los mismos:
 Determinísticos: Los cambios producen sólo un resultado, la conducta del
sistema está determinada. Por ejemplo: si se coloca el agua para el mate a
calentar, la temperatura va a subir indefectiblemente.
 Estocásticos: Los cambios producen resultados aleatorios más o menos
probables. Volvamos al ejemplo de los alumnos en clase como sistema: frente al
fenómeno estar en clase se producirán distintos resultados: aprender o no,
aburrirse, dormirse; es cierto que según el tema y el docente habrá más
probabilidades de que ocurra una cosa u otra pero el resultado es probable, no
único.

Página N° 1
 Universidad Tecnológica Nacional Cátedra:
Facultad Regional Santa Fe - Departamento Sistemas SIMULACIÓN
Otro modo de clasificar a los sistemas es por su estabilidad:
Existen sistemas que no están quietos pero mantienen un estado de “equilibrio dinámico”, por
ejemplo si tomamos un aula por donde desfilan los alumnos de la Facultad a una velocidad
determinada - esto es: entra y sale la misma cantidad de alumnos -, tendremos un sistema no
quieto, no estático pero “en régimen estacionario” o simplemente “en régimen”.
 Estables: Si estando el sistema quieto, o en movimiento pero "en régimen", se le
aplica una perturbación momentánea ( se introduce una "molestia" y luego se la
elimina) y el sistema luego de cierto tiempo vuelve a su estado original, será
estable.
 Inestable: Si estando el sistema quieto. en movimiento uniforme, se le aplica una
pequeña "molestia" y luego se la elimina, y el sistema sufre cambios que lo alejan
cada vez más de su estado original, se dice que es inestable.
 De estabilidad crítica: Si estando el sistema quieto, o en movimiento pero "en
régimen", se le aplica una pequeña perturbación momentánea ( se introduce una
"molestia" y luego se la elimina) y el sistema sufre cambios que hacen que ni
vuelva a su estado original, ni que se aleje cada vez más de él, se dice que tiene
estabilidad crítica o límite.
Ejemplos:

Estable Inestable Estabilidad Crítica

Modelos: Representación de un conjunto de objetos o ideas de forma diferente a la de la entidad

misma.
El modelo es una "imitación" del sistema original, como para poder imitar a algo o a alguien es
necesario conocerlo bien, será necesario reunir información precisa respecto del sistema original si
queremos que el modelo sea bueno.

Simulación: Es el proceso de diseñar un modelo de un sistema real y realizar experimentos con él

para entender el comportamiento del sistema y/o evaluar estrategias para la operación del mismo.
Por sistema real entendemos existente o capaz de existir.
Intentaremos aclarar estos conceptos a través de un ejemplo:

Modelo No Simulable Modelo Simulable

¿Un cuadro surrealista sería un modelo? Sí, es un modelo de la idea original que tenía en mente
el pintor. Pero ¿Es posible utilizar este cuadro para realizar una simulación? No, puesto que el
modelo no representa un sistema existente sino la visión que el artista tiene sobre el mismo. En
cambio, sí es un modelo el plano a escala de la casa. Puedo experimentar borrando lineas y
Página N° 2
 Universidad Tecnológica Nacional Cátedra:
Facultad Regional Santa Fe - Departamento Sistemas SIMULACIÓN
cambiándolas de lugar para comprender como se comportaría la relación de espacio-luz en el
interior de la casa, puedo evaluar si será cómodo o no para sus habitantes ir de una a otra
habitación, etc.

Modelar para simular

Es una metodología de trabajo para:
 Describir el comportamiento de los sistemas.
 Hacer hipótesis que expliquen el comportamiento observado.
 Usar los dos ítems anteriores para predecir qué cambios se producirán en el
comportamiento del sistema frente a cambios en el mismo o en sus modos de
operación.
Por ejemplo: en el plano de la casa: El plano es el modelo, quiero saber si la distribución de las
habitaciones es la adecuada. Pruebo con el lápiz sobre el dibujo el desplazamiento que deber
hacer una visita que está en el living para llegar al baño; estoy simulando. Observo que el visitante
se pierde antes de llegar o comenta sus dificultades para hacerlo. Hago la hipótesis de que
probablemente el comportamiento observado se debe a que el acceso al baño es difícil y postulo
que cambiar la posición de la pared A facilitaría el acceso, lo hago y vuelvo a probar.
El simple (o complicado) cálculo de las estructuras de la casa no es modelar para simular,
especular sobre los efectos en las resistencias de las vigas y columnas para gastar la menor
cantidad de material sí lo es.

Clasificación de los modelos

Según el punto de vista que se tome surgen diferentes clasificaciones:
 Estático: Representa las relaciones del sistema cuando está quieto o en
equilibrio Ejemplo: Maquetas. Plano. El cambio de lugar de la pared refleja un
nuevo estado. El modelo no muestra las etapas intermedias ni como se
desarrollan; sólo el principio y el final.
 Dinámico: Refleja los cambios en el sistema a través del tiempo; muestra la
evolución desde el principio hasta el final. Ejemplo: túneles de viento.
Otra clasificación:
 Determinístico: Un cambio en el modelo produce uno y sólo un resultado.
Ejemplo: Un modelo que represente el cambio de temperatura del agua. Pongo
agua para el mate, la saque de la canilla o de la heladera, siempre se va a
calentar
 Estocástico: Un cambio en el modelo produce resultados aleatorios. Por ejemplo:
Un modelo para estudiar los problemas de seguridad de una planta industrial (las
reacciones de los operarios frente a la misma situación son impredecibles por
más entrenados que estén)
Otra clasificación:
 Continuo: Según algunos autores son modelos cuyos cambios en el tiempo son
"suaves", por ejemplo la descripción de la trayectoria de un avión en el espacio;
pero se debe visualizar a aquellos modelos en donde las propiedades que
describen su comportamiento cambian continuamente respecto al tiempo. No es
una cuestión de magnitud del cambio sino de analizar si el cambio se produce en
un instante de tiempo o a lo largo de todo el tiempo de estudio.
 Discreto: Modelos cuyos cambios en el tiempo son predominantemente
discontinuos o instantáneos, es decir que las propiedades que describen su
comportamiento cambian en momentos determinados de tiempo, y entre esos
instantes de tiempo no sucede variación alguna. Ejemplo: Representación de un
sistema electrónico digital, la entrada de personas a un negocio.
Otra clasificación:
 Físico o Icónico: Representaciones a escala del sistema a simular. Ejemplos:
Maquetas, planta piloto, avión en túnel de viento.

Página N° 3
 Universidad Tecnológica Nacional Cátedra:
Facultad Regional Santa Fe - Departamento Sistemas SIMULACIÓN
 Analógicos: Para representar el sistema real se utiliza una o varias propiedades
que se comportan de manera semejante. Un ejemplo sencillo es una
representación gráfica por ejemplo de la producción en función del tiempo. La
distancia en centímetros representa el tiempo transcurrido.
 Matemáticos: Se representan propiedades (variables o constantes) del sistema
mediante símbolos matemáticos (x,y) y las relaciones entre las propiedades
mediante operaciones matemáticas. Muchas veces son sistemas de ecuaciones
diferenciales. Se resuelven por métodos:
 Analíticos
 Numéricos (computadoras)
En general al establecer un modelo se usa más de una característica de las enumeradas en la
clasificación.

Por ejemplo:

Tanque al que Stock de mercadería Circuito eléctrico donde la

ingresa y luego en un almacén o carga eléctrica es función
egresa un fluido depósito de la tensión de
alimentación del mismo -
Los tres sistemas pueden representarse por una ecuación diferencial de primer orden a
coeficientes constantes del tipo:
dy
a + by = x ( t )
dt

En el primer caso y ( t ) es la altura de líquido en el tanque, en el segundo es la cantidad de

mercadería en el almacén y en el tercero es la carga del capacitor, mientras que x(t) es el agua por
unidad de tiempo que ingresa, las mercaderías por unidad de tiempo que ingresan y la corriente
que circula por el circuito.
Al escribir la ecuación diferencial estoy haciendo un modelo matemático del sistema que puede
ser resuelto analíticamente o numéricamente. Aprovechando que los tres son representables por
la misma ecuación, se podría estudiar el comportamiento de la altura de líquido en el tanque frente
a distintos valores de caudal de entrada. Utilizando el sistema eléctrico y estableciendo una
analogía entre la carga y la altura, y la tensión y el caudal, se estaría en condiciones de utilizar un
modelo físico analógico. De hecho, así estaban construidas las computadoras analógicas.
Como la ecuación diferencial que los representa es una ecuación diferencial ordinaria que refleja
cambios continuos en el tiempo, se está trabajando con modelos continuos y además dinámicos
porque estoy viendo como varían las propiedades en función del tiempo. Como para cada valor de
x ( t ) ,a y b obtengo uno y sólo un valor de y ( t ) , el modelo es determinístico.
Con esto se ve que la clasificación no es excluyente.
La pregunta siguiente es: ¿Por qué modelar? ¿Por qué hacer una simulación?
Dijimos que se podría estudiar la altura del tanque a través de la carga en el sistema eléctrico.
Supongamos que el recipiente es muy grande, entonces el gasto de fluido sería muy alto y por lo
tanto el costo del estudio sería elevado; además el tiempo que insumiría ver que ocurre con la
altura en función del tiempo sería mucho más largo que el tiempo necesario para ver que ocurre
con la carga en función del tiempo. Entonces manipular el sistema eléctrico es más rápido, más
barato y, en el caso de algunas variables la medición es mucho más sencilla.
Si pensamos en un programa de computadora que resuelva la ecuación diferencial, con más
razón aún.
Página N° 4
 Universidad Tecnológica Nacional Cátedra:
Facultad Regional Santa Fe - Departamento Sistemas SIMULACIÓN
Supongamos que se quisiera instruir a un operario en el manejo del tanque, entonces es mucho
más barato y seguro hacerlo a través de una simulación por computadora que en el sistema real;
los errores que se cometen en la etapa de aprendizaje no se pagarán tan caros como frente al
sistema real. Si pensamos en los simuladores de vuelo, esta ventaja de la simulación es mucho
más evidente.
¿Cuáles serían los inconvenientes de simular?
Fundamentalmente que a medida que el modelo es más abstracto se va perdiendo contacto con
la realidad.
En la ecuación diferencial que se vió antes no hay ningún factor que tenga en cuenta la altura
máxima o mínima del líquido en el tanque o el volúmen máximo que el depósito es capaz de
almacenar, entonces si llevo el modelo a una computadora tal cuál está puedo obtener
conclusiones equivocadas, exagerando el ejemplo, si se lo está usando para comprender el
comportamiento del sistema o para instruir a alguien sobre su manejo puede llegar a creer que no
hay problema en aumentar el caudal todo lo que se quiera y después que se inunde la planta
industrial, o en aumentar la compra de mercadería todo lo que se quiera y después encontrar que
no hay donde guardarla.
Otro problema es que para establecer la Ecuación Diferencial que representa al sistema se
debieron hacer hipótesis, por ejemplo que la cantidad de líquido que sale ( caudal de salida) es
siempre proporcional a la altura de líquido en el recipiente; pero, ¿Es siempre válida esta
suposición? ¿Los errores generados por esta simplificación afectan mucho al modelo? Estas son
preguntas a resolver en cada caso particular.
Trataremos de formalizar el uso de los modelos, las ventajas y desventajas de simular para decidir
cuándo es una metodología válida ¿Ustedes ya han modelado? ¿Cuándo? Cada vez que hicieron
un gráfico, cada vez que hicieron un diagrama de organización, un diagrama de flujo o un PERT
¿Para qué modelaron?
Función del modelo
 Ayuda a pensar
 Ayuda a comunicarse
 Entrenamiento e instrucción (simuladores de vuelo, etc.)
 Predicción (Planillas del tipo ¿Qué pasaría si...?)
 Experimentación (Tanque - Sistema Eléctrico)
Al definir simulación se dijo que realizábamos un modelo y experimentábamos con él, otro camino
suele ser experimentar directamente sobre el sistema real que sería lo ideal pero que tiene varias
desventajas serias:
 Interrupción de las operaciones
 La gente suele modificar su conducta si se la observa.
 Dificultad para mantener las condiciones de operación (repetitividad)
 Gran insumo de tiempo y dinero para tomar muestras de igual tamaño
 Algunos tipos de alternativas no pueden explorarse (Por ejemplo: ¿En qué
condiciones explota una planta industrial?)
Otra alternativa de trabajo (si no es aconsejable la experimentación con el sistema real) es
plantear las ecuaciones matemáticas que definen el sistema a tratar y resolverlas analíticamente.
Supongamos que las ecuaciones matemáticas con las que se construye el modelo del sistema son
:
A 3A
y= ; y=
2x Ax - 1

Sistema de dos ecuaciones que vincula dos propiedades variables del sistema (y,x) y un
parámetro A
Si se debiera predecir qué valor de A hará que y tome su mínimo valor, entonces:

Página N° 5
 Universidad Tecnológica Nacional Cátedra:
Facultad Regional Santa Fe - Departamento Sistemas SIMULACIÓN

A será tal que y = y mín

 "Resolver" el problema (trabajar analíticamente):

1) Obtener una ecuación y = f ( A)
dy
2) = 0 De aquí se obtiene A
dA

d2y
3) Ver si ese valor de A es para obtener y máx o y mín  >0 ó < 0
dA2

Para este ejemplo se resuelve de la siguiente manera:

A
1) De la primer ecuación : x =
2y

Reemplazando en la segunda:
3A 3A 6. A. y
y= = 2 = 2
A. A A - 2. y A - 2. y
-1
2. y 2. y

A2 - 2. y = 6.A a

A2
y = - 3.A
2
dy 2. A
2) = -3= 0 a A=3
dA 2

d2y
3) Máx o mín ( ó )
dA 2
d2y
=1  d2>0  es un mínimo.
dA2

 "Simular" el problema implica ir dándole valores a A, obtener los valores de y hasta que
encuentre el valor de y mínimo con lo cual ese es el valor de A que estábamos buscando.

A 5 4 3 2 1
y -2,5 -4 -4,5 -4 -2,5

Al simular el modelo se "corre", no se resuelve. La diferencia con la solución analítica es que

cuando simulamos no estamos un 100% seguros que se ha alcanzado el mínimo.
Teniendo en cuenta este concepto, podemos considerar que la simulación es una buena técnica
para resolver problemas cuando:
 Los métodos analíticos:
 No están bien desarrollados
 Son muy complejos
 Están fuera del alcance del personal
 Se desea ver la evolución histórica ( además de obtener valores de parámetros)

Página N° 6
 Universidad Tecnológica Nacional Cátedra:
Facultad Regional Santa Fe - Departamento Sistemas SIMULACIÓN
 La Experimentación sobre el sistema real:
 Es muy difícil o imposible por sus características.
(vuelos a la luna)
 El tiempo es muy largo o muy breve (crecimiento
demográfico o estudio de los efectos de un choque
sobre un automóvil)

Desventajas de la simulación
 Si el sistema es muy complejo desarrollar un buen modelo es caro, lleva tiempo
y requiere capacidad.
 Imprecisión: El modelo usado puede serlo y no notarse; las mediciones sobre las
que se basa pueden estar mal hechas o pueden ser válidas sólo para un rango
estrecho de valores. En muchos casos esta imprecisión no puede medirse. Hay
algunos métodos que permiten reducir este problema.
ESTRUCTURA DE LOS MODELOS DE SIMULACIÓN

Existen dos puntos de vista diferentes para estructurar modelos para simulación, una es más
sencilla de aplicar a sistemas continuos y la otra es más sencilla de aplicar a sistemas discretos.
De cualquier modo, ambos tipos de estructuras son aplicables a ambos tipos de sistemas.Con la
primera se obtienen modelos determinísticos y con la segunda modelos discretos o estocásticos.

Metodología aplicable más fácilmente a sistemas continuos:

La estructura del modelo está compuesta por:
 Componentes: Partes constituyentes del sistema. También llamados elementos o
subsistemas.
 Variables: Asociadas al concepto matemático de variable.
 Exógenas, de entrada o independientes: son las que afectan al sistema, pero éste no
puede modificarlas. Pueden modificarse arbitrariamente desde el medio ambiente.
 Endógenas o Dependientes: Son variables del sistema que se modifican de acuerdo
a relaciones, no pueden ser modificadas arbitrariamente.

V. independiente Sistema
+ estado completo
t t + t

 De estado: Es el conjunto mínimo de variables dependientes que permiten describir el

sistema en t +t; si se conocen sus valores más los valores de las independientes en
t.
 De salida: Es el conjunto mínimo de variables de estado que permiten evaluar los
objetivos del modelo.
Supongamos un recipiente cerrado con agua que se está calentando, se desea obtener un
modelo que permita representar a qué temperatura comienza a hervir.
Sistema: recipiente cerrado con agua
Medio ambiente: Aire, Fuego
Variables independientes: el calor del fuego, la
temperatura del aire; la presión atmosférica, etc.
Variables dependientes: Masa de agua líquida, volumen
del agua líquida, densidad del agua líquida, temperatura
del agua , cantidad de agua total, presión de vapor, masa
de vapor, volumen de vapor, densidad de vapor.
Variables de estado: Temperatura, presión. Recordando
que densidad = masa / volumen, entonces para describir el sistema basta con dar la masa y el
volumen, o la densidad y la masa, o la densidad y el volumen, no las tres. También es cierto que
Página N° 7
 Universidad Tecnológica Nacional Cátedra:
Facultad Regional Santa Fe - Departamento Sistemas SIMULACIÓN
en cada instante la cantidad de agua total será igual a la cantidad de agua como vapor más la
cantidad de agua como líquido, esto es, van dos de las tres variables. No todas las variables
dependientes son necesarias para describir el sistema.
Si el objetivo de estudiar el sistema era saber a qué temperatura comienza a hervir,
entonces la temperatura será necesariamente la variable de estado que elijo como variable
de salida. También podría querer saber a qué presión ocurre este fenómeno por lo tanto agregaré
la presión de vapor como variable de salida .
 Parámetros: Están asociados al concepto de constante matemática, por lo tanto no
cambian su valor en una corrida de simulación, pero pueden ser modificados por el
operador de una corrida a otra ( ejemplo: cambiar la cantidad inicial de agua en el
recipiente u otro recipiente, etc.).
 Relaciones funcionales: Muestran el comportamiento de variables y parámetros
dentro de un componente o entre componentes.
 Restricciones: Son las limitaciones
 Naturales: Son las que físicamente no pueden violarse, (ejemplo: si la olla
está herméticamente cerrada, en ningún momento puede variar la
cantidad de agua total)
 Autoimpuestas: limitaciones que se imponen para acotar el estudio, por
ejemplo la temperatura inicial será siempre de 30°C. Incluye las hipótesis.
 Funciones Objetivo: Objetivos y metas del modelo y cómo se evaluarán: Implica
definir para qué se modela y simula, y cómo se evaluarán los factores que intervendrán
en la experiencia. Por ejemplo: Se desea conocer la temperatura máxima solamente, o
la evolución de la temperatura, o además en que tiempo se alcanza esa temperatura.
La evaluación en la simulación se hará por integración, por comparación entre dos
valores sucesivos, etc.

Metodología aplicable más fácilmente a sistemas discretos

La estructura del modelo está compuesta por:
 Entidades: Objetos de interés en el sistema.
 Atributos: Propiedades o características de las entidades. Son los que permiten
describir cuantitativamente al sistema.
 Estado: Valores de los atributos de las entidades en un instante de tiempo. Los
atributos describen el estado de una entidad, y los estados de las entidades más
importantes definen el estado del sistema.
 Evento: Cambio instantáneo de estado. Los eventos pueden ser continuos si los
cambios se producen continuamente en el tiempo, o discretos si los cambios se
producen a intervalos de tiempo.
 Actividad: Operación que produce transformaciones en los estados del sistema.
Las actividades comienzan y terminan con eventos.
 Funciones: Establecen relaciones entre los atributos.

Página N° 8
 Universidad Tecnológica Nacional Cátedra:
Facultad Regional Santa Fe - Departamento Sistemas SIMULACIÓN
Ejemplo: Se desea tener un modelo del sistema de
tránsito en un sector de la ciudad para prevenir
embotellamientos. De acuerdo a las conclusiones
obtenidas, se decidirá el tiempo de cambio de
semáforos. El sector seleccionado comprende una
esquina formada por una avenida de dos manos y
una calle de una mano.

Se considera que existe embotellamiento cuando

los autos que están esperando con el semáforo en
rojo ocupan más de una cuadra de longitud. Los
peatones cruzan sólo cuando corresponde, no
existen accidentes.

Entidades Atributos Actividades Estado Eventos

Autos tiempo entre llegadas Esperar Detenido Llegar o entrar
calle 1 Marchar Marchando a la intersec.
ídem mano 1 Frenar
ídem mano 2 Arrancar
tiempo de cruce Cruzar o Salir
avenida
tiempo de cruce calle
tiempo de espera calle
tiempo de espera
avenida
longitud o cantidad de
autos en la cola
Semáforos Tiempo en verde Estar en rojo Encendido Pasar de verde
Tiempo en rojo Estar en verde (verde) a rojo
Apagado Pasar de rojo a
(rojo) verde

Nota:El modelo está formado por autos y semáforos, la gente no nos interesa ( no estamos
intentando prevenir accidentes)
 Habrá que hacer algunas hipótesis, por ejemplo que cuando el semáforo habilita una
calle, no hay ningún peatón intentando cruzarla.
 Cualquier otro atributo que se defina será equivalente; la idea es calcular cuántos autos
se acumulan en la cola frente al semáforo, suponiendo una longitud de cuadra de 100
metros, quedan dos caminos: definir como atributo la longitud de cada auto, o tomar una
longitud media de auto. Un atributo alternativo al tiempo entre llegadas es la cantidad de
autos que llegan por unidad de tiempo. Otra alternativa es tomar velocidad de cruce y
longitud cruzada, en lugar de tiempo de cruce.
 Notar que los semáforos en realidad trabajan como una única entidad ya que alternan
el rojo y el verde para la avenida y para la calle. Además es lógico despreciar el tiempo
de encendido en amarillo (no estudiamos accidentes)
 Las calles no participan como entidad ya que no tienen actividades, por lo tanto sólo
toman sentido a través de la longitud de las colas formadas, y las colas son un conjunto
de las entidades automóviles.
 Cualquier otro atributo como número de personas que van sobre los automóviles, marca,
color, distancia que les lleva frenar, etc., no son relevantes para el objetivo. Los atributos
que en definitiva se necesitan son los que permiten cuantificar los estados y las
entradas.
Página N° 9
 Universidad Tecnológica Nacional Cátedra:
Facultad Regional Santa Fe - Departamento Sistemas SIMULACIÓN
Funciones : Relación longitud cuadra  número de autos en cada cola necesarios
longitud auto
para que se produzca un embotellamiento.
El mismo sistema puede describirse con un modelo continuo de la forma que vimos en primer
lugar, ambas estructuras deben ser totalmente equivalentes por lo tanto deben dar la misma
información; teniendo en cuenta que las entidades están directamente relacionadas con los
componentes y los atributos con las variables y los parámetros.

Componentes Variables exógenas Variables endógenas Salida

Autos Velocidad de llegada o Velocidad de cruce c/ calle Número de autos
frecuencia de llegada o n° de autos acumulados c/ acumulados en
tiempo entre llegadas calle (relacionada la 1 ra con cada calle
para cada una de las el tiempo de cruce o la
calles frecuencia de cruce y la 2 da
con el tiempo de espera.

Semáforos: Frecuencia de cambio de rojo a verde y de verde a rojo. (relacionadas con el tiempo
en verde y el tiempo en rojo). ¿Qué son? ¿Son variables que se modifican por la acción del medio
ambiente? NO, son variables exógenas a considerar como parámetros si no van a ser modificadas
dentro de una simulación.
El concepto de parámetro está más asociado al de constante, por ejemplo sería parámetro la
longitud de las calles (si quisiera estudiar otra esquina) o la cantidad de manos de la avenida, o la
longitud media de los automóviles si veo que en ese dato hay una gran dispersión (Fiat 600 -
Camiones) y quiero ver longitud mínima y máxima de la cola formada.
La velocidad de cruce y/o el tiempo de cruce y/o la frecuencia de cruce SI son endógenas porque
cambian con la posición que tenga el auto en el momento en que el semáforo da el verde, lo que
es función del tiempo en que el semáforo estuvo en rojo, de la cantidad de autos que llegaron en
ese intervalo, y de los que había cuando el auto llegó.
Relaciones funcionales: que ya vimos.
1
Pueden agregarse: Frecuencia entre llegadas:
tiempo entre llegadas
Velocidad de llegada: Cantidad de autos que llegan
unidad de tiempo
Restricciones :
No peatones
Autoimpuestas No existe amarillo en el semáforo
No más de una cuadra de autos, etc.
:
N° de autos en una cuadra * longitud media de
Naturales los autos longitud cuadra
No pueden cruzar cuando el semáforo da verde
más autos de los que había más los que llegaron

Funciones objetivo: Estudiar embotellamiento  modo de evaluarla  no más de una cuadra

de automóviles

Continuando con la descripción de los distintos tipos de modelos que se pueden desarrollar, según
su parecido con el sistema real se clasifican en:

Modelo Isomorfo (Idéntico)

 Relación 1 a 1 entre los elementos del modelo y la parte del sistema real que se
representa.
 Las relaciones o interacciones exactas entre los elementos se debe conservar.

Página N° 10
 Universidad Tecnológica Nacional Cátedra:
Facultad Regional Santa Fe - Departamento Sistemas SIMULACIÓN
Modelo Homomorfo
 Similar en forma, pero distinto en la estructura fundamental.
 Los distintos grupos de elementos son semejantes sólo superficialmente.

Habitualmente se obtienen modelos homomorfos como resultado de la simplificación y la

abstracción; también se dice que se obtienen sistemas con distintos grados de isomorfismo.
En general para hacer el modelo se divide el sistema en varias partes más simples, para
analizarlas por separado; y luego, se ven sus interacciones. Por ejemplo tomar distintas zonas de
la ciudad en el modelo del tráfico, tomar por un lado la distribución de las calles para ver su
configuración, ancho, manos, etc.; y por otro lado los automóviles; para ver la velocidad media,
distancia necesaria para el frenado, etc. Este análisis permite hacer simplificaciones: por ejemplo:
no todas las calles tendrán igual carga pero puede tomarse un promedio, no todos los automóviles
necesitan igual distancia para el frenado pero puede tomarse un valor medio; etc. Esto ayuda a
que el modelo sea matemáticamente manejable.
Analizar y simplificar permitirá abstraer el modelo de la realidad, por lo tanto posibilitará que el
modelo sea una representación del sistema donde aparezcan sus principales características y
comportamientos pero de un modo distinto. Por ejemplo un diagrama o una ecuación matemática
que representa una parte del sistema tiene un alto grado de abstracción.
Una vez construidos los modelos de las partes entonces se trata de combinarlos, lo que implica
sintetizar a partir de partes relativamente simples un modelo aproximado de una situación más
compleja. Antes de combinar (sintetizar) es necesario validar y verificar las relaciones.

Análisis - Simplificación - Abstracción - Síntesis

La mecánica aproximada para modelar, según los principios de Morris, sería:
1. Establecer claramente los objetivos.
2. Dividir el problema total en problemas más simples.
3. Buscar analogías.
4. Considerar, si se puede, un ejemplo numérico específico del problema.
5. Hacer esquemas, ponerle nombres a las variables y constantes, escribir las
relaciones que se conozcan.
6. Escribir todos los datos que se poseen incluso los obvios.
7. Si el modelo es manejable, entonces enriquecerlo, si no lo es se debe simplificar.
Simplificar
Es lo inverso de enriquecer.
 Convertir en constantes algunas variables.
 Eliminar o combinar variables
 Suponer linealidad o promedios.
 Agregar suposiciones y restricciones más "fuertes".
 Reducir los límites del sistema.
Características de un buen modelo.
 Fácil de entender por el usuario.
 Dirigido a objetivos claros.
 No debe dar respuestas absurdas.
 De fácil comunicación.
 Debe describir todo lo importante.
 Adaptable y, por consiguiente, fácil de modificar.
 Evolutivo, implica sencillo al principio y cada vez más complejo ( a medida que el
usuario aprende a manejarlo).
Proceso de simulación. Etapas.
 Formulación del Problema: identificación precisa del problema.
 Definición del sistema. Definir las fronteras y el medio ambiente. Se debe
establecer exactamente la diferencia entre la situación deseada y la situación
actual del Sistema.

Página N° 11
 Universidad Tecnológica Nacional Cátedra:
Facultad Regional Santa Fe - Departamento Sistemas SIMULACIÓN
 Simulación: Resolver que un determinado problema se resuelve por simulación
implica antes, haber descartado todas las otras posibilidades de resolución por
vías menos complejas, y más económicas.
 Formulación del modelo (representación en diagrama de flujo o lógico) Implica
establecer objetivos, buscar analogías, considerar algún ejemplo numérico,
hacer esquemas, describir todos los datos, enriquecer o simplificar.
 Preparación de datos (Cuales se necesitan y cuales se tienen). Obtener las
entradas y las salidas, relaciones cuantitativas y cualitativas. Los datos deben
ser convenientemente tratados para que se puedan realizar predicciones del
comportamiento del sistema. Si nos quedamos con los datos como los
obtenemos del sistema real, podemos caer en la mera simulación del pasado. Si
basados en ellos, hallamos una función del comportamiento (por ejemplo
distribuciones de probabilidad en sistemas estocásticos) estaremos en
condiciones de repetir el comportamiento del sistema en el modelo y poder
aplicarlo para realizar estudios sobre el mismo.
 Traslación del modelo. Implica pasarlo a un lenguaje computacional,
convenientemente elegido.
 Verificación: control de cómo ha sido implementado el modelo en el lenguaje de
simulación elegido.
 Validación (expertos): Es la comparación de las conclusiones obtenidas con el
modelo respecto al sistema real. Lo ideal es que la realicen personas
especializadas en trabajar con el sistema. Existen técnicas matemáticas (análisis
de la varianza) para decidir si el modelo es una buena aproximación del
sistema.
 Planeamiento estratégico o estrategia: Significa decidir qué variables modificar,
en cuánto hacerlo, cómo evalúo las salidas, etc. de acuerdo al problema a
resolver. No se utilizará la misma técnica si el problema es de optimización, que
si es de elección entre varias alternativas o si es de explicación de porqué el
sistema se comporta de una manera determinada.
 Planificación táctica: Implica la pregunta: ¿Cómo realizar las corridas necesarias
de acuerdo a lo planificado en la estrategia? Debe definirse en este punto qué
es una muestra:¿Una corrida? ¿Varias? ¿Una parte? También debe definirse en
qué momento pueden comenzar a tomarse datos: Si el programa de simulación
se inicia con todas sus variables en cero (“Sistema vacío”) y en la realidad no es
tan así (salas de un hospital por ejemplo): ¿Cuánto tiempo de simulación dejo
pasar antes de considerar que los datos son válidos? Es decir cuanto tiempo
debo esperar para que el sistema se considere en régimen o en equilibrio.
 Experimentación. Estrategia + Táctica  Diseño de experimentos
Experimentación implica hacer las corridas (de simulación) y analizar la
sensibilidad del modelo a los cambios de variables. Aquí se notan mucho los
defectos que hubiera en todo el proceso diagramado. Si al cambiar muy poco el
valor de una variable, los resultados cambian mucho, entonces puede que haya
defectos en los datos relevados para la construcción del modelo o en el modelo
mismo.
 Interpretación de los datos obtenidos con la simulación. Validación de los
resultados según el diseño de experimentos realizado.
 Implantación: uso del simulador.
 Documentación.

Página N° 12
 Universidad Tecnológica Nacional Cátedra:
Facultad Regional Santa Fe - Departamento Sistemas SIMULACIÓN

Formulación del
Problema

Definición del Sistema

Simulación? no Otras técnicas

si
Formulación del modelo

Preparación de datos

Traslación del modelo

Validación
no
Buen modelo?
si

Estrategia

Táctica

Experimentación

Interpretación de
no resultados.
Buenos?
si

Documentación

Implantación

A lo largo del año iremos viendo como se desarrolla cada etapa de este proceso. Hasta ahora se
ha comenzado a ver las etapas de definición del sistema; y de formulación del modelo, daremos
por sentado que la respuesta a la pregunta ¿Simular es la técnica adecuada? es afirmativa.

Página N° 13