Introduccin a la Simulacin. Sistema.

Pueden darse varias definiciones de sistema: y Conjunto de entidades u objetos relacionados entre s (conforman una estructura) con una misma finalidad, alcanzar sus objetivos. y Conjunto de objetos o ideas que estn interrelacionados entre s como una unidad para la consecucin de un fin (Shannon, 1988). y "Conjunto de elementos que interactan entre s, con un fin comn, que se asla del universo para su estudio." Subsistemas: Es un conjunto que se asla dentro del sistema. El sistema puede verse como un subsistema del Universo. Cada subsistema puede ser tratado dentro del sistema o estudiado en forma aislada. El comportamiento del sistema total depende de: y El comportamiento de cada subsistema. y Las relaciones entre los subsistemas. y Las relaciones con el mundo exterior, o sea con el medio ambiente que lo circunda. Componentes especficos del concepto de sistema: y al conjunto de elementos y a la existencia de relaciones entre ellos y al carcter de totalidad del conjunto dado Entonces un sistema es una seccin de la realidad que es el foco primario de un estudio y est compuesto de componentes que interactan con otros de acuerdo a ciertas reglas dentro de una frontera identificada para el propsito del estudio. Un sistema puede realizar una funcin que no es realizable por sus componentes individuales. Entidades y atributos. Los objetos o componentes que forman parte del sistema se denominan entidades, por ejemplo: un auto est compuesto por un motor, ruedas, carrocera, etc. Estas entidades poseen propiedades denominadas atributos, por ejemplo: la potencia del motor, y se relacionan entre s a travs de relaciones o funciones. Los valores asumidos por los atributos de las entidades en un momento dado determinan el estado del sistema. Los atributos tambin se denominan variables o parmetros (Figura 3). Los parmetros (P) son atributos que se fijaron durante el diseo del sistema ya sea por el diseador o por la naturaleza, por ejemplo: la cilindrada del motor, la aceleracin de la gravedad. Las variables se clasifican a su vez en: y Variables de entrada o exgenas: Son fijadas por el medioambiente del sistema. Pueden ser manipulables (U) -se fijan a voluntad-o no (D). Un ejemplo del primer caso es la posicin del pedal del acelerador, y del segundo caso es la velocidad del viento. Una variable de entrada no manipulable se denomina perturbacin. Variables de salida (Y): Son las variables de estado, o combinacin de ellas, que son medidas o traspasan la frontera del sistema. Variables internas: Son las variables del sistema que no son ni de entrada, ni de salida, ni parmetros. Variables de estado (X): Conforman el conjunto mnimo de variables internas del sistema necesarias para describir completamente su estado interno.

y y y

Figura 3: Variables de un sistema. Clasificacin de sistemas. y y y Dinmicos: Utilizados para representar sistemas cuyo estado vara con el tiempo. Estticos: Utilizados para representar sistemas cuyo estado es invariable a travs del tiempo. Continuos: Representan sistemas cuyos cambios de estado son graduales. Las variables que intervienen son continuas. Matemticamente, el estado cambia en infinitos puntos de tiempo. El recipiente de un calentador es un subsistema continuo porque la temperatura evoluciona en forma continua durante la operacin del sistema. Discretos: Representan sistemas cuyos cambios de estado son de a saltos. Las variables varan en forma discontinua. Las relaciones funcionales del sistema slo permiten que el estado vare en un conjunto finito (contable) de puntos temporales. Las causas instantneas de los cambios de estados se denominan eventos. El interruptor del calentador es un subsistema discreto porque la intensidad slo puede variar en los instantes que se abre o se cierra el interruptor.

Figura 3. Modelos de estado continuo y discreto. y Deterministico: Son modelos cuya solucin para determinadas condiciones es nica y siempre la misma, los resultados de un modelo pueden predecirse con certeza. Si el sistema no contiene ningn elemento aleatorio es un sistema deterministico. En este tipo de sistema, las variables de salidas e internas quedan perfectamente determinadas al especificar las variables de entrada, los parmetros y las variables de estado. Estocstico: Si repeticiones con la misma entrada pueden producir resultados distintos entonces el modelo es probabilstica. Representan sistemas donde los hechos suceden al azar, lo cual no es repetitivo. No se puede asegurar cules acciones ocurren en un determinado instante. En este caso algn elemento del sistema tiene una conducta aleatoria. Entonces, para entradas conocidas no es posible asegurar los valores de salida. Un ejemplo de sistema estocstico es una mquina tragamonedas en la cual una misma accin (tirar la palanca) genera un resultado incierto (ganar o perder). Sistemas Cerrados y Abiertos: Si la entrada es externa al modelo e independiente de l, el modelo es abierto. Si el modelo es cerrado no hay entrada externa. Puede depender de los objetivos de la simulacin, como se enfoque el problema y los supuestos que se hagan. Por ejemplo: podemos simular el trafico en una ciudad como un sistema cerrado si asumimos que el nmero de vehculos permanece constante (no hay arribos ni salidas o arribos = salidas), o como un sistema abierto generando arribos y salidas al exterior.

Figura 6. Modelos abiertos y cerrados. y Sistemas Estables e Inestables: Si el comportamiento del sistema converge a un estado estable (independientemente del tiempo) el modelo es estable. Un modelo cuyo comportamiento cambia constantemente es inestable. Por ejemplo: en un sistema de taquilla simple tenemos: o Intervalo entre llegadas > tiempo de servicio modelo estable o Intervalo entre llegadas tiempo de servicio modelo inestable.

Modelo. Un modelo es una representacin de un objeto, idea, o sistema en una forma diferente a la entidad misma. En nuestro caso el modelo es un conjunto de relaciones matemticas o lgicas derivadas de supuestos sobre el comportamiento del sistema. Es toda representacin de un sistema real o abstracto, con la finalidad de comprender sus caractersticas y/o funcionalidad. Los modelos, normalmente son una simplificacin de la realidad. Surgen de un anlisis de todas las variables que intervienen en el sistema y de las relaciones que se descubren existen entre ellas.

A medida que avanza el estudio del sistema se incrementa el entendimiento que el analista tiene del modelo y ayuda a crear modelos ms cercanos a la realidad. En el modelo se estudian los hechos salientes del sistema. Se hace una abstraccin de la realidad, representndose el sistema, en un modelo. El modelo que se construye debe tener en cuenta todos los detalles que interesan en el estudio para que realmente represente al sistema real (Modelo vlido). Por razones de simplicidad deben eliminarse aquellos detalles que no interesan y que lo complicaran innecesariamente. Se requiere pues, que el modelo sea una fiel representacin del sistema real. No obstante, el modelo no tiene porqu ser una rplica de aqul. Consiste en una descripcin del sistema, junto con un conjunto de reglas que lo gobiernan. La descripcin del sistema puede ser abstracta, fsica o simplemente verbal. Las reglas definen el aspecto dinmico del modelo. Se utilizan para estudiar el comportamiento del sistema real.

Dado un sistema, son muchas las representaciones que se pueden hacer de l. Depende de las facetas del sistema que interesan en el estudio, de la herramienta que se utiliza en el mismo e incluso de la modalidad personal del que lo construye. En los modelos deben estar identificadas perfectamente las entidades intervinientes y sus atributos. Las mismas pueden ser permanentes (Ej.: empleados atendiendo) o transitorias (Ej.: clientes) Las acciones provocan cambios de estado, es decir, se modifican los atributos de las entidades; se producen los eventos. Modelado. Modelado es el proceso de construccin de un modelo. Un modelo es una representacin de un objeto, sistema, o idea. Usualmente, su propsito es ayudar explicar, entender o mejorar un sistema (Shannon, 1988). Los modelos son tiles para: y El pensamiento: Al construir un modelo necesariamente se debe ordenar y completar el conocimiento que del sistema real se posee. y La comunicacin: Un modelo elimina la ambigedad del lenguaje para comunicarse con expertos. y El entrenamiento y la instruccin: Un modelo puede ser utilizado para entrenar con costo y riesgo casi nulos. Por ejemplo, los submarinos a escala utilizados por la marina alemana para entrenar en secreto antes de la segunda guerra mundial; o tambin, el sistema de barcos a escalas utilizados actualmente en Francia para entrenar a los capitanes de barcos petroleros. y La prediccin: Un modelo sirve para predecir la conducta del sistema real. Es el caso de los modelos utilizados para predecir, mediante simulacin, la evolucin del clima mundial. El modelo de la teora de la relatividad predice, sin hacer una simulacin, que no es posible superar la velocidad de la luz. y La experimentacin: La experimentacin con un modelo es barata y segura. Se emplea frecuentemente en el diseo de un sistema; por ejemplo, las pruebas que se realizan en un tnel de viento con un modelo a escala de un avin o de un automvil. El modelado es un arte. Cualquier conjunto de reglas para desarrollar modelos tiene una utilidad limitada y slo puede servir como una gua sugerida. El arte de modelar consiste en la habilidad para analizar un problema, resumir sus caractersticas esenciales, seleccionar y modificar las suposiciones bsicas que caracterizan al sistema, y luego enriquecer y elaborar el modelo hasta obtener una aproximacin til. Los pasos sugeridos para este proceso son: 1. 2. 3. 4. 5. 6. 7. 8. Establecer una definicin clara de los objetivos. Analizar el sistema real. Dividir el problema del sistema en problemas simples. Buscar analogas. Considerar un ejemplo numrico especfico del problema. Determinar las variables de inters. Escribir los datos obvios. Escribir las ecuaciones tericas o empricas que describen los fenmenos presentes y relacionan las variables de inters. 9. Si se tiene un modelo manejable, enriquecerlo. De otra manera, simplificarlo. Generalmente, simplificar un modelo implica: y Convertir variables en constantes. y Eliminar o combinar variables. y Suponer linealidad. y Agregar suposiciones ms potentes y restricciones.

Restringir los lmites del sistema.

Para enriquecerlo se procede de la forma contraria. Durante el proceso de modelado se debe alcanzar un equilibrio entre el grado de detalle y el riesgo de falta de exactitud. El mejor modelo, es el modelo ms simple que puede resolver el problema con el grado de exactitud requerido. Un modelo debe ser: y Fcil de entender por parte del usuario. y Dirigido a metas u objetivos. y Sensato, en cuanto no de respuestas absurdas. y Fcil de manipular y controlar por parte del usuario. Es decir, debe ser sencillo comunicarse con el modelo. y Completo, en lo referente a asuntos importantes. y Adaptable, con un sencillo procedimiento para modificar o actualizar el modelo. y Evolutivo, debe ser sencillo al principio y volverse ms complejo en el tiempo. Clasificacin de modelos. Un modelo puede ser simblico, icnico u anlogo. Ej: un mapa, un sistema de ecuaciones, un diagrama de flujo, un avin a escala, una formula, diagrama de procesos, etc. Como ya fue planteado, un modelo es tambin un sistema; por lo tanto valen todas las definiciones y clasificaciones que se establecieron anteriormente. Debido a que un modelo es una simplificacin o abstraccin de un sistema real, no es necesario, salvo en los aspectos relevantes, que el modelo guarde una total correspondencia con el sistema real. Entonces, habr casos en que ser conveniente utilizar un modelo discreto para modelar un sistema continuo (por ejemplo, la integracin numrica de una funcin utilizando la regla del trapecio), o utilizar un modelo estocstico para modelar un sistema determinstico. Son muchos los tipos de modelos en que se pueden representar los sistemas reales. A continuacin se dar una clasificacin al slo efecto de ejemplificar con tipos de modelos de uso comn. Modelos tericos vs experimentales y Modelo experimental. Si el modelo que se construye slo se orienta a reproducir las salidas del sistema real sin intentar modelar su comportamiento interno; entonces, ser un modelo experimental o de caja negra. Un modelo experimental requiere una gran cantidad de datos para poder calibrarlo o ajustarlo correctamente, y su rango de validez est limitado a este conjunto de datos. y Modelo terico. Si el modelo tambin intenta reproducir las relaciones funcionales del sistema ser un modelo con base terica. Un modelo terico requiere una cantidad menor de datos y puede ser utilizado fuera del rango de los mismos ya que el rango de validez del modelo est dado por la teora utilizada y no por los datos. Modelos mixtos (Tericos-Experimentales) y Debido a las limitaciones del conocimiento actual o por la complejidad involucrada, todo modelo con base terica siempre tiene una parte con base emprica. En efecto, debido a que no existe una teora apropiada o su implementacin es demasiada compleja, siempre es necesario recurrir a experimentos para determinar el valor del algn parmetro o definir alguna relacin entre las variables. Modelos matemticos vs fsicos. y Matemticos: Representan la realidad en forma abstracta de muy diversas maneras. y Fsicos: Son aquellos en que la realidad es representada por algo tangible, construido en escala o que por lo menos se comporta en forma anloga a esa realidad (maquetas, prototipos, modelos analgicos, etc.). Modelos analticos vs numricos.

y y

Analticos: La realidad se representa por frmulas matemticas. Estudiar el sistema consiste en operar con esas frmulas matemticas (resolucin de ecuaciones). Numricos: Se tiene el comportamiento numrico de las variables intervinientes. No se obtiene ninguna solucin analtica.

Simulacin. La simulacin consiste bsicamente en construir modelos que describen la parte esencial del comportamiento de un sistema de inters, as como en disear y realizar experimentos con el modelo y extraer conclusiones de sus resultados para apoyar la toma de decisiones. Tpicamente, se utiliza en el anlisis de sistemas tan complejos que no es posible su tratamiento analtico o mediante mtodos de anlisis numricos. La simulacin ha crecido como una metodologa de experimentacin fundamental en campos tan diversos como la Economa, la estadstica, la Informtica o la Fsica, y con enormes aplicaciones industriales y comerciales, como los simuladores de vuelo, los juegos de simulacin, o la prediccin burstil o meteorolgica. Existen diversas maneras para definir el trmino simulacin. A continuacin daremos algunas: y Simulacin: Es una tcnica numrica para conducir experimentos en un computador digital, la cual incluye ciertos tipos de relaciones lgicas y matemticas necesarias para describir la estructura y comportamiento de un sistema complejo del mundo real sobre un periodo de tiempo. y Es el estudio de un sistema a travs de un modelo ayudado de un computador, con la finalidad de comprender su comportamiento en un conjunto de escenarios y plantear propuestas alternativas de mejora. y Proceso de disear un modelo de un sistema real y realizar experimentos con l para entender el comportamiento del sistema o evaluar varias estrategias para la operacin del sistema. (Robert Shannon) Simulacin implica crear un modelo que aproxima cierto aspecto de un sistema del mundo real y que puede ser usado para generar historias artificiales del sistema, de forma tal que nos permite predecir cierto aspecto del comportamiento del sistema. La simulacin se utiliza para: y Experimentar con escenarios what-if. y Comprender el impacto de la introduccin de nuevas tecnologas. y Visualizar una representacin dinmica del sistema. y Probar/analizar un diseo previo a la implementacin. y Analizar el desempeo del sistema a los cambios que se presenten en el tiempo. y Permitir una experimentacin controlada. y Un anlisis sin disturbios ni interrupciones en el sistema. y Visualizar realista y convincente. y Forzar la atencin a detalles del diseo. y Porque es muy caro experimentar directamente sobre el sistema. y Por su facilidad de uso y comprensin. Desde los tiempos muy antiguos la humanidad ha intentado adivinar el futuro. Ha querido conocer qu va a pasar cuando suceda un determinado hecho histrico. La simulacin ofrece, sobre bases ciertas, esa prediccin del futuro, condicionada a supuestos previos. La simulacin de sistemas implica la construccin de modelos. El objetivo es averiguar que pasara en el sistema si acontecieran determinadas hiptesis. Construido el modelo, se ensaya una alternativa en l con el fin de aplicar las conclusiones al

sistema. Los resultados obtenidos no tienen valor si no son aplicables al sistema. La simulacin tiene como principal objetivo la prediccin, es decir, puede mostrar lo que suceder en un sistema real cuando se realicen determinados cambios bajo determinadas condiciones. La simulacin se emplea slo cuando no existe otra tcnica que permita encarar la resolucin de un problema. Siempre es preferible emplear una alternativa analtica antes que simular. Lo anterior no implica que una opcin sea superior a otra, sino que los campos de accin no son los mismos. Mediante la simulacin se han podido estudiar problemas y alcanzar soluciones que de otra manera hubieran resultado inaccesibles. Cuando utilizar la simulacin: a. El sistema real no existe. Es costoso, peligroso, consume mucho tiempo, o imposible de construir y experimentar con prototipos (nuevo computador o procesador, reactor nuclear). b. Experimentar con el sistema real es complicado, costoso, peligroso, o puede causar serios desajustes (sistema de transporte, sistema de manufactura, reactor nuclear). c. Necesidad de estudiar el pasado, presente, o futuro del sistema en tiempo real, tiempo expandido, o tiempo comprimido (sistemas de control a tiempo real, estudios en cmara lenta, crecimiento poblacional). d. Es sistema es tan complejo que su evaluacin analtica es prohibitiva, bien sea porque el modelado matemtico es imposible, o porque el modelado matemtico no tiene solucin analtica o numrica simple y practica (colas de espera, ecuaciones diferenciales no lineales, problemas estocsticos). e. Se puede validar satisfactoriamente el modelo de simulacin. Se podra decir Simular cuando todo lo dems falla, pero esto no es excusa para usar simulacin inadecuadamente.

Figura 1. La simulacin en el estudio de sistemas. Aplicaciones de la simulacin Actualmente la simulacin presta un invalorable servicio en casi todas las reas posibles, algunas de ellas son: y Procesos de manufacturas: Ayuda a detectar cuellos de botella s, a distribuir personal, determinar la poltica de produccin. y Plantas industriales: Brinda informacin para establecer las condiciones ptimas de operacin, y para la elaboracin de procedimientos de operacin y de emergencias. y Sistemas pblicos: Predice la demanda de energa durante las diferentes pocas del ao, anticipa el comportamiento del clima, predice la forma de propagacin de enfermedades. y Sistemas de transportes: Detecta zonas de posible congestionamiento, zonas con mayor riesgo de accidentes, predice la demanda para cada hora del da.

y y

Construccin: Predice el efecto de los vientos y temblores sobre la estabilidad de los edificios, provee informacin sobre las condiciones de iluminacin y condiciones ambientales en el interior de los mismos, detecta las partes de las estructuras que deben ser reforzadas. Diseo: Permite la seleccin adecuada de materiales y formas. Posibilita estudiar la sensibilidad del diseo con respecto a parmetros no controlables. Educacin: Es una excelente herramienta para ayudar a comprender un sistema real debido a que puede expandir, comprimir o detener el tiempo, y adems es capaz de brindar informacin sobre variables que no pueden ser medidas en el sistema real. Capacitacin: Dado que el riesgo y los costos son casi nulos, una persona puede utilizar el simulador para aprender por s misma utilizando el mtodo ms natural para aprender: el de prueba y error.

La importancia de la Simulacin es evidente al considerar el impacto que tuvieron algunos trabajos, como ser: y La Perestroyka: Estudios de simulacin efectuados en Rusia en las dcadas del 70 y 80 convencieron a los dirigentes de la necesidad de plantear un fuerte cambio en la economa de ese pas. y La cada de la bolsa de New York en 1988: La utilizacin de programas de simulacin por parte de los corredores de la bolsa caus una falsa inestabilidad que provoc la cada. y El regreso del Apolo 13: La simulacin jug un rol fundamental en la determinacin del plan de emergencia. La nave retorn con xito a pesar de las graves averas. y Los Voyagers: Gracias a la simulacin se pudieron establecer los itinerarios ptimos para estas naves con un mnimo consumo de energa aprovechando la atraccin gravitacional de los planetas. y Proyecto Monte Carlo: Von Newman y Ulam (1945) emplearon simulacin para estudiar reacciones nucleares. y Los modelos del planeta: Algunos plantean la posibilidad de un calentamiento global debido al efecto invernadero. Otros plantean la posibilidad de un enfriamiento y predicen una nueva era glaciar. y Capacitacin de tropas: En el operativo Tormenta del desierto llevado a cabo en la guerra contra Irak, las tropas de todas las fuerzas estadounidenses que participaron (fuerza area, marina y ejrcito) fueron entrenadas con simuladores. y Capacitacin de policas: Se utiliza entornos virtuales para que el polica aprenda a conducirse en situaciones de riesgo. y Simuladores de vuelos: Fue una de las primeras aplicaciones de los simuladores. Actualmente se utilizan para entrenar pilotos de aviones comerciales y de combate. VENTAJAS DE LA SIMULACION y En algunos de los casos, la simulacin es el nico medio para lograr una solucin y Se adquirir una rpida experiencia o entrenamiento. No se compromete la confiabilidad del sistema en los ensayos (las aglomeraciones, las largas demoras son simuladas y no reales). y Identifica en un sistema complejo aquellas reas con problema ("cuellos de botella") y Permite un estudio sistemtico de las alternativas (variaciones uniformes, en los parmetros que intervienen, imposibles de lograr en un sistema real). y No tiene lmite en cuanto a complejidad. Cuando la introduccin de elementos estocsticos hace imposible un planteo analtico surge el modelado como nico medio de atacar el problema. Todo sistema, por complejo que sea, puede ser modelado, y sobre ese modelo es posible ensayar alternativas. y Puede ser aplicada para diseo de sistemas nuevos en los cuales se quieren comparar alternativas muy diversas surgidas de utilizacin de diferentes tecnologas. Puede utilizarse, durante la vida de un sistema, para probar modificaciones antes que estas se implementen (si es que los resultados de la simulacin aconsejan su uso). y Una vez construido, el modelo puede ser modificado de manera rpida con el fin de analizar diferentes polticas o escenarios.

y y y y y y y

Generalmente es ms barato mejorar el sistema va simulacin, que hacerlo directamente en el sistema real. Es mucho ms sencillo comprender y visualizar los mtodos de simulacin que los mtodos puramente analticos. La simulacin hace posible estudiar y experimentar con las interacciones complejas de un sistema dado (sin importar cul). organizacionales de cierta informacin, en la operacin del sistema. La observacin detallada del sistema simulado nos permite tener una mejor comprensin del mismo. La experiencia al disear un modelo de simulacin para computadora es ms valiosa que la simulacin en s. La simulacin nos permite experimentar con situaciones nuevas, para los cuales no se tiene o hay poca informacin.

DESVENTAJAS DE LA SIMULACION y No se lo debe utilizar cuando existan tcnicas analticas que permitan plantear, resolver y optimizar todo el sistema o alguna parte del mismo. y Existe un gran deseo de incluir todo en la simulacin donde los resultados son visibles y comprendidos por todas las personas (especialistas o no), las cuales gustan hacer ensayos. y No es posible asegurar que el modelo sea vlido: y Se corre el riesgo de tomar medidas errneas basadas en aplicar conclusiones falsas obtenidas mediante un modelo que no representa la realidad. y No existe criterio cientfico de seleccin de alternativas a simular (Estrategia). y Es posible omitir una buena sugerencia de innovacin simplemente porque a nadie se le ocurri ensayarla. y Existe el riesgo de utilizar un modelo fuera de los lmites para el cual fue construido, queriendo realizar ensayos para el cual el modelo no es vlido. y Es posible elaborar todo un gran andamiaje de pruebas y resultados falsos, basados en un modelo confiable y vlido bajo otras condiciones. y El desarrollo de un modelo puede ser costoso, laborioso y lento. y Existe la posibilidad de cometer errores. No se debe olvidar que la experimentacin se lleva a cabo con un modelo y no con el sistema real; entonces, si el modelo est mal o se cometen errores en su manejo, los resultados tambin sern incorrectos. y No se puede conocer el grado de imprecisin de los resultados. Por lo general el modelo se utiliza para experimentar situaciones nunca planteadas en el sistema real, por lo tanto no existe informacin previa para estimar el grado de correspondencia entre la respuesta del modelo y la del sistema real. y Se requiere gran cantidad de corridas para encontrar soluciones ptimas. y Es difcil aceptar los modelos de simulacin. y Se pueden tener restricciones o limitaciones en la disponibilidad del software requerido.

FASES o ETAPAS QUE COMPRENDE TODO ESTUDIO QUE UTILIZA LA SIMULACIN Formulacin del problema: Debe quedar perfectamente establecido el objeto de la simulacin. Se debe acordar lo ms detalladamente posible los siguientes factores: los resultados que se esperan del simulador, el plan de experimentacin, el tiempo disponible, las variables de inters, el tipo de perturbaciones a estudiar, el tratamiento estadstico de los resultados, la complejidad de la interfaz del simulador, etc. Se debe planificar el estudio en trminos de personal, costo y tiempo. Definicin del sistema: El sistema a simular debe estar perfectamente definido. Se debe acordar dnde estar la frontera del sistema a estudiar y las interacciones con el medioambiente que sern consideradas. Formulacin del modelo: Esta etapa es un arte y ser discutida ms adelante. La misma comienza con el desarrollo de un modelo simple que captura los aspectos relevantes del sistema

real. Los aspectos relevantes del sistema real dependen de la formulacin del problema; para un ingeniero de seguridad los aspectos relevantes de un automvil son diferentes de los aspectos considerados por un ingeniero mecnico para el mismo sistema. Este modelo simple se ir enriqueciendo como resultado de varias iteraciones. y Variables a incluir en el modelo La eleccin de variables a considerar depende de la mecnica con que se maneja el sistema, de la experiencia que se tenga de l e incluso de la intuicin del grupo humano que interviene en el estudio. Se debe evitar una sobresimplificacin que invalida al modelo en cuanto se lo quiere ensayar con casos especiales, o una sobreespecificacin que hace largo y difcil el trabajo de construir el modelo. Todas las variables que intervienen en un modelo son medibles. No siempre es posible lo mismo con las que intervienen en un sistema real. Muchas veces se debe hacer una estimacin de las mismas con el fin de incorporarlas en el modelo. Existen variables endgenas (internas y controladas por el sistema) y exgenas (externas al sistema y fuera de su control). Existen variables cualitativas, como la preferencia personal y cuantitativas como la frecuencia con que arriban los clientes a un banco. Todas deben ser estimadas en trminos cuantitativos. Definicin de la estructura del modelo Se deben definir las entidades permanentes y sus atributos, es decir, los recursos con que se cuenta en el sistema y cuantitativamente cmo es su comportamiento. Las entidades transitorias que circulan por el modelo tienen definida probabilsticamente su ruta por el sistema y los tiempos de utilizacin de los recursos. Los eventos que provocan los cambios de estado, modificando los atributos de las entidades. Se debe disear el modelo de manera que los cambios en su estructura estn en cierto modo previstos.

Coleccin de datos: La naturaleza y cantidad de datos necesarios estn determinadas por la formulacin del problema y del modelo. Los datos pueden ser provistos por registros histricos, experimentos de laboratorios o mediciones realizadas en el sistema real. Los mismos debern ser procesados adecuadamente para darles el formato exigido por el modelo. Definidas las variables intervinientes en el sistema es habitual que existan muchas variables estocsticas. Para esas variables se debe disponer de: y la densidad de probabilidad o y la funcin de distribucin acumulativa en forma matemtica o y una tabla de valores del comportamiento de la variable. Se utiliza para ello todas las herramientas estadsticas clsicas, tales como, anlisis de regresin, de serie de tiempos y de varianzas. Si se tiene el valor medio de una medicin y no se conoce su distribucin, es preferible adoptar una distribucin exponencial que una uniforme, pues en la primera, pueden darse situaciones crticas que no se dan en la segunda. El tiempo empleado validando los datos de entrada est totalmente justificado y es absolutamente necesario para construir un modelo vlido sobre el cual se puedan sacar conclusiones aplicables al sistema real. Implementacin del modelo en la computadora: El modelo es implementado utilizando algn lenguaje de computacin. Existen lenguajes especficos de simulacin que facilitan esta tarea; tambin, existen programas que ya cuentan con modelos implementados para casos especiales. Verificacin: En esta etapa se comprueba que no se hayan cometidos errores durante la implementacin del modelo. Para ello, se utilizan las herramientas de debugging provistas por el entorno de programacin.

10

Corridas piloto. Estas corridas se hacen para validar el modelo. Las corridas piloto pueden ser usadas para determinar la sensibilidad del modelo a pequeos cambios en los parmetros de entrada. Cambios importantes implican que una mejor estimacin de estos parmetros debe ser obtenida. Validacin: En esta etapa se comprueba la exactitud del modelo desarrollado. Esto se lleva a cabo comparando las predicciones del modelo con: mediciones realizadas en el sistema real, datos histricos o datos de sistemas similares. Como resultado de esta etapa puede surgir la necesidad de modificar el modelo o recolectar datos adicionales. Diseo de experimentos: Hay que decidir que diseos del sistema se simularan y en cada caso hay que decidir sobre el tiempo de corrida de la simulacin, las condiciones iniciales, la longitud del estado transitorio, y el numero de replicaciones. Experimentacin: En esta etapa se realizan las simulaciones de acuerdo el diseo previo. Los resultados obtenidos son debidamente recolectados y procesados. Se producen datos para medir el desempeo de los diseos de inters. Interpretacin: Se analiza la sensibilidad del modelo con respecto a los parmetros que tienen asociados la mayor incertidumbre. Si es necesario, se debern recolectar datos adicionales para refinar la estimacin de los parmetros crticos. Las tcnicas estadsticas son usadas para analizar las salidas de las corridas de produccin. Usualmente se construyen intervalos de confianza de alguna medida de desempeo de un diseo o para decidir cual es mejor respecto a cierta medida de desempeo. Implementacin: Conviene acompaar al cliente en la etapa de implementacin para evitar el mal manejo del simulador o el mal empleo de los resultados del mismo. Documentacin: Incluye la elaboracin de la documentacin tcnica y manuales de uso. La documentacin tcnica debe contar con una descripcin detallada del modelo y de los datos; tambin, se debe incluir la evolucin histrica de las distintas etapas del desarrollo. Esta documentacin ser de utilidad para el posterior perfeccionamiento del simulador. ERRORES COMUNES EN SIMULACIN 1. Nivel de detalle inapropiado Un modelo analtico es menos detallado que un modelo de simulacin. El anlisis requiere de muchos supuestos y simplificaciones. El detalle en un modelo de simulacin esta limitado por el tiempo disponible para desarrollarlo.

Ms detalle

y y y

Ms tiempo Incrementa la posibilidad de errores y es ms difcil detectarlos. Incrementa el tiempo de corrida del modelo

Es mejor partir de un modelo sencillo, obtener resultados, estudiar la sensibilidad, e introducir ms detalles en las reas que impactan ms los resultados. 2. Lenguaje inapropiado Lenguajes de simulacin de propsito especial requieren menos tiempo para implementar el modelo y facilitan actividades como verificacin (mediante el uso de opciones de trazado) y de anlisis estadstico. Lenguajes de propsito general son ms portables y proveen mejor control sobre la eficiencia y el tiempo de corrida de la simulacin. 3. Modelos no verificados Los modelos de simulacin son generalmente programas grandes, que si no se tienen las precauciones respectivas, es posible tener errores de programacin que hagan las conclusiones sin sentido. 4. Modelos invlidos Aun cuando no haya errores de programacin, puede que el modelo no represente al sistema real adecuadamente por supuestos incorrectos en su formulacin. Es esencial que el modelo sea

11

validado para asegurar que las conclusiones a las que se pueda llegar sean las mismas que se obtendran del sistema real. Todo modelo de simulacin debe estar bajo sospecha hasta que se pruebe lo contrario por modelos analticos, mediciones, o intuicin. 5. Tratamiento incorrecto de las condiciones iniciales Generalmente la parte inicial de una corrida de simulacin no es representativa del comportamiento de un sistema en estado estable, por lo tanto debe ser descartada. 6. Simulaciones muy cortas Por tratar de ahorrar tiempo de anlisis y de computacin, las corridas de simulacin pueden ser muy cortas. Los resultados en estos casos dependen fuertemente de las condiciones iniciales y pueden no representar al sistema real. El tiempo de corrida adecuado depende de la exactitud deseada (intervalos de confianza) y de la varianza de las cantidades observadas. 7. Generadores de nmeros aleatorios inadecuados Las simulaciones requieren de cantidades aleatorias que son producidas por procedimientos llamados generadores de nmeros aleatorios. Es mejor usar generadores que han sido bien analizados a usar los de uno mismo. Aun buenos generadores presentan problemas. 8. Seleccin de semillas inadecuadas Los generadores de nmeros aleatorios son procedimientos que dado un numero aleatorio generan otro. El primer numero aleatorio de la secuencia es llamado la semilla y debe ser proporcionada por el analista. Las semillas para diferentes secuencias deben ser cuidadosamente seleccionadas para mantener independencia entre las secuencias. Los analistas usualmente usan una misma secuencia para diferentes procesos o usan la misma semilla para todas las secuencias. Esto introduce correlacin entre los procesos y puede llevar a conclusiones errneas. OTRAS CAUSAS DEL FRACASO DE LOS ANLISIS DE SIMULACIN 1. Estimacin inadecuada del tiempo para desarrollar el proyecto Es comn subestimar el tiempo y el esfuerzo requerido para desarrollar modelos de simulacin. Si la simulacin es exitosa y produce informacin til, sus usuarios quieren incorporar ms funciones, parmetros y detalles. Por el contrario, si no provee de informacin til, usualmente se espera que al aadir elementos la puedan hacer til. En ambos casos el proyecto se extiende ms all de las proyecciones iniciales. Para proyectos grandes se deben hacer previsiones para incorporara cambios que son inevitables sobre largos periodos de tiempo. 2. Metas inalcanzables La simulacin es un proceso largo y complejo y se debe tener claramente definido un conjunto de metas que sean especificas, minuciosas, medibles, y alcanzables. Un ejemplo comn de una meta inalcanzable es "modelemos X." Es posible modelar muchas caractersticas diferentes de X a muchos niveles de detalle. 3. Mezcla incompleta de habilidades Un proyecto de simulacin requiere por lo menos: a. Liderazgo: Habilidad para motivar, guiar y manejar a los miembros del equipo de simulacin. b. Modelado y estadsticas: Habilidad para identificar las caractersticas claves del sistema y modelarlas al nivel de detalle requerido. c. Programacin: Habilidad para escribir cdigo entendible y verificable que implemente el modelo correctamente. d. Conocimiento del sistema modelado: Habilidad para entender el sistema, explicarlo al equipo de modelado, e interpretar los resultados del modelo en trminos de su impacto en el diseo del sistema. 4. Nivel inadecuado de participacin de los usuarios Es esencial que el equipo de simulacin y los usuarios de la organizacin estn en constante contacto para intercambiar y discutir ideas. La mayora de los sistemas evolucionan y cambian con el tiempo y un modelo desarrollado sin la participacin de los usuarios raramente resulta exitoso. 5. Documentacin inexistente u obsoleta

12

La mayora de los modelos de simulacin se desarrollan en largos periodos de tiempo y continuamente son modificados a medida que el sistema cambia o es mejor comprendido. Su documentacin muchas veces es desatendida y rpidamente se vuelve obsoleta. Es recomendable documentar los programas y usar lenguajes que sean fciles de leer. 6. Inhabilidad para gestionar el desarrollo de programas de computacin grandes Hay muchas herramientas de ingeniera de la programacin que permiten vigilar los objetivos del diseo, los requerimientos funcionales, las estructuras de datos y los estimados de progreso. Tambin hay un conjunto de principios de diseo, como diseo de arriba abajo y programacin estructurada, para desarrollar grandes proyectos en forma ordenada. Sin el uso de estas herramientas y tcnicas es imposible desarrollar exitosamente un modelo de simulacin grande. 7. Resultados misteriosos Resultados misteriosos generalmente son debido a errores de programacin, supuestos incorrectos en el modelo, o falta de entendimiento del sistema real. Nunca deben ser obviados. Tipos y modos de Simulacin Tipos de simulacin De acuerdo a la naturaleza del modelo empleado, la simulacin puede ser por: y Identidad: Es cuando el modelo es una rplica exacta del sistema en estudio. Es la que utilizan las empresas automotrices cuando realizan ensayos de choques de automviles utilizando unidades reales. Cuasi-identidad: Se utiliza una versin ligeramente simplificada del sistema real. Por ejemplo, los entrenamientos militares que incluyen movilizacin de equipos y tropas pero no se lleva a cabo una batalla real. Laboratorio: Se utilizan modelos bajo las condiciones controladas de un laboratorio. Se pueden distinguir dos tipos de simulaciones: o Juego operacional: Personas compiten entre ellas, ellas forman parte del modelo, la otra parte consiste en computadoras, maquinaria, etc. Es el caso de una simulacin de negocios donde las computadoras se limitan a recolectar la informacin generada por cada participante y a presentarla en forma ordenada a cada uno de ellos. o Hombre-Mquina: Se estudia la relacin entre las personas y la mquina. Las personas tambin forman parte del modelo. La computadora no se limita a recolectar informacin, sino que tambin la genera. Un ejemplo de este tipo de simulacin es el simulador de vuelo. Simulacin por computadora: El modelo es completamente simblico y est implementado en un lenguaje computacional. Las personas quedan excluidas del modelo. Un ejemplo es el simulador de un sistema de redes de comunicacin donde la conducta de los usuarios est modelada en forma estadstica. Este tipo de simulacin a su vez puede ser:

Modos de simulacin Como ya se plante anteriormente, cuando se simula se experimenta con un modelo para obtener ciertos resultados. Un modelo es tambin un sistema, y de acuerdo al tipo de variables de salida del modelo el modo de simulacin ser (Figura 5): y Anlisis: Es el modo ms empleado, en l las variables de salida del modelo representan a las variables de salida del sistema real. Este modo se utiliza para estimar la respuesta del sistema real ante entradas especificadas. Debido a que imita un sistema que realmente funciona, el modelo es matemticamente ms estable y se asegura la existencia de una solucin. y Diseo: En este modo las salidas del modelo representan a los parmetros del sistema real. Se utiliza en la etapa de diseo de un equipo donde el problema es determinar los parmetros para los cuales el sistema producir las salidas deseadas para las entradas especificadas. y Control: Las variables de salida del modelo representan a las variables de entrada de l sistema real. Este modo sirve para determinar los valores que debern adoptar las entradas del sistema para producir los resultados deseados. Se utiliza cuando se desea determinar las

13

condiciones de operacin de un sistema. Por lo general, los simuladores se operan en modo diseo dejando al usuario la tarea de iterar para obtener los resultados provistos por los otros modos. Por ejemplo, para estimar el voltaje requerido para el calentador (modo diseo), se pueden realizar varias simulaciones en modo anlisis para un conjunto de valores de voltaje, y se selecciona el que produce la salida deseada.

Figura 5: Modos de simulacin.

Simulacin por Eventos Discretos.

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

Aqu podemos considerar que la variable de estado (la nica en este caso) es una variable entera, que podemos llamar cola, que indica cuantos clientes estn frente a la taquilla con las siguientes consideraciones: Caso No hay clientes en el sistema El primer cliente es atendido y los otros esperan Valor de cola 0 1

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

14

c) d) e)

f) g) h) i) j)

Mtodo por eventos: Incrementa el tiempo automticamente al tiempo de evento ms prximo a ocurrir. Variables de estado del sistema: Son variables globales que describen el estado del sistema. Rutinas de eventos: Cada tipo de evento es simulado por su rutina. Estas rutinas actualizan las variables de estado y generan nuevos eventos. Rutinas de entrada: Son para obtener los parmetros del modelo como tiempo promedio entre llegadas, tiempo promedio de servicio, etc. Deben ejecutarse al comienzo de la simulacin para liberar al usuario ya que generalmente las simulaciones consumen tiempo. Permiten variar los parmetros. Cada conjunto de valores de entrada define una iteracin que quizs deba ser repetida varias veces con diferentes semillas. Cada ejecucin de la simulacin consiste de varias iteraciones, y cada iteracin consiste de varias repeticiones. Generador de reportes: Rutinas para producir las salidas al final de la simulacin. Rutinas de inicializacin: Fijan el estado inicial del sistema e inicializan los generadores de secuencias de nmeros aleatorios. Rutinas de trazado: Imprimen resultados intermedios durante la simulacin. Sirven para depurar el simulador. Manejo dinmico de memoria: Durante la simulacin se crean nuevas entidades y las viejas son destruidas. Esto requiere una peridica coleccin de basura. Si esto no lo provee el lenguaje, el programador debe escribir cdigo para manejo dinmico de memoria. Programa principal: Agrupa todas las rutinas. y

Simulacin Continua Los modelos de simulacin continua, donde las variables de estado son continuas, usualmente son descritos mediante ecuaciones diferenciales y algebraicas. Estas variables de estado por lo general cambian en forma continua a medida que la simulacin avanza, por ejemplo, el contenido de agua en un embalse cambia continuamente con la afluencia y salida de agua del mismo y no en solo en instantes especficos del tiempo como si estuviramos agregando o sacando baldados de agua. Muchas simulaciones por eventos discretos incluyen subsistemas continuos y viceversa. Se puede hacer en computadores analgicos o en computadores digitales.

15

RESUMEN ESQUEMATICO DE LOS CONCEPTOS PRINCIPALES

UNIVERSO SISTEMA
SUBSISTEMA

SISTEMA: Conjunto de elementos que interactan entre s que se aslan del Universo para su estudio. La complejidad de los sistemas es una regla y no una excepcin. Aumenta dramticamente ao tras ao, instante a instante. Existe una necesidad imperiosa de haces estudios previos antes de implementar nuevos sistemas o modificar los ya existentes. Para ello se representa a los sistemas teniendo en cuenta aquello que es importante para lo que se est estudiando. Se simplifica as el problema acotndolo por lo que es objeto de nuestro inters. Es decir: Se asla lo que se quiere estudiar Se lo representa para estudiarlo. (Se tiene en cuenta lo relevante) Se realizan ensayos en el modelo Se sacan conclusiones Se estudian las conclusiones Se define el sistema

Se construye el modelo Se simula Se infiere lo que va a pasar Se aconseja la mejor alternativa

La simulacin predice el futuro ante hiptesis ciertas (Si pasa esto y aquello suceder que...) La simulacin puede fracasar por: y Modelo invlido: no representa fielmente al sistema en estudio. y Mala estrategia en la seleccin de alternativas: al aconsejar la mejor se aconseja la menos mala que est lejos de la mejor. Muchos casos en los que hay concordancia entre el comportamiento del modelo y el sistema real no aseguran la validez del modelo; basta un solo caso en que el modelo no se comporte como el sistema real para afirmar que el modelo es invlido.

16