Introducción a la

modelación
Samuel Vergara Rojas
Modelos

 Un modelo es una representación de un sistema. Cabe

destacar que para efectuar un análisis de un proceso es
necesario conocerlo. En general, se desea llegar a conocer
factores (internos y externos) que condicionan el
comportamiento del mismo, tales como interrelaciones
entre variables, el efecto de las perturbaciones, rangos de
estabilidad, el efecto de la variación de parámetros, etc.
 El mayor conocimiento del proceso se obtiene mediante la
experimentación, la cual generalmente no se puede
desarrollar con profundidad en plantas industriales, debido
a esta situación se debe recurrir a medios alternativos tales
como la simulación de los experimentos en modelos del
proceso completo o en modelos parciales de los fenómenos
de interés.
Samuel Vergara Rojas - 2019 2
Modelos
Factibilidad
tecnológica no
disponible

Características ¿Por qué

Costos
de los medios usar Asociados
existentes.
modelos?

Tiempo de
experimentació
n

Samuel Vergara Rojas - 2019 3

Componentes de modelos
dinámicos
Variables de entrada

•Aquellas mediante las cuales se actúa desde el exterior sobre el proceso y a total voluntad. Éstas
permiten determinar las principales características de comportamiento del proceso.

Variables de Salida

•Constituyen el medio que permite efectuar el análisis del proceso, mediante la evaluación directa de
los objetivos de estudio. Son las variables que interesa llevar a un valor determinado.

Perturbaciones

•Son variables que también actúan desde el exterior pero que no son manejables a voluntad.
Introducen una componente de incertidumbre en el estudio.

Parámetros

•Son cantidades que fijan ciertas características del proceso, estableciendo un marco al cual estará
condicionado su comportamiento.

Variables de estado

•Son aquellas variables que definen totalmente la condición del sistema, desde el punto de vista de los
objetivos de estudio, en cuanto a la información contenida en éste y a su evolución frente a una
acción del medio.

Samuel Vergara Rojas - 2019 4

 Variables y parámetros
• Salidas
• Entradas
• Variables de estado
• Perturbaciones
• Parámetros

Entradas: Flujo,
concentración,
masa, calor
Variables de estado:
Temperatura, concentración,
masa, nivel.
Parámetros: dimensiones de las
cañerías y del tanque, densidad
de los compuestos.
Perturbaciones: Flujo,
concentración, masa,
temperatura, nivel,
temperatura ambiente
Salida(s): Flujo,
concentración,
masa,
temperatura,
nivel

Samuel Vergara Rojas - 2019 5

 Modelos: Clasificación

Conti- Conti- Número Comporta- Compor-

Naturaleza
Generación
del proceso nuidad de nuidad en de miento tamiento Causalidad Linealidad
Variables el tiempo variables Espacial temporal

Mono- V.
Fenome- Determiníst Tiempo
Continuos variables Concentra- Variables Causales Lineales
nológico ico continuo
(SISO) das

Empírico Aleatorio Discretos

Tiempo Multivariabl V.
Invariables No causales No lineales
discreto es (MIMO) Distribuidas

Samuel Vergara Rojas - 2019 6

 Modelos: Clasificación

Conti- Conti- Número Comporta- Compor-

Naturaleza
Generación
del proceso nuidad de nuidad en de miento tamiento Causalidad Linealidad
Variables el tiempo variables Espacial temporal

Mono- V.
Fenome- Determiníst Tiempo
Continuos variables Concentra- Variables Causales Lineales
nológico ico continuo
(SISO) das

Empírico Aleatorio Discretos

Tiempo Multivariabl V.
Invariables No causales No lineales
discreto es (MIMO) Distribuidas

Samuel Vergara Rojas - 2019 7

Modelos: Clasificación,
generación
Fenomenológico
 Basado en aplicación de leyes
que rigen los fenómenos del
proceso.
 Mecánicas, fluidos,
eléctricas, etc.
 Ecuaciones de balance,
principio mínima acción.
 Requieren información
general del proceso.
Dimensiones, flujos
nominales, etc.
 Pueden estar alejados de los
valores reales o menospreciar
fenómenos importantes.
Samuel Vergara Rojas - 2019
Empíricos
 Basados en observación
directa de los resultados de
estimular un proceso con
entradas conocidas, y
posterior procesamiento de la
información obtenida.
 Identificación de parámetros:
Redes neuronales, mínimos
cuadrados, etc.
 Requieren Información
específica del proceso.
 Pueden ser válidos solo en
cierto rango de valores.
8
Modelos: Clasificación,
naturaleza del proceso

Determinístico Aleatorio
 Totalmente determinadas  Su evolución está descrita
para todo instante por variables asociadas a
de tiempo t, la salida funciones de densidad de
depende en forma única probabilidad.
la(s) entrada(s) y
condiciones iniciales.  Cantidad de personas en
un paradero
 Desplazamiento o
velocidad de un objeto  Número de autos que
debido a la acción de una transitan por una calle
fuerza.
 Volumen o nivel en un
estanque.

Samuel Vergara Rojas - 2019 9

Modelos: Clasificación,
continuidad de las variables
Discreto
 Son aquellos en que las
variables pueden
adquirir sólo ciertos
valores.
 Número de manzanas
que produce un árbol.
 Poblaciones.
Samuel Vergara Rojas - 2019
Continuo
 En estos sistemas las
variables pueden tomar
todos los valores de un
conjunto de valores
posibles.
 Temperatura, velocidad,
aceleración.
10
Modelos: Clasificación,
continuidad en el tiempo
Tiempo discreto Tiempo continuo
 En estos las variables  En estos las variables
están definidas cada están definidas en todos
ciertos instantes de instantes de tiempo.
tiempo.
 Población.
 UF, interés de un
 Temperatura, velocidad,
depósito, alumnos
aceleración.
aprobados.

Samuel Vergara Rojas - 2019 11

Modelos: Clasificación,
número de variables

Mono-variables Multivariables
 Una entrada, una salida  Múltiples entradas o
(SISO). salidas.

Samuel Vergara Rojas - 2019 12

Modelos: Clasificación,
comportamiento espacial

V. Concentradas V. Distribuidas
 Considera que las  Considera que las
propiedades en un proceso propiedades en un proceso
asumen valores que son asumen valores dependientes
independientes de su de su ubicación espacial.
ubicación espacial, ya sea
,…, ( ,…, )
porque se considera  + +
homogénea o porque se ( ,…, )
define una característica = ( )
representativa de ella.

 ,…, = ( )

Samuel Vergara Rojas - 2019 13

Modelos: Clasificación,
comportamiento temporal
Invariantes en el Variables en el
tiempo tiempo
 Son aquellos cuyas  Es aquel cuyas
propiedades propiedades o
características, los características
parámetros, no se (parámetros) se
modifican con el modifican con el
transcurso del tiempo, tiempo.
es decir, no dependen
del tiempo.

Samuel Vergara Rojas - 2019 14

Modelos: Clasificación,
causalidad
No causales o
Causal anticipativos
 Es valor de la salida  Aquellos que dependen
depende del valor de la de valores futuros de la
entrada variable.

Samuel Vergara Rojas - 2019 15

Modelos: Clasificación,
linealidad

Lineales No lineales
 Cumplen con:  Todos los otros, es decir
 Principio de
no cumplen con el
superposición: principio de superposición
y/o de homogeneidad.
 = y
= entonces,
+ = +
 Principio de
Homogeneidad
=

Samuel Vergara Rojas - 2019 16