Sistemas, modelos y

simulacin
 Introduccin I
Un SISTEMA es una coleccin de
entidades (seres o mquinas) que
yactan
se relacionan hacia un fin lgico.
Ejemplo: Un banco con:
Cajeros
[comerciales]
[cajas de seguridad]
Productos
Seguros
Fondos
Planes, etc.
 Introduccin II
Un MODELO es una representacin simplificada
de un sistema elaborada para comprender,
predecir y controlar el comportamiento de dicho
sistema.
La representacin de modelos puede adoptar
distintas formas:
Mentales: visin personal de un pas o ideologa
Fsicas: de una casa, un puente, un ordenador
Simblicas:
H 2O

F = ma
 Introduccin III
Un ESTADO del sistema es el conjunto de
variables necesarias para describir el
mismo en un instante concreto
Ejemplo: En el banco:
El nmero de clientes
El nmero de agentes desocupados
El tiempo de llegada de cada cliente al banco, etc.
 Introduccin IV
CLASIFICACIN DE SISTEMAS
DISCRETOS
Son aquellos en los que las variables de estado
cambian instantneamente en instantes separados
de tiempo
Ejemplo: nmero de clientes en el banco.

CONTN
UOS
Son aquellos en los que las variables de estado
cambian de forma continua con el paso del tiempo
Ejemplo: avin en vuelo (posicin, velocidad, etc.)
 Formas de estudio
SISTEMA

Experimentacin Experimentacin
con con un
el sistema real modelo del sistema

Costoso,
Relaciones lgicas
Complejo,
y cuantitativas. Modelo
Peligroso,... S = vt matemticos,
Modelo fsico
Simblicos o lgicos

Maquetas,
Simuladores,
Etc.

Solucin
SIMULACIN
Analtica
(exacta)
 Cundo simular?
La simulacin es una tcnica experimental de resolucin de
problemas lenta e iterativa. Debemos usarla cuando:
No exista un sistema real, sea caro o peligroso o sea imposible
construir y manipular un prototipo
La experimentacin con el sistema real sea peligrosa, costosa o pueda

causar incomodidades
Existe la necesidad de estudiar el pasado, presente y futuro de un
sistema en tiempo real, expandido o contrado (control de sistemas en
tiempo-real, cmara lenta, crecimiento de poblaciones, efectos
colaterales de frmacos, etc.)

La modelacin matemtica del sistema es imposible (meteorologa,

sismologa, conflictos internacionales, etc.)
Los modelos matemticos carecen de soluciones analticas o
numricas (ED No lineales, problemas estocsticos, etc.)

Cuando sea posible validar los modelos y sus soluciones de una forma
satisfactoria
Cuando la precisin esperada por la simulacin sea consistente con
los
 Limitaciones de la simulacin
No es ciencia ni arte, es una combinacin de ambas
Es el ltimo cartucho
Experimental e iterativa
Cara en trminos de mano de obra y tiempo de
computacin
Generalmente proporciona soluciones subptimas
Validacin compleja
La recopilacin, anlisis e interpretacin de resultados
requiere buenos conocimientos de probabilidad y
estadstica

Meelamkavil, 1987
Ejemplo (1)
Un granjero posee 100 Has. de terreno en
las que slo puede plantar cereales o
caa de azcar. El problema es
determinar cul debe ser su poltica de
explotacin ptima, es decir, qu plantar y
cunto plantar teniendo en cuenta los
recursos disponibles.
 Ejemplo, aproximacin (2)
Fines
maximizar el beneficio
Caractersticas
Variables que describen los costes de produccin, personal, maquinaria,
precios de materias primas y de venta de productos,
Procesos que tienen lugar en el proceso de cosecha
Hiptesis
El coste del gasleo se mantendr K en el periodo
Los trabajadores no harn huelgas,
Puntos fuertes y dbiles del modelo
Fuertes: modelo matemtico
Dbiles: experiencia, semillas, etc.
Posibles mejoras
Funcin de medida del beneficio
Proceso de
modelado
Modelado: es el
proceso de establecer
relaciones entre
entidades importantes
de un sistema.
Los modelos se
denotan en trminos
de objetivos, criterios
de desempeo, y
restricciones.
 Anlisis del sistema
Seleccionar entidades del problema, sus
atributos (parmetros y variables), el entorno del
sistema y sus limitaciones
Dos vas de aproximacin:
Si el sistema no existe fsicamente
Hacer uso de caractersticas fsicas, o tericas del
qumicas sistema
Si el sistema existe
Como en el caso anterior + uso de datos histricos
En ambos casos
Tratar de aplicar leyes conocidas (p.e. Leyes de Kirchoff,
frmulas del produccin, etc.)
Si no es posible recurrir a tcnicas estadsticas de
prediccin
 Anlisis del sistema granja, I

Entidades Atributos Exterior

Superficie en Cantidad, coste, Colegios, oficinas,
Has productividad,
beneficios, precios hospitales, teatros, ...
Economa Capital, tasa de inters Entorno
Clima, maquinaria,
Trabajadores Hombres, mujeres, trabajadores, suministro
salarios, productividad de carburante, poltica,
Tiempo Das, fecha de bancos, ...
comienzo Granja
Maquinaria Tipo, coste, velocidad, Tierra, trabajo,
coste de maquinas, dinero,
mantenimiento, valor tiempo, semillas,
de reventa, flexibilidad edificaciones,
informacin ...
Fertilizante Tipo, coste,
composicin
Anlisis del sistema granja, II
Objetivos
Maximizar el beneficio este ao
Maximizar el beneficio en los prximos n aos
Maximizar el beneficio y la clientela
Minimizar costes
Maximizar la superficie de tierra utilizada
Maximizar las tasas de beneficios y pblicas, ...
subvenciones
Medidas de efectividad
ptimo de la funcin de coste o beneficio expresadas en
trminos de variables del negocio
Mximo de la funcin que describe el uso de tierra
ptimo de la funcin que incorpora los beneficios tangibles
(capital) e intangibles (prestigio) expresados en trminos
delas
variables de negocio, ...
 Anlisis del sistema granja, III
Interrelaciones, restricciones y marco experimental
Importante no importante
Continuo discreto
Controlable incontrolable
Disponibilidad de trabajadores, capital, maquinaria, tiempo
Terreno disponible, fertilizantes, etc.
Mecanismos de valoracin, rango de las variables,
soluciones
enteras o reales, periodo de estudio, limitacin de datos, ...
Estrategia de solucin
Mecanismos de recopilacin de datos y estimacin de
parmetros
Modelo lineal o no lineal
Mtodos computacionales y posibilidades de uso
Generalidad, aplicabilidad y flexibilidad de las soluciones
Posibles extensiones
 Formulacin del modelo
Comenzar haciendo un diagrama de flujo simple
Debe hacerse nfasis en la simplicidad, facilidad
de formulacin y comprensin
Usar el nmero mnimo de variables necesarias
para describir el sistema
La sobresimplificacin hace al modelo intil
La inclusin de detalles triviales hace al modelo
excesivamente extenso, complejo e intratable
 Formulacin del modelo granja, I
max 40x1 + 20x2
Produccin (datos por
Ha)
s.a. x1 + x2 100
Cereal Caa Disponible 10x1 + 20 x2
Coste 1100
de 10 20 1100
labrado x1 + 4x2 160
Periodo
de 1 4 160 Se ignoran
x1 , x2muchos
0 datos:
labrado fertilizantes, maquinaria,
B neto 40 120
personal, clima, mercados,
etc.
Terreno El modelo es muy fiable
X1=? X2=? 100
usado
Satisface las necesidades
de informacin del granjero
 Verificacin, validacin y
certificacin
Validacin: es el proceso que
confirma que el modelo es
una representacin adecuada del
sistema original y es
capaz de imitar su comportamiento
de una forma
razonablemente precisa en el
dominio previsto para sus
aplicaciones.
Verificacin: es el procedimiento para asegurar la
consistencia de la estructura del modelo con respecto a
las especificaciones del mismo, es decir, para confirmar
que el modelo es una representacin fidedigna del
 Validacin vs. Verificacin
Mundo real
(sistema)

Sistema
visto como
un crculo
x2 + y 2 = 1
xi +1 = xi cos + yi sen
y = 1 x2 yi +1 = yi cos xi sen
Salida 1 Salida 2
x0 = 1; y0 = 0
1 x 1
0 2
radio = 1 radio = 1
centro = 0.0
centro = 0.0
 Implementacin y documentacin
Un modelo validado y verificado est disponible para su
implementacin y puede usarse para la prediccin,
control o explicacin de un sistema
Hay diferentes formas de obtener soluciones, luego
debe realizarse un adecuado diseo de experimentos
para extraer la mayor cantidad de informacin til del
modelo
El proceso de documentacin debe formar parte de la
totalidad de detalles
Anotar los la simulacin.
finales delSin documentacin un
modelo
Anotarprcticamente
modelo las experiencias carece
realizadas
de utilidad
Documentar el modelo, hiptesis,
mtodos matemticos y
computacionales empleados y sus
justificaciones, costes,
 Ejercicios
Pensar ejemplos de Indicar, en cada caso,
modelos en las brevemente:
siguientes reas Fines
Ingeniera Caractersticas
Ciencias Hiptesis
Negocios Puntos fuertes y
Qumica dbiles del modelo
Psicologa Posibles mejoras

 Clasificacin de modelos, I
Estticos vs. Dinmicos
Estticos: Representan el sistema en un
instante determinado. El tiempo no juega
ningn papel.
Ej. Clculo de integrales definidas
Dinmicos: Sistemas que evolucionan con el
tiempo.
Ej. Cinta transportadora en una fbrica
 Clasificacin de modelos, II
Deterministas vs. Estocsticos
Deterministas: Aquellos modelos que no
contienen elementos aleatorios.
Ej. Un sistema de Ecuaciones Diferenciales
modelando una reaccin qumica.
Estocsticos: Aquellos modelos que
contienen alguna componente aleatoria.
Ej. Banco, centralita telefnica, etc.
 Clasificacin de modelos, III
Continuos vs. Discretos
Continuos: Son aquellos en los que las variables de
estado cambian de forma continua con el paso del
tiempo
Ej. Comportamiento global del trfico de una autopista
Discretos: Son aquellos en los que las variables de
estado cambian instantneamente en instantes
separados de tiempo.
Ej. Movimiento individual de los coches en una autopista
 Clasificacin de modelos, IV
Simulacin vs. Simulacin Monte Carlo
En ambos casos hay influencia de sucesos
aleatorios
Simulacin Monte Carlo: Determinista
El modelo aproximado es estocstico, el sistema
es determinista
Simulacin: Estocstica
Tanto el sistema como el modelo son estocsticos
por naturaleza
Modelos de Simulacin de Eventos
Discretos (MSED)
Modelos Discretos, Dinmicos y Estocsticos
El sistema cambia de estado en una cantidad
numerable de instantes de tiempo (EVENTOS)
Los eventos pueden servir para
Planificar el final de una simulacin
Planificar una operacin en un instante concreto
Ejemplo: Cola
Servidor (libre/ocupado)
Cola (vaca/ocupada)
Cliente (tiempo llegada/tiempo servicio)
Eventos (llegada/servicio cliente)
Modelizacin de una cola con un
servidor
tiempo

1 2

1 1 2 2 2 3

2 2 3 3 3 4

4 4 4 5
Servidor
Libre Servidor 5 5
Ocupado
5
Cola
vaca
Cliente
Cola
ocupada
Mecanismos de Avance de Tiempo
En los MSED es necesario disponer de un
mecanismo de avance del tiempo
Se denomina RELOJ DE SIMULACIN a la
variable del modelo que proporciona el valor
actualizado del tiempo simulado
No son necesarias unidades de medida
(GPLs)
Dos formas de avance del tiempo
Por eventos
Por incrementos fijos
 Avance por EVENTOS
DESARROLLO Observaciones
1. Se inicializa el reloj a 0
Los periodos inactivos
2. Se determinan aleatoriamente los
instantes futuros de ocurrencia son ignorados.

de eventos En el avance por

incrementos fijos no son
3. Se incrementa el reloj al evento ignorados lo cual implica
ms inminente (el primero) un mayor costo
i. Se actualiza el estado del computacional.
sistema Los periodos entre
de
Se los eventos
actualiza el futuros
conocimiento
ii. eventos
existente sobre los tiempos suelen ser de tamao
verifique alguna condicin de
desigual.
iii. Repetir 3 hasta que se
parada
 REPRESENTACIN
e0 e1 e2 e3 e4 e5 tiempo

t1 t2 c1 t3 c2

A1 A2 A3

S1 NOTACIN
S2
ti tiempo de llegada del i-esimo cliente
Ai = ti ti 1 periodo de tiempo entre llegadas
Si tiempo en el servidor
Di tiempo de espera en cola
ci = ti + Di + Si tiempo de servicio
 Componentes de un MSED
Estado del sistema: variables de estado
Reloj del sistema: variable que proporciona el valor actualizado del tiempo
simulado
Lista de eventos: lista de instantes de tiempo
Contadores estadsticos: Variables
Rutina Inicializacin: Subprograma de inicializacin de variables
Rutina Temporal
Determina el siguiente evento
Actualiza el reloj de simulacin
Rutina de eventos: Subprogramas de actualizacin del estado (uno por
cada evento)
Librera de rutinas: Generadores de observaciones con distribuciones
conocidas
Generador de Informes
Programa Principal:
Llama a la rutinaPrograma que
de inicializacin
Llama a la rutina temporal
Verifica la terminacin de la simulacin
Llama al generador de informes