SIMULACION Métodos y aplicaciones | David Rios Insua - Sixto Rios Insua Jacinto Martin | | Alfaomega <> a=rncr102 _SIMULACION: METODOS Y APLICACIONES, ©RA-MA 4.1 MODELIZACION Y SIMULACION Aunque los origenes de la simulacién cientifica se sitvian en los trabajos de Student para determinar la distribucién de la variable ¢ que lleva su nombre, ver Apéndice A, se suele afirmar que esta disciplina renacié, identificada como una técnica numérica, durante la Segunda Guerra Mundial, cuando Von Neumann y Ulam aplicaron los llamados Métodos de Montecarlo (Capitulos 5 y 6) a problemas de difusién de neutrones en el desarrollo de la bomba atémica. Aunque, en sentido amplio, la realizacién de una simulacién no requiere un ordenador, la evolucién y el avance de los ordenadores digitales y de los lenguajes de simulacién de alto nivel han permitido la aplicacién de la modelizacién y simulacién a problemas complejos en numerosas disciplinas. Con los términos modelizacién y simulacién se designa al conjunto de acti- vidades asociadas con la construccién de modelos de sistemas del mundo real y su simulacién en un ordenador. Con esta definicién relacionamos, esencialmente, tres elementos: sistema, modelo y ordenador. Por sistema entendemos la parte del mundo real por la que mostramos interés. Consideraremos ese segmento de realidad como un conjunto de elementos 0 componentes que interaccionan para alcanzar una meta comin. Un modelo ser4 una representacién simplificada de un sistema, que contendré un conjunto de instrucciones para generar datos del comportamiento del sistema. Los tres elementos anteriores no estan aislados entre sf, sino que estan conec- tados a través de las relaciones de modelizacién y simulacién. La modelizacin relaciona los sistemas reales y los modelos, y estudia la. validez de éstos, es decir, la forma en que un modelo representa un sistema real. La simulacién relaciona modelos y ordenadores, y se refiere al proceso de imitacién de aspectos impor- tantes del comportamiento del sistema en tiempo real, comprimido 0 expandido, mediante la construccién y experimentacién con el modelo del sistema, La simu- lacién, objeto esencial de este libro, es andloga al proceso de experimentacién que llevan a cabo los cientificos en un laboratorio con el que pretenden aumentar la comprensién de alguna teorfa para su validacién y empleo posterior. Estos tres elementos y sus relaciones, que desarrollaremos con més detalle aCAPITULO 4. SIMULACION DE SUCESOS DISCRETOS __103 in, se resumen en la Figura 4.1. Modelo Modelizacién, Simulacién Sistema real Ordenador Figura 4.1: Elementos bésicos y relaciones en modelizacién y simulacién sistemas pueden estudiarse mediante experimentacién directa, la cons- de un prototipo a escala, o el desarrollo de un modelo de relaciones © cuantitativas. Razones como coste, riesgo, elevado consumo de tiempo, ticos,... 0 simplemente la imposibilidad de levarlo a cabo, pueden a rechazar los dos primeros procedimientos de estudio. Nosotros 0s aqui la construccién de modelos cuantitativos. Si pensamos en el una nueva ciudad o un barrio, resulta impensable construir un prototipo entar, siendo la simulacién con un modelo el procedimiento adecuado las implicaciones de ese nuevo disefio. Nuestro propésito ser, en- el estudio de sistemas reales a través de la modelizacién cuantitativa de ayudar en el andlisis, disefio, entendimiento, operacién, prediccién 1 de los sistemas sin necesidad de su construccién efectiva y operacién Los modelos cuantitativos que no son fécilmente tratables con los métodos feos 0 numéricos tradicionales, forman una subclase de modelos, denomina- simulacién, que es la que nos interesa aqui. Solucién éptima Solucién satisfaciente Solucién a factible « Solucién infactible Figura 4.2: Tipos de soluciones104 __SIMULACION: METODOS Y APLICACIONES, @RA-MA La modelizacién y simulacién con ordenador esté dirigida esencialmente a la brisqueda de soluciones satisfactorias en problemas précticos. Asi, en general, la solucién que se propone para un modelo de simulacién es una solucién satisfa- es decir, una solucién factible que cumple unos est4ndares minimos y, por ello, adm generalmente con la dptima, pero suele encontrarse lo suficientemente préxima ible para su implementacién, ver Figura 4.2. Tal solucién no coincidiré a aquélla como para que sea tomada como solucién del problema. La falta de optimalidad en un sentido estricto, puede ser un precio a pagar por el uso de la simulacién a cambio de disponer de una solucién satisfaciente en un tiempo razonable frente a tener la éptima en un tiempo mucho mayor 0, incluso, no llegar a disponer de ella. En definitiva, la modelizacién ¥ simulacién con ordenador serd atractiva es- pecialmente cuando el problema en estudio sea de resolucién dificil, costosa, 0 imposible con métodos analiticos 0 numéricos clisicos. 4.2 SISTEMAS 4.2.1 Concepto de sistema El primer elemento que hemos indicado en el proceso de modelizacién y simu- lacién es el de sistema. Por sistema real entendemos el que, en su forma més elemental, es una fuente de datos de comportamiento de alguna parte del mun- do real por la que mostramos interés. Esa parte de la realidad estaré formada por un conjunto de elementos 0 componentes o entidades que interaccionan para alcanzar un objetivo comin. Se centra més en la organizacién de los elementos que actiian de modo conjunto en el sistema que en los elementos mismos. Los sis- temas pueden ser naturales 0 artificiales, actuales 0 planificados para un futuro. Por ejemplo, un centro de célculo puede considerarse como un sistema artificial que realmente existe, con analistas, programadores, usuarios, ordenadores, im- presoras,... como componentes. Los elementos poseen ciertas caracterfsticas 0 atributos, parémetros y variables, que toman valores numéricos 0 I6gicos y, en conjunto, se denominan variables descriptivas del sistema. En nuestro ejemplo, los atributos pueden ser el mimero de ordenadores, las velocidades de procesa-CAPITULO 4. SIMULACION DE SUCESOS DISCRETOS __105 to, las memoria, la capacidad de los analistas, el mimero de terminales... idan una serie de relaciones 0 actividades entre los elementos y, en consecuen- los elementos interaccionan produciendo cambios en el sistema. Por ejemplo, centro de calculo tiene terminales que manejan los analistas. Si no hubiera a8, no se podrfan procesar los programas. ‘Consideramos relaciones internas y externas al sistema. Las primeras conec- tes elementos dentro del sistema; las segundas conectan los elementos con el exterior. Por ejemplo, una relaci mn interna es la interaccién entre analis- programadbores, o entre analistas y terminales. Una relacién externa es Ia de usuarios al centro de célculo para procesar y depurar sus programas, Spterrelaciones entre entidades y entre entidades y el sistema, se expresan a de pardmetros y de variables. Cualquier proceso que cambie los atributos entidad se denomina actividad, como, por ejemplo, la llegada o salida de del centro de caleulo. mos clasificar los sistemas de muchas formas. Por ejemplo, un sistema ser cerrado o abierto. Un sistema cerrado no se relaciona con el medio que = uno abierto recibe de su medio entradas que lo influyen. Sil sistema tie- ‘dad de reaccionar a cambios en su propio estado, entonces el sistema ) 0 artificiates (un automévil); dindmicos (informacion enviada a través serie de canales) 0 estdticos (una lémpara); estables (regresan al equili- és de una perturbacién) o inestables; estocdsticos (incluyen elementos ) © deterministicos; adaptativos (responden a cambios en el medio) 0 #iv0s; lineales (todas las relaciones son lineales) 0 no lineales. ‘Tam en tener variables independientes (no manipulables) 0 dependientes; bles (radiacién) 0 controlables; continuas, discretas 0 mictas,... ‘Estados de un sistema dio de los sistemas se pretende aprender, disefiar, cambiar, conser- > posible, controlar su comportamiento. Algunas de las variables que ¥ describen el comportamiento de un sistema se denominan no obser- gue no son accesibles para su posible observacién y medicién. Por el106 _SIMULAGION: METODOS Y APLICACIONES. @RA-MA contrario, las variables que pueden medirse se denominan observables y podrén. ser de entrada o de salida. Por ejemplo, la sagacidad, la perspicacia y el mimero medio de Ieas que escribe por minuto un programador son tres variables, las dos primeras no son observables ni medibles directamente pero la tercera sf. Hemos mencionado. que las componentes de un sistema estén determinadas por un conjunto de variables descriptivas. Las reglas que especifican la interaccin entre las componentes determinan la forma en que estas variables descriptivas cambian a lo largo del tiempo. Para que un ordenador sea capaz de simular un modelo debe “conocer” estas reglas de interaccién. También puede ser que tenga que guardar los valores pasados de las variables descriptivas para poder calcular los valores futuros, ya que las reglas de interaccién son funcién de tales valores. Pero no tienen por qué almacenarse todos los valores pasados de todas las variables descriptivas, pues en muchos modelos resulta posible considerar un subconjunto reducido de variables descriptivas cuyos valores actuales permitan calcular los valores futuros de todas las variables descriptivas. Tal subconjunto idades minimo de variables que describen las entidades, los atributos y las acti de un sistema en un instante particular del tiempo, y que permiten predecir su comportamiento futuro, se denomina de variables de estado. Los valores de las variables de estado en un instante de tiempo ¢ proporcionan el estado del sistema en ese instante. Las variables de estado relacionan el futuro del sistema con el pasado a través del presente. El estado del sistema puede cambiar como resultado de actividades internas o endégenas, o bien actividades externas 0 exégenas. En nuestro ejemplo, la caida de un terminal serfa una actividad endégena, mientras que la Hegada de un usuario seria exdgena. Ambos sucesos cambiardn el estado del sistema. Los atributos de los elementos del sistema definen su estado. Si el comporta- miento de los elementos puede predecirse con seguridad, estamos ante un sistema deterministico. Si no es posible una prediccién exacta, entonces nos enfrentamos con un sistema estocdstico. Las probabilidades de transicién de un sistema de un estado a otro como respuesta a ciertas actividades caracteriza la naturaleza dad de que un sistema que determinista o aleatoria del sistema. Si la probabil esté en un ado S1 pase a un estado $» es la unidad, entonces tenemos un sisteCAPITUI Seterministico. Por ejemplo, al enfriar agua a bajas temperaturas se obtiene + 0 del petréleo se obtiene calor y gas por combustién (Figura 4.3). Estado §; —— ann Petrdleo Estado S, -— Se" | ito ] [eater [ cas | Figura 4.3: Sistemas deterministicos En los sistemas estocdsticos, la Probabilidad de que el sistema cambie de un lo S1 a un estado Sp, 5,... es menor que la unidad. Por ejemplo, que un ino supere un examen de una asignatura o que un programa no dé errores en procesamiento (Figura 4.4). Estudiante Figura 4.4: Sistemas estocasticos Las propiedades estaticas y dindmicas de un sistema describen también el sstado del sistema. Un sistema se encuentra en equilibrio 0 es estacionario si la Probabilidad de encontrarse en alguno de los estados no cambia con el tiempo: el sistema puede moverse de un estado a otro pero las probabilidades de su mo- vimiento entre los estados Permanecen fijas. En el caso de un sistema evolutivo ° dindmico, las probabilidades cambian con el paso del tiempo. En términos mateméticos, la caracterizacién de los sistemas estdticos se hace generalmente LO 4. SIMULACION DE SUCESOS DISCRETOS __107 —108 _SIMULACION: METODOS Y APLICACIONES. @RA-MA con ecuaciones algebraicas y la de los dindmicos con ecuaciones diferenciales 0 en diferencias. 4.2.3 Fronteras de un sistema Ya apuntamos que un sistema abierto opera en un medio y es posible que los cambios que se produzcan en el medio puedan afectar su comportamiento. Esté clara la necesidad de tratar de identificar el medio y las fronteras del sistema para poder conocer cémo Ie afecta. El medio del sistema es un subconjunto del medio global formado por aquellos elementos, conceptuales o fisicos, que estan fuera del sistema y son capaces de influir de manera significativa sobre el comportamiento del mismo, aunque no puedan controlarse desde el sistema. Por ejemplo, un banco es um sistema abierto y la inflacién es un elemento de su medio que influye sobre él, pero, desde luego, no puede controlarla. La frontera del sistema encierra las entidades y relaciones que lo describen, que no tienen por qué ser exclusivas de un sistema. Determinadas entidades pueden ser compartidas por diferentes sistemas 0 subsistemas. m M Figura 4.5: Un sistema, su medio y el mundo exterior La Figura 4.5 muestra un ‘esquema de un sistema y su medio. El sistema S estA sumergido en el mundo M (medio global) y los elementos de éste que tienen alguna influencia sobre $ constituyen su medio m (medio del sistema). Si no hay interaccién entre el sistema y el mundo exterior, entonces m es vacfo y tenemos un sistema cerrado. En este caso, el comportamiento del sistema se debe ‘nicamente a las actividades enddgenas, es decir, a las interacciones internas del sistema o sus subsistemas. En la préctica, la mayor parte de los sistemas son abiertos ¢ interaccionas por actividades endégés El proceso de delim el medio y el mundo qué brisqueda de rasgos y a8 entre complejidad y sim estar asumiendo tal gra truceién y gestién del og excesiva, aunque facilit aspectos que pueden sé utilidad. 4.3 MODELOS 4.3.1 Definicién d El primer paso en el 4 Numerosos autores han § Dicen Rosenbluth y Vi Ninguna parte sus mo para que pued: abstraccién consis deracién por un = modelos constituy Un modelo cientifica un sistema real o un pm comprensién, hacer pred Por ello, el propésito de cémo uno o varios cam parcial o globalmente El término modelo ps y la representacién de 9CAPITULO 4. SIMULACION DE SUCESOS DISCRETOS __109 os e interaccionan con su medio cambiando los estados del sistema tanto actividades endégénas como exégenas. El proceso de delimitacién de las fronteras entre el sistema y su medio, y entre io y el mundo que rodea a ese medio no es sencillo. Requiere una cuidadosa ieda de rasgos y aspectos relevantes de manera que debe haber un equilibrio complejidad y simplicidad. Si se consideran demasiados rasgos, se puede asumiendo tal grado de complejidad que harfa imposible la posterior cons- ‘én y gestién del correspondiente modelo. Por otra parte, una simplificacién iva, aunque facilitarfa el manejo del modelo, podria conducir a dejar fuera ‘os que pueden ser relevantes produciéndose un modelo de escasa o nula lad. MODELOS 1 Definicién de modelo y su clasificacién primer paso en el estudio de un sistema es la construccién de-un modelo. sos autores han discutido la importancia de los modelos y su construccién. Rosenbluth y Wiener (1945): Ninguna parte sustancial del universo es lo suficientemente simple co- mo para que pueda ser comprendida y controlada sin abstraccién. La abstraccién consiste en reemplazar la parte del universo bajo consi- deracién por un modelo de estructura similar pero més simple. Los modelos constituyen un elemento central del proceso cientifico. Un modelo cientifico puede definirse como una representacién simplificada de sistema real 0 un proceso 0 una teorfa, con el que se pretende aumentar su prensién, hacer predicciones y, posiblemente, ayudar a controlar el sistema. ello, el propésito de un modelo es capacitar a un individuo para determinar uno 0 varios cambios en aspectos del sistema modelizado pueden afectarle o globalmente. El término modelo puede tener diferentes significados para distintas personas = la representacién de un modelo puede ser distinta. Una clasificacién, de las110 _ SIMULACION: METODOS Y APLICACIONES, @RA-MA muchas existentes, considera esencialmente tres clases de modelos: * Modelos fisicos. Son representaciones de sistemas fisicos y estén descritos por variables medibles. Por ejemplo, un sistema mecénico que tiene como variables: fuerza, velocidad, presidn,... Dentro de esta clasificacién se con- sideran también modelos a escala (avidn), de imitacién (mapa de relieve), analégicos (reloj de arena) y prototipos (circuito eléctrico). Modelos mentales. Son modelos heuristicos o intuitivos que sélo existen en nuestras mentes. Son imprecisos, difusos y dificiles de comunicar. A diferencia de los animales, el ser humano es capaz de acumular experienci que puede servir como un modelo mental. La habilidad para realizar una operacién aritmética o el proceso de decisién en una situacién no muy com- pleja, son ejemplos de modelos mentales. La introspeccién de estos modelos conduce frecuentemente a los modelos simbélicos. © Modelos simbéticos. Son aquellos que incluyen operaciones légicas 0 mate- maticas que pueden utilizarse para formular una solucién de un problema Se construyen més ficilmente y resultan més econémicos que los modelos fisicos. Se subdividen en modelos matemdticos y no mateméticos. A su vez, estos uiltimos pueden ser: lingitisticos (descripcién verbal), graficos (dibujo) y esquematicos (diagrama de flujo). entra en los modelos matematicos, denomi- En este libro nuestro interés se nados también cuantitativos, es decir, en modelos descritos por un conjunto de simbolos y relaciones lgico-matematicas. Una teorfa expresada en forma ma- tematica ser un modelo matemético. Los otros tipos de modelos también son importantes, pero no los estudiamos aqui. Rios (1995) proporciona informacién adicional. 4.3.2 Metodologia de la modelizacién La metodologia de la modelizacién se refiere a un conjunto de procedimientos sistematicos basados en conocimiento acumulado cuyo objetivo es abordar y r=CAPITULO 4. SIMULACION DE SUCESOS DISCRETOS _111 solver problemas. Es una metodologia bien desarrollada en dreas de las Ciencias y la Ingenieria que han alcanzado cierta madurez. La modelizacién es el proceso por el cual se establecen relaciones entre las en- fidades importantes de un sistema que se expresa en términos de metas, criterios de ejecucidn y restricciones que en conjunto constituyen el modelo. Cada mode Bzador tiene un modelo bésico, que constituye la visién o imagen particular que Sene sobre el sistema y a partir de la cual se construiré un modelo simplificado. Mediante la experimentacién con este modelo simplificado, se espera aumentar & comprensién del modelo b: ico asi como del sistema real caracterizado por él. Un primer paso en la modelizacién es establecer el problema de forma clara, Szica y no ambigua, delimitando sus fronteras. Ya que es casi imposible compren- ‘= y aislar todas las interrelaciones entre los elementos del sistema, incluiremos slo um subconjunto de variables e interrelaciones del sistema original. La ha- ‘dad para seleccionar el subconjunto més pequeiio de variables que describan forma adecuada el sistema real es una cualidad notable de un modelizador, el que también desempefiarén un papel importante su experiencia, intuicién, ‘inacién,... Asf, un rasgo importante para construir un buen modelo sera la plicidad. Con frecuencia, no existiré correspondencia biunivoca entre las va- les del sistema y del modelo, y muchos detallles se resuinirdn dependiendo del de abstracciéu del mismo. Los modelos con menor ntimero de variables y son mnds féciles de construir, de desarrollar, de modificar y de comprender, como mas fécilmente tratables, y es muy probable que puedan utilizarse en situaciones practicas para las que se han diseiiado. Observemos que la modelizacién es un proceso interactive. Ademés, el pa- 1 modelo bisico al modelo simplificado se acompaia, generalmente, de una ‘ormacién de informacién cualitativa en cuantitativa. El proceso de mode- %6n, ver Figura 4.6, es de naturaleza evolutiva, ya que pasa de unas espe- tones iniciales a hipdtesis, a modelos generales y, finalmente, a un modelo ifico simplificado.112__ SIMULACION: METODOS Y APLICACIONES. @RA-MA Modelizador: motivaciones ‘conceptos ‘Analisis del sistema: marco experimental relaciones restricciones estrategias de solucién Formulacién de hipstesi Formulacién del p———| | ___ modelo bisico | | Formulacion del modelo simplificado| Verificacién > ‘No satisfactorio Satisfactorio Validacién No satisfactorio Satisfactorio implementacién Figura 4.6: Proceso de modelizacién Mencionemos ademas que el ordenador no s6lo se utiliza en la simulacién, sino también también en varias de las etapas del proceso de modelizacién que incluyen la recogida y depuracién de datos, disefio de experimentos, contrastes, verificacién y validacién de hipstesis. 4.3.3 Ventajas de la modelizacién La cantidad y calidad de la informacién contenida en los modelos varia de manera notable, aunque todos ellos tienen la caracteristica comin de ayudar @ evaluarCAPITULO 4. SIMULACION DE SUCESOS DISCRETOS __113 Al resultado de una decisién del mundo real sin llegar a tomar efectivamente la ssisna. Puesto que un modelo es una representacién de un sistema, permite ‘=saluar decisiones o acciones sin que se leven a cabo experimentos reales. Son muchas las ventajas de la utilizacién de modelos matematicos. Entre ellas ‘Sstacamos: * Permite a los investigadores la organizacién del conocimiento y las obser- vaciones sobre el sistema, asf como las posibles deducciones Idgicas que se puedan tener de esta organizacién. * Proporciona un marco para contrastar el sistema y sus posibles modifica- ciones. * Proporciona una perspectiva sobre detalles y aspectos relevantes. * Es posible una mayor y mejor manipulacién que con el propio sistema | © Facilita el andlisis. * Con un modelo matemético se describe un problema de forma més concisa que, por ejemplo, con una deseripcién verbal. * Permite controlar mejor las fuentes de variacién que lo que permitiria el estudio directo del sistema. * Generalmente son menos costosos que experimentar con el sistema. Obviamente no todo son ventajas y hay algunas reservas respecto al proceso modelizacin. Asi, no hay garantia de que a pesar del esfuerzo y tiempo dedica- a la modelizacién se produzcan resultados titiles y satisfactorios. Por razones mémicas de escasez de recursos o por falta de ingenio, podrfan no alcanzarse metas deseadas. También, la tendencia de un investigador a considerar su Ssidn particular del problema como la mejor representacién de la realidad, os- ialmente cuando Ileva cierto tiempo en ello, puede conducirle a un modelo de a utilidad.114 __SIMULACION: METODOS Y APLICACIONES, @RA-MA 4.3.4 Validez de un modelo En la construccién de un modelo se busca una representacién vélida de la realidad, Para que un modelo cientifico sea titil es necesario que incluya elementos de dos atributos conflictivos: el realismo y la simplicidad. Por un lado, el modelo debe ser una buena aproximacién al sistema real e incorporar los aspectos importantes del sistema. Por otro lado, el modelo no tiene que ser tan complejo que resulte dificil de comprender y manejar. Tengamos en cuenta que, al tratarse de una representacién formal, un modelo constituye necesariamente una abstraccién. La consideracién de mayor mimero de detalles y aspectos confiere al modelo un mejor reflejo de la realidad, sin embargo, una consecnencia puede ser el aumento de la dificultad en la obtencin de una solucién de modo que tenga que utilizarse un método numérico de solucién. Observemos que no es ni siquiera necesario que la aproximacién del modelo al sistema indique la medida de eficacia de las alternativas, sino que lo que se roquiere es una correlacién alta entre lo que predice el modelo y lo que actualmente ocurre en el sistema real. Es decir, se desea contrastar y establecer un control sobre la solucién dando sentido a la ecuacién datos generados datos observados por el modelo en el sistema La forma de contraste de la validez de un modelo no es tinica. Existen varios métodos que no sélo no son excluyentes, sino que se complementan y deben tratar de comprobarse todos ellos para tener garantia suficiente, Algunas de estas formas son: e Reexaminar la formulacién del problema para detectar posibles errores y defectos. ¢ Determinar si todas las expresiones matematicas son dimensionalmente con- sistentes. © Variar los pardmetros de entrada y ver que la salida del modelo se comporta de manera plausible.CAPITULO 4, SIMULACION DE SUCESOS DISCRETOS _115 * Utilizar datos histéricos para reconstruir el pasado y determinar lo bien que se habria comportado la solucién resultante si se hubiera utilizado. Este contraste retrospectivo, en definitiva, trata de predecir la realidad comparando la eficacia del comportamiento hipotético con lo que ocurrié realmente. Una desventaja de este contraste es que utiliza los mismos datos que posiblemente guiaron la construccién del modelo. Otro aspecto importante, previo a la validacién, es la verificacién del mode- Permite asegurar que el modelo se construye de acuerdo con ciertas espe- jones asi como eliminar errores en la estructura, en el algoritmo y en la entacién en el ordenador. La comprobacién de que el programa ¢s co- . la convergencia, exactitud, robustez y errores de transcripcién serdn los fundamentales de esta fase. Destaquemos aqui la robustez, relacionada el andlisis de sensibilidad, que pretende determinar el grado de influencia la solucién del modelo debida a variaciones en los pardmetros. Cambiando condiciones bajo las que se ha construido el modelo, se pueden identificar pardmetros de entrada criticos que afecten de forma notable a la solucién. permitiria predecir cambios drasticos en el comportamiento y establecer un limiento sistematico de control. Representacién de modelos ayuda a la modelizacién de un sistema y su simulacién, resulta titil dibujar s@agrama que refleje las componentes del sistema y sus relaciones. Aunque es ible la construccién de tales diagramas para una modelizacién muy detalla- no cabe duda de que su utilizacién con la representacién de las interacciones ‘importantes resulta de gran ayuda en el proceso de modelizacién. Son varios los tipos de diagramas que se han desarrollado en modelizacidn. == forma més sencilla, ver Zeigler (1976), la representacién de los denomina- Hiagramas de influencia, utiliza cajas para indicar las componentes, signos de ellas para las variables descriptivas y pardmetros, y arcos o flechas mostrar la influencia o interaccién entre pares de componentes. Un ejemplo correspondiente a un sistema de “mesa redonda”, se puede observar en la116 _ SIMULACION: METODOS Y APLICACIONES @RA-MA Figura 4.7. Bl diagrama de influencia de este sistema de computacién de tiempo compartido consta de, por ejemplo, cuatro componentes, formadas por un orde- nador central (CPU) y tres terminales que utilizan los usuarios (USi, i = 1, 2,3) para enviar datos. Cada una de estas componentes tiene variables descriptivas y pardmetros (las discretas representadas con o y las continuas con ). La com- ponente CPU contiene la variable SERVIR-A cuyo recorrido es {1,2,3} y las componentes USi tienen la variable COMPLET-s; con recorrido en [0,1], que indica que el usuario i ha completado una fraccién s; de su tarea. Ademas, cada componente usuario contiene un parémetro, PARAM-aj, que indica su tasa de compleccién de USi. Finalmente, la existencia de un arco desde cada componente USia la componente CPU, representa el envio de datos. US2 |__PARAM-a2 ae USL US3 | PARAM-a3 |__ PARAM as | COMPLET-41 PN cPU |COMPLET-s3, SERVIR-A Figura 4.7: Diagrama de influencia de un sistema de “mesa redonda” Este tipo de diagramas se ha mejorado y extendido para poder reflejar si- tuaciones mas complejas. Asi, Forrester (1961, 1968) introduce los diagramas de nivel de tasa en los que para cada elemento del sistema se dibuja su propio simbolo con indicacién de los niveles mediante recténgulos; Goodman (1976) considera los diagramas de bucles causales; y Coyle (1977) introduce algunas mejoras sobre estos tiltimos. Una descripcién detallada de procedimientos de representacién de modelos puede verse en Pidd (1990).CAPITULO 4. SIMULACION DE SUCESOS DISCRETOS _117 Después de la construccién de un modelo matemitico para el problema que _® considera, el siguiente paso es obtener una solucién a partir del modelo. Lle- Taremos esto a cabo mediante simulacién, a la que dedicaremos, en el caso de sucesos discretos, el resto del capitulo. 4.4 CONCEPTOS BASICOS DE LA SSD Estudiamos ahora sistemas que evolueionan en el tiempo en forma discreta, = clestado del sistema cambia sélo en ciertos instantes del tiempo, no de forma Seatinua, Para su estudio construimos un modelo. La evolucién en el tiempo =! sistema se traduce en cambios en algin atributo de algunia entidad, que se Senomina suceso y que ocurre en algrin instante, El tiempo entre dos instantes © denomina intervalo. El estado de una entidad en un intervalo se denomina Fetividad. Si los sucesos que acotan la actividad cau: san cambios, el estado de entidad se denomina actividad objeto. El conjunto de operaciones que trans- n el estado de una entidad se denominan acciones. Un proceso describe In i6n de estados por los que pasa una entidad durante su vida esto en el sistema. Actividad objeto T Proceso Ts Actividad Trabajo 3 —— Trabajo 2 a Teabajo tt >, Procesador mm —____, — Sh So Ss Se Ss ot Figura 4. # Mlustracién de conceptos en un esquema de ordenador Los conceptos se ilustran con el ejemplo que describe un modelo de ordenador como se muestra en la Figura 4.8, que representa el os que legan al ordenador. El Trabajo 1 llega en el instante Sty se “@ hasta el instante $5. En el instante 2, previo al Ss, Hoga el Trabajo 2, comienza a procesarse en $5, Procesamiento de los que es cuando el ordenador termina con el 1,...118 _SIMULACION: METODOS Y APLICACIONES @RA-MA Claramente, puesto que la evolucién en el tiempo del modelo implica estruc- turas légicas complejas de sus elementos, necesitamos estrategias para describir esta evolucién. Los sucesos que definen tal evolucién se generan en distintos ins- tantes de tiempo y el paso del tiempo se controla mediante un mecanismo de reloj 6 reloj de la simulacién. Esencialmente, hay dos tipos de mecanismo de reloj, que identifican dos estrategias de simulacién, como estudiamos a continuacién. 4.4.1 Simulacidén sincrona u orientada a intervalos En este método, el tiempo de simulacién avanza segiin pasos fijos At, es decir, de tat+ At, a t+ 2At,... como describimos en el diagrama de la Figura 4.9. Iniciar reloj simulacién Recoger estadisticas Cambiar estado si Ina ocurrido suceso Imprimir resultados Figura 4.9: Simulacién con incremento de tiempo uniformeCAPITULO 4._SIMULACION DE SUCESOS DISCRETOS _119 Elcitado diagrama muestra, una vez inciado el reloj, la consideracién de una Sendicion de finalizacién, Si se da ésta (V), se imprimen los resultados y termina % simulacién. Por el contrario, si no se cumple (£), el reloj avanza At y guarda = memoria las estadisticas. A continuacién, el sistema cambia de estado si se ‘Produce algtin suceso y se comprueba de nuevo la condicién de finalizacién, Obviamente, sélo detectamos los sucesos ocurridos en el intervalo de tiempo 11+ Ai) en el instante # + At, con lo que se introducen errores en la simula. + Otro inconveniente del método es que si los tiempos entre sucesos son muy ‘Sandes en comparacién con At, invertimos esfuerzo computacional al actualizar reloj, sin que se produzcan cambios en el sistema. Por ello, y a pesar de su illa implementacién, se prefiere para simulacién de sucesos discretos Ia se- da alternativa. Observemos, sin embargo, que es una estrategia valiosa en lacién de sistemas en tiempo continuo. Nosotros no tratamos este tipo de 1s, que pueden verse, por ejemplo, en Neelamkavil (1987), -2 Simulacién asincrona u orientada a sucesos tiempo de simulacién avanza del instante actual ¢ al instante ¢/ del siguiente segtin se describe en el diagrama de la Figura 4.10. El diagrama es andlogo anterior, salvo que aqui el cambio de estado se obtiene cuando se produce un Asi, s6lo se representan explicitamente en el modelo los sucesos. Los periodos 1os sucesos son insignificantes, por lo que no consumen tiempo de com- ‘On, aunque las actividades entre sucesos consuman tiempo en el mundo Puesto que ésta es la estrategia habitual en los lenguajes de simulacin de s discretos, sera la que describiremos en detalle, comenzando con un ejem- Sencillo, Recordemos, antes de su descripcién, que al hablar, en el Capitulo ‘é simulacién de cadenas de Markov y de procesos ‘ién sinerona y asincrona. de Poisson estudiamos su120 _ SIMULACION: METODOS Y APLICACIONES. QRA-MA Iniciar reloj simulacin Condicid Vv de finalizacion F “Avanzar reloj al instante del siguiente suceso ‘Cambiar estado del sistema Recoger estadisticas Imprimir resultados Figura 4.10: Simulacién con incremento de tiempo variable 4.5 SSD DE UN ORDENADOR SENCILLO Como ilustracién, discutiremos la SSD asincrona de un ordenador sencillo. Su- pongamos que hemos modelizado los tiempos entre llegadas de trabajos al or denador mediante una variable aleatoria F. Los tiempos de servicio siguen una distribucién G y hemos observado las condiciones habituales de independencia. Hay un sélo procesador. $i al legar un trabajo lo encuentra libre pasa a servi cio. En caso contrario, pasa a cola, que sigue disciplina FIFO (first in-first out) Supongamos que hay un mimero grande de usuarios y una hora T de cierre del sistema, a partir de la cual no se pueden realizar més envios, pero si se procesaz Jos trabajos correspondientes. El sistema, en notacién de Teoria de Colas, vee