1

La simulacin como herramienta de la investigacin

Natalia Fernndez Sordo
Metodologa sobre la Investigacin. Doctorado Tecnologas de la Informacin y las Telecomunicaciones. Valladolid, 24 de Junio de 2009

Resumen En este artculo se analiza la importancia de la simulacin para realizar investigacin. Uno de los aspectos ms importantes para las publicaciones es corroborar con resultados los anlisis y estudios tericos realizados. Esos resultados en el mundo ingenieril muchas veces por problemas de coste, infraestructura e incluso por una cuestin de posibles errores deben de realizarse en un simulador. Siempre que los resultados obtenidos sean lo suficientemente buenos o adecuados podrn implementarse en la realidad. Cuando se crea un modelo de simulacin son muy importantes dos caractersticas: fiabilidad y validez. Palabras Clave Fiabilidad, Herramienta, Investigacin, Modelos de simulacin, Simulacin, Validez.

I. INTRODUCCIN

na de las herramientas ms tiles en la investigacin, la

ingeniera industrial, el anlisis cientfico es la simulacin por ordenador. Una simulacin es simplemente una imitacin de una operacin de un sistema real para propsitos de evaluacin [1]. La palabra simulacin viene del verbo latino simulare y significa imitar o simular [2]. La simulacin significa la recreacin de un modelo de la realidad por medio de una cantidad de ideas y acciones. El modelo deber resolverse por medio de algoritmos o decisiones personales. De esta forma, se construye una realidad artificial que deber ser capaz de resolver de forma similar la realidad que representa. Se da la oportunidad de investigar alternativas sin tener que asumirlas realmente. La teora de juegos que es la base terica de los primeros indicios de la simulacin fue desarrollada en 1944 por J. Von Neumann y O. Moregenstern [2]. Otras dos definiciones de simulacin son: por parte de Thomas H. Naylor [3] Simulacin es una tcnica numrica para conducir experimentos en un ordenador digital. Estos experimentos comprenden ciertos tipos de relaciones matemticas y lgicas, las cuales son necesarias para describir el comportamiento y la estructura de sistemas complejos del mundo real a travs de largos periodos de

tiempo. Y por Robert e. Shannon: Simulacin es el proceso de disear y desarrollar un modelo computarizado de un sistema o proceso y conducir experimentos con este modelo con el propsito de entender el comportamiento del sistema o evaluar varias estrategias con las cuales se puede operar el sistema [3]. Durante los ltimos treinta aos, la simulacin ha incrementado su popularidad en la fabricacin, produccin, logstica, servicios y las finanzas. Las simulaciones se utilizan a menudo para analizar sistemas complicados de atacar de forma analtica con clculos, estadstica, probabilidad o teora de colas. En la ingeniera se podra realizar una clasificacin de las simulaciones de la siguiente forma [1]: 1) Dinmicas se analizan los cambios del sistema con el tiempo. 2) Discretas Cambios del sistema como resultado de eventos discretos como llegadas o salidas de un sistema. 3) Estocsticas Como oposicin a determinsticas, entran en juego las variables aleatorias. Particularizando el tema a la rama de las redes de comunicaciones pticas, la simulacin es una parte vital para estas investigaciones y ha sido utilizada durante mucho tiempo por la comunidad cientfica, por ejemplo en el diseo de protocolos o evaluacin de mecanismos de calidad del sistema. Cuando una simulacin concluye, el investigador debe analizar rigurosamente los resultados, una tarea que puede resultar tediosa y complicada. Una caracterstica importante de las simulaciones es la capacidad que permite a los investigadores para analizar y comparar ciertos escenarios de manera eficiente y rpida. Averill M. Law es uno de los profesionales ms conocidos del mundo de la simulacin, en la referencia [4] hace una revisin sobre los puntos ms importantes de una simulacin: como elegir los periodos de warm-up, el tamao y el nmero de reproducciones y cmo evitar los obstculos en el anlisis de los resultados. A lo largo del presente documento se analiza en la seccin II la importancia de las simulaciones, en la seccin III, la necesidad de modelos estndar para desarrollar las simulaciones. En el apartado IV, se explica por qu los resultados tienen que ser fiables. La seccin V est dedicada a las suposiciones que se efectan cuando se genera un modelo de simulacin y por ltimo antes de las principales conclusiones se desarrolla por qu es necesaria una abstraccin de la realidad a partir de la simulacin.

2 II. IMPORTANCIA DE LAS SIMULACIONES Recientes avances en los mtodos de simulacin y la gran disponibilidad de software que actualmente existe en el mercado, han hecho que la tcnica de simulacin sea una de las herramientas ms ampliamente usadas en el anlisis de sistemas. Adems de las razones antes mencionadas, Thomas H. Naylor ha sugerido que un estudio de simulacin es muy importante para la ingeniera de sistemas porque presenta las siguientes ventajas [5] y [6]: A travs de las simulaciones, se puede estudiar el efecto de cambios internos y externos en un sistema. Al hacer alteraciones en el modelo realizado y observando los efectos de esas alteraciones se conoce el comportamiento del sistema. Una observacin detallada del sistema que se est simulando puede conducir a un mejor entendimiento y por consiguiente a sugerir estrategias que mejoren la operacin y eficiencia. La simulacin de sistemas complejos puede ayudar a entender mejor su modo de operacin, a detectar las variables ms importantes que interactan en el sistema y a entender mejor las interrelaciones entre estas variables. La tcnica de simulacin puede ser utilizada para experimentar con nuevas situaciones, sobre las cuales tiene poca o ninguna informacin. A travs de esta experimentacin se puede efectuar una anticipacin de posibles resultados no previstos. Cuando se introducen nuevos elementos en un sistema, la simulacin se puede usar para anticipar cuellos de botella o algn otro problema que puede surgir por el comportamiento del sistema. En una simulacin cada variable puede mantenerse constante excepto las que se quieran variar para estudiar su influencia en el modelo. Como resultado el posible efecto de descontrol de las variables que ocasionan en el comportamiento del sistema pueden ser despreciadas. Como frecuentemente se hace en experimentos desarrollados sobre un sistema real. Debido a la proliferacin de las simulaciones, estas se utilizan en todos los mbitos de la vida y en todos los campos de anlisis y estudio. Buscando referencias sobre simulaciones, est presente en un abanico muy amplio de campos [7]: en el mbito de la economa, la poltica, el desarrollo tecnolgico, las ciencias sociales, las ciencias naturales, aspectos filosficos, teora de juegos Volviendo al caso personal del mbito de las telecomunicaciones y en concreto las comunicaciones pticas, el desarrollo de algoritmos y protocolos en redes de larga distancia no sera posible estudiar si no se dispusiera de este tipo de herramientas. Permiten sacar conclusiones y resultados que posteriormente pueden aplicarse con la conviccin de que puede funcionar correctamente sin tener que invertir mucho tiempo y dinero para que luego no funcione. III. MODELOS ESTNDAR Y SIMULACIONES Para llevar a cabo las simulaciones, los autores se basan en modelos estndar que posteriormente se van modificando para aproximarlos a la realidad. Esto se puede aplicar en cada uno de los campos. Por ejemplo, el autor en [7] destaca de qu forma a lo largo de las ltimas dcadas se ha incrementado el uso de modelos en las ciencias sociales. A pesar del uso de modelos, y de idealizaciones es necesaria la adaptacin hasta obtener algo que est en contacto con la realidad que se quiere demostrar. Los modelos deben de ser chequeados para comprobar su autenticidad. En puntos de vista del pasado se vea una teora como una estructura lgicamente organizada de unas hiptesis, desde las cuales las predicciones se hacan deduciendo las posibles consecuencias de suposiciones que soportaban ciertas condiciones lmites. Si las predicciones eran correctas entonces las condiciones lmite se llevaban a cabo, pero si por el contrario las hiptesis fallaban la teora deba de ser rechazada [7]. De todas estas ideas algo sigue presente en la actualidad. Si se utiliza el modelo de un ejemplo que permite la incorporacin de afirmaciones en una teora en la que se pueden representar las predicciones, las salidas de los testeos se pueden relacionar con la aceptacin del modelo. En el caso personal del mbito de las comunicaciones pticas, para el desarrollo de cualquier tipo de simulaciones y utilizando cualquier plataforma de simulacin como por ejemplo: OPNET [8], OMNeT++ [9], NS2 [10] Existen mdulos o partes del simulador que estn previamente programadas por el autor para evitar al programador del modelo el tener que volver a reprogramar estndares que se utilizan en mltiples ocasiones y de esa forma se consigue unicidad en los criterios de simulacin. Distintos investigadores o programadores pueden desarrollar su idea utilizando la misma base y los mismos modelos estndares y as se garantiza que se puedan comparar los resultados de forma fiable. Si cada uno de ellos partiese de cero, las conclusiones y comparaciones no tendran la misma eficacia porque el camino seguido hubiera sido diferente. Otro posible ejemplo del uso de simulaciones, se puede aplicar a los proyectos de tesis de la asignatura Metodologa sobre la Informacin. Las referencias [11] y [12], en las descripciones de la metodologa utilizada en sus proyectos de tesis, se explica cmo es necesario estudiar modelos ya existentes, identificar problemas y a partir de ah desarrollar nuevas soluciones y evaluarlas. Para realizar el proceso de evaluacin, no se utiliza un sistema de simulacin por ordenador, pero s se utiliza una muestra de usuarios de los que se extraen conclusiones y sern los que permitan sacar conclusiones sobre la propuesta desarrollada antes de llevarla a la prctica. IV. FIABILIDAD DE LOS RESULTADOS En muchos estudios de simulacin una gran cantidad del dinero y tiempo se gasta en el desarrollo de un modelo y programando, pero poco tiempo se dedica a analizar la calidad de los resultados apropiadamente. Como consecuencia de esto, es muy comn el modo de operacin de hacer una nica ejecucin de tamao arbitrario y tratar los resultados como las caractersticas del modelo verdadero [13]. Las muestras aleatorias son tpicas para llevar a cabo simulaciones y estas podran tener largas varianzas, con lo que los resultados podran diferir ampliamente de los resultados reales del modelo. Las opciones disponibles para el diseo y anlisis de

3 los resultados de las simulaciones depende de dos factores: si terminan de forma natural o, por el contrario no hay un evento que finalice la simulacin. En la Fig. 2 que se detalla en el aparatado V se clasifican las simulaciones en funcin de su estado y la forma en la que concluyen. Cuando se analizan los resultados obtenidos en una simulacin, el investigador o la persona encargada del anlisis tiene que aportar sus conocimientos sobre la materia para saber si los resultados que se estn obteniendo son satisfactorios o si por el contrario no lo son. Todos los modelos que se realicen deben ser revisados a menudo para descubrir problemas lgicos o errores en el modelo. Se debe revisar tambin las especificaciones del modelo, el anlisis de datos, animaciones, resultados de salida Existen tutoriales creados por expertos en la materia de la simulacin que presentan tcnicas para construir modelos de simulacin vlidos y crebles [14]. Si el modelo no es una aproximacin cercana del sistema a representar, ninguna conclusin derivada de este modelo tiene la alta probabilidad de ser errnea y podra ser tenido en cuenta en las decisiones que se tomen [14]. La validacin es un proceso para determinar si un modelo de simulacin es una representacin fiable del sistema para unos objetivos concretos de estudio. Un modelo vlido se puede usar para tomar decisiones similares a las que se tomaran si se hiciese con el mismo sistema real. La facilidad o dificultad del proceso de validacin depende de la complejidad del sistema que se ha modelado. Un modelo de simulacin de un sistema complejo slo puede ser una aproximacin del actual sistema, no importa la cantidad de tiempo y dinero que se gaste en la construccin del modelo. Un modelo de simulacin debe siempre desarrollarse para unos objetivos particulares, de hecho un modelo vlido para unas cosas podra no serlo para otras. La validacin no es algo que hay que tenerlo en cuenta despus de que el modelo se ha desarrollado y slo si hay tiempo y dinero disponible. A pesar de esta serie de objetivos que se deben cumplir segn [14], la ltima recomendacin no siempre se tiene en cuenta. En el siguiente esquema se muestran los pasos secuenciales que se deben realizar para validar una simulacin. Si se siguen los pasos que se reflejan en la Fig. 1, se realiza una correcta validacin de un modelo de simulacin. 1) Formular el problema. 2) Recoger informacin y los datos y as construir un documento con suposiciones. 3) Si el documento con suposiciones es vlido el proceso contina, sino se vuelve al paso 1) o 2). 4) Se programa el modelo. 5) Si la programacin del modelo es vlida se contina, sino se vuelve al paso 1) o 2). 6) Si el modelo es vlido se realiza el diseo y anlisis de experimentos. 7) Por ltimo se presentan documentos con los resultados obtenidos.

Fig.1 Siete estados secuenciales que se deben seguir para validar un modelo de simulacin [14].

De nuevo volviendo al ejemplo que se est utilizando a lo largo del informe de comunicaciones pticas, para publicar o para dar a conocer los resultados lo primero que se debe hacer es analizar lo que se ha obtenido. Si una persona por s misma no es capaz de extraer todas las conclusiones adecuadas, ser su grupo de trabajo el que le apoye y le asesore para publicar los resultados o para dar marcha atrs con lo obtenido. V. SUPOSICIONES QUE SE REALIZAN PARA UNA SIMULACIN Para construir una simulacin primero hay que definir un sistema y los elementos con los que interactan. En la prctica interesan modelos que estn compuestos por entidades similares a las de sistemas reales y que interacten y cambien de la misma forma que lo hace un sistema real. Un modelo debe ser creado para responder una cuestin especfica, en algunas ocasiones se piensa que es posible construir un modelo totalmente general, que podra ser usado posteriormente para responder cualquier pregunta [13]. Aunque un modelo creado con una finalidad, puede tener deficiencias cuando se intenta generalizar. Cuando se genera un modelo se deben conocer de qu forma se van a conocer los resultados en funcin de los datos con los que se est trabajando, representados en la Fig. 2. Si no existe aleatoriedad en el modelo se puede ejecutar una vez para determinar la respuesta, mltiples ejecuciones no darn informacin adicional. Si el modelo es un sistema esttico, o tiene dependencia con el tiempo, pero tiene bien definido el estado final, se deben usar rplicas para estudiarlo. Como cada una de las iteraciones del modelo es independiente, los datos se pueden almacenar y analizar con estadstica clsica. Si, por el contrario, se tiene una simulacin dinmica que no tiene un fin concreto, no se pueden usar directamente las estadsticas clsicas. Existen distintas tcnicas para analizar estos resultados. La ms simple es la

4 replication/deletion [13]. Primero, se borra el transitorio inicial de la simulacin y despus de analiza el comportamiento medio de los resultados. Como son independientes cada una de las ejecuciones unas vez eliminado el periodo transitorio inicial se puede utilizar la estadstica clsica. En las simulaciones se est jugando con una serie de variables de entrada al sistema y con una serie de variables de salida. El ejecutor del simulador puede realizar cuantas variantes considere oportunas manteniendo parmetros constantes o hacindolos variar a lo largo de la simulacin. Dependiendo de la forma en la que se establezcan se pueden obtener unos u otros resultados que deben hacer pensar al investigador lo que tiene entre manos y qu finalmente lo que est intentando mostrar es un sistema real. VI. ABSTRACCIN DE LAS REALIDAD A PARTIR DE LOS
RESULTADOS OBTENIDOS

Una vez que se confecciona el modelo y se llevan a cabo las simulaciones, llega el momento de realizar el anlisis de los resultados. Hay que conocer las distintas entradas y salidas que tiene la simulacin e intentar sacar una relacin con el sistema real que ha sido modelado. El esquema mostrado en la Fig. 3, representa el ciclo completo que se debe seguir cuando se efecta una simulacin. Hay tres partes diferenciadas: por un lado el anlisis, por otro la simulacin y un tercero son las medidas realizadas. 1) El anlisis da apoyo para validar los resultados y puede informar sobre el nivel de exactitud de los mismos. 2) Las medidas confirman las predicciones analticas y dan informacin de los modelos analticos y de simulacin a travs del descubrimiento. 3) Las simulaciones se usan como la llave para confirmar la exactitud analtica y es especialmente interesante cuando se est implementando una nueva solucin. Adems las simulaciones puedes confirmar medidas a travs de la variabilidad de los procesos que deben ser medidos.

Fig.2 Diagrama de estados para conocer de qu forma concluir las simulaciones en funcin de los datos con los que se trabaje [13].

Fig.3 Ciclo completo ante el desarrollo de una simulacin [4].

CONCLUSIONES En nuestro entorno de estudio, generamos simulaciones que no tienen un momento final concreto, es el usuario quin debe decidir en que momento concluirlas. Para ello se dispone de herramientas estadsticas que ayudan al simulador y este concluye cuando los resultados convergen. Si el intervalo de confianza del resultado es mayor o igual al 95%, se puede considerar como correcto el resultado. Para ello, se han analizado el nmero suficiente de muestras como para considerar despreciable el periodo transitorio inicial. En este artculo se ha presentado la simulacin como una herramienta importante para el mundo ingenieril, pero no slo en ese mbito sino que se utiliza en muchos otros, como las ciencias sociales, ciencias naturales, medicina, economa poltica y en teora de juegos que fueron los precursores de este tipo de tcnicas para poder imitar la realidad. Se han llevado a cabo unas guas sobre cmo se debe realizar correctamente una simulacin y los pasos que se deben seguir para poder sacar conclusiones claras. Primeramente se utilizan modelos estndar que ya existen y despus se van modificando para desarrollar la idea con la que se trabaja. Por ltimo es muy importante concluir que gracias al simulador muchos trabajos se pueden ejecutar sin temor a que

5 pueda haber un problema o un fallo en lo que se est realizando, est claro que hay invertido mucho tiempo y dinero en el diseo de un modelo correcto, pero llevar a un sistema real lo que en un ordenador simula podra ser, en la mayora de los casos, imposible y la tecnologa no hubiese avanzado tan rpido como lo ha hecho en los ltimos aos. REFERENCIAS
[1] D.Goldsman, Introduction to simulation Proceedings of the 2007 Winter Simulation Conference pp.26-37, 2007. [2] H. Mielants, E. Mielants The importance of simulation as a mode of analysis Theoretical and practical implications and considerations New York BTNG I RBHC, XXVII, 3-4, pp. 293322, 1997. [3] Pgina de opinin de la importancia de la simulacin en la ingeniera. http://www.mitecnologico.com/Main/DefinicionEI mportanciaSimulacionEnIngenieria, ltima visita 22 de Junio de 2009. [4] A.M.Law Statistical analysis of simulation output data: the practical state of the art Proceedings of the 2007 Winter Simulation Conference pp.77-83, 2007. [5] T. H. Naylor The Impact of the Computer on Society. Atlanta: Southern Regional Education Board, 1967. [6] T. H. Naylor The Design of Computer Simulation Experiments. Durham, NC: Duke University Press, 1969. [7] L. Collins, "The Use of Models in the Social Sciences" London, 1976. [8] Pgina Opnet Modeler, http://www.opnet.com, ltima visita 20 de Junio de 2009. [9] Pgina OMNeT++, http://www.omnetpp.org/, ltima visita 23 de Junio de 2009. [10] Pgina NS2, http://www.isi.edu/nsnam/ns/, ltima visita 20 de Junio de 2009. [11] M.L. Bote, "Gridcole, un sistema maleable basado en servicios grid para el apoyo del aprendizaje colaborativo guiado", Proyecto de tesis doctoral, ETSIT, UVA, Valladolid, Marzo de 2005. [12] G. Vega, "Ontoolcole/Ontoolsearch: un sistema centrado en el educador para la bsqueda de servicios CSCL basado en ontologas", ETSIT, UVA, Valladolid, Febrero de 2007. [13] P.J. Sanchez, Fundamentals of simulation Modeling Proceedings of the 2007 Winter Simulation Conference, pp.54-62, 2007. [14] A. M. Law, How to build valid and credible simulation models Proceedings of the 2006 Winter Simulation Conference, pp. 58-66, 2006.