Captulo 1 Conceptos bsicos de simulacin

Introduccin
La historia y la evolucin de la simulacin, utilizando computadoras, han ido paralelas a la evolucin de la Informtica. Sus orgenes los encontramos en la segunda Guerra Mundial cuando dos matemticos, J. V. Neumann y S. Ulam, tenan el reto de resolver un problema complejo relacionado con el comportamiento de los neutrones. Los experimentos basados en prueba y error eran muy caros y el problema era demasiado complicado para abordarlo mediante tcnicas analticas. Durante la Guerra Fra se intensific el uso de la simulacin para resolver problemas de inters militar; trayectorias y dinmicas de satlites artificiales, guiar msiles, etc. Muchos de estos problemas exigen la resolucin de sistemas de ecuaciones diferenciales no lineales. Para abordar estos problemas se utilizaron computadoras analgicas que usaban elementos electrnicos para resolver las operaciones matemticas: integracin, suma, multiplicacin, generacin de funciones, etc. A partir de la dcada de los 60 empiezan a aparecer en el mercado programas de simulacin de sistemas de acontecimientos discretos que poco a poco se empezaron a utilizar para resolver problemas de mbito civil. Los ms destacables fueron el GPSS de IBM (General Purpose System Simulator) y el SIMSCRIPT. Los modelos de acontecimientos discretos son muy utilizados en la actualidad para estudiar problemas de fabricacin de procesos, logstica, transporte, comunicaciones y servicios. Estos problemas se caracterizan por centrar su inters en los cambios que hay en el sistema como consecuencia de los acontecimientos y en su capacidad para modelar los aspectos aleatorios del sistema. La revolucin que se produjo en la informtica a partir de los aos 80, tiene un impacto importante en la simulacin por computadora. El uso de simuladores se generaliza en prcticamente todos los mbitos de la ciencia y la ingeniera, por ejemplo: Prediccin del tiempo: el primer modelo numrico de prediccin del tiempo que dio resultados positivos fue desarrollado por J. G. Charney, R. Fjrtoft y J. von Neumann con el ordenador "ENIAC" (Electronic Numerical Integrator and Computer). Desde entonces, y especialmente en las ltimas dos dcadas, se han popularizado estos simuladores para la prediccin a corto y largo plazo del tiempo. Entrenamiento de pilotos: la necesidad de entrenar los pilotos surge ya en los inicios de la aviacin. A falta de computadoras y programas informticos de simulacin, los primeros pilotos se entrenaban con primitivos simuladores fsicos. Actualmente, todos los pilotos estn obligados a entrenar-se peridicamente en sofisticados simuladores para estar preparados para resolver cualquier problema que pueda aparecer en el vuelo. Finalmente, en los ltimos aos, el uso de la simulacin se ha ampliado al sector del ocio y ha entrado en el mbito familiar con productos de software sofisticado, que utilizan todos los recursos del ordenador: grficos potentes, bases de datos, computacin intensiva, etc. Algunos

de los simuladores ms populares son MS Flight Simulator, NASCAR Racing, SimCity, Civilization, RollerCoaster Tycoon, y The Sims. En conclusin, podemos decir que la informtica ha estado el instrumento bsico que ha permitido y permitir seguir avanzando en el campo de la simulacin por ordenador. Simulacin es un rea de estudio que forma parte de la Investigacin de Operaciones (IDO), La cual es usada prcticamente en todas las reas de estudio conocidas. Simulacin permite estudiar un sistema sin tener que realizar experimentacin sobre el sistema real. Esto presenta muchas ventajas que discutiremos ms adelante aqu. Sin embargo, esta no es la nica forma de estudiar un sistema; otra posibilidad es construir un modelo anlitico conformado por un conjunto de ecuaciones (generalmente diferenciales) que representan al sistema para luego resolverlo para diferentes situaciones, o bien plantear un modelo de optimizacin que pretende proporcionar la mejor estrategia que el sistema debe adoptar para funcionar mejor de acuerdo con alguna medida de rendimiento establecida en la "funcin objetivo" y satisfaciendo las diversas condiciones del problema, establecidas en "las restricciones". Los modelos que se obtienen como un conjunto de ecuaciones se denominan con frecuencia modelos analticos, es decir modelos de ecuaciones diferenciales o de optimizacin. Por cierto que, los estudiosos de las ecuaciones diferenciales afirman con orgullo que todos los modelos analticos son de ecuaciones diferenciales, ya que incluso una simple ecuacin algebrica es una ecuacion diferencial de orden cero (sic). Cualquiera que sea el caso, analizaremos aqu a manera de introduccin los modelos analticos y los de simulacin, que por cierto an no decimos como son, pues primero veremos algunas inconveniencias de los modelos analticos. Posteriormente, despues de discutir brevemente que son los modelos de simulacin, indicaremos ventajas y desventajas de los modelos de simulacin.

Definicin de simulacin
En trminos generales, la simulacin es el estudio de sistemas reales, con el objetivo de generar la historia artificial de dichos sistemas, ste proceso, es denominado experimento. Estos experimentos involucran ciertos tipos de relaciones matemticas y lgicas, las cuales son necesarias para describir el comportamiento y la estructura del sistema. La manipulacin de estos resultados experimentales, tiene propsitos de inferencia o de pronstico, en otras palabras, la simulacin consiste en obtener una imitacin o duplicado de las caractersticas o actividades principales del fenmeno. La simulacin es, esencialmente un proceso de diseo experimental, desarrollo y anlisis de los resultados de algn modelo matemtico que representa a alguna situacin o fenmeno real (denominado sistema), La simulacin es un procedimiento cuantitativo que describe un proceso al desarrollar un modelo del mismo y despus conducir una serie de experimentos de tanteos organizados para predecir el comportamiento del mecanismo con el tiempo. El observar los experimentos es muy parecido a observar el proceso en operacin. Para encontrar cmo reaccionara el proceso real a ciertos cambios, podemos producir estos cambios en nuestro modelo y simular la reaccin del proceso real a ellos.

Simulacin es una palabra que es familiar a los profesionales de todas las disciplinas e incluso para aqullos que no han estudiado una carrera profesional. De esta manera el significado de la palabra Simulacin se explica casi por s misma. Entre los significados que podemos obtener de la gente comn y corriente para la palabra "Simular", se encuentran los siguientes: "Imitar la realidad", "emular un sistema", "dar la apariencia o efecto de un sistema o situacin real". Hay muchas definiciones propuestas sobre lo que significa Simulacin, he aqu algunas definiciones: "Una simulacin es una imitacin de la operacin de un proceso del mundo real sobre determinado tiempo" "El comportamiento de un sistema durante determinado tiempo puede ser estudiado por medio de un modelo de simulacin. Este modelo usualmente toma su forma a partir de un conjunto de postulados sobre la operacin del sistema real". En la primera definicin, est implcito un sistema, mismo que contiene un proceso (posiblemente formado por subprocesos). De esta manera se trata de un sistema el cual cambia con el tiempo. Ntese que en esta definicin no se seala si las relaciones de las variables del sistema son discretas o continuas, esto depende del modelo que representar al sistema real. Esta divisin no existe siempre en la realidad, hemos sido los seres humanos quienes lo hemos dividido (para facilitar su estudio) en discreto y continuo. Esto pasa con todas las cosas de la naturaleza; est es nica, sin embargo, el hombre se ha encargado en dividirla en fisica, biologa, matemticas, etc. No importa como dividamos a la naturaleza esta seguir siendo nica y probablemente indivisible. Un modelo es una representacin de un objeto de inters. No obstante que el objeto sea nico, el nmero de representaciones es por lo general muy grande, de modo que el nmero de modelos de un sistema del mundo real lo es es tambin. Puesto que para un sistema del mundo real habr tantas representaciones como concepciones de la realidad se tengan, el nmero de modelos es por lo general infinito. El hecho de que se tenga ms de un modelo de simulacin para un sistema real, no nos debe preocupar demasiado, encontrar un modelo de simulacin casi siempre es facil, mientras que encontrar un modelo analtico con frecuencia es una tarea ardua, independientemente que, para muchos problemas, un modelo analtico, simplemente no existe. Obsrvese que en la segunda definicin tambin se hace hincapi de un modelo, dejando entrever la posibilidad de diferentes modelos, lo cual resulta totalmente natural, dada la multiplicidad de modelos para un mismo objeto del mundo real. Ntese tambin que se propone un objetivo de la simulacin: "estudiar sistemas reales a travs de modelo". Podramos agregar aun ms que el propsito de estudiar a los sistemas reales es comprender la interaccin de los procesos que intervienen en el, con el propsito de modificarlos para obtener un beneficio determinado. En esta definicin est implcito que: 1) Un modelo de simulacin representa un conjunto de suposiciones (o postulados) sobre la operacin de un sistema real. 2) Los postulados de un modelo de simulacin se pueden expresar como relaciones entre entidades u objetos de inters del sistema en forma de expresiones matemticas, lo que llevara a un modelo analtico.

Afortunadamente, es posible reemplazar esas expresiones mtemticas y el clculo de los valores de las variables de inters, a travs de funciones de distribucin de probabilidad. Para los problemas de lneas de espera, existen modelos analticos que pretenden representar los resultados promedio de la utilizacin de dichas funciones de distribucin de probabilidad. Los Modelos de Markov tambin apuntan en esa direccin. Los Modelos de simulacin de eventos discretos (o simulacin tipo MonteCarlo), por el contrario, utilizan estas funciones de distribucin con el propsito de realizar una experimentacin cuyos resultados llevarn, despus de un nmero conveniente de ensayos a lo que se obtendra en el sistema real. Estos modelos de simulacin tienen la ventaja que se pueden para muchos tipos de problemas y no slo para aqullos de lneas de espera. Existen adems modelos del rea de teora de Control que incorporan funciones de distribucin de probabilidad y lo que se conoce como estabilidad de sistemas, referidos recientemente como Teora de Caos que se pueden tambin usar para una gran variedad de problemas. Los modelos de estabilidad empleados asi son por lo regular difciles de construir y validar. Por otra parte tambin existen modelos de optimizacin que utilizan funciones de distribucin y permiten estudiar sistemas del mundo real de alguna manera; ejemplos de elos son los modelos de redes neuronales y algoritmos genticos. Otras tcnicas empleadas son Redes de petri y Modelos de Regresin. En este curso solamente estudiaremos modelos de lneas de espera y de Markov y, modelos de Simulacin de eventos discretos tipo Montecarlo. En lo que sigue usaremos el trmino "Simulacin", para referirnos a "Simulacin de Eventos Discretos". En este curso usaremos el Trmino "Simulacin", para referirnos a la Simulacin de Eventos Discretos tipo MoneCarlo.

Fases de la simulacin
En un experimento de simulacin se deben considerar las siguientes etapas: Formulacin del problema. Construccin de un modelo matemtico que represente al sistema en estudio. Derivacin de una solucin a partir del modelo. Comprobacin del modelo y se la solucin derivada de l. Establecimiento de controles sobre la solucin. Aplicacin de la solucin Formulacin del problema.- La investigacin debera empezar con la formulacin del problema en estudio, pero raramente se alcanza este paso antes de entrar en la prxima fase de la investigacin, pues la formulacin del problema es en general un proceso subsiguiente. Terminada la formulacin inicial, se realiza la investigacin, pero, durante esta, el problema se halla sujeto a continuas variaciones y a una progresiva formulacin y refinamiento, hasta que se llega a una solucin. En cierto sentido, nunca se sabe hasta el final de la investigacin, y quiz ni siquiera entonces, si el problema estaba formulado correctamente. El deseo de encauzar rpidamente la investigacin es causa, frecuente, de una reduccin del tiempo y esfuerzo dedicado a formular el problema, lo cual es probablemente muy costoso. En consecuencia, todo equipo e simuladores, debera incluir un procedimiento estndar para

formular el problema de una manera sistemtica, y debera hacerse una distribucin especfica de tiempo para la formulacin. En este captulo consideraremos un procedimiento idealizado de formulacin del problema, que consideramos es el mejor hasta ahora, en el caso de no estar sujetos a ninguna restriccin. En la prctica, raramente podremos utilizar este sistema ideal, pero para elaborar un buen procedimiento prctico es necesario tener ante nosotros una idea del mejor procedimiento disponible. Adems, este procedimiento ideal nos proporcionar un objetivo instrumental hacia el que dirigirnos y con ello mejorar nuestros esfuerzos investigadores. Construccin de un modelo matemtico.- Este modelo expresa la eficacia del sistema en estudio como una funcin de una serie de variables de las cuales una al menos est sometida a control. La forma general de un modelo es ( ) Donde representa la eficacia del sistema; las variables del sistema sujetas a control, , las variables no sujetas a control. Las restricciones sobre los valores de las variables pueden expresarse en un conjunto complementario de ecuaciones. Deduccin de una solucin a partir del modelo.- Esencialmente, existen dos tipos de procedimientos para deducir una solucin ptima a partir de un modelo: el analtico y el numrico. El procedimiento analtico consiste en la utilizacin de la deduccin matemtica, lo que implica la aplicacin de diversas ramas de las matemticas tales como el clculo o el algebra de matrices. Las soluciones analticas se obtienen en abstracto, es decir, que la sustitucin de smbolos por nmeros se realiza en general despus de obtener la solucin. Los procedimientos numricos consisten esencialmente en ensayar en el modelo diversos valores de las variables controladas, comparar los resultados obtenidos y seleccionar el conjunto de valores de las variables que proporcionan la mejor solucin. Tales procedimientos varan desde la simple prueba y error hasta la compleja iteracin. Un procedimiento iterativo es aquel en que se intenta llegar a la solucin ptima a travs de sucesivas pruebas. Adems, este procedimiento proporciona normalmente un conjunto de reglas que identifican la solucin ptima como tal, una vez obtenida. Algunas expresiones de un modelo no pueden evaluarse numricamente con exactitud a causa de consideraciones de carcter matemtico o practico. En muchos de estos casos para obtener evaluaciones aproximadas de las expresiones puede utilizarse una aplicacin particular de muestreo aleatorio denominado tcnica de Monte Carlo. Comprobacin del modelo y de la solucin.- El modelo no es nunca ms que una representacin parcial de la realidad. Un modelo es bueno si, a pesar de su carcter incompleto, puede predecir con exactitud el efecto de los cambios sufridos por el sistema sobre la efectividad general de este. La adecuacin del modelo puede comprobarse determinando el grado de bondad con el que predice el efecto de estos cambios. La solucin puede evaluarse comparando los resultados obtenidos sin aplicar la solucin con las resultados obtenidos aplicndola, estas evaluaciones pueden hacerse retrospectivamente, por el uso de datos pasados o por el mtodo de ensayo o pruebas previas. Estas pruebas requieren un anlisis cuidadoso de los datos que son vlidos y de los que no lo son.

Establecimiento de controles sobre la solucin.- Una solucin deducida de un modelo sigue siendo una solucin solo en tanto que las variables no controladas mantengan sus valores y se mantenga constante la relacin entre las variables el modelo. La misma solucin se escapa de control en el momento en que cambia notablemente el valor de una o ms variables no controladas y, o, de una o ms relaciones entre las variables. La significacin del cambio depende del grado en que la solucin se desva del ptimo verdadero bajo las condiciones variables y el coste de cambiar la solucin. Para controlar la solucin es necesario, pues, disponer de instrumentos que determinen cundo ocurren cambios significativos y deben establecerse reglas para modificar la solucin y tener en cuenta tales cambios. Aplicacin de la solucin.- La solucin probada debe convertirse ms tarde en un conjunto de procesos funcionales capaces de ser comprendidos y aplicados por el personal responsable de su utilizacin. Y hay que especificar y llevar a cabo los cambios necesarios en los procedimientos y recursos existentes. Las etapas enumeradas raramente, quiz nunca, se realizan en el orden enunciado, y pueden incluso tener lugar de manera simultnea. As, por ejemplo, en muchos proyectos la formulacin del problema no est terminada hasta que el propio proyecto e halle virtualmente completo. Normalmente, existe una continua interrelacin entre estas etapas durante el proceso investigador

Tipos de simulacin
Simulacin determinista.- La caracterstica de este tipo de simulacin es que, dado un

conjunto determinado de entradas, los resultados siempre sern los iguales; y de acuerdo a la forma de solucin, la simulacin determinista puede ser de: Solucin analtica.- que son aquellos, en los cuales, las soluciones del problema se obtienen de manera cerrada, es decir se obtiene una nica solucin. Las soluciones analticas, responden casi siempre a sistemas relativamente sencillos, debido a que se realizan un gran nmero de suposiciones y simplificaciones. Solucin numrica.- son aquellos en las cuales, la solucin no es sencilla, y que casi siempre pertenecen a los problemas reales y la una nica manera de resolver este tipo de problemas complejos, es utilizando tcnicas numricas, las cuales proporcionan soluciones aproximadas, dependiendo del mtodo de solucin y a los valores de condicin inicial. La construccin de un modelo analtico tiene con frecuencia serios inconvenientes, entre los que podemos citar: 1) La dificultad de encontrar el modelo de ecuaciones que representen al sistema real y 2) La dificultad para resolver el modelo.
Simulacin estocstica.- En este tipo de simulacin, parte de la variacin tiene una

naturaleza aleatoria. El proceso de anlisis requiere la identificacin de los valores promedios y de sus tendencias. Los resultados de cualquier reproduccin del sistema es incierto aunque los resultados esperados medios pueden estar bien determinados. Por lo tanto, nicamente se pueden obtener soluciones promedio. Son ejemplos, de simulacin estocstica, el lanzamiento de dados

(observar el nmero de veces que aparece un nmero determinado en la cara superior), el lanzamiento de monedas para determinar la cantidad de veces que se obtiene el smbolo de sello. La naturaleza de estos modelos no permite dar un resultado particular, ms bien, se puede describir el conjunto de todos los resultados posibles del experimento. A medida que el experimento se repite, los resultados individuales parecen ocurrir en forma caprichosa. Sin embargo, como el experimento se repite un gran nmero de veces, aparece un patrn definido o regularidad. Esta regularidad hace posible la construccin de un modelo matemtico preciso con el cual analizamos el experimento.

Sistemas
Un sistema es un conjunto ordenado de elementos que se encuentran interrelacionados y que interactan entre s. El concepto se utiliza tanto para definir a un conjunto de conceptos como a objetos reales dotados de organizacin. Un sistema conceptual es un conjunto organizado de definiciones, smbolos y otros instrumentos del pensamiento (como las matemticas y la lgica formal), mientras que, un sistema real, es una entidad material formada por componentes organizados que interactan de forma en que las propiedades del conjunto no pueden deducirse por completo de las propiedades de la partes. Los sistemas reales comprenden intercambios de energa, informacin o materia con su entorno. Las clulas y la biosfera son ejemplos de sistemas naturales. La complejidad de un sistema real est determinada por el nmero de elementos que controlan su comportamiento, sin embargo, en una gran mayora de sistemas, slo unos cuantos elementos, son los responsables del comportamiento del sistema real. El trmino sistema ha ido evolucionando desde su concepcin por Ludwing Von Bertalanffy (1901-1972), el creador de la Teora General de los Sistemas, hasta nuestros tiempos. De tal forma que cada disciplina posee una interpretacin que se adecua a su campo de estudio. Las siguientes definiciones ayudan a entender desde la perspectiva de la simulacin qu debemos entender por sistema: Un sistema es una entidad que mantiene su existencia a travs de la interaccin de sus partes. Los sistemas existen y operan en un tiempo y un espacio. Un sistema es una coleccin de objetos o cosas (ideas, hechos, principios) de un sector especfico de la realidad que es objeto de estudio o inters. Las cosas u objetos se encuentran relacionados lgicamente entre s para realizar una funcin o alcanzar un objetivo mediante la ejecucin de un proceso. Harrell y Tumay ("Simulation Made Easy. A Managers Guide". Industrial Engineering and Management Press. Institute of Industrial Engineers Norcross, Georgia U.S.A. 1995.) aumentan claridad a la definicin anterior mediante definir los elementos que integran un sistema. stos se ilustran en la siguiente figura:

 Segn Smith and Taylor (Hamdy A. Taha. "Simulation Modeling and SIMNET". Prentice Hall. Primera edicin. New Jersey, 1988) un sistema est definido por una coleccin de entidades, por ejemplo, personas o mquinas, las cuales actan e interactan entre s para obtener un mismo fin. Un ejemplo sera una firma de negocios, la cual puede ser vista como un sistema que produce y vende productos, mantiene inventarios, contrata personal y realiza otras funciones para sobrevivir y crecer econmicamente en el sector industrial en el que participa. Por las definiciones anteriores se puede apreciar que los sistemas son entidades holsticas organizadas. Esto es: su totalidad es mayor que la suma de sus partes y poseen una estructura jerrquica de subsistemas y a la vez forman parte de suprasistemas, lo cual lleva al analista que emplea este enfoque de solucin de problemas a definir la frontera del sistema con su medio ambiente. Los sistemas pueden ser vistos desde mltiples perspectivas: Origen: naturales, aqullos creados por la naturaleza; artificiales, los creados por el hombre, o mixtos. Tamao: suprasistemas, sistema, subsistema. Comunicacin con su medio ambiente: cerrados, aqullos que no interactan con su medio ambiente, como los tomos, la molculas y los sistemas mecnicos; y abiertos, los que si interactan con su medio ambiente como los sistemas orgnicos (plantas y animales). Comportamiento: determinsticos o probabilsticos. Evolucin en el tiempo: estticos o dinmicos. Desde la perspectiva de la simulacin, un sistema que es objeto de estudio puede ser discreto o continuo, esttico o dinmico, determinstico o probabilstico. Estos calificativos dependen en cierta medida del

comportamiento de las denominadas variables de estado, es decir, aquellas variables que estn en funcin del tiempo y que muestran cmo el sistema evoluciona a travs de ste. El estado de un sistema se define como la coleccin de variables necesarias para describir a un sistema en un punto particular del tiempo relativo a los objetivos de un estudio. Un sistema est caracterizado por un conjunto de variables; cada combinacin de valores de las variables representa un estado del sistema. Estado Transitorio: Condiciones iniciales de un sistema. Cambios bruscos en la variable de respuesta del sistema. Estado Estable: La distribucin de probabilidad de la variable de respuesta no cambia en el tiempo. Matemticamente: El periodo de tiempo durante el cual la variable de respuesta ya no cambia. Pragmticamente: Cuando la respuesta del sistema no afecte al siguiente sistema/ proceso.

Modelos
Un modelo es la representacin de algn objeto sujeto a investigacin (objetos, acontecimientos, procesos, sistemas) y que se utiliza con fines de prediccin y control. La funcin primordial de un modelo tiene carcter explicativo, ms que descriptivo. Tiende a hacer posible, o a facilitar, la determinacin de cmo los cambios de algn aspecto de la entidad estudiada pueden afectar a otros aspectos o al conjunto de esa entidad. Con el empleo de modelos, esta determinacin se consigue estudiando el modelo en lugar de imponiendo cambios en la propia entidad sometida a modelo. Una definicin bastante generalizada de modelo indica que es la representacin idealizada de algn objeto sujeto a investigacin (fenmeno real) que se utiliza con fines de prediccin y control. La funcin primordial del modelo debe ser de carcter explicativo, ms que descriptivo. Dado que el modelo representa la realidad con una cantidad menor de informacin, existe un error inherente al proceso de modelizacin que puede ser reducido pero no eliminado. La reduccin del error puede hacerse por dos caminos complementarios: Mayor precisin en la medida y mejor seleccin de los componentes: no implica mayor complejidad del modelo. Mayor cantidad de componentes partes e interrelaciones funcionales-: implica una mayor complejidad del modelo. La ventaja de manejar el modelo en vez del sistema real, se evidencia cuando al sistema real no se le puede cambiar ningn parmetro o variable, debido a qu sera muy costoso hacerlo, mientras que, al modelo se le pueden alterar algunos o todos los parmetros para observar posibles cambios en el funcionamiento del sistema.

Clasificacin de los modelos

Existen numerosas clasificaciones de los modelos, ninguna de las cuales permite establecer realmente unas categoras estrictamente excluyentes. Por ejemplo, al disear un avin, el diseador puede resolver varias ecuaciones que describen la aerodinmica del avin. O, si aquellas ecuaciones son demasiado difciles de resolver, se puede construir un modelo a escala y observar su conducta en el tnel de viento.

En la simulacin, nosotros construimos modelos matemticos que no se pueden resolver y los corremos con datos de prueba para simular la conducta del sistema. Otros ejemplos: la prueba de medicinas en animales de laboratorio, las pruebas simulan las respuestas de los humanos. El manejo de automviles en pistas de prueba, simulan el ambiente que enfrentar el automvil. Modelos icnicos.- Los modelos icnicos son los ms fciles de concebir, en general, su funcin tiene carcter descriptivo en lugar de explicativo. Un modelo icnico parece lo que representa, por ejemplo, las fotografas, pinturas, maquetas y esculturas, son modelos icnicos de personas, objetos y/o escenas. Un automvil de juguete es un modelo icnico de un automvil verdadero. El globo terrqueo, es un modelo icnico de la Tierra. En general, una representacin es un modelo icnico en tanto que sus propiedades sean las mismas que las posedas por aquello que representa. Sin embargo, estas propiedades estn sujetas normalmente a una transformacin mtrica, es decir, se adaptan a una escala mayor o menor que la real. En el globo terrqueo, por ejemplo, el dimetro de la Tierra est reproducido a escala reducida, pero tiene, aproximadamente, la misma forma que la Tierra, y las imgenes relativas de los continentes, los mares, etc., son correctas, aproximadamente. Por el contrario, un modelo de un tomo est representado a gran escala para hacerlo visible a simple vista. La transformacin de la escala de las propiedades representadas significa una economa y facilidad de uso.

Ilustracin 1

Ilustracin 2. condicin

Modelos analgicos.- Los modelos analgicos se utilizan con buenos resultados en la representacin de situaciones dinmicas, frecuentemente se construyen dispositivos electromecnicos, cuyo funcionamiento sea anlogo al que queremos estudiar. Una de las ventajas de los modelos analgicos, es que pueden representar procesos diferentes del mismo tipo con pequeas modificaciones, por ejemplo, el sistema de masa y resorte (Fig. 1-1) representa esquemticamente al sistema de suspensin de un automvil en la que el movimiento de la estructura de la base es senoidal. Si los parmetros de los soportes (las constantes del resorte y amortiguador ) se seleccionan en forma adecuada, respecto a la masa y a la frecuencia de excitacin , se puede reducir el desplazamiento y del automvil a una fraccin pequea del desplazamiento de la base. Ese aislamiento de vibracin resulta en cocientes pequeos de 0 0 , en donde y 0 es la amplitud de la vibracin del automvil y 0 es la amplitud de la base del mvil.

Fig. 1-1

La ecuacin diferencial de movimiento de la masa del automvil es: 2 () 2 + + la Fig. 1-2 representa un circuito elctrico cuya ecuacin est dada por: 2 1 + + 2 En esta analoga, el voltaje, representa la fuerza externa aplicada al automvil 1 (() ()); la recproca de la capacitancia corresponde a la rigidez del resorte ( ); la resistencia representa el efecto amortiguador de la absorcin de choques ( ), y la inductancia de la bobina del circuito elctrico es equivalente a la masa del automvil sostenida por el resorte ( ); es el desplazamiento vertical del automvil y est representada por medio de la carga elctrica , en el sistema del circuito elctrico; en ambas ecuaciones aparece el tiempo. () Modelos simblicos.- Un modelo simblico es difcil de concebir debido a que tiene una forma abstracta, su funcin es de carcter explicativo, estos modelos se adaptan muy bien en tareas de prediccin o para determinar los efectos que se suceden en sistemas sometidos a

ciertos cambios. Un modelo simblico, es aquel que emplea smbolos para designar las propiedades del sistema en estudio, es decir, hace uso de las ecuaciones matemticas. La popularidad de estos modelos se ha debido al avance de la electrnica digital y la aparicin de las computadoras digitales, que pueden resolver problemas sistemas complejos de ecuaciones matemticas. La mayora de los sistemas reales, pueden ser expresados correctamente, mediante la aplicacin de ecuaciones diferenciales no lineales, las cuales pueden ser resueltas haciendo uso de computadoras, debido a su alto grado de complejidad. Las otras clases de ecuaciones, accesibles a una solucin analtica son de naturaleza trivial y restringida a unos pocos casos de inters real. La tabla 1-1 muestra las distintas clases de ecuaciones matemticas y los lmites de su solucin analtica.
Ecuaciones Lineales Una Algunas Ecuacin Ecuaciones Trivial Fcil Difcil Fcil Difcil Esencialmente imposible Ecuaciones no Lineales Una Algunas Muchas Ecuacin Ecuaciones ecuaciones Muy Muy Imposible Difcil Difcil Muy Difcil Imposible Imposible Imposible Imposible Imposible

Tipo de ecuacin Algebraica Diferencial Ordinaria Diferencial Parcial

Muchas Ecuaciones Esencialmente Imposible Esencialmente Imposible Imposible

Tabla 1-1. Clasificacin de problemas matemticos y su facilidad de solucin mediante mtodos analticos

El objetivo general de la construccin del modelo es reemplazar las palabras por expresiones matemticas que sean tan rigurosas y a la vez contengan tan pocos parmetros desconocidos como sea posible. Para formar un modelo completo es necesario disponer de dos condicionamientos matemticos: a) las ecuaciones que rigen al modelo b) las adecuadas condiciones de valor inicial y lmite

Del modelo a la solucin

Un modelo no es ms que un instrumento que ayuda a valorar posibles acciones alternativas. La eleccin de algn procedimiento que permita formular algn modelo, para luego hallar la solucin al problema planteado, depende nicamente de las caractersticas del modelo. Estos procedimientos son: procedimientos analticos y los procedimientos numricos. Un procedimiento analtico, tienen un carcter esencialmente deductivo, mientras que, un procedimiento numrico, tienen un carcter esencialmente inductivo. En algunos casos, no es posible aplicar ninguno de estos procedimientos, hasta que se valora un trmino de la

ecuacin por medio de lo que se llama la tcnica de Monte Carlo. Por esto, consideramos sucesivamente las tcnicas analticas, numricas y de Monte Carlo. Soluciones analticas.- El procedimiento analtico consiste en la utilizacin de la deduccin matemtica, lo que implica la aplicacin de diversas ramas de las matemticas tales como el clculo o el lgebra. Las soluciones analticas se obtienen en abstracto, es decir, que la sustitucin de smbolos por nmeros se realiza en general despus de obtener la solucin. La construccin de un modelo analtico tiene con frecuencia serios inconvenientes, entre los que podemos citar: 1) La dificultad de encontrar el modelo de ecuaciones que representen al sistema real y 2) La dificultad para resolver el modelo. Con esto no se pretende decir que los modelos analticos sean intiles, ya que existen cierto tipo de problemas, para los cuales se conoce la forma de obtencin del modelo as como la manera de construir un algoritmo eficiente para resolverlo. Soluciones numricas.- Los procedimientos numricos consisten, esencialmente, en ensayar en el modelo diversidad de valores de las variables controladas, comparar los resultados obtenidos y seleccionar el conjunto de valores de las variables que proporcionan la mejor solucin. Tales procedimientos varan desde la simple prueba y error hasta la compleja iteracin. Un procedimiento iterativo es aquel en que se intenta llegar a la solucin ptima a travs de sucesivas pruebas. Adems, este procedimiento proporciona normalmente un conjunto de reglas que identifican la solucin ptima como tal, una vez obtenida.

Validacin del modelo

Hemos dicho que un modelo, es el instrumento que ayuda a valorar las posibles acciones a seguir. Cuando se habla de validar un modelo, se habla de la calidad de realismo que se obtiene al utilizar el modelo, en reemplazo del sistema real. Es decir, debemos poder responder a la siguiente interrogante: el modelo describir adecuadamente el comportamiento del sistema en periodos futuros? En primer, lugar se puede recoger datos y ver la forma en que dichos datos se ajustan a las predicciones del modelo. Se han desarrollado mtodos estadsticos muy precisos para comprobar la exactitud del ajuste, que resultan muy satisfactorios cuando se trata de modelos sencillos. Si disponemos de dos series de datos (una correspondiente al proceso real y otra al modelo) para un modelo relativamente poco complicado, suele ser preciso introducir una cantidad considerable se subjetividad en el anlisis a la hora de establecer concordancia entre las dos series de datos. En cualquier caso, si la respuesta del modelo concuerda satisfactoriamente con los resultados experimentales, aumenta la confianza de la aptitud de las descripciones matemticas. Si la concordancia es mala, se debe revisar el modelo o bien formular otro modelo. Otros criterios a considerar, adems de la fidelidad, para evaluar un modelo son: exactitud, reproductividad, coste, tiempo, complejidad, capacidad y posibilidad de aplicacin. Una manera de validar la utilidad del modelo, consiste en comparar los datos experimentales del sistema real con los datos obtenidos usando el modelo y verificar la concordancia entre las variables de salida.

Adems, se debe de preguntar la exactitud en las predicciones del modelo de simulacin respecto al comportamiento del sistema real en periodos posteriores. Para este caso, se han desarrollado mtodos estadsticos muy precisos para comprobar la exactitud del ajuste, que resultan muy satisfactorios cuando se trata de modelos sencillos. Si el investigador dispone de dos series de datos (una correspondiente al proceso real y la otra al simulado) para modelos bastante simples, suele ser preciso introducir una cantidad considerable de subjetividad en el anlisis a la hora de establecer la concordancia entre las dos series de datos. Otros criterios para la evaluacin de un modelo, adems de la fidelidad, son la exactitud, reproducibilidad, coste, tiempo, complejidad, capacidad y posibilidad de aplicacin. El problema de validar los modelos de simulacin es realmente difcil porque implica un gran nmero de complejidades prcticas, tericas, estadsticas. La validacin de los experimentos de simulacin es solo una parte de un problema ms general, es decir, la validacin de cualquier modelo o hiptesis. Las preguntas bsicas son: qu significa validad una hiptesis?, qu criterios se deben emplear para establecer la validez de una hiptesis?.

Ventajas y desventajas de la simulacin

Hay mltiples razones para justificar el empleo de la simulacin. La simulacin permite estudiar la conducta de sistemas complejos, un modelo de simulacin realista permite efectuar observaciones, en condiciones controladas. La simulacin proporciona un ambiente experimental para la comprobacin de hiptesis, reglas de decisin y sistemas alternativos de funcionamiento, bajo una gran variedad de condiciones supuestas. La Simulacin permite el estudio de, y la experimentacin con, las interacciones internas de un sistema real o, entre un subsistema con uno o ms sistemas donde las relaciones son de naturaleza estocstica. La simulacin es conveniente cuando: * * * * Se requiere analizar diferentes cambios en la informacin y su efecto. Se desea experimentar con diferentes diseos o polticas. Se desea verificar soluciones analticas. Un modelo analtico es imposible o dificil de construir.

* Se desea estudiar un sistema real y resulta peligroso o costoso hacerlo en el propio sistema real; la posibilidad de hacerlo mediante un modelo anlitico resulta imposible iconveniente. Ademas, puede resultar conveniente: Usar la simulacin como un instrumento pedaggico para reforzar metodologas analticas. Determinar cuales son las variables ms importantes del modelo de un sistema, mediante el uso de simulacin. De esta manera se podr construir un modelo refinado del sistema real. Esto puede ser til para la construccin de modelos diferentes a los de simulacin. Algunas aplicaciones de Simulacin que podemos citar son los siguientes: * Operaciones de mantenimiento

* Simulacin del Trfico de un sistema (Teleproceso, Trfico areo y terrestre, telecomunicaciones, telefona,...). * Cambios en la configuracin de un sistema. * Simulacin econmica. * Estrategias militares. * Control de inventarios. * Lneas de produccin, Importancia de la simulacin.- La simulacin es importante por las siguientes dos razones
1)

Es posible alterar algunos o todos los parmetros del modelo, de la situacin a probar, y observar los posibles cambios en el funcionamiento del sistema real, es decir, trabajar con un modelo no es peligroso ni costoso. Por ejemplo, se puede simular el funcionamiento de una planta nuclear para probar los efectos de ciertos tipos de fallas sin peligro. Permite recrear situaciones extremas, que no ocurriran en un mundo real. Por ejemplo, si a un psiclogo se le ocurre estudiar los efectos de un incremento gradual de la inteligencia de un ratn hasta alcanzar el estado humano y estudiar el fenmeno de inteligencia contra instinto.

2)

En ambos casos, la nica diferencia entre un experimento de simulacin y otro tomado de la realidad, es que en el primer caso, el experimento se realiza con un modelo de sistema real y no con ste propiamente dicho. La simulacin puede considerarse como un experimento sobre el modelo.

Recoleccin y procesamientos de datos tomados de la realidad

En primera instancia, la informacin descriptiva y cuantitativa (datos) referente al sistema que se va a investigar constituye un requisito previo a la formulacin del problema. En segundo lugar, los datos que hayan sido reducidos a una forma significativa pueden sugerir hiptesis de cierta validez, las cuales se usarn en la formulacin de los modelos matemticos que describen el comportamiento de un sistema dado. Como tercer punto, los datos tambin pueden sugerir mejoras o refinamientos en los modelos matemticos que existen en el sistema por simularse. En cuarto lugar, es necesario que los datos, reducidos a una forma final, se utilicen para estimar los parmetros de las caractersticas de operaciones relativas a las variables internas, externas y de estado del sistema. Finalmente, cabe considerar que sin tales datos, sera imposible probar la validez de un modelo para la simulacin. La recoleccin de datos es el proceso de captacin de los hechos disponibles, con lo cual stos pueden ser procesados posteriormente, cuando sea necesario. En realidad, el proceso de recoleccin y el de almacenamiento de datos ocurren simultneamente, pues el primero implica que los datos sean o hayan sido almacenados.