Simulación
Capítulo 1
Simulación de Eventos Discretos
Universidad Politécnica Salesiana
Facultad de Ingenierías
Sede Matriz Cuenca
Esquema de Contenidos
⇨ Introducción
⇨ Sistemas Modelos y Control
⇨ Desarrollo del Modelo
⇨ Experimentación y Optimización
Esquema de Contenidos
⇨ Introducción
⇨ Sistemas Modelos y Control
⇨ Desarrollo del Modelo
⇨ Experimentación y Optimización
Introducción (1)
⇨ Con la llegada de los ordenadores en la década de
los 50's, se han desarrollado una serie de
herramientas analíticas.
⇨ Estas herramientas han impactado de forma
positiva en diversas áreas de la ciencia.
⇨ Una de estas herramientas es precisamente la
simulación
⇨ Las aplicaciones de la simulación son muy
extensas: Economía, Finanzas, Sistemas de
inventarios, Análisis y evaluación de inversiones,
Sistemas de Colas, etc.
Introducción (2)
⇨ Un poco de historia y conceptos:
⇨ El verbo simular hoy en día se usa para definir al viejo
arte de crear modelos.
⇨ En el año 1940, John Von Neumann y Stanislaw
Marcin Ulam acuñan el término “Análisis de Monte
Carlo” para aplicarlo a una técnica matemática que
usaban en ese entonces en la resolución de ciertos
problemas de protección nuclear, que eran o
demasiado costosos para resolverse
experimentalmente o de enorme complejidad para un
tratamiento analítico.
Introducción (3)
⇨ Un poco de historia y conceptos:
⇨ El análisis de Monte Carlo involucraba la solución de
un problema matemático, no probabilístico mediante
la simulación de un proceso estocástico, cuyos
momentos o distribuciones de probabilidad
satisfacen las relaciones matemáticas del problema
no probabilístico.
⇨ Se denomina proceso estocástico a toda variable que
evoluciona a través del tiempo de forma total o
parcialmente aleatoria.
Introducción (4)
⇨ Un poco de historia y conceptos:
⇨ Distribución de probabilidad de una variable aleatoria
es una función que asigna a cada suceso definido
sobre la variable aleatoria la probabilidad de que
dicho suceso ocurra.
⇨ Sistema formal: artificio matemático compuesto de
símbolos que se unen entre sí formando cadenas.
Estas cadenas pueden ser manipuladas por reglas
para producir otras cadenas.
Introducción (5)
⇨ Definiciones de Simulación:
⇨ C. West Churchman:
➢
“X simula a Y” sí y solo sí:
X e Y son sistemas formales.
Y se considera como sistema real.
X se toma como una aproximación del sistema real.
Las reglas de validez en x no están exentas de error.
⇨ Shubik (una de las más populares):
➢
La simulación de un sistema (o un organismo) es la
aplicación de un modelo (simulador), el cual
representa al sistema. Este modelo puede sujetarse
a manipulacions que serían imposibles de realizar,
demasiado costosas o imprácticas.
Introducción (6)
⇨ Definiciones de Simulación:
⇨ R. E. Shannon:
⇨ “La simulación es el proceso de diseñar un modelo de
un sistema real y llevar a término experiencias con
él, con la finalidad de comprender el
comportamiento del sistema o evaluar nuevas
estrategias -dentro de los límites impuestos por un
cierto criterio o un conjunto de ellos - para el
funcionamiento del sistema”
Esquema de Contenidos
⇨ Introducción
⇨ Sistemas Modelos y Control
⇨ Desarrollo del Modelo
⇨ Experimentación y Optimización
Sistemas, Modelos y Control (1)
⇨ Según la definición de Puleo, un sistema es “un conjunto
de entidades caracterizadas por ciertos atributos, que
tienen relaciones entre sí y están localizadas dentro de
cierto ambiente, de acuerdo con un cierto objetivo”.
⇨ Una entidad constituye la esencia de algo y por lo tanto
es un concepto básico.
⇨ Los atributos determinan las propiedades de una entidad
al distinguirlas por la característica de estar presentes de
forma cualitativa o cuantitativa.
⇨ Los atributos cuantitativos tienen dos percepciones: la
Dimensión y la Magnitud.
Sistemas, Modelos y Control (2)
⇨ La dimensión es una percepción que no cambia y que
identifica al atributo, para lo cual se usa sistemas de
medida tales como CGS (Sistema Cegesimal de
Unidades), MKS (Metro, Kilogramo, Segundo).
⇨ Ejemplos de dimensión son: kilogramo, tamaño, sexo,
color, etc.
⇨ La magnitud es la percepción que varía y que determina
la intensidad del atributo en un instante de tiempo t.
⇨ Ejemplos de magnitud son: 30 Kg, 20 empleados, etc.
Sistemas, Modelos y Control (3)
⇨ Un problema posee diversas soluciones, que dependerán
de los diferentes valores que pueden tomar sus variables
de entrada.
⇨ Por ejemplo, un físico busca describir el comportamiento
de la naturaleza, es decir, hallar las leyes que ligan los
diversos fenómenos que la conforma, siendo unos causa
y otros efecto.
⇨ Por ello, se emplea para este efecto los Modelos.
Sistemas, Modelos y Control (4)
⇨ En términos generales, un modelo es “una manera de
proceder cuando tratamos de comprender las realidades
del mundo que nos rodea”.
⇨ Como primer paso para solucionar un problema,
debemos encontrar la forma de describir la parte de la
realidad en que reside el problema.
⇨ Un modelo científico es: “una representación abstracta,
conceptual, gráfica o visual, física, matemática, de
fenómenos, sistemas o procesos a fin de analizar,
describir, explicar, simular - en general, explorar,
controlar y predecir- esos fenómenos o procesos”
Sistemas, Modelos y Control (5)
⇨ Clasificación de los modelos de acuerdo a su grado de
abstracción:
●
Modelos Mentales
●
Modelos Simbólicos
✔
Modelos Matemáticos
✔
Modelos Verbales
●
Modelos Físicos
✔
Modelos Icónicos
✔
Modelos Analógicos
Sistemas, Modelos y Control (6)
⇨ Modelos matemáticos y físicos:
●
Modelos Físicos:
✔
Aquellos en los que los atributos de las entidades
del sistema se representan por medidas físicas
(voltaje, velocidad, etc.). Las actividades del
modelo se reflejan en las leyes físicas.
●
Modelos Matemáticos:
✔
Aquellos donde las entidades del sistema y sus
atributos se representan mediante variables
matemáticas. Las actividades se describen
mediante funciones matemáticas que
interrelacionan las variables.
Sistemas, Modelos y Control (7)
⇨ Los modelos matemáticos se subclasifican en:
●
Cuantitativos: Aquel cuyos principales símbolos
representan números. Son de gran utilidad en los
negocios.
●
Cualitativos: Aquel cuyos símbolos representan en su
mayoría Cualidades no numéricas. Una fuente
importante es la teoría de conjuntos.
●
Probabilísticos: Aquellos que se basan en la
estadística y probabilidades (incorporan
incertidumbres que por lo general acompañan las
observaciones de eventos reales).
Sistemas, Modelos y Control (8)
⇨ Los modelos matemáticos se subclasifican en:
●
Determinístico: Corresponde a aquel modelo
cuantitativo que no contiene consideraciones
probabilísticas.
●
Descriptivo: Cuando el modelo describe una situación
del mundo real en términos matemáticos,
descripción que puede emplearse para exponer una
situación con mayor claridad.
●
Optimizador: Corresponde al modelo ideado para
seleccionar entre varias alternativas, de acuerdo a
determinados criterios, la más óptima.
Sistemas, Modelos y Control (9)
⇨ Observaciones a tener en cuenta:
●
Los modelos de cualquier clase, sin importar su
refinamiento o exactitud, pueden ser poco
prácticos si no están respaldados con datos
confiables.
●
Si se distorsionan las estimaciones, la solución
obtenida, pese a ser óptima en un sentido
matemático, será de calidad inferior a la del
sistema real.
●
Por lo expuesto, la disponibilidad de datos puede
tener un impacto directo en la precisión del
modelo.
Sistemas, Modelos y Control (10)
⇨ Observaciones a tener en cuenta:
●
La recopilación de datos puede ser la parte más
complicada para determinar un modelo.
●
No se puede sugerir un conjunto de reglas para
realizar el proceso de recolección de datos.
Esquema de Contenidos
⇨ Introducción
⇨ Sistemas Modelos y Control
⇨ Desarrollo del Modelo
⇨ Experimentación y Optimización
Desarrollo del Modelo (1)
⇨ Dentro del desarrollo de una simulación se pueden
distinguir las siguientes etapas:
●
Formulación del Problema . - Determina el objeto
de la simulación. Se deben especificar claramente
estos elementos:
Resultados que se esperan del simulador
Plan de experimentación
Tiempo disponible
Variables de interés
Tipo de perturbaciones a estudiar
Tratamiento estadístico de los resultados
Complejidad del interfaz del simulador
Etc.
Desarrollo del Modelo (2)
⇨ Dentro del desarrollo de una simulación se pueden
distinguir las siguientes etapas:
●
Definición del sistema . - El sistema que se simulará
debe estar definido perfectamente. Se debe establecer
donde estará la frontera de interacción entre el sistema a
estudiar y el medioambiente.
●
Formulación del modelo . - En esta etapa se capturan los
aspectos relevantes del sistema real. Estos aspectos
dependen de la formulación del problema.
●
Colección de datos . - La naturaleza y la cantidad de datos
se determinan por la formulación del problema y del
modelo. Pueden ser obtenidos de registros históricos,
experimentos en laboratorio o mediciones realizadas en
el sistema real.
Desarrollo del Modelo (3)
⇨ Dentro del desarrollo de una simulación se pueden
distinguir las siguientes etapas:
●
Implementación del modelo en el ordenador . - Se
implementa el modelo a través de un lenguaje de
programación/simulación.
●
Verificación . - En esta etapa se verifica que no se hayan
cometido errores durante la implementación del modelo.
Se usan herramientas de ejecución por pasos
(debugging).
●
Diseño de experimentos . - Se especifica las características
de los experimentos a realizar: tiempo de arranque,
tiempo de simulación y número de simulaciones. No se
debe incluir la elaboración del conjunto de alternativas a
probar para seleccionar la mejor, ya que esto es tarea de
la optimización.
Desarrollo del Modelo (4)
⇨ Dentro del desarrollo de una simulación se pueden
distinguir las siguientes etapas:
●
Experimentación . - En esta etapa se realizan
simulaciones de acuerdo al diseño previo. Se
recolectan y procesan los resultados.
●
Interpretación . - Se analiza la sensibilidad del modelo con
respecto a los parámetros con mayor incertidumbre.
●
Implementación . - Se entrega la solución al cliente y se lo
capacita en su uso.
●
Documentación . - Elaboración de documentación técnica y
manuales de uso.
Desarrollo del Modelo (5)
⇨ Modelado
●
Definición: Proceso de construcción de un modelo.
Un modelo es una representación de un objeto,
sistema o idea.
●
Utilidad de los modelos:
Pensamiento . - Ordenar y completar el conocimiento
de un sistema real.
Comunicación . - Elimina la ambigüedad para
comunicarse con expertos.
Entrenamiento e instrucción . - Se puede usar para
entrenar con costo y riesgo casi nulos.
Predicción . - Un modelo permite predecir la conducta
del sistema real.
Experimentación . - Permite hacer experimentación
segura y a bajo coste.
Desarrollo del Modelo (6)
⇨ Modelado
●
El modelado es un arte, por ello cualquier conjunto de
reglas a seguir tiene utilidad limitada para llevar a
cabo esta tarea. Modelar implica la capacidad la
analizar el problema, extraer características
esenciales, enriquecer y elaborar el modelo hasta
tener una aproximación útil.
Desarrollo del Modelo (7)
⇨ Modelado
●
Los pasos sugeridos para realizar este proceso son:
1) Establecer claramente los objetivos
2) Analizar el sistema real
3) Dividir el problema en problemas simples
4) Buscar analogías
5) Considerar un ejemplo numérico específico del
problema
6) Determinar variables de interés
7) Escribir datos obvios
8) Escribir ecuaciones teóricas o empíricas que
describen fenómenos presentes y relacionan
variables de interés
9) Si se tiene un modelo manejable enriquecerlo, caso
contrario simplificarlo
Desarrollo del Modelo (8)
⇨ Ejercicio en clase:
●
Emplear el programa del “juego de la vida” de John
Conway para realizar el siguiente proceso de
simulación:
Determinar las variables que rigen el sistema
Diseñar un plan de simulación que permita llegar a
una configuración en que los autómatas celulares
no varíen
Diseñar un plan de pruebas automatizado, es decir,
que sea controlado por el ordenador y que
permita lanzar una batería de experimentos.
Recopilar los resultados de estos planes.
Dirección Web del Juego de la Vida:
[Link]