You are on page 1of 26

Modelamiento y

Simulación
Ing. Luis Otake
Ciclo 2018-II
Contenido de la Primera Unidad

Introducción. Modelado y Simulación

Proyecto de simulación de sistemas

Fundamento de probabilidades

Generación de números pseudoaleatorios

Prueba de uniformidad de números pseudoaleatorios

Generación de variables aleatorias
Proyecto de Simulación
de Sistemas
Semana 02
Contenido

Formulación del Problema

Recolección de Datos y Análisis

Desarrollo del Modelo

Verificación y Validación del Modelo

Experimentación y Análisis de las Salidas

Implantación de los Resultados de la Simulación

Documentación
Formulación del Problema

¿Cuál es el problema?

No se hace una sola vez, sino a través de todo el proyecto.

Definir los objetivos y metas del estudio

Definir el sistema a estudiar (límites, alcances y limitaciones
o restricciones de la abstracción)

Elaborar un diagrama de flujo lógico
Formulación del Problema

Objetivos y
Problema
metas

Flujograma

Alcances y
Sistema
limitaciones
Formulación del Problema

Un sistema se puede definir de la siguiente manera (metodología de Churchman):
– Objetivos

Formulados o manifiestos

Reales u ocultos
– Ambiente o Límites (lo que está “fuera” del sistema), el cual debe:

Estar más allá del control del sistema

Ejercer algún tipo de influencia en el desempeño del sistema
– Recursos (necesarios para el logro de los objetivos)
– Subsistemas o componentes (son las misiones, trabajos o actividades para lograr los objetivos)
– Gestión o administración

Planificación

Control
Formulación del Problema

Desarrollar un modelo apropiado tomando en cuenta:
– Nivel de detalle
– Propósito del modelo
– Contribución de las variables al modelo
Recolección de Datos y Análisis

Recopilar datos de la realidad para estimar las variables y parámetros de
entrada.

Decidir:
– Cómo recopilar la información
– Qué datos se necesitan y qué tan importantes son

Si existen variables aleatorias:
– Identificar la distribución de frecuencias
– Verificar si la distribución no cambia en el tiempo
– Validar la sensibilidad del modelo ante diferentes distribuciones de probabilidad
Recolección de Datos y Análisis

Consideraciones para la selección del método:
– Capacidad de quien recoja los datos
– Impacto del proceso de recolección sobre el comportamiento del
sistema real
– Puede producir perturbaciones reales, físicas o psicológicas en el
sistema
– Facilidad de conversión de los datos a la computadora
– Costo del método
Desarrollo del Modelo

Reducción o abstracción del sistema real a un diagrama de
flujo lógico.

Definir el nivel de detalle del estudio (o nivel de
simplificación):
– Detallado (podría implicar mucho tiempo en la implementación)
– Simplificado (podría no permitir alcanzar el objetivo planteado)
Desarrollo del Modelo

Comprensión del sistema
– Aproximación del flujo físico
– Representación por diagramas de flujo de datos
– Aproximación del cambio de estado (definición de suceso o
evento)
Desarrollo del Modelo

Construcción del modelo
– Elección de mecanismos de avance en el tiempo (incrementos
fijos o por eventos)
– Elección de un lenguaje de programación

Lenguajes de simulación (GPSS, SLAM, SIMAN, SIMSCRIPT, etc.)

Lenguajes de propósito general (C, Java, etc.)
– Generación de números y variables aleatorias

Implementación y depuración del modelo
Verificación y Validación del Modelo

Verificación
– Estudio de la consistencia interna del modelo

Validación
– Asegurar que existe una correspondencia entre el sistema real y el
modelo
Verificación

Para asegurar que el modelo se comporta de la manera que
se desea.

Verifica si el modelo está correctamente construido.

Verifica si el modelo se ha construido de acuerdo con las
especificaciones.

Se realiza por inspección a lo largo del proyecto.
Validación

Prueba la concordancia entre el desempeño del modelo y el
desempeño del sistema real.

Examina el ajuste del modelo a ciertos datos empíricos.

Un buen modelo es aquel que se ajusta mejor a los datos y
por lo tanto, se puede usar para predecir la realidad.

Los modelos son hipótesis sujetas a validación.
Experimentación y Análisis de las Salidas

Consiste en generar los datos deseados y realizar el análisis
de sensibilidad de los índices requeridos.

El análisis de sensibilidad consiste en variar los parámetros
del sistema y observar su efecto en la variable de interés.

Se realiza:
– Un conjunto de experimentos predeterminado
– Técnicas de búsqueda de óptimos

Metodología de superficie de respuesta
Experimentación y Análisis de las Salidas

Planeación estratégica
– Cómo diseñar y experimentar con el modelo de simulación:

Reducir el número de pruebas experimentales

Proporcionar una estructura para el proceso de aprendizaje
– Objetivos de la experimentción:

Encontrar la combinación de valores de parámetros que optimizan las
variables de interés.

Explicar la relación entre la variable de interés y las variables controlables.
– La experimentación ayuda a conocer el sistema
Experimentación y Análisis de las Salidas

Planeación táctica
– Implica aspectos de eficiencia
– Cómo llevar a cabo cada experimento

Problema de interés
– Condiciones de inicio para llegar a un estado deseado, dado que al
iniciar una corrida debe pasar cierto tiempo para alcanzar las
condiciones de equilibrio representativas del mundo real.
– Necesidad de reducir la varianza de la respuesta, dado que se requiere
minimizar el tamaño de la muetra requerida.
Experimentación y Análisis de las Salidas

Tipos de análisis de las salidas:
– Para sistemas con final definido
– Para sistemas con final no definido
– Influyen en las salidas:

Condiciones iniciales

Tamaño de la muestra
Implantación de los Resultados

Consiste en la aceptación por parte del usuario

Problemas:
– Existe un vacío de comunicación entre el analista y los responsables y usuarios
del sistema.
– Falta de entendimiento por parte de los responsables del sistema debido a los
tecnicismos utilizados.
– El compromiso de implementación es tardío.
– Resistencia al cambio.
– Falta de coincidencia entre el presonal disponible y los objetivos marcados por
el modelo.
Implantación de los Resultados

Se realiza la interpretación de los resultados que arroja la
simulación, y en base a ello se toma una decisión.

Se determina si el modelo de simulación es útil para resolver
el problema planteado al inico de la investigación.
Implantación de los Resultados

Documentación
– Ayuda a incrementar la vida útil del modelo.
– Se relaciona con los procesos de desarrollo, operación e
implantación del modelo de simulación.
– Ayuda al modelador a reconocer sus propios errores y a mejorar
para el siguiente proyecto.
Implantación de los Resultados

Implantación
– Condiciones para un proyecto exitoso:

Aceptado

Entendido

Usado
Actividades

Como parte de la formulación del problema, describir el sistema detallando
lo siguiente:
– Objetivos
– Ambiente
– Recursos
– Subsistemas o componentes
– Gestión (planificación y control)

Elabore un diagrama de flujo del proceso o un bosquejo aproximado para
describir el sistema.

Valide el diagrama con el cliente.
Fin de la Sesión
Semana 02

You might also like