“AÑO DE LA CONSOLIDACIÓN

SOCIAL Y ECONÓMICA DEL PERÚ”

UNIVERSIDAD SAN PEDRO - SULLANA

U. S. P.

FACULTAD DE INGENIERÍA

Tema :
“Modelo Fisico”

Curso :
“Simulación de Sistema”

Profesor :
“Ing. Eduardo Balcaza Tazara”

Integrantes :
Talledo Silva, Stalyn

Especialidad :
Sistema e informática

Ciclo : IX

2010
INTRODUCCIÓN A LA SIMULACIÓN.

El verbo simular cada vez toma mayor auge en diversas disciplinas científicas, para describir
el viejo arte de la construcción de modelos. Aun cuando esta palabra se aplica a
diversas formas de construcción de modelos, tales como: Los de la escultura y pintura
del Renacimiento; Los modelos a escala de aviones; Los modelos en computadora
de los procesos cognoscitivos, e incluso en las ciencias físicas y en las del comportamiento

Su empleo moderno se remonta hacia fines de 1940, cuando Von Neumann y Ulam
acuñaron el término “análisis de Monte Carlo” para aplicarlo a una técnica matemática
que usaban 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.

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.

Con la llegada de computadoras de gran velocidad, la simulación tomó otro significado

aún, al surgir la posibilidad de experimentar con modelos matemáticos (que
describen algún sistema de interés) en la computadora. Por vez primera, los sociólogos al
igual que los físicos encontraron que podrían realizar experimentos controlados de
laboratorio.

Al simular en computadoras, surgieron innumerables aplicaciones y con ello, un número

mayor de problemas teóricos y prácticos.

Desgraciadamente, no existe acuerdo respecto a una definición precisa de la palabra

1
simulación, la propuesta por C. West Churchman es estrictamente formal:

“ X simula a Y” sí y solo sí:

a) X e Y son sistemas formales.

b) Y se considera como sistema real

c) X se toma como una aproximación del sistema real

d) Las reglas de validez en x no están exentas de error

Ciertamente Bacon fue el padre de la filosofía científica actual o el método científico,

como se denomina frecuentemente, consiste en cuatro pasos bien conocidos:
 1. Observación de un sistema físico.

2. Formulación de una hipótesis (en nuestro caso un modelo matemático) que

intente explicar las observaciones realizadas al sistema.

3. Predecir el comportamiento del sistema con base en la hipótesis formulada

mediante el uso de la deducción lógica o matemática, esto es, por la
obtención de soluciones del modelo o modelos matemáticos.

4. Realización de experimentos para probar la validez de las hipótesis o del modelo

matemático.

La abstracción consiste en reemplazar la parte del universo bajo análisis, por un modelo de
estructura similar, pero más sencillo. Los modelos constituyen entonces una necesidad
central del procedimiento científico.

Se puede definir un Modelo como una abstracción de algún sistema real, que tiene la
posibilidad de empelarse para propósitos de predicción y control.

El objeto del método científico es permitir al analista la determinación de uno o más

cambios en los aspectos del sistema modelado que afectan otros aspectos del sistema
o incluso la totalidad del sistema.

¿Por qué reiterar los rasgos más importantes del método científico?, La razón es que en
ocasiones no resulta recomendable seguir los cuatro pasos anteriormente descritos
en un problema o sistema particular, en estos casos alguna forma de simulación puede
considerarse, como substituto satisfactorio a los pasos.

En ocasiones, puede ser imposible o extremadamente costoso observar ciertos procesos en

el mundo real. Por ejemplo previo a lo primeros vuelos tripulados realizados por los
Estados Unidos o la Unión Soviética, la NASA no tenía información de los efectos que
tales vuelos tendrían sobre los seres humanos, pues nadie lo había experimentado antes.
Era claro que una alternativa para obtener dicha información inicial acerca de los vuelos
espaciales en los seres humanos, era la realización de un gran número de vuelos
experimentales usando pilotos de prueba.

Otros ejemplos de procesos en los que puede ser imposible o muy oneroso obtener los
datos, pueden ser: el reporte de ventas de una empresa para el año siguiente; el producto
geográfico bruto de un país en los próximos cinco años; los efectos de una campaña
publicitaria en las ventas totales de una empresa. En todos estos casos la simulación
puede ser empleada como medio efectivo para generar datos numéricos que describen
procesos que de otra manera implicaría un elevado costo en proporcionar a información.

En segundo lugar, el sistema observado puede ser tan complejo que sea imposible
describirlo en términos de un sistema de ecuaciones matemáticas, del cual se puedan
tener soluciones analíticas para ser usadas con propósitos predictivos. Aún cuando un
modelo matemático logre formularse para describir algún sistema de interés, es posible
no obtener una solución del modelo por medio de técnicas analíticas directas. La mayoría
de los sistemas económicos se encuentran en está categoría.
También, puede ser costoso u imposible realizar experimentos de validación en
determinados modelos matemáticos.

Se ha constatado que la simulación constituye un instrumento extremadamente efectivo para

trabajar con problemas de este tipo. Otro tipo de problemas que presentan dificultades
semejantes son los fenómenos de espera en gran escala, aquellos que implican canales
múltiples, sean ellos en serie y/o en paralelo.

Razones par considerar la simulación:

- Una de las principales razones para escoger la simulación

computacional es la dificultad para vencer los obstáculos de implantar el
método científico.
- La simulación hace posible estudiar y experimentar complejas interacciones
que ocurren al interior de un sistema dado, ya sea una empresa, industria o
subsistema de cualquiera de ellos.
- La información detallada del sistema que se está simulando conduce a un mejor
entendimiento del mismo y proporciona sugerencias para mejorarlo.
- Mediante su empleo se adquiere experiencia que puede ser más valiosa que la
simulación en sí misma.
- Puede emplearse para verificar soluciones analíticas.
- Ella convierte a especialistas en profesionales generalistas.
Mediante la simulación se puede estudiar los efectos de determinados cambios informativos,
de organización, y ambientales, en la operación de un sistema, al hacer alteraciones en su
modelo y observar los efectos de estos en el comportamiento del sistema.

INTRODUCCIÓN A LOS MODELOS.

En la mayoría de los problemas que plantean los fenómenos de

organización, las soluciones son innumerables, ya que las variables son muy
numerosas y por lo general toman un gran número de valores. Este aspecto
combinatorio de los fenómenos complejos de organización, es uno de los
que encara particularmente la investigación de operaciones.

Frecuentemente, los datos de los problemas no están claramente determinados, solo se

conocen muestras de distribución estadísticas. Por ejemplo, en el problema de las
“Colas”, se tienen: llegadas aleatorias (llegadas de vehículos a una caja de un
peaje, detenciones accidentales de los vehículos, etc.) y tiempos de servicios
variables (tiempo de atención a un usuario, duración de la reparación de un buque,
etc.); en los problemas de stock se considera también el caso de una demanda aleatoria
y de un tiempo variable de reaprovisionamiento. Es decir, las
aplicaciones del cálculo de probabilidades juegan un rol importante en la investigación
operativa.

Dado un modelo matemático de un sistema, en ocasiones es posible obtener información de

él a través de métodos analíticos, más si ello no es posible, es menester emplear métodos
de cómputo numéricos en la resolución de las ecuaciones. Se dispone de una
enorme variedad de estos métodos, para solucionar las ecuaciones de modelos
matemáticos. En el caso de los modelos matemáticos dinámicos, se ha conseguido identificar
una técnica específica, denominada simulación de sistemas, en la cual se
resuelven simultáneamente todas las ecuaciones del modelo con valores que crecen
continuamente en el tiempo.
En consecuencia, La simulación de sistema se puede definir como la técnica de
resolución de problemas siguiendo los cambios en el tiempo de un modelo de sistema
dinámico

Como la técnica de simulación no busca la resolución analítica de las ecuaciones de un

modelo, generalmente un modelo matemático construido con propósitos de simulación es de
diferente naturaleza a otro diseñado para técnicas analíticas, ya que este caso se requiere
tener presente las restricciones impuestas por la técnica analítica, además de hacer
variadas suposiciones generales que satisfagan las restricciones.

En cambio, es posible construir un modelo de simulación con más libertad. Formando una
serie de componentes que correspondan a los diagramas de bloque. Cada
componente se puede describir matemáticamente en forma directa y natural, sin otorgar
demasiada consideración a la complejidad de manejar varios de estos
componentes. Pero, es necesario organizar y configurar las ecuaciones de
modo tal, para que se pueda emplear un procedimiento rutinario en su
resolución simultánea.

NATURALEZA EXPERIMENTAL DE LA SIMULACIÓN.

La simulación no pretende aislar las relaciones entre determinadas variables, sino que,
busca observar la forma en que cambian todas las variables del modelo a través del tiempo.
Las relaciones entre las variables deben ser deducidas de las observaciones. Para
lograr comprender las relaciones que participan en el sistema, es necesario realizar varias
“corridas” de simulación, por consiguiente, la simulación debe planearse como una
serie de experimentos.

El modo en que se desarrollan los experimentos de simulación depende

directamente de la naturaleza del estudio. Geoffrey Gordon en su
libro Simulación de Sistema; plantea que los estudios de sistemas son de tres tipos:

a) Análisis de Sistemas.

b) Diseño de Sistemas.

c) Postulación de Sistemas

En el análisis de sistemas procura comprender la forma de operación de un

sistema ya existente o planteado. Construyendo un modelo, aun cuando
lo ideal sería experimentar con el propio sistema, y mediante la simulación se indaga
el comportamiento del sistema. Interpretando los resultados obtenidos en términos
de comportamiento el sistema.
En diseño de sistemas lo que se busca es generar un sistema que satisfaga ciertas
especificaciones. En este caso, el diseñador puede seleccionar o plantear
determinados componentes de sistemas, y conceptualmente selecciona una determinada
combinación de componentes para construir el sistema. El sistema propuesto se
modela y se predice su comportamiento a partir del conocimiento del sistema. Luego
se compara el comportamiento pronosticado con el comportamiento
deseado, en caso que la comparación sea aceptable, se aprueba el diseño, de lo
contrario, se rediseña el sistema y se vuelve a repetir el proceso.

La postulación de sistemas es característica del modo como se utiliza la simulación

en estudios sociales, económicos, políticos y médicos, en los cuales se conoce el
comportamiento del sistema, pero no se conocen los procesos que provocan dicho
comportamiento. El estudio confronta la respuesta del modelo basado en esas hipótesis
con el comportamiento ya conocido. Si la comparación entrega una correspondencia
razonablemente buena, conduce de forma natural a la suposición de que la
estructura del modelo semeja al sistema real, y por ende, permite postular una estructura del
sistema.

PASOS INVOLUCRADOS EN LOS ESTUDIOS DE SIMULACIÓN

A pesar que existen diversas variaciones en la forma de

desarrollo de un estudio de simulación, es posible identificar
ciertos pasos básicos en el proceso, los pasos principales a
considerar son:

LOS MODELOS.

El físico que busca describir el comportamiento de la naturaleza, vale decir, hallar las
leyes que ligan a los diversos fenómenos que la conforma, siendo unos causas
y otros efectos, emplea para este efecto los Modelos.

Deduce estos modelos de numerosas y pacientes experiencias, mediante las

cuales trata de comprender y a veces, reproducir los procesos naturales.
Una definición de modelo en términos muy generales es: “Una manera de proceder
cuando tratamos de comprender las realidades del mundo que nos rodea”.

Si se pidiera a usted, que formara en su mente una imagen de un negocio con el

que esté completamente familiarizado y después que describiera diez aspectos más
importantes, lo más probable es que usted mencionara fundamentalmente
aspectos conceptuales, y no aquellos concretos del negocio, por ejemplo:

- Las utilidades de los productos.

- Volúmenes de ventas.

- Ventajas competitivas.

-  Sistemas de distribución, etc.

No es posible dibujar un retrato de estos aspectos, pero, sin embargo, estas

corresponden a las partes principales de la imagen, su modelo mental del negocio,
que emplea diariamente para resolver los problemas que el negocio y usted afrontan.

De este modo es posible reducir los fenómenos económicos a modelos

matemáticos, de hecho, hace mucho tiempo que las empresas emplean estos modelos
matemáticos, por ejemplo, los modelos contables fundados en la aritmética, que
sirven para escribir la historia del pasado.

CLASIFICACIÓN DE LOS MODELOS.

De acuerdo a lo expuesto anteriormente, se ha tratado de distinguir entre los

modelos abstractos que formamos en nuestra mente, los modelos simbólicos que
empleamos para tener un registro de los modelos abstractos y los modelos físicos
o materiales, que utilizamos en oportunidades como substitutos de situaciones
del mundo real que nos interesan.

a) Clasificación es de acuerdo a su grado de abstracción.

En este diagrama, visto de derecha a izquierda, los modelos se van haciendo
cada vez más abstractos, siendo el modelo mental la más pura abstracción.
Cuando pensamos en un modelo verbal, formamos uno mental de dicho modelo y
frecuentemente no nos percatamos de la diferencia. La principal virtud de
separar los modelos mentales de todos los otros, radica en que establece la diferencia
entre lo que sucede dentro de nuestra mente y lo que pasa afuera. Los filósofos
designan “hipostatización” a esta confusión entre la realidad y nuestros pensamientos
acerca de esa realidad.

b) Otra forma de clasificarlos es como modelos físicos y matemáticos.

- Modelos Físicos: Aquellos donde los atributos de las entidades del sistema se
representan por medidas físicas tales como: un voltaje, o la posición de un eje o
flecha. Y las actividades del sistema se reflejan en las leyes físicas que
subyacen al modelo.

- Modelos Matemáticos: Son aquellos donde las entidades del sistema y sus
atributos se representan mediante variables matemáticas. Y las actividades se describen
mediante funciones matemáticas que interrelacionan las variables.
a) Los Modelos físicos estáticos corresponden a los modelos a escala así como también
los modelos icónicos. Los modelos físicos dinámicos corresponden a los modelos
analógicos.

b) Modelos matemáticos estáticos son aquellos que despliega las relaciones entre los
atributos de un sistema cuando este está en equilibrio. Sí se cambia el punto de equilibrio
alterando uno o más atributos, el modelo permite deducir los nuevos valores de todos los
atributos, pero no muestra la forma como cambiaron a sus nuevos valores.

c) En tanto que son poco comunes los Modelos matemáticos dinámicos que pueden
resolverse analíticamente y que den resultados prácticos. Con frecuencia ellos deben
resolverse mediante métodos numéricos. A modo de ejemplo de un método que no
es de simulación para resolver dichos modelos, considere determinar bajo cuales
condiciones vibra la estructura del avión.

Es posible establecer un modelo dinámico, que describa la respuesta de dicha estructura a

las fuerzas aerodinámicas, aun cuando no es posible resolverlo analíticamente. La
pregunta de que si habrá o no vibraciones se puede determinar numéricamente
evaluando las raíces de ciertas ecuaciones asociadas. Los cálculos numéricos no
constituyen simulación, ya que no sigue el movimiento de la estructura de la
aeronave en el tiempo. Simplemente es un procedimiento para determinar las raíces
de la ecuación.

TIPOS DE MODELOS MATEMÁTICOS.

- Modelo cuantitativo es aquel cuyos principales símbolos representan números.

Son los más comunes y útiles en los negocios.

- Modelo cualitativo aquel modelo cuyos símbolos representan en su

mayoría a Cualidades no numéricas. Una fuente importante es la teoría de conjuntos.

- Modelo Probabilístico aquellos basados en la estadística y probabilidades (donde se

incorpora las incertidumbres que por lo general acompañan nuestras observaciones de
eventos reales).

- Modelo Determinístico corresponde a aquel modelo cuantitativo que no contiene

consideraciones probabilísticas.

- Modelo descriptivo cuando el modelo simplemente describe una situación del

mundo real en términos matemáticos, descripción que puede emplearse para
exponer una situación con mayor claridad, para indicar como pueden reajustarse o
Aún para determinar los valores de ciertos aspectos de la situación.

- Modelo optimizador corresponde al modelo ideado para seleccionar entre varias

alternativas, de acuerdo a determinados criterios, la más óptima.

Por lo común los modelos matemáticos son de índole iterativa, vale decir, se llega a la
respuesta final en pasos o iteraciones y cada iteración acerca la solución al nivel
nivel óptimo, pero no todos los modelos matemáticos poseen algoritmos de solución
que converjan al nivel óptimo por dos razones:

a) El algoritmo de solución converge al nivel óptimo solo en teoría. La convergencia

teórica señala que hay un límite superior finito, pero sin indicar cuan alto puede ser
ese límite. Por lo tanto, se puede gastar horas y horas de computadora sin
alcanzar la iteración final.

b) La complejidad del modelo matemático puede hacer imposible idear un

algoritmo de solución. Por lo tanto, el modelo puede mantenerse no factible en
términos de cálculo.
ELEMENTOS DE LOS MODELOS MATEMÁTICOS DE SISTEMAS ECONÓMICOS.

a) Los componentes: Los que tienen tendencia a variar ampliamente.

b) Parámetros.

c) Relaciones funcionales. Ellas describen las interacciones de las variables:

- Las identidades: toman la forma de definiciones o declaraciones tautológicas,

relativas al comportamiento del sistema. Ejemplo definición de utilidad, definición de activo,
pasivo, capital.

- Características de operación: es una hipótesis, generalmente una ecuación

matemática, que relaciona las variables endógenas y de estado del sistema, con sus las
variables exógenas. Ejemplo: funciones de consumo o inversión en una economía.

- Las variables: Empleadas para relacionar un componente con otro y se clasifican

en:

- Variables exógenas: son independientes, denominadas de entrada del

modelo y se supone que han sido predeterminadas y proporcionadas independiente del
sistema a modelar. Puede considerarse que estas variables actúan sobre el sistema, pero
no reciben acción alguna de parte de él. También se denominan factores, pueden
emplearse de dos formas diferentes en los experimentos de _ecisiones:

Tratadas como parámetros dados (determinados ya sea por el medio

ambiente o por los que toman las _ecisiones, las cuales deben estimarse
y almacenarse en la computadora como datos de entrada.

Generarlas internamente en la computadora si corresponden a variables

estocásticas.

- Variables endógenas: Son las dependientes o de salida del sistema y son

generadas por la interacción de las variables exógenas con las de estado, de acuerdo
con las características de operación del último.

- Variables de estado: Describen el estado de un sistema o de uno de sus

componentes, ya sea al comienzo, al final o durante un periodo de tiempo. Estas
variables interaccionan con las exógenas y las endógenas del sistema, de
acuerdo a las relaciones funcionales dispuestas. El valor que tome durante un periodo
particular de tiempo, puede depender no solo de una o más variables exógenas en
determinado periodo precedente, sino además del valor de ciertas variables endógenas
de periodos anteriores.

En consecuencia, un experimento de simulación en computadora consiste en una serie de

corridas en el equipo, en las cuales probamos empíricamente empelando datos de
simulación, los efectos de los factores sobre los valores de nuestras variables endógenas.

Una característica de operación es una hipótesis, generalmente una ecuación matemática

que relaciona las variables endógenas y el estado de un sistema, con sus variables
exógenas.

Las características de operación aplicadas a procesos estocásticos toman la

forma de funciones de densidad de probabilidad. Al contrario de los
componentes y variables que observaríamos directamente en un sistema real, los
parámetros de las características de operación las derivamos solamente sobre la base de
inferencias estadísticas.