1.

DEFINICION DE MODELACION Y SIMULACION

SIMULACION Y MODELACION

OBJETIVOS

· Determinar que es simulación

· indicar lo que intenta la simulación
· Explicar la simulación por computadora en base a la realidad virtual aplicada en los juegos
· Definir realidad virtual
· Relacionar la realidad virtual con los videojuegos.
· Definir los conceptos de modelo

QUE ES SIMULACIÓN.

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"

(Tarifa 2009)

QUE INTENTA LA SIMULACION

1. Descubrir el comportamiento de un sistema.

2. Postular teorías o hipótesis que expliquen el comportamiento observado.

3. usar esas teorías para predecir el comportamiento futuro del sistema, es decir mirar los efectos que se producirían en
el sistema mediante los cambios dentro de él o en su método de operación (tiempo en minutos).

(yovao 2011)

SIMULACIÓN POR COMPUTADORA

Es un intento de modelar situaciones de la vida real por medio de un programa de computadora, lo que requiere ser
estudiado para ver cómo es que trabaja el sistema. Ya sea por cambio de variables, quizás predicciones hechas acerca del
comportamiento del sistema.

Esta etiqueta ha sido adoptada al ampliar la definición de "simulación", que abarca virtualmente cualquier representación
computarizada.

(Fundación Wikimedia s.f.)

REALIDAD VIRTUAL

La realidad virtual se podría definir como un sistema informático que genera en tiempo real representaciones de la
realidad, que de hecho no son más que ilusiones ya que se trata de una realidad perceptiva sin ningún soporte físico y que
únicamente se da en el interior de los ordenadores.

(Barcelona s.f.)

LOS VIDEOJUEGOS EN UN FUTURO

Además de las finalidades tecnológicas, últimamente la realidad virtual y a la animación en 3D ha llegado a juegos online
en los cuales las personas simulan una segunda vida en un mundo virtual, en lo que el realismo conseguido provoca que
los individuos durante un tiempo sean otra persona.
MODELACION

· Es una abstracción de la realidad.

· Es una representación de la realidad que ayuda a entender cómo funciona.
· Es una construcción intelectual y descriptiva de una entidad en la cual un observador tiene interés.
· Se construyen para ser transmitidos.
· Supuestos simples son usados para capturar el comportamiento importante.

MODELOS ICÓNICOS Y ABSTRACTOS

Ilustración 1. Modelos icónicos y abstractos

Modelo analógico. Son aquellos en los que una propiedad del objeto real está representa-da por una propiedad sustituida,
por lo que en general se comporta de la misma manera

Ejempló:

1. Planta piloto
2. Modelo de un átomo, globo terráqueo, maqueta
3. Reloj, medidores de voltaje, gráfica de volumen/costo
4. Modelos de colas, modelos de robots
5. Velocidad, ecuaciones diferenciales.

TIPOS DE MODELOS

· Estocástico. Uno o más parámetros aleatorios. Entradas fijas produce salidas diferentes
· Determinístico. Entradas fijas producen salidas fijas
· Estático. Estado del sistema como un punto en el tiempo
· Dinámico. Estado del sistema como cambios en el tiempo
· Tiempo-continuo. El modelo permite que los estados del sistema cambien en cualquier momento.
· Tiempo-discreto. Los cambios de estado del sistema se dan en momentos discretos del tiempo.
· http://iisdiur-ucc.blogspot.com/2012/04/simulacion-y-modelacion.html
2. COMPONENTES DE UN SISTEMA

3. SISTEMAS CONTINUOS Y SISTEMAS DISCRETOS

Modelos de Simulación de Eventos Discretos

La simulación de eventos discretos, es una herramienta de análisis que se difunde rápidamente en el ambiente
empresarial, comprobando su utilidad para apoyar la toma de decisiones relacionadas con la planeación de la producción
y los inventarios, y con el diseño de los sistemas de producción y sus cadenas de suministro, Guasch, Piera, y Figueras
(2003).

El concepto de sistema de evento discreto tiene por finalidad identificar a sistemas en los que los eventos que cambian el
estado del mismo ocurren en instantes espaciados en el tiempo, a diferencia de los sistemas cuyo estado puede cambiar
continuamente en el tiempo (como la posición de un vehículo en movimiento). Aunque aparentemente simples, los
sistemas de eventos discretos, pueden modelar muchos de los fenómenos que enfrentan los responsables de la
administración de los procesos productivos en una empresa. Por ejemplo, los inventarios de cualquier producto sólo se
alteran ante la ocurrencia de alguno de dos eventos: (1) ingreso de un lote de abastecimiento, o (2) retiro de cierta
cantidad del producto para satisfacer el pedido de un cliente, de la misma manera como el dinero disponible en cualquier
cuenta bancaria sólo puede cambiar a consecuencia de un depósito, o a consecuencia de un retiro Rico (1992)

Los primeros intentos para simular sistemas de eventos discretos, datan de la década de los años 60, donde se desarrollan
las primeras simulaciones en ordenador para planear proyectos de gran envergadura, aunque a un costo alto y utilizando
lenguajes de propósito general (a menudo FORTRAN). Las primeras herramientas para facilitar el uso de la simulación de
evento discreto aparecen en la forma de lenguajes de simulación en la década de los años 70, aunque la programación en
estos lenguajes se realiza todavía por medio de comandos escritos en un archivo. Lenguajes como GPSS, SIMSCRIPT, SLAM
y SIMAN tienen una amplia difusión en los años 80, paralela a una gran producción científica relacionada con las posibles
aplicaciones de la simulación de evento discreto, y el desarrollo de métodos para el análisis de experimentos por
simulación, para generar por ordenador la ocurrencia de eventos siguiendo patrones probabilísticos, y para permitir que
el motor del lenguaje pueda modelar una gama amplia de aplicaciones.

En la década de los 90, la difusión de los ordenadores personales, y la aparición de paquetes de simulación que se
programan en ambientes gráficos, y con capacidades de animación, permite que la simulación se difunda ampliamente
como herramienta para el diseño y análisis en diversos sectores tanto de la industria de manufacturas como de servicios
(por ejemplo, telecomunicaciones, salud, transporte y cadenas de restaurantes).

Actualmente se pueden distinguir en el mercado dos tipos de paquetes para simulación de evento discreto: los de
propósito general y los orientados hacia alguna aplicación o sector industrial específico. Entre los paquetes más conocidos
de propósito general, se pueden mencionar a Arena, Simul8, GPSS/H, AweSim, y MODSIM III, mientras que entre los
paquetes con orientación hacia alguna aplicación se puede mencionar a AutoMod, ProModel, SIMFACTORY II.5, QUEST y
Arena Packaging Edition para manufactura, COMNET III y OPNET Modeler para redes de comunicaciones, SIMPROCESS,
ProcessModel, ServiceModel y Arena Business Edition para analizar flujos en procesos de negocios, y MedModel para
servicios del cuidado de la salud. Los paquetes mencionados permiten la programación en un ambiente gráfico por medio
de módulos, y pueden incorporar animación a sus modelos, lo que además de facilitar la programación del modelo de
simulación, se constituye en una herramienta valiosa para la verificación y demostración de las capacidades del modelo.

Modelo de Simulación de Procesos Continuos

El análisis de sistemas ayuda a resolver situaciones complejas, ubicando los puntos de apalancamiento más convenientes.
Para ellos es necesario ver el total en vez de las partes. En vez de ver los elementos de una organización en forma aislada
conviene verlos como elementos parciales de la realidad industrial. Es obvio que esta realidad industrial es mucho más
compleja que alguna individualidad en particular. Sin embargo, es útil conocer que hay dos tipos de complejidades: una
relativa a los detalles y otra relativa a la dinámica. Esta última está presente en situaciones donde la causa y el efecto son
sutiles, y donde el efecto de la intervención a través del tiempo no es obvia. Por ejemplo, las técnicas de pronósticos,
planificación o algún método analítico convencional no están equipadas para afrontar la complejidad dinámica. Un
conjunto complejo de industrias para ensamblar un equipo, o el inventario de una fábrica supone complejidad dinámica.

Cuando la misma acción tiene efectos distintos a corto y a largo plazo, hay complejidad dinámica. Cuando la misma acción
tiene consecuencia en un punto y otras consecuencias en otra parte del sistema hay complejidad dinámica. Los modelos
gerenciales adaptados para guiar a la dirección sobre decisiones oportunas y pertinentes que tienen efectos en el corto,
medio y largo plazo tienen complejidad dinámica, Sterman (2000).

La ubicación de los puntos de apalancamiento más consistentes en muchas situaciones industriales obliga a comprender
la complejidad dinámica, no la complejidad de los detalles. El equilibrio entre un modelo gerencial y el clima organizacional
a la calidad de los productos son problemas con características dinámicas. Mejorar continuamente la calidad, reducir
costos y satisfacciones de las necesidades y deseos del cliente, es un problema dinámico.
El concepto de dinámica de sistemas se orienta a ver la organización como un todo y las interacciones de las partes
relacionadas Aracil y Gordillo (1997). Y el pensamiento sistémico según Sterman (2000), es una disciplina para ver las
estructuras que subyacen en las situaciones complejas, y para discernir cambios de alto y bajo apalancamiento. Para ubicar
puntos de alto apalancamiento hay que comprender la complejidad dinámica, que normalmente está presente cuando la
misma acción tiene efectos distintos a corto y a largo plazo o cuando una acción tiene un conjunto de consecuencias
locales y otro conjunto de consecuencias distintas en otra parte del sistema, según Senge (1992).

Una de las herramientas básicas en análisis de sistemas es el concepto de retroalimentación, donde el control procura
mantener el funcionamiento del sistema en consideración al medio.

Un modelo es cualquier representación simplificada de la realidad. La modelación informática no necesariamente significa

producir estructuras impenetrables. No puede alimentarse un modelo con todo lo que se sabe. Sólo debe introducirse lo
que es relevante para el objetivo. El arte de los modelos de este tipo como el arte de la poesía, de la arquitectura o del
diseño de la ingeniería es incluir sólo lo necesario para lograr el objetivo, y nada más. Por lo tanto para comprender un
modelo y juzgar su validez se necesita comprender su objetivo.

3. PASOS EN EL ESTUDIO DE UNA SIMULACION

DEFINICION DE SISTEMA

En esta etapa es necesario conocer el sistema a modelar. Para ello se requiere saber que origina el estudio de simulación
y establecer los supuestos del modelo: es conveniente definir con claridad las variables de decisión del modelo, determinar
las interacciones entre estas y establecer con precisión los alcances y limitaciones que aquel podría llegar a tener. Se debe
tener una definición exacta del sistema que se desea simular, para ello, es necesario hacer primeramente un análisis
preliminar del mismo, con el fin de determinar la interacción del sistema con otros sistemas, las restricciones del sistema,
las variables que interactúan dentro del sistema y sus interrelaciones.

FORMULACION DEL MODELO

Una vez que se ha definido el sistema en términos de un modelo conceptual, la siguiente etapa del estudio consiste en la
generación de un modelo de simulación base. No es preciso que este modelo sea demasiado detallado, pues se requiere
mucha información estadística sobre el comportamiento de las variables de decisión del sistema. Una vez que están
definidos con exactitud los resultados que se esperan obtener del estudio, se construye el modelo con el cual se obtendrán
los resultados deseados.

COLECCIÓN DE DATOS

De manera paralela a la generación del modelo base, es posible comenzar la recopilación de la información estadística de
las variables aleatorias del modelo. En esta etapa se debe determinar qué información es útil para la determinación de las
distribuciones de probabilidad asociadas a cada una de las variables aleatorias innecesarias para la simulación. Aunque en
algunos casos se logra contar con datos estadísticos, suele suceder que el formato de almacenamiento o de generación
de reportes no es el apropiado para facilitar el estudio. Por ello es muy importante dedicar el tiempo suficiente a esta
actividad. De no contar con la información necesaria, será necesario realizar un estudio estadístico del comportamiento
de la variable que se desea identificar, para posteriormente incluirla en el modelo.

IMPLEMENTACION DEL MODELO

Con el modelo definido, el siguiente paso es decidir si se utiliza algún lenguaje como hasic, algol, etc., o se utiliza algún
paquete como GPSS, simula, simscript, etc., para procesarlo en la computadora y obtener los resultados deseados.

VERIFICACION

Una vez que se han identificado las distribuciones de probabilidad de las variables del modelo y se han implantado los
supuestos acordados, es necesario realizar un proceso de verificación de datos para comprobar la propiedad de la
programación del modelo, y comprobar que todos los parámetros usados en la simulación funcionen correctamente.
Ciertos problemas, en especial aquellos que requieren muchas operaciones de programación o que involucran
distribuciones de probabilidad difíciles de programar, pueden ocasionar que el comportamiento del sistema sea muy
diferente del que se esperaba. Por otro lado, no se debe descartar la posibilidad de que ocurran errores humanos al
alimentar el modelo con la información. Incluso podría darse el caso de que los supuestos iniciales hayan cambiado una o
varias veces durante el desarrollo del modelo. Por lo tanto, debemos asegurarnos de que el modelo que se va a ejecutar
este basado en los más actuales.

VALIDACION DEL SISTEMA

El proceso de validación del modelo consiste en realizar una serie de pruebas al mismo, utilizando información de entrada
real para observar su comportamiento y analizar sus resultados.

Si el proceso bajo simulación involucra un proceso que se desea mejorar, el modelo debe someterse a prueba con las
condiciones actuales de operación, lo que nos dará como resultado un comportamiento similar al que se presenta
realmente en nuestro proceso. Por otro lado, si se está diseñando un nuevo proceso la validación resulta más complicada.
Una manera de validar el modelo en este caso, consiste en introducir algunos escenarios sugeridos por el cliente y validar
que el comportamiento sea congruente con las expectativas que se tienen de acuerdo con la experiencia. Cualquiera que
sea la situación, es importante que el analista conozca bien el modelo, de manera que pueda justificar aquellos
comportamientos que sean contrarios a las experiencias de los especialistas en el proceso que participan de su validación

EXPERIMENTACION

Tras validar el modelo es necesario acordar con el cliente los escenarios que se requiere analizar. Una manera muy sencilla
de determinarlos consiste en utilizar un escenario pesimista, uno optimista y uno intermedio para la variable de respuesta
importante. Sin embargo, es preciso tomar en cuenta que no todas las variables se comportan igual ante los cambios en
los distintos escenarios, por lo que tal vez sea necesario que más de una variable de respuesta se analice bajo las
perspectivas pesimista, optimista e intermedia. La experimentación consiste en generar los datos deseados y en realizar
análisis de sensibilidad de los índices requeridos

INTERPRETACION

Una vez que se obtienen los resultados de los escenarios es importante realizar pruebas estadísticas que permiten
comparar los escenarios con los mejores resultados finales. En esta etapa del estudio, se interpretan los resultados que
arroja la simulación y en base a esto se toma una decisión.

DOCUMENTACION

Una vez realizado el análisis de los resultados, es necesario efectuar toda la documentación del modelo, Esta
documentación es muy importante, pues permitirá el uso del modelo generado en caso de que se requieran ajustes
futuros. En ella se deben incluir los supuestos del modelo, las distribuciones asociadas a sus variables, todos sus alcances
y limitaciones y, en general, la totalidad de las consideraciones de programación. También es importante incluir
sugerencias tanto del uso del modelo como sobre los resultados obtenidos, con el propósito de realizar un reporte más
completo.

Dos tipos de documentación son requeridos para hacer un mejor uso del modelo de simulación. La primera se refiere a la
documentación de tipo técnico, es decir, a la documentación que el departamento del Procesamiento de Datos debe tener
el modelo. La segunda se refiere al manual del usuario con el cual se facilita la interacción y el uso del modelo desarrollado,
a través de una terminal de computadora.

4. SIMULACION EN UN SISTEMA DISCRETO