Dinámica de sistemas y control

CAPITULO I: INTRODUCCIÓN
Sistemas, Modelos y Simulación, Clasificación de sistemas

¿Qué es un sistema?

Existen varias definiciones de qué es un sistema, y es un concepto tan amplio

que tal vez encontremos tantas definiciones como disciplinas en donde se
utiliza el término. Uno encuentra la utilización de la palabra “sistema” en
diversos ámbitos (por ejemplo podemos haber oído de: sistema respiratorio,
sistema nacional de tráfico aéreo, sistema interconectado nacional, sistema de
depuración de agua, sistema de control de un brazo de robot, etc); y no
necesariamente el mismo se refiere a un “sistema” dentro de alguna de las
ramas de la ingeniería o de la física.

Brain Gaines define sistema como:

“Un sistema es lo que es caracterizado como un sistema.”

Esto no parece una definición y si uno definiera que “un gato es lo que es
caracterizado como un gato”, todo el mundo diría que con eso solo no puedo
definir qué es un gato, al menos si no doy un conjunto de características
comunes que reúnen todos los gatos.

Se dice que todo el universo es un sistema, y como tal, es el sistema más

grande posible de todos los sistemas que podríamos imaginar.
Una característica de los sistemas es que donde decidamos cortar en un
pedazo de ese sistema universo (o de cualquier otro sistema), y podamos
claramente decir qué hay adentro (perteneciente al pedazo), y que está afuera
(que no pertenece al pedazo), definimos un nuevo sistema. Entonces un
sistema es caracterizado por el hecho que podemos decir lo que pertenece a él
y lo que no, y por el hecho que podemos especificar cómo interactúa con su
entorno.
Así podemos tener un árbol jerarquizado de sistemas: de un sistema podemos
tomar un pedazo más chico del mismo, y tenemos así un nuevo sistema.

Dónde hacemos esos cortes para ir separando los sistemas?

Ross Ashby pone el ejemplo de un péndulo: definimos a todo el péndulo real

como un sistema. Sin embargo esto tiene una desventaja fundamental: cada
objeto material contiene no menos que un número infinito de variables, y por lo
tanto de sistemas. Un péndulo real, por ejemplo, tiene no solamente longitud y
posición, sino también, masa, temperatura, conductividad eléctrica, estructura
cristalina, impurezas químicas, algo de radioactividad, velocidad, poder de
reflexión, fuerzas de tensión, película superficial de humedad, contaminación
de bacterias, absorción óptica, elasticidad, forma, y muchas más cosas.
Cualquier sugerencia de que tendríamos que estudiar “todo” es un hecho irreal,
y realmente esto nunca se intenta hacer. Lo que es necesario es lo que
tendremos que escoger y estudiar los hechos que son relevantes para algún
interés principal que ya esté establecido.

Por lo tanto los “cortes” antes mencionados para la obtención de los nuevos
sistemas no necesariamente denotan una separación en el mundo físico real,
también el corte puede ser realizado al nivel de la abstracción matemática; y
además debe tener en cuenta el interés de lo que queremos estudiar.

Una clase particular de los sistemas, son los sistemas dinámicos (que son los
que en particular tenemos interés de estudiar en esta materia), o sea aquellos
sistemas que evolucionan a lo largo del tiempo. Este cambio del sistema
implica la existencia de variables del sistema que cambian en el tiempo.
Algunas de estas variables del sistema pueden ser “observados” desde su
entorno, y que a su vez, los cambios en las variables del sistema son producto
de la influencia de cambios ejercidos por su entorno al sistema.
Esto da lugar a la propiedad de los sistemas (en particular de los sistemas
dinámicos) de relacionarse con su entorno. La relación con el entorno recae
naturalmente dentro de las siguientes dos categorías:
1) Hay variables que son generadas por el entorno y pueden influir en el
comportamiento del sistema. Éstas son llamadas “entradas” del sistema.
2) Hay otras variables que son determinadas por el sistema y que a su vez
influyen en el comportamiento de su entorno. Éstas son llamadas las
“salidas” del sistema.
En general, debemos ser capaces de asignar valores al menos a algunas de
las “entradas” del sistema, y observar el comportamiento del sistema mediante
el registro de las “salidas” resultantes.

Esto lleva a otra definición del término “sistema”, presumiblemente dada por
Bernard Zeigler:
“Un sistema es una fuente potencial de datos.”

En ingeniería, las normas alemanas DIN 66201, define a “sistema” como:

“Un sistema (Σ ) es una disposición delimitada de entidades interactuantes.”
Esta definición involucra los siguientes términos:
- Delimitación (espacial, conceptual) respecto al resto del universo, ya discutido
en párrafos anteriores.
- Entidades interactuantes, o componentes del sistema: elementos, procesos,
sistemas. Proceso (DIN 66201): Transformación y/o transporte de materia,
energía y/o información.
- Disposición (de los componentes entre sí): define la estructura del sistema.
Aunque dos sistemas tengan los mismos componentes son distintos si la
disposición de los mismos (su estructura) es diferente.
Los últimos dos términos nos indican de que los sistemas pueden estar
compuestos además de otros sistemas (como ya mencionamos anteriormente),
de elementos y/o procesos.

Retomando la definición de que el sistema es una fuente potencial de datos,

cabe preguntarnos cómo podemos obtener esos datos. Eso lo hacemos a
través de experimentos.

¿Qué es un experimento?

Un experimento es el proceso de extracción de datos del sistema, influyendo

sobre el sistema a través de cambios en sus entradas.

En ciencias e ingeniería, específicamente, un experimento es la realización de

ensayos sobre el sistema, en la observación de las reacciones del mismo, y en
la obtención de leyes de su comportamiento, expresadas por lo general
mediante lenguaje matemático.

Pueden plantearse los siguientes problemas para la realización de un

experimento: no todas las entradas son accesibles (presencia de
perturbaciones), y no todas las variables (variables internas) pueden ser
observadas como salidas.
También la realización de un experimento puede que no se lleve a cabo por:
costos, riesgos, experimento irrealizable (inexistencia del sistema: proyecto de
algún dispositivo nuevo, o incapacidad humana de experimentar).

Modelado y Simulación

Qué es un modelo?

Según Marvin Minsky, un modelo es:

“Un modelo (M), para un sistema (S) y un experimento (E), es cualquier cosa a
la cual E puede ser aplicado de forma de responder preguntas sobre S.”

Esta definición no implica que un modelo es un programa de computación.

Puede llegar a ser un pedazo de hardware o simplemente un entendimiento de
cómo funciona un sistema particular (llamado un modelo mental). Sin embargo,
nosotros nos concentraremos en una sub-clase de modelos, los que pueden
ser codificados o expresados a través de relaciones matemáticas (modelo
matemático) y que eventualmente puede desarrollarse en un programa de
computación.

Existen modelos para un dado sistema que son válidos para un tipo de
experimento pero no válido para otro conjunto de experimentos.

Según Bernard Ziegler:

“Modelado significa el proceso de organizar el conocimiento acerca de un
determinado sistema.”

Un modelo de un sistema es básicamente una herramienta que permite

responde interrogantes sobre este último sin tener que recurrir a la
experimentación sobre el mismo.
Un modelo es una representación siempre simplificada de la realidad, o de un
prototipo conceptual.

¿Qué es una simulación?

Según Granino Korn & John Wait:
“Una simulación es un experimento realizado sobre un modelo.”

De esta definición se desprende que no necesariamente la simulación está

codificada en un programa de computación, pero generalmente eso es lo que
haremos en esta materia.

Porqué el modelado y la simulación son importantes?

Se puede decir que el modelado es la única actividad más central que une
todas los esfuerzos científicos e ingenieriles. Mientras los científicos son felices
en simplemente observar y entender el mundo, (por ejemplo creando un
modelo del mundo), los ingenieros quieren modificarlo para su provecho.
Mientras la ciencia es todo análisis, la esencia de la ingeniería es el diseño. La
simulación puede ser usado no solo para el análisis (el problema directo), sino
también para el diseño (el llamado problema inverso). Por tal motivo
necesitamos la existencia de un modelo a partir del cual realizar simulaciones.
Excepto por la experimentación con sistemas reales, la simulación es la única
técnica disponible para el análisis del comportamiento de los sistemas. Existen
técnicas analíticas de análisis que son muy buenas, pero usualmente requieren
de un conjunto de hipótesis simplificativas antes de que puedan ser aplicadas,
y estas hipótesis no siempre pueden ser justificadas, e incluso si lo son, esas
hipótesis no pueden verificarse si no es por la experimentación y/o la
simulación.

El peligro de la simulación
Las más importantes fortalezas de la simulación, pero irónicamente su más
serios inconvenientes, son su generalidad y su facilidad de aplicabilidad. No se
requiere mucho esfuerzo para utilizar un programa de simulación. Sin embargo,
de manera de utilizar la simulación de manera inteligente, debemos entender
fehacientemente lo que estamos haciendo.
Muy frecuentemente después de realizar una simulación, olvidamos el marco
experimental en que fue hecho, olvidamos que no es del mundo real, y que
solo representa el mundo solamente bajo un muy limitado conjunto de
condiciones experimentales. Luego encontramos la estrategia de control que
da forma a nuestro modelo del mundo de la manera que queremos, y cuando lo
aplicamos al mundo real, vemos que no funciona.
Como vimos, correr una simulación es muy similar a realizar un experimento en
el laboratorio. Usualmente necesitamos realizar varios experimentos, antes de
arrivar a una conclusión legítima. De manera semejante, necesariamente
debemos realizar varias simulaciones antes de entender cómo se comporta
nuestro modelo.
Mientras que las técnicas analíticas son generalmente más restringidas en su
aplicabilidad, son mucho más potentes que la simulación cuando son
aplicadas; de manera que, cuando tenemos una alternativa válida a la
simulación, tendríamos sin lugar a dudas que utilizar esa técnica analítica
alternativa.

Buenas razones para usar simulación

Hagamos una lista de buenas razones para usar simulación como herramienta
para la solución de problemas:
1) El sistema físico no está disponible.
2) La experimentación sobre el sistema físico puede llegar a ser muy
peligroso.
3) El costo de la experimentación es muy caro.
4) Las constantes de tiempo del sistema no son compatibles con aquellas del
experimentador.
5) Las variables o los parámetros del sistema pueden ser inaccesibles.
6) En el experimento no podemos eliminar la influencia de las perturbaciones.
7) En el experimento no podemos eliminar la influencia de efectos
secundarios.

Clasificación de variables
Como ya se mencionó anteriormente, la relación entre el sistema y su entorno,
posee dos tipos de interacciones: la influencia del entorno al sistema, dada por
las variables de entrada cada una de las cuales son funciones temporales
(generalmente denominadas con la letra u); y cómo el sistema influye sobre su
entorno, dada por las variables de salida, que también serán funciones
temporales (y generalmente denominadas con la letra y). Los sistemas así
representados con sus entradas y salidas se denominan tradicionalmente
modelos de “caja negra”:

Representación en “caja negra” del sistema.

Existe una relación causa-efecto entre las salidas y las entradas del sistema.
Para calcular cualquiera de las salidas para todo tiempo t ≥ t0 debemos
conocer las entradas para t ≥ t0, y también el efecto acumulado de cualquier
entrada anterior. Un enfoque para construir un modelo matemático es encontrar
ecuaciones que relacionen las salidas directamente a sus entradas mediante la
eliminación de todas las variables que son internas al sistema. De esta manera,
tal vez, estemos potencialmente borrando del modelo aspectos importantes del
comportamiento del sistema
Otra técnica de modelado es introducir un conjunto de variables de estado. los
cuales generalmente difieren del conjunto de salidas, pero que pueden incluir
una o varias de ellas. Las variables de estado deben ser elegidas de manera tal
que el conocimiento de sus valores a cualquier tiempo de referencia t0 en
conjunto con el conocimiento de las entradas para todo t ≥ t0 son suficientes
para determinar las salidas y las variables de estado del sistema para todo t ≥
t0. Un requerimiento adicional sobre estas variables de estado es que las
mismas deben ser independientes entre sí; esto es, no puede ser posible
expresar una variable de estado como una función algebraica de las restantes.
Esta representación es particularmente conveniente para trabajar con sistemas
MIMO (multiple-input, multiple-output = sistemas de multiples variables de
entradas y múltiples variables de salida), y además para obtener soluciones a
través del computador. La figura siguiente representa al sistema incluyendo las
variables de estado denominadas x1(t), x2(t), ... xn(t).

Representación general del sistema mostrando las entradas, variables de

estado y salidas.

Clasificación de sistemas
Los sistemas pueden ser agrupados según características de las variables
involucradas al sistema, y dependiendo de éstas, las mismas darán lugar al uso
de distintos tipos de ecuaciones que serán usadas por sus respectivos
modelos. Ejemplo de las ecuaciones resultantes son ecuaciones diferenciales
parciales con coeficientes constantes, y ecuaciones diferenciales. Aquí
discutiremos brevemente la manera de clasificar a los sistemas. La clasificación
se lista según los siguientes criterios:

Criterio Clasificación
Característica espacial Concentrados / Distribuídos
Continuidad en la variable Continuo / Discreto / Híbridos
tiempo
Cuantización de la variable No-cuantizados / Cuantizados
dependiente
Variación en los parámetros Parámetros fijos / Parámetros
variables
Propiedad de superposición Lineal / No-lineal
 Intervención de proceso Estocástico / Determinístico
aleatorio

Características espaciales
Un sistema distribuído no posee un número finito de puntos en los cuales las
variables de estado puedan estar definidas. En contraste, un sistema de
parámetros concentrados puede ser descripto por un número finito de variables
de estado.
Ejemplo de esto puede ser la de una barra fija en un extremo y al cual se le
aplica un torque en el otro. La barra cede con un leve movimiento por la acción
del torque en cada diferencial de longitud de la barra; pero si estamos
interesados solamente en el movimiento del extremo libre de la barra podemos
considerar el sistema concentrado como la constante de un resorte K
equivalente a la flexibilidad de la barra en todo su conjunto, conjuntamente con
la inercia total de la barra para el movimiento de rotación.

Continuidad en la variable tiempo

Otra clasificación de sistema está basado en la característica de la variable
independiente: el tiempo. Un sistema contínuo es uno en las cuales las
entradas, las variables de estado y las salidas están definidas sobre un rango
contínuo de tiempo. Un sistema discreto tienen las variables que están
definidos a determinados instantes de tiempo, y no lo están (o no es de interés
que estén definidos) entre esos instantes de tiempo. Los sistemas contínuos
están descriptos por ecuaciones diferenciales, mientras que los sistemas
discretos mediante ecuaciones en diferencias.
Un sistema híbrido, posee variables de ambos tipos (contínuos y discretos).

Cuantización de la Variable Dependiente

Adicionalmente a la restricción sobre los valores de la variable independiente
tiempo, las variables del sistema pueden estar restringidas a ciertos valores
distintos. Si una variable dentro de algún rango finito puede tomar un número
finito de diferentes valores, se dice que está cuantizada. Una variable que
puede tomar cualquier valor dentro de un rango contínuo es no-cuantizada. Las
variables cuantizadas pueden ser originadas naturalmente, o pueden ser
creadas por el redondeo o truncamiento de valores de variables no-cuantizadas
a su nivel más cercano de cuantización. Un sistema que tenga alguna variable
que sea cuantizada se dice que es un sistema cuantizado, y en caso contrario
se dice que es no-cuantizado.

Variación paramétrica
Los sistemas también pueden ser clasificados de acuerdo a la propiedad de
sus parámetros. Los sistemas variantes en el tiempo son los sistemas cuyas
características (tal como el valor de masas o resistencias) cambian en el
tiempo. Los valores de los elementos pueden cambiar debido a factores
ambientales tales como temperatura o radiación. Otro ejemplo de elementos
variantes en el tiempo puede ser la masa de un cohete donde el combustible es
importante respecto a la masa total del cohete (y la misma cambia al irse
quemando el combustible). En las ecuaciones diferenciales describiendo los
sistemas variantes en el tiempo, algunos de los coeficientes de las ecuaciones
son funciones del tiempo.
Para sistemas invariantes en el tiempo, cuyas características no cambian con
el tiempo, el modelo del sistema que describe las relaciones entre entradas,
variables de estado y salidas, es independiente del tiempo. Si tal sistema está
inicialmente en reposo, retrasar la entrada por td unidades de tiempo solo hace
retrasar la salida por la misma cantidad td de unidades de tiempo, sin cambiar
su forma ni tamaño.

Propiedad de superposición
Un sistema también puede ser clasificado en términos de si obedece la
propiedad de superposición, la cual requiere que se cumplan los dos siguientes
chequeos cuando el sistema está inicialmente en reposo con energía cero: 1) al
multiplicar las entradas por cualquier constante α las salidas resultan ser las
mismas multiplicadas por α, 2) la respuesta (salida) a varias entradas aplicadas
simultáneamente serán la suma de las respuestas individuales a cada una de
las entradas por separadas. Los sistemas lineales son aquellos que satisfacen
las condiciones de superposición; y los sistemas no-lineales son aquellos que
no las satisfacen.

Intervención de proceso aleatorio

Existen sistemas en los cuales interviene un proceso aleatorio, que puede
llegar a ser del mismo proceso físico en sí (por ejemplo evolución de
poblaciones de seres vivos, donde exiten tiempos “medios” o “promedio” de
reproducción y de deceso; o la evolución de la cantidad de neutrones
existentes en un reactor nuclear) o resultante del proceso de medición de
alguna variable física cuya medición es ruidosa. En esos casos el sistema
posee variables que son aleatorias (variables que evolucionan en el tiempo
alrededor de alguna media o promedio y poseen una cierta distribución
probabilística que también evoluciona en el tiempo), y en esos casos se dice
que el sistema es estocástico.
En caso contrario, en aquellos sistemas en donde ninguna de las variables es
aleatoria (o sea, todas las variables son determinísticas), el sistema es
determinístico.

Glosario
* Variables de estado:
Es el conjunto mínimo de variables internas del sistema dados en un tiempo t0
necesarias para definir el estado posterior del sistema a un tiempo t, conocido
la evolución de las entradas en el transcurso del tiempo entre t0 y t.

* Variable de entrada:
Son las variables del entorno que influyen sobre el comportamiento del
sistema.
* Variable de salida:
Son las variables del sistema que son “observadas” o modifican el entorno.

* Perturbación:
Es una entrada al sistema la cual no se puede “manejar”. Por ejemplo: la
temperatura del ambiente en el control de la temperatura de una habitación al
contacto con el exterior.

* Acción de control:
Es una entrada al sistema, la cual se puede “manipular” para influir en el
comportamiento del sistema como uno lo requiera. Ejemplo: la apertura de una
válvula en el control de nivel de líquiedo en un recipiente.

Bibliografía utilizada para el desarrollo del capítulo I:

- Francois E. Cellier, “Continuous System Modeling”, Chapter 1: Introduction, Scope, and Definitions
- Frederick & Close, “Modeling and Analysis of Dynamic Systems”, Chapter 1, Introduction
- Sergio Junco, apunte para materia Sistemas Dinámicos y Control de la UNR:“Sistemas Dinámicos:
Conceptos Básicos y Modelos Matemáticos”