Académique Documents
Professionnel Documents
Culture Documents
SISTEMAS VISUALES
Un modelo es una representacin de la estructura a simular. Es decir, una
definicin esttica que define estructuras, parmetros y funciones (o
algoritmos).
Una simulacin, en cambio, es una representacin de la estructura en
accin. Es decir, cuando se hace evolucionar el modelo a lo largo del
tiempo, partiendo de un estado inicial, alimentndolo con una informacin
de entrada y obteniendo una informacin de salida que sern los resultados
a analizar
Modelos Simblicos: Son aquellos que codifican mediante algn lenguaje matemtico o
informtico las caractersticas del sistema. Por ejemplo, unas frmulas de comportamiento
econmico, donde el fenmeno de origen no tiene unas propiedades fsicas, sino que es
fruto de una organizacin social.
Tipos de simulaciones
Simulaciones de tipo social en las que se estudian las reacciones de personas o colectivos. Por ejemplo:
entrenamiento de entrevistas de trabajo. Se sita a dos personas en los papeles de entrevistador y
Persona
entrevistado y despus de actuar durante un perodo de tiempo, se intercambian los papeles para poder
-Persona
entender los procesos inversos.
Simulaciones donde se reproduce fsicamente un sistema fsico, qumico, biolgico, etc., bajo unas
condiciones controladas. Por ejemplo, una reaccin qumica de la naturaleza controlada en situacin de
De sistema laboratorio.
Simulaciones donde la persona responde a unas cuestiones planteadas por el ordenador. Por ejemplo,
Persona entrenamiento mediante juegos de estrategia financiera, simuladores de vuelo, etc.
Ordenado
Por
Ordenador:
Que se puede aplicar cuando no es prctico experimentar con el sistema real en su entorno
natural, ya sea por cuestiones de seguridad, de tamao, de tiempo, etc.
Que la simulacin es el nico medio que permite investigar las caractersticas de diseo de un
sistema determinado, es decir, que permite descomponerlo y analizarlo por partes. Por lo tanto
fuerza la especificacin detallada del sistema y en consecuencia del problema.
Que se puede aplicar cuando no existen tcnicas matemticas o analticas para el problema
tratado. Debido a esto se experimentan nuevas tcnicas, algoritmos, etc.
Que se puede aplicar cuando se ha de evaluar un sistema utilizando medidas estadsticas.
Que se puede aplicar cuando es necesario simular un perodo de tiempo muy largo de forma
comprimida, o viceversa.
Que permite detectar problemas no previstos debido al anlisis que se realiza del
funcionamiento del modelo.
Desventajas
El modelado tan solo da resultados aproximados. En este sentido hay dos ideas clave que a menudo se pasan por alto:
Si se basan en generadores de nmeros aleatorios, los resultados deben ser evaluados con herramientas estadsticas
complejas para poder comprobar que se modela correctamente el entorno de evolucin del fenmeno de origen.
No es una herramienta de optimizacin, es decir, se pueden obtener respuestas a los problemas, pero se debe ser
consciente que no necesariamente son las ptimas. De hecho pueden estar muy alejadas de los procesos ptimos.
Se debe validar el modelo. Esto, cuando ya se dispone del sistema de origen se puede realizar comparando las entradas, las
salidas y los pasos intermedios del sistema original respecto a las del modelo de la simulacin, aunque esto resulta de gran
complejidad. No obstante, en muchos casos, la simulacin se realiza en una fase previa a la construccin o puesta en marcha
del sistema que se est evaluando y en este caso, validar el modelo puede ser una tarea imposible.
Implementacin:
Llevar a cabo lo que se
ha probado con la
simulacin.
Experimentacin: Ejecucin de
los diversos pases por el
experimento para obtener unos
resultados concretos. Se hacen
pruebas de sensitividad
ajustando los parmetros.
Documentacin:
Importantsima para
facilitar el replicado de las
pruebas realizadas y la
extensin del modelo y el
sistema.
Planificacin Estratgica: Se
disea un experimento para
poder obtener la informacin
deseada, que supuestamente
dar las claves para la
comprensin del fenmeno de
estudio.