MODELACIN DE LOS

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

Clasificacin Formal de modelos (Whicker, Sigelman, 1991):

Modelos Fsicos: Son aquellos que pretenden ser una rplica fsica del sistema estudiado.
Por ejemplo: un tnel de viento, el cual puede ser construido tanto fsicamente como
mediante una aplicacin de realidad virtual. En los dos casos, son un modelo de un mismo
fenmeno de estudio; concretamente la dinmica de fluidos del aire.

Modelos Esquemticos: Son aquellos que presentan ciertas caractersticas del

sistema. Por ejemplo: el plano de un edificio, donde se est perdiendo cierta informacin
volumtrica, de materiales, etc., pero en cambio nos aporta una informacin de
organizacin espacial.

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.

Clasificacin Funcional de modelos

(Poole, Szymankiewicz, 1977):
Modelos Intuitivos: Estn basados en la experiencia y estn presentes detrs de toda
decisin diaria que requiere una consideracin rpida. Por ejemplo: Tomo el metro o el
autobs para ir a tal sitio?

Modelos Analticos: Se basan en el estudio de problemas no restringidos por un tiempo

de decisin y donde cualquier error es potencialmente muy costoso: Compro un coche
funcional y pequeo para ir al trabajo y aparcar fcilmente, o bien uno grande y amplio
para poder salir con la familia los fines de semana?

Modelos Numricos: Se basan en aquellos problemas de los cuales no tenemos la

informacin relevante o bien esta es demasiado compleja. En este caso es necesario
identificar las componentes ms importantes del problema, las fuerzas que intervienen, y las
relaciones entre componentes y fuerzas: Invierto mi dinero en la bolsa o los pongo a plazo
fijo en el banco?

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:

No requieren interaccin. A partir de una entrada, un programa (conjunto de reglas de decisin) la

transforma obteniendo una salida. Usualmente responden a sistemas estocsticos, es decir, basados en
probabilidad.

La simulacin ofrece las ventajas

siguientes (McHaney, 1991):

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 desarrollo es complejo, caro y lento.

El modelado tan solo da resultados aproximados. En este sentido hay dos ideas clave que a menudo se pasan por alto:

Nunca se podr tener el modelo perfecto.

Nunca se debe confundir el modelo con el fenmeno original.

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.

Fases de diseo de una

simulacin.

Definicin del Sistema:

Determinacin de fronteras,
restricciones y variables que
definen el sistema a ser
modelado. En otras palabras,
concrecin del problema a
estudiar.

Formulacin del Modelo:

Reduccin o abstraccin del
sistema del fenmeno de estudio a
un diagrama de flujo, que recoja el
flujo de informacin, las
estructuras condicionales, los
clculos bsicos, etc.

Traslacin del Modelo:

Es la programacin
propiamente dicha
(generacin de cdigo).

Validacin: Comprobacin de que el modelo

funciona. Se realiza a partir de datos de un caso
real y se comparan los resultados obtenidos en
la simulacin con los obtenidos con el sistema
del fenmeno de estudio. Evidentemente esto
no es factible en simulaciones de sistemas an
no existentes.

Planificacin Tctica: Se disean

ejecuciones concretas del experimento. Es
decir, se preparan diversos conjuntos de
variables independientes (entradas) sobre
un mismo modelo para obtener distintos
conjuntos de variables dependientes
(salidas).

Implementacin:
Llevar a cabo lo que se
ha probado con la
simulacin.

Preparacin de los Datos:

Se identifican los datos
requeridos por el modelo:
tipos de datos, valores
iniciales de variables
clave, etc.

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.

Interpretacin: Usualmente los

resultados obtenidos estn lejos de ser
claros y explcitos por s mismos. Es
necesario entonces, disear formas y
estrategias para poder interpretar y
comprender los resultados.

Se puede observar que la realidad

virtual tiene un papel muy importante,
no solo en la simulacin en si misma,
sino tambin en la interpretacin de los
resultados