INSTITUTO TECNOLOGICO DE CERRO AZUL

SIMULACION

UNIDAD 1

INTRODUCCION A LA SIMULACION DE EVENTOS DISCRETOS

1.1 INTRODUCCION 1.2 DEFINICION Y APLICACIONES 1.3 ESTRUCTURA Y CARACTERISTICAS DE LA SIMULACION DE EVENTOS DSICRETOS. 1.4 SISTEMAS, MODELOS Y CONTROL. 1.5 MECANISMOS DE TIEMPO FIJO Y TIEMPO VARIABLE. 1.6 ETAPAS DE UN PROYECTO DE SIMULACION.

PONCIANO CRUZ ELVIA EDITH A11500530

ING. SANDRA LUGO

CERRO AZUL VER A 26 DE FEBRERO DEL 2014

SIMULACION

Pgina 1

INDICE

INDICE.02

INTRODUCCION03

DEFINICIONES Y APLICACIONES....04 ESTRUCTURA Y CARACTERISTICAS DE LA

SIMULACION DE EVENTOS DISCRETOS...06

SISTEMAS, MODELOS Y CONTROL.14 MECANISMOS DE TIEMPO FIJO Y

TIEMPO VARIABLE...18

ETAPAS DE UN PROYECTO DE SIMULACION..25

CONCLUSION....28

BIBLIOGRAFIA....29

SIMULACION

Pgina 2

INTRODUDUCCION A LA SIMULACION DE EVENTOS DISCRETOS 1.1. INTRODUCCION

La simulacin se puede definir como el acto de imitar un sistema real, de forma que se representen ciertas caractersticas o comportamientos clave del mismo. Es as que existen dos formas de simulacin principales: real o computacional. El presente artculo se enfocar en la simulacin por computadora, ms exactamente en la simulacin de eventos discretos , lo anterior dado que en mi experiencia como consultor encuentro en la simulacin de eventos discretos una poderosa tcnica que soporta de forma robusta la toma de decisiones en el diseo y la planeacin de la cadena de suministro, es por esto que considero de vital importancia trasmitir algunos puntos principales sobre la evaluacin de proyectos con simulacin, a fin de que usted como lector pueda a futuro sacar el mximo provecho de un proyecto en donde se use esta poderosa tcnica. Recuerde que aprender a usar la simulacin le representar a su empresa grandes beneficios tales como inclusin de efectos aleatorios dentro del anlisis, tener en cuenta los efectos de interacciones complejas en el sistema, anlisis de riesgo de diferentes alternativas, encontrar consenso entre diferentes conceptos de opinin, pero ms que todo la toma de decisiones acertadas en el menor tiempo posible.

La simulacin por eventos discretos es una tcnica informtica de modelado dinmico de sistemas. Frente a su homloga, la simulacin de tiempo continuo, esta se caracteriza por un control en la variable del tiempo que permite avanzar a ste a intervalos variables, en funcin de la planificacin de ocurrencia de tales eventos a un tiempo futuro. Un requisito para aplicar esta tcnica es que las variables que definen el sistema no cambien su comportamiento durante el intervalo simulado. Estos sistemas se caracterizan por mantener un estado interno global del sistema, que puede no obstante estar fsica o lgicamente distribuido, y que cambia parcialmente debido a la ocurrencia de un evento. El estado del sistema solo cambia mediante la ejecucin de eventos, que se almacenan en un contenedor, y uno o varios procesos dedicados a su ejecucin avanzan el tiempo de simulacin a medida que se van ejecutando y eliminando los eventos pendientes para el valor de tiempo actual.

SIMULACION

Pgina 3

La ejecucin de un evento puede desencadenar la generacin de nuevos eventos futuros. Cada uno est marcado por su tiempo, por lo que el orden de generacin puede no coincidir con el orden de ejecucin. Su empleo moderno se remonta a 1940 cuando Von Neumman y Ulam acuaron el termino anlisis de monte Carlo para aplicarlo a una tcnica matemtica que usaban entonces en la resolucin de ciertos problemas de proteccin nuclear que eran, o demasiado costosos para resolverse experimental, o de enorme complejidad para un tratamiento analtico.

1.2 DEFINICIONES Y APLICACIONES Existen diferentes definiciones de simulacin. Segn Tomas H. Naylor es el proceso de disear y desarrollar un modelo computarizado de un sistema o proceso y conducir experimentos con este modelo con el propsito de entender el comportamiento del sistema o evaluar varias estrategias con las cuales se puede operar el sistema. Definido por Robert E. Shannon: es el proceso de disear y desarrollar un modelo computarizado de un sistema o proceso y conducir experimentos con este modelo con el propsito de entender el comportamiento del sistema o evaluar varias estrategias con las cuales se pueda operar el sistema Una definicin ms dada por H. Masiel y G. Gnugnoli es la siguiente: es una tcnica numrica para realizar experimentos en una computadora digital, estos experimentos involucran ciertos tipos de modelos matemticos y lgicos que describen el comportamiento de sistemas de negocios, econmicos, sociales, biolgicos, fsicos, o qumicos a travs de largos periodos de tiempo. Las aplicaciones de la simulacin sirven por ejemplo para estudiar el efecto de cambios internos y externos del sistema, al hacer alteraciones en el modelo del sistema y observando los efectos de esas alteraciones en el comportamiento del sistema. Igualmente se puede hacer una observacin detallada del sistema que se est simulando y puede conducir a un mejor entendimiento del sistema y por
SIMULACION Pgina 4

consiguiente a sugerir estrategias que mejoren la operacin y eficiencia del sistema. La simulacin de sistemas complejos puede ayudar a entender mejor la operacin del sistema a detectar las variables ms importantes que interactan en el sistema y a entender mejor las interrelaciones entre estas variables Tambin puede ser utilizada para experimentar con nuevas situaciones sobre las cuales tiene poca o ninguna informacin, a travs de esta experimentacin se puede anticipar mejor a posibles resultados no previstos. Cuando nuevos elementos son introducidos en un sistema la simulacin puede ser usada para anticipar cuellos de botella o algn otro problema que puede surgir en el comportamiento del sistema.

En simulacin cada variables puede sostenerse constante, excepto algunas cuya influencia est siendo estudiada, como resultado el posible efecto de descontrol de las variables en el comportamiento del sistema necesitan no ser tomados en cuenta, como debe ser cuando el experimento esta desarrollado sobre un sistema real Igualmente podemos enumerar las siguientes: *anlisis del impacto ambiental causado por diversas fuentes. *anlisis y diseo de sistemas de manufactura. *evaluacin del diseo de organismos prestadores de servicios pblicos *anlisis de sistemas de transporte terrestre, martimo, areo, anlisis de grandes equipos de computo. *anlisis de un departamento dentro de una fabrica. *planeacin para la produccin de bienes. *anlisis financiero de sistemas econmicos, evaluacin de sistemas tcticos o de defensa militar.

Existen ciertas condiciones donde es viable utilizar la simulacin:

SIMULACION

Pgina 5

1.- Cuando no exista una completa formulacin matemtica del problema o los mtodos analticos para resolver el modelo matemtico no se han desarrollado. 2.- Los mtodos analticos estn disponibles, pero los procedimientos matemticos son tan complejos y difciles, que la simulacin proporciona un mtodo ms simple de solucin. 3.- Las soluciones analticas existen y son posibles pero estn mas all de la habilidad matemtica del personal disponible, el costo de diseo, la prueba, y la corrida de una simulacin debe entonces evaluarse contra el costo de obtener ayuda externa. 4.- Se desea observar el trayecto histrico simulado del proceso sobre un periodo adems de estimar ciertos para metros. 5.- La simulacin puede ser la nica posibilidad, debido a la dificultad para realizar experimentos y observar fenmenos en su entorno real. 6.- Se requiere la aceleracin del tiempo para sistemas o procesos que requieren de largo tiempo para realizarse.

1.3 ESTRUCTURA Y CARACTERISTICAS DE LA SIMULACION DE EVENTOS DISCRETOS. El diseo, el desarrollo y el anlisis de resultados de una simulacin es un proceso sofisticado, que requiere del analista unos mnimos conocimientos sobre programacin, matemticas, estadstica, gestin de proyectos y tambin sobre el propio sistema estudiado. La principal caracterstica de un sistema de eventos discretos es que el sistema est determinado por una secuencia de eventos que ocurren en momentos aleatorios de tiempo t1, t2... y el cambio de estado del sistema tiene lugar en esos instantes. Los pacientes son las entidades del sistema y los diferentes eventos sern las visitas y cambios de estado de salud (respuesta) desde un nivel basal al final, tras la toma de un tratamiento farmacolgico que modificar la fisiologa del paciente o la aplicacin de una tecnologa sanitaria.
SIMULACION Pgina 6

Cuando se escribe un programa de simulacin para MSED se puede realizar una aproximacin del esquema temporal de funcionamiento de las entidades en el sistema. As, deber describirse la secuencia de eventos y actividades que realizarn las entidades durante su estancia en el sistema y cmo se modificarn. Algunos de los sistemas ms estudiados son los problemas de colas que se aplican en determinadas situaciones, como la espera que deben tener los pacientes entre visita y visita, si los centros donde son tratados no pueden absorber toda su demanda (p. ej., en un centro e instante de tiempo slo puede ser tratado un paciente a la vez). A modo de resumen, para llevar a cabo la simulacin del sistema se deben seguir una serie de etapas, ampliamente identificadas y discutidas en la literatura cientfica (Figura):

1. Formulacin de la problemtica y determinacin de los objetivos: consiste en establecer de forma clara, cul es el problema que se pretende abordar, qu objetivos globales se desean alcanzar y con qu recursos ser necesario contar para lograrlos en el tiempo previsto.

SIMULACION

Pgina 7

2. Modelado del sistema: se trata de crear el diseo del sistema que permita su simulacin por ordenador. El modelo deber reflejar convenientemente la estructura interna del sistema y sus caractersticas, de modo que los resultados que se deriven sean extrapolables al sistema real. Por ejemplo, resultar fundamental modelar los fenmenos aleatorios del sistema mediante distribuciones estadsticas, como la interrupcin del tratamiento, la hospitalizacin por urgencias u otro evento. Para llevar esto a cabo, sera interesante disponer de una serie histrica de observaciones sobre el comportamiento de dichos fenmenos aleatorios, como los resultados de un ensayo clnico, un meta anlisis o un registro de pacientes.

3. Implementacin del modelo en el ordenador. El modelo desarrollado desde el punto de vista terico ha de ser implementado en el ordenador a travs de algn software especfico. Ms adelante, se describen las principales caractersticas de cada una de las herramientas informticas disponibles. 4. Verificacin del programa: comprobacin de la correcta implementacin del modelo en el ordenador. Para ello, debemos comprobar que el programa resultante se comporta segn lo deseado, es decir, que los resultados deben ser coherentes para las diversas combinaciones de variables de entrada (inputs) del modelo, y no ha habido ningn error sintctico a la hora de programar las diferentes instrucciones. 5. Validacin del modelo. Consiste en comprobar que el modelo refleja convenientemente el mundo real. Para ello, se procede a comparar, para distintas combinaciones de variables de entrada, los resultados que produce el modelo con los observables en el sistema real. En dicho proceso de validacin es frecuente el uso de tcnicas estadsticas que permitan comparar dos conjuntos de datos16. 6. Diseo de la simulacin y pruebas piloto. Una vez aceptado el modelo como vlido, el siguiente paso es disear las caractersticas del experimento o experimentos de simulacin que se van a llevar a cabo, es decir, responder a preguntas como cul ser el nmero de iteraciones, las variables de entrada empleadas, la conveniencia de usar tcnicas de reduccin de la varianza. Suele ser de gran utilidad la realizacin de pruebas piloto (simulaciones cortas) que proporcionen orientaciones sobre cmo conviene afrontar el estudio y calcular el nmero de rplicas necesarias.
SIMULACION Pgina 8

7. Ejecucin de la simulacin. Se procede a llevar a cabo la simulacin establecida en el paso anterior. 8. Anlisis de resultados. Los resultados procedentes de un experimento de simulacin suelen requerir un anlisis estadstico no trivial que permita obtener informacin til sobre el comportamiento analizado. 9. Documentacin del experimento. Una vez finalizado el experimento, ste debe ser convenientemente documentado, de modo que se fomente su credibilidad y la validez de las conclusiones obtenidas.

Componentes de los modelos de simulacin de eventos discretos (MSED) Reloj de simulacin Puesto que en este tipo de simulacin se est considerando la evolucin temporal del sistema, cuyo estado se modifica slo en instantes discretos de tiempo a causa de la aparicin de algn evento, ser necesario introducir un reloj de simulacin que registre el tiempo virtual transcurrido desde la puesta en marcha del sistema, y que permita referenciar el instante exacto en que ocurre cada uno de los eventos. Es importante no confundir el tiempo virtual que marca el reloj de simulacin con el tiempo de computacin, el cual registra el tiempo real transcurrido desde que la simulacin se puso en marcha. El tiempo marcado por el reloj de simulacin hace explcito el paso del tiempo a lo largo del modelo. Esto hace posible sealar el comienzo y el final de la simulacin, y la aparicin de eventos clnicos en su momento exacto, sin necesidad de ciclos de duracin fija. Esto permite una simulacin ms eficiente y realista en funcin de la aparicin de los eventos durante el curso de la enfermedad en los pacientes. Tambin permite la creacin de relojes secundarios que marcan tiempos importantes, como la estancia hospitalaria, el tiempo de ausencia de efectos adversos o la supervivencia. Puesto que los cambios en el sistema se producen slo cuando ocurre algn evento, queda claro que el estado del sistema no sufrir ninguna variacin entre 2 eventos consecutivos. Este hecho da sentido a una de las polticas ms habituales para controlar el reloj de simulacin: si se sabe que el evento n se acaba de
SIMULACION Pgina 9

producir en el instante virtual actual tn, y que el evento n + 1 se producir en el instante virtual tn+1, dado que entre ambos instantes no pasar nada de inters, se avanzar el reloj de simulacin hasta el instante tn+1, y se asignar dicho instante a la variable del programa que representa el reloj de simulacin. Tras avanzar el reloj hasta el instante tn+1, se lleva a cabo la actualizacin de las variables de estado y estadsticas del sistema. Este proceso de avance hasta el siguiente evento y actualizacin de variables se repite de forma indefinida hasta que se verifique alguna condicin de fin de la simulacin.

Entidades Son los elementos dinmicos que se simulan a travs del modelo, cambian de estatus, afectan y son afectados por otras entidades y son los protagonistas de los eventos clnicos de estudio del modelo. Normalmente, en la simulacin de una enfermedad se representan pacientes, pero pueden representarse tambin distintos componentes, como enfermeras, familiares o mdicos. Estas entidades suponen una diferencia importante respecto a los rboles de decisin o a los modelos de Markov, en los cuales se especifican los resultados clnicos, estados o transiciones de los pacientes, pero stos en s no son caracterizados como elementos explcitos del modelo, tal como ocurre en los MSED.

ATRIBUTOS Son las caractersticas de las entidades, con las cuales se describen y diferencian. Por ejemplo, son atributos de los pacientes, como la edad, el sexo, la duracin de su enfermedad, la gravedad de sta y el cumplimiento del tratamiento. Un atributo importante en las evaluaciones econmicas, fundamental en los estudios de coste-utilidad, sera la calidad de vida. sta se puede estudiar de forma detallada incluyndola mediante un atributo. Todas las entidades tienen los mismos tipos de atributos, pero con diferentes valores para cada entidad; los valores de los atributos estn, por tanto, ligados a una entidad concreta. Por ejemplo, todos los pacientes tienen edad o presin arterial, pero cada uno po-see un valor especfico. El atributo puede asignarse
SIMULACION Pgina 10

como un valor especfico, una muestra de una distribucin o el resultado de una expresin (p. ej., de una ecuacin condicional). EVENTOS Es todo aquello que puede ocurrir durante la simulacin en funcin del proceso que estamos estudiando. Por ejemplo, un evento puede ser un efecto adverso, una admisin hospitalaria, el alta del hospital, un cambio de dosis o una baja laboral. El concepto de evento va ms all de las transiciones de los modelos de Markov, ya que la aparicin de un evento no necesariamente implica el cambio de estado de salud del paciente (p. ej., una visita al mdico). A pesar de que hay una secuencia temporal dada, los eventos pueden suceder de forma casi simultnea y pueden hacerlo en cualquier secuencia lgica en relacin con la historia plausible del proceso de estudio (p. ej., fallo en un rgano diana o fallo multiorgnico en un paciente con sepsis). Al contrario que en los modelos de Markov, estos eventos no presentan ningn tipo de restriccin de memoria. Los riesgos de que los diferentes eventos ocurran pueden tomar la forma de funciones dependientes de los datos y depender de algunos atributos y variables. Estas funciones pueden cambiar durante la simulacin. VARIABLES Las variables definen el modelo y reflejan una caracterstica del conjunto, no de entidades especficas. Son especificaciones que se mantienen a lo largo del modelo, aunque sus valores pueden cambiar durante el proceso de simulacin, y van a definir el entorno de la simulacin afectndolo a lo largo de todo el proceso. Las variables de uso comn son: el horizonte temporal (duracin de la simulacin), las tasas de descuento para los costes y los beneficios, las tasas de incidencia, la proporcin de cada tratamiento al inicio, la tasa de admisin o la perspectiva de uso. Slo hay una copia de cada variable que se mantiene para todo el modelo. RECURSOS Definidos en un tiempo determinado, su consumo lleva asociado el gasto de una serie de unidades de dichos recursos en momentos de tiempo concretos. En el mbito sanitario estos recursos se pueden dividir en personas (mdicos, enfermeras, cuidadores), bienes (medicamentos, pruebas de laboratorio), espacios (camas hospitalarias, quirfanos) y otros.

SIMULACION

Pgina 11

Algunos recursos pueden consumirse de manera simultnea en un momento dado, pero lo ms frecuente es que las entidades tengan que competir por estos recursos, que adems tienen un coste unitario de uso. Un recurso puede tener diferentes unidades de capacidad (pensemos, por ejemplo, en las camas en una sala de emergencia o en el nmero de mdicos en una zona geogrfica determinada).

ACUMULADORES ESTADSTICOS Son variables que acumulan la informacin de lo que ha pasado sin participar en el suceso mismo, es decir, son pasivos. Dependen de la caracterizacin de los resultados pedidos al modelo. Al final de la simulacin, se usan para obtener el resultado final, y las medidas de stos (cocientes coste efectividad). Algunos ejemplos de acumuladores estadsticos son la supervivencia, los costes asociados a los pacientes o el nmero de visitas en un tiempo determinado.

COLAS Cuando un paciente utiliza un determinado recurso, ste deja de estar disponible para el resto de los pacientes, lo cual puede generar colas en el sistema. Esta situacin no suele tenerse en cuenta en otro tipo de modelos, en los que los recursos parecen gozar de una capacidad infinita (lo cual est alejado de la mxima de la escasez de recursos en funcin de las necesidades de la poblacin, que es una caracterstica de la toma de decisiones en sanidad). Esta conceptualizacin est vinculada a la idea del coste de oportunidad de los recursos en la propia estructura del modelo. RETRASOS Se pueden generar 2 tipos de retrasos: explcitos, que son los que se generan por algn tipo de accin o proceso (p. ej., la duracin de los exmenes mdicos), e implcitos, causados por otras acciones o condiciones en la simulacin del modelo (p. ej., colas para acceder a una prueba diagnstica). Ecuaciones de riesgo y generadores de nmeros aleatorios Las primeras se refieren a ecuaciones que se aplican de forma individual a cada individuo del modelo, y pueden ser: funciones (lineales, logartmicas, de riesgo
SIMULACION Pgina 12

etc.) o distribuciones estadsticas de probabilidad (normal, exponencial, weibull, beta, gamma, etc.). Los nmeros aleatorios se generan mediante algoritmos computacionales avanzados para asegurar la aleatorizacin y crear el comportamiento estocstico del modelo, y se basan en variables pseudoaleatorias, creadas a travs de un procedimiento determinstico. En la mayora de las simulaciones, los experimentos tienen por objetivo obtener valores medios de los resultados de sus distribuciones probabilsticas. Hay numerosos estudios sobre generacin de nmeros aleatorios y tcnicas de simulacin, as como de su optimizacin.

1.4 SISTEMAS MODELOS Y CONTROL.

El concepto de sistema en general est sustentado sobre el hecho de que ningn sistema puede existir aislado completamente y siempre tendr factores externos que lo rodean y pueden afectarlo. Los objetivos que se persiguen al estudiar uno o varios fenmenos en funcin de un sistema son aprender cmo cambian los estados, predecir el cambio y controlarlo, todo sistema consta de 3 caractersticas; Tienen fronteras, existe dentro de un medio ambiente y tiene subsistemas, el medio ambiente es el conjunto de circunstancias dentro de las cuales esta una situacin problemtica, mientras que las fronteras distinguen las entidades dentro de un sistema de las entidades que constituyen su medio ambiente.
SIMULACION Pgina 13

CONCEPTOS BASICOS DE SISTEMAS Entidad: "Una entidad es algo que tiene realidad fsica u objetiva y distincin de ser o de carcter". Las entidades tienen ciertas propiedades que los distinguen a unas de otras. Relacin:"Relacin es la manera en la cual dos o ms entidades dependen entre si". Relacin es la unin que hay entre las propiedades de una o ms entidades; por consiguiente, el cambio en alguna propiedad de una entidad ocasiona un cambio en una propiedad de otra entidad. Estructura: Es un conjunto de relaciones entre las entidades en la que cada entidad tienen una posicin, en relacin a las otras, dentro del sistema como un todo. Estado: El estado de un sistema en un momento del tiempo es el conjunto de propiedades relevantes que el sistema tiene en este momento. Cuando se habla del estado de un sistema, entiende los valores de los atributos de sus entidades. Analizar un sistema supone estudiar sus cambios de estado conforme transcurre el tiempo. MODELACIN DE SISTEMAS Puede ser una representacin formal de la teora o una explicacin formal de la observacin emprica, a menudo es una combinacin de ambas. Los propsitos de usar un modelo son los siguientes: 1.-Hace posible que un investigador organice sus conocimientos tericos y sus observaciones empricas sobre un sistema y deduzca las consecuencias lgicas de esta organizacin. 2.-Favorece una mejor comprensin del sistema. 3.-Acelera anlisis. 4.-Constituye un sistema de referencia para probar la aceptacin de las modificaciones del sistema. 5.-Es ms fcil de manipular que el sistema mismo. 6.-Hace posible controlar ms fuentes de variacin que lo que permitira el estudio directo de un sistema. 7.-Suele ser menos costoso.
SIMULACION Pgina 14

Al analizar un sistema podemos observar, que al cambiar un aspecto del mismo, se producen cambios o alteraciones en otros. Es en estos casos en los que la simulacin, representa una buena alternativa para analizar el diseo y operacin de complejos procesos o sistemas.

La modelacin de sistemas es una metodologa aplicada y experimental que pretende: 1.-Describir el comportamiento de sistemas. 2.-Hipotesis que expliquen el comportamiento de situaciones problemticas. 3.-Predecir un comportamiento futuro, es decir, los efectos que se producirn mediante cambios en el sistema o en su mtodo de operacin. Un modelo se utiliza como ayuda para el pensamiento al organizar y clasificar conceptos confusos e inconsistentes. Al realizar un anlisis de sistemas, se crea un modelo del sistema que muestre las entidades, las interrelaciones, etc. La adecuada construccin de un modelo ayuda a organizar, evaluar y examinar la validez de pensamientos. Los modelos deben contener slo los aspectos esenciales del sistema real que representan. Aquellos aspectos del sistema que no contribuyen significativamente en su comportamiento no se deben incluir, ya que lo que haran sera obscurecer las relaciones entre las entradas y las salidas. En qu punto se debe parar de incluir realismo en el modelo? Esto depende del propsito para el cual el modelo se haya desarrollado.

Caractersticas que deben presentar los modelos: Deben ser fciles de entender y manejar. Deben ser simples y de costo no excesivo. Deben ser una buena aproximacin del sistema real, que controle el mayor nmero posible de aspectos del mismo y que stos contribuyan de forma
Pgina 15

SIMULACION

significativa al sistema (hay relaciones en el sistema que no son significativas y pueden obviarse en el modelo).

El diseo y control de modelos de modelos obliga a tener conocimientos de cuatro reas de conocimiento distintas: Modelizacin: necesarios para disear el modelo que permita dar respuestas vlidas del sistema real que represente. El diseo es una fase muy importante, ya que los errores proporcionarn modelos falsos. Programacin: ya que el modelo se ha de implantar con un lenguaje de programacin. Probabilidad y Estadstica: la probabilidad es necesaria para definir y estudiar las variables aleatorias de las entradas, y la estadstica para permitir el diseo y anlisis de los experimentos. Mtodos Heursticos: para permitir llegar a una solucin buena del problema planteado.

CLASIFICACIN DE LOS MODELOS Nos vamos a centrar en los modelos matemticos y su estudio por medio de simulacin. Los modelos se pueden clasificar en: Estticos frente a Dinmicos: Un modelo esttico es una representacin de un sistema en un punto particular del tiempo, o uno que representa un sistema en el cual el tiempo no juega ningn papel; ejemplos de simulaciones estticas son los modelos MonteCarlo. De otro lado, los modelos dinmicos representan sistemas que evolucionan con el tiempo. Determinstico frente a Probabilsticos: Si un modelo no contiene ningn componente probabilstico se conoce como determinstico (ej. un complicado sistema de ecuaciones diferenciales que describen una sustancia qumica). En un modelo determinstico la salida es determinada una vez que se especifican las relaciones, cantidades y entradas. Sin embargo muchos sistemas tienen ciertos componentes aleatorios de entrada y stos se representan mediante modelos probabilsticos (por ejemplo la mayora de los sistemas de colas e inventarios). Los modelos de simulacin probabilsticos producen salidas que son aleatorias y deben ser tratadas como tales, es decir como una estimacin de las verdaderas caractersticas del modelo; esta es una de las desventajas de la simulacin.
Pgina 16

SIMULACION

Continuos frente a Discretos: Los modelos de simulacin continuos y los discretos se definen de forma anloga a la de los sistemas. Slo decir que no siempre es usado para modelar un sistema discreto y viceversa. La decisin de utilizar un modelo discreto o continuo para un sistema particular depende de los objetivos del estudio. Por ejemplo un modelo del flujo de trfico en una autova podra ser discreto si son importantes las caractersticas y movimientos de los coches individuales. Alternativamente, si los coches se tratan en conjunto el flujo de trfico se puede describir mediante ecuaciones diferenciales en un modelo continuo.

Prescriptivos frente a Descriptivos: Los primeros pretenden tomar decisiones sobre el sistema; se utilizan cuando se desea responder y optimizar una cuestin acerca del sistema, tratan de dar la mejor solucin. Los segundos se limitan a describir el comportamiento del sistema y dejan la totalidad del proceso de optimizacin en manos del analista. De Ciclo Abierto frente a de Ciclo Cerrado: En los primeros no hay realimentacin, es decir, las salidas no afectan a las entradas. En los segundos las salidas s afectan a las entradas (ej. un sistema de calefaccin).

1.5 MECANISMO DE TIEMPO FIJO Y TIEMPO VARIABLE

Debido a que la mayora de los estudios de simulacin se interesan en el rendimiento del sistema durante un periodo, una de las consideraciones ms importantes para disear el modelo y escoger el lenguaje en el cual programarlo, es el mtodo que se usa para cronometrar. El cronometraje en una simulacin tiene dos aspectos o funciones: la de adelantar el tiempo o actualizar el estado del tiempo del sistema y el de proporcionar sincronizacin de los carios elementos y ocurrencia de eventos.

SIMULACION

Pgina 17

Debido a que las acciones de cada elemento dependen del estado as como de las acciones de otros elementos, estas deben coordinarse o sincronizarse a tiempo simulado, produciendo que los eventos ocurran en el orden adecuado y con los intervalos adecuados entre los eventos ocurran en el orden adecuado y con los intervalos adecuados entre los eventos sucesivos.

Esto plantea un problema un poco menos trivial para el diseador. Aunque los componentes de un sistema real funcionan simultneamente, los componentes en un modelo de simulacin digital funcionan secuencialmente, debido al hecho de que una computadora digital ejecuta sus instrucciones una a la vez (es decir, la operacin es secuencial) y por tanto, solo puede considerar los componentes del sistema uno por uno. Debido a que los eventos a menudo ocurren simultneamente en diferentes partes del sistema del mundo real, es necesario crear un sistema de cronometraje que sincronic el rendimiento de los componente del sistema en el dominio de tiempo.

Dos mecanismos bsicos de cronometraje se encuentran disponibles para usarse: los mtodos de tiempo fijo y de incremento de tiempo variable. Evento, respectivamente. El mtodo de incremento fijo actualiza el tiempo dentro del sistema en intervalos de tiempo predeterminados de longitud fija (la simulacin camina a travs del tiempo a un ritmo fijo). Por otra parte, el mtodo de incremento de tiempo variable o del siguiente evento actualiza el tiempo en el momento en que ocurre cada uno de los eventos significativos, independientemente del paso del tiempo entre eventos. (Simulacin camina a travs del tiempo sobre los eventos).

Muchos escritores consideran conveniente clasificar a los modelos de simulacin en dos categoras principales: I.- modelos de incremento contino o II.- modelo de incremento discreto. Los modelos de incremento continuo usan mecanismos de
SIMULACION Pgina 18

avance de tiempo de incremento fijo y son adecuados cuando el analista considera al sistema que esta estudiando como un sistema consistente de un flujo continuo de informacin o datos que se cuenten colectivamente en vez de individualmente.

En los modelos de incremento discreto, el analista se interesa en lo que les sucede a los datos individuales dentro del sistema. La mayora de los modelos de cambio discreto, por tanto, utiliza el tipo de cronometraje del siguiente evento. Algunos problemas se describen mejor por un tipo o por el otro, mientras que cualquier tipo puede usarse para otros.

La figura 3.1 ilustra como se representa y administra el tiempo en cada una de las dos formulaciones. La misma secuencia de eventos (e ) se representa como si ocurriera en cada eje en relacin con el tiempo.

Los dos eventos e4 y e5 se muestran como si ocurrieran simultneamente. Las flechas sealan hacia los valores de tiempo en los cuales se actualiza el tiempo y los eventos parecen ocurrir en cada modelo. En lo referente al modelo del siguiente evento, cuando se cambia el tiempo de simulacin, este se adelanta al tiempo ms inmediato de la primera de las futuras ocurrencias de eventos.

SIMULACION

Pgina 19

El tiempo de simulacin si en secuencia seria igual a:

Donde los valores de tiempo de simulacin son precisamente los valores e1, e2,, los cuales ocurren los eventos. Por el contrario, en el modelo de incremento de tiempo fijo, el tiempo de simulacin asumir en forma sucesiva los valores.

Los valores de tiempo de simulacin no son del todo dependientes de los tiempos reales de ocurrencia de eventos e1, e2,, los cuales estn simulndose. El tiempo de simulacin siempre se adelanta en la misma cantidad, un cierto incremento de tiempo escogido. 1 t. cada mtodo tiene sus ventajas. En el modelo con el mtodo del siguiente evento, el procesamiento de eventos ocurre en secuencia, el tiempo del siguiente evento, el procesamiento de eventos ocurre en secuencia, el tiempo de simulacin se adelanta al tiempo de la siguiente ocurrencia mas prxima, cuando a su vez cada ocurrencia es procesada. En el modelo de incremento de tiempo fijo, el procesamiento de las ocurrencias no procede de esta manera. Esta procede en grupos, lotes o conjuntos de ocurrencias de eventos, como sigue:
SIMULACION Pgina 20

Debido a que el tiempo esta establecido en algn valor, digamos sk, entonces todas las ocurrencias de eventos que tengan tiempos ep, eq, er, ..,tal que:

Se procesan antes de tiempo de simulacin se adelante el siguiente valor Sk+/. El tamao de 1 t tiene una influencia crtica cobre la simulacin, debido a que un incremento positivo de cualquier tamao le permitir al modelo pasar por el movimiento de la simulacin. Se pueden obtener resultados errneos si el tamao de la 1 t seleccionada no es correcto, debido a que todas las ocurrencias de eventos parecen haber tenido lugar en el punto del extremo superior del intervalo. La figura 3.2 ilustra los resultados radicalmente diferentes que se obtuvieron por alterar f.1t. El modelo con el mtodo del siguiente evento no requiere la seleccin de un incremento de tiempo artificial y arbitrario.

Por tanto, se evita el posible error de escoger un incremento que, al ser desconocido para el usuario, podra alterar sus resultados. El modelo con base en el siguiente evento tambin tiene la ventaja de procesar eventos como si ocurrieran simultneamente, solamente cuando tiene tiempos de ocurrencia idnticos. La simultaneidad parece existir. Esto evita el tener que insertar alguna
SIMULACION Pgina 21

regla arbitraria en el sistema, Para decidir cual evento que parecan haber ocurrido simultneamente ocurri primero para el propsito de la simulacin. Esta caracterstica debe incluirse en el concepto del incremento del tiempo fijo. Si por alguna razn se desea hacer que un modelo del siguiente evento se semeje a un modelo de incremento de tiempo fijo, esto puede llevarse acabo. Cada tiempo de ocurrencia e puede ser remplazado por el tiempo.

El modelo de incremento de tiempo fijo no puede imitar de manera exacta al procedimiento del siguiente evento. Sin embargo, se puede lograr una aproximacin haciendo cada vez pequeos a los incrementos. El incremento de tiempo debe hacerse 10 suficientemente pequeo de tal manera que dos ocurrencias de eventos no simultneas ocupen el mismo intervalo y den una falsa impresin de simultaneidad. Independientemente de que tanto se reduzca f1 para obtener un tamao de incremento extremadamente pequeo, todava es posible una falsa impresin debido a la diferencia, aunque ligera, entre los tiempos de ocurrencia registrados y reales.

Ya que una parte significativa del tiempo de ejecucin de computadora se consume por seguir los eventos y actualizar el reloj, una eleccin inadecuada del mecanismo de cronometraje puede incrementar de manera significativa el costo de las corridas. El mecanismo de flujo de tiempo adecuado o preferido que se usan en un modelo en particular, no se determina fcilmente. Deben considerarse los siguientes factores.

1. propsito o meta del modelo

SIMULACION Pgina 22

2. precisin de los resultados requeridos (usualmente una funcin del primer factor.) 3. tiempo de corrida de computadora requerido para diferentes mtodos. 4. Almacenamiento de computadoras requerido 5. Esfuerzo de programacin requerido.

Lamentablemente, las respuestas comparativas para los ltimos tres factores no pueden determinarse fcilmente sin la construccin real del modelo son sin lugar a dudas las consideraciones mas importantes. Como hemos tratado de sealar en el comentario anterior, el procedimiento de cronometraje del siguiente evento es por lo general el mas exacto y preciso, en cuanto a que sigue el tiempo exacto y la secuencia en la que el mtodo de incremento fijo es igualmente presido y exacto, si el incremento se hace lo suficientemente pequeo. Aqu, como en otros aspectos del diseo del modelo, existe un cambio entre el tiempo de ejecucin de computadora y la presicion de los resultados.

De igual manera, no existe una ventaja universal definitiva de un mtodo sobre el otro, cuando consideramos los tiempos de corrida de computadora requeridos. La pregunta referente a cual mtodo es preferible desde este punto de vista es una funcin de lo siguiente:

El nmero de componentes del sistema o entidades capaces de generar eventos significativos.

El numero de eventos por periodo generados por cada entidad (densidad de eventos).

SIMULACION

Pgina 23

La longitud de tiempo medio o promedio de un evento (evento a partir del inicio al tiempo en que se termina el cambio.

1.6 ETAPAS DE UN PROYECTO DE SIMULACION. FORMULACION DEL PROBLEMA. Otro importante aspecto abordado en la investigacin es la identificacin y estudio de las tcnicas de integracin para la formulacin de las tareas docentes. Sin pretender profundizar en las complejidades que encierra una investigacin pedaggica sobre el tema, a continuacin se describen muy brevemente algunas tcnicas utilizadas para la formulacin de problemas qumicos de integracin estructural, que son los ms importantes: 1.-Modelacin. Fijado el objetivo que se persigue en la creacin de un problema, inmediatamente se activan los componentes intelectuales bsicos: sensaciones, percepciones, memoria, pensamiento e imaginacin. Con ellos se comienzan a dibujar en el cerebro nuevas ideas en forma de imgenes, con la necesidad de ser exteriorizadas mediante la construccin de modelos grficos, es por ello que los elementos estructurales del problema son plasmados en el papel antes de su redaccin en el formato final. La tcnica de modelacin es un recurso asociativo de gran valor en la fluidez de los procesos lgicos de anlisis y sntesis del pensamiento que se desarrollan en el acto de creacin. Es el reflejo grfico en el papel de las asociaciones que van conformndose como estructuras cognitivas, y los dibujos, esquemas, trazos, etc que inicialmente viene apareciendo de forma aislada y sucesiva, luego se integran en forma de sistema para la formulacin final del problema. Esta tcnica constituye un buen instrumento en manos del formulador porque facilita la asociacin de ideas, ayuda a agrupar los elementos estructurales del problema y facilita la redaccin en forma coherente. La construccin de los diagramas de Euler para estudiar las distintas relaciones que se establecen entre los conocimientos, es una actividad que ayuda a desarrollar la habilidad de modelacin. Estos diagramas tambin son utilizados en la metodologa como situacin inicial para la construccin de tareas que respondan a determinadas caractersticas. 2.-Tanteo-error. Consiste en un proceso continuo de adecuacin y ajuste por bsqueda y prueba de los datos y/o las incgnitas segn las condiciones del
SIMULACION Pgina 24

problema, hasta encontrar las ms adecuadas. La bsqueda puede ser de tipo inteligente o arbitrario, y en ocasiones es utilizada para modificar las condiciones y con ella reordenar los elementos estructurales. Se evidencia su utilizacin en el gran nmero de operaciones de clculo que son realizadas, as como en tachaduras y borrones que generalmente aparecen sobre el papel del formulador. 3.Asociacin por analoga. En esta tcnica se hace uso de la reproduccin en una primera fase. Consiste en establecer nuevos nexos entre datos e incgnitas siguiendo formatos y textos guardados en la memoria para obtener otras por medio de la innovacin. Es evidente que sobre las ideas iniciales, posteriormente se introducen modificaciones, que consisten en relacionar los datos de otra forma, introducir nuevas condiciones o cambiar la forma de redactar las preguntas, para obtener al final un problema derivado, que si bien no se caracteriza por su originalidad, s constituye una nueva tarea. Estas tres primeras tcnicas son tipificadas como complementarias en el acto de creacin de las tareas docentes, porque actan de forma combinada y ms bien son instrumentos de ayuda, segn la situacin inicial que se tome como punto de partida. Otras, como la siguientes, son denominadas bsicas por su gran influencia y jerarqua en la formulacin, sin embargo, tanto las complementarias como las bsicas se utilizan de forma combinada en la prctica. 4.-Integracin por inclusin. Es una tcnica muy sencilla, cuyo procedimiento es asequible a cualesquier sujeto. Consiste en elaborarla de forma tal que las incgnitas de los diferentes incisos mantengan una dependencia sucesiva en forma de cadena, como el ejemplo de la pgina 37, donde fueron caracterizados los sistemas semiabiertos, para luego eliminar los iniciales y solo dejar la incgnita final. 5.-Reformulacin. Consiste en reconstruir la estructura gramatical y de sistema mediante procesos de innovacin. Se diferencia de la analoga por la profundidad de los cambios introducidos, puesto que se parte de un ejemplo concreto que debe ser modificado y no de recuerdos que pueden ser borrosos y a veces confusos. 6.-Fusin de tareas (o contenidos) auxiliares. Como parte de las estrategias de integracin, la fusin de tareas docentes auxiliares constituye una de las ms importantes. Es poco empleada, debido a la elevada complejidad que implica el establecimiento de relaciones mltiples entre datos e incgnitas que proceden de ejemplos diferentes, aunque tambin pueden ser integrados diversos contenidos previamente seleccionados, que guarden una relacin directa o indirecta. Consiste en fusionar dos o ms contenidos (que pueden o no proceder de otras tareas),
SIMULACION Pgina 25

mediante los mecanismos de la integracin externa o interna, para obtener otra con un mayor nivel de complejidad. Para poner en prctica las tcnicas analizadas, es necesario aclarar que casi nunca se emplean de forma aislada, ms bien en forma asociada como conjunto, por ejemplo cuando se selecciona la reformulacin, ella va acompaada de otras complementarias como la modelacin y el tanteo-error, entre otras. Adems, en su conjunto, los fundamentos tericos estudiados sobre los distintos tipos de tareas integradoras y las tcnicas necesitan para su implementacin del siguiente conjunto de requisitos: 1.-Partir del anlisis de los objetivos de los programas, siguiendo un enfoque sistmico en su derivacin gradual, desde los ms generales de la enseanza hasta la clase. 2.-Proporcionar en las tareas relaciones ricas entre los nuevos conocimientos y los esquemas existentes, donde estn presentes todos los niveles de integracin de los conocimientos y las habilidades, hasta llegar al nivel interdisciplinario. 3.-Desarrollar una adecuada variedad, concebida la variedad no slo en trminos de enfoque que propicien reflexin, estimulen el debate y permitan crear motivos cognoscitivos, sino tambin en relacin con las funciones, habilidades, niveles de asimilacin y complejidad, entre otros 4.-Presentar la informacin tanto en trminos positivos y familiares como con complejidad lgico lingstica, ir desde la simple descripcin del lenguaje simblico hasta la exigencia de complicadas transformaciones, como por ejemplo negaciones o varias premisas con diferentes enlaces lgicos, textos complejos a interpretar o informaciones no utilizables, entre otras. 5.-Redactar las tareas de forma tal que expresen siempre ms de una funcin. Adems de la funcin cognoscitiva, incorporar situaciones nuevas, con diferentes niveles de complejidad, tanto de la vida diaria, la orientacin profesional o el cuidado del medio ambiente, como de la actualidad poltico- ideolgica del pas. 6.-Establecer un adecuado equilibrio entre los problemas que sern formulado, dejando un espacio a los problemas experimentales y cualitativos, que son insuficientes en los textos de la enseanza media.

SIMULACION

Pgina 26

SIMULACION

Pgina 27

CONCLUSION:

se muestra cmo la simulacin puede ser una herramienta muy til para analizar en detalle los sistemas ferroviarios, estudiar distintas polticas ante incidencias Para ello se ha desarrollado un conjunto de mdulos que permite la construccin tanto

SIMULACION

Pgina 28

BIBLIOGRAFIA

Fuente: Barrera Sanabria, Gareth. Universidad Autnoma de Bucaramanga. http://fis.unab.edu.co/docentes/gbarrera/Introduccion_Simulacion.pdf http://dc248.4shared.com/doc/QoVvbT0l/preview.html http://es.wikipedia.org/wiki/Archivo:M%C3%A9todo_cient%C3%ADfico.jp http://simu-iti.blogspot.mx/2011/03/16-etapas-de-un-proyecto-de-simulacion.html

SIMULACION

Pgina 29