Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
DESARROLLO.
Hay varias maneras de encontrar soluciones de aproximación numérica para las ecuaciones
diferenciales. Los métodos son basados en la idea de reemplazar las ecuaciones diferenciales
por una ecuación de diferencia. El método de Euler es basado en aproximación de la derivativa
por una diferencia de primer orden. Hay técnicas más eficientes tales como Runge-Kutta y
métodos de múltiples pasos. Estos métodos fueron muy conocidos cuando emergieron los
simuladores digitales en el año de 1960. El campo de las matemáticas numéricas experimentó
un renacimiento debido al impacto de las computadoras digitales.
En cierto modo, todos los modelos se valen del proceso de simulación en el sentido que imitan
la realidad. Sin embargo, los modelos de simulación están diseñados específicamente para
emplearse en los problemas cuya complejidad impide describirlos o resolverlos con las
ecuaciones matemáticas ordinarias. Tratan de reproducir una parte de las operaciones de la
organización a fin de no ver lo que sucederá en ella con el tiempo, o de ensayar con esa parte
modificando algunas variables. (así pues, los modelos de simulación son descriptivos no
normativos).
Elementos de un modelo de simulación.
Las variables de decisión son incógnitas que deben ser determinadas a partir de la
solución del modelo. Los parámetros representan los valores conocidos del sistema o
bien que se pueden controlar.
Restricciones.
Las restricciones son relaciones entre las variables de decisión y magnitudes que dan
sentido a la solución del problema y las acotan a valores factibles. Por ejemplo, si una
de las variables de decisión representa el número de empleados de un taller, es evidente
que el valor de esa variable no puede ser negativo.
Función Objetivo
La simulación se puede aplicar a una gran variedad de campos y esto se debe principalmente a
que no hay un único tipo de modelo simulación, si no que existen varios tipos que se dividen
en diferentes clasificaciones. La variedad de modelos de simulación se debe a la combinación
de diferentes características que lo definen. Algunas de estas clasificaciones son la siguientes:
Estocásticos o probabilistas: Los valores de las variables dentro de este modelo sufren
modificaciones aleatorias con respecto a un valor promedio; dichas variaciones pueden
ser manejadas mediante distribuciones de probabilidad.
Clasificación según las variables de estado.
Discretos: En este tipo de simulación, las variables de estado del modelo evolucionan
sobre un conjunto discreto de puntos, quizás aleatorio, del eje de tiempos. En estos
modelos, los flujos temporales entre los puntos del mencionado conjunto compiten unos
con otros por el uso de los recursos escasos.
Modelos icónicos: Son los modelos físicos que se asemejan al sistema real,
generalmente manejados en otra escala.
Modelos Análogos: Son los modelos en los que una propiedad del sistema real se puede
sustituir por una propiedad diferente que se comporta de manera similar.
Poseen una gran flexibilidad para modelizar cualquier tipo de sistema, por muy
complejo que este pueda llegar a ser. De esta manera permite que un problema complejo,
pueda ser resuelto de manera matemática a través del software de simulación.