Tipos y Aplicaciones de una Simulacion

TIPOS DE MODELOS DE SIMULACIÓN.

MODELOS DE SIMULACIÓN ESTÁTICA VS. DINÁMICA

Un modelo de simulación estática, se entiende como la representación de un sistema para un instante (en el tiempo) en particular o bien para representar un sistema en el que el tiempo no es importante, por ejemplo la simulación Montecarlo; en cambio un modelo de simulación dinámica representa a un sistema en el que el tiempo es una variable de interés, como por ejemplo en el sistema de transporte de materiales dentro de una fabrica, una torre de enfriamiento de una central termoeléctrica, etc..

MODELOS DE SIMULACIÓN DETERMINISTA VS ESTOCASTICA

Si un modelo de simulación no considera ninguna variable importante, comportándose de acuerdo con una ley probabilística, se le llama un modelo de simulación determinista. En estos modelos la salida queda determinada una vez que se especifican los datos y relaciones de entrada al modelo, tomando una cierta cantidad de tiempo de cómputo para su evaluación. Sin embargo, muchos sistemas se modelan tomando en cuenta algún componente aleatorio de entrada, lo que da la característica de modelo estocástico de simulación.

Un ejemplo sería un sistema de inventarios de una fábrica, o bien el sistema de líneas de espera de una fabrica, etc. Estos modelos producen una salida que es en si misma de carácter aleatorio y ésta debe ser tratada únicamente para estimar las características reales del modelo, esta es una de las principales desventajas de este tipo de simulación.

MODELOS DE SIMULACIÓN CONTINUOS VS DISCRETOS

Los modelos de simulación discretos y continuos, se definen de manera análogo a los sistemas discretos y continuos respectivamente. Pero debe entenderse que un modelo discreto de simulación no siempre se usa para modelar un sistema discreto. La decisión de utilizar un modelo discreto o continuo para simular un sistema en particular, depende de los objetivos específicos de estudio. Por ejemplo: un modelo de flujo de tráfico en una supercarretera, puede ser discreto si las características y movimientos de los vehículos en forma individual es importante. En cambio si los vehículos pueden considerarse como un agregado en el flujo de tráfico entonces se puede usar un modelo basado en ecuaciones diferenciales presentes en un modelo continuo.

Otro ejemplo: Un fabricante de comida para perros, requiere el auxilio de una compañía consultora con el objeto de construir un modelo de simulación para su línea de fabricación, la cual produce medio millón de latas al día a una velocidad casi constante. Debido a que cada una de las latas se representó como una entidad separada en el modelo, éste resulto ser demasiado detallado y por ende caro para correrlo, haciéndolo poco útil. Unos meses más tarde, se hizo una reformulación del modelo, tratando al proceso como un flujo continuo. Este nuevo modelo produjo resultados precisos y se ejecuto en una fracción del tiempo necesario por el modelo original.

Aplicaciones Actuales

-Simulación de Procesos

-Dinámica computacional de Fluidos (CFD)

-Programación matemática y Redes neuronales a

-Simulación Molecular

Por que usar la Simulación ?

 - La simulación permite estudiar y experimentar con las complejas iteraciones que ocurren al interior de un sistema dado, ya sea una empresa, industria, economía o un subsistema de cualquiera de ellas.

-  La observación detallada del sistema que se está simulando, conduce a un mejor entendimiento del mismo y proporciona sugerencias para mejorarlo, que de otro modo no podrían obtenerse.

-  La simulación puede ser usada como recurso pedagógico, para enseñar los conocimientos básicos en el análisis teórico, el análisis estadístico y en la toma de decisiones.

 -Un estudio de simulación sugiere, frecuentemente, cambios en el sistema. Los efectos de estos cambios pueden probarse antes de ser implementados en el sistema real.

-  La simulación puede usarse para experimentar con situaciones nuevas acerca de las cuales tenemos muy poca o ninguna información.
-  Cuando se presentan nuevos componentes de un sistema, la simulación nos permite detectar los cambios que ocurren en el comportamiento del sistema.

¿CUÁNDO DEBEMOS UTILIZAR LA SIMULACIÓN?

En general la simulación surge en dos tipos diferentes de problemas:

1.      Aquellos problemas que involucren alguna clase de proceso estocástico: la demanda por un artículo, el tiempo de espera antes de empezar una producción, etc.

2.      Ciertos problemas matemáticos completamente determinísticos que no pueden resolverse fácilmente por métodos analíticos. Ejemplo: ecuaciones diferenciales complejas.

Cuando se está estudiando un sistema por medio de la investigación operativa, es necesario usar la simulación en aquellas etapas que están ocasionando dificultades, tales como:

-Existen situaciones en las cuales es imposible o extremadamente costoso observar ciertos procesos en la vida real: vuelos espaciales, el ingreso nacional bruto de un país para los próximos dos años, reporte de ventas de una compañía para los próximos cinco años.

- Ciertos sistemas observados son tan complejos que es imposible describirlos en términos de un conjunto de ecuaciones matemáticas. Ejemplo: la economía de un país.

- Aunque pueda desarrollarse un modelo matemático para describir un sistema, puede no ser posible obtener una solución al modelo por medio de técnicas analíticas. Ejemplo: sistemas complejos de fenómenos de espera, problema de asignación de tareas en un taller.

-Puede ser imposible o sumamente costoso realizar experimentos de validación sobre le modelo matemático que describe el sistema.

VENTAJAS               

La simulación mediante computadoras se ha convertido en un procedimiento usual en la prospectiva del sistema por alguna de estas razones:

- Ensayar sistemas reales sobre la realidad puede ser muy costoso.

-Ensayar sobre la realidad puede conducir  a la destrucción.

-Es una herramienta eficiente de predicción.

-Comprime el tiempo.

-Es muy flexible a cambios.

- Ayuda en la experimentación.

DESVENTAJAS

-Algunas veces es la única opción.

-Requiere más recursos que otras técnicas.

-Requiere el conocimiento de un lenguaje.

-El tiempo de desarrollo del modelo es muy alto.

-No da soluciones óptimas.

-Da un falso sentido de seguridad.

PASOS INVOLUCRADOS EN LOS ESTUDIOS DE SIMULACIÓN.

        La aplicación de la simulación a muchos tipos de sistemas junto con los distintos tipos de estudios producen muchas variaciones en la forma como se desarrolla un estudio de simulación. Sin embargo, se pueden identificar determinados pasos básicos en el proceso. Los principales que deben considerarse son:

1.      Definición del problema.

2.      Plan de estudio.

3.      Formulación de un modelo matemático.

4.      Construcción de un programa de computador para el modelo.
5.      Validación del modelo
6.      Diseño de experimentos.
7.   Ejecución de la corrida de simulación y análisis de resultados

Los dos primeros pasos son definir el problema y planear el estudio. Aunque estos pasos pueden parecer obvios, no dejan de ser importantes. No debe desarrollarse ningún estudio, simulación o cosa parecida sino hasta que se enuncien claramente el problema y los objetivos del estudio. Luego se pueden hacer las estimaciones del trabajo por realizar y del tiempo requerido. La utilidad del plan tampoco concluye cuando se inicia el estudio; el plan  puede controlar el desarrollo del trabajo e impedir que el estudio se desbalancee concentrándose en un aspecto del problema a costa de otro. Un fracaso común en los estudios de simulación es que se concentra tanto en ésta, que de la simulación se extraen mas datos de los necesarios o de los que pueden validarse con los datos disponibles.

 El tercer  paso   consiste en construir un modelo, tarea que se puede considerar como que cae dentro de dos subtareas. Es necesario establecer la estructura del modelo decidiendo los aspectos del comportamiento  del sistema que son significativos para el problema de que se trata, y es necesario reunir los datos para proporcionar parámetros correctos para el modelo.

Dado un modelo matemático, la construcción de un programa de computador para el modelo, el cuarto paso, es una tarea relativamente bien definida. No es de necesidad una tarea fácil  y puede ser sumamente dilatada, pero el modelo establece las especificaciones de lo que debe programarse. En la práctica, con frecuencia la cuestión de la dificultad de programar un modelo influye la forma como se construye. Es probable que las tareas de producir un modelo y programa de computador se realicen en paralelo más que en serie.

El quinto paso, la validación del modelo, es un área que requiere buena cantidad de juicio. En gran medida, el problema es el complemento de la formulación del modelo. Las inferencias que se hacen al determinar el modelo se comprueban observando si éste se comporta como se esperó. Desde   luego, pueden ocurrir errores al programar el modelo. Idealmente, los errores del modelo y los de programación se separan validando el modelo matemático antes de iniciar la programación. Sin embargo, no es fácil hacerlo debido a que antes que todo, la razón de simular generalmente es que el modelo matemático no es manejable. Puede ser factible resolver casos especiales.

El sexto paso es el diseño de un conjunto de experimentos que satisfagan los objetivos del estudio. Un factor que debe considerarse es el costo de correr el modelo del computador, ya que ello puede limitar el número de corridas que puedan hacerse. Y aunque no existe esta limitación, se debe de ponderar cuidadosamente el número de corridas que se necesitan.

El último paso en el estudio de un sistema es ejecutar las corridas de simulación e interpretar los resultados. En un estudio bien planeado se habrá planteado un conjunto bien definido de preguntas y el análisis tratará de responderlas.

Que es la Simulación ?

Una simulación por computadora, un modelo de simulación por computador o un modelo informatizado es un programa informático o una red de ordenadores cuyo fin es crear una simulación de un modelo abstracto de un determinado sistema. Las simulaciones por computadora se han convertido en una parte relevante y útil de los modelos matemáticos de muchos sistemas naturales de ciencias como la física, la astro física, la química y la biología; así como de sistemas humanos de economía, psicología y ciencias sociales. Además, se emplea en el diseño de nueva tecnología para llegar a comprender mejor su funcionamiento.

Las simulaciones por computadora abarcan desde programas informáticos cuya ejecución dura unos minutos hasta conjuntos de ordenadores conectados en red cuya ejecución dura horas, e incluso hay simulaciones que se extienden varios días.

Simulación vs. modelado

Para crear modelos de la realidad se emplea el modelado matemático. Un modelo matemático trata de encontrar soluciones analíticas a las ecuaciones que gobiernan los procesos que se suponen responsables del sistema que se estudia y del cual se tienen observaciones metódicas. El objetivo es validar esas ecuaciones y posibilitar la predicción del comportamiento del sistema partiendo de un conjunto de parámetros y condiciones iniciales. Los modelos numéricos resultaron de utilizar los ordenadores con el mismo propósito, resolver las ecuaciones no de forma analítica sino numérica.

Aunque las simulaciones por computadora emplean algunos algoritmos de modelos matemáticos, los ordenadores pueden, además, combinar las simulaciones con la realidad o con acontecimientos reales tales como la generación de respuestas de entrada o la simulación de sujetos de prueba que no están ya presentes. Mientras que los sujetos de prueba ausentes son fruto de la simulación o modelación, el sistema que utilizan podría ser el equipo real, lo cual serviría para revelar los límites de rendimiento o los defectos tras un uso continuado gracias a estos usuarios simulados.

El término simulación por computadora es más amplio que el de modelado por ordenador, pues este último implica que todos los aspectos se modelan en la representación del ordenador. Sin embargo, simulación por computadora también incluye generar entradas de usuarios simulados para ejecutar un software de ordenador real o un equipo y solo se modela una parte del sistema. Un ejemplo de esto serían los simuladores de vuelo que pueden ejecutar tanto máquinas como software de vuelo real.

Las simulaciones por computadora se emplean en muchos campos, incluida la ciencia, la tecnología, el entretenimiento y la planificación de negocios.

Historia

La simulación por computadora se desarrolló a la par que se produjo el vertiginoso progreso del ordenador. Su primer despliegue a gran escala fue en el Proyecto Manhattan, durante la Segunda Guerra Mundial, para recrear una detonación nuclear. Se empleó el Método de Montecarlo. Las simulaciones por computadora a veces complementan o incluso sustituyen a los sistemas de modelización para los que no es posible hallar soluciones analíticas de forma cerrada. Existen muchos tipos de simulación por computadora, pero todos ellos comparten una característica común: tratan de generar una muestra de escenarios representativos para un modelo en el que una relación completa de todos los estados posibles de este sería muy costoso o imposible. Los modelos informatizados se emplearon inicialmente como suplemento de otros parámetros, pero más adelante su uso se extendió a otros ámbitos.

Simulaciones de CGI (imagen generada por computadora)

Antes, los datos de salida de una simulación por computadora se presentaban en una tabla o en una matriz, de manera que se mostraba el efecto que los múltiples cambios en los parámetros tenían sobre los datos. El empleo del formato de matriz se debía al uso tradicional que se hacía de la matriz en los modelos matemáticos. Sin embargo, los psicólogos advirtieron que los seres humanos percibían mejor los cambios en el desarrollo de las situaciones si miraban gráficos o incluso imágenes en movimiento o animaciones generadas a partir de los datos, como las que se ejecutan en las animaciones de imágenes generadas por computadora. Así, aunque los sujetos no pudieran comprender los números o descifrar fórmulas matemáticas, al observar un gráfico del tiempo meteorológico en movimiento podrían ser capaces de predecir determinados acontecimientos mucho más rápido que con el análisis de tablas con coordenadas de nubes de lluvia. Estas representaciones gráficas tan potentes, que fueron más allá del mundo de los números y las fórmulas, a veces producían salidas de datos que carecían de un mapa de coordenadas o de cuadros de tiempo, desviándose demasiado de las representaciones de datos numéricas. Hoy en día, los modelos de los partes meteorológicos tienden a buscar un equilibrio entre los gráficos de nubes de lluvia o de nieve en movimiento con los mapas que emplean coordenadas numéricas y cuadros de tiempo numéricos de acontecimientos.

Del mismo modo, las simulaciones de CGI de TAC pueden recrear cómo un tumor disminuye o cambia durante un período largo de tratamiento médico, mostrando así el transcurso del tiempo en una representación de la cabeza humana en rotación.

Se están desarrollando otros usos de las simulaciones CGI para representar gráficamente gran cantidad de datos en movimiento a medida que se producen los cambios en la ejecución de la simulación.