miércoles, 1 de febrero de 2017

1.1 Revisión de los conceptos de sistema y modelo


Sistema

Un sistema es un conjunto de elementos que interactúan y se retroalimentan a fin de lograr un objetivo común (Cantú, 2011).

Un sistema es una sección de la realidad que es el foco primario de un estudio y está compuesto de componentes que interactúan con otros de acuerdo a ciertas reglas dentro de una frontera identificada para el propósito del estudio.

Un sistema puede realizar una función que no es realizable por sus componentes individuales. Los objetos o componentes que forman parte del sistema se denominan entidades, por ejemplo: un auto está compuesto por un motor, ruedas, carrocería, etc. 

Estas entidades poseen propiedades denominadas atributos, por ejemplo: la potencia del motor, y se relacionan entre sí a través de relaciones o funciones. 

Estas relaciones pueden ser: 
  • Estáticas o estructurales: un auto posee cuatro ruedas. 
  • Dinámicas o funcionales: un auto consume nafta si se enciende el motor.  


Modelo

Como ya se planteó anteriormente, cuando se simula se experimenta con un modelo para obtener ciertos resultados. 
La importancia de los modelos consiste en ser capaces de extraer la esencia del material de estudio, mostrar sus interrelaciones y facilitar el análisis. (Hillier, Lieberman, 2010)
Un modelo es también un sistema, y de acuerdo al tipo de variables de salida del modelo el modo de simulación será
  • Análisis: Es el modo más empleado, en él las variables de salida del modelo representan a las variables de salida del sistema real. Este modo se utiliza para estimar la respuesta del sistema real ante entradas especificadas. Debido a que imita un sistema que realmente funciona, el modelo es matemáticamente más estable y se asegura la existencia de una solución.
  • Diseño: En este modo las salidas del modelo representan a los parámetros del sistema real. Se utiliza en la etapa de diseño de un equipo donde el problema es determinar los parámetros para los cuales el sistema producirá las salidas deseadas para las entradas especificadas.
  • Control: Las variables de salida del modelo representan a las variables de entrada del sistema real. Este modo sirve para determinar los valores que deberán adoptar las entradas del sistema para producir los resultados deseados. Se utiliza cuando se desea determinar las condiciones de operación de un sistema

Clasificación de modelos 

Modelos teóricos vs. experimentales.

Si el modelo que se construye sólo se orienta a reproducir las salidas del sistema real sin intentar modelar su comportamiento interno; entonces, será un modelo experimental o de caja negra. En cambio, si el modelo también intenta reproducir las relaciones funcionales del sistema será un modelo con base teórica. 

Un modelo experimental requiere una gran cantidad de datos para poder calibrarlo o ajustarlo correctamente, y su rango de validez está limitado a este conjunto de datos. En contraposición, un modelo teórico requiere una cantidad menor de datos y puede ser utilizado fuera del rango de los mismos ya que el rango de validez del modelo está dado por la teoría utilizada y no por los datos.

Modelos de caja negra.

Debido a las limitaciones del conocimiento actual o por la complejidad involucrada, todo modelo con base teórica siempre tiene una parte con base empírica. En efecto, debido a que no existe una teoría apropiada o su implementación es demasiada compleja, siempre es necesario recurrir a experimentos para determinar el valor del algún parámetro o definir alguna relación entre las variables.


1.2 Concepto de simulación

El acto de reproducir el comportamiento de un sistema, utilizando un modelo que describa los procesos de dicho sistema, se llama simulación. Una vez que se ha desarrollado el modelo, el analista puede manipular ciertas variables para medir los efectos de los cambios introducidos en las características de operación de su interés. Ningún modelo de simulación puede dictaminar lo que se debe hacer ante un problema. 
En cambio, puede usarse con el fin de estudiar soluciones alternativas para tal problema. Las alternativas se utilizan sistemáticamente en el modelo y se registran las características pertinentes de su operación. Una vez que se han ensayado todas las alternativas, se selecciona la mejor. (Krajewski, Ritzman, Malhorta, 2008)
La simulación es uno de los métodos cuantitativos más ampliamente utilizados para tomar decisiones. Es un método de aprender acerca de un método real experimentando con un modelo que representa el sistema. El modelo de simulación contiene las expresiones matemáticas y relaciones lógicas que describen cómo calcular el valor de los datos de salida dados los valores de los datos de entrada. Cualquier modelo de simulación tiene dos datos de entrada: controlables y probabilísticos. El modelo de simulación utiliza los valores de datos de entrada controlables y los valores de los datos probabilísticos para calcular el valor, o valores de los datos de salida. (Anderson et. al., 2011).

Aplicaciones de la simulación

La simulación es conveniente cuando:
  • No existe una formulación matemática analíticamente resoluble. Muchos sistemas reales no pueden ser modelados matemáticamente con las herramientas actualmente disponibles, por ejemplo la conducta de un cliente de un banco.
  • Existe una formulación matemática, pero es difícil obtener una solución analítica. Los modelos matemáticos utilizados para modelar un reactor nuclear o una planta química son imposibles de resolver en forma analítica sin realizar serias simplificaciones.
  • No existe el sistema real. Es problema del ingeniero que tiene que diseñar un sistema nuevo. El diseño del sistema mejorará notablemente si se cuenta con un modelo adecuado para realizar experimentos. · 
  • Los experimentos son imposibles debido a impedimentos económicos, de seguridad, de calidad o éticos. En este caso el sistema real esta disponible para realizar experimentos, pero la dificultad de los mismos hace que se descarte esta opción. Un ejemplo de esto es la imposibilidad de provocar fallas en un avión real para evaluar la conducta del piloto, tampoco se puede variar el valor de un impuesto a para evaluar la reacción del mercado. · 
  • El sistema evoluciona muy lentamente o muy rápidamente. Un ejemplo de dinámica lenta es el problema de los científicos que estudian la evolución del clima. Ellos deben predecir la conducta futura del clima dadas las condiciones actuales, no pueden esperar a que un tornado arrase una ciudad para luego dar el mensaje de alerta. Por el contrario, existen fenómenos muy rápidos que deben ser simulados para poder observarlos en detalles, por ejemplo una explosión. 

Bibliografía


Anderson, D R; Sweeney, D J; Williams, T A; Camm, J D; Martin, K, (2011) Métodos cuantitativos para los negocios (11a Ed.). México: Cengage Learning.
Cantú-Delgado, J. H.; (2011) Desarrollo de una cultura de calidad (4a Ed.) México: McGrawHill
Hillier, F.S.; Lieberman, G.J.; (2010) Introducción a la Investigación de Operaciones (9a. Ed.) México: McGrawHill
Krajewski, L; Ritzman, L; Malhorta, M; (2008) Administración de las operaciones (8a Ed.) México: Pearson Educación

Winston, W.L.; (2005) Investigación de operaciones. Aplicaciones y algoritmos (4ta. Ed.) México: Editorial Thomson 
 Banks J., Carson J.S., Nelson B.L, 1996, “Discrete-Event System Simulation. Second Edition.”, Prentice-Hall, New Jersey. Fishman G.S., 1978, “Conceptos y métodos en la simulación digital de eventos discretos”, Limusa, México. Kelton W.D., Sadowski R.P., Sadowski D.A., 1998, “Simulation with Arena”, Mc Graw Hill, Boston. Ogunnaike B.A., Harmon Ray W., 1994, “Process Dynamics, Modeling and Control”, Oxford, New York. Shannon R.E., 1988, “Simulación de Sistemas. Diseño, desarrollo e implementación”, Trillas, México. Law A.M., Kelton W.D., 1991, “Simulation Modeling & Analysis”, Second Edition, McGraw-Hill, New York.

No hay comentarios.:

Publicar un comentario