Computacin Estadstica Tema 1

Tema 1.- Introduccin a la Simulacin

1.1.- Introduccin.
Simulacin: Potente tcnica de resolucin de problemas.

Se basa en la teora del muestreo estadstico y el anlisis

de sistemas fsicos probabilsticas complejos.

Orgenes:

- 1940, Proyecto Monte Carlo (Von Neumann,

Ullman)

o Simulacin del flujo de neutrones en la construccin de

la bomba atmica.

- Proyecto Apollo (NASA)

o Simulacin del movimiento de la atmsfera de la Luna.

1 Definicin: Conjunto de tcnicas que usa un ordenador

para imitar (simular) el comportamiento de sistemas del
mundo real.

Se parte de unas suposiciones, formuladas como

relaciones matemticas o lgicas.
Solucin analtica: Si el modelo es lo suficientemente simple, es
posible usar mtodos matemticos (lgebra, clculo o teora de la
Probabilidad) para su estudio.

1
Computacin Estadstica Tema 1

1.2.- Sistemas, Modelos y Simulacin.

Sistema: Coleccin de entidades (personas, mquinas)
que actan e interactan juntas para lograr un bien
comn.

Modelo del sistema: Representacin del sistema,

desarrollado con el objeto de estudiar dicho sistema.

Variables de estado: El estado de un sistema se define

mediante un conjunto de variables que describen el
sistema en un punto particular de tiempo.

- Sistemas discretos: Las variables cambian

instantneamente en puntos separados en el tiempo.

- Sistemas continuos: Las variables cambian continuamente

con respecto al tiempo.

En la prctica, esta clasificacin no es estricta.

Formas de estudiar un sistema:

Sistema

Experimentacin Experimentacin
con el Sistema con un modelo
del Sistema

Modelo Modelo
Fsico Matemtico

Solucin Simulacin
Analtica

2
Computacin Estadstica Tema 1

Simulacin. Definiciones:

Tcnica de resolucin de problemas siguiendo en el

tiempo los cambios de un modelo de un sistema.
(Gordon, 1969)

Proceso de disear un modelo de un sistema real y

realizar experimentos con dicho modelo con el propsito
de comprender el funcionamiento del sistema o de evaluar
diferentes estrategias (dentro de los lmites impuestos por
un criterio o un conjunto de criterios) para la operacin del
sistema. (Shannon, 1975)

Proceso de disear un modelo matemtico o lgico de un

sistema real y realizar una serie de experimentos con el
ordenador sobre l para describir, explicar y predecir el
comportamiento del sistema real. (Naylor y otros)

3
Computacin Estadstica Tema 1

Modelo de un Sistema.

Caractersticas de un modelo:

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

reas de conocimiento implicadas:

- Modelado

- Programacin

- Probabilidad y Estadstica

- Mtodos Heursticos

Clasificacin de los modelos:

- Estticos / Dinmicos.

- Determinsticos / Probabilsticas.

- Continuos / Discretos.

- Prescriptivos / Descriptivos.

- De Ciclo Abierto / de Ciclo Cerrado.

4
Computacin Estadstica Tema 1

1.3.- Aplicaciones de la Simulacin.

(Hussey, 1972; Shannon, 1975):

- Experimentacin.

- Prediccin.

- Enseanza y training.

reas de aplicacin:

- Diseo y anlisis en los sistemas de manufactura.

- Evaluacin de los requerimientos hardware y software en un

computador.

- Evaluacin de nuevas armas o tcticas militares.

- Determinacin de distintas polticas para sistemas de

inventario.

- Diseos de sistemas de comunicacin y protocolos de

mensajes para ellos.

- Diseo y operacin de sistemas de transporte tales como

autopistas, aeropuertos, puertos, ferrocarriles, etc.

- Evaluacin de diferentes diseos para organizaciones de

servicios tales como hospitales, oficinas de correos,
restaurantes de comida rpida, etc.

- Anlisis financieros o sistemas econmicos.

- Anlisis medioambientales.

5
Computacin Estadstica
1.4.- Ventajas y desventajas de la Simulacin
frente a la Solucin Analtica.
Modelo Analtico
Ventajas:
9 Conciso en la descripcin del
problema.
9 Conjunto de soluciones cerrado.
9 Per miten evaluar fcilmente el
impacto producido por cambios en
las entradas sobre las medidas de
salida.
9 Posibilidad de llegar a una solucin
ptima.
Inconvenientes:
8 Las suposiciones hechas para
describir el sistema puede ser poco
realistas.
8 Las frmulas matemticas pueden
ser muy complicadas impidiendo
llegar a una solucin.
Tema 1
Modelos de Simulacin
9 Pueden describir sistemas que sean
muy complejos.
9 Pueden ser usados para
experimentar con sistemas que
todava no existan, o para
experimentar con sistemas
existentes sin que stos se alteren.
(Esto tambin los pueden hacer los
mtodos analticos siempre y cuando
el sistema no sea muy complejo).
8 No existe un conjunto de soluciones
cerrado.
8 Cada cambio en las variables de
entrada requiere una solucin
separada o conjunto de ejecuciones.
8 Los modelos de simulacin
complejos pueden requer ir mucho
tiempo para construirlos y
ejecutarlos.
8 Puede resultar dificultoso establecer
la validez del modelo (es decir, la
correspondencia con el sistema
real).
6
Computacin Estadstica Tema 1

1.5.- Cundo utilizar Simulacin.

(Shannon, 1975)

- No existe una formulacin matemtica del problema.

- Existe un modelo matemtico, pero no mtodos analticos de

resolucin del mismo.

- Existen el modelo y los mtodos, pero los procedimientos

son tediosos, por lo que resulta ms sencilla y menos
costosa la simulacin.

- Se desea observar en el tiempo una historia simulada del

sistema.

- Se desea experimentar con un modelo antes de construir el

sistema (Ej: un avin en un tnel aerodinmico).

- Es imposible experimentar sobre el sistema real (Ej: sistema

solar).

- Puede experimentarse sobre el sistema, pero motivos ticos

lo impiden (Ej: sistemas biolgicos humanos).

- Se quiere observar un sistema de evolucin muy lenta,

reduciendo la escala del tiempo (Ej: anlisis de sistemas
ecolgicos).

Existen casos mixtos en los que es posible utilizar

conjuntamente simulacin y mtodos analticos, aunando
las ventajas de ambos mtodos.

7
Computacin Estadstica Tema 1

1.6.- Pasos en la Simulacin.

Formulacin del
problema

Recoleccin
de datos y anlisis

Desarrollo del modelo

Verificacin y
Validacin del modelo

Experimentacin y
Anlisis de las
Salidas

Implantacin de los
Resultados de la
Simulacin

8
Computacin Estadstica Tema 1

Formulacin del problema.

Identificacin del problema.

Reconocer las variables del sistema.

o Variables exgenas.

Variables controlables o de decisin (factores).

Variables incontrolables o parmetros.

o Variables endgenas.

Especificacin de las restricciones de las Variables

de decisin.

Desarrollar una estructura preliminar del modelo que

interrelacione las variables del sistema y las medidas
de ejecucin.

o Cuando se tienen en cuenta varias medidas de

ejecucin (funciones objetivo), se necesita encontrar
un equilibrio entre ellas.

Compromisos implcitos.

Compromisos explcitos.

Restriccin y corte.

Desarrollo de un modelo apropiado.

Nivel de detalle:

o Propsito del modelo.

o Contribucin de las variables al modelo.

9
Computacin Estadstica Tema 1

Recoleccin de datos y Anlisis.

Consideraciones en la seleccin del mtodo:

- Capacidad de quien recoja los datos.

- El impacto que pueda producir el proceso de recoleccin

sobre el comportamiento del sistema real. Puede producir
perturbaciones reales o fsicas en el sistema o psicolgicas.

- La facilidad de conversin de los datos a una representacin

procesable por el ordenador.

- El coste del mtodo.

Tipos de datos recogidos:

- Deteminsticos: son datos conocidos con certeza. stos se

pueden introducir fcilmente en el modelo.

- Probabilsticos: hay dos formas de incluirlos en el modelo:

o Usar la muestra de datos recogida para representar la

distribucin de probabilidades.

o Determinar una distribucin probabilstica terica que

se comporte como la muestra y usar sta en el
modelo. Esto permite tener una mejor comprensin
(generalizacin) del modelo.

10
Computacin Estadstica Tema 1

Desarrollo del modelo.

Comprensin del sistema.

- Aproximacin del flujo fsico.

Representacin por diagramas de flujo de datos.

- Aproximacin de cambio de estado.

Definicin de suceso o evento.

Construccin del modelo.

- Eleccin de mecanismos de avance del tiempo.

o Incrementos fijos.

o Incrementos por eventos.

- Eleccin de un lenguaje de programacin.

o Lenguajes de simulacin (GPSS, SLAM, SIMAN,

SIMSCRIPT)

o Lenguajes de propsito general (Fortran, Pascal, C)

- Generacin de nmeros y variables aleatorias.

- Implementacin y depuracin del modelo.

Verificacin y Validacin del modelo.

Verificacin: Estudio de la consistencia interna del

modelo.

Validacin: Asegurar que existe una correspondencia

entre el sistema real y el modelo.

11
Computacin Estadstica Tema 1

Experimentacin y Anlisis de las Salidas.

Experimentacin con el modelo. Aproximaciones:

- Conjunto de experimentos predeterminado.

- Tcnicas de bsqueda de ptimos.

o Metodologa de superficie de respuesta.

Anlisis de las Salidas. Tipos:

- Anlisis para Sistemas con final definido.

- Anlisis para Sistemas con final no definido (sistemas en

estado de equilibrio o estacionarios).

- Influyen en las salidas:

o Condiciones iniciales.

o Tamao de la muestra.

Implantacin de los resultados de la Simulacin.

Es uno de los pasos ms importantes (aceptacin por

parte del usuario) y el que ms se descuida:

- Existe un vaco de comunicacin entre el analista de la

simulacin y los encargados y usuarios del sistema.

- Falta de entendimientos por parte de los encargados del

sistema debido a los tecnicismos utilizados.

- El compromiso de implementacin es tardo.

- Resistencia al cambio.

- Falta de coincidencia entre el personal disponible y los

objetivos marcados por el modelo.

12