1.4.1.

Sistemas, modelos y control

Un Sistema se define como una coleccin de entidades (por ejemplo, personas, mquinas, etc.) que actan e interactan juntas para lograr un fin comn. En la prctica, qu se entiende por sistema?, depende de los objetivos del estudio particular que se pretenda hacer. El conjunto de entidades que componen el sistema para un estudio puede ser slo un conjunto de todas las entidades utilizadas para otro estudio. Se puede definir el estado de un sistema con un conjunto de variables necesarias para describir el sistema en un punto particular de tiempo, relativo a los objetivos del estudio. Los sistemas se pueden clasificar en dos tipos, discretos y continuos. Un sistema discreto es aquel en el que las variables de estado cambian instantneamente en puntos separados en el tiempo. Un sistema continuo es aquel en el que las variables de estado cambian continuamente con respecto al tiempo. En la prctica muchos sistemas no son completamente discretos o continuos, usualmente es posible clasificarlos en base al tipo de cambios que predominen en el mismo. En algunos momentos en la vida de un sistema es necesario estudiar el mismo para entender las relaciones entre sus componentes o predecir su comportamiento bajo nuevas condiciones que se consideran. Existen diferentes formas de estudiar un sistema (Figura 1.1): Experimentar sobre el sistema actual frente a experimentar con un modelo del sistema. Lo primero es preferible siempre y cuando se pueda alterar el sistema con las nuevas condiciones y no sea muy costoso. Sin embargo es muy raro que esto se pueda llevar a cabo, ya que normalmente estos experimentos suelen ser muy costosos o muy destructivos para el sistema. Incluso puede ocurrir que el sistema no exista pero se quiera

estudiar posibles alternativas de construccin del mismo (sistemas de fabricacin, armas nucleares, etc.). Por estas razones es necesario construir un modelo que represente al sistema y estudiar ste para poder responder a las cuestiones planteadas sobre el sistema. Modelo fsico frente a modelo matemtico: Para muchos la palabra modelo, evoca imgenes de miniaturas, cabinas separadas de los aviones para el entrenamiento de los pilotos, etc. Estos son ejemplos de modelos fsicos (tambin conocidos como modelos icnicos). Sin embargo la mayora de los modelos construidos para estudiar los sistemas son matemticos, los cuales representan un sistema en trminos de relaciones cuantitativas y lgicas que pueden ser cambiadas para ver cmo el modelo reacciona y ver as como debera comportarse el sistema, si el modelo es vlido. Solucin Analtica frente a Simulacin: Una vez que se ha construido un modelo matemtico, ste debe examinarse para poder concluir el comportamiento del sistema y as responder a las cuestiones planteadas sobre el mismo. Si el modelo es simple, es posible trabajar con estas cantidades y relaciones y obtener una solucin analtica exacta. Sin embargo hay veces en las que obtener una solucin analtica resulta complejo y necesita muchos recursos de computacin. En estos casos el modelo puede ser estudiado por medio de simulacin, es decir, se ejercita el modelo numricamente por medio de entradas para ver cmo stas afectan a las medidas de salida o ejecucin.

Por tanto podemos definir la simulacin como la tcnica de resolucin de problemas siguiendo en el tiempo los cambios de un modelo de un sistema (Gordon, 1969), o como el 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 conjunto de criterios) para la operacin del sistema (Shannon, 1975), para este ltimo autor , simulacin incluye tanto la modelizacin como el uso del modelo para estudiar el sistema. Otra posible definicin es entender la simulacin como el 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). Por modelo entendemos la representacin de un sistema, desarrollado con el propsito de estudiar dicho sistema. 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 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.

Determinsticos 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.

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). Fuente: Barrera Sanabria, Gareth. Universidad Autnoma de

Bucaramanga. http://fis.unab.edu.co/docentes/gbarrera/Introduccion_Simulacion.pdf