COLECCION PAPELES DE TRABAJO. ELEMENTOS DE SIMULACION. SISTEMAS Y MODELOS EUGENIOJ. LUQUE DOMINGUEZ FACULTAD DE CIENCIAS ECONOMICAS Y EMPRESARIALES. UNIVERSIDAD DE MALAGAEUGENIO J. LUQUE DOMINGUEZ Imprime: Gréficas DIALAR, S. L. cf. Quilla, 34. Pol. Ind, El Viso. Telf.: 350513 / 350550. Depésito Legal: MA. 626/90.PRESENTACION Supone para mi una especial satisfaccién poder presentar la investiga- cién Hlevada a cabo por el profesor Luque Dominguez, por un doble motivo, En primer lugar, por laestrecha relacién personal que nos Vincula; y en segundo, por el propio tema objeto del trabajo, la Simulacién. Efectivamente, en un ambiente en el que no pueden realizarse experi- mentos indiscriminados, no s6lo por su costo, sino también por el riesgo que pueden conllevar, una metodologia de disefto y andllsis basada en la Simulacion es extraordinariamente provechosa y eficiente. Si a estas caracteristicas, significativas en si misma, unimos su ca- pacidad predictiva y de evaluacion de impactos en diversos escenarios, reales 0 previstos, la potencialidad de la Simulacién en el ambito de las ciencias sociales, adquiere una dimensién nueva y espectacular. Ademés, por el gran volumen de informacién manejada, resulta im- prescindible la utilizacién de una potente herramienta de cdlculo, estamos pensando en sistemas informaticos. Desde esta perspectiva es notable el esfu- erzo que el autor realiza en la sistematizacion de las distintas alternativas especificas, lenguajes de alto nivel, que hoy se encuentran en el mercado, obteniendo una vision global y a la vez ordenada de las capacidades de cada una de ellas. Es preciso hacer notar, en este punto, que junto a lenguajes tradicion- ales de simulacién, SIMSCRIPT, SIMULA, GPSS, etc., se introducen otras aplicaciones que incorporan elementos especificos de gestion de la Simulacién. Este hecho, resulta de especial significacién en un ambiente cientifico como en el que se desenvuelve el autor.No quiero finalizar sin indicar el amplio espectro del campoelegido por este notable investigador, que le puede permitir, con el soporte que le da el Departamento en el que se encuadra, alcanzar importantes niveles de presencia en el mundo académico'por él elegido. Francisco A. Triguero Ruiz Catedratico de Lenguajes y Sistemas Informaticos Universidad de MalagaNTRODUCCION En este estudio hemos pretendido ofrecer un sistema cientifico del anélisis y planificacién de la empresa; llamando la atenci6n sobre la“Técnicade la Simulacin” como un instrumento eficaz, en los procesos de Toma de Decisiones, para los que poseen la resposabilidad de gestidn de las empresas. Porque aunque la Investigacion Operativa, enel sentido més estricto de modelos de optimizacién permite satisfacer muchas de las situaciones reales de tales empresas, ocurre que, otras veces, debido a la complejidad de la realidad estos modelos son limitados y por tanto inoperantes, y aunque en algunos casos es cierto que las técnicas analiticas reflejan cl comportamiento del sistema, y que laaplicacién de la Simulacién noes tan simple como puede pareceren principio, también lo es el hecho de que las conclusiones que se derivan de la aplicacién dela Simulacién, por las caracteristicas de aleatoriedad de algunos sistemas, son mucho més definitivas y esclarecedoras del comportamiento real del sistema y susceptibles de cualquier modificacién, una vez-que se ha conseguido modelizar la situacién en cuestién. Los procesos de simulacién_ son, posiblemente, las herramientas més poderosas y populares de la Investigacién Operativa para la Toma de Decisiones. De ahi que consideremos que lleve camino de convertirse en un instrumento imprescindible en la empresa moderna. Por lo que se refiere al contenido de este trabajo, tras un breve esbozo de laevoluci6n y algunas de las distintas aplicaciones que de la simulaci6n se han realizado en muy diversos campos, se ha pretendido centrar el temaenel sentido enel que lo utilizaremos a lo largo del mismo, realizando una injerencia en los Sistemas y Modelos como los elementos basicos en los que se va a apoyar la Simulacién para conseguir el objetivo propuesto, con especial referencia a los Sistemas Discretos. Atendiendo a esto, la simulacién a realizar adquiriré una dimensién especifica y a esto nos referimos en el apartado Tipos y Métodos de Simulacién. Una vez enunciadas las Ventajas y Limitaciones de estas técnicas,se propone una Metodologfa a seguir a la hora de poner en practica y aplicar las técnicas de Simulacién, por ordenador, de Sistemas Discretos. Debemos tener en cuenta que la simulaci6n, como nosotros entendemos en este estudio, es un proceso numérico disefiado para experimentar el comportamiento de cualquier sistema en un ordenador, alo largo de un periodo de tiempo, y por tanto vaaestar intimamente unida a la informatica. Finalizamos resaltando la importancia que los Lenguajes de Simulaci6n han tenido en el desarrollo de la Simulacién por ordenador, destacando las caracteristicas de los mds peculiares, tanto generales como especificos, en la simulacién de Sistemas Discretos y apuntando unos tipos de instrumentos nuevos que, sin ser lenguajes propiamente dichos si llevan camino de convertirse en unos instrumentos informéticos, muy utiles en la simulacién, como son las Hojas de Célculo, por ultimo sefialamos las conclu- siones més interesantes que a nuestro juicio se pueden extraer. Cuando se nos plantea la tarea de estudiar y analizar, desde el punto de vista cientifico, los distintos Ambitos y actividades del entorno que nos rodea, nos encontramos con el reto de enfrentarnos con problemas de enorme comple- jidad, que vienen dados, por las miltiples interrelaciones que existen y la diversidad de agentes que intervienen. Ante esto, tenemos dos alternativas para abordar su estudio, bien sea mediante la construccién de modelos analiticos de dimensiones gigantescas o bien emprendiendo un camino basado en la observa- ci6n real, lo que va a suponer, esto ultimo, dejar de lado la construccién del modelo matematico y por tanto el abandono del progreso cientifico en la interpretacién de estos fendmenos reales. Ante esta disyuntiva, se hace impres- cindible la utilizacién de una nueva metodologfa que ayude, por un lado a la resolucién de los problemas planteados en la modelizacién de estos sistemas complejos y por otro, a la creacién de estos modelos adaptados a los grandes problemas con los que nos podemos enfrentar en la actualidad; y esta nueva forma de afrontar estos temas es la Simulacién. Remontandonos en su breve historia el uso de la simulacién sitiia sus comienzos a principios del siglo XX, coincidiendo con la aparicién de las primeras emisoras de radio y la invencién de la televisi6n, siendo utilizada en la actualidad en multitud de disciplinas. En las ciencias sociales las primeras simulaciones sefialadas por los especialistas conllevaban la construccién de modelos para representar grandes sistemas econ6micos y sociales, as{ utilizando datos de los censos, los sociélogos modelaron poblaciones humanas de los Estados Unidos y de otros paises; en estos modelos se inclufan los procesos de vida y muerte, los que conducen al matrimonio y la formacién de una familia, el ingreso y la salida de la fuerza de mano de obra, etc.. También se estudiaronalgunos de los procesos en los que se ven afectados los individuos en un sistema social, tales como la difusién de la informacién sobre nuevos métodos agricolas entre la poblaci6n de una nacién econémicamente subdesarrollada y el establec- imiento de modelos de simulacién de situaciones conflictivas histéricas, como sucedié en la ] Guerra Mundial. Pero lo que verdaderamente ha actuado como factor impulsor en el fuerte desarrollo que han tenido las técnicas empleadas en la simulaci6nes lo que se ha dado en llamar la revoluci6n de las computadoras. En palabras de Holstein y Soukup (1961): “Si ... la simulacién implica necesariamente el uso de expresiones matemiticas y ecuaciones que se acercan mucho a fluctuaciones aleatorias del sistema simulado y que son tan complejas que resulta imposible resolverlas sin la ayuda de slidas computadoras electrdnicas, entonces la simulacién es un desarrollo muy reciente”. Esto ha permitido, por un lado que la simulacién provea de un instrumento poderoso a los que hacen uso de ella y por otro lado su difusién en la ensefianza de estas técnicas. La simulacién mediante ordenadores, atin siendo relativamente re- ciente posee ya un bagage notable como instrumento de andlisis en las conductas de grupos humanos (fidelidad de los consumidores a una marca 0 el cambio de marcas), en el disefio de sistemas de transporte, en la construccién y manejo de modelos de sistemas econémicos (comprobacién de hipétesis sobre normas propuestas, anticipacién de cambios, etc.) y en sistemas empresariales para analizar un proceso complejocomoel flujo de trabajo en grandes organizaciones empresariales y que va a ser fundamentalmente el objeto de nuestro trabajo. Pues bien, todo esto que hemos sefialado sobre la aplicacién de la simulacién en las ciencias sociales, es mintisculo comparado con las aplica- ciones que ha tenido la simulacién en las ciencias fisicas, en este campo han destacado fundamentalmente las aplicaciones de la simulacién realizadas en la NASA, especialmente las utilizadas para los vuelos espaciales tripulados. Y aunque estos casos aplican una Amplia gama de modelos y técnicas analiticas, lo mas importante ha sido el empleo de simulaciones Henas de imaginacién en las que el hombre y el vehiculo interactiian en ambientes creados por Jos ordenadores. Los desarrollos en el campo de la fisica y la quimica estén llenos de casos en los que la simulacién mediante ordenador ha hecho evolucionar las instalaciones tradicionales de laboratorio. En los primeros aiios de la fisica nuclear, los analistas se enfrentaban al problema de proporcionar una proteccién. 9contra las emisiones de materiales radiactivos. Las situaciones fueron modela- das frecuentemente en las computadoras utilizéndose el método de Montecarlo. La modelizacién de grandes sistemas fisicos y biol6gicos es el resul- tado del trabajo de ingenieros, urbanistas, especialistas en transportes y un niimero cada vez mayor de personas que se preocupan por la calidad del ambiente. Se simulan redes de carreteras para tratar de dar fluidezala congestion de determinadas zonas, Se simulan cuencas fluviales con el objeto de analizar diversas cuestiones, tales como, las relacionadas con los transportes y la navegacién, los efectos de los desbordamientos o los desechos procedentes de otras actividades, etc. En las ciencias biolégicas, los modelos de sistemas son andlogos a los modelos de poblaci6n que plantean los sociélogos, aunque, por supuesto, difiera el objeto de estudio, pero todo lo demi, en esencia, es igual. De esta breve resefia se deduce que la simulacién ha sido durante mucho tiempo un instrumento importante del disefiador, pero en el terreno que nosotros nos ocupa, es decir en la Investigacién Operativa, los orfgenes se sitian en los trabajos de John'von Neumann y Stanislaw Ulam a fines de la décadade 1940; que utilizaron el analisis de Montecarlo para resolver problemas de blindaje nuclear, que eran demasiado costosos para la experimentacién o demasiado complejos para el andlisis. MARCO CONCEPTUAL A la hora de definir el concepto de simulacién, nos encontramos con una variada gama de posibilidades dependiendo, en gran medida, del campo 0 la actividad en lacual se encuadre la aplicacién de dicha metodologia. Nosotros la definiremos, légicamente, en concordancia con los objetivos del presente trabajo, o sea, desde el punto de vista de la Investigacién Operativa. Con cardcter ilustrativo, vamos a realizar un breve repaso de distintas definiciones, paraellolas vamos a englobar en tres bloques, comenzando con las més generales y finalizando con la que a nosotros nos servird de base en este estudio. Enel sentido més general, vamos a considerar un primer bloque, en el que podemos recoger las siguientes: 10El Diccionario de la Real Academia Espaiiola, define la SIMULA- CION, como: “la accién de simular. Alteracién aparente de la causa, la indole o el objeto verdadero de un acto 0 contrato”. Hernéndez (1977) sefiala que, SIMULACION significa: “represen- tacién de la realidad y por tanto la descripcién verbal y la representacin esquemitica o gréfica de alguna parte del mundo real constituye una simula- cién”. O como apunta Sanchez Garcia (1976), la SIMULACION: “es, esen- cialmente, una analogfa que significa similitud de relaciones 0 propiedades sin que haya identidad. Cuando podemos construir sistemas andlogos, las medidas u observaciones efectuadas sobre uno de ellos pueden ser utilizados para predecir las respuestas de los otros”. Otrasdefiniciones enesta linea se recogen en Thierauf y Grosse (1976), que definen a la SIMULACION como: —“El uso de un modelo de sistema que tiene la caracteristica deseada de la realidad, a fin de reproducir la esencia de las operaciones reales”. “Una representacién de la realidad mediante el empleo de un modelo uotro mecanismo que reaccionard del mismo modo que la realidad bajo una serie de condiciones dadas”. “Una técnica numérica, para realizar experimentos con ciertos tipos de modelos mateméticos, que describen la conducta de sistemas complejos sobre un cierto periodo de tiempo”. Esta est4 mas en consonancia con la linea de esta investigacién. Pero ninguna de estas definiciones recoge las caracteristicas funda- mentales de su utilizacién en la Investigacién Operativa, como son: el empleo de modelos matemiaticos, procesos estocdsticos, hechos, hipdtesis y cursos alternativos de accién. En esta linea se encuentra un segundo bloque de definiciones, entre las que cabe citar las siguientes: E Diccionario de Economia Planeta, considera que la SIMULACION: “es la utilizacién de técnicas de programacién, con exclusi6n de cualquier otro -método o recurso, para duplicar en un sistema de proceso de datosel funcionam- iento de otro. Representacién de sistemas y de fenémenos fisicos por medio de ordenadores, de modelos o de cualquier otro tipo de equipo”. fTAsf, como la de J. Prawda (1980), SIMULACION: “es un proceso numérico disefiado para experimentar el comportamiento de cualquier sistema en un ordenador, a lo largo de la dimensién del tiempo”. O la de Thierauf y Grosse (1976), SIMULACION: “es-una técnica cuantitativa que se emplea para evaluar cursos alternativos de accién, basadaen hechose hipstesis, con un modelo matematico de ordenador, afin de representar la toma real de decisiones en condiciones de incertidumbre”. Si bien estas definiciones recogen, perfectamente, el concepto de SI- MULACION como método aplicable en la Investigacién Operativa, vamos a concretar otra definicién de simulacién, en el sentido especffico de nuestro estudio, y que es la siguiente: La SIMULACION es “un medio de conocer las consecuencias previsibles derivadas de las decisiones que se tomen en cada momento, utilizando un modelo implementado en un ordenador, que de forma simplificada represente la realidad del sistema objeto de estudio y su entorno especifico y genérico a través de descripciones de las relaciones existentes entre ellos. La simulacién sustituye al método analitico y se vale de determinados algoritmos de los métodos numéricos para su funcionamiento en la resolucién de los problemas que se planteen”. En esta definicién se recogen, a nuestro entender, los cuatro elementos fundamentales que debe integrar toda simula- cin: Porun ladoel objetivo fundamental de la simulaci6nes prever que ocurrirfa ante alteraciones de las condiciones de partida. Por otro lado, la realidad objeto de estudio va a estar representada por un sistema del mismo, que va a poser sus caracteristicas mds relevantes de acuerdo con el objetivo del estudio y con la técnica a utilizar. Por otro, el sistema va a estar simplificado por un modelo que va. formalizar las caracteristicas del mismo. Por tiltimo, ante la complejidad de larealidad que se pretende estudiar, la simulacin sustituye a otros métodos, por su mayor facilidad en la aplicacion, aunque también se vale de aquellos en la medida de lo posible. Aunque esto es un denominador comtin para la resolucién de muchos problemas independientemente de la utilizacién de la simulacién o no, lo que si va a justificar la aplicacién de esta es la complejidad de los sistemas objeto de estudio, la existencia de variables de naturaleza incierta y la complejidad de relaciones dificilmente analizables por otros medios. ‘Trasesta definicién podemos concluir que la simulacién, su definicién, va aestar influida, en gran medida, por el campo al que se aplique. Nosotros la vamos a concebir como una forma de afrontar la resoluci6n de determinados 12problemas ante la dificultad o imposibilidad de otras técnicas. Por tanto, de aqui en adelante al hablar de simulacién de Sistemas la consideraremos como una metodologia que va a abarcar desde el planteamiento del estudio del sistema en cuestién hasta el anéllisis de los resultados obtenidos, pasando por la modeli- zacién del sistema, programacién del modelo y disefio de experimentos a realizar, previa validacién y verificacién de estos pasos. Nos centraremos a continuaci6n en sefialar las caracteristicas de esta metodologia. Aunque no es imprescindible para la simulaci6n la utilizacién de un ordenador, actualmente una simulacién va acompafiada de un programa de ordenador para ejecutar los célculos. Por lo tanto, es obvio considerar, que a partir de ahora al hablar de simulacién, estamos haciéndolo considerando la aplicacién de esta asistida por ordenador, lo cual si asf no fuese haria carecer de sentido a nuestro estudio. La Simulacién, en el marco de la Investigacién Operativa, ha visto incrementado su uso en los tiltimos afios, en el estudio de la conducta de sistemas dindmicos. Existen otras técnicas alternativas y més clasicas para el estudio de un determinado sistema, tales como los métodos matemético-analiticos, la experimentacién con el sistema 0 con un prototipo de é10 técnicas no cientificas como la propia experiencia o la intuicién. Como sefialan Teichroew y Lubin (1966): “todas las técnicas aplicables al estudio del comportamiento de un sistema, incluyendo la simulacion, tienen limitaciones. Muy a menudo, la aplicacién de métodos matemitico-analiticos a sistemas complejos es imposible; la experimentacién con sistemas piloto o reales es costosa y requiere mucho tiempo, ademas de que las variables pertinentes no siempre estén sujetas a control. Frecuentemente la intuicién y laexperienciason las tnicas alternativasa la simulaci6n en ordenadores, pero pueden ser muy poco apropiadas” . J.W.Forrester (1961), sostiene que los métodos matemitico- analiticos no son suficientemente efectivo para dar soluciones generales a determinadas situaciones tan complejas, como las que a veces pueden aparecer en los sistemas Frente a las otras técnicas, es de destacar en la simulacién su gran efectividad, y la facilidad de formalizarlaexperimentaciénclasica y combinarla con otras técnicas lo que la dota de inigualable flexibilidad. Y como apunta Starbuck (1971), “las técnicas analiticas se basan en un intelecto para establecer conexiones entre premisas ¢ implicaciones, y la simulacién después de enunciar las suposiciones, saca conclusiones mediante el ordenador”. Es por todo lo expuesto, por lo que las téenicas de simulacién son, posiblemente, las herramientas mas poderosas y populares de la Investigacién 13Operativa para la toma de decisiones; y su utilidad se manifiesta, sobre todo, cuando se dificulta o imposibilita la resolucién del modelo mediante otras técnicas requeridas en un determinado problema. Estos problemas se caracteri- zan, por lo general, por que incluyen un gran ntimero de variables, parémetros, funciones que no son cémodas de trabajar con los métodos matemitico- analiticos, y variables que se comportan de forma aleatoria 0 estocdstica, y aunque en sus albores era una técnica a la cual se recurria en ultima instancia, en laactualidad se ha visto intensificado su uso debido ala prontitud y facilidad con que a veces se pueden obtener respuestas, y se ha convertido en una herramienta imprescindible para el andlisis 0 el disefio de sistemas en todos los campos de la ciencia. La simulacién basada en la computaci6n digital se ha convertido répidamente en la metodologia més usada en el anélisis de los sistemas complejos. Los sistemas y problemas tratados por la simulacién computada recorren, como hemos visto, desde la ingenierfa tradicional basadaen sistemas, hasta la biologia, medio ambiente, urbanismo y sistema social. Vamos a citar algunas de las razones que justifican el uso del ordenador cuando se trabaja en simulacién: Primero, los modelos de los sistemas complejos en los cuales nosotros estamos interesados normalmente, no son siempre resolubles analiticamente por los métodos matematicos tradicionales y lacomputacién basadaen la aproxima- cién apoyada con determinadas técnicas numéricas, las cuales configuran el centro de la simulaci6n digital, puede utilizarse para resolver tales modelos. Segundo, los lenguajes de simulacién por ordenador se han desarrol- lado hasta un punto, en que es mucho més facil la representacién de los modelos mediante estos lenguajes que mediante los que tradicionalmente existen asi como la obtencién de sus soluciones. Tercero, el abaratamiento de los ordenadores debido a los avances tecnol6gicos y el perfeccionamiento de los mismos lenguajes, han hecho que la simulacién sea econémicamente rentable. Cuarto, en los tiltimos afios, algunos problemas como la energfa, la calidad del medio ambiente y la productividad industrial son complejos y estén interrelacionados, lo cual conduce directamente a los métodos de simulacién. 14Liegados a este punto nos podemos preguntar gen qué consiste la simulacién?, anuestro juicio la simulacién consiste en la construccion de ciertos, tipos de modelos matematicos 0 légicos que describen el funcionamiento del sistema en términos de sucesos y componentes individuales. O dicho de otra forma, es una forma de dividir el proceso de construccién de modelos en partes més pequefias, con el fin de combinarlos en su orden natural y I6gico, para que con la ayuda de un ordenador, presentar el efecto de sus interrelaciones en ellas. Debido a errores estadisticos no se Ilegard a la solucién dptima pero si sera muy pr6xima sie! problema se simula correctamente. El modelo de simulacién, por lo general, llevaa cabo experimentos con una muestra y no con todo el universo. La simulacién de un modelo puede realizarse por varios motivos, Pindyck y Rubinfeld (1980) sefialan los siguientes: —El contraste y la evolucién del modelo. — El andlisis hist6rico de una politica determinada. —La prediccién, Elhorizonte temporal parael cual se leva acabo la simulacién depende del objetivo de la misma, asf tendremos: a) Simulacién ex post 0 “histérica”, en la cual los valores historicos se toman como las condiciones iniciales para las variables enddgenas, y los datos desde entonces se utilizan para las variables ex6genas. Una vez simulado el modelo para el periodo en el cual se dispone de datos relativos a todas las variables, una comparacién de la serie de datos originales de cada una de las variables endégenas con la correspondiente serie simulada puede proporcionar- nos una prueba de la validez del modelo. b) Prediccién ex post, esto implica una simulacién del modelo para un periodo de tiempo posterior al de estimacién. Con todo esto hemos pretendido establecer el marco conceptual de la simulacion para a continuacién estudiar los dos elementos basicos, sistemas y modelos, a nuestro juicio, en los que se singulariza su aplicacién. 15EL ENFOQUE DE SISTEMAS COMO UNA FORMA DE APROXIMACION A LA REALIDAD 1. DEFINICION Y CARACTERISTICAS Dada la complejidad del estudio de la realidad con fines précticos se plantea la necesidad de someterla a una simplificacién, que es lo que se denomina “teduccionismo”. Este proceso vaa estar influido por dos principios: 1.- Objetivo del estudio. 2.- Aspectos subjetivos del investigador, como su formacién, cono- cimientos, ideologta, etc.. Precisamente en los dos principios anteriores radica la complejidad de los problemas del mundo real y esto por diferentes motivos como son: ~ mala definici6n de problemas —existencia de puntos de vista divergentes y atin sin existir esto, en general no es facil afrontarlo. Y es que la estructura del sistema que se pretende analizar puede ser muy complicada, con muchos elementos interaccionados de manera no apreciable en una primera aproxima- cién. Es por esto que consideramos de interés comenzar por definir el concepto de Sistema. Y lo primero que se puede observar es que dicho término hasufrido multitud de utilizaciones, pudiéndose obtener de cada unadeellas una definici6n. El Diccionario de la Real Academia Espafiola define un Sistema como un conjunto de reglas o principios, que ordenadamente relacionadas entre sf, contribuyen a un fin. J. Prawda (1980) define al Sistema, “como un agregado © conjunto de objetos que interactiian entre si como una unidad, para la consecucién de un propésito explicito o implicitamente definido”, y habrfa que afiadir, como apunta S.Barba-Romero (1985), “y afectados por fuerzas exte- riores denominadas excitaciones”. En estas definiciones se incluyen tanto sis- temas estéticos como dindmicos, aunque nosotros nos centraremos en estos Uiltimos donde las interacciones provocan cambios en el tiempo. 16Porel segundo principio enunciado, los sistemas de una mismarealidad pueden ser, y de hecho lo serén, diferentes. Las caracteristicas de un sistema estardnen funcién de las particularidades de sus elementos, y el comportamiento de un sistema va a depender de los mecanismos especificos de relacién entre los diferentes elementos de este sistema. Segiin Van Gigch (1974), el planteamiemo sistematico nacié para satisfacer las siguientes necesidades: Generalizar. Simplificar. Integrar. Optimizar. Evaluar. Planificar. Controlar. Para describir un sistema, lo primero que hay que observar, es el propésito que se persigue, y tener en cuenta que todo sistema, se encuentra enmarcado dentro de un macrosistema que le sirve como marco de referencia, al cual se le conoce como marco ambiental 0 medio amniético, y dado que el camino al cual vamos a desembocar es a la modelizaci6n del Sistema, es importante a la hora de esto, establecer el limite entre este sistema y su marco ambiental, aunque esto dependerd del propésito de estudio. A partir de esto, se pueden obtener los siguientes tipos de sistemas: 1.- Atendiendo a la influencia del tiempo: Sistema Dindmico: aquel que incluye la variable tiempo enel mismo, més no todo sistema que tenga incorporada dicha variable tiene por qué serun sistema dinémico, para que sea dindmico debe aparecer explicitado como evoluciona éste, es decir, deberd existir un sistema diferencial o en diferencias que siga el mismo, que serén denominadas ecuaciones del movimiento. 17Sistema Estatico: cuando las relaciones entre los clementos son inmutables. 2.- Atendiendo al origen de las actividades: Sistema Cerrado, el que no contiene actividades exdgenas. Sistema Abierto, el que las tiene. 3.- Atendiendo a los efectos de las actividade: Sistema Deterministico, es aquél donde los efectos de una actividad se explican completamente en funcidn de sus inputs, Actividad Determinista, cuando es posible describir completamente el resultado de una actividad. Sistema Estocastico, atendiendo a los efectos aleatorios pro- ducidos por una actividad. Actividad Estocastica, cuando los efectos de la actividad varian aleat6riamente en distintas salidas. 4. Atendiendo a los cambios que producen las actividades en el sistema: Sistema Continuo, cuando los efectos de una actividad son continuos. Sistema Discreto, cuando los efectos de una actividad no son continuos y producen cambios en el estado de! mismo. Por la influencia del tiempo | Dindmico Estatico : = Cerrado Por el origen de las actividades [se = Sistemas Por los efectos de las actividades | Deterministico Estocastico Por los cambios en el sistema [Gee Discreto 18Se pueden establecer las siguientes caracterfsticas de los Sistemas. En cuanto a las estructurales los Sistemas van a estar configurados por: a) Elementos: son Jos componentes fundamentales del sistema. Un elemento es. la representacién simplificada de alguna caracteristica de la realidad objeto de estudio. En un sistema, como es légico, hay siempre, menos elementos que en la realidad sobre la que se aplica. b) Relaciones entre elementos o redes de comunicacién: sélo se retienen las mas, significativas para los fines concretos del sistema. ) Que posean unos limites precisos. Que estén claramente determinadas cuales serdn las variables endégenas y las exégenas del sistema: En cuanto a las caracteristicas funcionales, los sistemas van a tener: a) Flujos, que circulan entre variables de estado. b) Valvulas, que controlan los diversos flujos. )Retardos, resultante de las discrepancias entre unidades de tiempo y velocidades de circulacién de los flujos. d) Bucles de realimentaci6n (feedback) 0 cadenas de causalidad o influencia circulares entre elementos. En los procesos de simulacién de cualquier sistema se deben definir determinados pardmetros, cada uno de los cuales tiene propiedades de interés, asi como determinadas interacciones en el sistema que producen cambios en el mismo, como son: —Entidad 0 Componente: objeto de interés en un sistema. — Atributo: propiedad o propiedades de una Entidad. — Suceso o Evento: proceso que provoca cambios en el sistema. —Estado del Sistema: descripcién de todas las Entidades, Atributos y Sucesos en valores numéricos, en un determinado perfodo de tiempo. El Estado del Sistema cambia cuando cambia el valor de algunos de estos parametros 19relevantes del sistema. El progreso del sistema, se estu en el Estado del Sistema. siguiendolos cambios Los sistemas pueden ser estudiados por medios analiticos o por métodos cémputacionales, ejemplo de ellos es la Simulacién de Sistemas. Seguin G.Gordon (1986): “la Simulacién de Sistemas es la forma de resolver problemas siguiendo los cambios en el tiempo de un modelo dinémico de un sistema”. Enunasimulacién discreta, el Estado del Sistema permanece constante entre Sucesos consecutivos, y bastard ir avanzando en el tiempo simulado de suceso en suceso. Este mecanismo de avance de tiempos sc denomina mecan- ismo asincrono y es el mas utilizado. Una vez vista las caracteristicas de los sistemas, la orientacién que le vamos a dar es en su relacién con las empresas, puesto que en ella enfocamos nuestros estudios. De ahi, que, puntualicemos ahora, y nos centremos en sistemas empresariales 0 en las empresas como sistemas. La empresa contempordnea es uno de los entes donde mas clara y prontamente se ve la eficacia de la Teorfa General de Sistemas. La empresa hay que entenderla como un sistema real, abierto, complejo, dinamico y orientado hacia unos objetivos. El planteamiento sistematico consiste, en un método de anillisis de los problemas tal que, el objeto de los mismos sea concebido como un sistema, lo que lleva a entender, que la empresa sea una entidad superior compuesta de elementos. A su vez, lasrelaciones entre los elementos del sistema de laempresa, se pueden definir como internas y las relaciones de tal sistema con otros como externas. Como sefiala Voltes Bou (1978), el planteamiento sistematico de Ia problematica empresarial da lugar a dos resultados titiles, como son: ~La facilidad para representarhechos y acontecimientos de la empresa con la ayuda de modelos descriptivos. —Laaclaracién intelectiva que entrafian estos modelos propician deci- siones mas prontas y acertadas. Las empresas dan lugar a la configuracién de sistemas de gran com- plejidad, en los cuales s6lo algunos de los numerosos elementos del sistema 20tienen que ser tomados en cuenta, Esta limitacién significa que el andlisis sistematico debe ser desarrollado con un propésito concreto que es el que determina cuales son los elementos que importa contemplar. Tal andlisis, da lugaradosenfoques: el “cognitivo”, que conduce al anilisis de ciertos fenémenos 9 proporcionan la base de una decisi6n, y el “instrumental” que conduce a la determinacién y manipulaci6n de determinadas variables que puedan llevar al conjunto del sistema hacia unos valores deseados. La empresa posee todas las caracteristicas de los sistemas, ademds de poseer igualmente su estructura, su organizacién y las dimensiones diacrénica y sincrénica. “Todas las unidades econmicas de produccién son sistemas ¢ incluso sistemas artificiales concebidos, realizados y administrados por los hombres” (C. Martzloff (1975). De lo visto hasta ahora, se puede deducir que, las técnicas de simulacién desistemas alcanzan sumayoreficacia, cuando estos poseen unas caracteristicas determinadas inapropiadas para la aplicacién de otro tipo de técnicas, Entre estas caracteristicas se pueden citar las siguientes —Son sistemas complejos, porel gran nimerode variables, parémetros, relaciones y sucesos a los que responde el sistema, sujetos a fluctuaciones aleatorias y con relaciones dificiles de analizar de otra forma. — La existencia de variables, que reflejan la naturaleza incierta de las entradas de un sistema. —Laexistencia de relaciones entre entidades y atributos de sistemas que no tienen un comportamiento facilmente modelizable por otras técnicas. Las miltiples aplicaciones de la simulaci6n a los sistemas se pueden resumir en dos: el disefio de sistemas y el andlisis de la conducta de los mismos. El Disefio de sistemas, consiste, en determinar, una vez especificadoel resultado deseado, un modelo que optimice alguna medida del comportamiento del sistema, como pudieran ser los beneficios, costes, tiempo, utilizacién de recursos, etc,. Es obvio, que para un objetivo deseado hay varios disefios alternativos, pues, de todas las alternativas, la més eficiente serd la seleccionada para la obtencién del resultado deseado. La otra aplicacion general, el Andlisis de Sistemas, tiene por objeto analizar el comportamiento de los sistemas. Pues bien, mediante la observaci6n 21de los elementos del sistema se intenta explicar como se logra la transformacién del mismo. Una vez estudiado el comportamiento real, se construye un modelo que refleje lo anteriormente expresado dentro del sistema y de este modelo creado, se extraen las conclusiones y 1a informacién de lo que ocurre en el sistema real. Se puede observar, que aunque estas dos aplicaciones parecen simi- ares, nolo son y se preocupan de objetivos diferentes. Enel Disefio de Sistemas, se utiliza la simulacién para obtener informacién sobre un sistema que se ha creado y sobre el que se tiene todo tipo de conocimiento. Y en el Andlisis de Sistemas, se emplea la simulaci6n para comprobar hipstesis sobre un sistema que existe en la realidad, pero del que no se tiene un perfecto conocimiento y cuyo comportamiento sdlo se puede explicar presuponiendo la existencia de entidades y relaciones particulares. Aestas dos aplicaciones, G.Gordon (1986) afiade una tercera, que es la Postulacién de Sistemas, que se realiza cuando se conace el comportamiento del sistema, pero no los procesos que producen dicho comportamiento, esto se obtiene comparando la respuesta del modelo con el comportamiento conocido, Vamos a realizar una breve exposicin en lo referente a la simulacién de Sistemas Discretos. 2. SIMULACION DE SISTEMAS DISCRETOS Los cambios a que dan lugar las actividades en el sistema, pueden ser continuos 0 discretos, y esto da lugar a los Sistemas Continuos y Discretos respectivamente. La simulacién, por tanto, se puede efectuar sobre un modelo de un sistema discreto 0 sobre un modelo de un sistema continuo. En los sistemas continuos, el interés esta en el andlisis del proceso de cambio que tiene lugar en él, para cuya descripci6n, se utilizan ecuaciones diferenciales 0 algebrdicas; a las simulaciones basadas en estos modelos se denominan, simulaciones continuas. En los sistemas discretos, nos centraremos en los sucesos que estén claramente definidos, y esto hace que las ecuaciones expresen las condiciones 22para que ocurra un suceso. La simulacién de estos sistemas consiste, en seguir los cambios en el estado del sistema que resultan de la sucesi6n de eventos, y a éstas se denominan simulaciones discretas. Nuestro objetivo esel estudio de sistemas discretos y, por tanto, aestas nos vamos a referir. Como hemos dicho antes, los Sistemas Discretos, son aquellos en que los cambios son predominantemente discontinuos. Como la simulaci6n consiste en seguir los cambios de un modelo en un sistema, la tarea de simular sistemas discretos requiere construir un programa en. que sea posible seguir la secuencia de los sucesos. En S.Barba (1985), se sefialan tres enfoques fundamentales para simular procesos discretos: Enfoque orientado al suceso (event orient). Se construye el modelo definiendo los cambios que ocurren con cada suceso. Por tanto, en este enfoque lo que hay que determinar, son los sucesos que pueden cambiar el estado del sistema, y desarrollar la légica asociada con cada tipo de suceso. La simulacién se produce al ir avanzando el tiempo de suceso en suceso y ejecutando Ia légica de cada suceso al que se va Ilegando. Enfoque orientado a las actividades (activity scanning). Se describen las actividades en las que las entidades del modelo se ven ocupadas, y se definen las condiciones que determinaran el inicio o fin de cada actividad, los sucesos de fin 0 inicio de actividad no se planifican como tales, sino que ocurren como consecuencia de las condiciones antedichas, El tiempo simulado avanza en forma sincrona, a saltos iguales sucesivos, en cada uno de Jos cuales se exploran todas las actividades para vers su statusha variadoy obrar en consecuencia. Enfoque orientado al proceso (process oriented). Combinan las filosofias anteriores, consiste en modelizar desde el punto de vista de la secuencia de operaciones o procesos, que tienen que realizar las entidades que se mueven enel sistema modelizado. Los sucesos se producen 23de forma natural, al acabar los procesos. Es entonces cuando se actualiza el estado del sistema, se mueven las entidades, que inician nuevos procesos, y se planifica el fin de los mismos: El mecanismo interno de simulacién es andlogo al del enfoque orientado al suceso, pero no es asi desde el punto de vista de la modelizacién. Modelizar de esta forma suele ser muy simple e intuitivo, aunque a veces algo rigido. REPRESENTACION FORMAL DEL SISTEMA: EL MO- DELO 1. CONCEPTO Como se puede deducir de todo lo anterior, la simulacién, en el sentido que nos ocupa, supone la construccién de un modelo de trabajo que presente una similitud de propiedades o de relaciones con el sistema sujeto a estudio, por lo que en este apartado, nos vamos a centrar en las caracteristicas y andlisis de los modelos de simulaci6n. El concepto de modelo es uno de esos conceptos que, debido a la multitud de usos que de él se han realizado en los distintos 4mbitos de la vida, se ha convertido en excesivamente ambiguo. El Diccionario de la Real Acade- mia lo define como: “ejemplar o forma que uno se propone y sigue en la ejecucion de una obra o en otra cosa. Representaci6n en pequefio de alguna cosa”. Esta definici6n, atin recogiendo la idea genérica de lo que es un modelo, queda un poco descentrada de la utilizacion que de é1 vamos a realizar aqui. El concepto de modelo que nosotros vamos a considerar es el de Modelo como “larepresentaci6n formal de un sistema”, pero asu vez, un sistema puede ser representado por una gran variedad de modelos dependiendo del propésito de estudio y de la comprensién del mismo. Es decir, la representacién del sistema a partir del modelo va a verse claramente influenciada por; la propia subjetividad del investigador, por el objetivo que se pretenda con el andlisis de dicho sistema y porla técnica que se vaa emplear; fenémenos estos que llevarén a distintas representaciones de un mismo sistema. Para estudiar un sistema, es posible hacerlo experimentando con el mismo aunque es dificultoso y poco practico. También cabe la alternativa de construir prototipos y probarlos, aunque esto puede ser muy costoso y dilatado en el tiempo. Ademés, si lo que se quiere es predecir la manera como se comportaré el sistema antes de que sea construido, lo anterior ya no es factible. 24Por lo general, los estudios de sistemas se realizan con un modelo del sistema, Pero un modelo no es s6lo un sustituto de un sistema, sino también una simplificacién del mismo. Un modelo, por tanto, es el cuerpo de informacion relativa a un sistema recabado con el fin de estudiarlo. El objetivo inmediato de un modelo es representar esquematicamente, pero de manera precisa y itil, la historia y estado actual de un sistema, Sin embargo, el fin tiltimo del modelado es proyectar hacia el futuro cuales pueden ser los diferentes estados del sistema ante diferentes hipstesis. La tarea de obtener un modelo de un sistema se dividira en forma genérica en dos subtareas: La determinacién de la estructura del modelo, que fija la frontera del sistema e identifica las entidades, atributos y actividades det sistema. Proporcionar los datos, que suministran los valores de los atributos que pueden tener y definen las relaciones involucradas en las actividades. En los modelos, en general, el mayor 0 menor formalismo asf como el nivel de precisién, es muy variable y va a estar condicionado por el objetivo que se persiga. Lautilidad de un modelo, dependerd de los elementos que se han tenido en cuenta, y de sus interrelaciones, y seré mas o menos titil si éstas son mds 0 menos buenas. Es decir, que es esencial para la utilidad de un modelo la identificacién adecuada de sus elementos cruciales, su definicién precisa y operativa y el establecimiento de las principales relaciones entre ellos. También la utilidad de un modelo vaa estar condicionada porla técnica que se vaya a aplicar, y por tanto, su construcci6n tiene que tener presente, siempre, este factor, de ahi que aunque el modelo para un objetivo determinado, en esencia, es igual siempre, la técnica especifica a aplicar necesitaré de adecuaciones a ella. Por esto, nosotros al hablar de modelos de simulacién nos vamos a referir a un tipo particular de modelos, porque estardn orientados a la utilizacién de las técnicas de simulacién. Los modelos de simulaci6n se van a caracterizar por combinar la descripcién del sistema mediante lenguaje natural por un lado, y la utilizacién de técnicas numéricas por otro. La simulaci6n consiste, en la generacién de posibles estados del sistema por medio del modelo que Jo representa. Para completar la nocién demodelo, comentaremos brevemente las caracteristicas estructurales y funcion- ales, éstas estan correlacionadas con las de los sistemas, as{ como los principios utilizados en la modelizacién. Vamos a enunciar a continuacién, las caracteristicas estructurales de los modelos, segtin Martinez y Requena (1986), tenemos: a) Variables y parémetros del modelo (elementos del sistema). Una variable es la definici6n precisa y operativa de un elemento cuya magnitud varia alo largo del tiempo. Un parametro en cambio, es una magnitud constante en el periodo de estudio del sistema. b) Relaciones funcionales 0 funciones entre variables y pardmetros. Estas se escriben como ecuaciones de comportamiento y de definicién. A los elementos endégenos se le denominan variables dependientes y a los exégenos variables independientes. En cuanto a las caracteristicas funcionales de los sistemas tenemos: a) Retardos: se dan cuando la relacién funcional entre dos variables no opera instanténeamente sino que experimenta demoras o retardos. Al decir instanténeamente nos referimos a que la accién se produce en un periodo de tiempo no superior al que se haya elegido como perfodo convencional de andlisis. b) Bucles de realimentacién, cuando se producen es ms dificil predecir el resultado final. Ademds, cuando operan conjuntamente efectos retardados y bucles de realimentacién hace que a veces se encuentren comportamientos no esperados. Una vez analizados los conceptos de Sistema y de Modelo, vamos a enunciar unos principios a utilizar en la modelizacién del sistema. Aqui nos proponemos seiialar unos principios que pueden servir de guia a la hora de construir un modelo de simulaci6n, sobre todo en lo referente al tratamiento de la informacién, Como apunta G.Gordon (1986), estos principios se pueden englobar en los siguientes: a) Formacién en bloques: La descripcién del sistema se debe organizar en una serie de bloques 0 subsistemas, con el objetivo de simplificar las interacciones dentro del sistema. Cada bloque explica parte del sistema que 26depende de unas variables de entrada y produce unas variables de salida. Es decir, puede describirse al sistema como un todo en términos de las interco- nexiones entre los bloques. b) Relevancia: En el sentido en que el modelo s6lo debe incluir los aspectos del sistema relevantes con los objetivos del estudio. Y aunque la informacién irrelevante en el modelo no perjudica, se debe excluir debido a que aumenta la complejidad del modelo y genera més trabajo en la solucién del modelo. c) Exactitud: Porque la informacién que se utilice debe ser exacta. d) Agregaci6n: Un factor adicional que debe considerarse, es el grado en que pueden agruparse las distintas entidades individuales en entidades mayores. En algunos estudios puede ser necesario construir entidades artificia- les mediante el proceso de agregaci6n. A continuacién vamos a encuadrar los modelos de simulacién dentro de una taxonom(a general de modelos y que nos centrarén sobre su posicién Tespecto a los otros. 2. TIPOLOGIA Hay diferentes caminos en la descripcién o modelizacién de sistemas. El desarrollo de tal clasificacién 0 taxonomia, clarifica como pueden ayudar los ordenadores en la formulacién y solucién de modelos y ademés verter luz sobre que tipo de modelos son los més apropiados para la investigacién de los diferentes sistemas. La clasificacién presentada aqui, sigue el esquema de G.A.Mihram (1972), y que est en la linea de la de Voltes Bou (1978), y se resume en el siguiente esquema: eeTIPOLOGIA DE LOS MODELOS MODELOS 28 SIMBOLICOS MATERIALES ESTATICOS DESCRIPTIVOS DINAMICOS ESTATICOS SIMULACION DINAMICOS [DETERMIN ALEATORIOS [ DETERMIN. ALEATORIOS DETERMIN. ALEATORIOS [DereRMuN, ALEATORIOS: ESTATICOS FORMALES DINAMICOS DETERMIN. ALEATORIOS ESTATICOS DETERMIN. ALEATORIOS DINAMICOS DETERMIN. LALEATORIOS [ DETERMIN. ALEATORIOS.MODELOS MATERIALES: Representan una transformacién es- pacial desde el sistema fisico original de interés a algiin otro sistema fisico que en algtin sentido es simple, més facil de comprender, o mas facil de manipular. Estos modelos, son los que conservan las propiedades relevantes de la realidad, através de un cambio de escala, La tinica diferencia entre ellos y la realidad es la dimensién (fotograffas, mapas, etc.). Dentro de este tipo de modelos se incluyen también los modelos andlogos, que son aquellos en los cuales se han sustituido un conjunto de propiedades de la realidad por un conjunto “andlogo”” de propiedades de! modelo (sistema hidrdulico para representarsistemasecondémi- cos), MODELOS SIMBOLICOS: Los modelos materiales, intentan man- tener un eslab6n fisico entre el modelo y el sistema real, en el caso de modelos simbélicos, este eslabén est4 roto, Los modelos simbdlicos son aquellos que utilizan letras, nimeros y otros tipos de simbolos para representar las variables y las relaciones que entre ellas existan. Son el tipo mas general y abstracto de modelo, y a su vez los mds faciles de manejar. Los modelos descriptivos son un. tipo de modelos simbélicos, en que el lenguaje natural es utilizado para representar un sistema. Los modelos formales o formalizaciones son otro tipo de modelo simbélico, dentro de estos se incluyen los modelos mateméaticos 0 analiticos. Entre los modelos descriptivos y los formales se encuadran los modelos de simulacién, ya que por un lado, los lenguajes de programacién de més alto nivel permiten usar, para representar sistemas, modelos descriptivos, y por otro lado, en el proceso interno son utilizados métodos numéricos, que son més del tipo formalizacién. Como ya hemos hecho referencia anteriormente, esta es una de las razones por las que simular modelos, y més concretamente los lenguajes de simulacién, han conseguido extender su uso y su popularidad. Esto es, por un lado, las caracteristicas del lenguaje permiten describir sistemas de forma similara como lo hace el lenguaje natural, y por otro lado, la incorporacién de técnicas analiticas asegura la solucién del modelo. Los modelos hasta aqui vistos, han sido clasificados atendiendo al nivel de abstraccién utilizado para describir el sistema. Los modelos materiales son los menos abstractos, mientras que los modelos simbélicos o de formalizacién son los mds abstractos. Dentro de estos modelos atendiendo a las transacciones que tienen lugar en ellos, pueden ser: ESTATICOS: el que su comportamiento no cambia con el tiempo. DINAMICOS: el que cambia con el transcurso del tiempo. 29Y por tiltimo, atendiendo al caracter de los elementos 0 variables que intervienen en él, podemos hablar de: MODELOS DETERMINISTAS: cuando sélo intervienen variables deterministas o pardmetros. MODELOS ALEATORIOS OESTOCASTICOS: cuandoenel modelo intervienen variables 0 elementos aleatorios. TIPOS Y METODOS DE SIMULACION icos utilizados, el estudio de simulaci6n que del sistema vayamos a realizar con el modelo elaborado, va a estar totalmente mediatizado por el objetivo del estudio y en definitiva por el propésito y los aspectos que se consideren de mayor relevancia. Esto puede dar lugar a multitud de trabajos sobre un mismo sistema. Como consecuencia se pueden clasificar los tipos de simulaci6n en funci6n de la intencién y del objetivo que se pretende. Enesta tipologia vamos autilizar, la que apunta S. Barba (1985): 1,- SEGUN LAS VARIABLES UTILIZADAS: ~ Simulaciones Estocasticas 0 Simulaciones de Monte Carlo: cuando se trabaja con variables aleatori — Simulaciones Deterministas: en caso contrario. 2.- SEGUN LA INFLUENCIA DEL TIEMPO: — Simulacién Dindmica: interviene el tiempo (modelo en ecuaciones diferenciales 0 en diferencias). —Simulacién Estatica:no interviene el tiempo (modelo con ecuaciones algebréicas). 3.- SEGUN EL TIPO DE MODELO UTILIZADO: —Simulacién Discreta: cuando las variables del modelo toman valores en un dominio discretizado. 30.= Simulacién Continua: cuando las variables del modelo adoptan valores en un dominio continuo (niimeros reales), Los modelos de simulacién continua son completamente diferentes a los de simulacién discreta. Hay dos enfoques: * Orientados al bloque. + Orientados a la ecuaci — Simulacién Combinada: cuando haya variables que tomen valores continuos y otras que los tomen discretos. En cuanto a los Métodos de Simulacién de Sistemas se pueden considerar dos: 1.- SIMULACION CON MUESTRAS ARTIFICIALES O METODO DE MONTECARLO Es un procedimiento de célculo donde se emplean muestras artificiales de distribuciones probabilisticas “simulando” a través de las mismas con bastante aproximacién, el comportamiento de un fenémeno real, ya que la experimentaci6n fisica es impracticable c imposible la creacién de una formula exacta, El Método de Montecarlo es una simulacién con técnicas de muestreo, es decir, en lugar de obtener muestras de una poblacién real, se obtienen de un duplicado teérico de Ja poblacién real”. Este método se puede emplear para resolver: —Procesos estocdsticos. ~Problemas deterministicos que no pueden resolverse fécilmente. Este método sugiere el empleo de ruletas o dados, de ah{ su nombre, pero en realidad se emplean nimeros aleatorios, es decir, se sustituyen los datos aleatorios del proceso fisico, por ntimeros aleatorios, obtenidos normalmente en. un ordenador que tengan las probabilidades del proceso fisico. Definicién de E.Chacén (1973): “El método de Montecarlo con- siste en la sustitucién del estudio de un proceso fisico o matemitico, por el de un modelo estocéstico artificial; es decir, que por este método se pueden tratar problemas que son deterministicos por medio de muestras aleatorias; tambien 31por medio de digitos pseudoaleatorios generados por un computador, se pueden estudiar problemas probabilisticos”, Técnica operativa del método de Montecarlo: 1.- Extraccién del ntimero equiprobable. 2.- Estimaci6n de la distribucién probabilfstica seguida porla variable a simular. Para ello es preciso efectuar a través de la JI-DOS, de Smirnov-Kolmogoroff, o por cualquier otro procedimiento una estimaciénde la ley probabilistica seguida por el fenémeno a estudiar. 3.- Obtencién del valor tipificado de la variable. 4.- Obtencién del valor X de la variable a simular. 2.- SIMULACION CON MUESTRAS REALES Considerando como muestras reales aquellas que se obtienen de la observacién de la realidad. Este método obtiene muestras entre una poblacién real, en vez de obtenerlas de una tabla de ntimeros aleatorios como hace el Método de Montecarlo, Es un proceso en el que la informacién utilizada en el andlisis de un problema complicado, se procesa mediante el funcionamiento de un modelo. EI modelo de simulacién, es una reproduccién del ambiente de fun- cionamiento y sus caracteristicas permiten, que el observador analice lareaccién del ambiente a ciertas actividades alternativas del exterior. Esa reaccién del ambiente, proporciona un medio para determinar la decisin que se tome en el problema. VENTAJAS Y LIMITACIONES DE LAS TECNICAS DE SIMULACION Acontinuacién vamos a desglosar las que, a nuestro juicio, considera- mos las ventajas y limitaciones con que éstas técnicas se encuentran a la hora de resolver los problemas planteados en un sistema, y aunque algunas de ellas han quedado ya reflejadas en los comentarios hasta ahora realizados, vamos a tipificarlas como siguen. 32En cuanto a las ventajas tenemos: — Permiten experimentar con un modelo del sistema, en vez del sistema real que esta funcionando, _pudiendo controlar los pardmetros del modelo y pudiendo replicar la simulacién de un modelo tantas veces como se desee. Una réplica, es una nueva simulacién en la que todos los parémetros y condiciones experimentales son idénticosa los de la simulacién anterior excepto Jos valores que pueden tomar las variables aleatorias. — Con los estudios de simulacién, se puede descomponer en subsistemas un sistema complicado, y estos subsistemas se pueden simular individual o conjun- tamente con otros. — En Ios casos en que hay relaciones complicadas de naturaleza predecible y aleatoria, es mas fécil utilizar un proceso simulado que desarrollar un compli- cado modelo matematico que represente todo el proceso que se estudia. —Permiten incluir el tiempo en el andlisis de situaciones esencialmente dinami- cas. — Nos provee de un medio de conocimiento del comportamiento de nuevos sistemas, con el objetivo de mejorar los ya existentes, y asi como para la puesta a punto de un medio susceptible de proveer un conocimiento completo del sistema global y de sus componentes. —Permiten resolver un cierto tipo de sistemas de ecuaciones, o de transforma- ciones matematicas, que debido a su complejidad no pueden resolverse analiticamente. —Las técnicas de simulacién no requieren simplificaciones y suposiciones hasta el grado, en que las requieren las técnicas analiticas, y por tanto, cualquier persona, atin sin ser técnico, la utilizard con mayor facilidad. —Un modelo de simulacién puede explicarse mas facilmente al personal admi- nistrativo, porque esencialmente es una descripcién del comportamiento de un sistema o proceso. ~ Con ellas se puede estudiar un sistema sin construirlo, sin perturbarlo y sin destruirlo, en definitiva sin deformarlo; y a velocidades de comportamiento simulado mucho mayores que en la realidad, por la capacidad de condensar en 33breves intervalos de tiempo presente, el tiempo de acaecimiento de los sucesos previstos para el futuro y sin tener que soportar los problemas reales inherentes alaintroduccién de estos cambios, ni corer los riesgos de llevarlos a la practica. —Los procesos de simulacién son herramientas muy efectivas de entrenamiento personal, y generan una visin macro y micro del sistema bajo estudio mucho més profunda y detallada que cualquier modelo analitico o numérico. ~ Permite la comparacién de un cierto nimero de alternativas para ahorrar costes, aunque a veces la simulacién es cara, ganar tiempo, evitarriesgos y hacer posible el andlisis, que en la realidad puede ser imposible. —Permite el desarrollo y/o validacién de relaciones funcionales, buscando leyes ocultas bajo la apariencia multiforme de los fenémenos. Es decir, se pueden obtener sencillas expresiones mateméticas del comportamiento del sistema en estudio, por medio de repetidas simulaciones, para extraer interesantes conse- cuencias que la mera experimentaci6n no nos permitiria. — Es util como entrenamiento profesional, para la formacién de futuros responsables de un cierto sistema en el conocimiento més profundo del mismo, o para familiarizarlo con un sistema 0 una situacién que puede no existir en la realidad. —Enuna toma de decisiones, los resultados de un modelo de simulaci6n pueden ser verdaderamente valiosos: anélisis de sensibilidad que discrimine que va- riables de control son més efectivas y en que medida, contrastes entre politicas de gestidn alternativas, andlisis de los efectos de situaciones anormales etc... —En problemas en los cuales no se conocen anticipadamente todos los valores delas variables, o s6lo se conocen parcialmente y no hay manera de averiguarlos facilmente; entonces con la simulacién, se pueden encontrar esos estados sucesivos, como puede ser la estimacién de los riesgos, beneficios y posibili- dades de éxito de un cierto proceso o de un cierto método. ~A diferencia de los modelos de optimizacién analitica, los modelos de simu- lacién tienden a presentar mejores descripciones de la realidad. Por otra parte, y dentro de lo que hemos denominado limitaciones, resaltamos las siguientes: 34—Lasimulacién no produce soluciones 6ptimas, en contraposicién se realizarén muchas ejecuciones, y de ellas, quedarse con la que se considere mejor. Esdecir, la simulacién es una herramienta descriptiva, no normativa, empleando el lenguaje de la Teoria de la Decisi6n. ~ A causa de su relativa facilidad de aplicacién, puede haber una tendencia a depender frecuéntemente de esa técnica, originando la sustitucién de 1a simula- cién por técnicas matemdticas analiticas cuando estas tltimas sean més adecuadas. — La simulacién no esta exenta de las mismas deficiencias que otros modelos matematicos, como la imposibilidad de cuantificar todas las variables que afecten al comportamiento del sistema, o que el niimero de variables que se revisan pueda sobrepasar la capacidad de la computadora de la que se dispone. — Aunque los resultados sean correctos, una validacién perfecta de un modelo de simulaci6n es practicamente imposible de conseguir, y por tanto, las conclu- siones que se obtengan conllevan deformaciones achacables a los defectos de modelizaci Estamos ya en disposicién de establecer los pasos a seguir en un proceso de simulacién y es lo que nos proponemos realizar en el siguiente epigrafe. UNA METODOLOGIA PARA LOS PROCESOS DE SIMU- LACION En este apartado, vamos a presentar la metodologia general de la simulacién por ordenador, para cualquier tipo de aplicacién. Todo proyecto de simulacién atraviesa en la practica, diversas etapas 0 fases a lo largo de las cuales, va desarrollndose hasta verse completado. Las fases fundamentales de cualquier proceso de andlisis en el que la simulaci6n sea el instrumento dominante son: L- Observaci6n, que lleva a la formulacién del problema real que se estudia,2.- Recoleccién y procesamiento de la informacién requerida. 3.- Formulacién del Modelo. 4, Evaluacién de las caracteristicas de la informacign procesada. 5. Programacién del Modelo. 6.- Verificacién del Programa. 7.- Validaci6n del Modelo 0 Programa. 8,- Experimentacién o Disefio de experimentos de simulacién. 9.- Documentacién final. Vamos a ampliar el contenido de cada una de estas fases: 1.- Observacién, que lleva a la formulacién del problema real que se estudia. Se trata de fijar exctamente el problema que quiere abordarse, as{como establecer el objetivo u objetivos que se persigue en la simulacién. 2.- Recoleccién y procesamiento de la informacién requerida. Con la recoleccién lo que se indica, es la necesidad de hacerse con todos los datos disponibles para la simulaci6n del comportamiento del sistema. Y el procesa- miento no es mas que la transformacién de esos datos en informacion que podamos utilizar imprescindible para simular un sistema. Se pueden considerar tres posibles fuentes para generar infor- macién: datos histéricos 0 series temporales, opiniones de expertos y estudios de campo. 3.- Formulacién del Modelo. Yaes sabido que modelizar es mas un arte que una técnica. Al modelizar, se caracterizan las relaciones que gobiernan la interacci6n de las componentes del sistema y de las actividades endégenas y exégenas. La cuestién clave al modelizar es saber distinguir lo relevante de lo que no lo es. Porque el mejor model6 no es el mas complejo y el que tiene mas detalles, sinoel que, siendo muy simple, se adecua al objetivo perseguido, yaque cuanto més detalles, m&s pesado, confuso y costoso de experimentar es el modelo resultante. 364.- Evaluacién de las caracteristicas de la informacién procesada. Los modelos de simulacién con los cuales nosotros vamos a trabajar, van a ser de sistemas discretos y estocésticos, por lo tanto la informacién requerida para simular dichos sistemas tendré caracteristicas aleatorias, esto obliga aaveriguar el tipo de distribucién probabilistica que gobierna a la informacién. Y para ello se requiere la realizaci6n de una serie de pruebas estadisticas, como son: a) Tests referentes a valores medios (diferencias entre medias). b) Tests referentes a variaciones ( JI-DOS, F de Snedecor). c) Tests referentes arecuento de datos (proporciones, tablas de con- tingencia, bondad de ajuste, tests de ejecuciones ¢ intervalo). d) Pruebas no paramétricas (rangos, medianas, correlacién, Kolmo- gorov-Smimov). 5.- Programacién del Modelo, Para ello se puede emplear los disefios generalizados y los modulares (0 de bloque). Es aconsejable que el programa tenga bastante flexibilidad para adaptarse a los posibles cambios que impongan las futuras revisiones, Se pueden distinguir las siguientes fases: a) Blaborar un diagrama de flujo que muestre el efecto de idades sobre las componentes importantes del sistema. las diferentes a b) Disefiar la programacién en algiin lenguaje especial (GPSS, SIMSCRIPT, GASP, DYNAMO, SIMAN ...), 0 el FORTRAN que es mas general, y que tiene mayor flexibilidad que el resto de lenguajes generales de simulacién. ) Probar el programa de ordenador hasta eliminar todos los errores légicos y no légicos. d) Generar resultados. 6.- Verificacién del Programa, En esta fase se comprueba que el programa se ajusta al modelo, es una tarea esencial y muy laboriosa. 7. Validacién del Modelo. Puede ocurrir que aunque el programa funcione acorde y correctamente con el modelo, éste sea inexacto, es decir, que 37no se ajuste a la realidad, Para ello basta con comprobar que nuestro modelo simulado reproduce resultados conocidos del sistema real en estudio. Un buen modelo de simulacién es aquél, donde los resultados de varias réplicas no tienen diferencias estadisticamente significativas. Si esto no es asi, se puede deber a: — Mal disefio experimental. —Mal uso de un buen modelo. — Que el anilisis de los resultados se corresponda a la fase inestable del sistema, es decir, que sean los primeros resultados del proceso de simulacién, Esto se puede solucionar extendiendo el periodo de simulacién para que el sistema simulado entre en una fase estable y sean los resultados de esta fase del experimento los que se validen. 8.-Experimentacién o disefio de experimentos de simulacién. Una vez verificado y validado el programa, el sistema en estudio est4 recogido en nuestro programa de ordenador y podemos reproducir su comportamiento, en diversas situaciones cuantas veces deseemos. Es aconsejable una planificacién rigurosa de la combinatoria de posibilidades de experimentacién, lo que se denomina un disefio experimental. 9.- Documentacién final y andlisis de resultados. En un estudio de simulacién, es preciso documentar todo Jo hecho en las distintas fases, para poder realizar revisiones o investigar posibles errores de los resultados. El andlisis de resultados consiste en recolectar, sistematicamente, los datos pro- ducidos por la simulacién, calcular ciertas estadisticas, y por tltimo interpretar- las. Todos estos pasos se recogen en el siguiente esquema: 38METODOLOGIA EL PROCESO DE SIMULACION OBSERVACION Y FORMULACION DEL PROBLEMA RECOLECCION Y PROCESAMIENTO DE LA INFORMACION REQUERIDA FORMULACION DEL MODELO EVALUACION DE LA INFORMACION PROGRAMACION DEL MODELO VERIFICACION DEL PROGRAMA. VALIDACION DEL MODELO, EXPERIMENTACION DOCUMENTACION FINAL omLENGUAJES DE SIMULACION En nuestros dias, la simulacién va intimamente unida a la informética y no se puede concebir separada de ésta. Dado que la simulacién se basa en cémputos numéricos, obliga a la utilizacién de ordenadores digitales y esto ha producido muchos lenguajes de programacién para realizar simulaciones. Existen 3 tipos de ordenadores que pueden ser utilizadas en la simula- ciGn de modelos;que son: —Ordenadores digitales. —Ordenadores analégico — Ordenadores hibridos. Los ordenadores digitales son los més utilizados, y en los tiltimos afios han tenido un importante desarrollo. Su caracteristica mds definitiva, es que no trabajan considerando los sistemas en forma continua, sino que los resuelven discretizando las funciones que lo componen. Los ordenadores analégicos, basan su técnica de funcionamiento en la analogia entre ciertos sistemas y los sistemas formados por circuitos eléctricos con resistencias, capacitancias e inductancias. Por su misma naturaleza, estos ordenadores trabajan considerando los sistemas continuos, y pueden adaptarse para simular fenémenos econémicos que puedan representarse con estructuras expresadas mediante ecuaciones en diferencias 0 ecuaciones diferenciales. Los ordenadores hibridos, como se deduce de su denominacién, utilizan circuftos de uno y otro tipo, lo cual les da una mayor flexibilidad para adaptarse a muchos tipos de problemas. Una vez. visto esto, resta decir que nosotros nos vamos a referir exclusivamente a lenguajes para ordenadores digitales, porque son los que més se utilizan en los estudios de simulacién por su fécil disponibilidad y por su habitual uso. Y ello porque, aunque para los ordenadores, analégicos ¢ hibridos, pueden llegar a adaptarse a los modelos econémicos transforméndolos a sistemas de ecuaciones continuas, se choca con los inconvenientes de la falta de flexibilidad de estos ordenadores, lo que restringe su aplicacién a casos muy 40tipificados, De ello se deduce como consecuencia que, aunque sea posible utilizarlas en algunos casos, lo normal es que no se haga, trabajando en su lugar con ordenadores digitales. Pues bien, cuando se nos plantee el estudio de la simulacién de una realidad, hay que afrontar el problema de describir primero el sistema, después el modelo de dicho sistema y por tiltimo las operaciones arealizaren un lenguaje que entiende el ordenador. La mayoria de los ordenadores digitales utilizan un lenguaje numérico binario, octal o hexadecimal, llamado lenguaje bésico de méquina, El ‘introducir en el ordenador los datos y las instrucciones en este lenguajees un proceso muy complicado; de ahi surgi lanecesidad de crear otros lenguajes mas manejables para escribir los programas. Los lenguajes de programacién se pueden definir como conjuntos de simbolos reconocibles por un ordenador, de los cuales se sirve el programador para dar instrucciones e introducir datos referentes a las operaciones que desea realizar. El primer paso de estos lenguajes, en el proceso de un programa en el ordenador es precisamente el traducirlo a lenguaje basico de maquina. El lenguaje basico de maquina es el lenguaje de mas bajo nivel, por ser un lenguaje directo. Nunca se utiliza para programar los modelos. Un lenguaje ensamblador, consta de una serie de simbolos mnemotécnicos, que correspon- den al lenguaje de funcionamiento de la maquina y que son traducidos por un programa ensamblador. Existe una gran variedad de estos lenguajes, en los que se busca (por medio de la utilizacién de “etiquetas” y sentencias que designan operaciones, definen variables y almacenan datos), facilitar el trabajo de programacién, al no tener que saber ni recordar con que valores del lenguaje basico se han almacenado datos y operaciones. Normalmente, un lenguaje ensamblador s6lo es valido para un determinado tipo de ordenadores. Un lenguaje compilador, es un lenguaje a més alto nivel que el ensamblador y que necesita, por su complejidad y distanciamiento del lenguaje basico de maquina, de una primera traduccién a un lenguaje ensamblador por medio de un compilador. Un lenguaje de este tipo, leva sentencias que tienen cierto significado en inglés, por lo que resulta mas facil de entender a la hora de programar con él, posee macroinstrucciones que reducen el esfuerzo y el tiempo de programacién, asi como, disminuye las posibilidades de error al reducir el ndmero de sentencias del programa. Un compilador es un dispositivo independiente. La compilacién se realiza por medio de un programa compilador que traduce el programa a un lenguaje ensamblador, o bien directamente a lenguaje basico de maquina. 41Los lenguajes de alto nivel tienen, pues, la misin de presentar un vovabulario y una sintaxis que expresan el programa como una secuencia de sentencias e instrucciones con cierto sentido, que lo hace més identificable con el planteamiento del problema en lenguaje vulgar. Tanto los lenguajes generales, como los lenguajes especiales de simu- lacién, son lenguajes compiladores, a ello nos referimos a continuaci6n. 1, LENGUAJES GENERALES DE SIMULACION Entre los lenguajes generales de alto nivel, los més utilizados son el FORTRAN, COBOL, ALGOL, PASCAL, BASIC, PL/letc. A pesar de la gran disponibilidad de lenguajes de simulaci6n, tanto generales como especificos (los veremos més adelante), muchas aplicaciones se realizan sin utilizar éstos y por contra se utiliza FORTRAN, debido a que es un lenguaje de propésito general més conocido y muy asequible para programar una extensa gama de problemas. Sihay que buscar la“semilla” del 4rbol genealdgico de los lenguajes, el cual ha estado creciendo de una manera espectacular en los tltimos treinta afios, la encontraremos en FORTRAN. Esta palabra esté formada por las sflabas iniciales de FORmula TRANslation, es decir “traducci6n de férmula”. Y esto fué lo que hizo que el FORTRAN ganara adeptos rapidamente: para un cientifico inmerso en célculos matematicos, el pasar de escribir una expresi6n en términos cabalis- ticos a hacerlo tal y como la veia escrita suponia una ventaja incuestionable. FORTRAN es fruto de la evolucién natural de la historia de la informéatica. Después de la utilizacién del cédigo m4quina y del lenguaje ensamblador, el siguiente paso a dar tenfa que consistir en un lenguaje de alto nivel, conel que la tarea de programacién pasara a ser un oficio, en vez de un arte como venfa siendo hasta entonces. Aunque posteriormente se empez6 a considerar a los ordenadores como potentes herramientas para gestionar grandes volimenes de informacién, en un primer momento se les enfocé hacia actividades puiramente cientificas y “devoradoras de ntimeros”. La consecuencia de este punto de vista, fue un lenguaje fuertemente orientado hacia estos aspectos. La idea de que era necesario algo parecido al FORTRAN estaba ya presente en el afio 1949, cuando aparecié el SHORT-CODE, creado por el Dr. 42