You are on page 1of 7

1.4.1.

Sistemas, modelos y control
Un Sistema se define como una colección de entidades (por ejemplo, personas, máquinas, etc.) que actúan e interactúan juntas para lograr un fin común. En la práctica, ¿qué 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 sólo 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 instantáneamente 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 práctica 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

Sin embargo la mayoría de los modelos construidos para estudiar los sistemas son matemáticos. etc. En estos casos el modelo puede ser estudiado por medio de simulación. si el modelo es válido. Si el modelo es simple. evoca imágenes de miniaturas. Sin embargo hay veces en las que obtener una solución analítica resulta complejo y necesita muchos recursos de computación. es posible trabajar con estas cantidades y relaciones y obtener una solución analítica exacta. etc.). los cuales representan un sistema en términos de relaciones cuantitativas y lógicas que pueden ser cambiadas para ver cómo el modelo reacciona y ver así como debería comportarse el sistema. cabinas separadas de los aviones para el entrenamiento de los pilotos. Estos son ejemplos de modelos físicos (también conocidos como modelos icónicos).estudiar posibles alternativas de construcción del mismo (sistemas de fabricación. éste debe examinarse para poder concluir el comportamiento del sistema y así responder a las cuestiones planteadas sobre el mismo. • Solución Analítica frente a Simulación: Una vez que se ha construido un modelo matemático. es decir. se ejercita el modelo numéricamente por medio de entradas para ver cómo éstas afectan a las medidas de salida o ejecución. . armas nucleares. Por estas razones es necesario construir un modelo que represente al sistema y estudiar éste para poder responder a las cuestiones planteadas sobre el sistema. • Modelo físico frente a modelo matemático: Para muchos la palabra modelo.

desarrollado con el propósito de estudiar dicho sistema. explicar y predecir el comportamiento del sistema real” (Naylor y otros). para este último autor . Los modelos deben contener sólo los aspectos esenciales del sistema real que representan.Por tanto podemos definir la simulación como “la técnica de resolución de problemas siguiendo en el tiempo los cambios de un modelo de un sistema” (Gordon. Otra posible definición es entender la simulación como “el proceso de diseñar un modelo matemático o lógico de un sistema real y realizar una serie de experimentos con el ordenador sobre él para describir. Por modelo entendemos la representación de un sistema. 1975)“. 1969). simulación incluye tanto la modelización como el uso del modelo para estudiar el sistema. Aquellos aspectos del sistema que no . o como “el proceso de diseñar un modelo de un sistema real y realizar experimentos con dicho modelo con el propósito de comprender el funcionamiento del sistema o de evaluar diferentes estrategias (dentro de los límites impuestos por un criterio o conjunto de criterios) para la operación del sistema (Shannon.

ya que lo que harían sería obscurecer las relaciones entre las entradas y las salidas. que controle el mayor número posible de aspectos del mismo y que éstos contribuyan de forma significativa al sistema (hay relaciones en el sistema que no son significativas y pueden obviarse en el modelo). • • Programación: ya que el modelo se ha de implantar con un lenguaje de programación. Clasificación de los modelos Nos vamos a centrar en los modelos matemáticos y su estudio por medio de simulación. El diseño es una fase muy importante. Deben ser una buena aproximación del sistema real. Los modelos se pueden clasificar en: . Características que deben presentar los modelos: • • • Deben ser fáciles de entender y manejar.contribuyen significativamente en su comportamiento no se deben incluir. ¿En qué punto se debe parar de incluir realismo en el modelo? Esto depende del propósito para el cual el modelo se haya desarrollado. El diseño y control de modelos de modelos obliga a tener conocimientos de cuatro áreas de conocimiento distintas: • Modelización: necesarios para diseñar el modelo que permita dar respuestas válidas del sistema real que represente. Métodos Heurísticos: para permitir llegar a una solución buena del problema planteado. Deben ser simples y de costo no excesivo. y la estadística • para permitir el diseño y análisis de los experimentos. Probabilidad y Estadística: la probabilidad es necesaria para definir y estudiar las variables aleatorias de las entradas. ya que los errores proporcionarán modelos falsos.

En un modelo determinístico la salida es determinada una vez que se especifican las relaciones. Alternativamente. La decisión de utilizar un modelo discreto o continuo para un sistema particular depende de los objetivos del estudio. ejemplos de simulaciones estáticas son los modelos MonteCarlo. • Continuos frente a Discretos: Los modelos de simulación continuos y los discretos se definen de forma análoga a la de los sistemas. un complicado sistema de ecuaciones diferenciales que describen una sustancia química). Los modelos de simulación probabilísticos producen salidas que son aleatorias y deben ser tratadas como tales. cantidades y entradas. • Prescriptivos frente a Descriptivos: Los primeros pretenden tomar decisiones sobre el sistema. esta es una de las desventajas de la simulación. se utilizan cuando se desea . si los coches se tratan en conjunto el flujo de tráfico se puede describir mediante ecuaciones diferenciales en un modelo continuo. • Determinísticos frente a Probabilísticos: Si un modelo no contiene ningún componente probabilístico se conoce como determinístico (ej. Sólo decir que no siempre es usado para modelar un sistema discreto y viceversa. De otro lado. Por ejemplo un modelo del flujo de tráfico en una autovía podría ser discreto si son importantes las características y movimientos de los coches individuales. los modelos dinámicos representan sistemas que evolucionan con el tiempo. Sin embargo muchos sistemas tienen ciertos componentes aleatorios de entrada y éstos se representan mediante modelos probabilísticos (por ejemplo la mayoría de los sistemas de colas e inventarios).• Estáticos frente a Dinámicos: Un modelo estático es una representación de un sistema en un punto particular del tiempo. o uno que representa un sistema en el cual el tiempo no juega ningún papel. es decir como una estimación de las verdaderas características del modelo.

En los segundos las salidas sí afectan a las entradas (ej. Gareth. las salidas no afectan a las entradas.responder y optimizar una cuestión acerca del sistema.unab.edu.co/docentes/gbarrera/Introduccion_Simulacion. Fuente: Barrera Sanabria. un sistema de calefacción). Universidad Autónoma de Bucaramanga. • De Ciclo Abierto frente a de Ciclo Cerrado: En los primeros no hay realimentación. Los segundos se limitan a describir el comportamiento del sistema y dejan la totalidad del proceso de optimización en manos del analista. tratan de dar la mejor solución.pdf . es decir. http://fis.