Pasos para la creación de un modelo de simulación

2. La simulación de sistemas implica la construcción de
modelos. El objetivo es averiguar qué pasaría en el sistema si
acontecieran determinadas hipótesis.
Desde muy antiguo la humanidad ha intentado adivinar el
futuro. Ha querido conocer qué va a pasar cuando suceda un
determinado hecho histórico. La simulación ofrece, sobre bases
ciertas, esa predicción del futuro, condicionada a supuestos
previos.
Para ello se construyen los modelos, normalmente una
simplificación de la realidad.
En el modelo se estudian los hechos salientes del sistema o
proyecto. Se hace una abstracción de la
realidad, representándose el sistema/proyecto, en un modelo.

3.  Comenzar haciendo un diagrama de flujo simple.
 Debe hacerse énfasis en la simplicidad, facilidad de
formulación y comprensión.
 Usar el número mínimo de variables necesarias para
describir el sistema.
 La sobre
simplificación
hace al
modelo
inútil.
 La inclusión
de detalles
triviales hace
al modelo
excesivament
e extenso,
complejo e
intratable.

5. Los modelos se pueden clasificar en forma general, pero los
modelos de simulación se pueden clasificar en forma más
específica.
De que forma podemos modelar un objeto o sistema desde lo más
real a lo mas irreal.
 Modelos Modelos
Exactos Abstractos
 MODELOS FISICOS: Son los que mas se asemejan a la
realidad, se encargan de modelar procesos.
 MODELOS ANALOGICOS: Se encargan de representar
una propiedad determinada de un objeto o sistema.
 MODELOS DENOMINADOS
JUEGOS ADMINISTRATIVOS: Ya
empieza a involucrarse al ser humano
el comportamiento del ser humano.
Ej: modelos de planeación, estrategias
militares.

6.  MODELOS ABSTRACTOS (simulación): Viene hacer una
herramienta ya que se convierte en algo abstracto
 MODELOS MATEMATICOS: Se tiene en cuenta las
expresiones materia y lógicas ejemplo: representar un objeto.
Aquí se debe hacer muchas suposiciones dentro de un modelo
matemático
Dentro de los modelos de simulación están:
1. MODELOS DETERMINISTICOS
Ni las variables endógenas y exógenas se pueden tomar como datos
al azar. Aquí se permite que las relaciones entre estas variables sean
exactas o sea que no entren en ellas funciones de probabilidad. Este
tipo determinístico quita menos de cómputo que otros modelos
Ejemplo: Modelos Estocásticos
2. MODELOS ESTOCASTICOS
Cuando por lo menos una variable es tomada como un dato al azar
las relaciones entre variables se toman por medio de funciones
probabilísticas, sirven por lo general para realizar grandes series de
muestreos,

7. Los modelos estocásticos quitan mucho tiempo en el computador son
muy utilizados en investigaciones científicas
por ejemplo: los modelos de juegos, modelos donde se observa
las ganancias de una empresa
Ejemplo: Arquitectónicos: líneas de teléfono, tubos de agua
3. MODELOS DINAMICOS: Si se toma en cuenta la variación del
tiempo, ejemplo: la variación de la temperatura, del aire durante un
día, movimiento anual de las finanzas de una empresa.
Ejemplo: Laboratorio de química: reacción entre elementos
En estos modelos físicos podemos realizar modelos a escala o en forma
natural, a escala menor, e escala mayor, sirven para hacer
demostraciones de procesos como para hacer experimentos nuevos.
4. MODELOS A ESCALA: Son los modelos sencillos de maquetas ->
casa -> baño, cuartos, etc. También se pueden tener a tamaño natural
a menor o mayor escala, bidimensional, tridimensional.

8. Es interesante destacar que algunas veces los modelos y los sistemas
no pertenecen al mismo tipo.
Por ejemplo:
• El estudio del movimiento del fluido por una cañería
(Fluidodinámica) corresponde a sistemas continuos. Sin embargo si el
fluido se lo discretiza dividiéndolo en gotas y se construye un modelo
discreto por el cual circulan gotas de agua (una, dos, diez, cien, mil)
se está representando un sistema continuo por un modelo discreto.
• La obtención del área bajo la curva representada por f(x,y)=0 para
el rango 0 <= x <= 1 con 0 <= y <= 1 en todo el intervalo, es un
problema determinístico. Sin embargo, para un número
N, suficientemente grande de puntos, de coordenadas x,y generadas
al azar (0 <= x <= 1; 0 <= y <= 1) el área de la curva, aplicando el
método de Monte Carlo, es igual a:

9. En este caso, mediante un modelo estocástico se resuelve un
sistema determinístico.
• El azar en computadora es pseudo azar:
Mediante un algoritmo matemático se generan números al azar con
una distribución aleatoria similar a la real. Se los puede utilizar en
los modelos estocásticos obteniendo similares resultados a los que
se obtienen en el sistema real. Sin embargo, este azar es repetitivo
(cualquiera que conoce el algoritmo puede predecirlo) lo cual
contradice a lo que sucede en un proceso aleatorio.
Clasificación de modelos
Continuos vs. Discretos
 Continuos: Son aquellos en los que las variables de estado
cambian de forma continua con el paso del tiempo
•Ej. Comportamiento global del tráfico de una autopista
 Discretos: Son aquellos en los que
las variables de estado cambian
instantáneamente en instantes
separados de tiempo.
•Ej. Movimiento individual de los
coches en una autopista

10. La simulación discreta se refiere a la modelización en un
computador digital de un sistema cuyos cambios de estado tienen
lugar de manera discreta como consecuencia de la ocurrencia de
agentes del cambio de estado denominados sucesos