1.1 Introducción
La simulación es un enfoque multidisciplinar para resolver problemas que incluye las matemáticas, la ingeniería, las ciencias físicas, las ciencias sociales, la informática, la investigación médica, los negocios, la economía, etc. La simulación no es nueva; se remonta a los inicios de la civilización, donde se utilizaba sobre todo en la guerra. Con el desarrollo de los ordenadores, la simulación pasó de los juegos de rol, en los que personas o soldados de juguete representaban los sistemas de interés, a la simulación por ordenador, en la que se desarrolla software para codificar algoritmos que representan los sistemas de interés. Aunque en el pasado se denominaba simplemente simulación, hoy en día esta disciplina se denomina más a menudo modelización y simulación (M&S o MODSIM), haciendo hincapié en la importancia de modelizar primero el sistema de interés antes de desarrollar una representación computacional. Al principio, la M&S por ordenador se consideraba una herramienta de apoyo, principalmente para ingenieros y científicos. Hoy en día, se considera una disciplina de estudio e investigación en sí misma.
1.2 Terminología
Existen varias definiciones de modelos, simulaciones y M&S. Las definiciones publicadas por el Departamento de Defensa de Estados Unidos (DoD) en su glosario en línea (MSCO 2011) son las siguientes:
• Modelo es una representación física, matemática o lógica de un sistema, entidad, fenómeno o proceso.
• La simulación es un método para aplicar un modelo a lo largo del tiempo.
• M&S es la disciplina que comprende el desarrollo y/o uso de modelos y simu laciones.
Aunque los términos "modelización" y "simulación" se utilizan a menudo como sinónimos, dentro de la disciplina de M&S ambos se tratan como conceptos individuales e igualmente importantes. El modelado es una abstracción intencionada de la realidad. El mundo real es demasiado complejo para que el ser humano pueda comprenderlo en su totalidad. Para dominar esta complejidad, seleccionamos del mundo real los elementos que forman una aproximación razonable o adecuada para el fin que perseguimos. Esto se consigue mediante el proceso de simplificación y abstracción. La simplificación es una técnica analítica en la que se eliminan detalles sin importancia para definir relaciones más simples. La abstracción es una técnica analítica que establece las características esenciales de un sistema real y las representa de forma diferente. El modelo resultante debe demostrar las cualidades y comportamientos de un sistema real que afectan a las preguntas que el modelador intenta responder.
Un modelo se caracteriza por tres atributos esenciales: referente, finalidad y rentabilidad. Un modelo tiene un referente, un sistema real o imaginario. Un modelo debe tener algún propósito cognitivo con respecto a su referente; es imposible evaluar o utilizar inteligentemente un modelo sin comprender su propósito. Debe ser más rentable utilizar el modelo para este fin que utilizar el propio referente; puede ser imposible utilizar el referente directamente o utilizar el referente sería peligroso, inconveniente o caro. Por ejemplo, no se puede ir a Marte para probar un vehículo que va a ir a Marte, sino que hay que desarrollar uno o varios modelos en la Tierra del referente (el vehículo real). La ejecución de un modelo a lo largo del tiempo se entiende como simulación. La simulación puede definirse como un intento de modelar una situación real o hipotética en un ordenador para poder estudiarla y ver cómo funciona el sistema. Al cambiar las variables en la simulación, se pueden hacer predicciones sobre el comportamiento del sistema (Wikipedia Simulation 2014). Existen muchos tipos diferentes de simulaciones por ordenador. Algunos de los enfoques más comunes incluyen eventos discretos, sistemas continuos, basados en agentes y dinámica de sistemas (se describirán en capítulos posteriores). Una característica común que comparten es la generación o predicción de una historia temporal artificial del sistema, lo que permite al observador o experimentador extraer conclusiones sobre las características de funcionamiento del sistema real representado.
1.3 Componentes de simulación
Una simulación es la imitación de un proceso o sistema a medida que evoluciona en el tiempo. A la hora de considerar qué representar sobre el sistema o proceso, las características en las que solemos centrarnos son: objetos, comportamiento, interacciones, entorno y tiempo.
Los objetos se refieren a los componentes individuales del sistema o proceso de interés. A menudo, los sustantivos de la descripción del problema representan los objetos del sistema. El número de objetos puede variar de uno a miles, dependiendo del sistema o procesos que nos interese representar. Los objetos pueden representar cualquier cosa en los sistemas, por ejemplo, personas, vehículos, sensores, ordenadores, etcétera. Los objetos tienen comportamientos, que definen sus acciones y actividades a lo largo del tiempo. Si los sustantivos de la descripción representan objetos, es natural que los verbos representen comportamientos. El comportamiento de un objeto puede ser tan simple como un conjunto de pasos que el objeto ejecuta en respuesta a una entrada, o puede ser un comportamiento más inteligente en el que las acciones se basan en sofisticadas representaciones del comportamiento humano.
Las interacciones representan la interconectividad de los objetos entre sí y con el entorno. Una interacción es cualquier acción realizada por un objeto que puede tener algún efecto o impacto en otro objeto (IEEE 2000). Las interacciones no existen en el tiempo; sin embargo, pueden afectar al estado o al comportamiento futuro de un objeto.
En algunos tipos de simulaciones, los objetos necesitan una noción de lugar: dónde se encuentran los objetos y dónde se producen los acontecimientos simulados. A menudo nos referimos a este lugar como el entorno. La representación del entorno puede ir desde una suposición estática de lo que existe fuera del objeto hasta una representación tridimensional totalmente interactiva del terreno o la atmósfera. Este tipo de representaciones del entorno se denominan a veces entorno natural sintético. No todas las simulaciones necesitan representar el entorno sintético de forma realista. Por ejemplo, el entorno no influye en un proceso de fabricación; sin embargo, una simulación de un tanque militar necesitaría representar con precisión el terreno sobre el que opera.
El tiempo en una simulación se representa como un conjunto totalmente ordenado de valores, donde cada valor representa un instante de tiempo en el sistema físico que se está modelando (Fujimoto 2000). Los modelos de simulación pueden clasificarse a grandes rasgos según utilicen abstracciones continuas o dis- cretas para el tiempo. Una simulación tiene una base temporal continua si los estados y eventos de los objetos pueden representarse continuamente en cualquier valor arbitrario del tiempo. Por el contrario, una simulación tiene una base temporal discreta si los estados y sucesos de los objetos sólo son válidos en determinados momentos específicos. Se utilizan diferentes técnicas matemáticas para desarrollar modelos de tiempo continuo frente a modelos de tiempo discreto. La abstracción común para el tiempo es un reloj. Un reloj es una construcción que mantiene y coordina el tiempo. Un reloj tiene dos funciones: mantiene una noción local del tiempo y se utiliza para asignar una marca de tiempo a un evento. Cada simulación define el tipo de reloj utilizado y especifica cómo avanza el tiempo en la simulación.
1.4 Relación entre sistema, modelo y simulación
El primer punto que hay que abordar es la relación entre sistema y modelo. En la Fig. 1.1 se muestra una perspectiva del proceso de modelado. En términos generales, el sistema existe en el mundo real y se encuentra en el extremo izquierdo de la Fig. 1.1. El modelo es una simpli- cación o abstracción del mundo real. El modelo es una simplicación o abstracción del mundo real; en la Fig. 1.1, el modelo se identifica como modelo de simulación en el extremo derecho. La capacidad del modelo de simulación para imitar el comportamiento de un sistema real depende de las suposiciones y simplificaciones que se hagan de izquierda a derecha. Estas suposiciones y simplificaciones conducen a la divertida pero cierta afirmación de que esencialmente todos los modelos son erróneos y algunos modelos son útiles (Box y Draper 1987).
Fig. 1.1 Una abstracción del proceso de modelado
Es importante tener en cuenta que el uso previsto de un modelo viene determinado por estas suposiciones y simplificaciones y viceversa. Por lo general, es una mala idea reutilizar un modelo fuera de su uso previsto. Existen numerosos ejemplos de estos supuestos. Por ejemplo, podemos modelizar el diseño de un ala suponiendo un flujo laminar suave. Si violamos este supuesto, los resultados no son de fiar. Del mismo modo, si modelizamos una viga estructural basándonos en pequeñas deformaciones, sería erróneo esperar que el mismo modelo se aplicara a deformaciones cercanas o superiores al límite elástico de la viga. A menudo, utilizamos estos supuestos para facilitar las matemáticas. No hay nada malo en ello, siempre que quede claro el uso que se pretende dar a estos supuestos. Esta precaución es válida para todos los tipos de M&S.
Se podrían decir muchas cosas sobre el proceso de desplazamiento de izquierda a derecha de la Fig. 1.1. Navegar por este proceso es el oficio de la construcción de modelos, que siempre permanecerá parte arte y parte ciencia. En muchas situaciones, ya existen varios modelos en forma de ecuaciones diferenciales y corresponde al desarrollador elegir el mejor modelo y adaptarlo correctamente. Esto puede significar omitir o añadir términos y seleccionar los parámetros o entradas apropiados para un sistema concreto. Disponer de un modelo es una condición necesaria para una simulación, pero hay otros elementos que desempeñan un papel importante. Por ejemplo, la mayoría de las simulaciones necesitan datos para estimular las entradas del modelo.
Del mismo modo, la arquitectura del ordenador de destino a menudo dicta el diseño e influye en la implementación. Aunque un modelo es importante, estos otros elementos afectan directamente al rendimiento y la precisión y deben incluirse en la definición de una simulación. La consideración de estos diversos aspectos de una simulación conduce a la siguiente definición conceptual (Tavernini 1996):
Simulación = Modelo + Datos + Método + Aplicación + Realización
donde definimos lo siguiente.
• Modelo: Un modelo es una relación matemática que tiene propiedades bien definidas relacionadas con la existencia, la unicidad, la causalidad, etcétera. El modelo también debe formularse en relación con una topología específica (por ejemplo, un espacio vectorial de dimensión finita). En el caso más sencillo, estas relaciones matemáticas serían suaves y continuas. Incluso en situaciones más complejas, se espera que las ecuaciones sean, al menos, continuas a trozos. El modelo y sus parámetros también deben ser genéricos en el sentido de que sean estables y se comporten bien en presencia de pequeños errores de redondeo o truncamiento.
• Datos: Los datos representan las entradas del modelo y están limitados de forma que la combinación del modelo y los datos da como resultado una solución única independiente del método, la implementación y la realización. En algunas simulaciones, cuando los parámetros del modelo varían de una ejecución a otra o incluso con respecto al tiempo durante una ejecución, el tratamiento tanto de los parámetros como de los datos es similar. En otras simulaciones, los valores específicos de los parámetros se definen como parte integrante del modelo. En la práctica, es importante tener en cuenta que las simulaciones a menudo incluyen tanto parámetros como datos y que la combinación de modelo más parámetros más datos tiene que satisfacer los diversos requisitos y restricciones impuestos al propio modelo. Si el modelo, los parámetros y los datos se definen como tres grupos separados, también es importante tener en cuenta que algunas combinaciones pueden no ser compatibles. Es decir, un modelo inicializado con un determinado conjunto de parámetros puede no dar resultados razonables con algunos conjuntos de datos. La categoría general de datos también puede incluir el uso de variables aleatorias o procesos aleatorios dentro de la simulación. Las variables aleatorias se utilizan para incluir la incertidumbre en el modelo, los parámetros y/o los datos. Típicamente, pensamos en las variables aleatorias como ruido; sin embargo, hay técnicas de simulación como el análisis Monte Carlo que pueden usarse para predecir el rendimiento del sistema bajo una amplia variedad de condiciones desconocidas.
• Datos: Los datos representan las entradas del modelo y están limitados de forma que la combinación del modelo y los datos da como resultado una solución única independiente del método, la implementación y la realización. En algunas simulaciones, cuando los parámetros del modelo varían de una ejecución a otra o incluso con respecto al tiempo durante una ejecución, el tratamiento tanto de los parámetros como de los datos es similar. En otras simulaciones, los valores específicos de los parámetros se definen como parte integrante del modelo. En la práctica, es importante tener en cuenta que las simulaciones a menudo incluyen tanto parámetros como datos y que la combinación de modelo más parámetros más datos tiene que satisfacer los diversos requisitos y restricciones impuestos al propio modelo. Si el modelo, los parámetros y los datos se definen como tres grupos separados, también es importante tener en cuenta que algunas combinaciones pueden no ser compatibles. Es decir, un modelo inicializado con un determinado conjunto de parámetros puede no dar resultados razonables con algunos conjuntos de datos. La categoría general de datos también puede incluir el uso de variables aleatorias o procesos aleatorios dentro de la simulación. Las variables aleatorias se utilizan para incluir la incertidumbre en el modelo, los parámetros y/o los datos. Típicamente, pensamos en las variables aleatorias como ruido; sin embargo, hay técnicas de simulación como el análisis Monte Carlo que pueden usarse para predecir el rendimiento del sistema bajo una amplia variedad de condiciones desconocidas.
• Método: En general, existen diferentes métodos numéricos que puede utilizarse para resolver las ecuaciones del modelo. Por ejemplo, supongamos que la simulación necesita estimar el área bajo una curva. Matemáticamente, la operación se denomina integración, también conocida como cuadratura, y existe una gran variedad de métodos de estimación para este problema. Un método sencillo, rápido pero inexacto utiliza una serie de rectángulos para suma el área. La anchura de cada rectángulo viene especificada por la frecuencia de muestreo y la altura por el valor de la curva en el centro de cada intervalo. El uso de un trapezoide y de los valores de la curva al principio y al final de cada intervalo mejora significativamente la precisión con respecto al método rectangular. De hecho, existe toda una familia de métodos con precisión, orden y complejidad crecientes denominada Newton-Cotes. La integración es sólo un ejemplo de la variedad de métodos numéricos utilizados para resolver ecuaciones modelo. Otros ejemplos son la interpolación, la extrapolación, la búsqueda de raíces, la descomposición de valores propios y la inversión de matrices, entre otros. Muchas de estas técnicas se incluyen en bibliotecas, tanto gratuitas como comerciales, de métodos numéricos. Si necesita comprender los métodos o codificar los suyos propios, Numerical Recipe (Press et al. 2007) con ejemplos en el lenguaje de su elección es un buen punto de partida.
• Implementación: incluso cuando el método está definido, a menudo existen distintas formas de implementarlo. Por ejemplo, a menudo es posible mejorar el rendimiento en tiempo de ejecución de la integración trapezoidal permitiendo que varíe el tamaño del paso. Especificar cómo ajustar el tamaño del paso y definir las condiciones de parada forman parte de la implementación. Otros métodos numéricos tienen diferentes parámetros o formulaciones que afectan a la aplicación, aunque las propiedades básicas del método sigan siendo las mismas.
• Realización: La realización del modelo es el acto final del proceso de modelización. En un modelo de software, la realización incluye consideraciones sobre el hardware informático, el tamaño de las variables (p. ej., enteros frente a flotantes frente a dobles), el lenguaje de codificación, el sistema operativo, la infraestructura de ejecución y los demás detalles que intervienen en la creación del código que realiza el modelo de software.
Por último, definimos una simulación como un experimento o prueba que utiliza una simulación determinada (recuerde que la definición de la simulación incluye datos y parámetros específicos). Cada ejecución de simulación se denomina ensayo porque (a) puede que queramos cambiar los datos o parámetros de una ejecución a otra para entender qué efecto tienen en los resultados o (b) puede que queramos observar los resultados a lo largo de muchas ejecuciones utilizando diferentes valores de variables aleatorias seleccionadas al principio o durante una ejecución. La segunda técnica se denomina análisis de Montecarlo y puede utilizarse para la optimización, la integración numérica y el análisis estadístico.
1.5 La pirámide de M&S
El DoD suele clasificar los modelos y simulaciones en cuatro niveles -campaña, misión, compromiso e ingeniería- y los representa en forma de pirámide, como se muestra en la Fig. 1.2. La pirámide es un constructo útil para describir la diferencia entre modelos y simulaciones en función de la resolución, la fidelidad y la agregación. La pirámide es una construcción útil para describir la diferencia entre modelos y simulaciones basada en la resolución, la fidelidad y la agregación. La resolución es el grado de detalle y precisión utilizado en la representación de un elemento o de los aspectos del mundo real en un modelo o simulación (MSCO 2011). Las capas de la pirámide reflejan distintos niveles de resolución.
Al desarrollar un modelo o simulación, el nivel de resolución necesario depende del tipo de problema que haya que resolver. Por ejemplo, en el ámbito de la defensa, los modelos y simulaciones de campaña se utilizan en el análisis de la guerra; las simulaciones a nivel de misión se emplean en ámbitos como la defensa aérea, la defensa antimisiles y la proyección de potencia; las simulaciones de combate se utilizan en la mayoría de los proyectos de sistemas de armas del Departamento de Defensa; y los modelos y simulaciones a nivel de ingeniería tienen una base sólida en la comprensión de la fenomenología y el entorno. Aunque la pirámide de M&S se originó en el DoD, otros dominios de la ciencia y la ingeniería (por ejemplo, la física, la meteorología, las ciencias sociales) tienen construcciones similares para pensar en los niveles de resolución (por ejemplo, las ciencias sociales utilizan los términos macro, meso y micro).
Fig. 1.2 La pirámide de M&S. (IITSEC 2013)
Dos conceptos adicionales relacionados con la pirámide de M&S son la fidelidad y la agregación. La fidelidad es la exactitud de la representación en comparación con el mundo real (DoDD 1995). La agregación es la capacidad de agrupar objetos preservando los efectos destacados del comportamiento y la interacción de los objetos mientras están agrupados (MSCO 2011). La Fig. 1.2 ilustra la relación entre resolución, fidelidad y agregación.
Se considera que la base de la pirámide (nivel de ingeniería) representa el modelo de forma muy precisa (por ejemplo, ecuaciones teóricas o basadas en la física). Debido al tipo de ecuaciones utilizadas para representar el sistema, estos modelos y simulaciones pueden requerir largos tiempos de ejecución computacional (por ejemplo, horas, días, semanas). Se considera que los modelos y simulaciones de este nivel tienen una alta fidelidad y resolución, y bajos niveles de agregación. En otras palabras, se utiliza un alto grado de detalle y precisión en la representación, así como un alto grado de exactitud. Bajos niveles de agregación significa que las entidades del sistema no se agrupan, sino que se representan como objetos individuales.
A medida que se asciende en la pirámide (es decir, compromiso, misión, campaña), los modelos y simulaciones utilizan un concepto denominado agregación para agrupar objetos y representarlos de una forma menos precisa. Por ejemplo, los componentes de un misil Patriot en el nivel .
El nivel de ingeniería se agregaría para representar la interceptación de misiles a nivel de combate. A nivel de misión, una simulación podría incluir múltiples sistemas de interceptación de misiles para representar un escenario de defensa aérea. Si fuera necesario considerar un entorno operativo más amplio, como la Guerra del Golfo, una simulación a nivel de campaña tendría que representar muchos sistemas de defensa aérea, además de sistemas de mando y control y otros sistemas de defensa.
Los modelos y simulaciones de niveles superiores de la pirámide suelen utilizar representaciones más abstractas de los sistemas. Por ejemplo, el misil Patriot puede ser un sistema importante en una simulación de la Guerra del Golfo, pero se representaría con menos precisión y fidelidad a nivel de campaña que a nivel de ingeniería (es decir, tablas de letalidad en lugar de física).
Este tipo de abstracción conduce a simulaciones menos intensivas desde el punto de vista computacional a medida que se asciende en la pirámide, lo que se traduce en tiempos de ejecución más cortos (por ejemplo, minutos, horas).
Tradicionalmente, los modelos y simulaciones se desarrollan para resolver problemas de un único nivel de la pirámide de M&S (por ejemplo, el guiado terminal del Patriot). Sin embargo, no todos los problemas de diseño y gestión de sistemas pueden abordarse de esta manera. Cada vez es más necesario comprender las relaciones e influencias de los sistemas representados en los distintos niveles de la pirámide. Por ejemplo, ¿qué pasaría si pudiéramos tomar el diseño a nivel de ingeniería de un nuevo sistema de misiles e introducirlo en un modelo a nivel de campaña de la Guerra del Golfo? Esto permitiría a los operadores determinar la eficacia y el uso del nuevo sistema, mientras todavía se está diseñando. La necesidad de cruzar niveles existe en todos los ámbitos de la ciencia y la ingeniería modernas.
1.6 Cómo interactúan los usuarios con las simulaciones
Las simulaciones pueden clasificarse por la forma en que los seres humanos interactúan con ellas. Esta taxonomía se denomina simulaciones en vivo, virtuales y constructivas (LVC) (MSCO 2011). La simulación en vivo se refiere a la M&S que implica a personas reales que operan sistemas reales (por ejemplo, un piloto que vuela un avión). Una simulación virtual es aquella en la que participan personas reales que manejan sistemas simulados (por ejemplo, un piloto que pilota un avión simulado). Las simulaciones constructivas son las que implican a personas simuladas que operan sistemas simulados (por ejemplo, un piloto simulado que vuela un avión simulado). Según la matriz de la Fig. 1.3, no existe un nombre para las personas simuladas que operan equipos reales. A finales de los años 80, cuando se creó la taxonomía LVC, no había ejemplos de este tipo de interacción. Sin embargo, la tecnología ha avanzado hasta el punto de que personas simuladas manejan sistemas reales. Por ejemplo, los coches sin conductor han demostrado que este tipo de interacción, entre el mundo real y el simulado, es posible. Aunque ese cuadrante de la matriz no ha sido bautizado oficialmente, guarda cierto parecido con la cibernética (Cybernetics 2014).
Fig. 1.3 Categorización de las simulaciones según la forma en que los humanos interactúan con ellas. (IITSEC 2013)
1.7 Usos de modelos y simulaciones en la ingeniería de sistemas
¿Por qué M&S? Una de las razones es la asequibilidad. La experimentación en la vida real puede ser costosa: ¿preferiría simular una reducción de personal en una planta de fabricación o reducir realmente el personal para ver el impacto de su decisión? Los modelos y simulaciones también contribuyen a la viabilidad y la seguridad. Con una simulación, puede simular las condiciones de zonas peligrosas o cerradas, evaluar capacidades aún por desarrollar y acelerar el paso del tiempo. Una de las razones por las que los modelos y simulaciones están cobrando importancia en los últimos años es la capacidad de distribuirlos entre múltiples personas y múltiples zonas geográficas, posible gracias al ancho de banda cada vez mayor de Internet. Un gran número de personas o recursos únicos pueden interactuar juntos mientras se encuentran físicamente alejados unos de otros en ubicaciones geográficas. En el caso de problemas complejos que afectan a muchas disciplinas, permitir esta cooperación y colaboración suele ser clave para resolver el problema.
En los siguientes apartados se examinan algunos ejemplos de cómo se utiliza la M&S en el mundo real.
1.7.1 Ingeniería de sistemas
Las simulaciones pueden utilizarse para diseñar e implantar un sistema de forma eficaz. Pueden utilizarse para explorar la viabilidad de nuevos conceptos, especificar los requisitos de un sistema, diseñar piezas específicas y cómo deben fabricarse, e identificar problemas de mantenimiento del sistema relacionados con la reparación y la sustitución. Por ejemplo, puede simular el impacto que podría tener un nuevo subsistema o componente en el sistema global. Una vez que determine que el subsistema debe tener el impacto deseado, puede utilizar la simulación para ayudar a diseñar el subsistema o componente real.
Por ejemplo, el diseñador de una ciudad podría utilizar la simulación para determinar el impacto de cambiar una intersección de un semáforo a una rotonda. Una vez determinado que la glorieta tendrá un impacto positivo en el flujo de tráfico, se puede utilizar la simulación para diseñar el tamaño (o diámetro) de la glorieta, el ángulo de entrada necesario para entrar en la glorieta desde las carreteras circundantes, y el tamaño de la isla central. Otro ejemplo sería el de un ingeniero de automoción que utilizara la simulación para determinar el impacto de un nuevo diseño de frenos. Si se determina que el nuevo sistema de frenos mejorará la seguridad, la simulación puede utilizarse para diseñar los componentes específicos que formarán parte del sistema de frenos.
El M&S permite evaluar muchos aspectos de un cambio de diseño propuesto y puede ahorrar valiosos recursos a un proyecto al eliminar la necesidad de construir y probar un prototipo a escala real. Esto es muy importante, porque una vez que el diseño de un sistema está terminado y listo para su fabricación, los cambios y correcciones pueden resultar extremadamente caros. La simulación también puede ayudar a estimar cuánto costará un sistema y también cómo una empresa puede reducir sus costes. Consideremos el ejemplo anterior sobre el diseño de frenos: se puede utilizar un modelo para estimar cuánto costará producir el nuevo sistema de frenos, incluyendo el coste de los materiales, la mano de obra y la puesta a punto de las líneas de fabricación y/o montaje. Una vez conocido (o estimado) el coste, la empresa puede utilizar el modelo para comparar diferentes escenarios, por ejemplo, el coste de producir los nuevos frenos utilizando el material x frente al material y. Un estudio de simulación puede costar bastante menos de lo que se necesitaría para diseñar o rediseñar realmente un sistema. En otras palabras, costaría menos desarrollar una simulación de un nuevo sistema de frenos que desarrollar el sistema de frenos real para ver si tiene un impacto positivo en la seguridad. Dado que el coste de un cambio o modificación de un sistema después de su instalación es tan elevado, la simulación es una inversión inteligente.
1.7.2 Experimentación
Las simulaciones pueden utilizarse para experimentar: se puede construir un modelo del sistema y examinar cómo cambia el comportamiento de todo el sistema cuando se modifica un aspecto del mismo. De este modo, se descubren fenómenos no deseados en el sistema y se diseña un sistema más robusto. Puede comprimir o expandir el tiempo en una simulación para acelerar o ralentizar los fenómenos y poder investigarlos. Por ejemplo, se puede examinar todo un turno de fabricación en cuestión de minutos, o pasar 2 h examinando todos los sucesos ocurridos durante 1 min de actividad simulada. También puede construir un modelo para responder a preguntas que le ayuden a planificar y evitar retrasos innecesarios. Por ejemplo, ¿qué pasaría si una máquina concreta se pone fuera de servicio durante un largo periodo de tiempo? ¿Y si la demanda de servicio aumenta un 10%? La capacidad de explorar estas opciones a través de la simulación es ilimitada.
Una de las mayores ventajas de la simulación es que, una vez desarrollado un modelo de simulación válido, se pueden explorar nuevas políticas, procedimientos operativos o métodos sin el gasto y la interrupción que supone experimentar con el sistema real. Una comprensión más profunda de las relaciones causa-efecto del sistema también le ayuda a desarrollar ideas nuevas o mejoradas para gestionar el sistema de forma más eficaz. Las modificaciones se incorporan al modelo y los efectos de esos cambios se observan en el ordenador y no en el sistema real.
1.7.3 Mejora de la toma de decisiones
La simulación se utiliza habitualmente para apoyar la toma de decisiones respondiendo a preguntas como qué grado de complejidad requiere un sistema y cuál es la mejor alternativa. Muchos sistemas del mundo real son muy complejos, tanto que es imposible considerar todas las interacciones que tienen lugar en un momento dado. La simulación permite comprender mejor las interacciones, diagnosticar problemas y conocer mejor el sistema para saber qué afecta al rendimiento del sistema en su conjunto. Por ejemplo, los cuellos de botella en la producción dan quebraderos de cabeza a los fabricantes. Los cuellos de botella son un efecto más que una causa, y la simulación puede utilizarse para descubrir la causa de los retrasos en el sistema. Por ejemplo, el cuello de botella podría ser el resultado de la falta de materiales disponibles, de un flujo de trabajo mal diseñado o atribuirse a una persona (o personas) concretas que forman parte del proceso de fabricación.
Los modelos de simulación han demostrado ser una herramienta eficaz para que los gestores comprendan los efectos de sus decisiones en los parámetros de rendimiento importantes del sistema. Las relaciones causa-efecto obtenidas al ejecutar los modelos de simulación aumentan la eficacia de los responsables de la toma de decisiones. La toma de decisiones acertadas sobre cambios en los procesos y las políticas, cambios en los calendarios, cambios en las prioridades y adición y supresión de recursos son ejemplos de casos en los que la dirección puede obtener información de las simulaciones y los simulacros. Por ejemplo, el cálculo preciso del coste de los productos es una actividad importante en una empresa; es un requisito clave para identificar la rentabilidad de la organización. Los directivos pueden utilizar simulaciones para explorar el impacto del coste y la disponibilidad de los distintos materiales en el programa general del sistema que se está desarrollando.
1.7.4 Investigación
La M&S se basa en la ciencia, las matemáticas, los métodos computacionales y los conocimientos y metodologías de la ingeniería. Representa una extensión de la ciencia teórica y ofrece una poderosa alternativa a la ciencia experimental y la observación. Impulsada por los avances en los sistemas electrónicos y computacionales, la M&S ha avanzado en complejidad y sofisticación hasta convertirse en una disciplina propia de la ingeniería. Las capacidades computacionales ya no se limitan a validar teorías o a ayudar a explicar los resultados experimentales observados. Por el contrario, las simulaciones están dando lugar a nuevos descubrimientos fundamentales y ampliando nuestra comprensión del funcionamiento de los sistemas naturales y generados por el hombre. Esto explica en parte cómo se utiliza la simulación en la investigación. En el caso de los problemas que no tienen una solución cerrada, las simulaciones permiten que el razonamiento humano y el análisis matemático s e complementen, creando sinergias en la resolución de problemas.
Las simulaciones pueden utilizarse para experimentar, comprender por qué se producen los fenómenos y explorar posibilidades hipotéticas. Ayuda a sacar a la luz fenómenos no deseados y permite una comprensión más profunda de las relaciones causa-efecto en el sistema. Para muchos procesos dinámicos, la simulación es el único medio de observación directa y detallada dentro de unos límites de tiempo determinados. Una simulación puede lograr en minutos lo que requeriría años de experimentación real. En algunos casos, la simulación puede ser el único enfoque razonable para comprender sistemas que aún no existen. Puede utilizarse para explorar la viabilidad de nuevos conceptos o evaluar múltiples aspectos de un diseño propuesto. Muchos sistemas del mundo real son tan complejos que resulta imposible considerar todas las interacciones que tienen lugar en un momento dado. La simulación nos permite entender mejor las interacciones y comprender mejor qué afecta al sistema en su conjunto. Con la disponibilidad de grandes cantidades de datos que cambian dinámicamente, la simulación puede servir de plataforma para organizar los datos, generar y evaluar diversos escenarios y comprender qué preguntas necesitan respuesta. La simulación ofrece un marco en el que elaborar una descripción de un sistema y comprobar si es completa en relación con el comportamiento conocido o deseado del sistema.
1.7.5 Pruebas y formación
La simulación se utiliza a menudo para apoyar las dos áreas distintas de pruebas y formación. Las pruebas (y la evaluación) se centran en comprender si el sistema funciona como se espera y si será útil en el mundo real. Es un proceso mediante el cual se ejercitan un sistema o sus componentes y se analizan los resultados para obtener información relacionada con el rendimiento. Por ejemplo, probar el rendimiento del motor de un coche en distintas condiciones (meteorológicas, del terreno, etc.) puede hacerse de dos maneras: conectándolo a un vehículo real y probándolo en condiciones reales o a un vehículo simulado que lo pruebe en condiciones simuladas. En el vehículo real, habría que pagar el coste del combustible y posiblemente poner en peligro a un operario si el diseño no es estable. En el mundo simulado, el motor podría probarse en una amplia gama de condiciones simuladas, ahorrando costes de funcionamiento del vehículo y manteniendo a las personas fuera de peligro.
En la formación, queremos asegurarnos de que el sistema se utiliza correctamente y de que preparamos a los operadores para situaciones de emergencia poco frecuentes. Poner primero al operador en una simulación del sistema real le permite aprender de sus errores y aprender a operar mejor. Un ejemplo es aprender a pilotar un avión. En muchas escuelas de vuelo profesionales, la formación inicial se realiza con un simulador. A medida que el alumno se familiariza con el manejo básico del avión y las habilidades de vuelo utilizando la simulación, se hace más hincapié en el aprendizaje de los instrumentos reales de la cabina. Esto es menos costoso y menos perturbador que poner a alguien en el avión real para la formación en el puesto de trabajo. La simulación permite a un piloto entrenarse para maniobras o situaciones que pueden ser poco prácticas o peligrosas de realizar en la aeronave, al tiempo que mantiene al piloto y al instructor en un entorno de bajo riesgo.
En cualquier caso, es importante recordar que, aunque tanto la prueba/evaluación como la formación pueden realizarse en gran medida utilizando M&S, estos escenarios de simulación siguen siendo sólo aproximaciones (¡a menudo muy buenas!) del mundo real.
1.7.6 Comunicación
Muchas personas actúan con la filosofía de que hablar alto y escribir informes complejos convencerá a los demás de que el diseño de su sistema es válido. A menudo, estos diseños se basan en las ideas de alguien sobre el funcionamiento del sistema y no en un análisis real. Los estudios de simulación ayudan a evitar estos problemas, ya que permiten comprender cómo funciona realmente un sistema y no la opinión de una persona sobre cómo funcionará.
Utilizar la simulación para presentar cambios de diseño crea una opinión objetiva. Las simulaciones pueden utilizarse para obtener el diseño óptimo del sistema que proporcione los resultados más deseables, ya sea aumentar la producción o reducir el tiempo de espera para el servicio. Los diseñadores y planificadores de sistemas confían mucho más en los resultados fiables de la simulación, que han sido modelados, probados, validados y representados visualmente, que en la opinión y predicción personal de una persona sobre el comportamiento del sistema.
1.8 Resumen
Aunque el M&S puede utilizar modelos físicos, computacionales o una combinación de ambos, el M&S computacional se interesa por los modelos que pueden implementarse mediante programas informáticos. Mientras que el modelado se centra más en la comprensión conceptual de un espacio problemático, la simulación se centra más en la ejecución del modelo mediante software. En otras palabras, el modelado se basa en la simplificación y la abstracción para desarrollar un modelo adecuado, y la simulación se basa en la implementación para llevar el comportamiento de ese modelo adelante en el tiempo. Hoy en día, los modelos y las simulaciones son indispensables para resolver muchos problemas del mundo real. Las aplicaciones de M&S son omnipresentes en el siglo XXI. Se utilizan para el diseño, la prueba y la evaluación, la toma de decisiones y la formación en áreas como la salud y la medicina, la fabricación, la exploración planetaria y espacial, el transporte, la construcción, el entretenimiento, la defensa y los sistemas educativos.
Referencias
Box GE (1976) Ciencia y estadística. J Am Stat Assoc 71(356):791-799
Box GE, Draper NR (1987) Empirical model-building and response surfaces. Wiley, Hoboken, p 424. ISBN 0471810339
Cibernética (2014) Diccionario Wikipedia en línea: cibernética. http://en.wikipedia.org/wiki/Cyber- netics. Consultado el 20 de agosto de 2014
DoDD (1995) Department of defense directive 5000.59-P, DoD Modeling and Simulation (M & S) Master Plan, 1995
Fujimoto R (2000) Sistemas de simulación paralelos y distribuidos. En: Zomaya AY (ed) Parallel and distributed computing. Wiley, Nueva York
IEEE (2000) IEEE standard for modeling and simulation (M&S) high level architecture (HLA)- federate interface specification. IEEE, Nueva York, p 21
IITSEC (2013) Fundamentals of modeling and simulation, interservice/industry training, simula- tion and education conference (I/ITSEC) tutorial, Orlando, FL.
MSCO (2011) DoD modeling and simulation (M&S) Glossary. http://www.msco.mil/MSGlossary. html. Consultado el 24 de octubre de 2014
Press W, Teukolsky S, Vetterling W, Flannery B (2007) Numerical recipes: the art of scientific computing, 3rd edn. Cambridge University Press, Cambridge. ISBN 9780521880688
Tavernini L (1996) Modelización y simulación en tiempo continuo. Overseas Publishers Association, Amsterdam. ISBN 2-88449-224-0
Colaboradores de Wikipedia, "Simulación" (2014) Wikipedia, la enciclopedia libre. http://en.wikipedia. org/w/index.php?title=Simulationoldid=628466030. Consultado el 14 de octubre de 2014.
Lecturas complementarias
Banks J (2000) Introducción a la simulación. En: Proceedings of the winter simulation conference
Ingalls R (2011) Introducción a la simulación. En: Proceedings of the winter simulation conference Modeling Simulation Primer (2011)
http://www.corporatepress.com/clientfiles/ntsa/