CAPITULO 9.

OBTENIENDO RESULTADOS EXACTOS

9.2.1. Simulaciones con terminacin y sin terminacin.

Un modelo de simulacin puede ser clasificado en dos tipos: con terminacin y sin
terminacin. Para la simulacin con terminacin hay un punto de terminacin natural
que determina la longitud de la corrida y puede ser definido de la siguiente forma:
El modelo alcanza una condicin de vaco.
La finalizacin de un periodo de tiempo bajo investigacin.
La finalizacin del rastro de los datos de entrada.
En cuanto a la simulacin sin terminacin no tiene un punto natural de finalizacin.
9.2.2. Salida transitoria.
En la mayora de los casos la salida de una simulacin con terminacin es
transitoria. La salida transitoria significa que la distribucin de las salida est en
constante cambio.
9.2.3. Salida en estado estable.
Para las simulaciones sin terminacin la salida frecuentemente alcanza un estado
estable. Estado estable no significa que la salida no vara, sino que vara de acuerdo
a alguna distribucin fija.
9.2.4. Otros tipos de salida.
El transitorio y el estado estable no son los nicos tipos de salida que existen en los
modelos de simulacin. Law y Kelton (2000) identificaron un tercer tipo el estado
estable cclico. Piense en la simulacin de una planta de produccin con dos turnos,
en el turno de la noche tiene pocos operadores y por ende la tasa de produccin es
menor.
Robinson et al. (2002) describe un cuarto tipo de salida, el estado estable
cambiante. En algunos modelos la salida cambia del estado estable a otro a lo largo
del tiempo.
9.5. Tratando con sesgo de inicializacin: calentamiento y condiciones
inciales.
Esta seccin describe dos mtodos para tratar con sesgos de inicializacin: un
periodo de calentamiento y ajuste de condiciones inciales.
9.5.1. Determinando el periodo de calentamiento.
La pregunta clave es cuanto debera ser la longitud del periodo de calentamiento?
La respuesta sera debe ser de longitud suficiente para asegurar que el modelo est
en una condicin real. Para una simulacin sin terminacin normalmente significa
que el transitorio inicial ha pasado y la salida del modelo est en estado estable.
A continuacin se mencionan cinco mtodos propuestos para identificar el sesgo de
inicializacin y determinar el perodo de calentamiento. A continuacin se
mencionan:
Mtodos grficos: involucra la inspeccin visual de series de tiempo de los datos de
salida
 Aproximaciones heursticas: aplica reglas simples con pocas suposiciones.
Mtodos estadsticos: utiliza principios estadsticos para determinar el perodo de
calentamiento.
Prueba de sesgo de inicializacin: identifica s existe cualquier sesgo de inicializacin
en los datos.
Mtodos hbridos: involucran combinaciones de graficas o mtodos heursticos con
una prueba se sesgo de inicializacin.
9.5.2. Ajustando las condiciones inciales.
Una alternativa para usar un periodo de calentamiento es ajustar las condiciones
inciales del modelo. Existen dos formas para identificar las condiciones inciales.
Observar el sistema real.
Correr el modelo de simulacin para un perodo de calentamiento y grabar el estado
del modelo, usando esto para definir las condiciones inciales del modelo para
futuras corridas.
9.5.3. Mezcla de condiciones inciales y perodo de calentamiento.
En algunos casos es til usar una mezcla de perodo de calentamiento y condiciones
inciales. El objetivo es reducir la longitud del perodo de calentamiento requerido.
9.5.4. Condiciones inciales vs perodo de calentamiento.
Para simulaciones con terminacin y sin terminacin se podra iniciar en un estado
irreal y por consiguiente requiere condiciones inciales para ajustar un perodo de
calentamiento de la corrida. Para simulaciones sin terminacin el objetivo es
asegura que el transitorio inicial es removido de la salida. Y para simulaciones con
terminacin el objetivo es asegurar que los resultados no tengan sesgo por un
inapropiado inicio de estado.
9.6. Seleccionando el nmero de replicas y la longitud de la corrida.
Esta seleccin se realiza con el objetivo de asegurar que los datos de salida son
suficientes para estimar el modelo con suficiente exactitud.
9.6.1. Realizacin de mltiples rplicas.
Una rplica es una corrida de simulacin que usa corrientes especficas de nmeros
aleatorios. Las rplicas son realizadas con el objetivo de producir mltiples muestras
para obtener una mejor estimacin del modelo.
9.6.2. Reduccin de la varianza.
Uno de los objetivos es obtener una estimacin exacta del rendimiento del modelo
mientras se reduce el nmero de rplicas requerido. Esto es de gran ayuda para
mejorar el tiempo del experimento.
Los mtodos ms comunes para la reduccin de la varianza son:
Nmeros aleatorios
Variables opuestas
9.6.3. Realizando una corrida larga simple.
Robinson (1995) describe un mtodo grfico para determinar la longitud de la
corrida de una corrida larga con el objetivo de asegurar que los resultados son lo
suficientemente exactos.
9.6.4. Mltiples rplicas vs corridas largas.
Para simulaciones con terminacin no hay ms opcin que realizar mltiples
rplicas. Para simulaciones sin terminacin se puede elegir entre las dos opciones.
La ventaja de realizar mltiples rplicas es que los intervalos de confianza son
fcilmente calculados mientras que con una corrida larga el perodo de
calentamiento solo se corre una vez para cada escenario lo cual reduce el tiempo
de la corrida.

Modelado conceptual para la simulacin: problemas y requerimientos de

investigacin

El modelado conceptual es la abstraccin de un modelo de un sistema real o

propuesto. Este proceso de abstraccin implica un cierto nivel de simplificacin de
la realidad, el modelado conceptual efectivo requiere que la abstraccin sea una
simplificacin adecuada, el modelado conceptual es, probablemente, el aspecto
ms importante en el proceso de elaboracin y de utilizacin de modelos de
simulacin. El diseo del modelo impacta en todos los aspectos de un estudio de
simulacin, en particular, los requisitos de los datos, la velocidad con que puede ser
el modelo desarrollado, la validez del modelo, la velocidad de la experimentacin y
la confianza que se coloca en los resultados del modelo.

Un modelo bien diseado mejora significativamente la probabilidad de un resultado

exitoso de un estudio de simulacin. Aunque el modelado conceptual eficaz es vital,
es tambin la etapa ms difcil y menos comprendida en el proceso de modelado de
procesos. Hay pocos libros escritos sobre el tema. Es difcil encontrar un libro que
dedica ms de un puado de pginas para el diseo del modelo conceptual.

Aqu se pretende esbozar las cuestiones clave en el modelo conceptual para la

simulacin. El objetivo es identificar los problemas y en la medida en que han sido
abordados, una agenda de investigacin para el modelado conceptual podra surgir.
Los temas a discutir son la definicin del modelo conceptual, los requisitos del
modelo conceptual, cmo desarrollar un modelo conceptual, la representacin del
modelo conceptual y comunicacin, la validacin del modelo conceptual, la
enseanza del modelado conceptual y otros temas en el modelado conceptual.

La nocin de modelado conceptual es vaga y est mal definida, con diferentes

interpretaciones en cuanto a su significado. Balci en 1994 describe tres partes de
un estudio de simulacin bajo un nmero de procesos como son la formulacin del
problema, la investigacin de tcnicas de solucin, la investigacin del sistema, la
formulacin del modelo, y la representacin del modelo y la programacin.

Nance en el ao 1994 separa las ideas del modelo conceptual y el modelo

comunicativo. El modelo conceptual existe en la mente de un modelador, el modelo
comunicativo es una representacin explcita del modelo conceptual. Tambin
especifica que el modelo conceptual es independiente del modelo de ejecucin. El
principal debate sobre el modelado conceptual y su definicin se ha llevado a cabo
entre los modeladores de simulacin militar. El modelo conceptual es en gran
medida independiente del diseo de software y las decisiones de implementacin.
Pace, en el ao 2000 identifica la informacin proporcionada por un modelo
conceptual como un conjunto de supuestos, algoritmos, caractersticas, relaciones
y datos. Un modelo de dominio orientado que proporciona una detallada
representacin del dominio del problema y un modelo de diseo orientado describe
en detalle los requisitos del modelo y se utiliza para disear el cdigo del modelo.

En resumen, algunas de las principales facetas del modelado conceptual y la

definicin de un modelo conceptual, son el modelado conceptual que se trata de
pasar de una situacin problemtica, a travs de los requisitos del modelo a una
definicin de lo que va a ser modelado y como va a serlo. El modelo conceptual es
iterativo y repetitivo, con el modelo que se revisa continuamente a lo largo de un
estudio de modelacin, el modelo conceptual es una representacin simplificada del
sistema real, el modelo conceptual es independiente del modelo de cdigo o
software, mientras que el diseo del modelo incluye tanto el modelo conceptual y el
diseo del cdigo, la perspectiva del cliente y la del modelador son ambas
importantes en el modelado conceptual. Se concluye que el modelo ms simple no
es siempre lo mejor, porque los modelos tienen que ser capaces de evolucionar as
como los requisitos cambian. El modelo ms simple no siempre es el ms fcil para
embellecer. Davies y colegas en el ao 2003 sealan que los modelos ms simples
requieren suposiciones ms amplias acerca de cmo un sistema funciona y que
existe un peligro en la fijacin de los lmites del sistema demasiado estrechos en el
caso de que una faceta importante sea olvidada.

En la bsqueda de asesoramiento de los modeladores de simulacin y de los

investigadores operacionales sobre cmo desarrollar modelos, tres enfoques
bsicos se encuentran: los principios de modelado, los mtodos de simplificacin
y los marcos de modelado. Proporcionar un conjunto de principios guas para el
modelado es un enfoque para asesorar a los modeladores de simulacin sobre
cmo desarrollar modelos (conceptuales).

La simplificacin consiste en eliminar el alcance y detallar desde un modelo o los

componentes de representacin ms simples, mientras que se mantiene un nivel
suficiente de precisin. Hay un buen nmero de debates sobre la simplificacin,
tanto en la simulacin y en el contexto ms amplio de modelado. Morris en 1967
identifica algunos de los mtodos para los modelos de simplificacin como la de
hacer variables en constantes, eliminando las variables, utilizando las relaciones
lineales, el fortalecimiento de las suposiciones y las restricciones, y la reduccin de
la aleatoriedad. Para los modelos de simulacin, Zeigler en 1976 ha sugerido cuatro
mtodos de simplificacin como quitar los componentes sin importancia del modelo,
usar variables aleatorias que representen las partes del modelo, y el engrosamiento
de la gama de variables en el modelo, y la agrupacin de los componentes del
modelo.

En total se cree que la investigacin en el modelado conceptual puede proporcionar

beneficios tanto para los principiantes como los expertos modeladores de
simulacin. Los modeladores principiantes pueden obtener beneficios sustanciales
como la obtencin de habilidades de modelado ms rpidas, por lo tanto evitan
algunos errores de modelado. Los expertos se beneficiaran de tener un proceso
ms formal para la orientacin de su modelo, dependiendo menos de la intuicin
esperanzada y ms en una prctica guiada.
VERIFICACIN Y VALIDACIN DE MODELOS DE SIMULACIN

Los modelos de simulacin cada vez se utilizan para resolver problemas y para
ayudar en la toma de decisiones. Los desarrolladores y los usuarios de estos
modelos, los que toman las decisiones con la informacin obtenida de los resultados
de estos modelos, y los individuos afectados por las decisiones basadas en estos
modelos estn todos preocupados, con el hecho de si un modelo y sus resultados
son "correctos". Esta preocupacin se dirige a travs de la verificacin del modelo
y la validacin. La verificacin del modelo se define a menudo como "garantizar que
el programa informtico del modelo computarizado y su aplicacin es correcta ", y
es la definicin adoptada aqu. La validacin del modelo es por lo general definida
como el significado de "comprobacin de un modelo computarizado dentro de su
mbito de aplicacin que posee un rango satisfactorio de precisin coherente con
la aplicacin prevista del modelo y es la definicin utilizada aqu. Un modelo a veces
se convierte acreditado mediante la acreditacin del modelo.

La acreditacin del modelo determina si un modelo satisface los criterios de

acreditacin del modelo especificado de acuerdo a un proceso especificado. Un
tema relacionado es la credibilidad del modelo. La credibilidad del modelo se refiere
al desarrollo en los usuarios de la confianza necesaria para poder utilizar un modelo
y en la informacin derivada de ese modelo. Un modelo debe ser desarrollado para
un propsito especfico (o aplicacin) y su validez determinada con respecto a tal
propsito. Si el propsito de un modelo es responder a una variedad de preguntas,
la validez del modelo tiene que ser determinado con respecto a cada pregunta.
Numerosos conjuntos de condiciones experimentales suelen ser necesarias para
definir el dominio de aplicabilidad de un modelo destinado. Un modelo puede ser
vlido para un conjunto de condiciones experimentales y no vlido en el otro. Un
modelo se considera vlido para un conjunto de condiciones experimentales si la
precisin del modelo est dentro de su rango aceptable, que es la cantidad de
precisin requerida para la finalidad prevista modelo.

La suma de precisin requerida debera ser especificada, antes de comenzar el

modelo o muy temprano en el desarrollo del proceso de modelo. Si las variables de
inters son variables aleatorias, entonces las propiedades y funciones de las
variables aleatorias, tales como medias y las varianzas son por lo general lo que es
de inters primordial y es lo que se utiliza en la determinacin de la validez del
modelo. Varias versiones de un modelo normalmente se desarrollan antes de
obtener un modelo satisfactorio vlido.

Hay cuatro enfoques bsicos de toma de decisiones para decidir si un modelo de

simulacin es vlido. Cada uno los mtodos requiere el equipo de desarrollo
del modelo para llevar a cabo la verificacin y validacin como parte del proceso
de desarrollo del modelo, un enfoque, muy frecuentemente utilizado, es para el
equipo de desarrollo de modelo en s mismo, hacer la decisin as como si un
modelo de simulacin es vlido. Una decisin subjetiva se realiza basndose en los
resultados de las diferentes pruebas y evaluaciones realizadas como parte del
proceso de desarrollo del modelo. Sin embargo, normalmente es preferible utilizar
uno de los siguientes dos enfoques, dependiendo de la situacin, el primero es si el
tamao del equipo de simulacin de desarrollo del modelo es pequeo, un enfoque
mejor que el anterior mencionado es tener al usuario del modelo muy involucrado
con el equipo de desarrollo del modelo para decidir la validez del modelo de
simulacin. En este enfoque, el enfoque de determinar la validez del modelo de
simulacin se mueve desde los desarrolladores del modelo a los usuarios de este
mismo. Adems, este enfoque ayuda a la credibilidad del modelo. Otro enfoque,
generalmente llamado "verificacin y validacin independiente", utiliza una tercera
parte (independiente) para decidir si el modelo de simulacin es vlido. La tercera
parte es independiente de ambos, el equipo de desarrollo de del modelo de
simulacin y el modelo del promotor o usuario.

La validacin del modelo conceptual se define como la determinacin de que las

teoras y las suposiciones subyacentes al modelo conceptual son consistentes con
las de las teoras del sistema y que la representacin del modelo del sistema es
"razonable" para la finalidad prevista del modelo de simulacin. La verificacin de la
especificacin se define como el asegurar que el diseo del software y las
especificaciones para la programacin y la aplicacin del modelo conceptual sobre
el sistema del computador especificado no es satisfactorio. La verificacin de la
implementacin se define como el asegurar que el modelo de simulacin se ha
ejecutado de acuerdo con la especificacin del modelo de simulacin. La validacin
operacional se define como la determinacin de que el comportamiento del modelo
de salida tiene la suficiente precisin para la finalidad prevista para el modelo sobre
el dominio de aplicabilidad destinada al modelo.
La verificacin y validacin de modelos son fundamentales en el desarrollo de un
modelo de simulacin. Desafortunadamente, no hay un conjunto de pruebas
especficas que pueden ser fcilmente aplicados para determinar la "correccin" de
un modelo. Adems, no existe ningn algoritmo para determinar cules son las
tcnicas o procedimientos a utilizar. Cada proyecto de simulacin presenta un
desafo nuevo y nico para elequipo de desarrollo del modelo.
Capitulo 12:

http://laurel.datsi.fi.upm.es/_media/docencia/asignaturas/msb/pub/verifica.pdf