sistemas y se ales modelado de sistemas

1. SISTEMAS Y SEÑALES Modelado de sistemas

2. 2

3. 3 La importancia de los modelos

4. 4

5. 5

6. 6

7. 7

8. 8

9. 9

10. 10 Modelos de ingeniería Modelo de ingeniería: Representación reducida de un sistema Propósito: Ayudar a comprender un problema complejo (o solución) Comunicar ideas acerca de un problema o solución Guiar la implementación

11. 11 Características de los modelos Abstracto Enfatiza los elementos importantes y oculta los irrelevantes Comprensible Fácil de comprender por los observadores Preciso Representa de forma fiel el sistema que modela Predictivo Se pueden usar para deducir conclusiones sobre el sistema que modela Barato Mucho más barato y sencillo de construir que el sistema que modela Los modelos de ingeniería eficaces deben satisfacer todas estas característica

12. 12 Cómo se usan Para detectar errores u omisiones en el diseño antes de comprometer recursos para la implementación Analizar y experimentar Investigar y comparar soluciones alternativas Minimizar riesgos Para comunicarse con los “stakeholders” Clientes, usuarios, implementadores, encargados de pruebas, documentadores, etc. Para guiar la implementación

13. 13

14. 14 Desarrollo guiado por modelos (“Model-Driven development” o MDD) Una aproximación al desarrollo de software en el que el enfoque y los artefactos fundamentales son modelos (y no programas) Implica la generación automática de programas a partir de modelos Utilizando lenguajes de modelado directamente como herramientas de implementación “El modelo es la implementación”

15. 15 Lo esencial en MDD En MDD el enfoque y los artefactos fundamentales son modelos (y no programas) La mayor ventaja es que los conceptos de modelado están mucho menos ligados a la tecnología de implementación y más cerca del dominio del problema Los modelos son más fáciles de especificar, comprender y mantener

16. 16 La práctica Modelos Observables Es necesario que las herramientas nos den información sobre errores, al igual que lo hacen los compiladores (o los depuradores, en programación) Modelos ejecutables Debe ser posible trabajar con modelos incompletos (pero bien formados) Eficiencia del sistema generado 15 % de diferencia con las herramientas actuales

17. 17 SIMULACIÓN: Técnicas para imitar el funcionamiento de sistemas o procesos reales mediante programas de ordenador.

18. 18 Simulación

19. 19 VENTAJAS DE LA SIMULACION

20. 20 DESVENTAJAS DE LA SIMULACION

21. 21

22. 22

23. 23 VALIDACION DEL MODELO

24. 24

25. 25

26. 26

28. 28

29. 29 El primer paso sondea la riqueza de información que la gente posee en sus mentes. Las bases de datos mentales son una fecunda fuente de información acerca de un sistema. La gente conoce la estructura de un sistema y las normas que dirigen las decisiones. En el pasado, la investigación en administración y las ciencias sociales han restringido su campo de acción, indebidamente, a datos mesurables, habiendo descartado el cuerpo de información existente en la experiencia de la gente del mundo del trabajo, que es mucho más rico.

30. 30

31. 31 Temática Sistema y dinámica de sistemas Fundamentos de la dinámica de sistemas Modelación de sistemas dinámicos

32. 32 Reflexión inicial No vivimos en un mundo unidireccional, en el cual un problema conduce a una acción que lleva a una solución (pensamiento lineal) La magnitud de los resultados tampoco es lineal, estos pueden crecer o decrecer en el tiempo (evolución no lineal). Vivimos en un entorno circular en movimiento. Nuestro presente esta condicionado por nuestro pasado, al igual que nuestro futuro lo estará por las acciones que hagamos en el presente. No hay comienzo ni terminación del proceso.

33. 33 Sistemas abiertos y de retroalimentación Sistema abierto Se caracteriza por salidas que responden a entradas, pero las salidas no tiene influencia sobre las entradas No conoce su propio desempeño y las acciones pasadas no controlan a las acciones futuras

34. 34 Sistemas abiertos y de retroalimentación Sistema de retroalimentación o cerrado Está influenciado por su propio comportamiento pasado Estructura de lazo cerrado que retorna resultados de acciones pasadas con el fin de controlar acciones futuras

35. 35 Retroalimentación positiva y negativa Negativa Busca una meta y responde con una consecuencia de caídas hasta alcanzar una meta Ocurre cuando el cambio en un sistema produce menos y menos cambios en la misma dirección, hasta que la meta es alcanzada Ejemplo: Desinflado de un balón Positiva Genera procesos de crecimiento, donde las acciones construyen un resultado que genera acciones aún mas grandes. Ejemplo: reproducción de conejos

36. 36 Teoría, métodos y filosofía para analizar el comportamiento de los sistemas Un proyecto de DS comienza con un problema que hay que resolver o un comportamiento indeseable que hay que corregir En un proyecto de DS se da un mayor peso a la riqueza de información que la gente posee en sus mentes sobre los datos mesurables. Una organización domina la toma de decisiones por parte de los individuos Un modelo de DS es una estructura de políticas en interacción, entendiéndose por política la representación de las causa de una acción y no una norma formal escrita. Dinámica de Sistemas

37. 37 La mayor parte de los problemas se origina en causas internas, aunque se culpe a los factores externos. Las acciones que se emprenden, normalmente bajo la creencia de que son una solución a los problemas, son a menudo la causa de los problemas que se experimentan La propia naturaleza de la estructura dinámica realimentada de un sistema tiende a conducir, erróneamente, a acciones que son ineficaces e incluso contraproducentes. Los individuos disponen de suficiente información sobre un sistema como para permitir, con éxito, su modelado. Postulados básicos de la DS

38. 38 Marco operativo de la DS

39. 39 Estudio de Caso Desventaja La descripción de un caso incluye políticas y relaciones dentro de un sistema que es demasiado complejo para ser comprendido intuitivamente Generan conclusiones dinámicas equivocas y resultan ineficaces para descubrir los motivos por los cuales corporaciones , en condiciones aparentemente similares, ofrecen comportamientos muy diferentes.

40. 40 Enfoque cuantitativo en la Dirección Desventaja Los primeros métodos se limitaban a la análisis lineal y enfatizan soluciones optimas mas que respuestas practicas y realistas Tratan a las funciones empresariales por separado Los métodos cuantitativos tradicionales no han incorporado la estructura de realimentación que engloba el proceso de toma de decisiones.

41. 41 Dinámica de sistemas Permite ir más allá de los estudios de casos y las teorías descriptivas. La dinámica de sistemas no está restringida a sistemas lineales, pudiendo hacer pleno uso de las características no-lineales de los sistemas. Combinados con las computadoras, los modelos de dinámica de sistemas permiten una simulación eficaz de sistemas complejos. Dicha simulación representa la única forma de determinar el comportamiento en los sistemas no-lineales complejos.

42. 42 Modelos y toma de decisiones Un modelo es una representación de un sistema real. El valor de un modelo surge cuando éste mejora nuestra comprensión de las características del comportamiento en forma más efectiva que si se observará el sistema real. Un modelo, comparado con el sistema verdadero que representa, puede proporcionar información a costo más bajo y permitir el logro de un conocimiento más rápido de las condiciones que no se observan en la vida real.

43. 43 Modelos estáticos Los modelos estáticos describen un sistema, en términos de ecuaciones matemáticas, donde el efecto potencial de cada alterativa es evaluada a través de ecuaciones. La actuación del sistema es determinada sumando los efectos individuales. Los modelos estáticos ignoran las variaciones en el tiempo

44. 44 Modelos dinámicos Los modelos dinámicos son una representación de la conducta dinámica de un sistema Mientras un modelo estático involucra la aplicación de una sola ecuación, los modelos dinámicos, por otro lado, son reiterativos. Los modelo dinámicos constantemente aplican sus ecuaciones considerando cambios de tiempo. La característica fundamental que interesa considerar es la evolución del sistema en el tiempo. Determinar las interacciones que permiten observar su evolución.

45. 45 Construcción de un modelo de Dinámica de sistemas Conceptualización Formulación Prueba Implementación

46. 46 Conceptualización Definir el propósito del modelo Definir las fronteras del modelo e identificar las variables principales Describir el comportamiento o dibujar los comportamientos de referencia de las variables principales Diagramar los mecanismos básicos, los ciclos de realimentación, del sistema

47. 47 Formulación Convertir los diagramas de retroalimentación en ecuaciones de flujos y almacenamientos Estimar y seleccionar el valor de los parámetros

48. 48 Prueba Simular el modelo y probar las hipótesis dinámicas Probar los supuestos del modelo Probar el comportamiento del modelo y la sensibilidad a perturbaciones

49. 49 Implementación Probar la respuesta del modelo a las diferentes políticas Traducir los resultados del estudio a una forma accesible

50. 50 Ejemplo de modelación y simulación Productividad humana Cuando nos encontramos con muchos proyectos a realizar, trabajamos mas rápido e intenso, pero cuando la demanda de tareas es baja, con algunas tareas a completar la productividad usualmente cae.

51. 51 Productividad humana

52. 52 DS en la estrategia de calidad La mayoría de los análisis estratégicos en la empresa son disparados por una crisis o la necesidad urgente de la solución de un problema Los modelos en dinámica de sistemas pueden jugar un rol importante en el entendimiento de un problema y sus causas, determinar las consecuencias o cursos de acción alternativos y probar alternativas bajo diferentes escenarios.

53. 53 Estrategia de DS vs. Enfoque de episodios

54. 54 Estrategia de DS Análisis Usualmente disparado por una significativa o persistente desviación entre el desempeño actual y el desempeño deseado Involucra una estructura operativa, la prueba y el refinamiento del entendimiento de los problemas estratégicos de la organización las opciones posibles para afrontar la brecha de desempeño.

55. 55 Estrategia de DS Planeación Es un proceso iterativo que involucra la evaluación, selección e implementación de estrategias

56. 56 Estrategia de DS Control Monitorear el desempeño y la retroalimentación debida a éxitos, problemas, oportunidades, experiencias y lecciones de aprendizaje La fase de control es donde la organización continuamente aprende

57. 57 Conclusión Independientemente del factor “tiempo” o “urgencia” la DS es una estrategia integral para formar hábitos de pensamiento sistemico y mas állá, esto es, modelar y simular una posible realidad. Al igual que la matemática, la DS debe ser entrenada para no convertirse en la “n-ésima” herramienta de calidad, si no en una practica que permita “diseñar empresas” y mejorar el diseño de los sistemas de calidad

58. 58 La simulación dinámica nos permiten usar lo mejor del conocimiento y experiencia de los miembros de la organización junto con la información numérica, para experimentar sobre el sistema (modelo), pero no con el sistema (empresa).

59. 59 ENTORNO MATLAB

60. 60

61. 61 EVENTOS DISCRETOS La llamada “nueva economía” se caracteriza por la globalización de las operaciones de las empresas, y por el uso intensivo de tecnologías de información, factores que han distinguido, en los últimos años, a los sectores de las industrias de desarrollo de software,telecomunicaciones, servicios de entretenimiento y noticias, servicios por Internet, manufactura de circuitos electrónicos, computadoras, juegos de video, biotecnología y farmacéuticos, principalmente. En los inicios del nuevo milenio, encontramos que muchas de las características de los sectores de la nueva economía se observan también en otros sectores de la industria.

62. 62 Las empresas necesitan ser capaces de introducir rápidamente nuevos productos y servicios para atraer clientes, y a menudo los diseños del producto y del proceso productivo deben ser lo suficientemente flexibles para permitir la incorporación de las nuevas características que demanda un mercado en crecimiento. Por ejemplo, el concepto de manufactura a pedido empieza a difundirse en sectores como el de la venta de ropa de moda, donde marcas como Zara y World pueden diseñar un nuevo producto y abastecer a las tiendas en plazos de tan sólo tres semanas. Esta flexibilidad en los procesos productivos se complementa adecuadamente con la implantación de metodologías para pronosticar la demanda con base en la aceptación inicial del producto, lo que permite planear la producción para responder adecuadamente a la demanda de productos que tienen ciclos de vida relativamente cortos.

63. 63 los procesos de producción con capacidad para responder de manera rápida, económica y apropiada a los requerimientos del cliente, descansan fundamentalmente en cuatro factores: (1) datos disponibles y confiables de los puntos de venta, (2) pronósticos adecuados, (3) cadena de suministro rápida, y (4) adecuada planeación de los inventarios y precios. Cuando una empresa decide implantar este tipo de estrategia de ventas, a menudo debe adoptar nuevas tecnologías de información y herramientas de software para lograr estos cuatro objetivos. La “Simulación de Evento Discreto” es una herramienta de análisis que se difunde rápidamente en el ambiente empresarial, comprobando su utilidad para apoyar la toma de decisiones relacionadas con la planeación de la producción y los inventarios, y con el diseño de los sistemas de producción y sus cadenas de suministro.

64. 64 La “Simulación de Evento Discreto” El concepto de sistema de evento discreto tiene por finalidad el identificar a sistemas en los que los eventos que cambian el estado del mismo ocurren en instantes espaciados en el tiempo, a diferencia de los sistemas cuyo estado puede cambiar continuamente en el tiempo (como la posición de un auto en movimiento). Aunque aparentemente simples, los sistemas de evento discreto pueden modelar muchos de los fenómenos que enfrentan los responsables de la administración de los procesos productivos en una empresa. Por ejemplo, los inventarios de cualquier producto sólo se alteran ante la ocurrencia de alguno de dos eventos: (1) ingreso de un lote de abastecimiento, o (2) retiro de cierta cantidad del producto para satisfacer el pedido de un cliente, de la misma manera como el dinero disponible en cualquier cuenta bancaria sólo puede cambiar a consecuencia de un depósito, o a consecuencia de un retiro.

65. 65 Los primeros intentos para simular sistemas de evento discreto datan de la década de los años 60, donde se desarrollan las primeras simulaciones en computadora para planear proyectos de gran envergadura, aunque a un costo alto y utilizando lenguajes de propósito general (a menudo FORTRAN). Las primeras herramientas para facilitar el uso de la simulación de evento discreto aparecen en la forma de lenguajes de simulación en la década de los años 70, aunque la programación en estos lenguajes se realiza todavía por medio de comandos escritos en un archivo. Lenguajes como GPSS, SIMSCRIPT, SLAM y SIMAN tienen una amplia difusión en los años 80, paralela a una gran producción científica relacionada con las posibles aplicaciones de la simulación de evento discreto, y el desarrollo de métodos para el análisis de experimentos por simulación, para generar por computadora la ocurrencia de eventos siguiendo patrones probabilísticos, y para permitir que el motor del lenguaje pueda modelar una gama amplia de aplicaciones.

66. 66 En la década de los 90, la difusión de las computadoras personales, y la aparición de paquetes de simulación que se programan en ambientes gráficos, y con capacidades de animación, permite que la simulación se difunda ampliamente como herramienta para el diseño y análisis en diversos sectores tanto de la industria de manufacturas como de servicios (por ejemplo, telecomunicaciones, salud, transporte y cadenas de restaurantes). Actualmente se pueden distinguir en el mercado dos tipos de paquetes para simulación de evento discreto: los de propósito general y los orientados hacia alguna aplicación o sector industrial específico. Entre los paquetes más conocidos de propósito general, se pueden mencionar a Arena, Simul8, GPSS/H, AweSim, y MODSIM III, mientras que entre los paquetes con orientación hacia alguna aplicación se puede mencionar a AutoMod, ProModel, SIMFACTORY II.5, QUEST y Arena Packaging Edition para manufactura.

67. 67 COMNET III y OPNET Modeler para redes de comunicaciones, SIMPROCESS, ProcessModel, ServiceModel y Arena Business Edition para analizar flujos en procesos de negocios, y MedModel para servicios del cuidado de la salud. Los paquetes mencionados permiten la programación en un ambiente gráfico por medio de módulos, y pueden incorporar animación a sus modelos, lo que además de facilitar la programación del modelo de simulación, se constituye en una herramienta valiosa para la verificación y demostración de las capacidades del modelo. se presenta una la animación de un sistema de almacenamiento y

68. 68

69. 69

70. 70 Aplicaciones en manufactura La manufactura ha sido tradicionalmente una de las áreas de aplicación más importantes de la simulación de evento discreto. Tanto es así que la mayoría de paquetes de simulación de propósito general incluyen módulos que permiten modelar fácilmente recursos y características de los sistemas de manufactura; por ejemplo, los módulos que se utilizan para modelar el desempeño de recursos de mano de obra y equipo, a menudo tienen capacidad para modelar indisponibilidad de los recursos, así como fallas y bloqueos que pudieran ocurrir durante el proceso de manufactura. A menudo los paquetes de simulación disponen también de módulos para modelar el comportamiento de equipo para el manejo y traslado de materiales, como vehículos automáticos, bandas transportadoras, carros, montacargas u otros mecanismos para el transporte de materiales.

71. 71 Cabe mencionar que el modelado de ciertos transportadores (como las bandas transportadoras) utilizando algún lenguaje de propósito general, no es trivial. La capacidad de los paquetes de simulación de evento discreto para modelar mecanismos de transportación se ha utilizado exitosamente para modelar también la congestión en sistemas de transporte vial. Las principales aplicaciones de la simulación de evento discreto en manufactura se relacionan tanto con el diseño y disposición de las instalaciones como con la planeación y el control de las actividades productivas. Las aplicaciones relacionadas con el diseño y disposición de las instalaciones incluyen la evaluación de decisiones sobre el número, tipo y disposición de máquinas y equipo, la localización y tamaño de los diferentes espacios para el material en proceso, y los requerimientos de transportadores y equipo de apoyo, entre otras.

72. 72