SIMULACION FORMATO INDICE, Apuntes de Introducción al Aprendizaje Automático

¡Descarga SIMULACION FORMATO INDICE y más Apuntes en PDF de Introducción al Aprendizaje Automático solo en Docsity!

LIMA – PERÚ

SIMULACI

ÓN DE

SISTEMAS

I N T E G R A N T E S

• A G U I L A R M E N D O Z A L E Y D I V E R O N I C A
• B R A V O S A N C H E Z R I D E R A R C E N I O
• G A R C I A S A L A S V I C T O R A N D R E S
• V I L L E G A S T O R R E S E R I C K A N T O N I O

Sistemas Un sistema es un conjunto de elementos, componentes o partes interrelacionadas e interdependientes que trabajan de forma conjunta para alcanzar un propósito o función común, y que en su conjunto presentan propiedades o comportamientos que sus partes individuales no tienen. Características principales: 1.Conjunto de componentes 2.El sistema está conformado por diferentes elementos que en conjunto lo constituyen. 3.Interacción entre los elementos 4.Los componentes del sistema se relacionan entre sí y dependen unos de otros para su funcionamiento. 5.Un objetivo común 6.Todo sistema se orienta hacia el logro de una finalidad específica. 7.Puede ser abierto o cerrado ⚬ (^) Sistema abierto: intercambia información, materia o energía con el entorno. ⚬ (^) Sistema cerrado: mantiene un funcionamiento independiente de su entorno.

1.2. Procesos Un proceso es una secuencia de actividades que transforman entradas en salidas. Ejemplo: en una fábrica, el proceso de producción transforma materia prima en productos terminados. 1.2. Sistemas El sistema está compuesto por procesos que interactúan entre sí. La relación entre proceso y sistema permite modelar y comprender el flujo de actividades. Relación entre Proceso y Sistema

Complejidad de un Sistema Interdependencia Los componentes de un sistema no actúan de manera aislada, sino que están conectados e influyen mutuamente. Una modificación en uno de ellos puede provocar alteraciones en el resto del sistema. La interdependencia es un factor clave que aumenta la complejidad, ya que obliga a considerar el impacto de cada cambio dentro de la totalidad. 1 Variabilidad Los sistemas no se mantienen estáticos, presentan fluctuaciones y cambios en sus procesos y resultados. Esta variabilidad puede provenir de factores internos (como el comportamiento de los recursos o las condiciones de operación) o de factores externos (como el entorno o las condiciones del medio en el que se desarrolla). La variabilidad introduce incertidumbre, lo que hace que el sistema sea más difícil de predecir y controlar.

¿Qué es un modelamie nto, qué es un modelo? El modelamiento es la habilidad de representar una situación real mediante un modelo. Un modelo es una representación simplificada de la realidad, utilizada para analizar, predecir o mejorar el desempeño de un sistema. Un modelo debe tener un fin: adquirir conocimiento de algo.

Que son los modelos mentales

• (^) Son representaciones internas que las personas forman en su mente a partir de la experiencia, el conocimiento previo y la intuición.
• (^) Permiten anticipar resultados, tomar decisiones rápidas y comprender fenómenos sin necesidad de cálculos formales. - (^) Son representaciones estructuradas y explícitas que emplean herramientas matemáticas, lógicas o computacionales. - (^) Se basan en reglas claras y en información verificable, lo que permite su validación y comprobación. - (^) Tienen mayor capacidad para simular, calcular y predecir el comportamiento de sistemas complejos de manera objetiva y consistente. Que son los modelos formales

En la ingeniería y la ciencia, los modelos son representaciones simplificadas de la realidad que nos permiten entender, analizar y predecir el comportamiento de sistemas complejos.

2. SIMULACIÒN DE SISTEMAS

13 Características Fundamentales La simulación captura la esencia de sistemas reales de forma simplificada, facilitando experimentos controlados. Es ideal para la toma de decisiones informadas, integrando modelos matemáticos y análisis estadísticos sin impacto en la realidad operativa. 0 (^1) Representación Simplificada Modela sistemas complejos de manera accesible, destacando elementos clave sin detalles superfluos. 02 Experimentación de Escenarios Prueba variaciones hipotéticas, como cambios en parámetros o condiciones externas, para evaluar impactos. 03 Modelos Matemáticos y Estadísticos Emplea ecuaciones y probabilidades para simular dinámicas precisas y predecibles. 04 Análisis sin Alteración Preserva el sistema real intacto, evitando costos y riesgos asociados a pruebas físicas. 05 Toma de Decisiones Basada en Datos Genera insights cuantitativos que guían estrategias óptimas en entornos inciertos.

14 Tipos de Simulación: Clasificación General Los tipos de simulación se clasifican según el avance temporal, la incorporación de aleatoriedad y la continuidad de eventos. Esta taxonomía ayuda a seleccionar el enfoque adecuado para modelar sistemas reales con precisión y eficiencia. Avance del Tiempo Estática vs. dinámica: enfocado en momentos puntuales o evolución temporal. Variables Aleatorias Determinística vs. estocástica: sin o con incertidumbre probabilística. Continuidad de Eventos Continua vs. discreta: cambios fluidos o en puntos específicos.

16 Simulación Estática La simulación estática analiza el sistema en un punto temporal fijo, ideal para evaluaciones puntuales sin considerar dinámicas temporales. Facilita decisiones rápidas en contextos como gestión de recursos estáticos. Ejemplo: Análisis de niveles de inventario en un supermercado a fin de mes, calculando existencias y demandas instantáneas para evitar sobrestock o faltantes, utilizando modelos simples de equilibrio.

17 Simulación Dinámica Representa la transformación del sistema a medida que avanza el tiempo, capturando interacciones y cambios progresivos. Es crucial para prever tendencias en entornos variables como demografía o finanzas. Ejemplo: Modelado del crecimiento poblacional en una ciudad, incorporando tasas de natalidad, migración y mortalidad para proyectar necesidades futuras de vivienda e infraestructuras urbanas sostenibles. Inicio Población inicial y parámetros Crecimiento Aumento por nacimientos y migración Interacción Efectos de recursos y competencia Equilibrio Estabilización o nuevo estado

Simulación Determinística y^19 Estocástica Determinística: Produce salidas consistentes, útil para optimizaciones precisas. Estocástica: Modela incertidumbre con distribuciones probabilísticas, generando rangos de resultados para análisis robustos. Determinística No usa aleatoriedad; ideal para sistemas controlados. Ejemplo: Cálculo exacto de producción en una línea ensamblaje con entradas fijas, asegurando eficiencia repetible. Estocástica Incluye variables aleatorias; resultados varían. Ejemplo: Simulación de llegadas de clientes a un servicio, usando distribuciones Poisson para prever picos y optimizar recursos. Múltiples corridas revelan patrones probabilísticos. Determinística No usa aleatoriedad; ideal para sistemas controlados. Ejemplo: Cálculo exacto de producción en una línea ensamblaje con entradas fijas, asegurando eficiencia repetible. Estocástica Incluye variables aleatorias; resultados varían. Ejemplo: Simulación de llegadas de clientes a un servicio, usando distribuciones Poisson para prever picos y optimizar recursos.

20 Simulación Basada en Continuidades de Eventos Distinguimos entre cambios continuos y discretos, según la naturaleza de los eventos que alteran el sistema. Esta distinción es vital para modelar flujos físicos versus procesos puntuales en operaciones diarias. Continua Cambios fluidos en el tiempo; ejemplo: flujo laminar de fluidos en tuberías industriales, modelado con ecuaciones diferenciales para predecir presiones y volúmenes. Discreta Cambios en instantes específicos; ejemplo: llegadas de clientes a un banco, simulando colas con eventos de llegada y servicio para optimizar tiempos de espera.