ARTE DEL MODELADO

ARTE DE MODELADO

No hay una receta predefinida para saber cómo construir un buen modelo. Es el proceso de construcción del modelo por sí mismo que es más valioso para una mejor comprensión de la dinámica del sistema, para explorar las interacciones entre los componentes del sistema y para la identificación de los efectos individuales de diferentes funciones de forzamiento sobre el sistema. Una vez que el modelo se construye es una herramienta útil para explicar las propiedades del sistema, y en algunos casos puede conducir a nuevos descubrimientos sobre el sistema. Pero es claramente el proceso de modelado que más contribuye a nuestro conocimiento y comprensión sobre el sistema.

A pesar de que no sabemos lo último modelo de decisiones algoritmo, sí sabemos algunas reglas fundamentales que son siempre útiles a tener en cuenta al crear un modelo. Al adherirse a ellos la frustración y crisis pueden evitarse. La lista de estas normas puede ser muy larga y cada modelador probablemente tiene el suyo. Por lo tanto, como en el arte, en la experiencia de modelado es probablemente el más valioso y no hay manera de evitar todos los errores. Sólo podemos tratar de disminuir su número.

Modelo conceptual

El proceso de modelación se inicia con la construcción de un modelo conceptual. Un modelo conceptual es una descripción cualitativa del sistema. Un buen modelo conceptual es la mitad del esfuerzo de modelado. Para crear el modelo conceptual tenemos que estudiar el sistema y recoger datos tanto como sea posible sobre el propio sistema y sobre los sistemas estudiados similares en otros lugares. Como se señaló anteriormente, al crear un modelo conceptual que empezamos con el objetivo del estudio y luego tratar de averiguar cuál es el sistema que tenemos la intención de modelar y lo que la resolución temporal, espacial y estructural es necesaria para nuestro estudio para llegar a esa meta.

Si hay pocos cambios registrados durante el período de estudio, el modelo puede no necesitar ser dinámico. Puede ser estática y centrarse en otros aspectos del sistema. Si el cambio temporal es importante, tenemos que identificar cómo se produce este cambio. En realidad, el tiempo es continuo. Sin embargo, en algunos casos, puede ser útil pensar en el tiempo como discreta y describir el sistema utilizando el formalismo basado en eventos. O podemos pensar en el cambio en el tiempo como una secuencia de instantáneas. Una foto es estática, se captura el estado del sistema en un momento particular. Sin embargo una serie de instantáneas crea una representación de la dinámica. Así es como se hace una película, cuando se alterna muchas imágenes estáticas que crean la sensación de objetos en movimiento.

Debemos empezar a pensar en la resolución adecuada de nuestro modelo temporal. Para que la película suavemente lanzando tenemos que presentar al menos 16 instantáneas por segundo. En este modelo, la resolución temporal es 1/16th de un segundo. Esta resolución es dictada por el objetivo, que en este caso es el de crear una representación de la realidad de que el ojo humano vería como continua. En la mayoría de los sistemas de TV se utiliza incluso una resolución más fina para mejorar aún más la imagen - 24 instantáneas por segundo. Al parecer, los gatos no les gusta ver programas de televisión, ya que su ojo tiene menos inercia y esta tasa no es lo suficientemente rápido para crear una imagen continua, sino que ve la película como una serie de imágenes fijas sustituyen unos a otros. Como algunas de esas viejas películas, donde vemos todo el mundo se mueven a saltos y saltos, como hemos hecho un seguimiento de los cambios de las imágenes. Sin embargo, si el proceso que la película es bastante lento, no tiene mucho sentido para contemplar una serie de imágenes que son iguales.

Un modelo empírico puede considerarse como un "recuadro negro", que tiene ciertas entradas y produce salidas en respuesta a las entradas. No estamos preocupados por qué y cómo ocurre en el interior del cuadro negro que presenta el sistema. La estructura interna en este caso no se analiza, nuestro único objetivo es encontrar la función adecuada para transferir los insumos en productos. Esto se hace generalmente por métodos estadísticos. Tenemos la información acerca de los conjuntos de datos que describen las entradas y tenemos los datos acerca de los valores de salida.

Por otro lado podemos intentar mirar dentro de la caja de negro y tratar de identificar algunos de los procesos que ocurren en el sistema, analizarlos y representan en el modelo. Los modelos de procesos basados en emplear toda la información adicional sobre el sistema que podemos tener a partir de estudios anteriores de los sistemas análogos o sobre los procesos individuales que estamos viendo. Pueden utilizar los conocimientos teóricos cierto que viene de una variedad de disciplinas. En este proceso, los modelos basados en un sentido pueden ser incluso mejor que la información disponible sobre el sistema actual en el estudio.

Cabe señalar, sin embargo, que todos los modelos de procesos basados son todavía de una manera empírica, porque nunca podemos describir todos los procesos en todos los detalles de un sistema. Es que vamos más allá en profundidad del sistema de proporcionar más detalles acerca de los procesos en el sistema. Sin embargo, todavía terminar con algunas cajas negras que no queremos o no podemos considerar en detalle más. Si ese no era el caso, difícilmente se lograr el objetivo principal de cualquier esfuerzo de modelización, que es la simplificación de la descripción del sistema.

Estaríamos terminando con modelos que son tan complejos como los sistemas originales, y por lo tanto ofrecen poco valor a efectos de síntesis.

Si se construyó un modelo basado en procesos que pueden comenzar a describir la estructura de un diagrama, que representa los componentes principales del sistema: las variables, forzando funciones, funciones de control.

Al decidir acerca de la estructura del modelo es muy importante para que coincida con la complejidad estructural de los objetivos del estudio, los datos disponibles y la resolución espacial y temporal adecuada.

Sin embargo ciertos procesos rápidos pueden tener un efecto perjudicial sobre el sistema.

Al hacer todas estas decisiones sobre la estructura del modelo, su resolución espacial y temporal, siempre debemos tener en cuenta que el objetivo de cualquier ejercicio de modelización es el de simplificar el sistema, para buscar los controladores más importantes y procesos (segundo principio de Descartes). Si el modelo es demasiado complejo para percibir y estudiar, su utilidad disminuye. Hay poca ganancia en la sustitución de un sistema complejo que no entendemos por otro sistema complejo, que también no lo entiendo. Incluso si el modelo es más simple que el sistema original, es inútil si todavía es demasiado complejo para arrojar nueva luz y para añadir a la comprensión del sistema.

Mantener simple

Es mejor empezar con una versión simplificada, aunque usted sabe que no es realista y luego empezar a añadir componentes a la misma. Ayuda mucho cuando siempre tenemos un modelo que funciona y que el rendimiento que usted entienda. Esto es mucho mejor que armar un modelo que tiene todo en él para satisfacer los objetivos más generales y requisitos. Los modelos complejos son difíciles de manejar, tienden a salirse de control, y producir resultados poco fiables e incierto. En todo momento usted debe tratar de tener una versión en ejecución y prueba del modelo. Entonces usted puede construir más en él.

Que siga funcionando.

MANTENGA LAS PRUEBAS IT

El hecho de que algunos de los datos e información de estudio previo o similar no terminar como parte del modelo, no significa que el tiempo que utiliza su recolección fue en vano. Nunca se sabe qué datos a qué etapa del estudio de modelación se requiere y cómo se va a modificar su interpretación y comprensión del sistema. Incluso se puede argumentar que el valor más importante de los esfuerzos de modelado es que reúne toda la información disponible sobre el sistema en un formato organizado y estructurado. El modelo comprueba que este dato es consistente y completo. Incluso si el modelo resulta ser un fracaso y no produce ninguna predicción fiable y conclusiones, poniendo los datos en conjunto se crea una nueva comprensión y lagunas importantes en nuestro conocimiento puede ser identificado.

No hay tal cosa como datos inútiles

Modelado de Sistemas

Hay un montón de programas actualmente disponibles que pueden ayudar a construir y ejecutar modelos. Entre el modelo conceptual cualitativo y el código informático, podemos colocar una variedad de herramientas de software que pueden ayudarnos a convertir nuestras ideas conceptuales en un modelo de funcionamiento. Por lo general, siempre hay una salida comercial entre universalidad y facilidad de uso. En un extremo vemos a los lenguajes de programación que se pueden utilizar para traducir los conceptos y conocimientos de trabajo en cualquier código de computadora. En el otro extremo nos encontramos con realizaciones de modelos particulares que son buenos sólo para los sistemas individuales y las condiciones que fueron diseñados. En el medio hay una variedad de herramientas más universales.

Incluyen lenguajes de modelado, que son los lenguajes de programación diseñado específicamente para el desarrollo de modelos, sistemas extensibles de modelos, que

...