Construccion de un modelo

Contenido

1.8.2 Construcción de un modelo        2

1.8.3 Técnicas para modelos a gran escala        3

1.8.4 Utilidad de los modelos en la ingeniería        4

1.9 Casos de estudio de Sistemas de gran escala        5

2.1.2    Naturaleza de los procedimientos de optimización casos diversos        5

2.1.3 Condiciones de conflicto en la obtención del optimo análisis de casos a discreción        9

Cuestionario        10

Bibliografía        11

1.8.2 Construcción de un modelo

La construcción de un modelo es posible gracias a las herramientas conceptuales y tecnológicas con las que contamos hoy en día. El objetivo de ello es simular algún fenómeno del mundo real en el cual el investigador esté interesado, con el propósito de crear un modelo que sea más simple de estudiar que el propio objetivo. También se desea que las conclusiones que se obtengan a partir del modelo sean también aplicables al objetivo, ya que ambos son suficientemente similares, sin embargo, el modelo siempre será más simple que el objetivo.

A medida que se avanza en la construcción de un modelo se obtiene más conocimiento acerca del sistema que se modela, esto conlleva a un aumento de complejidad y con ello disminuye el error de respuesta respecto a lo que se quiere obtener con esto.

        [pic 1]

1.8.3 Técnicas para modelos a gran escala

Cuando se emplean modelos de grandes dimensiones se siguen los siguientes pasos  

Objetivo del sistema: En esta etapa es importante saber cómo se evaluará el comportamiento del sistema (el objetivo del sistema) es importante que en esta etapa el diseñador no transmita sus valores y juicio al modelo ya que si lo hace se perderá la objetividad.

Análisis del sistema: La finalidad de esta segunda etapa del modelado es aislar las partes, iteraciones, relaciones y mecanismos dinámicos del sistema, en esta etapa es muy importante si las variables son endógenas (internas) o exógenas (externas) al sistema.

Síntesis del sistema: En esta etapa se integran los conocimientos que se tienen de un sistema en un modelo que represente las características del sistema, aquí es necesario establecer que sistema se utilizara ya se tipo formal, replica, estático, dinámico, determinístico y estocástico, para decidir el tipo de modelo hay que tomar en cuenta el costo de los diferentes modelos, y el beneficio que se puede obtener. Al tener entendido que el sistema está compuesto a su vez por sistemas menores o subsistemas al tomar la elección del modelo debe tomarse en cuenta que el modelo que se empleara será para el sistema principal y para los subsistemas más importantes.

Verificación del modelo:  Esta etapa consiste en determinar si el modelo opera de la forma en la cual fue diseñado, la forma de realizar esta verificación depende de cada modelo.

Validación del modelo: En ocasiones no es posible efectuar la validación del modelo por razones de que el sistema real no se encuentra para hacer las pruebas o pueden ser sumamente costosas, desde luego que cuando la validación no se puede realizar la confiabilidad de los resultados es demasiado baja.  

Inferencia:  En esta etapa se obtienen los beneficios, esta fase consiste en de una serie de experimentos con una de las siguientes finalidades

∙Determinar el comportamiento dinámico del sistema como respuesta a ciertas entradas.

∙Determinar los cambios relativos en los resultadas producidos por cambios unitarios en los elementos del sistema (subsistemas)  

Los modelos a escala tienen sus ventajas e inconvenientes. Entre las ventajas está su gran precisión lo que se traduce en una elevada credibilidad y una capacidad de predicción difícil de encontrar en otro tipo de modelos. Entre los inconvenientes se encuentra, principalmente, el elevado coste del desarrollo inicial por la complejidad inherente a su dependencia de la escala, y el hecho de que son modelos, en cierto modo, escleróticos (si se quieres analizar cambios en las condiciones del sistema modelizado, la introducción de los cambios pertinentes en el modelo es compleja, lo que incide poderosamente en el coste del desarrollo posterior).

Con frecuencia este tipo de modelos viene a completar un proceso de modelización que comprende el empleo en cascada de otras herramientas previas. En las primeras fases de la modelización de un sistema se utilizan herramientas menos sofisticadas que los modelos, más económicas y también más flexibles. Cuando ya se ha logrado un elevado conocimiento del sistema modelizado y no se prevé que pueda tener lugar modificaciones significativas, el empleo de un modelo a escala puede incrementar la precisión de los resultados obtenidos, siempre que dispongamos del presupuesto para su desarrollo o cuando la importancia del sistema modelizado así lo aconseje, con independencia del sobrecoste que ello suponga.

1.8.4 Utilidad de los modelos en la ingeniería

Los modelos son de enorme importancia en Ingeniería, ya que un modelo es algo que describe la naturaleza o el comportamiento de un objeto real. Tal descripción se puede hacer por medio de palabras, números, gráficos, símbolos, ecuaciones, maquetas, planos, etc., ayudan a visualizar los efectos que otras variables pueden ejercer sobre una obra, previa a su construcción. Y siempre es conveniente enriquecerlo desde la mayor cantidad de puntos de vista técnicos posible.

[pic 2][pic 3][pic 4][pic 5][pic 6]

[pic 7]

1.9 Casos de estudio de Sistemas de gran escala

Diseño del Trabajo: Modelo Conferencia, Diseño del Trabajo en Ciclo Rápido de participación plena, Diseño del Trabajo en Tiempo Real, Diseño Participativo, El Arte de Ser Anfitrión (Art of Hosting)

Trabajo participativo del sistema completo: Simu-Real, Work-Out, Open Space Technology, Eventos Interactivos a Gran Escala o el World Café.

Llegados a este punto, es interesante observar que, en la evolución de los métodos de intervención a gran escala, se produce un alejamiento de los modelos teóricos (¿hacia el pragmatismo?) y del enfoque orientados al proceso (ahora el énfasis no es tanto el procedimiento o los pasos a seguir en este o aquel método), hacia eventos de intervención abreviada, guiados por el desarrollo de herramientas para la intervención.

2.1.2    Naturaleza de los procedimientos de optimización casos diversos

El Alcance de la Optimización

Una de las herramientas más importantes de la optimización es la programación lineal. Un problema de programación lineal está dado por una función lineal de varias variables que debe ser optimizada (maximizada o minimizada) cumpliendo con cierto número de restricciones también lineales.

El matemático G.B. Dantzig desarrolló un algoritmo llamado el método simplex para resolver problemas de este tipo. El método simplex original ha sido modificado a fin   de   obtener   un   algoritmo   eficiente   para   resolver   grandes   problemas   de programación lineal por computadora.

Por medio de la programación lineal se pueden formular y resolver problemas de una gran variedad de campos del quehacer humano, entre los que se puede mencionar: asignación de recursos en la planificación de gobierno, análisis de redes para planificación urbana y regional, planificación de la producción en la industria, y la administración de sistemas de transporte y distribución. Por esto la programación lineal es uno de los éxitos de la moderna teoría de la optimización.

La Optimización como una rama de las Matemáticas

Se puede ver, por lo dicho en la sección anterior, que la teoría de la optimización es matemática por naturaleza. Típicamente involucra la maximización o minimización de una función (a veces desconocida) que representa el desempeño de algún sistema. Esto se resuelve encontrando   los   valores   de las   variables (cuantificables   y controlables) que hacen que la función alcance su mejor valor. A fin de entender cómo operan los algoritmos se requieren conocimientos de álgebra lineal y cálculo diferencial con varias variables. 

Conceptos Básicos de Optimización 

Esta sección introduce algunos de los conceptos básicos de optimización que se utilizan a lo largo del presente compendio. Cada concepto se ilustra por medio del siguiente ejemplo.

El problema es:

[pic 8] 

Este  es  un  problema  típico  en  la  teoría  de  optimización:  la  maximización (o minimización) de una función real de variables reales (a veces una sola variable) sujeta a un número de restricciones (a veces este número es cero).

La función f se llama función objetivo, x1 y x2 se llaman variables independientes o variables decisionales. El problema es encontrar valores reales para x1 y x2, que satisfagan las restricciones (1.2), (1.3) y (1.4), los cuales introducidos en (1.1) hagan que f (x1,x2) tome un valor no menor que para cualquier otro par x1,x2.

...