4.3.-ESTRUCTURACION MODELOS DE SISTEMAS
En
el mundo actual, tanto en el área de los negocios, como en la industria y el
gobierno, los proyectos en gran escala y de gran complejidad son la regla y no
la excepción. Estos proyectos complejos requieren estudios previos a su
construcción o modificación, denominados estudios pilotos. Tales estudios
pilotos se realizan utilizando la técnica llamada Modelización, es decir,
construcción de modelos donde se realiza el estudio con el fin de obtener
conclusiones aplicables al sistema real.
Construido
el modelo, el proceso de ensayar en él una alternativa se llama simular. El
conjunto de alternativas que se definen para su ensayo constituye la estrategia
de la simulación. Los objetivos del proyecto definen cuál es el sistema y cuál
el medio ambiente que lo rodea.
La simulación
de sistemas implica la construcción de modelos. El objetivo es averiguar que
pasaría en el sistema si acontecieran determinadas hipótesis. Desde muy antiguo
la humanidad ha intentado adivinar el futuro. Ha querido conocer qué va a pasar
cuando suceda un determinado hecho histórico. La simulación ofrece, sobre bases
ciertas, esa predicción del futuro, condicionada a supuestos previos. Para ello
se construyen los modelos, normalmente una simplificación de la realidad.
Surgen de un análisis de todas las variables intervinientes en el sistema y de
las relaciones que se descubren existen entre ellas.
A
medida que avanza el estudio del sistema se incrementa el entendimiento que el
analista tiene del modelo y ayuda a crear modelos más cercanos a la realidad.
En el modelo se estudian los hechos salientes del sistema o proyecto. Se hace
una abstracción de la realidad, representándose el sistema/proyecto, en un
modelo.
El
modelo que se construye debe tener en cuenta todos los detalles que interesan
en el estudio para que realmente represente al sistema real (Modelo válido).
Por razones de simplicidad deben eliminarse aquellos detalles que no interesan
y que lo complicarían innecesariamente. Se requiere pues, que el modelo sea una
fiel representación
del sistema real.
No
obstante, el modelo no tiene porqué ser una réplica de aquél. Consiste en una
descripción del sistema, junto con un conjunto de reglas que lo gobiernan.
La
descripción del sistema puede ser abstracta, física o simplemente verbal. Las reglas definen el aspecto
dinámico del modelo. Se utilizan para estudiar el comportamiento del sistema
real. Como ejemplo de modelo físico se pueden citar los túneles de viento donde
se ensayan los aviones, los simuladores de
vuelo, los canales de experiencia donde se ensayan los barcos, etc.
Como ejemplo de modelo
abstracto, se pueden citar los modelos econométricos donde, entre otras cosas,
se pueden ensayar las consecuencias de medidas económicas antes de aplicarlas.
Dado un sistema, son
muchas las representaciones que se pueden hacer de él. Depende de las facetas
del sistema que interesan en el estudio, de la herramienta que se utiliza en el
mismo e incluso de la modalidad personal del que lo construye. En los modelos deben estar identificadas
perfectamente las entidades
intervinientes y sus atributos. Las mismas pueden ser permanentes (Ej.:
empleados atendiendo) o transitorias (Ej.: clientes). Las acciones provocan cambios
de estado, es decir, se modifican los atributos de las entidades; se
producen los eventos.
C. WEST CHURCHMAN en su
obra “The Systems Approach” nos resalta que “Todo diseño de sistema se orienta
hacia el futuro, especialmente hacia un futuro cercano. Los diseños y modelos
que habitualmente se consideran versan sobre la etapa siguiente a la actual.”
Por otro lado existe un
Axioma: “el futuro es menos cierto que el presente”
También nos hace una
aguda observación: “el pasado es tan difícil de conocer con certeza como el futuro, cosa digna de reflexión en
cuanto nos fundamos en datos del pretérito para averiguar el porvenir”
El Planeamiento estático
comprende una sola etapa. El planeamiento dinámico contempla múltiples etapas.
Para predecir el futuro
se postula lo siguiente:
La actividad de estimar
lo sucedido en lo pasado es separable de la actividad a estimar de lo que ha de
suceder en lo futuro. Es decir, el análisis del futuro es separable del
análisis del pasado.
Cualquier estimación
específica de lo ocurrido en el pasado puede ser evaluada conforme a una escala que va desde valores
negativos pasando por cero a valores positivos
(hay hechos que inciden negativamente, otros que no inciden y otros que
inciden positivamente para que ocurra algo).
El conocimiento del
futuro es posible
John W. SUTHERLAND señala
que prácticamente todos los fenómenos del mundo real pueden ser modelizados
según cuatro direcciones de análisis:
El nivel de las variables
de estado, donde se trata de investigar los principales aspectos estructurales
o cualitativos del sistema
El nivel paramétrico, que
implica la asignación de valores numéricos específicos a las variables de
estado
El nivel de las
relaciones, que implica establecer la naturaleza de las relaciones entre las
variables de estado, y
El nivel de los
coeficientes en que se asignan valores numéricos específicos a los conjuntos de
las variables de estado.
El que va a tomar la
decisión percibe en forma real, o aparente, una identidad efectiva entre el
estado real del sistema y el postulado. Al percibirla toma la decisión, de lo
contrario comienza el análisis para lograr esa identidad. A posteriori se hace
un análisis de informaciones comparando lo previsto con lo real para el
instante t y el instante t-1. Mientras perciba una diferencia entre lo
postulado y lo real continuará el proceso
de análisis.
Cuando logre la identidad
procederá a tomar su decisión. Tenemos un planteo teórico general que nos
permite inferir el futuro en base al conocimiento del presente y la influencia
del pasado en un modelo válido (identificación entre lo real y lo postulado).
En las decisiones existen
sistemas donde prima:
El determinismo. La base
de datos y las relaciones causales son altamente específicas y precisas
respecto del fenómeno contemplado. Sólo se espera que haya uno y sólo un acontecimiento probable, que repetirá situaciones
anteriores. Se tiene una identidad efectiva entre los estados a priori y
los que realmente se producen. Los instrumentos de análisis correspondientes
son: modelos de análisis de estados de los sistemas finitos; programación
lineal y modelos de máx. Y mín.; análisis de la regresión, de la correlación,
análisis de series temporales y espectrales, con tratamiento exógeno del error,
si es que lo hay.
Una Estocasticidad
moderada: la variación de las variables y parámetros intervinientes tienen un margen pre-especificado y manejable. El error
es manejado endógenamente ya que la estructura de nuestras formulaciones es
esencialmente determinista. Las técnicas de análisis correspondientes son:
procesos de Markov; procesos de inferencia estadística; procesos de estimación bayesiana;
procesos de estimación dentro de un margen; técnicas de aproximación numérica
(funciones de Taylor); análisis del estado del sistema finito; “shock models”:
los econométricos y psicométricos que no tratan el error específicamente.
Una
Estocasticidad intensa: Acontecimientos significativamente diferentes cada uno
de los cuales pueden suceder y conducir a futuros altamente diferenciados. Se
emplean modelos basados en teoría de juegos, técnicas de análisis de estados de
sistemas estocásticos, algoritmos de programación adaptativa o dinámica
(usualmente bayesianos), modelos de redes neuronales y técnicas de simple
simulación.
Indeterminismo:
No se pueden establecer a priori las relaciones causales. No existen datos
relevantes. Para avanzar el estudio se basa en construcciones teóricas
generales que no hayan sido invalidadas por la experiencia. Se emplea un
análisis deductivo, la simulación estocástica y la programación heurística para
dar disciplina a las investigaciones empíricas (ver “La teoría general de
sistema” de Pedro Voltes Bou).
Son
muchos los tipos de modelos en que se pueden representar los sistemas reales. A
continuación se dará una clasificación al sólo efecto de ejemplificar con tipos
de modelos de uso común.
CLASIFICACION DE LOS MODELOS
Existen
múltiples tipos de modelos para representar la realidad. Algunos de ellos son:
Ø Dinámicos:
Utilizados para representar sistemas cuyo estado varía con el tiempo.
Ø Estáticos:
Utilizados para representar sistemas cuyo estado es invariable a través del tiempo.
Ø Matemáticos:
Representan la realidad en forma abstracta de muy diversas maneras.
Ø Físicos: Son
aquellos en que la realidad es representada por algo tangible, construido en escala
o que por lo menos se comporta en forma análoga a esa realidad (maquetas, prototipos, modelos analógicos, etc.).
Ø Analíticos: La
realidad se representa por fórmulas matemáticas. Estudiar el sistema consiste en operar con esas fórmulas
matemáticas (resolución de ecuaciones).
Ø Numéricos: Se
tiene el comportamiento numérico de las variables intervinientes. No
se obtiene ninguna solución analítica.
Ø Continuos: Representan
sistemas cuyos cambios de estado son graduales. Las
variables intervinientes son continuas.
Ø Discretos: Representan
sistemas cuyos cambios de estado son de a saltos. Las
variables Varian en forma discontinua.
Ø Determinísticos:
Son modelos cuya solución para determinadas condiciones es única y siempre la
misma.
Ø Estocásticos:
Representan sistemas donde los hechos suceden al azar, lo cual no es
repetitivo. No se puede asegurar cuáles acciones ocurren en un determinado
instante. Se conoce la probabilidad de ocurrencia y su distribución
probabilística. (Por ejemplo, llega una persona cada 20 ± 10 segundos, con una
distribución equiprobable dentro del intervalo).Es interesante destacar que
algunas veces los modelos y los sistemas no pertenecen al mismo tipo.