User:Jorge Revilla Loayza

Título: Novum Scientia

Tema: Simulación de Sistemas

Inicialmente la Simulación empezó, con el uso de ecuaciones lineales y sistemas de ecuaciones diferenciales, que habían sido las herramientas más utilizadas para diseñar Modelos de sistemas en estudio. Muchas de estas soluciones, consistían en convertir los problemas reales a sistemas lineales, siendo el álgebra vectorial, como el cálculo matricial, y la teoría de autovalores, los más utilizados en aquella época. Y ahora, tenemos al análisis funcional y la teoría general de operadores, las herramientas más útiles que se han mostrado eficaces en el estudio de las ciencias en general, así como, en la Ingeniería y la manufactura, la física, ingeniería economía, biología, sociología, entre otras disciplinas; Con ciertas condiciones de simplificación. Donde, nos permite virtualmente evaluar con facilidad y cierto grado de precisión un experimento e implementarlo hasta lograr su optimización. Facilitándonos la comparación de varias operaciones alternadas, sin perturbar el Sistema en Tiempo Real en estudio. Además, nos da la visión {proyección} de entender el concepto de un suceso con una mejor comprensión del tiempo en la realización de un evento, o también suele ser de gran ayuda en la toma decisiones oportunas (antes de, y no, después de.)

Pero en pleno siglo XX, este impresionante arsenal matemático, era la base de toda la ciencia clásica en todas las disciplinas, y luego después, empezó a mostrar su insuficiencia práctica ante dos circunstancias que afectan al estudio de la Simulación de Sistemas, estas eran la Incertidumbre y la Imprecisión. Por primera vez, se habían dado solución a muchos problemas de optimización, además, su correcta aplicación estaba sujeta a fuertes restricciones teóricas y prácticas. Como el Cálculo de Probabilidades y la Estadística con sus diversas ramas, tal como la Teoría de la Estimación y los Procesos Aleatorios, los modelos de Previsión, el Análisis Multi-variante, etc.

Ahora, ha surgido una ineficiencia con todas estas técnicas en la solución de problemas, al hacerse cada vez de mayor complejidad, tales como, el estudio de simulación a sistemas abiertos, esto ha hecho, que la formalización matemática clásica sea insuficiente. Dando así, la simulación un giro, para echar mano a nuevas técnicas y artificios, como la caja negra, procedente de la teoría de regulación automática o computacional y robótica, la topología de redes, los algoritmos y sus estructuras de programación, así también, las técnicas de la matemática discreta, la programación matemática lineal, cuadrática, dinámica y así, todas aquellas técnicas que conforman la Investigación de Operaciones orientado a los problemas de transporte, secuenciación óptima de actividades y tareas, la teoría de la decisión y de los juegos, etc.

Es obvio señalar, que el uso de estas herramientas se ha visto potenciado con el uso generalizado de la computadora. El computador ha permitido también el tratamiento de problemas para los que la formalización matemática del sistema, tanto en sus elementos deterministas como en los aleatorios, sea muy difícil o imposible. Esta dificultad, se ha reducido en gran medida gracias al uso cada vez más general de las llamadas técnicas de simulación, las cuales permiten el modelado y estudio de muchos sistemas de estructura compleja, obteniendo soluciones numéricas aproximadas.

A pesar de su utilidad, la simulación no puede considerarse como una panacea capaz de resolver todo tipo de situaciones, aún contando con la ayuda de los lenguajes especializados para la simulación, o de avances que han representado los entornos de software específico para simulación, con simuladores visuales, etc. La realización de un estudio de simulación, puede significar un esfuerzo grande y un consumo de recursos tanto humano como económico no despreciable en cualquiera de sus fases, tales como: La definición del problema, recogiendo información, construcción del modelo y programación del mismo, realización de los experimentos de simulación en computador, haciendo corridas impresas, etc. Los Sistemas complejos pueden conducir a extensos programas y complicados, que requieran cantidades importantes de recursos computacionales.