domingo, 3 de junio de 2012


RESUMEN PAPER

 “CONCEPTUAL MODELING FOR SIMULATION: ISSUE AND RESEARCH REQUIREMENTS”

Autor: Stewart Robinson


Presentado Por: Jorge Andrés Prada.

 Presentado A: Profesor Cesar Aceros



Modelado conceptual para la simulación: problemas y requerimientos de investigación

El modelado conceptual es la abstracción de un modelo de un sistema real o propuesto. Este proceso de abstracción implica un cierto nivel de simplificación de la realidad, el modelado conceptual efectivo requiere que la abstracción sea una simplificación adecuada, el modelado conceptual es, probablemente, el aspecto más importante en el proceso de elaboración y de utilización de modelos de simulación. El diseño del modelo impacta en todos los aspectos de un estudio de simulación, en particular, los requisitos de los datos, la velocidad con que puede ser el modelo desarrollado, la validez del modelo, la velocidad de la experimentación y la confianza que se coloca en los resultados del modelo.

Un modelo bien diseñado mejora significativamente la probabilidad de un resultado exitoso de un estudio de simulación. Aunque el modelado conceptual eficaz es vital, es también la etapa más difícil y menos comprendida en el proceso de modelado de procesos. Hay pocos libros escritos sobre el tema. Es difícil encontrar un libro que dedica más de un puñado de páginas para el diseño del modelo conceptual.

Aquí se pretende esbozar las cuestiones clave en el modelo conceptual para la simulación. El objetivo es identificar los problemas y en la medida en que han sido abordados, una agenda de investigación para el modelado conceptual podría surgir. Los temas a discutir son la definición del modelo conceptual, los requisitos del modelo conceptual, cómo desarrollar un modelo conceptual, la representación del modelo conceptual y comunicación, la validación del modelo conceptual, la enseñanza del modelado conceptual y otros temas en el modelado conceptual.

La noción de modelado conceptual es vaga y está mal definida, con diferentes interpretaciones en cuanto a su significado. Balci en 1994 describe tres partes de un estudio de simulación bajo un número de procesos como son la formulación del problema, la investigación de técnicas de solución, la investigación del sistema, la formulación del modelo, y la representación del modelo y la programación.

Nance en el año 1994 separa las ideas del modelo conceptual y el modelo comunicativo. El modelo conceptual existe en la mente de un modelador, el modelo comunicativo es una representación explícita del modelo conceptual. También especifica que el modelo conceptual es independiente del modelo de ejecución.  El principal debate sobre el modelado conceptual y su definición se ha llevado a cabo entre los modeladores de simulación militar. El modelo conceptual es en gran medida independiente del diseño de software y las decisiones de implementación. Pace, en el año 2000  identifica la información proporcionada por un modelo conceptual como un conjunto de supuestos, algoritmos, características, relaciones y datos. Un modelo de dominio orientado que proporciona una detallada representación del dominio del problema y un modelo de diseño orientado describe en detalle los requisitos del modelo y se utiliza para diseñar el código del modelo.

En resumen, algunas de las principales facetas del modelado conceptual y la definición de un modelo conceptual, son el modelado conceptual que se trata de pasar de una situación problemática, a través de los requisitos del modelo a una definición de lo que va a ser modelado y como va a serlo. El modelo conceptual es iterativo y repetitivo, con el modelo que se revisa continuamente a lo largo de un estudio de modelación, el modelo conceptual es una representación simplificada del sistema real, el modelo conceptual es independiente del modelo de código o software, mientras que el diseño del modelo incluye tanto el modelo conceptual y el diseño del código, la perspectiva del cliente y la del modelador son ambas importantes en el modelado conceptual. Se concluye que el modelo más simple no es siempre lo mejor, porque los modelos tienen que ser capaces de evolucionar así como los requisitos cambian. El modelo más simple no siempre es el más fácil para embellecer. Davies y colegas en el año 2003 señalan que los modelos más simples requieren suposiciones más amplias acerca de cómo un sistema funciona y que existe un peligro en la fijación de los límites del sistema demasiado estrechos en el caso de que una faceta importante sea olvidada.

En la búsqueda de asesoramiento de los modeladores de simulación y de los investigadores operacionales sobre cómo desarrollar modelos, tres enfoques básicos se encuentran: los principios de modelado, los métodos de simplificación y  los marcos de modelado. Proporcionar un conjunto de principios guías para el modelado es un enfoque para asesorar a los modeladores de simulación sobre cómo desarrollar modelos (conceptuales).

La simplificación consiste en eliminar el alcance y detallar desde un modelo o los componentes de representación más simples, mientras que se mantiene un nivel suficiente de precisión. Hay un buen número de debates sobre la simplificación, tanto en la simulación y en el contexto más amplio de modelado. Morris en 1967 identifica algunos de los métodos para los modelos de simplificación como la de hacer variables en constantes, eliminando las variables, utilizando las relaciones lineales, el fortalecimiento de las suposiciones y las restricciones, y la reducción de la aleatoriedad. Para los modelos de simulación, Zeigler en 1976 ha sugerido cuatro métodos de simplificación como quitar los componentes sin importancia del modelo, usar variables aleatorias que representen las partes del modelo, y el engrosamiento de la gama de variables en el modelo, y la agrupación de los componentes del modelo.

En total se cree que la investigación en el modelado conceptual puede proporcionar beneficios tanto para los principiantes como los expertos modeladores de simulación. Los modeladores principiantes pueden obtener beneficios sustanciales como la obtención de habilidades de modelado más rápidas, por lo tanto evitan algunos errores de modelado. Los expertos se beneficiarían de tener un proceso más formal para la orientación de su modelo, dependiendo menos de la intuición esperanzada y más en una práctica guiada.
RESUMEN PAPER

“TOWARD A STANDARD PROCESS: THE USE OF UML FOR DESIGNING SIMULATION MODELS”
Autores: Hendrik Richter; Lothar Marz.

Presentado Por: Jorge Andrés Prada.

Presentado A: Profesor Cesar Aceros

HACIA UN PROCESO ESTANDAR: EL USO DE UML PARA EL DISEÑO DE MODELOS DE SIMULACION

 La Simulación de eventos discretos se utiliza con frecuencia para evaluar y optimizar los procesos de producción. En ocasiones, estas simulaciones pueden ser realizadas por los programas estándar utilizando una caja de herramientas paradigma. Si, por otro lado, un escenario más complejo está para ser descrito que ciertas cajas de herramientas no son lo potentemente suficientes,  uno tiene que confiar en los programas de simulación con arquitectura abierta. Por lo tanto, los más complejos proyectos de simulación deben ser considerados esencialmente como una tarea de ingeniería de  software.

Recientemente, un nuevo enfoque de la ingeniería de software ha sido desarrollado y establecido, el llamado "proceso unificado" y sus principales características son un proceso iterativo y de desarrollo incremental en lugar de un ciclo de vida en cascada, la promoción de un componente basado en la arquitectura, y el uso de un lenguaje de modelación gráfico, el Lenguaje de Modelado Unificado (UML). Por esto, tratamos de adoptar este enfoque para especificar los modelos de simulación. Mediante el uso de UML, todas las características esenciales de la estructura y las dinámicas del modelo de simulación que se construirá pueden ser descritas. Por lo tanto, antes de que la implementación empiece, los requisitos sobre el modelo de simulación pueden ser formulados fácilmente. Además, los usuarios, así como también los desarrolladores obtienen una especificación y una documentación paralela al proceso de construcción del modelo de simulación. El diseño y la construcción de un modelo de simulación se asocian a menudo con la ingeniería de software.

El desarrollo de software procede  de la planificación y el análisis a través del diseño, la implementación y evaluación. Mientras tanto, el UML es un estándar industrial para el análisis orientado a objetos y el desarrollo de software. Es un modelo principalmente gráfico del objeto en estudio para el cual una solución de software se va a desarrollar. A través de UML se obtiene, para el desarrollo del proceso integral, una descripción de los requisitos y las características de rendimiento del modelo de simulación en cuanto a su estructura y dinámica. A tal fin, los diferentes tipos de diagramas UML pueden ser empleados. Así, las interacciones al usuario (a través del uso de casos), la estructura (a través de diagramas de clases), así como la dinámica (A través de diagramas de interacción y diagramas de estado) de un modelo de simulación puede ser descrito en una manera comprensible. Además, por diagramas UML obtenemos requisitos detallados en un modelo de simulación. Así, el usuario, así como también el desarrollador tienen un lenguaje común para la comunicación. El UML puede servir no sólo como un puente entre usuarios y desarrolladores, sino también entre la especificación y el código.

Esto es particularmente útil en proyectos de simulación grandes, en donde el éxito depende en gran medida en la búsqueda de bases comunes para todos los participantes. Describiendo los modelos de simulación, como con el software en general, se requiere para permitir diferentes puntos de vista. Muy crucial para el entendimiento es la interacción con los usuarios, la estructura estática, y el comportamiento dinámico. Se ha demostrado que cierta documentación basada en UML es más correcta que el comentario sobre el código solo.

Al utilizar el lenguaje de modelado UML, la documentación se construye en paralelo al proceso de desarrollo. Además, como una documentación de los principios que subyacen en el modelo de simulación permite la construcción de componentes reutilizables. Se puede observar que la metodología propuesta tiene un número de ventajas, como en particular el establecimiento de una norma general para el modelado y documentación de modelos de simulación al igual que la independencia del software de simulación utilizado, es decir, la forma en que el modelo está codificado, también la definición de una metodología para el desarrollo de la simulación de modelos mediante el uso de modelamiento orientado a objetos y la documentación, además la visualización de conceptos, estructuras y dinámicas de un modelo de simulación a través de UML y la identificación de componentes reutilizables en los modelos de simulación, así como también la construcción de un marco para la gestión de proyectos para estudios de simulación.

La documentación del algoritmo se realiza en el lenguaje de modelado UML utilizando el paquete de software Rational Rose. En general, hay dos tipos de clases: Las clases de gestión y las clases de funciones. El trabajo de clases de gestión es coordinar y llamar a las clases de funciones. Se programarán los pasos del algoritmo y determinara a qué clase de función es llamada. Las clases de funciones realizan tareas diferentes, por ejemplo, el cálculo de la aptitud o hacer la recombinación.
En el curso de la construcción de un modelo de simulación, la arquitectura básica debe ser diseñada en estructura y dinámica en un primer momento. Entonces, el modelo puede ser construido en detalle, siguiendo un proceso iterativo. Por último, se debe mencionar que, para cada clase, atributo u operación, una documentación separada, puede ser insertada la cual puede ser como detallada como los comentarios sobre el código.

LABORATORIO No.5 DE SIMULACION

Presentado Por: Jorge Andrés Prada.

Presentado A: Profesor Cesar Aceros

LABORATORIO No.5:
 

“Identificando el Modelo Conceptual del paper: web based optimal route selection and simulation for Urban Traffic Congestion”
 

OBJETIVO GENERAL:


Identificar los elementos de modelamiento conceptual de un documento para una simulación.



PROCEDIMIENTO:

1) Baje el archivo (link) del paper de Jayashree Surendrababu y colaboradores.

2) Usando los elementos revisados en la clase del lunes. Identifique los componentes del modelamiento conceptual de la simulación propuesta.

3) Consigne su trabajo en el blog.
 

DESARROLLO

Se descargó el paper y se realizó la identificación de los elementos de modelamiento conceptual:
 

1. Objetivo.

La solución de ruta óptima y congestión de tráfico urbano  basada en la web busca mejorar la seguridad vial, reducir el nivel de contaminación y  ahorrar tiempo a los usuarios.
 

2. Entradas.
 

§  Mediciones de niveles de congestión de tráfico mediante captura por video con un circuito cerrado de televisión, se analiza detección de movimiento y conteo de vehículos.

§  Ubicación actual y el destino deseado que se reciben del usuario y la investigación que se inicia en el nodo vecino con la distancia más corta.


§  Los factores que influyen  en la decisión de tráfico óptimo como la densidad del tráfico, la presencia de accidentes, la construcción, las reuniones políticas y las ocasiones especiales, el tiempo mínimo de viaje, la velocidad promedio, la longitud de la carretera, las inundaciones.


3. Resultados.
 

§  Proporciona al usuario la ruta óptima (la ruta más corta con la menor densidad de tráfico), la densidad del tráfico simulado para el futuro.

§  El sistema proporciona las decisiones de control de tráfico basados ​​en las características de tráfico y la densidad de tráfico.


§  Una interfaz gráfica para el usuario final desarrollada. Esta interfaz gráfica también muestra la densidad de tráfico entre dos zonas futurísticas.


4. Contenido.

§  El sistema de monitoreo de tráfico consta de cinco partes. Las cuales son: la detección de movimiento, la filtración, el etiquetado, el rastreo, y el conteo de vehículos.

§  El sistema de Información Geográfica (SIG) es utilizado para almacenar, mantener y analizar los datos de transporte y tráfico.

§  El portal basado en la red consiste de seguir los procesos de selección de ruta óptima. Se inicia con la búsqueda de la densidad del tránsito entre los dos lugares. Entonces, la ruta más corta entre dos puntos dados se encuentra por el análisis de redes.

§  El etiquetado, el rastreo, el monitoreo de tráfico, y el cálculo de la densidad de tráfico son otros algoritmos para el monitoreo de tráfico.

5. Suposiciones.

§  La simulación está basada en “Seguir al líder”, se fundamenta en que conductor aumenta o disminuye su velocidad de acuerdo a la distancia y velocidad del vehículo que se encuentre delante, con el fin de mantener la distancia reglamentaria y evitar colisiones con el vehículo que se encuentra siguiendo.

§  Para la detección, se supone que los cambios en  los píxeles reflejan el movimiento si la diferencia o cambio de su valor excede un umbral pre-establecido.



6. Simplificaciones.

§  Las simplificaciones obedecen a estimaciones de la densidad de tráfico realizadas con Matlab.


Selección de ruta óptima basada en la red y simulación de la congestión del tránsito urbano.

La solución basada en la red ayuda a mejorar la seguridad vial, reducir el nivel de contaminación y  ahorrar tiempo. El sistema de Información Geográfica (SIG) es utilizado para almacenar, mantener y analizar los datos de transporte y tráfico. El portal basado en la red consiste de seguir los procesos de selección de ruta óptima. Se inicia con la búsqueda de la densidad del tránsito entre los dos lugares. Entonces, la ruta más corta entre dos puntos dados se encuentra por el análisis de redes. El sistema proporciona las decisiones de control de tráfico basados ​​en las características de tráfico y la densidad de tráfico. Los factores que influyen  en la decisión de tráfico óptimo es la densidad del tráfico, la presencia de accidentes, la construcción, las reuniones políticas y las ocasiones especiales, el tiempo mínimo de viaje, la velocidad promedio, la longitud de la carretera, las inundaciones y demás. El algoritmo del camino más corto tiene las siguientes medidas, la primera es la ubicación actual y el destino deseado que se reciben del usuario y la investigación que se inicia en el nodo vecino con la distancia más corta.

Para la implementación de aplicaciones de bases de datos SIG en Internet, la arquitectura de tres capas es utilizada. Esta arquitectura utiliza la plataforma-independiente  Java applet como el frontal para el cliente. El applet de Java se puede ejecutar en cualquier navegador web habilitado para Java, sin importar el sistema operativo utilizado. El lado del cliente es un mapa interactivo applet. El servidor proporciona al usuario la ruta óptima, la densidad del tráfico simulado para el futuro. La información se obtiene de la base de datos SIG.

La técnica de visión por computador se aplica a las imágenes en la escena de tráfico para medir el nivel de la congestión del tráfico de la carretera en la escena. Esta información ayuda a los viajeros a planificar la ruta para evitar el tráfico. Hay dos pasos en el seguimiento del tráfico como son la detección de vehículos en el video, analizarlo marco por marco y la búsqueda de la densidad del tráfico. Para el control de la señal y el manejo del tráfico efectivo, la estimación de la densidad de tráfico es esencial. La densidad de tráfico se calcula de forma automática usando Matlab Simulink. La sustracción de fondo adaptiva y el filtro de Kalman se utilizan para detectar y rastrear vehículos o la carretera. El sistema de monitoreo de tráfico consta de cinco partes. Las cuales son: la detección de movimiento, la filtración, el etiquetado, el rastreo, y el conteo de vehículos

El sistema de monitoreo de tráfico incluye la adquisición de vídeo que consiste de una cámara CCTV de interfaz apropiada para conectarla al procesador, y el procesador que consiste de un computador, así como también el análisis de video, ya que algunas de las herramientas son utilizadas para analizar el vídeo capturado y sacar conclusiones. Esta se utiliza para contar el número de objetos en movimiento en el vídeo. Matlab ofrece una plataforma fácil de manejar los vídeos.

El Algoritmo para el seguimiento del tráfico comprende la detección de movimiento que se realiza mediante el método de diferencia adaptativa, que es la detección de cambio, basado en la resta de una imagen de fondo. El modelo de fondo se crea mediante un modelado de mezcla de Gauss. Desde que el fondo varía con el cambio en las condiciones de iluminación, el fondo tiene que ser actualizado. La varianza del nuevo píxel con el píxel en el modelo de fondo ayuda a encontrar si el objeto pertenece a primer o segundo plano. El valor de color de cada pixel se compara con el modelo de fondo. Entonces los objetos en el primer plano se detectan y son etiquetados con el análisis de componentes conectados.

El etiquetado, el rastreo, el monitoreo de tráfico, y el cálculo de la densidad de tráfico son otros algoritmos para el monitoreo de tráfico.

Por lo tanto, para crear una aplicación SIG completa, JDBC proporciona la capacidad de acceder, modificar y visualizar la información tabular, según sea necesario. Para que Internet, permita una aplicación SIG, JDBC proporciona la capacidad de acceder a una base de datos en un servidor y mostrar los resultados en el cliente.
JDBC utiliza cuatro tipos de controladores para conectarse a las bases de datos, como son el controlador de tipo 1, 2, 3 y 4. Por lo tanto la densidad del tráfico entre los dos lugares de interés a través de las tres carreteras se había encontrado con Matlab-Simulink. Usando ArcGIS, la ruta más corta con la menor densidad de tráfico se había calculado y había sido facilitada para ser mostrado como un mapa de salida. Una interfaz gráfica para el usuario final ha sido desarrollada para la misma .Nuestra interfaz gráfica también muestra la densidad de tráfico entre dos zonas futurísticas. Hemos hallado por lo tanto que este sistema puede ser implementado en toda la ciudad, así como la forma en que se había hecho ya en Canadá y los Estados Unidos. Esto evita la obstrucción del tráfico en las carreteras. Habíamos encontrado también que este sistema es más ventajoso que el uso de GPS para calcular la densidad de tráfico, por el elevado coste del GPS y la dificultad práctica en la instalación de GPS en todos los vehículos.

RESUMEN PAPER

HOW TO BUILD VALID AND CREDIBLE SIMULATION MODELS

Autores: Averill M. Law; Michael G. McComas.
 

Presentado Por: Jorge Andrés Prada.
Presentado A: Profesor Cesar Aceros


CÓMO CONSTRUIR MODELOS DE SIMULACION VALIDOS Y CREIBLES.

El uso de un modelo de simulación es un sustituto para la experimentación con el sistema actual (existente o propuesto), que es por lo general perjudicial, no rentable, o simplemente imposible. Por lo tanto, si el modelo no es cercano a la aproximación al sistema actual, las conclusiones derivadas del modelo son probablemente erróneas y puede resultar en decisiones costosas.

La validación debe y se puede hacer para todos los modelos, independientemente de si el sistema correspondiente existe en alguna forma o si se construirá en el futuro. Damos ahora las definiciones de la validación y la credibilidad. La validación es el proceso de determinar si un modelo de simulación es una representación exacta del sistema, para los objetivos específicos del estudio. Las siguientes son algunas perspectivas generales sobre la validación, como es conceptualmente, si un modelo de simulación es "válido" entonces, este puede ser utilizado para tomar decisiones sobre el sistema similar a los que se haría si fueran viables y rentables para experimentar con el sistema mismo, además la facilidad o dificultad del proceso de validación depende en la complejidad del sistema que se modela y de si una versión del sistema actualmente existe, por otra parte un modelo de simulación de un sistema complejo sólo puede ser una aproximación al sistema actual, no importa cuánto tiempo y dinero se gasta en la creación del modelo. No hay tal cosa como la absoluta validez del modelo, tampoco es deseada. En efecto, un modelo se supone que es una abstracción y la simplificación de la realidad. Cuanto más tiempo (y dinero) que se gasta en el desarrollo del modelo, el modelo más válido debería ser general. Sin embargo, el modelo más válido no es necesariamente el más rentable. Por ejemplo, aumentando la validez de un modelo más allá de un cierto nivel podría ser bastante caro, ya que la recolección de datos extensos puede ser requerida, pero no podría dar lugar a mejores percepciones o decisiones. Un modelo de simulación siempre debe ser desarrollado para un conjunto particular de los objetivos. De hecho, un modelo que es válido para un objetivo no puede serlo para otro, y la validación no es algo que deba ser intentada después de que el modelo de simulación ya se ha desarrollado, y sólo si hay tiempo y dinero .Por desgracia, nuestra experiencia indica que esta recomendación no es seguida a menudo.

Un modelo de simulación y sus resultados tienen credibilidad si la toma de decisiones y el otro personal clave del proyecto las acepta como "correcto". Tenga en cuenta que un modelo creíble, no es necesariamente válido, y viceversa. Los siguientes factores ayudan a establecer la credibilidad de un modelo como son el entendimiento y el acuerdo de quien toma las decisiones, con las suposiciones del modelo, la demostración de que el modelo ha sido validado y verificado (es decir, que el modelo de programa de computador se ha depurado) y la toma de decisiones del dueño y su inclusión en el proyecto, y la reputación de los desarrolladores del modelo.

Las directrices para la obtención de un modelo de datos nos informan que un modelo sólo es válido para una aplicación en particular si su lógica es correcta y si utiliza los datos apropiados. Aquí ofrecemos algunas sugerencias sobre cómo obtener unos buenos datos del modelo, por ejemplo si un sistema similar al de  interés existe, entonces los datos se deben obtener de éste para su uso en la construcción del modelo. Estos datos pueden estar disponibles a partir de registros históricos o tienen que ser recogidos durante el tiempo de estudio. Dado que las personas que proporcionan los datos pueden ser diferentes de los analistas de la simulación, es importante que los dos principios siguientes se tengan en cuenta, como son que los analistas deben asegurarse de que los requerimientos de los datos (tipo, formato, cantidad, etc.) sean especificados con precisión a las personas que proporcionan los datos y que los analistas necesiten entender el proceso que produjo los datos, en lugar de tratar a las observaciones sólo como números abstractos.

Todos los modelos de simulación necesitan ser validados o cualquier otra decisión hecha con el modelo puede ser errónea. Las siguientes son las ideas que creemos que son los más importantes para el desarrollo de un modelo válido y creíble como son el formular el problema con precisión y entrevistar a expertos idóneos en la materia al igual que interactuar con el que toma las decisiones de forma regular  en todo el proyecto de simulación para asegurar que el problema se resuelve correctamente y para fomentar la credibilidad del modelo así como también el desarrollo de un modelo conceptual por escrito y la realización de un programa estructurado a pie-a través del modelo conceptual - de un sistema inexistente, este puede ser el factor más importante de la técnica de validación y la realización de análisis de sensibilidad para determinar los factores de modelo importantes y también comparar el modelo y los resultados del sistema de un sistema existente (si existe) - esto es, en general, la técnica de validación definitiva más disponible al igual que revisar los resultados del modelo y animaciones para ver si ellas parecen razonables.

Muchas de las ideas anteriores parecen ser de sentido común. Sin embargo, nuestra experiencia indica que no se aplican a menudo.

A continuación se muestra un método de siete pasos para lograr una simulación exitosa.
 

1.            Formular el Problema.

2.            Recolectar Información y construir el Modelo Conceptual.

3.            Validar el Modelo Conceptual.

4.            Programar el Modelo Conceptual.

5.            Validar el modelo programado.

6.            Diseñar, Realizar y Analizar los Experimentos Simulados.

7.            Documentar y presentar resultados.
 

A continuación se muestra un listado de actividades importantes para desarrollar modelos validos y creíbles.


1. Formular de manera precisa el problema.

2. Entrevistar a expertos de la materia o tema.

3. Interactuar sobre los fundamentos con quien toma las decisiones.

4. Usar técnicas cuantitativas para validar los componentes que conforman el modelo.

5. Documentar el Modelo Conceptual.

6. Realizar un acompañamiento estructurado del Modelo Conceptual.

7. Realizar un Análisis de sensibilidad para determinar los factores más relevantes del modelo.

8. Validar los resultados del modelo de simulación general.

9. Usar gráficas y animaciones de los datos resultantes de las simulaciones cuando sea posible.

10. Usar herramientas estadísticas para comparar los resultados del modelo con lo que se desea modelar.

LABORATORIO No.4 DE SIMULACION

 Presentado Por: Jorge Andrés Prada.

Presentado A: Profesor Cesar Aceros



LABORATORIO No.4:

“SIMULACION  DEL ASCENSOR”



OBJETIVO GENERAL:

Entender las partes que involucran una simulación y los alcances de la misma.


PROCEDIMIENTO:

1) Baje el archivo (link) que fue obtenido de Matlab Central (link).
2) Escriba las limitaciones que tiene el modelo.
3) Reescriba el código con una versión mejorada que incorpore menos restricciones de las del modelo original. Pero que incluya el siguiente factor para ser observado.
"Considere que la potencia consumida por cambiar un piso es 20 Watts/h y contabilice los costos de energía del elevador."
4) Analice resultados y consígnelos en su blog.

DESARROLLO


1  1. RTA.  Se descargó la simulación del ascensor y se ejecutó en matlab como se muestra en la figura siguiente.

 Figura1. Simulación Ascensor Original.


2.    RTA. Las limitaciones encontradas en el modelo del ascensor corresponden a:
§  El elevador siempre solo lleva las personas de abajo hacia arriba, no lleva personas de arriba hacia abajo. Cuando llega al piso deseado deja las personas y regresa al primer piso.
§  No es posible seleccionar el número de pasajeros deseado que suben y bajan del elevador.
§  Solo realiza una sola parada en cada ascenso.
§  No posee restricción de peso en el elevador.


3.    RTA. Se realizó la modificación del modelo del elevador, donde se eliminaron algunas restricciones,  se incluyó el factor de cálculo de la potencia consumida por cambio de piso de 20 Watts/h y se contabilizaron los costos de energía del elevador. Un video del modelo mejorado del ascensor se muestra en el siguiente link.

    
     


     El elevador mejorado realiza hasta tres paradas por subida.


4.    RTA.  El modelo del elevador permite dimensionar la potencialidad de las herramientas de simulación para representar la realidad y estudiar su comportamiento.
Representar la realidad en un 100% mediante herramientas de simulación es una tarea compleja por no decir imposible, por tal motivo en el desarrollo del modelo de simulación es necesario hacer ciertas simplificaciones que viabilicen el modelamiento de la realidad y hacer énfasis con mayor detalle en las características más relevantes que son el objeto de estudio.

La simulación permite identificar aspectos críticos que a simple vista no es posible evidenciarlo, en algunos casos la simulación permite corroborar comportamientos que se deducen de la teoría.

domingo, 8 de abril de 2012


LABORATORIO No.3 DE SIMULACION

Presentado Por: Jorge Andrés Prada.

Presentado A: Profesor Cesar Aceros

APLICACIÓN DE SIMULACION DE ESTADOS

El laboratorio No.3 busca aplicar la simulación de estados al encendido de cuatro (4) lámparas en forma secuencial, cada una de las lámparas enciende y apaga con un periodo T = 4s. El flanco de apagado de cada lámpara activa el flanco de encendido de la siguiente lámpara, de tal forma que cada lámpara tiene un tiempo de encendido de Te=1s.

La simulación se realizó utilizando StateFlow de Matlab, donde las lámparas se representaron con las letras L1, L2, L3 y L4. La simulación consta de 5 estados, un estado inicial denominado “Iniciar” el cual permite arrancar el ciclo de trabajo de las lámparas, los estados restantes se denominaron Estado1, Estado2, Estado3 y Estado4, en los cuales se realiza el encendido de las lámparas L1, L2, L3 y L4 respectivamente.          

Se configuraron dos (2) entradas y cuatro (4) salidas: una entrada local de retardo denominada “retardo”, una entrada de reloj denominada (CLK) y cuatro salidas correspondientes al encendido de cada lámpara tal y como se indicó anteriormente L1, L2, L3 y L4.

A continuación se presenta el diagrama general de la máquina de estados para el encendido secuencial de las cuatro lámparas, ver Fig.1




Fig.1.Diagrama General Maquina de Estados del encendido secuencial de 4 lámparas.


La programación del bloque de la carta de estado se realizó utilizando el siguiente código en stateflow de Matlab:
 

Estado: Iniciar

             exit:retardo=1;                                                                            

Estado: Estado1

             entry:L1=5;L2=0;L3=0;L4=0;

             exit: L1=5;L2=0;L3=0;L4=0;

Estado: Estado2

             entry:L1=0;L2=5;L3=0;L4=0;

             exit: L1=0;L2=5;L3=0;L4=0;

Estado: Estado3

             entry:L1=0;L2=0;L3=5;L4=0;

             exit: L1=0;L2=0;L3=5;L4=0;

Estado: Estado4 (Vuelve a Estado1)

             entry:L1=0;L2=0;L3=0;L4=5;

             exit: L1=0;L2=0;L3=0;L4=5;

La figura 2 muestra la interfaz de configuración de la simulación del encendido secuencial de las cuatro (4) lámparas en stateflow.


Fig.2.Diagrama Interno de la Carta de Estados del encendido secuencial de 4 lámparas.

La figura 3 muestra el comportamiento de las cuatro lámparas, las cuales encienden en forma secuencial con periodo de T=4s, en una simulación de 20 segundos.

Fig.3.Visualización del encendido secuencial de 4 lámparas.
Se presenta el video de la simulación con un vínculo en www.youtube.com: