Los modelos de simulación representan procesos o sistemas reales a lo largo del tiempo. Sirven para investigar su comportamiento, predecir su impacto o guiar el diseño de sistemas complejos.

En el actual contexto tecnológico con recursos de computación escalables y accesibles como servicio (SaaS, IaaS, PaaS…), big data y la democratización de tecnologías como la IA y el 5G, unido a la necesidad de las organizaciones de eficientar sus operaciones minimizando costes, los modelos de simulación son mayoritariamente digitales.
En la Licenciatura en Ingeniería en Sistemas Computacionales de UNIR México se estudian en profundidad los modelos de simulación desde su definición, desarrollo y utilización. Después, una Maestría en Big Data se convierte en una de las mejores opciones de titulación para especializarte en este área.
¿Qué son los modelos de simulación?
Para definir lo que es un modelo de simulación hay que empezar por dar respuesta a la siguiente pregunta: ¿Qué es una simulación? Se trata de una reproducción en el tiempo de un proceso o sistema real.
Actualmente, en la mayoría de casos, una simulación requiere de técnicas y tecnologías de computación para crear una historia digital afectada por distintas hipótesis con tal de poder obtener conclusiones sobre sus características y funcionamiento.
Los modelos de simulación son un conjunto de hipótesis sobre el funcionamiento del comportamiento del objeto de una simulación. Un modelo, una vez desarrollado, se puede utilizar para:
- Investigar el comportamiento del proceso o sistema en distintas situaciones, lo que se conoce como análisis qué pasaría si.
- Analizar cómo impactan en el mundo real los cambios, antes de que se produzcan, en el proceso o sistema, es decir: predecir su impacto en la realidad.
- Guiar una construcción en el diseño de un proceso o sistema complejo.
Hoy en día, los modelos de simulación están presentes en muchas organizaciones de distintos sectores productivos y son uno de los fundamentos tecnológicos del gemelo digital.
La simulación digital y su evolución, el gemelo digital, se están utilizando en la mayoría de los sectores, pero más ampliamente en fabricación, medicina, transporte y defensa.
Tipos de modelos de simulación
Cuando se quiere construir un modelo de simulación se deben decidir cuáles son las características definitorias de ese modelo o, lo que es lo mismo, las más adecuadas para el proceso o sistema a simular y que definen el tipo de modelo a construir. Así, entre lo tipos de modelos de simulación se diferencian:
- Determinista o estocástico: hace referencia a si su comportamiento es predecible o no.
- Determinista: para un conjunto acotado y definido de entradas, el modelo dará como resultado un conjunto único de salidas.
- Estocástico: para entradas aleatorias, el modelo ofrecerá salidas aleatorias.
- Sistema estático o sistema dinámico: hace referencia al tiempo de la simulación.
- Estático: reproducen el proceso o sistema en un momento determinado.
- Dinámico: reproducen el proceso o sistema evolucionando a lo largo del tiempo.
- Discreto o continuo: hace referencia a los momentos temporales considerados en los modelos dinámicos.
- Discreto: las variables de entrada y de salida del modelo cambian en un conjunto de momentos en el tiempo (muestras).
- Continuo: las variables cambian ininterrumpidamente en el tiempo.
Aplicaciones y ejemplos de modelos de simulación
Las principales aplicaciones de los modelos de simulación son el análisis predictivo y la toma de decisiones basada en datos. Estos modelos son la única manera de resolver problemas complejos del mundo real en campos como la biología, la física, la economía, la medicina, etc. Además, el análisis de datos es clave en el campo laboral de la carrera de matemáticas.
Los profesionistas que quieran dedicarse al análisis de datos deben conocer estos cuatro modelos de simulación:
- Método Montecarlo: es una técnica matemática que se utiliza para estimar los resultados posibles de un suceso incierto.
- Modelado basado en agentes: se utiliza para simular sistemas complejos y dinámicos. Un agente es una pieza de software capaz de analizar su entorno, procesar la información y actuar sobre él.
- Simulación de eventos discretos: aquellos en los que las variables que definen su estado en cada momento cambian únicamente en un conjunto discreto de instantes de tiempo (muestras). Esto facilita su implementación en un programa informático.
- Modelado dinámico de sistemas: modelos de simulación de sistemas que varían con el tiempo. Se caracterizan por variables que determinan el estado del sistema en cada instante y un conjunto de reglas que establecen cuál será el siguiente estado del sistema.
Estos modelos de simulación posibilitan videojuegos, técnicas de síntesis visual y de audio, algoritmos de aprendizaje automático, sistemas de control, etc. Las simulaciones pueden probar sistemas virtualmente antes de que una organización se comprometa con una decisión o un diseño.
En el Cimav (Centro de Investigación en Materiales Avanzados) existe un laboratorio virtual que funciona como herramienta tecnológica en el trabajo académico. Por cuestiones económicas, de tiempo y prácticas, las tendencias mundiales están encaminadas a diseñar prototipos virtuales (simuladores), tecnologías que pueden aplicarse tanto en empresas procesadoras de alimentos hasta en el sector aeroespacial, es decir, su aplicación es muy amplia.