Modelización y Simulación de Sistemas

Usted está aquí

Créditos
6
Tipos
Obligatoria
Requisitos
Esta asignatura no tiene requisitos, pero tiene capacidades previas
Departamento
ESAII;EIO
En la asignatura se presentará el concepto de modelo y las técnicas fundamentales de simulación para el análisis de sistemas complejos.

Profesores

Responsable

  • Karina Gibert Oliveras ( )
  • Pau Fonseca Casas ( )

Otros

  • Joan Garcia Subirana ( )
  • Jordi Montero Garcia ( )

Horas semanales

Teoría
1
Problemas
1
Laboratorio
2
Aprendizaje dirigido
0
Aprendizaje autónomo
0

Competencias

Competencias Transversales

Transversales

  • CT2 [Avaluable] - Sostenibilidad y Compromiso Social. Conocer y comprender la complejidad de los fenómenos económicos y sociales típicos de la sociedad del bienestar; tener capacidad para relacionar el bienestar con la globalización y la sostenibilidad; lograr habilidades para utilizar de forma equilibrada y compatible la técnica, la tecnología, la economía y la sostenibilidad.
  • CT5 [Avaluable] - Uso solvente de los recursos de información. Gestionar la adquisición, la estructuración, el análisis y la visualización de datos e información en el ámbito de especialidad y valorar de forma crítica los resultados de dicha gestión.
  • CT6 [Avaluable] - Aprendizaje autónomo. Detectar deficiencias en el propio conocimiento y superarlas mediante la reflexión crítica y la elección de la mejor actuación para ampliar dicho conocimiento.
  • CT7 - Tercera lengua. Conocer una tercera lengua, preferentemente el inglés, con un nivel adecuado oral y escrito y en consonancia con las necesidades que tendrán los titulados y tituladas.

Básicas

  • CB2 - Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio.
  • CB3 - Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética.
  • CB4 - Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado.

Competencias Técnicas

Específicas

  • CE01 - Resolver los problemas matemáticos que puedan plantearse en el ámbito de la inteligencia artificial. Aplicar los conocimientos sobre: álgebra, cálculo diferencial e integral y métodos numéricos; estadística y optimización.
  • CE20 - Elegir y emplear técnicas de modelización estadística y análisis de datos, evaluando la calidad de los modelos, validándolos e interpretándolos.
  • CE21 - Formular y resolver problemas de optimización matemática.
  • CE22 - Representar, diseñar y analizar sistemas dinámicos. Adquirir conceptos como su observabilidad, estabilidad y controlabilidad.

Competencias Técnicas Genéricas

Genéricas

  • CG2 - Utilizar los conocimientos fundamentales y metodologías de trabajo sólidas adquiridos durante los estudios para adaptarse a los nuevos escenarios tecnológicos del futuro.
  • CG4 - Razonar, analizando la realidad y diseñando algoritmos y formulaciones que la modelen. Identificar problemas y construir soluciones algorítmicas o matemáticas válidas, eventualmente nuevas, integrando el conocimiento multidisciplinar necesario, valorando distintas alternativas con espíritu crítico, justificando las decisiones tomadas, interpretando y sintetizando los resultados en el contexto del dominio de aplicación y estableciendo generalizaciones metodológicas a partir de aplicaciones concretas.
  • CG5 - Trabajar en equipos y proyectos multidisciplinares relacionados con la inteligencia artificial y la robótica, interactuando fluidamente con ingenieros/as y profesionales de otras disciplinas.

Objetivos

  1. Modelar sistemas dinámicos complejos. Comprender conceptos como su observabilidad, estabilidad y controlabilidad.
    Competencias relacionadas: CG2, CG4, CT5, CT6, CT7, CB2, CB3, CB4, CE01, CE20, CE21, CE22,
  2. Validar y Verificar modelos y extraer conocimiento de estos
    Competencias relacionadas: CG2, CG4, CG5, CT2, CB2, CB3, CB4, CE20, CE22,
  3. Expresar el comportamiento de sistemas complejos usando lenguajes formales comprensibles por un público tanto especializado como no especializado
    Competencias relacionadas: CG2, CG4, CG5, CT5, CT6, CB2, CB3, CB4, CE01, CE20,

Contenidos

  1. Introducción, sistema vs modelo
    Que es un estudio de simulación? Enfoque práctico mediante la presentación de proyectos reales que permitirán mostrar al estudiante las fases a seguir para el desarrollo de un estudio de simulación válido y útil.Tractarem la dicotomía entre modelo y sistema y entenderemos la necesidad de detallar las hipótesis para poder limitar que es el que será el objeto de nuestro estudio.
  2. Simulación y métodos estadísticos
    La aleatoriedad como eje vertebrador de la modelización y la experimentación en simulación. Distribuciones estadísticas, generación de números y variables aleatorias. Algunas distribuciones conocidas y su aplicación en los modelos de simulación.
  3. Paradigmas de Simulación
    Presentación de los principales motores de simulación y la aplicabilidad de los mismos.
  4. Principales lenguajes formales para definir modelos conceptuales.
    Se detallarán los lenguajes: Specification and Description Language (SDL) y las Redes de Petri. Se mostrará la relación que tienen con los diagramas de Forrester empleados para crear sistemas dinámicos.
  5. Dinámica de sistemas, simulación continua
    Aproximación a la simulación continua a través y la dinámica de sistemas, creación de diagramas Causales y de Forrester.
  6. Simulación paralela y distribuida
    Introducción a las técnicas existentes para poder distribuir los modelos de simulación.
  7. Diseño de experimentos y análisis de resultados
    Conceptos básicos y métodos para el diseño de experimentos en simulación. Evaluación y comparación de escenarios. Calidad de los resultados.
  8. Validación, verificación y acreditación de modelos de simulación
    Descripción de las metodologías a seguir para obtener un modelo verificado, validarlo y una reflexión sobre la acreditación de modelos.

Actividades

Actividad Acto evaluativo


Fundamentos básicos de la simulación


Objetivos: 1
Contenidos:
Teoría
1h
Problemas
1h
Laboratorio
2h
Aprendizaje dirigido
0h
Aprendizaje autónomo
0h

Aleatoriedad y Simulación


Objetivos: 1
Contenidos:
Teoría
1h
Problemas
1h
Laboratorio
2h
Aprendizaje dirigido
0h
Aprendizaje autónomo
0h

Discrete Event Simulation (DES)


Objetivos: 1
Contenidos:
Teoría
2h
Problemas
2h
Laboratorio
4h
Aprendizaje dirigido
0h
Aprendizaje autónomo
0h

Principales lenguajes formales para definir modelos conceptuales

Se detallarán los lenguajes: Specification and Description Language (SDL) y las Redes de Petri. Se mostrará la relación que tienen con los diagramas de Forrester empleados para crear sistemas dinámicos.
Objetivos: 3
Contenidos:
Teoría
3h
Problemas
3h
Laboratorio
6h
Aprendizaje dirigido
0h
Aprendizaje autónomo
0h

Dinámica de sistemas, simulación continua



Teoría
3h
Problemas
3h
Laboratorio
6h
Aprendizaje dirigido
0h
Aprendizaje autónomo
0h

Simulación paralela y distribuida



Teoría
1h
Problemas
1h
Laboratorio
2h
Aprendizaje dirigido
0h
Aprendizaje autónomo
0h

Diseño de experimentos y análisis de resultados


Objetivos: 2
Contenidos:
Teoría
1h
Problemas
1h
Laboratorio
2h
Aprendizaje dirigido
0h
Aprendizaje autónomo
0h

Validación, verificación y acreditación de modelos de simulación


Objetivos: 2
Contenidos:
Teoría
1h
Problemas
1h
Laboratorio
2h
Aprendizaje dirigido
0h
Aprendizaje autónomo
0h

Metodología docente

La asignatura sigue las metodologías del aprendizaje cooperativo y el aprendizaje basado en problemas / proyectos, complementada con sesiones de método expositivo, en las que se explica la teoría necesaria para que el alumno pueda desarrollar, en las mejores condiciones , el conjunto de entregables que, básicamente, determinarán la consecución de los objetivos de la asignatura.

Método de evaluación

Se harán dos prácticas durante el curso, 80% de la nota.
Se hará un examen final, 20% de la nota.

Bibliografía

Básica:

Complementaria:

Web links

Capacidades previas

Nociones de estadística y de programación.

Adenda

Contenidos

No es preveu cap canvi de continguts.

Metodología docente

La metodologia docent s'adequarà a la situació del moment. En cas de que les circumstàncies així ho requereixin, les classes, tant de teoria com laboratoris, es farien de manera no presencial.

Método de evaluación

Està previst fer els exàmens de forma presencial. Si la situació no ho permetés, es farien de forma no presencial amb Meet i/o la plataforma Atenea, o qualsevol medi similar facilitat per la UPC.

Plan de contingencia

Si no fos possible dur a terme les activitats de forma físicament presencial, es faran tant les classes de teoria com de problemes, el seguiment dels estudiants i l'avaluació de forma no presencial.