Modelización y Simulación de Sistemas

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

Profesorado

Responsable

  • Pau Fonseca Casas (pau@fib.upc.edu)

Otros

  • Joan Garcia Subirana (joan.garcia-subirana@upc.edu)
  • Víctor García Carrasco (victor.garcia.carrasco@upc.edu)

Horas semanales

Teoría
1
Problemas
1
Laboratorio
2
Aprendizaje dirigido
0
Aprendizaje autónomo
6

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
    6h

    Discrete Event Simulation (DES)


    Objetivos: 1
    Contenidos:
    Teoría
    2h
    Problemas
    2h
    Laboratorio
    4h
    Aprendizaje dirigido
    0h
    Aprendizaje autónomo
    12h

    Aleatoriedad y Simulación


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

    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
    20h

    Diseño de experimentos y análisis de resultados


    Objetivos: 2
    Contenidos:
    Teoría
    3h
    Problemas
    3h
    Laboratorio
    6h
    Aprendizaje dirigido
    0h
    Aprendizaje autónomo
    20h

    Dinámica de sistemas, simulación continua



    Teoría
    3h
    Problemas
    3h
    Laboratorio
    6h
    Aprendizaje dirigido
    0h
    Aprendizaje autónomo
    16h

    Validación, verificación y acreditación de modelos de simulación


    Objetivos: 2
    Contenidos:
    Teoría
    1h
    Problemas
    1h
    Laboratorio
    2h
    Aprendizaje dirigido
    0h
    Aprendizaje autónomo
    8h

    Simulación paralela y distribuida



    Teoría
    1h
    Problemas
    1h
    Laboratorio
    2h
    Aprendizaje dirigido
    0h
    Aprendizaje autónomo
    4h

    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, 60% de la nota.
    Se hará un examen final, 40% de la nota.

    Reevaluación: sólo se pueden presentar a la reevaluación aquellas personas que, habiéndose presentado en el examen final lo hayan suspendido. La nota máxima que se puede obtener en la reevaluación es un 7.

    Bibliografía

    Básico

    Complementario

    • Simulation : the practice of model development and use - Robinson, Stewart, Palgrave Macmillan, 2014. ISBN: 9781137328038

    Web links

    Capacidades previas

    Nociones de estadística y de programación.