Formato IFAC, 2006 1

Anexo II. 8. Formato IFAC para redacción de artículos científicos.

___________________________________________________________________________________________________

Estado del arte del modelado y simulación de
sistemas de eventos discretos y estocásticos

Daniel Salcedo G., Dicson Tarazona T., German García P.
Código: 1092361662, 1092359328, 1093767630
Universidad de Pamplona, Facultad de Ingenierías y Arquitectura,
Departamento de Ingeniería Eléctrica, Electrónica, Sistemas y Telecomunicaciones,
Programa de: Ingeniería de sistemas
Villa del rosario, Norte de Santander, Colombia
 Agosto­2018

Resumen

En este artículo se hablará acerca de 3 modelos de eventos discretos y 3 eventos estocásticos, se tendrá en
cuenta la importancia de cada artículo, las metodologías dadas, se mostrarán los diferentes softwares utilizados
en la investigación de cada uno con una breve definición en lo que fueron utilizados para así tener una base de
comparación de los eventos discretos y los eventos estocásticos planteados en diferentes áreas.
Además, se resaltará la importancia de su utilización y beneficios que traen a su entorno aplicado.

Palabras clave: evento discreto, evento estocástico, metodología, software. Z de Altman.

2. Eventos discretos y estocásticos
1. Introducción 2.1 Eventos discretos:

En el presente trabajo, pretendemos exponer La simulación de eventos discretos, es una

varias teorías pertenecientes a modelos
estocásticos y discretos con la finalidad de
compararlos y llegar a tener un mejor cocimiento
en la definición de cada uno. Para ello tomamos
como apoyo la evolución que ha tenido la
simulación en procesos informáticos. pues en la
variedad de los casos se define un problema
específico y con la ayuda de las herramientas
tecnológicas se trata de buscar la mejor solución
para los casos propuestos.
Finalmente se desea concluir acerca de los temas
tratados resaltando el contenido e implementación
en su entorno.
herramienta de análisis que se difunde
rápidamente en el ambiente empresarial,
comprobando su utilidad para apoyar la toma de
decisiones relacionadas con la planeación de la
producción y los inventarios, y con el diseño de
los sistemas de producción y sus cadenas de
suministro.
En el artículo sobre DVES nos trasmite la
evolución desde el origen de la simulación en
eventos discretos los cuales se iniciaron en los
años 60 donde se desarrollan las primeras
simulaciones en ordenador para planear proyectos
de gran impacto.

En el artículo CBNS simulador nos propone una

herramienta de simulación para entender el
comportamiento de las redes complejas mediante
Formato IFAC, 2006
la simulación en tiempo discreto. cuenta con una
herramienta de simulación, la cual se basa
principalmente en un modelo lógico de la red
biomolecular, también aprovecha el rendimiento
de un modelo de simulación de tiempo discreto
para llegar a comprender una evolución y el
comportamiento en las redes biomoleculares.
Esta herramienta la han aplicado a un estudio de
regulación de proteínas ribosómicas y los
resultados que han dado han sido esplendidos ya
que da los mismos resultados que da un experto
en la materia y por si fuera poco la interfaz gráfica
permite a los Biólogos reproducir, analizar y
comprender el comportamiento de redes
biomoleculares.
Finalmente tenemos a Nadzoru: una herramienta
de software para supervisión y control de sistemas
de eventos discretos donde se presenta una
herramienta de software para la síntesis del
control de supervisión basado en autómatas de
estados finitos sin tiempo. Esta herramienta tiene
una interfaz gráfica amigable para la creación de
modelos y, entre otras características, permite la
simulación de autómatas, análisis de problemas
relacionados con la implementación de la lógica
de control y generación de código para múltiples
dispositivos. La generación de código se basa en
un sistema de plantillas que facilitan la inclusión
de soporte para obtener nuevos dispositivos.
Podemos ver que otra de las características de la
herramienta es la capacidad de ampliarse
fácilmente con nuevos algoritmos y módulos.
2.2 Eventos Estocásticos:
Se conoce como evento estocástico a aquel que es
afectado por variables aleatorias y, por lo tanto, da
lugar a resultados aleatorios. Aunque es
importante aclarar que al sistema ser aleatorio no
quiere decir que sea incontrolable. Simplemente
significa que no se puede predecir con total
exactitud.
Nos podemos dar de cuenta que en el artículo
llamado Calibración automática de la plataforma
MOHID empleando un método estocástico de
optimización y datos reales de un evento climático
extremo en Nova Friburgo-RJ. Emplean un
método estocástico el cual nos habla un poco de la
simulación y el modelado de una zona urbana
situada en Brasil, en el cual utilizaron un modelo
llamado MOHID para que controlara el cambio en
las condiciones de vida de los habitantes en la
zona, en pocas palabras ese modelo de evento
estocástico sirve para controlar las agua y la red
de drenaje en la zona para así poder evitar las
catástrofes en ciertas regiones del país, así se
2
tendrá un mejor control de la imperfecciones que
llegaran a tener en esas áreas y evitar casos de
emergencia en la comunidad.
El articulo Modelo estocástico para
Un brote de dengue clásico nos informa de que en
los últimos años se ha visto la creciente de
problemas de salud que ha presentado toda la
humanidad a raíz de tantos aspectos, ya sea por
motivos propios, por descuidos, malos hábitos
alimenticios, entre otros.
Para ello se referirá a una enfermedad que ha
tenido gran impacto dentro de los últimos años y
que ha cobrado la vida de miles de personas en
todo el mundo, porque esta es trasmitida por un
mosquito que crece en lugares deshabitados,
basureros, tanques sin lavar, etc… han despertado
las alarmas que cada año aproximadamente
500.000 personas en Latinoamérica padecen o son
infectados de dengue y aproximadamente el 2.5%
de ese número de personas fallecen y la
preocupación por los organismos de salud es que
se ven impedidos por esta infección que va a
seguir aumentando. Es asi que entre los
mecanismos de control Son muchos los obstáculos
que los investigadores han enfrentado a la hora de
encontrar una vacuna óptima para el virus del
dengue, entre ellos la complicada patogénesis, las
respuestas inmunitarias protectoras de los
serotipos de la enfermedad, la falta de estabilidad
genética en las etapas de producción del virus, es
por eso, que en el momento la única alternativa
que se tiene para erradicar la enfermedad es
controlar los moquitos que la transmiten.
A continuación, veremos otro ejemplo de modelo
estocástico como lo es la optimización de la
predicción de problemas financieros en empresas
sanitarias privadas españolas aplicando algoritmos
genéticos utilizando una metodología para
optimizar, a través de la Z’-Score de Altman, una
predicción de bancarrota en empresas privadas del
sector sanitario español.
Con este propósito se ha utilizado una muestra de
5903 empresas del sector sanitario privado
español obtenidas de las bases de datos de Sistema
de Análisis de Balances Ibéricos (SABI) entre los
años 2007 y 2015. Obteniendo como Resultado el
modelo predictivo obtenido con los AG presenta
mayor exactitud, sensibilidad y especificidad que
el propuesto por Altman para empresas privadas,
tanto con los datos de test como con todos los
datos de la muestra.
Formato IFAC, 2006
2.1.1 Software utilizados:
El software o la herramienta que fue utilizada en
el artículo ´perteneciente al modelo discreto fue
“CBNS simulator”.
En uno de los modelos discretos tenemos a
Nadzoru que es una herramienta de software para
supervisión y control de sistemas de eventos
discretos.
Otro de los softwares usado en el modelo
estocástico es principalmente ArcMap el cual
permite tomar mediciones visualizar, editar, crear
y analizar datos de espacio y localización que
sirven para tomar mejores decisiones logísticas.
el software que demuestre uno de los modelos
estocásticos acerca de la infección del dengue se
llama el ARIMA que se encarga de ver las
varianzas, probabilidades, aumento de la
infección o disminución de la infección.
3
2.2.3 Resultados:
Después de severos daños materiales y
la pérdida de vidas. El estado del RJ ha
trabajado en
El fortalecimiento de la gestión de
riesgos a desastres naturales, con el fin
de prevenir, preparar y responder a
estos eventos.
Además, el INEA creó el Sistema de
alerta de inundaciones, cuyo objetivo es
alertar a las poblaciones sobre los
riesgos de inundación, a través de la
comunicación con las defensas civiles
municipales en todo el estado.
El hallazgo más importante del estudio Nadzoru
es establecer una metodología que logra
identificar unos coeficientes optimizados para la Z
de Altman, lo cual permite realizar una predicción
más precisa de la bancarrota en las empresas
sanitarias privadas españolas.
Conclusiones:
Con la realización del presente trabajo presentado
se logró comprender las principales diferencias
entre el modelo de eventos estocástico y discreto.
El modelo estocástico nos muestra un análisis
estadístico lo cual significa que sus variables van
a estar en constante cambio a través del tiempo y
los resultados pueden ser aleatorios, mientras en el
modelo discreto sus resultados tienden a
permanecer estáticos o más estables. Aunque es
importante resaltar que ambos se pueden usar
técnicas para controlarlos de la mejor forma
posible.
También se logró observar por medio de ejemplos
o aplicaciones la importancia y uso de los
diferentes softwares para solución de problemas
cotidianos en diferentes ramas de estudio.
Formato IFAC, 2006 4

Referencias

Akesson,K.,Fabian,M.,Flordal,H.,andMalik,R.
(2006).Supremica-
anintegratedenvironmentforverification,synthesisa
ndsimulationofdiscreteeventsystems.InDiscreteEv
entSystems,2006IEEE8thInternationalWorkshopo
n,384–385.

aICUBE/SDC Team (UMR CNRS 7357)-Pole

API BP 10413, Illkirch 67412, France bLITIS
Laboratory, F´ed´eration CNRS Norm@STIC FR
3638, INSA de Rouen Normandie, Avenue de
l’Universit´e, 76801 Saint-Etienne-du Rouvray,
France cLARODEC Laboratory, Institut Sup
´erieur de Gestion de Tunis, University of Tunis,
Rue de la libert´e, 2000 Bardo, Tunisia

Balci, O. (1900)The implementation of four

conceptual frameworks for simulation
modeling in high-level languages. In WSC
’88: Proceedings of the 20th conference on
Winter simulation, pages 287–295, San Diego,
California, United States

W.R. Telles, A.J. Silva Neto, P.P.G.W. Rodrigues

Avaliac¸ ão do Sistema deModelagem MOHID
na delimitac¸ ão de bacias hidrográficas. In
Congresso deMatemática Aplicada e
Computacional, Natal, 2017.

Allen, Linda J. ; van den Driessche, P: Relations

between deterministic and
stochastic thresholds for disease extinction in
continuous-and discrete-time infectious disease
models. En: Mathematical biosciences 243
(2013), Nr. 1, p. 99–108

Altman EI. Predicting financial distress of

companies: revisiting the Z-Scoreand
ZETA®models background. New York Univ:
Stern Sch Business; 2000.p. 1–54.8.

Páginas Web:
www.ifac.com

www.sciencedirect.com