Analisis del paper “Choosing the
Best Model: Level of
Detail, Complexity, and Model
Performance” (Cómo elegir el mejor modelo: Nivel de detalle, complejidad
y rendimiento del modelo)
Por: Camilo Andrés Moncayo
El análisis del paper presentado a continuación,
describe brevemente los principales temas mencionados en el artículo y que proporcionan
una introducción al modelado de sistemas su importancia y modelo de desarrollo
o ejecución.
Los modelos matemáticos y los realizados por computadora son ampliamente utilizados
en áreas de la ciencia, industria, genética, modelización del clima, simulación
de una línea de producción, cosmología, entre otras. El modelado podrá llevarse
a cabo por un gran número de razones, pero el objetivo más común es el de
predecir el comportamiento de un sistema en determinadas circunstancias cuando
es imposible, o al menos deseable, la experimentacion con el propio sistema.
A pesar de la gran variación en los tipos de modelo y su uso, el proceso de
modelado adopta la misma forma para la mayoría de los proyectos, por lo general
se puede dividir en los pasos de la formulación del problema, recopilación y
análisis de datos, formulación del modelo, construcción del modelo,
verificación y validación, experimentación, análisis de los resultados,
conclusiones y puesta en práctica.
Las definiciones de verificación y validación no son consistentes en la
literatura, pero en este caso la verificación significa que el proceso de
probar si el modelo está funcionando según lo previsto y la validación es el
proceso de comparar los resultados del modelo con los datos históricos.
RENDIMIENTO DEL MODELO
La evaluación del desempeño de un modelo debe cubrir el impacto del modelo
en todos los aspectos del proyecto. Un modelo debe dar un rendimiento diferente si se utiliza para dos proyectos
diferentes. La evaluación completa debe incluir los siguientes elementos de
desempeño:
RESULTADOS.
1. La medida en que la salida del modelo describe el comportamiento de
interés (es decir, si la salida tiene un alcance adecuado y en detalle).
2. La exactitud de los resultados del modelo (a menudo predicciones del
comportamiento del sistema).
3. La facilidad con la que puede ser entendido el modelo y sus resultados.
USO FUTURO DEL MODELO.
4. La portabilidad y la facilidad con que se puede combinar con otros
modelos.
VERIFICACIÓN Y VALIDACIÓN.
5. La probabilidad de que el modelo contenga errores (es decir, el modelo
construido no coincide el modelo conceptual).
6. La precisión con la que el modelo se ajusta a los datos históricos
conocidos (validez).
7. La fuerza de la base teórica del modelo, incluyendo la calidad de los
datos de entrada (credibilidad del modelo).
RECURSOS REQUERIDOS
8. El tiempo y costo para construir el modelo (incluyendo la recolección de
datos, verificación y validación).
9. El tiempo y costo para ejecutar el modelo.
10. El tiempo y el costo de analizar los resultados del modelo.
11. Los requisitos de hardware para la ejecución del modelo
La calidad del modelo y sus resultados depende del desarrollo progresivo
del mismo, contemplando todos los detalles requeridos.
NIVEL DE DETALLE Y COMPLEJIDAD
El nivel de detalle significa una evaluación de la medida en que los
elementos del sistema observables y las relaciones del sistema asumidas están
incluidos en el modelo. La complejidad puede estar relacionada a la dificultad
en el cálculo de una función, a la complejidad computacional, un atributo estructural
de una pieza de software, la dificultad que experimentan las personas en la
información de la percepción o la resolución de problemas en un entorno
concreto, la complejidad de términos, frases y teorías.
Suponiendo que el modelo puede ser considerado como un número de componentes,
la complejidad global del modelo se puede definir como una combinación de tres
elementos: el número de componentes, el patrón de las conexiones y la naturaleza de las conexiones (la
complejidad de los cálculos para determinar las relaciones). El objetivo aquí
es identificar invariantes atributos estructurales del modelo conceptual, por
lo que la frecuencia de ocurrencia de cada conexión no se ha incluido como un elemento
de complejidad ya que esto puede depender del modelo particular llevado a cabo.
MEDICION DE LA COMPLEJIDAD DEL
MODELO
Si el modelo puede ser especificado como un número de componentes
conectados, entonces puede ser representado como un gráfico, con nodos
(componentes), bordes (conexiones o relaciones entre los componentes) y la
teoría de grafos, medidas utilizadas para medir los dos primeros de estos
elementos. Sin embargo, para cualquier modelo dado existirán muchas medidas
alternativas para determinar su complejidad ya sea dado por los el numero o tipo
de componentes que implemente, por el numero o tipo de conexiones requeridas
entre otros.
LA RELACIÓN ENTRE LA EJECUCIÓN Y EL
NIVEL DE DETALLE O COMPLEJIDAD DEL MODELO
El nivel de detalle y la complejidad de un modelo son ampliamente
reconocidos por tener un importante efecto sobre el rendimiento del modelo, las relaciones entre ambos niveles y el
desempeño del modelo se ha discutido en términos generales en una serie de
lugares. Un modelo más complejo se espera que tenga mayor validez y dara resultados
más detallados y precisos, pero deberá utilizar más recursos y sera más
propensos a contener errores, quizá más difícil de entender y menos portátiles.
SIMPLIFICACIÓN Y OTRAS ÁREAS
RELACIONADAS
La selección del mejor modelo requiere no sólo una apreciación del
rendimiento probable de cada modelo, sino también un conocimiento de los
modelos alternativos. Hay muchos modelos que podrían ser construidos en la
mayoría de los casos y por lo que el mejor modelo ni siquiera se puede
identificar como una posibilidad.
CONCLUSIONES
Es de gran importancia el proceso de investigación previo para elegir el
mejor modelo. Definir el nivel de detalle y complejidad de un modelo es
necesario para obtener la mejor razón costo beneficio posible. Una metodología de
ejecucion es necesaria para el desarrollo progresivo y eficiente del modelo.
Tomado de:
R. J.
BROOKS, A. M. TOBIAS, CHOOSING THE
BEST MODEL: LEVEL OF
DETAIL, COMPLEXITY, AND MODEL
PERFORMANCE, MATHL. COMPUT. MODELLING
VOL. 24, NO.
4, PP. 1-14,
1