Introducción
El tema de la simulación actual representa un desafío importante que se ofrece al sistema de capacitación, ya que el uso didáctico de este modelo nos da un gran potencial para aumentar la conciencia de los participantes en la realización de su consultoría o papel profesional en la empresa.
De hecho, se requerirán actuaciones cada vez más exigentes, que deben caracterizarse por la autonomía y la consistencia de la toma de decisiones, la orientación de los resultados, la efectividad de su acción, el gobierno de los procesos complejos y la creatividad en la identificación de soluciones innovadoras. Los métodos didácticos que se basan en ejercicios de Excel® y simulaciones comerciales le permiten enfrentar ese desafío en los términos de capacitación, porque ofrecen a los participantes de un maestro/curso una experiencia de aprendizaje real, favoreciendo la contratación de un papel de decisión en un contexto virtual virtual Pero muy cerca de la realidad.
Por lo tanto, esta comparación continua con la realidad promueve una verificación continua y estructurada del conocimiento y los modelos mentales de los sujetos con la retroalimentación de que el ejercicio mismo regresa en tiempo real.
La suposición de un papel de responsabilidad (y, por lo tanto, la toma de decisiones), en un contexto protegido (en el que se vuelve imposible «dañar»), ofrece la posibilidad de sujetos en la formación de la identificación, de manera creativa, innovadora y Métodos de trabajo más de trabajo incluso eficientes en un contexto de crisis.
Esta contribución comenzará a partir de un análisis histórico de metodologías de entrenamiento simulativo, para llegar a una definición de simulación y definir sus especificaciones pedagógicas didácticas.
Los orígenes de los enfoques simulativos
La simulación tiene orígenes muy antiguos, porque en el terreno de las relaciones sociales el «juego» de la simulación siempre ha fascinado (1).
El primer campo de aplicación de esta práctica educativa fue el campo de la simulación de la guerra, precisamente porque esta metodología presenta la ventaja de permitir que el sujeto en formación construya un modelo para experimentar y probar posibles tácticas y estrategias, antes de un desarrollo efectivo del hechos. La especialización dentro de las actividades de guerra determinó la transición de un enfoque muy analógico y cualitativo a enfoques más rigurosos y basados en modelos estadísticos complejos. Estos modelos, respaldados por los primeros procesadores de datos electrónicos, han sido procesados principalmente por la investigación operativa que se llama SO, con motivo de Normandy Landing, que todavía representa una de las maniobras de guerra más complejas.
A partir de esta aplicación inicial, la metodología simulada se insertó dentro de las experiencias de capacitación en el campo de la empresa. Este pasaje fue fuertemente acelerado por el trabajo de la American Management Association, que ya desarrolló el primer juego de simulación en el campo de negocios en 1956, encontrando inmediatamente grandes posibilidades de aplicaciones tanto dentro de las empresas como dentro de las universidades y las escuelas de negocios.
(1) En este sentido, piense en el clásico «arte de la seducción» del ovido, o los artificios simulativos relacionados con las actuaciones teatrales, o aún en el carnaval, que en varias formas siempre ha acompañado la historia de nuestra cultura.
La definición de la simulación y su elemento constitutivo: el modelo
La experiencia de los modelos de simulación se caracteriza por una fuerte interdisciplinaridad: esto ha contribuido al nacimiento de un vocabulario rico y a menudo muy confundido.
La definición que, en términos estrictamente formativos, parece más completa y rigurosa del término simulación es la siguiente: «Una serie de representaciones dinámicas que utilizan elementos de reemplazo formales de la realidad, modelando lo mismo a través de un proceso de abstracción» (2). Por lo tanto, está claro que el proceso de simulación tiene como objetivo construir un sistema adecuadamente diseñado para facilitar el estudio, la comprensión y la gestión de la realidad. De hecho, no todos los elementos de un objeto de estudio del sistema pueden ser inmediatamente evidentes, comprensibles y manejables por una persona que participa en un curso de capacitación: la simulación es, por lo tanto, una de las herramientas que el hablante puede tener que rastrear la capacitación de la ruta Eso liderará gradualmente al sujeto para enfrentar los problemas teorizados en las lecciones.
Es apropiado hacer una distinción inmediatamente, de hecho, hay una fuerte diferencia entre la experimentación y la simulación. De hecho, el primero es una operación directa en la realidad o en una muestra de ella, mientras que la segunda es la manipulación de la realidad a través de un modelo que lo representa (3).
Dentro de situaciones simulativas, los sujetos están involucrados en situaciones adecuadamente preparadas para que ciertos resultados correspondan a ciertas acciones. A menudo, en estas situaciones, se inserta el elemento del juego, lo que reduce la complejidad de la situación que permite usar más «fácil de manejar», aumenta la tensión motivacional de los sujetos y crea un conjunto de relaciones de tal manera que los individuos pueden ejercer control mutuo. sin obtener un dominio completo de las acciones de los demás y la situación en general.
Por lo tanto, el verdadero tema del uso de la simulación se mueve a su elemento constitutivo más importante, es decir, el modelo de realidad que se acepta. Su importancia radica en el hecho de que, en cierta medida, es más intuitivo, más familiar y más comprensible que la realidad que desea estudiar a través de su uso. Por lo tanto, se vuelve muy importante elegir, entre los modelos alternativos, el más apropiado y útil en comparación con la realidad contingente (4). La elección de un modelo debe reconciliar dos instancias de naturaleza opuesta: por un lado, la necesidad de construir un modelo que sea más simple que la realidad a la que se refiere (bajo penalización de su ingestabilidad y, en consecuencia, su inutilidad), por el otro. No necesita simplificar demasiado el problema real arriesgando colocando a los sujetos en el entrenamiento fuera de la carretera.
Siempre en relación con los modelos, es apropiado recordar dos riesgos fundamentales que se ejecutan en su estructuración: 1) el peligro de que el conocimiento científico subyacente al modelo se confundirá con el modelo mismo (por lo tanto, la desconexión del alumno de la lógica básica del simulación, que podemos definir la lógica de como si); 2) El peligro de que se muevan a la teoría o las características lógicas de la realidad del modelo que se ha elegido para usar, absolutando el valor del modelo que se convierte en la mitad hasta el final.
¿Qué características tiene un modelo de simulación?
A menudo, los modelos de simulación están conectados a una familia de modelos de equilibrio. En esta clase de modelos de simulación, los actores del mercado ignoran el aprendizaje y logran el posible equilibrio siguiendo reglas predeterminadas. Por ejemplo, los investigadores pueden usar modelos Cournot para respaldar la eficacia de los modelos de simulación, en los que las decisiones de Gencos están en forma de cantidades. Para encontrar los parámetros CV, Song et al. [45] introduce un modelo de simulación, en el que los GENCO optimizan su oferta utilizando el método CV de modo que minimice sus errores perceptivos sobre los niveles de competencia de los rivales en cada iteración.
Un modelo de simulación es un modelo parametrizado que se resuelve en la computadora, ya que es demasiado complejo para resolver analíticamente. La mayoría de los modelos de simulación económica se utilizan para pronosticar los efectos de las políticas. Este artículo revisa una clase de modelos de simulación que se basa en la nueva economía urbana, que ve la economía urbana desde la perspectiva de la teoría competitiva de equilibrio general. El artículo comienza con una discusión de modelos de equilibrio general computable, luego presenta el modelo monocéntrico (ciudad), el modelo central de la nueva economía urbana, y luego revisa modelos de simulación urbana anteriores y más recientes en esta vena. Los modelos de simulación anteriores eran estáticos y asumieron un solo centro de actividad no residencial. Los modelos más recientes tratan la dinámica urbana y las ciudades policéntricas, y son considerablemente más ricas descriptivamente.
Los modelos de simulación tienen como objetivo replicar el funcionamiento y la lógica de un sistema real mediante el uso de descripciones estadísticas de las actividades involucradas. Por ejemplo, una línea puede funcionar a una tasa promedio de 1000 unidades por hora. Si suponemos que este es siempre el caso, perdemos la comprensión de lo que sucede cuando, por ejemplo, hay un desglose o detener el mantenimiento de rutina. El efecto de dicho retraso puede amplificarse (o absorber) cuando consideramos el efecto sobre las unidades aguas abajo.
Un modelo de simulación tiene «entidades» (por ejemplo, máquinas, materiales, personas, etc.) y «actividades» (por ejemplo, procesamiento, transporte, etc.). También tiene una descripción de la lógica que rige cada actividad. Por ejemplo, una actividad de procesamiento solo puede comenzar cuando hay una cierta cantidad de material de trabajo disponible, una persona para ejecutar la máquina y un transportador vacío para quitar el producto. Una vez que ha comenzado una actividad, se calcula un momento de finalización, a menudo utilizando una muestra de una distribución estadística.
¿Cómo se realizan los modelos de simulación?
Una simulación de un sistema es la operación de un modelo del sistema; «Modelo de simulación». Los pasos involucrados en el desarrollo de un modelo de simulación, diseñar un experimento de simulación y realizar análisis de simulación son: [1]
- Paso 2. Formular el problema: seleccione los límites del sistema, el problema o una parte del mismo, para estudiar. Defina el objetivo general del estudio y algunos problemas específicos que se abordarán. Definir medidas de rendimiento: criterios cuantitativos sobre la base de los cuales se compararán y clasificarán diferentes configuraciones del sistema. Identificar, brevemente en esta etapa, las configuraciones de interés y formulan hipótesis sobre el rendimiento del sistema. Decide el marco de tiempo del estudio. Identifique el usuario final del modelo de simulación.
- Paso 3. Recopilar y procesar datos reales del sistema: recopile datos sobre las especificaciones del sistema, las variables de entrada, así como el rendimiento del sistema existente.
- Paso 4. Formular y desarrollar un modelo: desarrollar esquemas y diagramas de red del sistema. Traducir estos modelos conceptuales a la forma aceptable del software de simulación. Verifique que el modelo de simulación se ejecute según lo previsto. Las técnicas de verificación incluyen trazas, parámetros de entrada variables sobre su rango aceptable y verificar la salida, sustituir constantes por variables aleatorias y verificar manualmente los resultados y la animación.
- Paso 5. Validar el modelo: compare el rendimiento del modelo en condiciones conocidas con el rendimiento del sistema real. Realice pruebas de inferencia estadística y haga que el modelo examine los expertos del sistema. Evalúe la confianza que el usuario final coloca en el modelo y aborde los problemas si los hay.
- Paso 7. Seleccione el diseño experimental apropiado: seleccione una medida de rendimiento, algunas variables de entrada que probablemente influyan y los niveles de cada variable de entrada. En general, en los sistemas estacionarios, el comportamiento de estado estacionario de la variable de respuesta es de interés. Determinar si una ejecución de simulación de terminación o no terminada es apropiada. Seleccione la longitud de ejecución. Seleccione las condiciones de inicio apropiadas. Seleccione la longitud del período de calentamiento, si es necesario. Decida el número de ejecuciones independientes: cada ejecución utiliza una secuencia de números aleatorios diferentes y las mismas condiciones iniciales, considerando el tamaño de la muestra de datos de salida. El tamaño de la muestra debe ser lo suficientemente grande (al menos 3-5 ejecutas para cada configuración) para proporcionar la confianza requerida en las estimaciones de medida de rendimiento. Alternativamente, use números aleatorios comunes para comparar configuraciones alternativas utilizando una secuencia de números aleatorios separados para cada proceso de muestreo en una configuración. Identifique que los datos de salida tengan más probabilidades de estar correlacionados.
- Paso 8. Establecer condiciones experimentales para ejecuciones: aborde la cuestión de obtener información precisa y la mayor cantidad de información de cada ejecución. Determine si el sistema es estacionario (la medida de rendimiento no cambia con el tiempo) o no estacionaria (la medida de rendimiento cambia con el tiempo).
- Paso 11. Recomendar más cursos de acción: esto puede incluir más experimentos para aumentar la precisión y reducir el sesgo de los estimadores, realizar análisis de sensibilidad, etc.
Aunque este es un orden lógico de los pasos en un estudio de simulación, se pueden requerir muchas iteraciones en varias sub-etapas antes de alcanzar los objetivos de un estudio de simulación. No todos los pasos pueden ser posibles y/o requeridos. Por otro lado, se pueden realizar pasos adicionales. [1]
Descargo de responsabilidad: Acqnotes no es un sitio web oficial del Departamento de Defensa (DOD), la Fuerza Aérea, la Armada o el Sitio web del Ejército. Cualquier información, productos, servicios o hipervínculos contenidos en este sitio web no constituye ningún tipo de respaldo por parte del DOD, la Fuerza Aérea, la Armada o el Ejército. No se pretendía el respaldo federal de los patrocinadores. La información contenida en este sitio web es solo para fines informativos y no se pretende como una forma de dirección o asesoramiento y no debe basarse en una declaración definitiva completa en relación con cualquier problema específico. El acceso y el uso de la información de este sitio web está en riesgo del usuario.
¿Cuáles son los tipos de modelos de simulación?
Hay una amplia gama de modelos de simulación que puede elegir. Sin embargo, su selección debe depender de la naturaleza del evento de la vida real, su resultado previsto y sus requisitos.
En términos directos, una simulación de Monte Carlo es un método para analizar el riesgo comercial. La mayoría de las empresas usan este modelo antes de implementar cualquier proyecto importante o iniciar un cambio en una rutina.
El modelo de simulación de Monte Carlo está matemáticamente inclinado y utiliza datos empíricos de entradas y salidas reales. Además, identifica riesgos e incertidumbres potenciales a través de distribuciones de probabilidad.
Las empresas usan este modelo de simulación porque proporciona una comprensión profunda del mercado. Este modelo va muy bien con cualquier industria o campo.
El modelo de simulación basado en agentes analiza el impacto de un «agente» en el «entorno» o «sistema». Analiza una situación de causa y efecto. Por ejemplo, considere el efecto del nuevo equipo de fábrica en una línea de fabricación.
El agente en este modelo podría ser cualquier factor al que responde el entorno empresarial. Podría ser equipo, personas y prácticamente cualquier otra cosa. Al diseñar el modelo de simulación, las reglas deben prescribirse para actuar dentro del sistema. Luego observará cómo el sistema responde a esas reglas.
Y, por supuesto, no debes encontrar estas reglas en abstracción. Debe basar las regulaciones deben basarse en datos mundiales de la vida real.
Un modelo de simulación de eventos discretos le permite observar eventos específicos que desencadenan sus procesos comerciales. Tomemos, por ejemplo, el proceso de soporte técnico que involucra al usuario que llama a su empresa, su sistema recibe y asigna la llamada, y su agente recoge la llamada.
¿Cuál es la función de los simuladores?
Debido a la expansión de la función de simulación para su uso en experimentos numéricos, el proceso de simulación es visible en tiempo real como si uno estuviera observando el experimento, y la función que puede controlar un cálculo se realiza mediante una visualización en tiempo real y la biblioteca de dirección de la dirección. (RVSLIB). Las imágenes de movimiento tridimensional de cualquier cantidad física (en casos como la presión de presión y la velocidad de flujo) desde cualquier punto de vista durante los cálculos se pueden mostrar en el panel del cliente. Es posible controlar y cambiar los parámetros de ejecución de las condiciones de contorno y así sucesivamente desde el panel de dirección RVSLIB durante el cálculo.
RVSLIB permite que un usuario funcione de manera interactiva dentro de los parámetros controlables en el programa CFD mientras observa un flujo gráfico de datos. Por lo tanto, las condiciones de funcionamiento del motor se pueden controlar mientras opera los motores. Las operaciones interactivas proporcionan la similitud requerida con las operaciones experimentales. Además, la depuración del código CFD de la base de películas y el almacenamiento de resultados calculados como películas también están disponibles con RVSLIB. En cuanto a las simulaciones tridimensionales a gran escala cuyo tiempo de cálculo es enorme, RVSLIB puede usarse como una herramienta para almacenar resultados calculados como imágenes de movimiento. En la Fig. 2, se muestran paneles de clientes RVSLIB. El panel izquierdo muestra los resultados continuos de los cálculos (el flujo alrededor del paso de fondo en el conducto supersónico), y el panel derecho es el panel de dirección.
El simulador SOFTHSA está diseñado para proporcionar una simulación de alto rendimiento, precisa y debuggable de programas completos habilitados para HSA a nivel HSA-API. La simulación no proporciona modelado de rendimiento. En consecuencia, el simulador SOFTHSA es el más apropiado para los compiladores que rastrean los errores de generación de código HSAIL, y posiblemente otros usuarios de HSA que necesitan una interfaz de depuración rica y de bajo nivel.1
¿Cómo funcionan los simuladores educativos?
La educación basada en la simulación es el enfoque pedagógico de proporcionar a los estudiantes la oportunidad de practicar habilidades aprendidas en situaciones de la vida real.
La simulación educativa es un método de enseñanza que prueba los niveles de conocimiento y habilidad de los participantes colocándolos en escenarios en los que deben resolver activamente problemas. El instructor define los parámetros para crear un entorno seguro para experiencias prácticas de aprendizaje.
Al participar en un escenario, los estudiantes deben evaluar rápidamente la situación, decidir el mejor curso de acción y realizar los pasos de procedimiento correctos. Los educadores pueden evaluar si los estudiantes entienden el material y están traduciendo su conocimiento aprendido en habilidades.
La simulación es útil no solo para los estudiantes, sino que también puede ser una forma para que los pacientes practiquen nuevas habilidades, mientras que los proveedores de atención médica miden su progreso.
El uso sistemático de la simulación en la educación de la salud avanzó en el siglo XVIII en Europa. En ese momento, los educadores médicos estaban mejorando el uso de fórceps en obstetricia. Se crearon simuladores obstétricos que podrían filtrar líquido y sangre amnióticos; Las parteras y los obstetras se formaron con estos dispositivos para poder manejar mejor las complicaciones del parto y usar las pinzas de maneras óptimas.
La simulación en medicina continuó avanzando durante los siglos XIX y XX. No fue sino hasta después de la revolución industrial que la tecnología desarrolló hasta tal grado que la simulación se convirtió en una característica popular y estándar de la educación en salud.1
¿Cómo funciona los simuladores virtuales?
Los métodos modernos e inmersivos de simulación quirúrgica son importantes para desarrollar habilidades esenciales y confianza en los alumnos. En una encuesta de más de 500 aprendices ortopédicos, el 93% declaró que no se sentían cómodos al realizar su primera artroscopia, y más de la mitad de los encuestados declararon que realizaron al menos 20 artroscopias antes de que comenzaran a sentirse cómodos. Del mismo grupo, el 74% creía que tener un laboratorio de habilidades con un simulador de realidad virtual dedicado es importante para la capacitación ortopédica, mientras que solo el 20% informó tener acceso a uno [34]. Se ha considerado que la simulación VR proporciona una experiencia quirúrgica realista y agradable, tanto anatómicamente como en el uso de instrumentos, y críticamente, proporciona un entorno seguro y no amenazante donde los alumnos pueden perfeccionar sus habilidades [35].
A pesar de esto, hay una serie de desafíos que han limitado la inclusión de la realidad virtual en el plan de estudios ortopédico hasta ahora, incluida el rango estrecho de habilidades que se pueden desarrollar en cualquier simulador; Si bien los simuladores más nuevos se han convertido más en una plataforma múltiple que pueden cambiar de rodilla a hombro a cadera, todavía se limitan a un solo procedimiento, es decir, artroscopia o atornillado pedículo. Las tareas simuladas fuera de estos aún no se han incorporado, por ejemplo, la reconstrucción de ligamentos y, como tal, las instituciones pueden sentir que los simuladores aún no son rentables, con simuladores individuales que cuestan hasta 6 sumas de cifras. Por lo tanto, el desarrollo de un laboratorio integral de habilidades de simulación basada en VR requerirá una inversión inicial significativa de las instituciones. Sin embargo, a medida que la realidad virtual se vuelve más popular y se mueve más a la enseñanza general, es probable que estos costos disminuyan, e incluso con los costos tal como están, VR aún puede proporcionar una herramienta de capacitación más rentable que la capacitación actual, con cirugía en circulación Los costos de capacitación se estima en las decenas de miles por año [36]. Además, cuando inicialmente se exploraban los simuladores de realidad virtual ortopédico completamente desarrollado, había una falta de estudios de validación que proporcionaban evidencia suficiente de que estos simuladores replicaban con precisión el procedimiento que estaban emulando, lo que puede haber llevado a la vacilación de las instituciones para implementarlos en la enseñanza. Más recientemente, a medida que la realidad virtual se ha vuelto más popular, existe un cuerpo de estudios de validación constantemente en expansión para simuladores de realidad virtual individual. Sin embargo, estos estudios han planteado un desafío adicional para la realidad virtual, ya que si bien los participantes, si bien las declaraciones sobre el realismo de la apariencia externa, las pantallas y el uso de la instrumentación, el realismo de las características hápticas del hueso y el tejido blando no se considera de manera confiable como realista. [37, 38], una característica en la que los desarrolladores de realidad virtual deberían centrarse para proporcionar una experiencia de simulación más satisfactoria.
Como se describió anteriormente, la transferibilidad de las habilidades aprendidas a través de la realidad virtual en entornos quirúrgicos reales no se ha investigado ampliamente, con solo 2 de los 16 estudios incluidos en este estudio que examinan las habilidades en el OR. Establecer firmemente esta transferibilidad debería ser un resultado clave para la investigación en el futuro, particularmente porque la generalización de las habilidades de los aprendices de aprendizaje en VR fue cuestionado directamente por Middleton et al.
¿Cómo se clasifican los simuladores?
FFS: Comenzaremos primero con los bateadores pesados: simuladores de vuelo, o con mayor precisión, simulador de vuelo completo (FFS). Estos dispositivos de capacitación más capaces (y más caros) deben tener capacidades de movimiento y visual. Los FFS se subcategorizan en cuatro niveles, a a D, con el nivel D siendo el más sofisticado y tiene la mayor cantidad de requisitos, incluidos seis grados de movimiento y sonidos realistas de la cabina. Todos los niveles de FFS se evalúan objetivamente contra datos de validación específicos del avión (generalmente datos de prueba de vuelo de la aeronave) para garantizar que la aerodinámica del FFS, las características de control de vuelo y las características de manejo del suelo representen una marca específica, modelo y serie de aviones. Un FFS es a menudo una plataforma específica de «tipo». Es por esto que los pilotos pueden usar un FFS para obtener una calificación de tipo sin volar el avión real. Muchos centros de capacitación aprobados por la FAA utilizan FFSS para capacitar a los pilotos profesionales para las calificaciones de tipo y para ofrecer la capacitación de recurrencias requerida por las compañías de regulación y seguros.
FTD: La siguiente categoría son los dispositivos de entrenamiento de vuelo o FTD. Estos dispositivos están diseñados para representar una configuración de aeronave específica y, dependiendo del nivel de calificación del FTD, pueden incluir una cabina cerrada y referencias visuales realistas. No siempre son capaces de movimiento, pero son lo suficientemente sofisticados como para proporcionar capacitación en preparación para certificados de pilotos comerciales y de transporte aéreo, así como otras calificaciones. Puede encontrar detalles sobre estas asignaciones en la Figura 1. Los FTD son muy populares entre las universidades y colegios orientados a la aviación. La industria de las aerolíneas también utiliza estos dispositivos ampliamente para capacitar a nuevas contrataciones o proporcionar actualizaciones (primer oficial a capitán) y capacitación de transición (por ejemplo, aviones B-737 a B-747), o para capacitación en recurrencias. Los FTD se subcategorizan en los niveles 4 a 7. Los niveles 4, 5 y 6 se aplican a los dispositivos de ala fija, mientras que el nivel 7 se aplica a los helicópteros. Por cierto, los niveles 1 a 3 se aplican a dispositivos más antiguos que ya no son compatibles, abuelos o se recategorizaron en otros lugares.
El dispositivo de entrenamiento de aviación o ATD, que es, con mucho, la opción más común para el entrenamiento de vuelo de GA. En 2008, la FAA adoptó la Circular de Asesoramiento (AC) 61-136, la aprobación de la FAA de los dispositivos de capacitación de aviación y su uso para la capacitación y la experiencia, lo que ayudó a reclasificar y redefinir los estándares de lo que anteriormente eran Nivel 1-3 FTDS y ATD de computadora personal (PCATDS (PCATDS (PCATDS ). El AC lo hizo introduciendo dos nuevos términos, el ATD básico (BATD) y el ATD avanzado (AATD), junto con el proporcionar estándares de rendimiento correspondientes y las pautas del usuario. El AC también describe que la política y las aprobaciones para ATD reside con la división de aviación general y comercial de la FAA y proporciona un resumen claro de cómo estos dispositivos deben ser evaluados y aprobados.
BATD: Pero comencemos primero entendiendo la diferencia entre Batds y AATD. Un BATD generalmente tiene características de hardware y software más mejoradas que permiten a la FAA autorizarlo para ciertos «créditos» de capacitación y competencia. Estos créditos se limitan a la certificación piloto privada, así como la calificación de instrumentos y los requisitos de divisas.
Mantenga la moneda de IFR de 6 enfoques en 6 meses, hasta un año, ¡todo en un BATD!
¿Cómo se clasifica la simulación?
Un sistema se puede clasificar en las siguientes categorías.
Modelo de simulación de eventos discretos: En este modelo, los valores variables de estado cambian solo en algunos puntos discretos en el tiempo donde ocurren los eventos. Los eventos solo ocurrirán en el tiempo de actividad definido y los retrasos.
Sistemas estocásticos versus deterministas: los sistemas estocásticos no se ven afectados por la aleatoriedad y su salida no es una variable aleatoria, mientras que los sistemas deterministas se ven afectados por la aleatoriedad y su salida es una variable aleatoria.
Simulación estática versus dinámica: la simulación estática incluye modelos que no se ven afectados con el tiempo. Por ejemplo: modelo Monte Carlo. La simulación dinámica incluye modelos afectados con el tiempo.
Sistemas discretos versus continuos: el sistema discreto se ve afectado por los cambios variables de estado en un momento discreto. Su comportamiento se muestra en la siguiente representación gráfica.
El sistema continuo se ve afectado por la variable de estado, que cambia continuamente en función con el tiempo. Su comportamiento se muestra en la siguiente representación gráfica.
Paso 1 – Examina el problema. En esta etapa, debemos comprender el problema y elegir su clasificación en consecuencia, como determinista o estocástico.
Paso 2 – Diseñe un modelo. En esta etapa, tenemos que realizar las siguientes tareas simples que nos ayudan a diseñar un modelo –
Recopilar datos según el comportamiento del sistema y los requisitos futuros.
Analice las características del sistema, sus suposiciones y las acciones necesarias que se tomarán para que el modelo sea exitoso.
¿Cuáles son los diferentes tipos de simuladores?
Una simulación es una representación del mundo real en una computadora. El software son programas y rutinas diseñadas para ejecutarse en computadoras. El software de simulación es el nombre dado al software de computadora que representa situaciones y experiencias del mundo real en un entorno informático para estudiar, entretenimiento, proyecciones, aumento de la eficiencia, modelado de alternativas posibles antes de una elección estratégica y otras razones.
Una forma de clasificar los diferentes tipos de software de simulación es por el área de aplicación de la simulación. En entornos académicos, el software de simulación se utiliza en áreas de aplicación como agricultura, negocios, comunicaciones, defensa, salud, fabricación, terminales de petróleo, servicio, tráfico y procesamiento de residuos. En entornos industriales, las áreas de aplicación incluyen procesos comerciales, comunicaciones, redes de compiladores, servicio al cliente, distribución, fabricación, salas de embalaje, reparación, muestreo estadístico en encuestas y control de acciones. Las simulaciones hechas para el entretenimiento formarían otra categoría en esta jerarquía.
APES ™ (Producción agrícola y simulador de externalidades) es un ejemplo de una aplicación utilizada para determinar cómo las técnicas climáticas y de gestión afectarán la producción agrícola. Starlogo ™ está modelando el software utilizado para analizar cómo funcionan los sistemas descentralizados y se pueden usar para analizar los atascos de tráfico, por ejemplo. SIMCity® de Electronic Arts® es una línea de productos de varios juegos de simulación. También hay simulaciones de hardware electrónica, simulaciones de sistemas mecánicos y químicos,
Una segunda forma de clasificar los diferentes tipos de software de simulación es por la funcionalidad del software. Por ejemplo, la simulación de agentes puede incluir personas en entornos y puede usarse para simular los comportamientos e interacciones de grandes cantidades de personas en entornos del mundo real, como aeropuertos o centros comerciales. Alternativamente, se puede usar en entretenimiento cuando el usuario mueve un avatar a través de un entorno. La simulación de red crea un modelo de comportamiento de red para fines de prueba. La simulación de aprendizaje electrónico puede duplicar un entorno para que el usuario pueda aprender cómo operar equipos o trabajar en un entorno peligroso con consecuencias mínimas en una falla o simplemente agudizar sus habilidades.
Una tercera forma de clasificar el software de simulación es por sus capacidades generales. En la escala más amplia, algún software de simulación puede modelar un evento discreto, mientras que otros pueden modelar el tiempo continuo o los sistemas dinámicos. También hay simuladores híbridos que pueden modelar tanto tiempo continuo como eventos discretos.
¿Cómo son los simuladores?
En primer lugar, este simulador se construyó en 2010, cuando Ferrari sintió la necesidad de encontrar una solución a la intensidad de las pruebas en las pruebas. El equipo de Maranello encontró una compañía holandesa dispuesta a construir el simulador y, dividir el enorme costo fijo, recurrió a Dallara, también interesado en el proyecto. Por lo tanto, había dos de ellos: uno en Varano, el que visitamos, y un segundo en Maranello, con específico idéntico.
La estructura es algo increíble: el simulador está compuesto por una cabina apoyada por seis actuadores, vulgarmente llamado «piernas». Los actuadores tienen la tarea de extender o retratar, mover la cabina al espacio con seis grados de movimiento a hasta un metro y medio de las paredes de la habitación en la que se coloca, 9.5m x 9.5m grande: esto significa que el ¡El piloto sufre movimientos de hasta seis metros mientras se dedica a conducir!
Los seis motores eléctricos, colocados en cada actuador, están enfriados por agua sin escobillas, los mismos que se usan en simuladores de vuelo profesionales. La diferencia es que la cabina de un simulador de vuelo pesa veinte toneladas, mientras que el simulador de conducción solo dos: con la misma potencia eléctrica, por lo tanto, los motores deben mover una masa de 1/10, ¡logrando generar aceleraciones mucho mayores!
La pantalla, por otro lado, no es plana sino esférica, que ofrece un campo visual de 180 ° horizontalmente y 60 ° verticalmente: alimentado por tres proyectores LED, tiene una resolución 4K durante 120 Hz, es decir, la imagen se cambia 120 veces en un segundo.
Las sesiones solo pueden ser compradas por los clientes en espacios durante cuatro horas: esto significa que es posible aprovechar la estructura o 4 u 8 horas de O12, etc. El ritmo de conducir puede ser mucho más intenso que el de la pista, en el simulador no hay tiempos muertos: por ejemplo, si el piloto quiere cambiar las relaciones de su automóvil, en un minuto se realiza el cambio y puede comenzar otra vez. En realidad, sin embargo, se necesitarían al menos 30 minutos de parada para hacer un cambio.
Artículos Relacionados:
