DEFINICIÓN DE MODELO

Es una representación cuantitativa o cualitativa de un proceso o comportamiento que muestra los efectos de aquellos factores que son significativos para los propósitos que se desean considerar. Los modelos son un medio del pensamiento científico, una forma peculiar de abstracción de la realidad. Es un instrumento para predecir acontecimientos que no han sido observados aún.

•Herramienta que permite describir y analizar un sistema. 

•Representación abstracta de un sistema.

•Descripción simplificada de un sistema y de sus elementos.

•Es una representación de un objeto real que en el plano abstracto el hombre concibe para caracterizarlo y poder, sobre esa base, darle solución al problema planteado.

Un modelo es un bosquejo que representa un conjunto real con cierto grado de precisión y en la forma más completa posible, pero sin pretender aportar una réplica de lo que existe en la realidad. Los modelos son muy útiles para describir, explicar o comprender mejor la realidad, cuando es imposible trabajar directamente en la realidad en sí.

Por ejemplo, si quisiera explicar lo que es un hipopótamo, se le podría presentar en un dibujo, mejor aún sería una fotografía y todavía mejor, un modelo en tres dimensiones en una escala determinada. Para ciertos fines esto sería mucho más fácil que trasladarse al África para ver un hipopótamo en su ambiente natural.

REQUISITOS FUNCIONALES DE UN MODELO

Un modelo funcional es un instrumento que sirve a su propósito en forma adecuada y que deja satisfecho al usuario. Un buen modelo funcional toma en cuenta todos los factores esenciales e ignora por completo los detalles superfinos. Por eso, es de suma importancia disponer de un propósito muy claro y preciso antes de comenzar a elaborar el modelo.

Los requisitos primordiales para construir cualquier modelo son:

- Un propósito claramente definido.

- Identificar las consideraciones esenciales (incluir en el modelo).

- Desechar consideraciones superfluas (estas son fuente de confusión).

- El modelo debe representar la realidad en forma simplificada.

VARIABLES DE ESTADO

Las variables de estado son el subconjunto más pequeño de variables de un sistema que pueden representar su estado dinámico completo en un determinado instante. Estas variables de estado deben ser linealmente independientes; una variable de estado no puede ser una combinación lineal de otras variables de estado. El número mínimo de variables de estado necesarias para representar un sistema dado, n, es normalmente igual al orden de la ecuación diferencial que define al sistema. Si el sistema es representado en forma de función de transferencia, el número mínimo de variables de estado es igual al orden del denominador de la función transferencia después de haber sido reducido a una fracción propia. Cabe destacar que al convertir una representación de espacio de estado a la forma de función de transferencia puede perderse información interna sobre el sistema, pudiendo por ejemplo describir un sistema como estable aun cuando la representación de espacio de estado indica que es inestable en ciertos puntos. En circuitos eléctricos, el número de variables de estado es a menudo, pero no siempre, igual al número de elementos almacenadores de energía, como bobinas y condensadores.

Representación de sistemas en el espacio de estado.

Un sistema dinámico tieneuna ecuación diferencial de “n” orden. Se puede presentar en forma vectorial – matricial como una ecuación de “n” variables de estado.

Si un sistema tiene la ecuación diferencial de “n” orden: 

(n)Y+ a1(n-1)Y + …+ an-1Y+ anY =U

El conjunto de variables de estado se determina:

X1=Y; 

X2=Y;

X3=Y;

Xn=(n-1)Y;

Donde:

X1, X2, …, Xn Son variables de estado.

La ecuación diferencial de primerorden a partir de las variables de estado se forma:

X1 =X2 = YX2 =X3 = Yº =º = º

º º =ºXn-1=Xn=(n-1)Y

Xn= nY= -anX1 -… -a1Xn+ u

La representación matricial.

A = 00.010.001.0....0010 B = 00.1

La ecuación de estado es:

X=AX+BU

La ecuación de salida es:

Y=CX= 1 0 0 … 0 X1X2.Xn 

Donde:

* A = matriz de estado.

* B = matriz de entrada.* C = matriz de salida.

* X = vector de variables de estado.

* X = vector de primer orden.

VARIABLES DE ESTADO DE FASE

Se define a las variables de fase como el conjunto particular de variables de estado que se compone de una variable y sus “n-1” derivadas. No todas las variables físicas son variables de estado.

VARIABLES FÍSICAS

Método casi intuitivo donde su enfoque es a menudo el punto de partida para crear funciones de transferencia de plantas complejas con muchas interconexiones.

Representación mediante las variables físicas

Debido a su estrecha relación con la planta desde el punto de vista físico, no produce una única forma para la representación resultante en variables de estado; esto es la misma función de transferencia puede dar dos o más representaciones diferente dependiendo de la planta física.

EVALUACIÓN DE LOS SISTEMAS 

Los progresos realizados en un sistema deben ser medidos o evaluados para conocer las deficiencias y problemas que éste presenta. Aunque una evaluación cualitativa puede resultar útil en las etapas iniciales del desarrollo del sistema, medidas cuantitativas bajo unas mismas condiciones resultan de vital importancia para ver el progreso real del sistema y compararlo consigo mismo o con otros. Los números no aportan información si se desconoce de dónde proceden, es decir, qué representan. La evaluación de cualquier tecnología debe ir acompañada de un conjunto de medidas estándar propuestas para tal fin. La disponibilidad de bases de datos y de protocolos o procedimientos para la evaluación de estos sistemas ha sido un componente muy importante, casi fundamental, en el progreso alcanzado en este campo y ha permitido compartir nuevas ideas, e incluso compararlas con otras ya consolidadas. Los progresos en la evaluación de sistemas de comprensión del lenguaje hablado están comenzando. Así vamos a mencionar a continuación diferentes acuerdos alcanzados [PRI90] en la evaluación de sistemas:

• Conjuntos de Datos de Entrenamiento y de Prueba Independientes. La importancia de disponer de conjuntos de datos independientes para el entrenamiento/desarrollo y para la evaluación de sistemas de reconocimiento de habla viene siendo aceptada desde hace bastante tiempo por la comunidad científica. Sigue siendo igual de importante para el desarrollo y evaluación de los sistemas de comprensión de habla, aunque para estos últimos nos interesará tener datos de prueba dónde aparezcan el mayor número de fenómenos del habla posibles (son importantes las construcciones gramaticales, los efectos propios del habla espontánea, etc.), para colocar al sistema en el mayor número de situaciones (léxicas, sintácticas y semánticas) posible. Sin embargo, es conveniente resaltar que el proceso de evaluación no deja de ser parte del proceso de entrenamiento, pues en muchos casos los resultados de la misma sirven para depurar o mejorar el comportamiento final del sistema. Por tanto, es importante que exista un conjunto de datos independiente y realista, tan grande como sea posible, con el que se evalúe definitivamente un sistema y con cuyos resultados no se intente seguir desarrollando (mejorando) el sistema.

• Evaluación del Sistema como Caja Negra. La evaluación de los componentes de un sistema es una tarea importante durante el desarrollo del mismo, aunque no es especialmente útil para comparar sistemas entre sí, al menos que los sistemas a comparar sean muy similares, lo que no suele ser el caso. La motivación para evaluar los componentes de un sistema es puramente interna, por tanto, no es absolutamente necesario llegar a acuerdos en la comunidad internacional sobre la metodología de evaluación de los mismos. Las medidas de evaluación de los componentes internos de un sistema pueden utilizarse para evaluar las tecnologías empleadas en cada componente como una función de sus parámetros de diseño; por ejemplo, el funcionamiento de un módulo de reconocimiento acústico puede ser evaluado como una función de la perplejidad alofónica y sintáctica, el funcionamiento de un analizador sintáctico (parser) como una función de la calidad (errores) de la secuencia de palabras (frase) de entrada. Además, estas medidas son útiles para evaluar el progreso conseguido, y cómo los cambios en varios componentes afectan al resto de los mismos.

• Evaluación Cuantitativa vs. Cualitativa. Una evaluación cualitativa de un sistema (p. ej. lo que parece gustar a los usuarios del sistema) puede ser animador, pero mucho más convincente para aquellos que no pueden observar el sistema son las medidas cuantitativas llevadas a cabo de forma automática. Las medidas deberían ser estandarizadas en la medida de lo posible, y ser reproducibles, para considerarlas significativas. El proceso automatizado evita errores humanos debido a fatiga, falta de atención, malas intenciones, etc. y además, permite capturar muchos más datos que en un caso manual, y sacar conclusiones sobre el funcionamiento de ciertos procesos o hechos que ocurren, con una mayor fiabilidad.

• Captura de Datos para Evaluación. Para capturar los datos que necesitamos para evaluar los sistemas de lenguaje hablado, se han desarrollado técnicas y sistemas especiales conocidos como PNAMBIC (“Pay No Attention to the Man Behind the Curtain”) o Mago de Oz (Wizard of Oz), que implica la existencia de un experto cooperando con un sistema más o menos automático y completo, pero del que no es consciente el usuario, quién piensa que interacciona sólo con un sistema completamente automático. Realmente, el “mago” introduce las peticiones del usuario transcribiendo la frase hablada a texto y enviándosela a la pantalla del usuario, así como interaccionando con un sistema de información (p.e. de gestión de bases de datos), para conseguir las respuesta a la pregunta o petición del usuario y poder mandársela. No se permite que el “mago” realice tareas complejas, sólo puede enviar los datos obtenidos de la base de datos, o frases que indiquen ciertos problemas, indicaciones al usuario, como “su pregunta requiere un proceso que sobrepasa las posibilidades del sistema”. En general, la actuación del “mago” viene condicionada por el hecho de que comprenda o no la pregunta del usuario y sobre su conocimiento sobre las posibilidades de la base de datos. Los datos deben ser analizados a posteriori para determinar si la actuación del “mago” fue o no correcta.

• Convenios sobre las Transcripciones. La transcripción de las sesiones, es decir, las frases que se muestran al usuario, representan el habla natural de ese locutor. Para llevar a cabo evaluaciones automáticas, debemos llegar a un cierto acuerdo sobre los convenios a utilizar para representar lo que el usuario ha dicho, y se deben implementar procedimientos que aseguren que estos convenios son realmente utilizados.

• Respuestas Canónicas y Obtención de Medidas. Las respuestas canónicas son, en general, las respuestas enviadas al usuario bajo el control del “mago”. Estas respuestas deberán ser modificadas si el “mago” comete un error, o si la respuesta depende del contexto en que fue generada debido a la posible cooperación (diálogo) entre el “mago” y el usuario. La obtención de medidas se lleva a cabo con programas estándar y convenios para las entradas y salidas. 

Dentro de todo proceso de desarrollo de un nuevo sistema o la actualización o acondicionamiento de algún sistema ya existente la evaluación de estos juega un papel de vital importancia en el logro de obtener resultados que cubran el total de las necesidades y objetivos para los que fueron desarrollados o por desarrollar, la evaluación de cualquier sistema debe de ir acompañado de un conjunto de medidas estándar propuesto para tal fin.

La evaluación de los sistemas permite conocer si el proyecto en cuestión es viable de acuerdo a la disponibilidad de recursos materiales y técnicos; si es rentable, si genera ganancias o pérdidas y sobre todo de los resultados obtenidos, no solo en cuanto a de los objetivos o metas logradas, sino también de los efectos sociales y naturales que la operación de dicho proyecto implica al entorno, tanto en el momento de su aplicación como a futuro. Esta información fundamenta la toma de decisiones. 

Entre los objetivos que se pueden describen como estándares debido a que pueden ser definidos entre los innumerables sistemas podemos numerar:

1. Efectividad. Eficacia + eficiencia. Se obtiene o no el producto 

2. Eficiencia. Uso correcto de recursos 

3. Confiabilidad. Seguridad de manejo de la información en dicha aplicación 

4. Integridad. Completitud, no duplicidad y relación en manejo de información 

5. Disponibilidad. Posibilidad de acceso al producto (sistema o aplicación), o servicio 

6. Cumplimiento. Cumple con necesidades del usuario. 

7. Confiabilidad. La información tratada tiene un grado de validez. 

La elaboración de sistemas debe ser evaluada con mucho detalle, por lo cual se debe revisar si existen realmente sistemas entrelazados como un todo o bien si existen sistemas aislados. El lograr reunir todos los entes que están o puedan estar involucrados sin duda servirá en mostrar escenarios que ayuden a la perfecta evaluación.

PROCESOS DE ANÁLISIS Y SÍNTESIS

Los conceptos de análisis y síntesis se refieren a dos actividades complementarias en el estudio de realidades complejas. El análisis consiste en la separación de las partes de esas realidades hasta llegar a conocer sus elementos fundamentales y las relaciones que existen entre ellos. La síntesis, por otro lado, se refiere a la composición de un todo por reunión de sus partes o elementos. Esta construcción se puede realizar uniendo las partes, fusionándolas u organizándolas de diversas maneras.

La capacidad de análisis y síntesis nos permite conocer más profundamente las realidades con las que nos enfrentamos, simplificar su descripción, descubrir relaciones aparentemente ocultas y construir nuevos conocimientos a partir de otros que ya poseíamos. Por todo ello, tiene un carácter genérico y está relacionada con varias competencias  (pensamiento crítico, resolución de problemas, organización y planificación o  toma de decisiones, por poner algunos ejemplos).

Los procesos de análisis y síntesis depende en gran medida de tres elementos: 

1) La información y conocimientos previos que posee el individuo o grupo que llevará a cabo la tarea.

2) su habilidad en la percepción del detalle y de relaciones novedosas entre elementos propios de la realidad objeto de estudio y de otros ajenos a ella.

3) los objetivos del estudio, que ayudarán a establecer criterios para seleccionar la información relevante y organizarla en la construcción de la síntesis.

CLASIFICACIÓN DE LOS MODELOS

Simbólicos o Analógicos

Los modelos análogos se construyen mediante un conjunto de convenciones que sintetizan y codifican propiedades del objeto real para facilitar la "lectura" o interpretación de las mismas. 

Los modelos simbólicos se construyen representando el objeto real mediante una codificación matemática (geométrica, estadística, etc.) 

Conceptuales o verbales

Los modelos conceptuales serán aquí considerados como aquellos inventados, diseñados, por investigadores, ingenieros, arquitectos, profesores para facilitar la comprensión o enseñanza de sistemas físicos, o estados de cosas físicos, objetos o fenómenos físicos. Son proyectados como herramientas para el entendimiento y/o para la enseñanza de sistemas físicos.

Los modelos conceptuales son representaciones externas, compartidas por una determinada comunidad y consistentes con el conocimiento científico que esa comunidad posee. Estas representaciones externas pueden materializarse en forma de formulaciones matemáticas, verbales o pictóricas, de analogías o de artefactos materiales. 

Gráficos

En otros modelos usamos diagramas en los que se dibujan de una forma simplificada los componentes del sistema señalando con flechas las acciones de unos sobre otros. Son modelos gráficos. 

Modelos matemáticos

Es uno de los tipos de modelos científicos que emplea algún tipo de formulismo matemático para expresar relaciones, proposiciones sustantivas de hechos, variables, parámetros, entidades y relaciones entre variables y/o entidades u operaciones, para estudiar comportamientos de sistemas complejos ante situaciones difíciles de observar en la realidad. 

Tipos de modelos matemáticos

Probabilísticos

Modelo probabilístico, es la forma que pueden tomar un conjunto de datos obtenidos de muestreos de datos con comportamiento que se supone aleatorio.

Determinísticos

Es un modelo matemático donde las mismas entradas producirán invariablemente las mismas salidas, no contemplándose la existencia del azar ni el principio de incertidumbre. 

Lineales

Es usado en diferentes maneras de acuerdo al contexto. La manera más frecuente es en conexión con modelos de regresión y el término a menudo se toma como un sinónimo del modelo de regresión lineal. Sin embargo, el término es también usado en análisis de series de tiempo con un significado diferente. 

De sistemas dinámicos

Es un sistema físico cuyo estado evoluciona con el tiempo. El comportamiento en dicho estado se puede caracterizar determinando los límites del sistema, los elementos y sus relaciones; de esta forma se puede elaborar modelos que buscan representar la estructura del mismo sistema.

En cuanto a la elaboración de los modelos, los elementos y sus relaciones, se debe tener en cuenta:

1.Un sistema está formado por un conjunto de elementos en interacción.

2.El comportamiento del sistema se puede mostrar a través de diagramas causales.

3.Hay varios tipos de variables: variables exógenas (son aquellas que afectan al sistema sin que éste las provoque) y las variables endógenas (afectan al sistema pero éste sí las provoca).  

Modelos Lineales: Tratan de explicar el comportamiento de una variable aleatoria mediante su relación lineal con los valores de otras que pueden influirla. La manera más frecuente es en conexión con modelos de regresión y el término a menudo se toma como un sinónimo del modelo de regresión lineal. Sin embargo, el término es también usado en análisis de series de tiempo con un significado diferente

Modelos Causales: Son una herramienta metodológica utilizada en las ciencias sociales y del comportamiento como una alternativa a las técnicas experimentales y correlacionales. El objetivo de estos modelos es lograr relaciones casuales entre las variables en primer plano y las relaciones estructurales que operan en un sistema dado. Este artículo presenta una visión general del fundamento metodológico de tales modelos que haciendo aplicación acentúan haciendo análisis de las variables que intervienen en la adquisición y el aprendizaje de una segunda lengua.

De sistemas de control

Según la teoría cibernética, se aplican en esencia para los organismos vivos, las máquinas y las organizaciones. 

Los sistemas de control deben conseguir los siguientes objetivos:

1. Ser estables y robustos frente a perturbaciones y errores en los modelos.

2. Ser eficiente según un criterio preestablecido evitando comportamientos bruscos e irreales.

De sistemas de pensamiento

Son supuestos hondamente arraigados, las generalizaciones y las imágenes que influyen en nuestro modo de comprender el mundo y de actuar, donde muchas veces no somos consientes de nuestros propios modelos mentales y de sus efectos. 

Modelos Computacionales

Un modelo computacional es un modelo matemático en las ciencias de la computación que requiere extensos recursos computacionales para estudiar el comportamiento de un sistema complejo por medio de la simulación por computadora.

MODELO CIBERNÉTICO

El Modelo Cibernético constituye una guía de análisis / diseño, destinada a identificar y tipificar los elementos y el perfil de operación que integran los mecanismos para la regulación y control del funcionamiento de recursos y soluciones de tecnología.

Para estos efectos, el Modelo plantea un perfil genérico de componentes, y de articulación funcional, según se muestra en la Figura 1, que es susceptible de aplicar a cualquier forma de estos mecanismos, a fin de establecer la identificación de los elementos que desempeñan cada una de las funciones proyectadas en dicho perfil, y de esta manera valorar su efectividad en las tareas de  regulación.

El perfil de composición planteado por el Modelo, considera una segmentación funcional de las instancias de regulación que integra el mecanismo de control, individualizadas con base en su misión específica de actuación ante las diversas vertientes de desviación en el funcionamiento que se pretende regular y controlar.

En este sentido, se proyecta su aplicación a fin de facilitar la incorporación y desempeño de los recursos y soluciones de tecnología dentro de un contexto o entorno de aplicación, con el propósito de procurar la cobertura de los perfiles de utilidad esperados de su funcionamiento por parte de tal entorno.

MODELO MATEMÁTICO

En ciencias aplicadas, un modelo matemático es uno de los tipos de modelos científicos que emplea algún tipo de formulismo matemático para expresar relaciones, proposiciones sustantivas de hechos, variables, parámetros, entidades y relaciones entre variables y/o entidades u operaciones, para estudiar comportamientos de sistemas complejos ante situaciones difíciles de observar en la realidad. El término modelización matemática es utilizado también en diseño gráfico cuando se habla de modelos geométricos de los objetos en dos (2D) o tres dimensiones (3D).

El significado de modelo matemático en filosofía de la matemática y fundamentos de la matemática es, sin embargo, algo diferente. En concreto en esas áreas se trabajan con "modelos formales". Un modelo formal para una cierta teoría matemática es un conjunto sobre el que se han definido un conjunto de relaciones unarias, binarias y ternarias, que satisface las proposiciones derivadas del conjunto de axiomas de la teoría. La rama de la matemática que se encarga de estudiar sistemáticamente las propiedades de los modelos es la teoría de modelos.

MODELO DETERMINÍSTICO

Un modelo determinista es un modelo matemático donde las mismas entradas producirán invariablemente las mismas salidas, no contemplándose la existencia del azar ni el principio de incertidumbre. Está estrechamente relacionado con la creación de entornos simulados a través de simuladores para el estudio de situaciones hipotéticas, o para crear sistemas de gestión que permitan disminuir la incertidumbre. Los modelos determinista sólo pueden ser adecuados para sistemas deterministas, para sistemas azarosos y caóticos los modelos deterministas no pueden predecir adecuadamente la mayor parte de sus características.

La inclusión de mayor complejidad en las relaciones con una cantidad mayor de variables y elementos ajenos al modelo determinista hará posible que éste se aproxime a un modelo probabilístico o de enfoque estocástico.

MODELO PROBABILÍSTICO

Modelo probabilístico, es la forma que pueden tomar un conjunto de datos obtenidos de muestreos de datos con comportamiento que se supone aleatorio.

El modelo probabilístico como modelo de recuperación de independencia binaria fue desarrollado por Robertson y Spark Jones. Este modelo afirma que pueden caracterizarse los documentos de una colección mediante el uso de términos de indización. Obviamente existe un subconjunto ideal de documentos que contiene únicamente los documentos relevantes a una necesidad de información para la cual se realiza una ponderación de los términos que componen la consulta realizada por el usuario. A continuación el sistema calcula la semejanza entre cada documento de la colección y la consulta y presentando los resultados ordenados por grado de probabilidad de relevancia en la relación a la consulta. Este modelo evita la comparación exacta ( existencia o no de un término de la consulta en el documento) y posibilita al usuario realizar un proceso de retroalimentación valorando la relevancia de los documentos recuperados para que el sistema pueda calcular la probabilidad en posteriores consultas de que los documentos recuperados sean o no relevantes en función de los términos utilizados en la consulta sean o no relevantes.

Pueden ser modelos probabilísticos discretos o continuos. Los primeros, en su mayoría se basan en repeticiones de pruebas de Bernoulli. Los más utilizados son:

• Modelo de Bernoulli
• Modelo Binomial.
• Modelo Geométrico.
• Modelo Binomial negativo.
• Modelo Hipergeométrico.
• Modelo de Poisson.

Por otro lado, tal como se ha mencionado antes, existen modelos probabilísticos continuos, entre ellos destacamos:

•  Distribución Normal: usada ampliamente en muestras mayores a 30 datos.
• Distribución Chi Cuadrado: usada en muestras pequeñas.
• Distribución Exponencial: usada en duración o donde interviene el paso del tiempo.
• Distribución F o distribución F de Snedecor: usada para controlar la varianza de 2 distribuciones.

TIPOS DE MODELO

MODELO ICÓNICO

Los modelos icónicos son objetos reales que representan la forma espacial del objeto a modelar. 

MODELO ANALÓGICO

Los modelos analógicos son objetos reales, que en la correspondencia con el objeto a modelar se establecen sus comportamientos, es decir, en la forma como reaccionan ante determinadas acciones que se ejercen sobre ellos. 

MODELOS GRÁFICOS

En los modelos gráficos, mediante gráficos se representan aspectos de un objeto. Estructura y Comportamiento.

MODELOS SIMBÓLICOS

Son los modelos que representan aspectos de un objeto mediante símbolos y su correspondiente interpretación.

MODELO DESCRIPTIVO

Es un modelo físico,conceptual o matemático que describe situaciones.

MODELO NORMATIVO

Es un modelo que se basa en como se deben tomar las decisiones para quienes las toman. 

EL MODELO DE COMPORTAMIENTO

Dentro del modelo de comportamiento se involucrará el desarrollo de un diagrama de flujo de datos y un diagrama de entidad-relación preliminares, además de la elaboración de las entradas iniciales del diccionario.

Para explicar el modelo de comportamiento utilizaremos el enfoque de partición por acontecimiento, el cual incluye los siguientes cuatro pasos: 

1. Se dibuja una burbuja, o proceso, para cada acontecimiento de la lista. 
2. La burbuja se nombra describiendo la respuesta que el sistema debe dar al acontecimiento asociado. 
3. Se dibujan las entradas y salidas apropiadas de tal forma que la burbuja pueda dar la respuesta requerida, y se dibujan los almacenes, como sea apropiado, para la comunicación entre burbujas. 
4. El borrador de DFD que resulta se compara con el diagrama de contexto y la lista de acontecimientos para asegurar que está completo y sea consistente 

Los modelos de comportamiento se utilizan para describir el comportamiento del sistema en su totalidad. Entre los modelos de comportamiento existentes se distinguen dos de estos: modelos de flujo de datos, que modelan el procesamiento de los datos en el sistema, y modelos de máquinas de estado, que modelan como el sistema reacciona a los eventos. Estos modelos pueden usarse de forma separada o conjuntamente, dependiendo del tipo de sistema que se esté desarrollando.

La mayoría de los sistemas de negocio están fundamentalmente dirigidos por los datos. Están controlados por las entradas de datos al sistema con relativamente poco procesamiento de eventos externos.

Un modelo de flujo de datos puede ser todo lo que se necesite para representar el comportamiento de estos sistemas. Por el contrario, los sistemas de tiempo real a menudo están dirigidos por eventos con un mínimo procesamiento de datos. Un modelo de máquina de estados es la forma más efectiva de representar su comportamiento. Otras clases de sistemas pueden estar dirigidas tanto por datos como por eventos. En estos casos se puede desarrollar ambos tipos de modelos.

MODELOS DE FLUJO DE DATOS

Los modelos de flujo de datos son una forma intuitiva de mostrar como los datos son procesados por un sistema. A nivel de análisis, deberían usarse para modelar la forma en la que los datos son procesados en el sistema existente. El uso de modelos de flujo de datos para análisis comenzó a usarse ampliamente después de la publicación del libro de DeMarco (DeMarco, 1978) sobre análisis de sistemas estructurados. Estos modelos son una parte intrínseca de los métodos estructurados. La notación usada en ellos representa el procesamiento funcional (rectángulos redondeados), los almacenes de datos (rectángulos) y el flujo de datos entre funciones (flechas etiquetadas).

Los modelos de flujo de datos son valiosos debido a que realizan un seguimiento y documentan como los datos asociados con un proceso particular fluyen a través del sistema, y esto ayuda a los analistas a comprender el proceso. Los diagramas de flujo de datos tienen la ventaja de que, a diferencia de otras notaciones de modelado, son sencillos e intuitivos. Normalmente es posible explicarlos a los usuarios potenciales del sistema, quienes pueden entonces participar en la validación del análisis.

Los modelos de flujo de datos muestran una perspectiva funcional en donde cada transformación representa un único proceso o función. Son particularmente útiles durante el análisis de requerimientos ya que pueden usarse para mostrar el procesamiento desde el principio hasta el final en un sistema. Es decir, muestra la secuencia completa de acciones que tienen lugar a partir de una entrada que se está procesando hasta la correspondiente salida que constituye la respuesta del sistema.

MODELOS DE MAQUINAS DE ESTADO

Un modelo de maquinas de estados describe como responde un sistema a eventos internos o externos. El modelo de máquina de estados muestra los estados del sistema y los eventos que provocan las transiciones de un estado a otro. No muestra el flujo de datos dentro del sistema. Este tipo de modelos se utiliza a menudo para modelar sistemas de tiempo real debido a que estos sistemas suelen estar dirigidos por estímulos procedentes del entorno del sistema.

Los modelos de máquina de estados son una parte integral de los métodos de diseño de tiempo real tales como los propuestos por Ward y Mellor (Ward and Mellor, 1985), y Harel (Harel, 1987). El método de Harel usa una notación denominada diagramas de estado que fue la base para la notación del modelado de máquina de estados en UML.

Un modelo de máquina de estados de un sistema supone que, en cualquier momento, el sistema está en uno de varios estados posibles. Cuando se recibe un estímulo, este puede disparar una transición a un estado diferente.

La notación UML utilizada para describir los modelos de máquina de estados está diseñada para modelar el comportamiento de los objetos. Sin embargo, es una notación de propósito general que se puede utilizar para cualquier tipo de modelado de máquina de estados. Los rectángulos redondeados en un modelo representan los estados del sistema. Incluyen una breve descripción de las acciones realizadas en ese estado. Las flechas etiquetadas representan estímulos que fuerzan transiciones de un estado a otro.

El problema con la aproximación de la máquina de estados es que el número de posibles estados crece rápidamente. Por lo tanto, para los modelos de sistemas grandes, es necesaria una cierta estructuración de estos modelos de estados. Una forma de hacer esto es mediante la noción de un superestado que encierra a varios estados separados. Este superestado se asemeja a un único estado de un modelo de alto nivel.

MODELO PARA ESTUDIAR LA ESTRUCTURA UC

 (Universo del discurso y los acoplamientos)

El modelo de estructura uc del sistema original para un problema es cuando sus estructuras uc de ambos sistemas sean iguales aunque sus rasgos sean diferentes.

MODELO PARA ESTUDIAR LA ESTRUCTURA ST

(Estados y transiciones)

Cuando la estructura st de ambos sistemas sean iguales aunque sus rasgos sean diferentes.

El modelo de estructura st del sistema es una cuaterna conformado por el conjunto de estados del sistema modelo y el conjunto de transiciones del sistema modelo la correspondencia biunívoca entre el conjunto de estados del sistema modelo, la correspondencia biunívoca entre el conjunto de transiciones del modelo original.