IIND 4126 Modelado Predictivo de Sistemas Bajo Incertidumbre

La incertidumbre es un aspecto intrínseco de la realidad, desde el comportamiento de los elementos básicos de la materia hasta los niveles más complejos de las organizaciones. Aún si en muchos casos sus efectos pueden ser abstraídos sin afectar el estudio de los sistemas, es sumamente importante entender cómo se puede caracterizar e incluir en modelos estocásticos del comportamiento y evolución de sistemas dinámicos.

Este curso apunta a proporcionar una introducción práctica y rigurosa al modelado de sistemas que incluyen aspectos de incertidumbre, basado en formulaciones discretas. El formalismo de las Redes de Petri constituye el núcleo del curso. Las Redes de Petri son una herramienta flexible y adecuada para la representación de sistemas a diferentes niveles de abstracción. Al mismo tiempo, proporcionan un lenguaje para la definición de modelos que puede de manera sencilla representar una interfaz para las técnicas de análisis axiomáticas, basadas en la solución analítica o numérica de los procesos estocásticos subyacentes a los modelos, y aquellas que los aproximan a través de la simulación.

La capacidad de integrar ágilmente estas diferentes técnicas y enfoques con la computación representa una competencia fundamental para el ingeniero que se enfrente al modelado predictivo de sistemas complejos del mundo real.

Créditos

4

Periodo en el que se ofrece el curso

201910

Idioma en el que se ofrece el curso

Español