Insight Maker.docx 4i155z

Insight Creador: una herramienta de propósito general para el modelado basado en la web y la simulación Abstracto Una herramienta basada en la web, la simulación de propósito general y el modelado se presenta en este documento. La herramienta, Insight Maker, ha sido diseñado para hacer el modelado y la simulación accesible a un público más amplio de s. Insight Maker integra el modelado en tres enfoques generales - Dinámica de Sistemas, Modelado Basado en Agentes y programación imperativa - en un marco de modelado unificado. El medio ambiente proporciona una interfaz gráfica de construcción del modelo que se implementa únicamente en código del lado del cliente que se ejecuta en los equipos de los s. Las funciones avanzadas, tales como el modelo de secuencias de comandos y una herramienta de optimización, también se describen. Insight Maker, en desarrollo desde hace varios años, ha ganado

la

adopción

significativa

en

la

actualidad

con

más

de

20.000

s

registrados. Además de detallar la herramienta y su filosofía que guía, este primer documento sobre Insight Maker describe las lecciones aprendidas en el desarrollo de una herramienta de simulación basado en la web y de diseño complejo.

1. Introducción El campo de las herramientas de modelado y simulación es diversa y emergente. Herramientas de modelado de propósito general (Simulink ejemplo de MATLAB o el lenguaje Modelica [1] ) se sientan las aplicaciones junto altamente enfocados y específicos de dominio (por ejemplo, [2] para los sistemas de control de la red de modelado, [3] para la simulación del comportamiento de los protocolos de enrutamiento de red inalámbrica, o [4] para la simulación y el control de las turbinas). El interés en y los trabajos publicados sobre este tipo de herramientas ha crecido con el tiempo. El ISI Web of Knowledge reporta un crecimiento sustancial en los trabajos publicados en la modelización o simulación de herramientas con 299 esos trabajos publicados en el lapso de 1985 a 1989, 1482 publica a partir de 1995 a 1999, y 3727 publicados desde 2005 hasta 2009. 1 Para los s finales, la simulación y el modelado herramientas se diseñan generalmente como ejecutables que se ejecutan en un sistema operativo de consumo, tales como Windows o Mac OS X. Con la expansión de Internet y la ubicuidad de la World Wide Web, nuevas posibilidades para aprovechar esta tecnología de la comunicación y la plataforma para desarrollar ricas herramientas de modelado de colaboración se han convertido en disponible. Una importante revisión de las oportunidades y los problemas que enfrentan al utilizar tecnologías basadas en Internet como parte de una simulación o modelado de aplicaciones ha sido [5] . Sin embargo, la tecnología ha avanzado rápidamente en el período

transcurrido desde la publicación de dicha revisión. La competencia entre las empresas de tecnología como Apple, Microsoft y Google ha llevado a un rápido aumento de la disponibilidad de funciones avanzadas en los navegadores web y mejoras de rendimiento significativas en estos

mismos

navegadores

(estas

mejoras

están

documentados

en

sitios

como http://AreWeFastYet.com y http://html5test.com ). Estas mejoras han cambiado lo que es efectivamente posible en el navegador. Donde [5] en cuenta que las tecnologías basadas en Internet no estaban bien adaptadas a la "simulación y visualización local" - que ejecuta todo el código de simulación en la máquina de un final - que ya no es el caso ya que el trabajo presentado aquí demuestra. Otros trabajos en la intersección entre las herramientas de simulación y modelado y tecnologías basadas en la Web incluye pero no se limita a, [6] que desarrollan una plataforma de simulación-optimización para aplicaciones industriales, [7] que proponen un marco para la colaboración en línea de modelado y simulación de un enfoque para el medio ambiente la construcción adaptable a través de múltiples dominios, [8] que estudian la ejecución de simulaciones en las plataformas basadas en la nube, y [9] que explorar integración del modelo de colaboración en un entorno distribuido. Lo que falta en el trabajo anterior, sin embargo, es una realización de un entorno de simulación de propósito general desarrollado utilizando tecnologías basadas en Internet dirigidos primero a un público general. Tecnologías basadas en la Web son especialmente beneficiosas para los no expertos, ya que pueden reducir significativamente los costos requeridos para un nuevo para experimentar y aprender acerca de una simulación y una herramienta de modelado. Las herramientas de simulación y modelización han demostrado ser dispositivos didácticos útiles (por

ejemplo, [10] que

utilizaron

una

herramienta

de

simulación

en

el

aula

o

la

economía [11] para ejemplos de trabajo en las escuelas primarias). Mediante el desarrollo de la simulación basada en web y herramientas de modelado, la accesibilidad de estas herramientas se puede incrementar tanto dentro del aula y fuera de ella. Una persona común considerar el modelado puede ser adverso para descargar e instalar el modelado y la simulación de software en un ordenador personal (debido al miedo de los virus y otras preocupaciones). Por otro lado, la misma persona puede estar más dispuesta a abrir una página web simple que contiene un modelo de simulación o de la interfaz de la construcción modelo integrado. La reducción de las barreras de entrada permite participar más personas en el modelado y la simulación, que puede conducir a beneficios para la sociedad, como resultado de un aumento en el uso y la comprensión de los modelos. El resto de este trabajo se presenta la simulación y la herramienta de modelado Insight Maker (disponible enhttp://InsightMaker.com ). Es un país libre, de código abierto de modelado y simulación herramienta desarrollada utilizando tecnologías basadas en Internet y es compatible con la construcción de modelo gráfico utilizando múltiples paradigmas. El software está diseñado principalmente para ser lo más accesible para el lego como sea posible, pero también contiene importantes herramientas de modelado avanzadas como capacidades de scripting integrados y un conjunto de herramientas de optimización. Insight Maker se hizo público a

finales de 2009 y ha experimentado un continuo desarrollo y evolución desde entonces. Desde su lanzamiento, la herramienta ha ganado más de 20.000 s registrados. La respuesta de estos s ha ayudado a establecer el curso para la dirección y el desarrollo de la herramienta. Las secciones restantes de este documento primero se describen la filosofía y los principios de diseño de la herramienta de simulación y modelado. Siguiente la arquitectura de la herramienta se detalla. Como una tecnología basada en la web, la herramienta incluye tantos componentes del lado del servidor y del lado del cliente y se discute esta arquitectura. Se presta especial atención a los beneficios que ofrece y los compromisos necesarios para implementar con éxito una herramienta compleja, como Insight Maker en un entorno basado en web. Por último, dado que la herramienta ha sido objeto de múltiples años de iteración y el desarrollo basado en la retroalimentación de los s y los puntos de referencia de la adopción del , también se presentan las conclusiones y las lecciones aprendidas de esta evolución.

2. Principios rectores Se puede argumentar que los tres criterios básicos deben ser utilizados en la evaluación de una herramienta o medio utilizado para desarrollar la simulación y modelos: rendimiento, características y accesibilidad. Un entorno de alto rendimiento es el que ejecuta simulaciones rápidamente con los requisitos mínimos de recursos. Las características son las capacidades y funcionalidades de alto nivel en la herramienta de simulación y modelado. Accesibilidad indica lo fácil que es aprender o utilizar un entorno. En general, existen soluciones de compromiso entre estos criterios en la cara de una cantidad fija de recursos para el desarrollo:

Actuación frente a las características: Adición de funciones a la herramienta de simulación a menudo puede resultar en un impacto negativo en el rendimiento. Además del software de "hinchazón", ciertas características pueden producir una sobrecarga computacional durante las simulaciones o hacer más difícil la aplicación de algunos tipos de optimizaciones.

Actuación frente a la accesibilidad: Realizar un programa de simulación accesible a los s a menudo requiere la utilización de conceptos de alto nivel divorciadas del hardware de la máquina subyacente. La capacidad de un entorno para convertir conceptos de alto nivel a código máquina eficiente variar, pero en general, los entornos de mayor nivel de se habrá reducido el rendimiento en comparación con los ambientes menos accesibles, de bajo nivel.

Accesibilidad frente a las características: una línea de base de las características es importante para hacer un programa de simulación accesible para los s (por ejemplo, una interfaz gráfica de ). Sin embargo, muchas características añadidas al software de simulación están dirigidas a subconjuntos específicos de los s y ofrecen poco valor para el medio. El exceso de funciones que llevan a "hinchar" puede resultar en la frustración del o la sensación de estar abrumado [12] .

Actuación frente a la precisión: Una solución de compromiso final es entre el rendimiento y la precisión, ya que suelen ser inversamente correlacionados. Esta solución de compromiso a menudo puede estar expuesta directamente a los s que les permite determinar cómo equilibrar estos objetivos en competencia. Aunque las compensaciones pueden ser mitigadas a través de un mayor tiempo de desarrollo o los recursos, los desarrolladores decisiones que tomen sobre estos intercambios son clave en la definición de sus programas y entornos (simulación . Figura 1 ). A modo de ejemplo, los modelos y las simulaciones pueden desarrollarse en el montaje en bruto como instrucciones de procesador de la máquina. Estos modelos deben tener un rendimiento excelente, pero su desarrollo sería muy difícil, ya que el montaje es inaccesible y tiene un conjunto de características incorporadas mínima. A costa de algo de rendimiento, entornos de desarrollo de alto nivel como C + + son alternativas. Herramientas de nivel superior ofrecen mayor accesibilidad y características, pero a cambio a menudo no son capaces de igualar el rendimiento de un altamente optimizado, alternativa de menor nivel.

Higo. 1. Ilustración conceptual de concesiones prioritarias de herramientas de simulación y modelado. Opciones Figura

Insight Maker prioriza soluciones de compromiso entre el rendimiento, accesibilidad y características de la siguiente manera. La accesibilidad se dará prioridad principal, seguida de características, con un rendimiento asignado la prioridad más baja. La accesibilidad es el objetivo principal de Insight Maker y es fundamental para el diseño de la herramienta desde el punto de vista de la arquitectura del programa en general (es decir, la elección de la aplicación como una aplicación web para aumentar la disponibilidad de la aplicación), a las opciones de diseño de idiomas pequeños (como el uso de mayúsculas y la insensibilidad en la lengua), a las opciones cosméticas. La inclusión de un rico conjunto de características es la segunda prioridad del Insight Maker. Muchas de las herramientas y capacidades se incluyen en el programa como un

lenguaje de secuencias de comandos y optimizador incorporado. En la adición de características, se intenta no aumentar significativamente la aparente complejidad del software; esto ha significado hacer esas funciones disponibles para los s que ellos desean, pero destacando un conjunto básico de funcionalidades para los s nuevos que no son inmediatamente interesado o capaz de utilizar las funciones más compleja. Un ejemplo de este enfoque es el apoyo de Insight Maker para unidades de medida. El motor de simulación contiene la capacidad de asociar unidades con cada número en la simulación que luego se comprueba automáticamente y se valida cuando la simulación se ejecuta. Esta capacidad útil se puede coger una clase de errores de la ecuación y mejorar la fiabilidad de los modelos. Sin embargo, también puede disminuir la accesibilidad del software, ya que requiere que los s especificar las unidades adelantado en la construcción de un modelo, que puede ser una carga innecesariamente compleja para muchas aplicaciones. Por lo tanto, el simulador hace que las unidades una característica puramente opcional en la construcción del modelo, que el puede ignorar o comprometerse con, dependiendo de su nivel de habilidad individual y las necesidades plenamente. La prioridad que se centró en menos de Insight Maker es el rendimiento. Una labor importante ha entrado en la optimización de la aplicación. Sin embargo, decisiones tomadas como resultado de priorizar la accesibilidad primera y segunda características hacen que sea imposible lograr una velocidad que sería posible si el rendimiento ha sido la prioridad principal. Por ejemplo, la elección de una arquitectura de aplicaciones web impone limitaciones significativas en el rendimiento de la aplicación. Como una aplicación web pura, el simulador debe utilizar ECMAScript como lenguaje de programación principal 2 que tiene una buena, pero no excelente, características de funcionamiento, siendo aproximadamente 2-8 veces más lento que C + + para el trabajo numérico [13] . Del mismo modo, las características específicas pueden tener un costo de rendimiento. Por ejemplo, el apoyo de las unidades de Insight Maker requiere un objeto de datos agregados que se mantenga en representación de los resultados de los cálculos. Este objeto de datos tiene costos de rendimiento significativas en comparación con el uso de números genéricos.

3. La aplicación Insight Maker como una aplicación web significa que el lo ejecuta mediante el a una URL a través de su navegador web. La aplicación ofrece una gran variedad de servicios que tanto el espejo de lo que se encontraría en una aplicación de escritorio tradicional construcción de modelo y modelo de simulación - sino que también se extiende más allá en áreas más específicas para un entorno web - gestión de cuentas de , así como el modelo de búsqueda y uso compartido. Aunque estos últimos servicios son importantes para el buen funcionamiento de la aplicación, sirven un papel puramente contable y no son intelectualmente interesantes en el contexto de la modelización y la simulación. En lugar de

ello, son los aspectos novedosos de simulación y modelado de la aplicación que son el foco de esta sección y el papel. Higo. 2 ilustra la interfaz de modelo de construcción principal de Insight Maker ejecuta dentro del navegador web Google Chrome. La interfaz se divide en tres componentes principales: el diagrama de modelo, la barra de herramientas y el de configuración. El diagrama de modelo es una ilustración interactiva de la estructura del modelo actual, junto con características de interfaz de adicionales, tales como descripciones textuales, fotos y botones interactivos. Los s pueden seleccionar, la posición y el tamaño de los elementos en el diagrama de modelo utilizando un dispositivo de entrada como el ratón o, en dispositivos táctiles como las tabletas, su dedo. Cada elemento en el diagrama de modelo tiene un conjunto de atributos asociados que controlan sus conductas. Los atributos pueden ser configurados en el de configuración. La barra de herramientas en la parte superior de la ventana proporciona una serie de funciones. Contiene un selector para añadir diferentes tipos de objetos al diagrama de modelo (tanto para la simulación y con fines descriptivos), herramientas estándar para la edición de documentos (deshacer / rehacer, copiar y pegar, etc), las opciones de estilo para ajustar la apariencia de los objetos en el diagrama (características de coloración y de la fuente), herramientas para interactuar con la simulación, y los botones para guardar el modelo completo o empezar una simulación del modelo.

Higo. 2.

La interfaz principal de la construcción del modelo se ejecuta dentro del navegador web Google Chrome. Opciones Figura

La construcción de modelos y simulación aspecto entero de la aplicación se ejecuta dentro de una sola ventana de navegador web. Cuando una simulación completa, los resultados se muestran en la misma ventana del navegador. Un número de diferentes tipos de visualización para los resultados están disponibles, incluyendo gráficos de series de tiempo, tablas, histogramas, diagramas de dispersión, y mapas de dos dimensiones ( . Fig. 3 ). Para análisis fuera de línea, los s pueden exportar los resultados a archivos CSV. Además de la visualización de los resultados, un número de otras ventanas y diálogos configuración abierta dentro de esta ventana principal. A modo de ejemplo, los diálogos para configurar ecuación matemática de un objeto, establecer los ajustes de tiempo de simulación, y llevan a cabo carreras de optimización o pruebas de sensibilidad todos abiertos dentro de esta ventana primaria.Todo el contenido de esta ventana se definen utilizando tecnologías web estándar como Hypertext Markup Language (HTML) y hojas de estilo en cascada (CSS).

Higo. 3. Ejemplo de salida muestra la simulación. Las agujas del reloj desde arriba a la izquierda: la simulación de la propagación de la enfermedad en una comunidad, la distribución de los dos atributos de los agentes individuales en una simulación, una simulación de crecimiento de la población mundial, la simulación de la ubicación y las conexiones entre los agentes individuales en un modelo. Opciones Figura

4. Arquitectura del sistema La aplicación utiliza una arquitectura cliente-servidor ( . Fig. 4 ), donde los clientes (dispositivos de computación del ) están conectados al servidor a través de Internet. Los s pueden utilizar el navegador web en su máquina para conectarse al servidor y cargar el entorno de la construcción y la simulación del modelo. Los componentes de servidor son los responsables de la gestión de cuentas de , el almacenamiento de datos de y modelos, y la provisión de infraestructura de búsqueda.Los componentes del cliente proporcionan capacidades modelo de edición junto con el modelo de simulación y análisis funcionalidades. Los clientes no se comunican entre sí directamente y en lugar de toda la comunicación pasa a través del servidor centralizado.

Higo. 4. Descripción general de la arquitectura cliente-servidor de la herramienta. Opciones Figura

Es importante tener en cuenta que el código del lado del cliente se ejecuta la simulación. Una alternativa sería colocar la lógica de la simulación y el código en el servidor y sólo tiene que utilizar el cliente para la construcción del modelo y la información de los resultados. Esta última estructura era, de hecho, cómo la aplicación fue diseñado originalmente. Hay soluciones de compromiso entre estos dos enfoques. En general, las simulaciones de servidor optimizados deberían ser más rápido que el lado del cliente, simulaciones ECMAScript potencia. Para los modelos pequeños, sin embargo, la latencia de envío de datos de ida y vuelta al servidor puede dar lugar a una simulación en el servidor siendo efectivamente más lento que las simulaciones del lado del cliente. Otras soluciones de compromiso entre el lado del servidor y del lado del cliente simulaciones implican problemas con modelos propios (simulación del lado del cliente da al cliente el al modelo, lo que hace imposible lanzar un modelo sin liberando también el a los detalles del modelo) y los efectos de la popularidad del software (simulaciones

en el servidor puedan ser costoso y requerir la compra de servidores adicionales, si el software experimenta una demanda significativa; simulación del lado del cliente reduce esta presión). Idealmente, tanto del lado del servidor y opciones de simulación del lado del cliente estarían disponibles para el para elegir entre.Desafortunadamente, esto lo más probable es necesario mantener dos bases de código de simulación, que es en la actualidad más allá del alcance de los recursos disponibles para este proyecto. En cuanto a las opciones tecnológicas, la herramienta utiliza las tecnologías de código abierto estándar y se ejecuta en un servidor genérico Linux / Unix. En lo posible, se han utilizado las tecnologías y soluciones de código abierto existentes para minimizar los costos y aumentar la portabilidad del sistema. Los datos se almacenan en el servidor de la base de datos MySQL de código abierto, mientras que el lenguaje PHP de código abierto y el sistema de gestión de contenido de código abierto Drupal se utilizan para almacenar datos y ejecutar lógica de la aplicación en el servidor. La aplicación de fuente abierta Lighttpd se utiliza como el software del servidor real.

5. Arquitectura y capacidades Simulador La parte de simulador de Insight fabricante está diseñada de forma modular de múltiples capas, donde las capas de nivel superior dependen de la funcionalidad proporcionada por los niveles más bajos ( . Fig. 5 ). Las capas pueden ser agrupados en niveles separados que representan amplias clases de funcionalidad. Nivel 0, el nivel más bajo nivel que proporciona la base para el simulador, es el lenguaje de programación ECMAScript (coloquialmente conocido como "JavaScript"). ECMAScript es un lenguaje de programación dinámico con implementaciones de alto rendimiento disponibles en todos los navegadores modernos. El simulador utiliza ECMAScript 5 o superior y es compatible con todos los navegadores modernos.

Higo. 5. Descripción general de la arquitectura del simulador. Opciones Figura

5.1. Tier 1 Nivel 1 proporciona las matemáticas y los motores de idiomas ecuación para evaluar las ecuaciones

introducidas

por

los

s. Los

motores

en

sí

son,

herramientas

computacionales genéricos y no proporcionan la simulación y el modelado de características específicas. Tales características son proporcionados por los niveles más altos que se basarán en este nivel.

5.1.1. Motor de Matemáticas El motor de la matemática se analiza y evalúa los enunciados matemáticos. Hay dos bibliotecas numéricas subyacentes distintos que el simulador puede utilizar. Un motor de cálculo genérico es proporcionada por el entorno de ECMAScript sí. Se trata de una precisión biblioteca puramente doble punto flotante sin número entero, los tipos de datos fraccionarios o decimales. La

segunda

biblioteca

es

una

arbitraria

biblioteca

matemática

precisión

implementado en ECMAScript. Esta segunda biblioteca es compatible con las matemáticas y los números decimales exactos de tamaño arbitrario sin errores o imprecisiones numéricas.El

equilibrio entre las dos bibliotecas es uno de rendimiento frente a la precisión. La biblioteca de precisión arbitraria requiere una gran penalización en el rendimiento sobre la matemática de ECMAScript nativas. Por otro lado, la biblioteca nativa tendrá pequeños errores debido a las inexactitudes inherentes en los números de punto flotante. 3 El simulador de código abierto puede ser configurado para utilizar cualquiera de biblioteca. Para el despliegue de la base de código de fabricante de Insight en InsightMaker.com , sólo la biblioteca numérica ECMAScript nativa está disponible para los s con el fin de maximizar el rendimiento de los modelos de (a costa de un poco de precisión). Además, el motor de la matemática ite los números de marcado con las unidades de medida arbitrarias (por ejemplo, en lugar de decir la longitud de un objeto en el modelo como "5", que se puede declarar como "5 metros"). El motor permite la conversión transparente entre unidades equivalentes y también la resurrección de excepciones cuando se intentan operaciones unitarias incompatibles. Esto es especialmente útil para los s finales, ya que proporciona una comprobación adicional de que las ecuaciones se han introducido correctamente.

5.1.2. Lenguaje motor Ecuación El simulador incluye un lenguaje de motor ecuación general que se encuentra por encima del motor matemático. Este lenguaje motor ecuación es un lenguaje de programación de propósito general con las características específicas de dominio orientados hacia el modelado y la simulación de la utilización. Las características del lenguaje son: el uso y creación de variables de ámbito de bloque; el uso y la creación de funciones; control de flujo, incluyendo las declaraciones If-Then-Else, Mientras bucles y bucles For; y la construcción de vectores (arrays). Aunque el motor ecuación tiene un rico conjunto de características, en los casos más prácticos que sirve como una capa delgada sobre el motor de las matemáticas con el fin de permitir a los s introducir expresiones matemáticas sencillas. Las características más complejas generalmente sólo se requiere en la construcción de complicados modelos Agent-Based. Un ejemplo de la ecuación de motor utilizado para un cálculo recursivo simple se muestra en la Tabla 1 y proporciona al lector una idea de las características del lenguaje. De nuevo, es importante subrayar que el lenguaje del motor ecuación se aplica exclusivamente en ECMAScript (incluyendo tokenizer del lenguaje motor ecuación, parser y el intérprete) y se puede ejecutar en un navegador web. Tabla 1. Ejemplo de uso del motor de la ecuación para definir y utilizar una función personalizada.

Función Fib ( n ) Si n = 1 o n = 0 Entonces

1 Más Fib (n - 1) + Fib (n - 2) End If End Function # Calcula el décimo número de Fibonacci Fib (10) Opciones de la tabla

5.2. Nivel 2 Nivel 2 del simulador es un entorno de modelado multi-paradigma que soporta varios enfoques diferentes para el modelado ( Tabla 2 ). Cada método tiene una desventaja distinta entre la flexibilidad y la facilidad de uso. Dinámica de Sistemas es muy abstracto y global. Modelado Basado en Agentes es a menudo mucho más granular, lo que permite un mayor control sobre el sistema, pero al costo potencial de la disminución del rendimiento y un mayor esfuerzo de modelado. Programación imperativa, por otro lado, no tiene restricciones de modelado específico y puede ser flexible para hacer frente a cualquier tarea de modelado, pero potencialmente a un alto costo en tiempo de desarrollo. El simulador permite la perfecta integración de los tres enfoques dentro de un mismo modelo, lo que permite diferentes resoluciones y métodos para las diferentes partes del modelo según sea necesario. Tabla 2. Paradigmas de modelado itidas por el simulador. Principio básico

Fortalezas

Debilidades

Dinámica de Sistemas

Sistema de modelos en un nivel altamente agregado utilizando las tasas de cambio y las variables de estado

Los resultados son generalmente fáciles de interpretar. Los modelos pueden ser simulados con rapidez

No es apropiado para modelar la heterogeneidad

Modelado Basado en Agentes

Modelos individuos, cada uno con sus propias características y las interacciones entre los individuos

Resultados altamente relacionables útiles para la comunicación. Puede modelar sistemas con gran detalle

Potencialmente lento y puede ser difícil de interpretar los resultados, debido a la estocasticidad

Programación imperativa

Desarrollar la lógica utilizando conceptos de programación estándar

Altamente flexible. La ejecución del modelo potencialmente muy rápido

Abstracción Limited. Puede requerir un esfuerzo significativo desarrollo Opciones de la tabla

5.2.1. Entorno de la Dinámica de Sistemas Dinámica de Sistemas es un paradigma de modelado desarrollado en la década de 1950 para estudiar los sistemas industriales [15] . La técnica es general y desde entonces se ha aplicado a una variedad de diferentes sistemas, incluyendo, en particular, el desarrollo de los sistemas urbanos [16] y la previsión de las tendencias mundiales [17] . Matemáticamente, los modelos de dinámica de sistemas son a menudo sistemas de ecuaciones diferenciales no lineales. Lo que diferencia a la Dinámica de Sistemas, aparte del análisis analítico estándar de ecuaciones diferenciales es que la comunidad de la Dinámica de Sistemas se centra en herramientas gráficas fáciles de usar y el análisis numérico de los resultados de la simulación.Dinámica de Sistemas modeladores también se centran principalmente en circuitos de retroalimentación y las funciones que desempeñan en la evolución de un sistema.

5.2.1.1. Primitivas Modelos de Dinámica de Sistemas se construyen gráficamente de primitivas: bloques de construcción, cada uno con una función única. El paradigma básico es el de un modelo de nivel y caudal (denominado en algunos campos como un modelo de celdas), donde el material se mueve por las primitivas de flujo entre las primitivas de acciones. Esto mapea conceptual y directamente en la ecuación diferencial estándar o modelos de sistemas dinámicos se utilizan en muchos campos. En esta correspondencia, las existencias representan variables de estado y los flujos representan los derivados (o tasas de variación) de estas variables de estado. Las primitivas claves proporcionadas por el simulador se describen en la Tabla 3 . Tabla 3. Panorama de los primitivos Dinámica de Sistemas en la herramienta. Primitivo

Uso

Ejemplo usos

Valores

Para almacenar un material. Equivalente a una variable de estado en una ecuación diferencial

Un lago que almacena agua. Una cuenta de banco que almacena dinero. Una población que almacena personas

Flujo

Para mover material entre las poblaciones.Equivalente a un término derivado de las ecuaciones diferenciales

Un río en un lago. Los retiros de una cuenta bancaria.Las muertes en una población

Variable

Para almacenar un valor de parámetro o calcular dinámicamente una característica del modelo

El caudal de un río. La tasa de interés de una cuenta bancaria. La tasa de mortalidad de una población

Convertidor

Para cargar los datos tabulares. Para llevar a cabo una función de transformación no paramétrico

Un horario de caudales por época del año. Una función no paramétrica relativa tasa de mortalidad de la población al tamaño de la población Opciones de la tabla

5.2.1.2. Funciones Aunque no es estrictamente formal, la comunidad de la Dinámica de Sistemas ha desarrollado convenios para las funciones y los patrones de la construcción del modelo. Estas numerosas convenciones son generalmente compartidos entre diferentes herramientas de software de simulación de Dinámica de Sistemas, junto con Dinámica de Sistemas recursos educativos. Las convenciones se siguen en el entorno de Dinámica de Sistemas del simulador incluyendo funciones de Dinámica de Sistemas estándar, tales como los de la generación de entradas canónicas (rampa, funciones escalón y pulsos de entrada) y funciones para hacer que las diversas formas de los retrasos y la retroalimentación (por ejemplo Delay1 y Delay3 , siendo el primero y segundo orden retrasos exponenciales respectivamente). Tales convenios facilitan el movimiento de los modelos e ideas entre los entornos de software de Dinámica de Sistemas y cuentan con el apoyo en la implementación del simulador.

5.2.1.3. Numérico de resolución de ecuaciones diferenciales El simulador incluye dos solucionadores numéricos para estimar soluciones a las ecuaciones diferenciales definidas por el que se basan los modelos de dinámica de sistemas: el método de Euler y un método para la orden de Runge-Kutta de cuarto. Generalmente, el método Orden de Runge-Kutta de cuarto debería ser la opción preferida sobre el método de Euler debido a su mayor precisión por unidad de esfuerzo computacional. No obstante, el método de Euler puede ser preferible en dos casos - en primer lugar, cuando hay una serie de discontinuidades en las tasas de cambio de los sistemas variables de estado. En este caso, el proceso de promediado del método de Runge-Kutta podría no ser deseable. El segundo caso de uso para el método de Euler es para los ambientes de aprendizaje y educativos, ya que es conceptualmente más simple y fácil de entender, en comparación con el método de RungeKutta Orden cuarto.

5.2.2. Ambiente Modelado Basado en Agentes Modelado

Basado en

Agentes

simula los

actores

individuales

o agentes

en

un

modelo [18] . Cada agente tiene la capacidad potencial de modificar de forma independiente de su estado, basado en reglas o algoritmos. Los agentes pueden modificar su estado en relación con otros agentes, los sistemas de formación y desarrollo de complejos comportamientos a nivel de sistema [19] y [20] . Esto representa una diferencia significativa de la dinámica de sistemas, que se ocupa de la conducta agregada y resultados. La simulación de los agentes individuales permite que los modelos de grano más fino y una mayor flexibilidad, pero tiene un costo de un mayor esfuerzo computacional y potencialmente conduce a resultados que son más difíciles de interpretar.

5.2.2.1. Primitivas El simulador incluye una aproximación a la construcción de modelos basados en agentes que, en términos de elementos de interfaz de , es muy similar a la utilizada para construir modelos de Dinámica de Sistemas. Al igual que en los modelos de dinámica de sistemas, modelos basados en agentes se construyen gráficamente utilizando un conjunto de primitivas, cada una de las cuales cumple una función de modelado específico. Mientras que en el modelado de paradigma Dinámica de Sistemas el producto principal era el diagrama stock y flujo, en el modelado basado en agentes es un diagrama de transición de estado, donde un agente puede ocupar uno o más estados y transición entre ellos en función de las reglas mecanicistas o estocásticos. Tabla 4 resume las primitivas utilizadas para construir modelos basados en agentes en el simulador. Tabla 4. Información general de las primitivas de modelado de agentes basados en claves en la herramienta. Primitivo

Uso

Ejemplo usos

Población Agent

Una colección de agentes de un tipo dado

Una población de personas. Un bosque de árboles

Estado

Definir el estado de un agente determinado. Un atributo binario un

Teniendo en cuenta que una persona, son un hombre o mujer? Dada una simulación de la enfermedad, es la persona en el estado sano o infectado?

Transición

Mueve agentes entre los estados

El proceso de infección se mueve a una persona del estado de salud de estado infectada

Acción

Ejecuta las acciones arbitrarias de un agente

Una acción para mover el agente alejado de agentes infectados. Una acción para cambiar un estado basado en una condición global

un Para las variables de estado continuo, las acciones pueden ser utilizados dentro de un agente.

Opciones de la tabla

Aunque Modelos basados en agentes puede ser concebida como algo distinto del paradigma de la Dinámica de Sistemas, son, de hecho, completamente integrada en el simulador y se hace la distinción entre ellos únicamente para facilitar el debate en cuanto a los paradigmas existentes. Dinámica de Sistemas primitivas pueden ser fácilmente incluidos en principalmente modelos basados en agentes (por ejemplo, un modelo de valores y el flujo se puede crear dentro de un agente individual) y viceversa. Por lo tanto, mientras que los estados sólo representan valores binarios, las acciones pueden ser incluidos dentro de agentes para rastrear variables de estado continuas.

5.2.2.2. Funciones Una serie de funciones incluidas en el simulador están dirigidos específicamente a la construcción de modelos de agente basada en funciones. Una categoría de funciones trata con agentes que coincidan con determinados criterios de una población de seleccionar. Por ejemplo, la función FINDSTATE devolverá un vector de todos los agentes en un modelo que tiene activado un estado dado. Encuentra las declaraciones se pueden anidar permitiendo binario y la lógica, y los resultados de find-estados separados pueden fusionarse permitiendo binario OR lógica. Modelado Basado en Agentes en el simulador soporta dos formas de relaciones geográficas entre agentes: la geografía de dos dimensiones y la geografía de la red. Los agentes pueden dar una posición física dentro del plano. Su posición puede consultarse o utilizarse como un selector (por ejemplo, las funciones FINDNEAREST o FINDFURTHEST para seleccionar agentes que son, respectivamente, cerca o lejos de un objetivo determinado) y la posición también puede ser modificado (por ejemplo, movimiento o funciones MOVETOWARDS). Con respecto a la geometría de la red, cada agente puede tener una o más conexiones a otros agentes. Cada conexión es binario y puede ser consultada o modificada como la simulación progresa (por ejemplo, con el CONNECT o funciones FINDCONNECTED).

5.2.2.3. Entorno de programación imperativa El lenguaje del motor ecuación es un lenguaje de programación imperativo. Este lenguaje se usará generalmente para escribir ecuaciones matemáticas elementales. También puede ser usado para implementar algoritmos o modelo lógico que no caben dentro de los paradigmas de modelado basado en agentes de Dinámica de Sistemas o. Estas funciones personalizadas y código desarrollado utilizando el entorno imperativo pueden aumentar la Dinámica de Sistemas o entornos de modelado basado en agentes, proporcionando una funcionalidad adicional dentro de ellos. Por ejemplo, una función podría ser definida en el entorno imprescindible para llevar a cabo algún algoritmo numérico y que la función se convertirá automáticamente disponibles para uso por las ecuaciones en los otros entornos.

5.3. Tier 3 El tercer nivel consiste en el modelo en sí, junto con las herramientas y servicios que operan en un determinado modelo. Tres herramientas primarias son ofrecidos por el simulador: un optimizador que maximiza o minimiza un objetivo, una herramienta de prueba de la sensibilidad, y una API que se puede utilizar para el comportamiento del modelo de la escritura o analizar los resultados del modelo.

5.3.1. Optimizer El simulador incluye un optimizador para determinar el conjunto de valores de parámetros que minimizar o maximizar una función objetivo. El especifica la función objetivo, los parámetros que deben ser ajustados y los intervalos respectivos de estos parámetros. El optimizador explora el espacio de parámetros especificados en la búsqueda del conjunto de parámetros que se logra el objetivo. El estudio de los métodos de optimización es un amplio, campo multidisciplinar con numerosas técnicas y enfoques disponibles.Optimizaciones de los modelos especificados por el arbitrarias en el simulador son, sin embargo, limitado por tres características principales: •

Funciones objetivo no convexos: Aunque algunos modelos y optimización de tareas asociadas pueden dar lugar a problemas de optimización convexa, en general, se debe asumir que el espacio de parámetros para un modelo determinado tiene mínimos locales múltiples. •

No lisas funciones objetivo: Dado el uso de funciones lógicas en un modelo (por ejemplo, las declaraciones if-then-else), es muy posible que la función objetivo de tener discontinuidades agudas.Incluso sin el uso de tales funciones, los límites numéricos del motor de matemáticas de punto flotante podrían crear discontinuidades en escala fina. •

No se utilizan derivados de análisis: Aunque los derivados o matriz hessiana en un punto dado en el espacio de parámetros se pueden estimar numéricamente, generalmente es imposible calcular directamente. Una amplia clase de técnicas que se utilizan para tratar este tipo de problemas de optimización que se conoce como "búsqueda directa" métodos [21] , [22] y [23] . Esta categoría comprende los métodos que no dependen de las diferencias, como la clásica búsqueda Nelder-Mead simplex [24] , los algoritmos genéticos[25] y el recocido simulado [26] . Existen comparaciones publicadas entre las técnicas (por ejemplo [27] );Sin embargo, los resultados suelen ser dependiente del contexto y varían de una aplicación. Para el simulador, una forma de búsqueda directa basada en el método de Powell [28] se lleva a cabo. En pocas palabras, el método de Powell toma un punto de partida inicial y un conjunto de vectores de búsqueda que abarcan todo el espacio de parámetros. La función objetivo se evalúa en el punto de partida.Luego, para cada vector de búsqueda el objetivo es, a su vez evalúa en una nueva posición que es un tamaño de paso de búsqueda dado en la dirección positiva a lo largo de ese vector y, si no se encuentra una solución mejorada, posteriormente en la dirección negativa. Tan pronto como se identifica una solución mejorada, el centro de la búsqueda se traslada a lo largo de dicho vector de búsqueda a una distancia dos veces el

tamaño de paso de búsqueda (el supuesto optimista es que si una mejora se encuentra en una dirección, la solución continuará para mejorar si el optimizador continúa en esa dirección). Después de que se complete una iteración completa a través de todos los vectores de búsqueda, un vector de búsqueda combinada se construye como un compuesto a partir de todos los movimientos que se tomaron en esa iteración. Esta búsqueda de vectores de material compuesto a continuación, reemplaza uno de los vectores existentes en el conjunto de vectores de la búsqueda. Si no se hizo ningún movimiento, el tamaño de paso se reduce o la búsqueda puede ser terminada de acuerdo con una condición de parada. Tenga en cuenta que el algoritmo de búsqueda como se describe es puramente determinista. El algoritmo encontrará un solo valor mínimo que, si existen varios mínimos, puede o no ser el mínimo global. Muchas de las técnicas de optimización de abordar este problema mediante la introducción de la estocasticidad en el proceso de optimización (por ejemplo, el recocido simulado o algoritmos genéticos). Teniendo en cuenta los problemas convexas, tales estocasticidad puede, sin embargo, reducir la eficiencia en la búsqueda de la mínima. Como tal, el simulador utiliza el algoritmo determinista tal como se describe, pero se ocupa de los mínimos locales ofreciendo ubicaciones de partida al azar para el patrón de búsqueda. Por ejemplo, dado un problema de optimización donde los mínimos locales se conocen ni esperan de existir, el optimizador podría ejecutar diez veces, cada vez a partir de una ubicación aleatoria diferente. Si todas las secuencias de diez optimización convergen a la misma mínimo, es altamente probable que se haya encontrado el mínimo global. Si todas las secuencias de diez optimización convergen hasta los mínimos por separado, y luego poca evidencia hay que concluir que el mínimo global ha sido localizado.

5.3.2. Las pruebas de sensibilidad Herramienta de prueba de sensibilidad del simulador se ejecuta repetidamente una simulación y agregados resultados. Puede mostrar el resultado agregado por el trazado de los resultados de cada carrera o un promedio de las carreras y el cálculo de su distribución. La herramienta de sensibilidad de la prueba tiene varios casos de uso general: •

Promedio de las respuestas y las varianzas de los modelos estocásticos: Dada una modificación en los valores de los parámetros de un modelo, la mayoría de los modelos se exhiben una trayectoria cambiante de los resultados. Para los modelos estocásticos, puede ser difícil determinar cuando los cambios en la trayectoria fueron causadas por las modificaciones de los parámetros y cuando los cambios fueron causados por la estocasticidad inherente del modelo. La herramienta de pruebas de sensibilidad permite la simulación para ejecutar muchas veces y se promediaron los resultados de estimar numéricamente una respuesta independiente de las variaciones estocásticas. •

Barridos de parámetros: Parámetros barridos pueden determinar la respuesta del modelo a una gama de diferentes valores de los parámetros. Pueden ser útiles para explorar el comportamiento del modelo, y la herramienta de la sensibilidad de pruebas pueden automatizar el proceso de esta exploración. •

Incertidumbre en los valores de los parámetros: valores de los parámetros del modelo son a menudo conocidos con certeza limitada. Los datos utilizados para estimar las mismas pueden ser limitados o en algunos casos inexistente. Herramienta de la sensibilidad de pruebas del simulador permite la formulación de un modelo de probabilidad para definir la incertidumbre para uno o más parámetros y luego obtener una estimación numérica de la distribución resultante de los resultados dada esta incertidumbre. Esta forma de análisis se recomienda como parte del proceso de validación de modelos y la verificación para determinar si los resultados del modelo y las conclusiones son robustas a la incertidumbre paramétrica [29] y [30] . El simulador incluye un conjunto de funciones para generar números aleatorios de acuerdo con una gama de distribuciones comunes (por ejemplo, la distribución normal, la distribución uniforme, y la distribución logarítmica normal, entre otros) para modelar la incertidumbre de conocimiento acerca de un parámetro. La simulación se repite entonces, cada vez que el muestreo de un conjunto de unos valores de los parámetros de sus distribuciones. Este método de Monte Carlo permite la propagación de la incertidumbre de los valores de los parámetros para los resultados.

5.3.3. API / scripting El simulador incluye una API que se puede utilizar para construir modelos de programación y analizar sus resultados. El API se implementa en ECMAScript y hay varios mecanismos por los que se puede acceder.La más básica es a través de una primitiva especial llamado Button que se puede agregar al modelo. Cuando un pulsa un botón primitiva, se ejecutan el código asociado y comandos API. Otro mecanismo que se puede utilizar para acceder a la API es la consola del navegador que permite a los s introducir directamente los comandos de la API de una manera interactiva. La gama de funciones de la API incluye las de la construcción del modelo (por ejemplo CREATEPRIMITIVE o SetValue), que para el estilo del modelo (por ejemplo SETLINECOLOR o SetSize), los de la ejecución del modelo (RUNMODEL), y los comandos de entrada y salida (por ejemplo showData o PROMPT ). Como los comandos se ejecutan en ECMAScript, cualquiera de las funciones de análisis de datos de ECMAScript o de comunicación estándar puede, por supuesto, también ser utilizado. Estas capacidades permiten a los modelos de guiones a, por ejemplo, datos de parámetros descarga desde un servidor externo sobre la marcha, correr el modelo, analizar los resultados y / o cargar el resumen de resultados a otro servidor.

6. Integración y portabilidad Dado el uso de tecnologías web estándar (HTML, CSS y ECMAScript) por las interfaces de construcción del simulador y de modelo, estos aspectos de la aplicación son portátiles y se pueden instalar en cualquier entorno compatible con renderizado y visualización de páginas web. El uso más común de esta capacidad es el despliegue de contenido dentro de otras páginas web. Modelos construidos dentro de Insight Maker puede ser embebido dentro de las páginas web externas y pueden conservar la plena interactividad dentro de estos ambientes externos. s incrustación modelos también pueden aprovechar la API del simulador para desarrollar una interfaz de personalizada para un modelo y simulación. Estas interfaces de personalizadas se pueden utilizar para desarrollar "juegos serios" (por ejemplo, [31] , un juego de explorar el conflicto entre Israel y Palestina) o "simuladores de vuelo" (por ejemplo, [32] y [33] para los debates de los simuladores de vuelo en relación con gestión de la educación y la formación).

7. Validación y verificación Aunque el proceso de desarrollo de la aplicación no se sigue el ensayo de enfoques tales como Test Driven Development [34] , un conjunto automatizado de pruebas internas tiene un papel clave para asegurar el comportamiento de simulación adecuado y la prevención de las regresiones. Una extensa gama de más de 1.000 pruebas individuales es parte del simulador que evalúa exhaustivamente la corrección de todos los aspectos de la conducta del simulador. Las pruebas van desde lo trivial (no el motor ecuación evalúa correctamente que 2 + 2 es igual a 4?) Para las pruebas agregadas a nivel superior (no un modelo dado que contiene múltiples ecuaciones primitivas y evaluar el resultado correcto?). Las pruebas se escriben como una nueva funcionalidad se añade al programa y también en respuesta a los informes de problemas de los s. Cuando se encuentra un problema, el problema se ha corregido primero y luego una prueba de la emisión está escrito para asegurarse de que no vuelve a aparecer en una regresión después. El desarrollo de este conjunto de pruebas ha demostrado ser invaluable para asegurar el buen funcionamiento de la herramienta.

8. Estudio de caso 8.1. Visión de conjunto Para ilustrar el uso aplicado de la herramienta, un estudio de caso se presenta en el cual Insight Maker fue utilizado por un grupo de laicos, como parte de un proceso de desarrollo de modelos de colaboración para explorar el impacto de las políticas económicas. Teniendo en cuenta el objetivo principal de Insight Maker en la accesibilidad y la colaboración especialmente entre los laicos - este ejemplo es muy adecuado para ilustrar las fortalezas y debilidades en el logro de este objetivo principal de Insight Maker. El caso de estudio es una revisión del trabajo realizado por un grupo ad-hoc formado bajo los auspicios del Pensamiento

Sistémico Mundial [35] , una organización sin fines de lucro enfocada en la exploración de la aplicación práctica y la realización de sistemas de pensamiento, un enfoque holístico para el análisis y la la resolución de problemas que se centra en la comprensión de las relaciones e interacciones entre los componentes de un sistema. Fuera de la organización más grande, quince laicos organizados para comprender mejor la crisis financiera 2007-2008 y sus consecuencias mediante un enfoque basado en el modelado. El grupo utiliza Insight Maker para este modelado debido a su conjunto de características y la naturaleza basada en la web, que les permite compartir modelos fácilmente. Esta última capacidad era crítica para el grupo en que estaban dispersos geográficamente y toda su comunicación y coordinación se produjeron a través de Internet. En las siguientes secciones del estudio de caso, presentamos en primer lugar el proceso del grupo de modelado, a continuación, los detalles de su modelo final, y el último, explorar los resultados y conclusiones. Mientras que el estudio de caso sólo utiliza una parte de las características de Insight Maker (que no hace uso de las características de modelado basado en agentes, el optimizador, o la herramienta de prueba de sensibilidad, por ejemplo), que habla de la accesibilidad y las posibilidades de colaboración de Insight Hacedor que , como se subrayó anteriormente, es el propósito principal de la herramienta.

8.2. Proceso de modelado El grupo se organizó no jerárquicamente. Después de la formación, el progreso del grupo siguió

un

"divergente

/

convergente"

patrón. Los



del

grupo

podrían

independientemente investigar o estudiar un tema antes de regresar y compartir sus conclusiones con el resto del grupo, a su vez, hacer frente a lo que el resto del grupo se había producido en ese período. El grupo encontró que este protocolo sea altamente efectiva; tanto es así que en el período de casi siete meses de su trabajo tuvo, no había ni una sola reunión del grupo entre los . Después de haber desarrollado algunos modelos docena, el grupo descubrió un modelo del sector de la economía desarrollada por Stephanie Kelton, director del Departamento de Economía de la Universidad de Missouri-Kansas City [36] . Este modelo tenía un impacto profundo en el pensamiento del grupo y en los tres meses restantes de la labor del grupo, que tomó este modelo base y experimentó con las modificaciones a la misma.

8.3. Detalles del modelo La versión final de la inversión del Grupo en comparación con el modelo de austeridad se presenta en la figura. 6 . 4 Esta cifra representa un modelo de valores y el flujo combinado con una serie de botones que los s pueden utilizar para ejecutar diferentes escenarios o desplegar el modelo en un revelador estructurada de los componentes clave del modelo. El modelo es una representación conceptual de la economía de una nación. Debido a que la mayoría de los del grupo se encontraban en los Estados Unidos de América, el

grupo utilizó el término "dólares" para representar unidades monetarias. Sin embargo, el modelo no fue calibrado para representar una economía específica y en cambio se centra en las dinámicas generalizadas. No hay ni una moneda específica asociada con el modelo y, por tanto, el término "dólares" como se usa aquí se refiere a dólares nominales. Las primitivas rectangulares en el diagrama de modelo representan las existencias. Por ejemplo, la firma de

dólares social representa la cantidad de dinero actualmente en manos de las empresas de la economía. Las líneas continuas son los flujos y en este modelo de caso el movimiento de dólares entre las distintas poblaciones de la economía. La dirección de la flecha indica la dirección del flujo. Los óvalos son variables que en este modelo se utiliza principalmente para representar los parámetros del modelo.

Higo. 6. Diagrama esquemático de la versión final de la inversión frente al modelo de austeridad. Las acciones están representadas por rectángulos; las variables de óvalos; y fluye por las líneas sólidas. Los rectángulos sombreados de la izquierda son botones interactivos añadidos por los modelistas. Opciones Figura

Tabla 5 muestra el despliegue del modelo, junto con las descripciones de las conexiones principales del modelo y la lógica detrás de estas conexiones. Tabla 5. Despliegue de la inversión en comparación con el modelo de austeridad.

Esta primera conexión se basa en la perspectiva simplificada que el gasto del gobierno inyecta dinero en la economía a través de las compras de las empresas.Mientras que el gobierno inyecta dinero en la economía a través de otras corrientes, tales como Medicare, Medicaid y el Seguro Social; las compras de las empresas fueron utilizadas como una primera aproximación a cómo el dinero entra en la economía por parte del Gobierno

Este segundo flujo representa el hecho de que las empresas emplean a los del hogar para producir los bienes y servicios adquiridos por las empresas. Las empresas no compran servicios con la totalidad de sus fondos como algunos se utilizan para pagar los impuestos y otras se guardan y se distribuyen a los accionistas cuando sea apropiado

Esta parte del modelo representa el hecho de que las familias crean la demanda para las empresas, aunque los fondos que tienen para las compras son menos de sus ingresos como parte de los fondos se guardan ( hsave ), algunos se utilizan para pagar los impuestos ( htax ) y algunos de sus los fondos se utilizan para comprar las importaciones ( mpmt ), que crea una demanda en dólares del comercio

Estos flujos representan el hecho de que algunos de los dólares de los hogares se utilizan para hacer las compras al exterior resultantes de las importaciones ( pmt importación ). Al mismo tiempo, los gobiernos extranjeros, las empresas y los individuos compran a las empresas del país, lo que se traduce en la exportación pagados con los pagos por exportación

Estos flujos agregados representan 'el pago de impuestos (empresas f-impositivos ) en sus beneficios y de los hogares los pagos de impuestos ( htax ). Ambos de estos impuestos representan ingresos para el gobierno y se utilizan para apoyar el gasto del gobierno ( G-gasto ).Cuando los ingresos del gobierno es menor que el gasto del gobierno, se produce un déficit. La acumulación de este gasto deficitario con el tiempo se representa como la deuda nacional

Estos flujos indican que los hogares tienden a ahorrar una parte de sus ingresos ( hsave ) para su uso futuro. Esto reduce los fondos que gastan en compras de empresas.También cuando las empresas mantienen ganancias acumuladas ( FSAVE ), reduce los fondos que tienen disponibles para comprar mano de obra de los hogares

Este segmento final del modelo representa el hecho de que si los hogares requieren fondos adicionales, que toman prestado de sus ahorros o de las instituciones financieras (hborrow ). Cuando las empresas requieren fondos adicionales que les piden prestado a sus ahorros o de las instituciones financieras ( fborrow )

Opciones de la tabla

Primitivas de modelo y las ecuaciones se dan en el Apéndice A . Un desafío en la aplicación de este modelo en Insight Creador era que Insight Hacedor no incluye soporte para guardar distintas combinaciones de valores de parámetros. Para emular este apoyo, la inversión en comparación con el modelo de austeridad hace uso de las capacidades API / scripting de Insight Maker para desarrollar escenarios y experimentos que se puede cambiar entre los s finales. Por ejemplo, el código se ilustra en la Tabla 6 se ejecuta cuando un hace clic en el botón de escenario de "Economía de Semillas" en el modelo. Este código configura el valor de la gspend variable y luego ejecuta el modelo. Tabla 6. Script para configurar un escenario y luego ejecutar el modelo. El findName función toma un nombre primitivo y devuelve una referencia al objeto primitivo con ese nombre. El setValue función toma un objeto primitivo y establece su ecuación a un valor dado. El runModel función inicia una simulación y muestra los resultados para el . La ecuación pasa a setValueresultados en una salida de impulsos que es 0 hasta t = 1 año y luego es de 0,5 para los próximos 3 años antes de convertirse 0 nuevo después de t = 4 años.

setValue ( findName ("gspend"), "Pulso (1, 0.5, 3)"); runModel (); Opciones de la tabla

8.4. Simulaciones y resultados Una serie de experimentos de simulación y escenarios fueron manejadas por el grupo con diferentes valores y configuraciones de parámetros con el fin de comprender mejor el comportamiento de la economía de modelado. Tabla 7 se enumeran los escenarios principales desarrolladas por el grupo. Cada escenario se definió por un modelo de parametrización que se diferenciaba de los otros escenarios, lo que conduce a comportamientos diferentes. La comparación de los comportamientos entre estos escenarios mayor comprensión modeladores 'de la economía simulada. La columna de la izquierda muestra el nombre del escenario y la motivación, la segunda columna indica la ecuación cambia que se hicieron para el modelo para

implementar el escenario, y la tercera columna se enumeran los principales resultados de ejecutar el escenario. Las sustituciones en cada escenario de nuevas ecuaciones para un primitivo que se utilizan en lugar de la ecuación del modelo inicial para ese primitivo. 5 Los reemplazos en cada escenario en la tabla son acumulativos con los escenarios mencionados anteriormente él. Así, por ejemplo, el escenario Econ Recovery también incluye las anulaciones desde el escenario y Ganancias de ahorros. Tabla 7. Escenarios principales desarrolladas por el grupo. Las sustituciones en la segunda columna de implementar los cambios necesarios para explorar las preguntas de la primera columna. Guión

Anulaciones de ecuaciones

Principales resultados

Economía Seed - Escenario Base

gspend = Pulso (1, 0.5, 3)

Gasto deficitario Sets gobierno para sembrar la economía con recursos para cebar la simulación

Gasto Sets gobierno (gspend) a un valor distinto de cero a partir de un año y de proceder durante 3 años.

Para que la economía funcione, el gobierno tiene que realizar inicialmente el gasto del déficit que se acumula como la deuda nacional

Ganancias y Ahorros

FSAVE = Paso (6, 0,05)

¿Cuál es la implicación de las empresas que se sienta en los beneficios y el ahorro de los hogares los fondos?

hsave = Paso (7, 0.1)

Las empresas y los hogares tienden a ahorrar una parte de sus ingresos, lo que a su vez toma el dinero de la circulación lo que resulta en una disminución constante en la economía

Recuperación Econ

gspend = Pulso (1, 0.5, 3) + Paso (7, 0.15)

¿De qué manera el gasto deficitario a compensar los ahorros por las empresas y los hogares?

Aumentar el gasto público (gspend) más allá del pulso inicial por el gasto de una cantidad constante a partir de 7 años

Impuestos

ftax = Paso (6, 0,05)

¿Qué efecto tiene el cobro de impuestos del gobierno tienen en la economía?

htax = Paso (7, 0.1)

Recuperación Econ 2

gspend = Pulso (1, 0.5, 3) + Paso (7, 0.2)

A partir de 6 y 7 años, tienen ambas empresas (FSAVE) y los hogares (hsave) ahorrar una fracción de su capital

Añadir una carga fiscal diferente a cero para ambas empresas (ftax) y los hogares (htax) de partida en los años 6 y 7

Para compensar el ahorro de las empresas y los hogares, el gobierno debe continuar el gasto de déficit a un nivel equivalente a lo que las empresas y los hogares están sacando de la economía. El problema es que el gasto deficitario también aumenta la deuda nacional

El gobierno de exigir el pago de los impuestos reduce el nivel de gasto deficitario, en igualdad de circunstancias, sino que también reduce los fondos en circulación bajando de este modo la economía

Guión

Anulaciones de ecuaciones

Principales resultados

¿Cuál es el efecto de un mayor gasto de déficit, dada la presencia de los impuestos?

Aumente el nivel de gasto del gobierno (gspend) más allá de la del primer nivel de escenario de recuperación Econ

Este escenario aumenta la larga el gasto deficitario del gobierno en un 33% para corregir el deterioro económico creado a partir de la percepción de impuestos

Opciones de la tabla

Ejemplo resultados de simulación para dos de los escenarios se presentan en la figura. 7 . El izquierdo muestra el escenario de Economía de Semillas, donde el gobierno se compromete gasto deficitario durante unos años para cebar la economía. La línea de color negro sólido muestra el gasto adicional del gobierno en función de pulso largo de tres años, que se traduce en los fondos que circulan entre empresas (línea discontinua) y los hogares (línea de puntos) en un estado de equilibrio. El gasto público deficitario acumulado (línea gris sólido) refleja la deuda nacional. Si nada cambia, el gobierno no tendría que inyectar fondos adicionales en la economía y los dólares que circulan entre las empresas y los hogares sería mantener a la economía en un estado de equilibrio. El derecho muestra el escenario de recuperación Econ más realista que los ahorros no son cero. Cuando las empresas y los hogares ahorran una parte de sus ingresos, que en esencia restarlo de la economía. Esta extracción reduce los fondos disponibles para las empresas y los hogares para hacer circular en la economía (de trazos y líneas de puntos). A menos que el gobierno lleva a cabo a continuación, el gasto deficitario, la economía se reducirá, por definición, en una recesión y luego en una depresión. La recuperación económica requiere el gasto continuo déficit por parte del gobierno para compensar los fondos obtenidos por las empresas y los hogares, en igualdad de circunstancias (por ejemplo, se supone aumentos exógenos en el factor de productividad se están produciendo). El dinero puesto en circulación para garantizar la recuperación más se suma a la deuda nacional (línea gris sólido).

Higo. 7. Del izquierdo, resultados del escenario Economía Semilla; Haga , los resultados de los escenarios de recuperación Econ. Dólares nocionales es la unidad abstracta de la moneda utilizada por el grupo en su modelo de una economía general. En consonancia con la Dinámica de Sistemas común la práctica de modelado, el grupo se centró en la dinámica y tendencias más que magnitudes y valores cuantitativos específicos. Opciones Figura

Estos hallazgos, junto con todo el proceso de modelado se reunieron con entusiasmo entre los del grupo. Gene Bellinger, el organizador del grupo, informa que los del grupo consideraron que ahora entienden mejor cómo funciona la economía. Uno puede especular que el aumento de la comprensión de la modelo facilitado entre los participantes del grupo se debió directamente al hecho de que fueron ellos los que construyen en lugar de que sea un modelo dictada contra ellos por los expertos en la materia.

9. Discusión y conclusiones Este estudio ha sido complejo y de larga duración que logra cuatro objetivos principales a la fecha: 1. Una herramienta de simulación y modelado de propósito general fue construido utilizando tecnologías basadas en web que soporta el modelado multi-paradigma mediante una interfaz gráfica de construcción de modelos. 2.

La herramienta de simulación y modelado combina ambas características dirigidas a los laicos y las personas nuevas en el campo de modelado (por ejemplo, una interfaz gráfica) con los destinados a los s más avanzados (por ejemplo, la API de scripting y el conjunto de herramientas de optimización) dentro de una interfaz unificada. 3. La herramienta fue reiterado basado en la retroalimentación del y su dirección fue formada por las necesidades y los problemas que enfrentan los s. Esto condujo a una evolución del software que, aunque ahora un poco diferente de la visión original, mejor respondía a las necesidades de la mayoría de los s interesados en el uso de una herramienta general de modelado basado en web. 4. Uso de la herramienta sigue creciendo, lo que indica la existencia de una necesidad y el deseo de una herramienta general de modelado basado en la web y la validación de la web como una plataforma para el desarrollo de la simulación compleja y herramientas de modelado. En febrero de 2014, el software tiene unos 20.000 s registrados, con más de 12.000 modelos construidos y guardados en su base de datos. En el camino, se encontraron con dificultades y puntos de resistencia por parte de los s en el desarrollo de la aplicación que se deriva de su naturaleza utilizando tecnologías basadas en Internet. Cuatro desafíos claves han sido: 1.

Seguridad de la propiedad intelectual: Los modelos se almacenan en un servidor centralizado que no esté controlado por los s. 6 Para la mayoría de los s esto es aceptable (y ellos tienen la capacidad de copia de seguridad del modelo de su máquina local). Sin embargo, para ciertos s - especialmente aquellos dentro de un entorno corporativo - la falta de control sobre el modelo puede ser visto como un riesgo de seguridad. Aunque Insight Hacedor incorpora ajustes de grano fino para controlar el de modelo, el hecho de que el modelo se almacena en un servidor externo hizo inadecuado para algunos s potenciales. 2.

Rendimiento: tecnologías basadas en la Web están fundamentalmente limitados en el rendimiento que pueden obtener en comparación con sus homólogos desarrollados en lenguajes más tradicionales.Dicho esto, el rendimiento de Insight Maker es bastante bueno en la práctica y más que adecuado para sus principales casos de uso de destino. 3.

La falta de familiaridad de los ambientes basados en la Web: Muchos s en la actualidad no se siente cómodo usando una simulación y una herramienta de modelado dentro de su navegador web. Se espera que esto cambie ya que la gente se familiarice con el uso de aplicaciones ricas en navegadores.Esta tendencia se vio históricamente con clientes de correo electrónico donde los clientes una vez Escritorio eran la norma, pero ahora los clientes basados en web son ubicuos. 4.

Percepción de calidad de las aplicaciones: Un último reto se centra en la percepción de que las aplicaciones basadas en la Web son inferiores a sus contrapartes de escritorio. En el caso de la herramienta de modelado y simulación presentada aquí, es en algunos aspectos superior en las capacidades y características para incluso homólogos comerciales. Sin embargo, el estigma y la experiencia de las aplicaciones web restrictivos que los s puedan haber estado en o con en el pasado es difícil de superar. De nuevo, esto es una dificultad que se espera que disminuya con el tiempo ya que los s se familiaricen con las aplicaciones basadas en web interactivas de alta calidad. A pesar de los desafíos, herramientas de modelado y simulación desarrollados utilizando tecnologías basadas en Internet tienen un futuro claramente positivo. La solicitud se presenta en este documento demuestra las posibilidades de crear amplias herramientas de modelado y simulación en un entorno basado en la Web. Dada la mejora constante de las tecnologías web, las posibilidades disponibles para construir este tipo de aplicaciones no hará sino crecer con el tiempo. Los beneficios que se ofrecen a los desarrolladores el uso de tecnologías basadas en la web - aumentaron la accesibilidad, la capacidad de impulsar cambios a los s de forma inmediata, un rico conjunto de herramientas de las bibliotecas de código abierto, etc - están empezando a ser mayores que los costos de las tecnologías basadas en la Web, en casos distintos de los donde el rendimiento es el factor clave. No es difícil imaginar un futuro en el que las tecnologías basadas en la Web son la plataforma principal para el desarrollo de herramientas de simulación y fuera de la de las aplicaciones críticas de desempeño modelar.

Agradecimientos Este trabajo fue apoyado por un número de Ciencia Nacional de los Estados Unidos Beca de la FundaciónDGE 1.106.400 . Los dos revisores anónimos se les agradece por sus comentarios y numerosas sugerencias que mejoraron en gran medida este papel. Un reconocimiento especial se debe dar a los s de Insight Maker y la retroalimentación invaluable que han aportado que ha dado forma a su evolución, en particular, Gene Bellinger y Geoff McDonnell. Grandes gracias se le da al grupo que desarrolló la inversión en comparación con el modelo de austeridad se describe en el estudio de caso, y para Gene Bellinger para organizar y animar al grupo.

Apéndice A Este apéndice presenta el conjunto completo de ecuaciones utilizadas en la inversión en comparación con el modelo de austeridad y sus valores teniendo en cuenta la aplicación de los escenarios. Nombres primitivos pueden aparecer dentro de múltiples ecuaciones, si la misma primitiva está referenciada múltiples veces.Esto se ve, por ejemplo, cuando se aplica el efecto de los impuestos. La fracción del capital pagado en firme de impuestos - ftax - se utiliza para calcular tanto cuánto se paga al gobierno por las empresas y cuánto es consecuencia disponibles para el ahorro de las empresas. Las siguientes funciones y notaciones Maker Insight se utilizaron en el modelo: Paso (inicio, Altura) : Devuelve 0 hasta t = Start , después de lo cual vuelve Altura . Pulso (inicio, alto, ancho) : Devuelve 0 hasta t = Start y después de t = Start + Ancho . En medio de estos límites, devuelve Altura . INTEGRAR (Ecuación) : Se integra la ecuación diferencial por el método de la integración y el paso de tiempo especificado para el modelo. Esto no está escrito dentro de Insight Maker, sin embargo, se incluye aquí para dejar en claro el proceso de integración se lleva a cabo durante la simulación. Se aplica sólo a las existencias. Opciones de la tabla

Completo ecuaciones del modelo: Nombre primitivo

Descripción

Valor inicial / ecuación (escenarios pueden cambiar las ecuaciones)

fborrow

Fracción de f-finanzas dólares prestados

0

FSAVE

Fracción de dólares después de impuestos firmes guardan

Paso (6, 0,05)

ftax

Fracción del impuesto pagado por la firma

Paso (6, 0,05)

gspend

Variable utilizada para alterar el gasto gubernamental durante la ejecución de la simulación

Pulso (1, 0.5, 3) + Paso (7, 0.15)

hborrow

Fracción de las finanzas del hogar ( hfinanzas dólares) prestados

0

hsave

Fracción de los ingresos del hogar guardado

Paso (7, 0.1)

htax

Fracción del ingreso familiar pagado en impuestos

Paso (7, 0.1)

mpmt

Fracción de dólares del hogar gastados en bienes y servicios importados

0

XPMT

Fracción de dólares comerciales que se traducen en dólares en firme de los bienes y servicios exportados

0

pmt

Los pagos de las exportaciones

0

Nombre primitivo

Descripción

Valor inicial / ecuación (escenarios pueden cambiar las ecuaciones)

Equilibrio entre el ahorro menos firmes del hogar y de las inversiones para el hogar y la empresa

INTEGRAR ([f-save] - [f-préstamo])

exportación dólares ffinanzas

Valor t 0 = 0 dólares firmes

Los fondos disponibles de los pagos a la exportación, los pagos de artículos del hogar, y las inversiones que están disponibles para el pago de entrada y los ahorros

INTEGRAR ([f-préstamo] - [PMT fentrada] - [salvar f-] - [f de impuestos] + [g-gasto] + [pmt exportación] + [PMT h de bienes]) Valor t 0 = 0

dólares del gobierno

Diferencia entre el gasto público y la recaudación fiscal

INTEGRAR ([f de impuestos] + [h de impuestos] - [g-gasto]) Valor t 0 = 0

dólares hfinanzas

Equilibrio entre el ahorro menos firmes del hogar y de las inversiones para el hogar y la empresa

INTEGRAR ([h-save] - [h-préstamo])

Valor t 0 = 0 dólares para el hogar

Los fondos disponibles para el gasto de los hogares

INTEGRAR ([PMT f-entrada] + [hpréstamo] - [h-save] - [h de impuestos] - [PMT h de bienes] - [pmt importación]) Valor t 0 = 0

dólares de comercio

Diferencia entre los pagos de importaciones y los pagos a la exportación

INTEGRAR ([pmt importación] - [pmt exportación]) Valor t 0 = 0

f-Obtención de Préstamos

Los fondos prestados como inversión

[dólares f-finanzas] * [fborrow]

PMT f-entrada

Introducir pagos en firme. Se trata de insumos menos ahorros en firme

[dólares firmes] * (1 - [FSAVE])

f-save

Porción de dólares de la firma utiliza para pagar la deuda o de las utilidades retenidas

[dólares firmes] * [FSAVE] * (1 - [ftax])

f de impuestos

Firma impuestos pagados sobre las utilidades retenidas

[dólares firmes] * [FSAVE] * [ftax]

g-gasto

Los fondos inyectados en la economía por parte del gobierno. Esto es como las compras directas, apoyo a los programas, y programas sociales

[Gspend]

Nombre primitivo

Descripción

Valor inicial / ecuación (escenarios pueden cambiar las ecuaciones)

h-Obtención de Préstamos

Los fondos prestados para complementar dólares de gasto de los hogares

[dólares h-finanzas] * [hborrow]

PMT h de bienes

Gasto de los hogares productores de la demanda. Este es el hogar de dólares menos impuestos para el hogar y ahorro

[Dólares domésticos] * (1 - [hsave] [htax] - [mpmt])

h-save

Porción de dólares de los hogares utiliza para pagar la deuda o se guarda

[Dólares del hogar] * [hsave]

h de impuestos

Impuestos para el hogar

[Dólares del hogar] * [htax]

pmt importación

Los pagos de las importaciones

0

Opciones de la tabla

Referencias