La simulación de tráfico de red es un proceso utilizado en la ingeniería de telecomunicaciones para medir la eficiencia de una red de comunicaciones.
Descripción general
Los sistemas de telecomunicaciones son sistemas complejos del mundo real, que contienen muchos componentes diferentes que interactúan en complejas interrelaciones. [1] El análisis de tales sistemas puede resultar extremadamente difícil: las técnicas de modelado tienden a analizar cada componente en lugar de las relaciones entre los componentes. [1] [2] La simulación es un enfoque que se puede utilizar para modelar sistemas estocásticos grandes y complejos con fines de pronóstico o medición del desempeño . [1] [2] [3] Es la técnica de modelado cuantitativo más común utilizada. [1]
La selección de la simulación como herramienta de modelado suele deberse a que es menos restrictiva. Otras técnicas de modelado pueden imponer restricciones matemáticas materiales al proceso y también requieren que se hagan múltiples suposiciones intrínsecas. [2]
La simulación del tráfico de red suele seguir los siguientes cuatro pasos: [1] [2]
- Modelado del sistema como un proceso dinámico estocástico (es decir, aleatorio)
- Generación de las realizaciones de este proceso estocástico
- Medición de datos de simulación
- Análisis de datos de salida
Métodos de simulación
En general, se utilizan dos tipos de simulaciones para modelar redes de telecomunicaciones, a saber. Simulaciones discretas y continuas. Las simulaciones discretas también se conocen como simulaciones de eventos discretos y son sistemas estocásticos dinámicos basados en eventos. En otras palabras, el sistema contiene varios estados y se modela utilizando un conjunto de variables. Si el valor de una variable cambia, esto representa un evento y se refleja en un cambio en el estado del sistema. Como el sistema es dinámico, cambia constantemente y, como es estocástico, hay un elemento de aleatoriedad en el sistema. La representación de simulaciones discretas se realiza mediante ecuaciones de estado que contienen todas las variables que influyen en el sistema.
Las simulaciones continuas también contienen variables de estado; sin embargo, estos cambian continuamente con el tiempo. Las simulaciones continuas generalmente se modelan usando ecuaciones diferenciales que rastrean el estado del sistema con referencia al tiempo.
Ventajas de la simulación
- Las técnicas analíticas normales hacen uso de modelos matemáticos extensos que requieren que se impongan supuestos y restricciones al modelo. Esto puede resultar en una inexactitud evitable en los datos de salida. Las simulaciones evitan imponer restricciones al sistema y también tienen en cuenta los procesos aleatorios; de hecho, en algunos casos, la simulación es la única técnica de modelado práctica aplicable; [1] [2]
- Los analistas pueden estudiar las relaciones entre los componentes en detalle y pueden simular las consecuencias proyectadas de múltiples opciones de diseño antes de tener que implementar el resultado en el mundo real. [1] [2]
- Es posible comparar fácilmente diseños alternativos para seleccionar el sistema óptimo. [1]
- El proceso real de desarrollo de la simulación puede proporcionar información valiosa sobre el funcionamiento interno de la red que, a su vez, puede utilizarse en una etapa posterior. [1]
Desventajas de la simulación
- El desarrollo de modelos de simulación precisos requiere muchos recursos. [1] [2]
- Los resultados de la simulación son tan buenos como el modelo y, como tales, siguen siendo solo estimaciones / resultados proyectados. [1]
- La optimización solo se puede realizar con algunas alternativas, ya que el modelo generalmente se desarrolla utilizando un número limitado de variables. [1] [2]
- Las simulaciones cuestan mucho dinero y son muy caras de hacer.
Problemas estadísticos en el modelado de simulación
Datos de entrada
Los modelos de simulación se generan a partir de un conjunto de datos tomados de un sistema estocástico. Es necesario verificar que los datos sean estadísticamente válidos ajustando una distribución estadística y luego probando la significancia de dicho ajuste. Además, como con cualquier proceso de modelado, se debe verificar la precisión de los datos de entrada y eliminar los valores atípicos. [1]
Datos resultantes
Cuando se ha completado una simulación, es necesario analizar los datos. Los datos de salida de la simulación solo producirán una estimación probable de los eventos del mundo real. Los métodos para aumentar la precisión de los datos de salida incluyen: realizar simulaciones repetidamente y comparar resultados, dividir eventos en lotes y procesarlos individualmente, y verificar que los resultados de las simulaciones realizadas en períodos de tiempo adyacentes se "conecten" para producir una visión holística coherente del sistema. . [1] [4]
Números al azar
Como la mayoría de los sistemas involucran procesos estocásticos, las simulaciones frecuentemente utilizan generadores de números aleatorios para crear datos de entrada que se aproximan a la naturaleza aleatoria de los eventos del mundo real. Los [números aleatorios] generados por computadora no suelen ser aleatorios en el sentido más estricto, ya que se calculan mediante un conjunto de ecuaciones. Estos números se conocen como números pseudoaleatorios. Al hacer uso de números pseudoaleatorios, el analista debe asegurarse de que se verifique la verdadera aleatoriedad de los números. Si se encuentra que los números no se comportan de manera suficientemente aleatoria, se debe encontrar otra técnica de generación. Los números aleatorios para la simulación son creados por un generador de números aleatorios .
Ver también
Referencias
- ^ a b c d e f g h i j k l m n Flood, Conmutación, tráfico y redes de telecomunicaciones de JE , Capítulo 4: Tráfico de telecomunicaciones, Nueva York: Prentice-Hall, 1998.
- ^ a b c d e f g h Penttinen A., Capítulo 9 - Simulación , Notas de la conferencia: S-38.145 - Introducción a la teoría del teletrafico, Universidad Tecnológica de Helsinki, otoño de 1999.
- ^ Kennedy IG, simulación de tráfico , escuela de ingeniería eléctrica y de la información, Universidad de Witwatersrand, 2003.
- ^ Akimaru H., Kawashima K., Teletraffic - Teoría y aplicaciones , Springer-Verlag London, 2da edición, 1999, pág. 6