La conferencia de simulación de invierno (winter simulation conference) es la más antigua del mundo en la materia y lleva 51 años de vigencia recibiendo a los mejores académicos, programadores, investigadores y expertos de diferentes lugares del planeta. La última versión se realizó desde el pasado 8 al 11 de diciembre de 2018 en el Centro de Exposiciones y Congresos de Suecia en la ciudad de Gotemburgo.
El principal objetivo de la conferencia es destacar las últimas tecnologías de simulación para anticipar los riesgos con mayor precisión y también para tomar decisiones más sólidas ante la incertidumbre, la ambigüedad y la variabilidad. Estos incluyen métodos para el modelado, análisis y optimización de simulación robustos y precisos.
Por otra parte, también se invita a los artículos recientes que describen las aplicaciones de la simulación para la gestión de riesgos en una amplia variedad de dominios, entre ellos, atención médica, respuesta a desastres, redes eléctricas, construcción, transporte, finanzas, ciberseguridad y más.
En el pasado WSC (Winter Simulation Conference) un total de 760 candidatos fueron aceptados por medio de un riguroso proceso de postulación en donde fueron seleccionados Rodrigo de la Fuente e Ignacio Erazo, docente y alumno memorista, respectivamente, del Departamento de Ingeniería Industrial de la Universidad de Concepción. Su presentación y trabajo titulado: Enabling Intelligent Processes in Simulation Utilizing the TensorFlow Deep Learning Resources.
El trabajo se entiende como una red neuronal dentro de una simulación que puede ser anclado a los distintos softwares existentes en el mercado.
Ignacio Erazo
¿En qué consiste esta red neuronal dentro de una simulación?
Las redes neuronales son ampliamente utilizadas en diversas áreas pues permiten pronosticar valores o asignar clasificaciones de forma precisa, entre otros. A modo de ejemplo, una aplicación médica es que pueden ser usadas para clasficiar adecuadamente resultados de una radiografía. Así, la red reunoral dentro de esta simulación cumple con el objetivo de clasificar adecuadamente a las entidades que van llegando a la simulación, esto permite tener mejores resultados que intentando clasificar a estas entidades con otras técnicas.
La verdad es que fue una excelente experiencia pues me permitió observar directamente las dinámicas que existen en las conferencias académicas. Tengo intenciones de continuar estudiando y la oportunidad de hacer networking, conocer a los especialistas del área en el mundo y ser testigo de las últimas invenciones para mejorar la simulación fue muy valioso. Valoré mucho el gran ambiente y familiaridad con la que los asistentes se relacionaban y cooperaban. Además, fue una muy buena oportunidad para visitar otro país lejano y con amplias diferencias culturales.
¿De qué manera puede ayudar este trabajo?
Este trabajo puede ayudar bastante para mejorar el rendimiento de los modelos de simulación actuales. De forma específica, puede ayudar a que el sistema que representen las simulaciones se ajuste mejor a lo que ocurre en la realidad, y que tome decisiones más inteligentes. A modo de ejemplo, y tal como presentamos en la conferencia, añadiendo la red neuronal a la simulación permitiría a un banco simular mejor sus operaciones ante cambios en la situación económica de sus clientes, algo que evidentemente puede generar mucho valor a las empresas y a las personas.
¿Cambia el paradigma de los softwares de simulación rígidos?
Yo creo que no cambia el paradigma, pues los softwares no lo establecen como una regla, sino es más bien una limitación que tienen actualemente producto de la dificultad que tiene implementar esta técnica dentro de modelos de simulación. Es claro que en un futuro, y conforme puedan desarrollar más herramientas, se incluirán versiones básicas de métodos parecidos, pues permiten obtener resultados mejores. Nuestro trabajo presenta una directriz para el desarrollo de los softwares del futuro, y no creo que cambie el paradigma, sino que presenta un camino para mejorar lo que hay actualmente.
