El papel de las matemáticas en la modelación y simulación de sistemas de ingeniería

Estalin Fabián Mejía Hidalgo, Ronny Gonzalo Pomboza Granizo, Hugo Renato Jacome Cartagena, Marco Antonio Santillan Tasigchana

Resumen


El presente estudio analiza el papel fundamental que desempeñan las matemáticas en la modelación y simulación de sistemas de ingeniería, considerando su influencia en la precisión, la optimización y la toma de decisiones técnicas, a partir de una metodología cualitativa basada en la revisión documental y el análisis comparativo de resultados, se evidencia que las matemáticas constituyen el lenguaje esencial que permite representar fenómenos físicos, estructurales y computacionales mediante modelos formales y verificables, los resultados obtenidos demuestran que el rigor matemático mejora la exactitud de las simulaciones, reduce los márgenes de error y favorece la validación de los modelos frente a los datos reales, se constató que la integración de métodos matemáticos avanzados con herramientas computacionales incrementa la eficiencia operativa, la capacidad predictiva y la sostenibilidad de los sistemas, otro hallazgo relevante indica que la formación matemática de los ingenieros es determinante para la calidad de los modelos desarrollados, lo que sugiere fortalecer la enseñanza de matemáticas aplicadas en los programas académicos de ingeniería, se concluye que las matemáticas no solo cumplen una función instrumental, sino estratégica, al posibilitar el diseño, análisis y control de sistemas complejos, consolidándose como un pilar indispensable para la innovación y la ingeniería del futuro.


Palabras clave


Matemáticas aplicadas; Modelación; Simulación; Ingeniería; Optimización.

Texto completo:

PDF HTML

Referencias


Acevedo-Rincon, J. P. (2020). Relevance of the mathematics teacher’s specialized knowledge model in the planning and interpretation processes at the spatial thinking. Journal of Physics: Conference Series, 1514(1). https://doi.org/10.1088/1742-6596/1514/1/012019

Aguilera-Eguía, R. A., Fuentes-Barría, H., & Lopez-Soto, O. P. (2021). Consideraciones sobre las ventajas y desventajas de una revisión sistemática en menos de 500 palabras. Nutricion Hospitalaria, 38(4), 876. https://doi.org/10.20960/NH.03615

Albarracín, L., & Gorgorió, N. (2013). Problemas de estimación de grandes cantidades: Modelización e influencia del contexto. Revista Latinoamericana de Investigacion En Matematica Educativa, 16(3), 289–315. https://doi.org/10.12802/RELIME.13.1631

Aumann, C. A. (2007). A methodology for developing simulation models of complex systems. Ecological Modelling, 202(3–4), 385–396. https://doi.org/10.1016/J.ECOLMODEL.2006.11.005

Barquero, B. (2015). Teaching Modelling at University Level: The institutional relativity of study and research paths. Bolema - Mathematics Education Bulletin, 29(52), 593–612. https://doi.org/10.1590/1980-4415V29N52A09

Candia-Véjar, A., & González, M. (2011). Sistemas de ingeniería: problemas, modelos y algoritmos de solución para la ayuda en la toma de decisiones. Ingeniare. Revista Chilena de Ingeniería, 19(3), 310–311. https://doi.org/10.4067/S0718-33052011000300001

Carley, K. M. (2009). Computational modeling for reasoning about the social behavior of humans. Computational and Mathematical Organization Theory, 15(1), 47–59. https://doi.org/10.1007/S10588-008-9048-9

Carrillo-Yañez, J., Climent, N., Montes, M., Contreras, L. C., Flores-Medrano, E., Escudero-Ávila, D., Vasco, D., Rojas, N., Flores, P., Aguilar-González, Á., Ribeiro, M., & Muñoz-Catalán, M. C. (2018). The mathematics teacher’s specialised knowledge (MTSK) model*. Research in Mathematics Education, 20(3), 236–253. https://doi.org/10.1080/14794802.2018.1479981

Cioffi-Revilla, C. (2009). Simplicity and reality in computational modeling of politics. Computational and Mathematical Organization Theory, 15(1), 26–46. https://doi.org/10.1007/S10588-008-9042-2

Coa-Mamani, R. E., Obregón-Ramos, J. V., Coa-Mamani, R. E., & Obregón-Ramos, J. V. (2023). Modelación Matemática como Estrategia Didáctica: Una Perspectiva Procedimental de Formación Académica y Científica. Revista Tecnológica-Educativa Docentes 2.0, 16(2), 259–272. https://doi.org/10.37843/RTED.V16I2.410

Conde-Carmona, R. J., Fontalvo Meléndez, A. A., & Padilla-Escorcia, I. A. (2021). El uso de la tecnología en la enseñanza del límite, para el fortalecimiento de competencias matemáticas en estudiantes de secundaria en tiempos de Pandemia. Revista Educación y Ciudad, 41, 147–170. https://doi.org/10.36737/01230425.N41.2496

Conde-Carmona, R., & Padilla Escorcia, I. A. (2021). Aprender matemáticas en tiempos del COVID-19: Un estudio de caso con estudiantes universitarias. Educación y Humanismo, 23(40). https://doi.org/10.17081/EDUHUM.23.40.4380

De Loiola Araújo, J., & De Lima, F. H. (2020). The mathematization process as object-oriented actions of a modelling activity system. Bolema - Mathematics Education Bulletin, 64(68), 847–868. https://doi.org/10.1590/1980-4415V34N68A01

Diallo, S. Y., Padilla, J. J., Gore, R., Herencia-zapana, H., & Tolk, A. (2014). Toward a formalism of modeling and simulation using model theory. Complexity, 19(3), 56–63. https://doi.org/10.1002/CPLX.21478

Matemática como ciencia del saber. (2016). Saber, 28(1), 03–04. http://ve.scielo.org/scielo.php?script=sci_arttext&pid=S1315-01622016000100001&lng=es&nrm=iso&tlng=es

Padilla-Escorcia, I. A., Acevedo-Rincón, J. P., Padilla-Escorcia, I. A., & Acevedo-Rincón, J. P. (2022). Conocimiento Especializado del Profesor de Matemáticas en la Enseñanza de la Modelación de la Elipse a Través de Recursos Tecnológicos. Revista Lasallista de Investigación, 19(1), 67–83. https://doi.org/10.22507/RLI.V19N1A4

Peña - Reyes, J. I. (2011). Grandes retos de la ingeniería y su papel en la sociedad. Ingeniería e Investigación, 31, 100–111. http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0120-56092011000400012&lng=en&nrm=iso&tlng=es

Plaza Gálvez, L. F., & Plaza Gálvez, L. F. (2016). Modelación matemática en ingeniería. IE Revista de Investigación Educativa de La REDIECH, 7(13), 47–57. http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S2448-85502016000200047&lng=es&nrm=iso&tlng=es

Rodríguez Zoya, L. G., & Roggero, P. (2014). La modelización y simulación computacional como metodología de investigación social. Polis (Santiago), 13(39), 417–440. https://doi.org/10.4067/S0718-65682014000300019

Stewart, James., Sestter Bouclier, A., & Romo, Jorge. (2002). Cálculo : trascendentes tempranas. 1151.

Vidal-Duarte, E., Padrón Álvarez, A., Vidal-Duarte, E., & Padrón Álvarez, A. (2020). Del diagnóstico al perfil por competencias: lecciones aprendidas en Ingeniería de Sistemas. Referencia Pedagógica, 8(2), 267–286. http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S2308-30422020000200267&lng=es&nrm=iso&tlng=es

Whitmeyer, J. M., Carmichael, T., Eichelberger, C., Hadzikadic, M., Khouja, M., Saric, A., & Sun, M. (2008). A computer simulation laboratory for social theories. Proceedings - 2008 IEEE/WIC/ACM International Conference on Intelligent Agent Technology, IAT 2008, 512–515. https://doi.org/10.1109/WIIAT.2008.169




DOI: https://doi.org/10.23857/pc.v10i11.10634

Enlaces de Referencia

  • Por el momento, no existen enlaces de referencia
';





Polo del Conocimiento              

Revista Científico-Académica Multidisciplinaria

ISSN: 2550-682X

Casa Editora del Polo                                                 

Manta - Ecuador       

Dirección: Ciudadela El Palmar, II Etapa,  Manta - Manabí - Ecuador.

Código Postal: 130801

Teléfonos: 056051775/0991871420

Email: polodelconocimientorevista@gmail.com / director@polodelconocimiento.com

URL: https://www.polodelconocimiento.com/