Para estudar os chamados Sistemas a Eventos Discretos (SEDs), existe uma variedade de tipos de modelos, mas, entretanto, estes acabam tratando de aspectos sistêmicos específicos, da mesma forma que suas análises. Para ter uma visão mais completa de tais sistemas, é importante lidar com esses tipos heterogêneos de modelos e com as técnicas desenvolvidas para sua integração. Este trabalho foca na questão da representação computacional desses modelos e de como adequá-la à heterogeneidade e à integração desses modelos. No que diz respeito à heterogeneidade, é proposta uma descrição matemática das ferramentas computacionais de modelagem e análise de SEDs, com a qual se pode visualizar as interações entre a heterogeneidade dos modelos, o poder de expressão e de montagem de representações de modelos e os processamentos de análise. Baseado nesta descrição e considerando-se os diversos custos envolvidos, diversas características são analisadas, de modo que, ao final, determina-se quais aquelas que são favoráveis para o caso de heterogeneidade e integração de modelos. Porém, existe ainda a heterogeneidade inerente aos modelos que não pode ser eliminada e isso constitui um obstáculo no caso de ter de lidar com modelos heterogêneos, representando um custo adicional para o aproveitamento de sua integração. Em relação a este caso, a proposta deste trabalho é de representar as informações semânticas associadas aos diversos modelos como forma de obter uma descrição integrada da dinâmica sendo modelada. Desde que as condições de consistência dessas representações sejam atendidas, com tal descrição, é possível visualizar os relacionamentos entre os diversos modelos e realizar análises sem ter que lidar com as diferenças estruturais dos vários tipos de modelos. Além disso, tais informações são úteis na construção de representações de modelos de SEDs e no estabelecimento de relacionamentos entre modelos de dinâmicas diferentes. Dessa discussão fica claro que tais representações têm papel fundamental para um efetivo processamento computacional das informações que a modelagem e análise oferecem.

Discrete Event Dynamic Systems (DEDS) can be approached by a variety of types of models, but each one deals with specific system aspects and whose analysis provides a limited set of information.For a more comprehensive understanding of DEDS, it is important to deal with these heterogeneous types of models and with techniques that integrate them. This work focus on the issue of computational representation of such models and of how to handle their heterogeneity and integration. In the case of the heterogeneity, a mathematical description of computational tools for modeling and analysis of DEDS is developed, based on which it is possible to visualize the interactions involving model heterogeneity, the capability of expressing and building model representations, and analysis processing. Based on this description and considering the various costs involved in the adoption of such tools, several characteristics are assessed, so that guidelines for configurations favourable to heterogeneity and integration of models are established. However, handling the heterogeneity of models does not eliminate it, remaining as a major obstacle when dealing with models of different types, representing an additional cost in their integration. Related with this issue, an approach based on the representation of the semantic information associated to the models as a means to generate an integrated description of the dynamics being modeled is introduced. As long as this representation presents consistency features, it is possible to visualize the various relationships between models and execute analysis without dealing, directly, with the structural differences observed in models of different types. Besides, the information being represented is helpful in the construction of representations of DEDS models and in establishing relationships between models referring to different dynamics. From all this discussion, it is clear that the proposed computational representation of information plays a fundamental role in the effective processing of the information provided by modeling and analysis.