FACULTAD DE CIENCIAS

ESCUELA ACADÉMICO-PROFESIONAL
INGENIERÍA DE SISTEMAS E INFORMÁTICA

“SISTEMA FINANCIERO BANCARIO, NO BANCARIO Y CASOS DE

FINANCIAMIENTO”

INVESTIGACION DE OPERACIONES I

PRESENTADO POR:

MAYHUAY CACERES ABNER

ASESOR:

ING. SILVA ZAPATA MIGUEL ANGEL

HUARAZ - PERU

2019
 MODELO MATEMATICO

Un modelo matemático describe teóricamente un objeto que existe fuera del

campo de las Matemáticas. Las previsiones del tiempo y los pronósticos
económicos, por ejemplo, están basados en modelos matemáticos. Su éxito o
fracaso depende de la precisión con la que se construya esta representación
numérica, la fidelidad con la que se concreticen hechos y situaciones naturales
en forma de variables relacionadas entre sí.

Básicamente, en un modelo matemático advertimos 3 fases:

La construcción, proceso en el que se convierte el objeto a lenguaje matemático;

el análisis o estudio del modelo confeccionado; la interpretación de dicho
análisis, donde se aplican los resultados del estudio al objeto del cual se partió.

La utilidad de estos modelos radica en que ayudan a estudiar cómo se comportan

las estructuras complejas frente a aquellas situaciones que no pueden verse con
facilidad en el ámbito real. Existen modelos que funcionan en ciertos casos y que
resultan poco precisos en otros, como ocurre con la mecánica newtoniana, cuya
fiabilidad fue cuestionada por el propio Albert Einstein.

Puede decirse que los modelos matemáticos son conjuntos con ciertas
relaciones ya definidas, que posibilitan la satisfacción de proposiciones que
derivan de los axiomas teóricos. Para ello, se sirven de diversas herramientas,
como ser el álgebra lineal que, por ejemplo, facilita la fase de análisis, gracias a
la representación gráfica de las distintas funciones.

MODELO LINEAL

La programación lineal es un conjunto de técnicas racionales de análisis y de

resolución de problemas que tiene por objeto ayudar a los responsables en las
decisiones sobre asuntos en los que interviene un gran número de variables.
El nombre de programación lineal no procede de la creación de programas de
ordenador, sino de un término militar, programar, que significa “realizar planes o
propuestas de tiempo para el entrenamiento, la logística o el despliegue de las
unidades de combate”.

Aunque parece ser que la programación lineal fue utilizada por G. Monge en
1776, se considera a L. V. Kantoróvich uno de sus creadores. La presentó en su
libro Métodos matemáticos para la organización y la producción (1939) y la
desarrolló en su trabajo Sobre la transferencia de masas (1942). Kantoróvich
recibió el premio Nobel de economía en 1975 por sus aportaciones al problema
de la asignación óptima de recursos humanos.

La investigación de operaciones en general y la programación lineal en particular

recibieron un gran impulso gracias a los ordenadores. Uno de momentos más
importantes fue la aparición del método del simplex.

Objetivos

 Conocer la programación lineal y sus aplicaciones a la vida cotidiana.

 Plantear y resolver situaciones con programación lineal.
 Pasos para la construcción de un modelo.

Tipo de Soluciones

Los programas lineales con dos variables suelen clasificarse atendiendo al tipo
de solución que presentan. Éstos pueden ser:

 Factibles: Si existe el conjunto de soluciones o valores que satisfacen las

restricciones. Estas a su vez pueden ser: con solución única, consolución
múltiple (si existe más de una solución) y con solución no acotada (cuando
no existe límite para la función objetivo).
 No factibles: Cuando no existe el conjunto de soluciones que cumplen las
restricciones, es decir, cuando las restricciones son inconsistentes.

Métodos de solución

Existen tres métodos de solución de problemas de programación lineal:

 Método gráfico: Las rectas de nivel dan los puntos del plano en los que la
función objetivo toma el mismo valor.
  Método analítico: El siguiente resultado, denominado teorema
fundamental de la programación lineal, nos permite conocer otro método
de solucionar un programa con dos variables: “en un programa lineal con
dos variables, si existe una solución única que optimice la función objetivo,
esta se encuentra en un punto extremo (vértice) de la región factible
acotada, nunca en el interior de dicha región. Si la función objetivo toma
el mismo valor óptimo en dos vértices, también toma idéntico valor en los
puntos del segmento que determinan. En el caso de que la región factible
no es acotada, la función lineal objetivo no alcanza necesariamente un
valor optimo concreto, pero, si lo hace este se encuentra en uno de los
vértices de la región”.
 Esquema práctico: Los problemas de programación lineal puede
presentarse en la forma estándar, dando la función, objetivos y las
restricciones, o bien plantearlos mediante un enunciado.

Estructura básica

Unos grandes almacenes encargan a un fabricante pantalones y chaquetas

deportivas.

El fabricante dispone para confección de 750 m de tejido de algodón y 1000 m

de tejido de poliéster. Cada pantalón precisa 1 m de algodón y 2 m de poliéster.
Para cada chaqueta se necesita 1.5 m de algodón y 1 m de poliéster.

El precio del pantalón se fija en $ 50 y de la chaqueta en $40.

¿Qué número de pantalones y chaquetas debe suministrar el fabricante a los

almacenes para que estos consignan una venta máxima?

1. Elección de las incógnitas.

• X= número de pantalones

• Y= número de chaquetas

2. Función objetivo

• F(x,y)=50x + 40y

3. Restricciones
Para escribir las restricciones vamos a ayudarnos de una tabla:

Pantalones Chaquetas Disponibles

Algodón 1 1.5 750

Poliéster 2 1 1000

• X + 1.5y < 750 à 2x + 3y< 1500

• 2x + y < 1000

Como el número de pantalones y chaquetas son números naturales, tendremos

dos restricciones más:

• X>0

• Y>0

4. Halla el conjunto de soluciones factibles

Tenemos que representar gráficamente las restricciones.

Al ser x > 0 e y > 0, trabajaremos en el primer cuadrante.

Representamos las rectas, a partir de sus puntos de corte con los ejes.

Programación lineal

Resolvemos gráficamente la inecuación: 2x + 3y < 1500, para ello tomamos un

punto del plano, por ejemplo el (0,0).

Como 0 < 1500 entonces el punto (0,0) se encuentra en el semiplano donde se

cumple la desigualdad.

De modo análogo resolver 2x + y < 1000.

Programación lineal

La zona de intersección de las soluciones de las inecuaciones sería la solución

al sistema de inecuaciones, que constituye el conjunto de las soluciones
factibles.

5. Calcular las coordenadas de los vértices del recinto de las soluciones factibles.
La solución óptima, si es única, se encuentra en un vértice del recinto. Estos son
las soluciones a los sistemas:

2x + 3y = 1500; x= 0 (0,500)

2x + y = 1000; y= 0 (500,0)

2x + 3y = 1500; 2x + y = 1000 (375, 250)

Programación lineal

6. Calcular el valor de la función objetivo

En la función objetivo sustituimos cada uno de los vértices.

• F(x,y) = 50x + 40y

• F(0,500) = 50*0 + 40*500 = $20000

• F(500,0) = 50*500 + 40*0 = $ 25000

• F(375,250) = 50*375 + 40*250 = $28750

La solución óptima es fabricar 375 pantalones y 250 chaquetas para obtener un

beneficio de $ 28750.

MODELO DETERMINISTICO

Un modelo determinístico es un modelo matemático donde las mismas entradas

producirán invariablemente las mismas salidas, no contemplándose la existencia
del azar ni el principio de incertidumbre. Está estrechamente relacionado con la
creación de entornos simulados a través de simuladores para el estudio de
situaciones hipotéticas, o para crear sistemas de gestión que permitan disminuir
la incertidumbre.

Ejemplo:

La planificación de una línea de producción, en cualquier proceso industrial, es

posible realizarla con la implementación de un sistema de gestión de procesos
que incluya un modelo determinístico en el cual estén cuantificadas las materias
primas, la mano de obra, los tiempos de producción y los productos finales
asociados a cada proceso.

MODELO ESTOCASTICO

Se denomina, a los sistemas cuyo comportamiento es intrínsecamente no

determinístico.

Ejemplo:

En inteligencia artificial, un programa estocástico opera utilizando métodos

probabilísticos para solucionar problemas, como el algoritmo de recocido
simulado, las redes neuronales estocásticas, la optimización estocástica, los
algoritmos genéticos y la programación genética. Un problema puede ser
estocástico por sí mismo, como al planificar bajo incertidumbre.

Un ejemplo de proceso estocástico en el mundo natural es la presión en un gas

tal y como se modela en un proceso de Wiener. Incluso aunque (en términos
clásicos) cada molécula se mueve siguiendo un patrón determinístico, el
movimiento de un conjunto de ellas es informática y prácticamente impredecible.
Un conjunto suficientemente grande de moléculas mostrará características
estocásticas, como llenar su recipiente, ejercer la misma presión, difundirse en
gradientes de concentración, etc. Estas son propiedades emergentes de los
sistemas.

MODELOS DE SIMULACIÓN DE EVENTOS DISCRETOS

La simulación de eventos discretos, es una herramienta de análisis que se

difunde rápidamente en el ambiente empresarial, comprobando su utilidad para
apoyar la toma de decisiones relacionadas con la planeación de la producción y
los inventarios, y con el diseño de los sistemas de producción y sus cadenas de
suministro, Guasch, Piera, y Figueras (2003).

El concepto de sistema de evento discreto tiene por finalidad identificar a

sistemas en los que los eventos que cambian el estado del mismo ocurren en
instantes espaciados en el tiempo, a diferencia de los sistemas cuyo estado
puede cambiar continuamente en el tiempo (como la posición de un vehículo en
movimiento). Aunque aparentemente simples, los sistemas de eventos discretos,
pueden modelar muchos de los fenómenos que enfrentan los responsables de
la administración de los procesos productivos en una empresa. Por ejemplo, los
inventarios de cualquier producto solo se alteran ante la ocurrencia de alguno de
dos eventos: (1) ingreso de un lote de abastecimiento, o (2) retiro de cierta
cantidad del producto para satisfacer el pedido de un cliente, de la misma manera
como el dinero disponible en cualquier cuenta bancaria solo puede cambiar a
consecuencia de un deposito, o a consecuencia de un retiro Rico (1992)

Los primeros intentos para simular sistemas de eventos discretos, datan de la

década de los años 60, donde se desarrollan las primeras simulaciones en
ordenador para planear proyectos de gran envergadura, aunque a un costo alto
y utilizando lenguajes de propósito general (a menudo FORTRAN). Las primeras
herramientas para facilitar el uso de la simulación de evento discreto aparecen
en la forma de lenguajes de simulación en la década de los años 70, aunque la
programación en estos lenguajes se realiza todavía por medio de comandos
escritos en un archivo. Lenguajes como GPSS, SIMSCRIPT, SLAM y SIMAN
tienen una amplia difusión en los años 80, paralela a una gran producción
científica relacionada con las posibles aplicaciones de la simulación de evento
discreto, y el desarrollo de métodos para el análisis de experimentos por
simulación, para generar por ordenador la ocurrencia de eventos siguiendo
patrones probabilísticos, y para permitir que el motor del lenguaje pueda modelar
una gama amplia de aplicaciones.
En la década de los 90, la difusión de los ordenadores personales, y la aparición
de paquetes de simulación que se programan en ambientes gráficos, y con
capacidades de animación, permite que la simulación se difunda ampliamente
como herramienta para el diseño y análisis en diversos sectores tanto de la
industria de manufacturas como de servicios (por ejemplo, telecomunicaciones,
salud, transporte y cadenas de restaurantes).

Actualmente se pueden distinguir en el mercado dos tipos de paquetes para

simulación de evento discreto: los de propósito general y los orientados hacia
alguna aplicación o sector industrial específico. Entre los paquetes más
conocidos de propósito general, se pueden mencionar a Arena, Simul8, GPSS/H,
AweSim, y MODSIM III, mientras que entre los paquetes con orientación hacia
alguna aplicación se puede mencionar a AutoMod, ProModel, SIMFACTORY
II.5, QUEST y Arena Packaging Edition para manufactura, COMNET III y OPNET
Modeler para redes de comunicaciones, SIMPROCESS, ProcessModel,
ServiceModel y Arena Business Edition para analizar flujos en procesos de
negocios, y MedModel para servicios del cuidado de la salud. Los paquetes
mencionados permiten la programación en un ambiente grafico por medio de
módulos, y pueden incorporar animación a sus modelos, lo que además de
facilitar la programación del modelo de simulación, se constituye en una
herramienta valiosa para la verificación y demostración de las capacidades del
modelo.

MODELO DE SIMULACIÓN DE PROCESOS CONTINUOS

El análisis de sistemas ayuda a resolver situaciones complejas, ubicando los

puntos de apalancamiento más convenientes. Para ellos es necesario ver el total
en vez de las partes. En vez de ver los elementos de una organización en forma
aislada conviene verlos como elementos parciales de la realidad industrial. Es
obvio que esta realidad industrial es mucho más compleja que alguna
individualidad en particular. Sin embargo, es útil conocer que hay dos tipos de
complejidades: una relativa a los detalles y otra relativa a la dinámica. Esta última
está presente en situaciones donde la causa y el efecto son sutiles, y donde el
efecto de la intervención a través del tiempo no es obvia. Por ejemplo, las
técnicas de pronósticos, planificación o algún método analítico convencional no
están equipadas para afrontar la complejidad dinámica. Un conjunto complejo de
industrias para ensamblar un equipo, o el inventario de una fábrica supone
complejidad dinámica.

Cuando la misma acción tiene efectos distintos a corto y a largo plazo, hay
complejidad dinámica. Cuando la misma acción tiene consecuencia en un punto
y otras consecuencias en otra parte del sistema hay complejidad dinámica. Los
modelos gerenciales adaptados para guiar a la dirección sobre decisiones
oportunas y pertinentes que tienen efectos en el corto, medio y largo plazo tienen
complejidad dinámica, Sterman (2000).

La ubicación de los puntos de apalancamiento más consistentes en muchas

situaciones industriales obliga a comprender la complejidad dinámica, no la
complejidad de los detalles. El equilibrio entre un modelo gerencial y el clima
organizacional a la calidad de los productos son problemas con características
dinámicas. Mejorar continuamente la calidad, reducir costos y satisfacciones de
las necesidades y deseos del cliente, es un problema dinámico.

El concepto de dinámica de sistemas se orienta a ver la organización como un

todo y las interacciones de las partes relacionadas Aracil y Gordillo (1997). Y el
pensamiento sistémico según Sterman (2000), es una disciplina para ver las
estructuras que subyacen en las situaciones complejas, y para discernir cambios
de alto y bajo apalancamiento. Para ubicar puntos de alto apalancamiento hay
que comprender la complejidad dinámica, que normalmente está presente
cuando la misma acción tiene efectos distintos a corto y a largo plazo o cuando
una acción tiene un conjunto de consecuencias locales y otro conjunto de
consecuencias distintas en otra parte del sistema, según Senge (1992).
Una de las herramientas básicas en análisis de sistemas es el concepto de
retroalimentación, donde el control procura mantener el funcionamiento del
sistema en consideración al medio.

Un modelo es cualquier representación simplificada de la realidad. La

modelación informática no necesariamente significa producir estructuras
impenetrables. No puede alimentarse un modelo con todo lo que se sabe. Solo
debe introducirse lo que es relevante para el objetivo. El arte de los modelos de
este tipo como el arte de la poesía, de la arquitectura o del diseño de la ingeniería
es incluir solo lo necesario para lograr el objetivo, y nada más. Por lo tanto para
comprender un modelo y juzgar su validez se necesita comprender su objetivo.

MODELADO DE SISTEMAS DISCRETOS

El modelado de fenómenos y procesos es una actividad que permite:

 Verificar hipótesis sobre dichos procesos

 Efectuar predicciones sobre el comportamiento futuro
 Hacer simulaciones (eventualmente computarizadas)
 Hacer experimentos del tipo « ¿Qué pasaría si…?», sin tener que actuar
sobre el procesos o fenómeno físico.

Llamamos eventos discretos a aquellos en los que se considera su estado sólo

en ciertos momentos, separados por intervalos de tiempo, sin importar lo que
ocurre en el sistema entre estos momentos. Es como si la evolución del sistema
fuera descrita por una secuencia de fotografías, en vez de un flujo continuo y se
pasa bruscamente de una fotografía a otra.
Usualmente se considera que la realidad es continua y por lo tanto los sistemas
discretos son solamente una abstracción de ciertos sistemas, de los que nos
interesa enfatizar su aspecto «discreto».

Por ejemplo, en un motor de gasolina se dice que tiene cuatro tiempos: Admisión,
Compresión, Ignición y Escape. Sin embargo, el pistón en realidad no se limita a
pasar por cuatro posiciones, sino que pasa por todo un rango de posiciones
continuas. Así, los «cuatro tiempos» son una abstracción de la realidad.

La noción más básica de los modelos de eventos discretos es la de estado. Un

estado es una situación en la que se permanece un cierto lapso de tiempo.

Un ejemplo de la vida real es el de «los estados civiles» en que puede estar una
persona: soltera, casada, viuda, divorciada, etc. De uno de estos estados se
puede pasar a otro al ocurrir un evento o acción, que es el segundo concepto
básico de la modelación discreta. Así, por ejemplo, del estado «soltero» se puede
pasar al estado «casado» la ocurrir el evento «boda». Similarmente, se puede
pasar de «casado» a «divorciado» mediante el evento «divorcio».

En estos modelos se supone que se permanece en los estados un cierto lapso

de tiempo, pero, por el contrario, los eventos son instantáneos. Esto puede ser
más o menos realista, dependiendo de la situación que se está modelando. Por
ejemplo, en el medio rural hay bodas que duran una semana, pero desde el punto
de vista de la duración de una vida humana, este tiempo podría ser considerado
despreciable. En el caso del evento «divorcio», pudiera ser inadecuado
considerarlo como instantáneo, pues hay divorcios que duraban años, ahora con
la reforma a las leyes, este evento es más rápido, tomando en cuenta que aun
así existen ciertos pormenores en cada caso.