Unidad 1. Paso 1 - Modelar y Simular Sistemas Industriales Con Base en Programación Lineal Dinámica

Unidad 1: Paso 1 - Modelar y simular sistemas industriales con base en
programación lineal dinámica.
Presentado por:
Víctor Moncada Villada. ID: 16045564

Carlos Mario Zapata. ID: 1054989964
Valentina Valencia. ID:
ID: 16.045.564
Presentado a:
Gustavo Andrés Araque
Tutor
Curso: 212026_63
Modelos y Simulación
Universidad Nacional Abierta y a Distancia -UNAD-

Programa de ingeniería industrial
Octubre de 2019
Introducción
Por medio de este trabajo se pretende dar amplio concepto sobre los modelos de
programación dinámica aplicando el modelo en Xpress a partir de los problemas
planteados para encontrar las soluciones correctas. También se comprenderán los
conceptos sobre simulación, modelación y las herramientas utilizadas en la modelación
matemática y la simulación en la ingeniería; así como sus aplicaciones y análisis de
sensibilidad.
Justificación
En el siguiente trabajo aplicaremos la simulación determinística y dinámica que se

establece en un problema de programación lineal, mediante la utilización del Solver de
Excel y exprees-ive. Esto contribuye a desarrollar soluciones de optimización de costos
y recursos dentro de los entornos productivos y laborales, por otro lado, el método de
simulación determinística busca proporcionar la forma correcta de evidenciar los
ejercicios planteados.
Objetivos
Entender qué es la simulación y la modelación y cómo se usa, qué herramientas de

software hay y encontrar casos de éxito relacionados con la temática que se estudiará.
Objetivos específicos:
 Conceptos sobre modelación y simulación.
 Conceptos sobre modelos matemáticos.
 Resolución de problemas para la comprensión y aplicación de los diferentes
conceptos.
 Encontrar la función objeto en cada problema planteado con las diferentes
herramientas o modelos.
Punto 1. Desarrollar los siguientes contenidos conceptuales:
1.1 Qué es la simulación y modelación, tipos y usos. (Víctor Moncada)

R/: Simulación: En las ciencias, la simulación es el artificio contextual que
referencia la investigación de una hipótesis o un conjunto de hipótesis de trabajo
utilizando modelos un método perfecto para la enseñanza y aprendizaje. Es la
representación de un proceso o fenómeno mediante otro más simple, que permite
analizar sus características; Pero la simulación no es solo eso también es algo muy
cotidiano, hoy en día, puede ser desde la simulación de un examen, que le hace la
maestra a su alumno para un examen del ministerio, la producción de textiles,
alimentos, juguetes, construcción de infraestructuras por medio de maquetas, hasta el
entrenamiento virtual de los pilotos de combate.
Tipos y usos: Discretos: Es una representación en la cual el estado de las variables
cambia instantáneamente en el tiempo.
Continuos: Representación en la cual las variables de estado cambian
continuamente en el tiempo.
Combinada: Discreta – continua: Representación en la cual unas variables de estado
cambian continuamente con respecto al tiempo y otras cambian instantáneamente en
un instante de tiempo separados.
Estáticos: Representa las relaciones del sistema cuando está quieto o en equilibrio.
Dinámicos: Refleja los cambios en el sistema a través del tiempo y muestra la
evolución desde el principio hasta el final.
Determinísticos: Es un modelo de simulación que no considera ninguna variable
importante, comportándose de acuerdo con una ley probabilística.
Estocásticos: Se modelan tomando en cuenta algún componente aleatorio de
entrada, un ejemplo de esto sería el sistema de inventarios de una fábrica.
Matemáticos: Representan la realidad en forma abstracta de muy diversas maneras.
Físicos: Son aquellos en que la realidad es presentada por algo tangible, contraído
en escala o que por lo menos se comporta en forma análoga a esa realidad (maquetas,
prototipos, modelos analógicos, etc).
Analíticos: Es donde la realidad se presenta a partir de fórmulas matemáticas, a
partir de ecuaciones; y de sistemas numéricos.
Modelación: Es el proceso de diseñar un modelo de un sistema real y realizar

experimentos con él para entender el comportamiento del sistema y/o evaluar
estrategias para la operación de este.
Tipos y usos: Teórico: Debe contener los elementos que se precisen para la
simulación y es el modelo principal de toda una investigación científica como las
hipótesis y las predicciones.
Conceptual: Se establece por medio de un cuestionario y con trabajo de campo, la
importancia de la discriminación o rechazo en una colectividad y hacerlo por medio de
un cuestionario en forma de una simulación con una escala de actitud.
Sistémico: Se construye utilizando como metodología la dinámica de sistemas donde
se analiza y modela. Se simula el sistema social en una de sus representaciones
sociales. Por lo tanto, el análisis de sistemas es una representación total.
1.2 Investigue para la modelación las principales herramientas de software

utilizadas.
R/: GAMS.
El General Algebraic Modeling System (GAMS) es un software de alto nivel para el
modelado de sistema para la optimización matemática. GAMS está diseñado para
modelar y resolver problemas lineales, no lineales y optimización entera mixta. El
sistema está diseñado para aplicaciones de modelado a gran escala complejas y
permite al usuario construir grandes modelos mantenibles que pueden adaptarse a las
nuevas situaciones. El sistema está disponible para su uso en distintas plataformas
informáticas. Los modelos son portátiles desde una plataforma a otra.
MINITAB
Minitab es un software muy versátil utilizado para la creación de modelos para
investigación de operaciones, cuenta con características útiles para la generación de
gráficos, el análisis de comportamientos por diversos tipos de regresiones, análisis de
varianza, control estadístico de procesos, diseño de experimentos (DOE), entre otros.
SOLIDCAM
Solidcam es un software para manufactura CAM 3D que está integrado sobre
SolidWorks y Autodesk Inventor. Con operaciones de corte, fresado y torno para ser
ejecutadas en centros de maquinado CNC usando la tecnología iMachining, una de sus
ventajas es que el sistema explota toda la inteligencia de manejo de sólidos
paramétricos 3D. El usuario puede diseñar su modelo CAD en cualquier plataforma
mecanizarla en Solidcam.
AUTODESK INVENTOR
El software de CAD 3D Inventor® ofrece un conjunto de herramientas profesionales
para diseño mecánico, documentación y simulación de productos en 3D.
SOLIDWORKS
Este software CAD 3D SolidWorks ofrece herramientas de análisis y validación
integradas y fáciles de usar que permiten simular escenarios como "¿qué ocurriría si
disminuyo la presión en.…?" para optimizar los diseños realizados. Permite validar los
diseños en condiciones reales para mejorar la calidad del producto y reducir
significativamente los costos de desarrollo y fabricación.
FLEXSIM
Actualmente, FlexSim es uno de los softwares más poderosos para modelar,
analizar, visualizar y optimizar procesos de manufactura, operación, cadenas de
producción y hasta plantas industriales completas en un entorno 3D y con variables de
eventos reales y estadísticos.
Carlos Mario Zapata

¿Qué es la simulación?
La simulación es una técnica numérica para conducir experimentos en una

computadora digital. Estos experimentos comprenden ciertos tipos de relaciones
matemáticas y lógicas, las cuales son necesarias para describir el comportamiento y la
estructura de sistemas complejos del mundo real a través de largos periodos de
tiempos.
Campos de aplicación de la simulación. Diversos
- Sistemas
- Objetivos
Tradicionalmente se ha usado para:
- Entrenamiento y Educación
- Comunicación y ventas
- Diseño o mejora de sistemas
- Gestión de sistemas
En disciplinas como:
- Ingenierías
- Medicina, biología, ecología
- Ciencias sociales y económicas
Tipos de simulación
1.- Simulación Discreta:
Modelación de un sistema por medio de una representación en la cual el estado de

las variables cambia instantáneamente en instante de tiempos separados. (En términos
matemáticos el sistema solo puede cambiar en instante de tiempo contables).
2.- Simulación Continua:
Modelación de un sistema por medio de una representación en la cual las variables

de estado cambian continuamente en el tiempo. Típicamente, los modelos de
simulación continua involucran ecuaciones diferenciales que determinan las relaciones
de las tasas de cambios de las variables de estado en el tiempo.
3.- Simulación Combinada Discreta-Continua:
Modelación de un sistema por medio de una representación en la cual unas

variables de estado cambian continuamente con respecto al tiempo y otras cambian
instantáneamente en instante de tiempo separados. Es una simulación en la cual
interactúan variables de estado discretas y continuas.
Existen tres tipos de interacciones entre las variables de estado de este tipo de
simulaciones:
-Un evento discreto puede causar un cambio discreto en el valor de una variable de
estado continua.
-Un evento discreto puede causar que la relación que gobierna una variable de
estado continua cambie en un instante de tiempo en particular.
-Una variable de estado continua de punto de partida puede causar que un evento
discreto ocurra, o sea, programado.
4.- Simulación Determinística y/o Estocástica:
Una simulación determinística es aquella que utiliza únicamente datos de entra

determinísticos, no utiliza ningún dato de entrada azaroso. En cambio, un modelo de
simulación estocástico incorpora algunos datos de entrada azarosos al utilizar
distribuciones de probabilidad.
5.- Simulación estática y dinámica:
La simulación estática es aquella en la cual el tiempo no juega un papel importante,

en contraste con la dinámica en la cual si es muy importante.
6- Simulación con Orientación hacia los eventos:
Modelaje con un enfoque hacia los eventos, en el cual la lógica del modelo gira
alrededor de los eventos que ocurren instante a instante, registrando el estado de todos
los eventos, entidades, atributos y variables del modelo en todo momento.
7.- Simulación con Orientación hacia procesos:
Modelaje con un enfoque de procesos, en el cual la lógica del modelo gira alrededor
de los procesos que deben seguir las entidades. Es cierta forma, es un modelaje
basado en un esquema de flujo grama de procesos, el cual se hace es un seguimiento
a la entidad a través de la secuencia de procesos que debe seguir.
1.1 Qué es la simulación y modelación, tipos y usos. (Valentina Valencia
Ospina)
SIMULACIÓN.
La simulación de métodos es una de las más importantes herramientas de la

ingeniería industrial, la cual se utiliza para representar un proceso mediante otro que lo
hace mucho más simple y entendible. Esta simulación es en algunos casos casi
indispensable, como nos daremos cuenta a continuación. En otros casos no lo es tanto,
pero sin este procedimiento se hace más complicado.
La simulación es la representación de un proceso o fenómeno mediante otro más

simple, que permite analizar sus características; Pero la simulación no es solo eso
también es algo muy cotidiano, hoy en día, puede ser desde la simulación de un
examen, que le hace la maestra a su alumno para un examen del ministerio, la
producción de textiles, alimentos, juguetes, construcción de infraestructuras por medio
de maquetas.
TIPOS Y USOS DE SIMULACIÓN.
 Simulación discreta: Es un modelo de sistema por medio de una

representación en el cual los estados de las variables cambian
instantáneamente en instante de tiempo.
 Simulación continua: Es un sistema que por medio de una representación en

la cual las variables de estado cambian continuamente en el tiempo.
 Simulación Discreta - Continua: Es la representación en la cual las variables

cambian de estado continuamente con respecto al tiempo y otras cambian
instantáneamente en instante de tiempo separados
Ejemplo: La caída del agua de un tanque, el movimiento de un vehículo.

 Simulación estática: Representa las relaciones del sistema cuando está en
reposo o en equilibrio.
Ejemplo: Maquetas, planos, etc.
 Simulación dinámica: Son aquellas que reflejan los cambios en el sistema a

través del tiempo y muestra la evolución desde el principio hasta el final.
Ejemplo: El crecimiento de un ser humano.
 Simulación determinística: Es un modelo de simulación que no determina

ninguna variable importante, comportándose de acuerdo a la ley probabilística.
MODELACIÓN.
La modelación científica es una herramienta de la exploración de forma material o

teórico, establecido para representar el objeto que se está trabajando. Establece una
transcripción resumida de la realidad que cumple una función heurística que permite
expresar nuevas relaciones y formas del objeto de estudio. Un modelo científico es la
proporción ideal que sintetiza una teoría. Es una herramienta de trabajo que supone
una aproximación intuitiva a la realidad y que tiene por función básica la de ayudar a
comprender las teorías y las leyes. La aplicación del método de la modelación está
íntimamente relacionada con la necesidad de encontrar un reflejo mediatizado de la
realidad objetiva. De hecho, el modelo constituye un eslabón intermedio entre el sujeto
(investigador) y el objeto de investigación. La modelación es justamente el método
mediante el cual se crea abstracciones con vistas a explicar la realidad.
TIPOS Y USOS DE MODELACIÓN.
 El modelo icónico que es una reproducción a escala del objeto real, donde se
muestra la misma figura, proporciones y características que tiene el objeto real.
 El modelo analógico que consiste en un esquema, diagrama o representación
donde se refleja la estructura de relaciones y determinadas propiedades
fundamentales de la realidad.
 El modelo teórico que utiliza símbolos para designar las propiedades del
sistema que se desea estudiar. Tiene la capacidad de representar las
características y relaciones fundamentales del objeto, proporcionar explicaciones
y servir como guía para generar hipótesis teóricas.
Aunque el modelo muestra aspectos importantes para la teoría y ayuda a su

comprensión, hay que tener presente que es una visión simplificada y por tanto
incompleta de la realidad, la cual puede presentarse compleja y de difícil
comprensión.
1.2 INVESTIGUE PARA LA MODELACIÓN LAS PRINCIPALES HERRAMIENTAS

DE SOFTWARE UTILIZADAS. (Valentina Valencia Ospina)
 HYSYS
Es un programa interactivo enfocado a la ingeniería de procesos y la
simulación, que se puede utilizar para solucionar toda clase de problemas
relacionados con procesos químicos. Este simulador cuenta con una interfaz
muy amigable para el usuario, además de permitir el empleo de operadores
lógicos y herramientas que facilitan la simulación de diversos procesos. Es un
simulador bidireccional, ya que el flujo de información va en dos direcciones
(hacia delante y hacia atrás).
 AspenPlus
El Sistema Avanzado para Ingeniería de Procesos (ASPEN) es un mercado
líder en herramientas de modelado de proceso de diseño conceptual,
optimización y monitoreo de desempeño para la industria química, polímeros,
especialidades químicas, metales y minerales. Aspen Plus es un simulador
estacionario, secuencial modular (en las últimas versiones permite la estrategia
orientada a ecuaciones). Actualmente es posible que sea el más extendido en la
industria. Se ha utilizado para modelar procesos en industrias: química y
petroquímica, refino de petróleo, procesamientos de gas y aceites, generación
de energía, metales y minerales, industrias del papel y la pulpa y otros. Aspen
Plus tiene la base de datos más amplia entre los simuladores de procesos
comerciales, e incluye comportamiento de iones y de electrolitos. Además,
modela y simula cualquier tipo de proceso para el cual hay un flujo continuo de
materiales y energía de una unidad de proceso a otra. Posee herramientas para
cálculos de costes y optimizaciones del proceso, generación de resultados en
forma gráfica y en tablas y otros.
 CHEMCAD
Es un paquete de módulos que abarca cálculo y diseño de intercambiadores
de calor (CC-THERM), simulación de destilaciones dinámicas (CC-DCOLUMN),
simulación de reactores por lotes (CC-ReACS), simulación de destilaciones por
lotes (CC-BATCH), simulación de redes de tuberías (CC-SAFETY NET).
Recientemente ha sido puesta a la venta la versión 6 de CHEMCAD con una
nueva interface de usuario y otras propiedades adicionales. Este sistema es muy
usado en todo el mundo, para el diseño, operación y mantenimiento de procesos
químicos en una gran variedad de industrias incluyendo la exploración de
petróleo y gas; y naturalmente en procesos químicos, farmacéuticos,
biocombustibles y procesos de fábricas industriales. De forma general este
software, como una herramienta de productividad tiene muchas ventajas entre
las que cabe mencionar las siguientes:
 Incremento en la productividad por el uso de información obtenida a partir de la
simulación diaria de cálculos relacionados con las condiciones de operación.
 Maximizar la rentabilidad de las operaciones por el diseño más eficiente de
nuevos procesos y equipos.
 Reducción de costos e inversiones de capital por la optimización y solución de
los cuellos de botella existentes en los procesos y en los equipos.
 ProModel.
Es un programa de simulación de procesos industriales, permite simular
cualquier tipo de proceso de manufactura, además de procesos logísticos,
procesos de manejos de materiales y contiene excelentes simulaciones de
talleres, grúas viajeras, bandas de transporte y mucho más. Se puede crear un
modelo computarizado de todo proceso de manufactura y una vez realizado el
modelado, puedes simular Justo a Tiempo, Teoría de Restricciones, Sistemas
de Empujar y Jalar, Logística y muchas otras más. Además de permitir el
simulado de acciones, nos enseña como optimizar los procesos en la misma, y
así obtener los mejores con el consumo mínimo de recursos, para dicha tarea, el
sistema cuenta con 2 optimizadores.
ProModel es un paquete de simulación que no realiza solamente el simulado,
sino también optimiza los modelos ingresados. Corre bajo el sistema operativo
Windows y sus requerimientos mínimos son un procesador 486, 32 MB de RAM,
2 MB de espacio en Disco Duro.
 POWERSIM
Es un paquete para computadoras personales desarrollado por una compañía
noruega de software, powersim AS, para correr en la plataforma de Windows y
de características similares al programa I’THINK, que será descrito más
adelante, aunque reforzadas. Está diseñado como herramienta de “business
simulación”, para crear “cuadros de mando” o “cuadros de navegación” para la
gestión de las empresas. Sus principales áreas de aplicación son las siguientes:
 Planificación estratégica.
 Gestión de recursos.
 Reingeniería de procesos.
 Flexsim.
Es un software para la simulación de eventos discretos, que permite modelar,
analizar, visualizar y optimizar cualquier proceso industrial, desde procesos de
manufactura hasta cadenas de suministro. Además, Flexsim es un programa
que permite construir y ejecutar el modelo desarrollado en una simulación dentro
de un entorno 3D desde el comienzo. Actualmente, El software de simulación
Flexsim es usado por empresas líderes en la industria para simular sus procesos
productivos antes de llevarlo a ejecución real. Actualmente, existe mucha gente
implicada en este proyecto y su uso se encuentra muy extendido en EEUU y
México. Existe una web propietaria del software
(http://www.flexsim.com/community/forum/downloads.php) que posee multitud de
descargas de herramientas adicionales al software, como modelos 3D y
librerías, y una gran comunicación mediante foros.
1.3 Investigue 2 casos de éxito de Modelos Matemáticos y Simulación en la
Ingeniería Industrial: aplicaciones y análisis de sensibilidad. (Víctor
Moncada).
R/: Caso 1. Modelado y Simulación del Proceso de Producción del Azúcar.
En este artículo se muestra una metodología para el desarrollo de librerías de modelos

matemáticos dinámicos para la industria azucarera. Las especificaciones y requisitos
de esta librería hacen necesaria la utilización del paradigma de modelado Modelado
Orientado a Objetos Basado en Ecuaciones. Utilizando una herramienta que utiliza este
paradigma se han desarrollado una serie de librerías de modelos, que contienen los
elementos necesarios para la construcción del modelo conjunto de una fábrica
azucarera completa. En este artículo se muestran los detalles constructivos más
interesantes de algunas de estas librerías, así como algunos de los problemas que se
han abordado durante su desarrollo. Mediante la aplicación de los mecanismos de
agregación que posee la herramienta de modelado utilizada, es posible la construcción
del modelo de fábricas azucareras completas en base a la conexión de las distintas
unidades de proceso que la componen. Las principales aportaciones de la librería
desarrollada, respecto a otras herramientas y librerías existentes en la actualidad en el
mercado, son el hecho de utilizar modelos dinámicos detallados de proceso y el que
estos modelos incluyan anomalías y mal funciones. Esto ofrece una gran versatilidad
en la utilización de la librería en aplicaciones como el diseño de controladores, los
simuladores de entrenamiento o la utilización de los modelos como fuente de datos en
herramientas de optimización en línea de procesos.
(Ver texto completo en:
https://www.sciencedirect.com/science/article/pii/S1697791209702614/pdf?md5=8d528
0ce6f3328bfbecaab758241bfe0&pid=1-s2.0-S1697791209702614-main.pdf)
Caso 2. Diseño de un modelo matemático aplicado a la planeación de la

producción y distribución de la supply chain de una empresa de consumo
masivo.
La optimización es una herramienta adecuada al diseño de redes, en el cual se
toman decisiones importantes que consideran muchos aspectos logísticos,
relacionadas al número, localización y tamaño de los almacenes en la red logística. Los
problemas de optimización se originan cuando se debe tomar la decisión de asignar de
la mejor manera posible, es decir de forma óptima recursos limitados a actividades que
compiten entre sí por ellos, con el fin de alcanzar los mejores resultados (HILLIER,
2010).
En la optimización de la cadena de abastecimiento encontramos un sin número de
variables complejas que se deben tener en cuenta para la toma de decisiones de
planeación en busca de la minimización de costos, “para el análisis de estas variables y
la solución de estos problemas se emplean modelos matemáticos los cuales enmarcan
la técnica de programación lineal para la optimización, ayudan en la toma de decisiones
industriales y en la simulación para resolver situaciones problemáticas complejas en
logística, manufactura, almacenamiento, transporte y redes de distribución”
Los modelos describen la relación entre variables de decisión, restricciones y
objetivos, su presentación más usual es en forma de un conjunto de ecuaciones
matemáticas, en donde el modelo ha de representar el sistema real para el cual se
desea tomar decisiones.
La Investigación de Operaciones usa el método científico para explorar e investigar
los problemas que deben ser solucionados. En particular, el proceso comienza por la
observación cuidadosa y la formulación del problema incluyendo la recolección de
datos pertinentes, continua con la construcción del modelo matemático, posteriormente
su validación, y las respectivas conclusiones /soluciones, las cuales se espera que
sean validas también para el problema real. La investigación de operaciones se puede
definir como la aplicación de métodos científicos en la mejora de la efectividad en las
operaciones, decisiones, la principal característica consiste en construir un modelo del
sistema del cual se pueden predecir y comparar los resultados de diversas estrategias,
decisiones, el objetivo es ayudar a los responsables a determinar su política y
actuaciones en forma científica.
El proyecto abarca el análisis de los costos en los procesos de producción,
almacenamiento y distribución de la línea de expandidos en las plantas de Cauca y
Antioquia para los 11 distritos del país El desarrollo del presente proyecto se realizó al
interior de una empresa de consumo masivo que pertenece al sector de snacks con
conocimiento del mercado por más de 30 años. Su estrategia de operaciones es Make
to Stock haciendo necesario mantener inventarios por encima de los 13 días a nivel
país para evitar los agotados. Su estrategia comercial está basada en dos canales: el
canal tradicional manejado por distribuidores TAT, y el canal autoservicio quien se
encarga de abastecer las grandes superficies como la 14, Carrefour, Almacenes Éxito,
entre otros. La empresa en estudio cuenta con dos plantas de producción con las
siguientes capacidades para la línea de expandidos: PLANTA 1: Cauca Capacidad
instalada: 411 Toneladas/Mes Capacidad Utilizada: 66.4% PLANTA 2: Antioquia
Capacidad instalada: 120 Toneladas/Mes Capacidad Utilizada: 98% La principal
materia prima abastecida para este proceso es el Maíz triturado el cual requiere de
todo un manejo especial desde la molienda hasta su aprovechamiento en el proceso de
producción. Estas dos plantas comparten la fabricación de una línea de productos los
cuales en su mayoría son distribuidos a la región norte del país. Los productos
expandidos tienen la característica de tener un bajo volumen y por lo tanto tiene gran
incidencia en los costos de distribución.
Recolección de datos:
Fuente obtenida de:

https://pdfs.semanticscholar.org/eb64/eb89f91079189c4a0f37b5118aae50759c52.pdf
1.3 Investigue 2 casos de éxito de Modelos Matemáticos y Simulación en la

Ingeniería Industrial: aplicaciones y análisis de sensibilidad (Valentina Valencia
Ospina).
CASO 1: Condumex, diseño de cables superconductores.
https://www.cimat.mx/es/casos_de_exito
CASO 2: https://scielo.conicyt.cl/scielo.php?script=sci_arttext&pid=S0718-
07642008000400006&lng=es&nrm=iso
1.4 Cree un mapa conceptual de “La simulación” (Víctor Moncada).
R/:
1.5 Cree un mapa conceptual de “La modelación”.
R/:
1.6 Cree un mapa conceptual de “La simulación” (Carlos Mario Zapata).
R/:
1.7 Cree un mapa conceptual de “La modelación”. (Carlos Mario Zapata).

1.8 Cree un mapa conceptual de “La simulación” (Valentina Valencia Ospina).
Cree un mapa conceptual de “La Modelación” (Valentina Valencia Ospina).

Punto 2. Teniendo en cuenta los conceptos analizados anteriormente,
desarrolle los siguientes casos problémicos para aplicar modelación:
Problema 1. (Carlos Mario Zapata)
Problema N° 1
Una surtidora de retail contrató a la empresa “El Diamante” como proveedor de martillos
y cinceles en sus tiendas de artículos de herramental. La demanda semanal de la surtidora
consiste en al menos 2550 martillos y 1100 cinceles. La capacidad actual de El Diamante, en
un turno, no basta para producir las unidades que se le piden, y debe recurrir a tiempo extra
y, quizá, a subcontratar en otros proveedores de herramientas. El resultado es un aumento
en el costo de producción por unidad, como se ve en la siguiente tabla. La demanda del
mercado limita la proporción de cinceles a martillos a un mínimo de 2:1.
Producción Semanal Costo

Herramienta Tipo de Producción
Mínimo Máximo ($ / unid)
Normal 0 750 12000,0
Martillos Extra 751 1100 14000,0
Subcontratada 1101 Sin Límite 16000,0
Normal 0 380 5000,0
Cinceles Extra 421 999 5800,0
a) ¿Cómo debe organizar su producción en cada Tipo de Producción?

b) Realice la simulación y analice el escenario de la situación a seguir: Suponga que
llega un nuevo proveedor, la empresa “Tuercas y Tornillos”, un referente proveedor
de martillos, y presenta la siguiente tabla con la capacidad de producción asociada:
CAPACIDAD DE PRODUCCIÓN – EMPRESA EL TORNO
Normal 0 900 11000,0
Normal 0 400 5500,0
¿De acuerdo con la presentación de este segundo caso, cuál de los dos proveedores
escogería, de acuerdo a su análisis? Justifique matemáticamente su respuesta.
VARIABLES
x1: número de martillos con tipo de producción normal
x2: número de martillos con tipo de producción extra
x3: número de martillos con tipo de producción subcontratada
y1: número de cinceles con tipo de producción normal
y2: número de cinceles con tipo de producción extra
y3: número de cinceles con tipo de producción subcontratada
PARÁMETROS
Costo M1:Costo de producción de martillos con tipo de producción normal (12000)

Costo M2:Costo de producción de martillos con tipo de producción extra (14000)
Costo M3:Costo de producción de martillos con tipo de producción subcontratada (16000)
Costo C1:Costo de producción de cinceles con tipo de producción normal (5000)
Costo C2:Costo de producción de cinceles con tipo de producción extra (5800)
Costo C3:Costo de producción de cinceles con tipo de producción subcontratada (6800)
FUNCIÓN OBJETIVO
MIN Z=12000.x1+14000.x2+16000.x3+5000.y1+5800.y2+6800.y3
RESTRICCIONES
x1+x2+x3>=2550
y1+y2+y3>=1100
x1<=750
x1+x2<=1100
y1<=380
y1+y2<=999
-2(x1+x2+x3)+y1+y2+y3=0 Proporción (2:1)
Simulación:
Punto 2. Teniendo en cuenta los conceptos analizados anteriormente,
desarrolle los siguientes casos problémicos para aplicar modelación:
Problema 1. (Víctor Moncada)
Problema N° 1
Una surtidora de retail contrató a la empresa “El Diamante” como proveedor de martillos
y cinceles en sus tiendas de artículos de herramental. La demanda semanal de la surtidora
consiste en al menos 2550 martillos y 1100 cinceles. La capacidad actual de El Diamante, en
un turno, no basta para producir las unidades que se le piden, y debe recurrir a tiempo extra
y, quizá, a subcontratar en otros proveedores de herramientas. El resultado es un aumento
en el costo de producción por unidad, como se ve en la siguiente tabla. La demanda del
mercado limita la proporción de cinceles a martillos a un mínimo de 2:1.

Normal 0 750 12000,0
Normal 0 380 5000,0
a) ¿Cómo debe organizar su producción en cada Tipo de Producción?

b) Realice la simulación y analice el escenario de la situación a seguir: Suponga que
llega un nuevo proveedor, la empresa “Tuercas y Tornillos”, un referente proveedor
de martillos, y presenta la siguiente tabla con la capacidad de producción asociada:
CAPACIDAD DE PRODUCCIÓN – EMPRESA EL TORNO
Normal 0 900 11000,0
Normal 0 400 5500,0
¿De acuerdo con la presentación de este segundo caso, cuál de los dos proveedores
escogería, de acuerdo a su análisis? Justifique matemáticamente su respuesta.
VARIABLES
x1: número de martillos con tipo de producción normal
x2: número de martillos con tipo de producción extra
x3: número de martillos con tipo de producción subcontratada
y1: número de cinceles con tipo de producción normal
y2: número de cinceles con tipo de producción extra
y3: número de cinceles con tipo de producción subcontratada
PARÁMETROS
Costo M1:Costo de producción de martillos con tipo de producción normal (12000)

Costo M2:Costo de producción de martillos con tipo de producción extra (14000)
Costo M3:Costo de producción de martillos con tipo de producción subcontratada (16000)
Costo C1:Costo de producción de cinceles con tipo de producción normal (5000)
Costo C2:Costo de producción de cinceles con tipo de producción extra (5800)
Costo C3:Costo de producción de cinceles con tipo de producción subcontratada (6800)
FUNCIÓN OBJETIVO
MIN Z=12000.x1+14000.x2+16000.x3+5000.y1+5800.y2+6800.y3
RESTRICCIONES
x1+x2+x3>=2550
y1+y2+y3>=1100
x1<=750
x1+x2<=1100
y1<=380
y1+y2<=999
-2(x1+x2+x3)+y1+y2+y3=0 Proporción (2:1)
Simulación:
Se fabrican dos aleaciones, A y B, a partir de tres metales, donde se deben cumplir las siguientes condiciones sobre los componentes de dichos metales (I, II, III y IV),
de acuerdo con las siguientes especificaciones:
Precio de
Aleación Especificaciones
venta $/TON
Cuando más 35 % de compomente I
A Cuando más 25 % de compomente II 320
Cuando menos 38% de componente IV
De a 10 a 20 % de componente II
B Cuando menos 12 % de componente III 280
Cuando más 11 % de componente IV
A su vez, con relación a los metales se cuenta con información de los componentes, la Disponibilidad y los costos, según se resume en la siguiente tabla:
Componentes Costo
Metal
Disponibilidad (TON) I II III IV Otros ($/TON)
1 2800 20 20 20 5 10 18
2 2100 10 10 8 18 20 22
3 3700 3 20 0 31 0 14
Identificación de variables:
X1 Cantidad de metal 1 usado en la aleación A

X2 Cantidad de metal 1 usado en la aleación B
Restricciones:
R1 X1+ X2 ≤ 2800 Restricción de disponibilidad del metal 1

R2 X3+X4 ≤ 2100 Restricción de disponibilidad del metal 2
R3 X5+X6 ≤ 3700 Restricción de disponibilidad del metal 3
R4 20X1 + 20X2+ 20X3+ 5X4 + 10X5 ≤ 2800 Restricción de los componentes del metal 1
R5 10X1+ 10X2+ 0X3+ 18X4+ 20X5 ≤ 2100 Restricción de los componentes del metal 2:
R6 3X1 + 20X2+ 0X3 + 31X4+ 0X5 ≤ 3700 Restricción de los componentes del metal 3
R7 X1, X2, X3, X4, X5, X6 ≥ 0 Restricción de no negatividad:
Modelo matemático:
Maximizar Z = [$320 (X1)] + [$320 (X2)] + [$320 (X3)] + [$280 (X4)] + [$280 (X5)] + [$280 (X6)]
Organización de la información:
Índices
Aleaciones: i = 1, 2
Donde i = 1 corresponde a la aleación A; i = 2 corresponde a la aleación B
Metales: j = 1, 2, 3
Donde j = 1 corresponde a metal 1; j = 2 corresponde a metal 2 y j = 3 corresponde a metal 3
Componentes: k = 1, 2, 3, 4, 5
Donde k = 1 corresponde a componente I; k = 2 corresponde a componente II; k = 3 corresponde a componente III; k = 4 corresponde a componente IV y
k = 5 corresponde a otros componentes
Especificaciones: e = 1, 2, 3, 4, 5, 6
Variables
X i, j, k
Parámetros
Disponibilidad: D j, k
Disponibilidad de los metales y los componentes Costos: Cj
Costos de cada metal ($/Ton)
Precio de venta: P Vi Precio de venta de cada aleación
Simulación:
Respuesta:
Para lograr la máxima utilidad que corresponde a $1.104.133 se debe utilizar de cada metal lo siguiente:
X1 0 cantidad de metal 1 usado en la aleación A

X2 0 cantidad de metal 1 usado en la aleación B
X3 110.83 cantidad de metal 2 usado en la aleación A
X4 116.66 cantidad de metal 2 usado en la aleación B
X5 0 cantidad de metal 3 usado en la aleación A
X6 3700 cantidad metal 3 usado en la aleación B
Se fabrican dos aleaciones, A y B, a partir de tres metales, donde se deben cumplir las siguientes condiciones sobre los componentes de dichos metales (I, II, III y IV),
de acuerdo con las siguientes especificaciones:
Precio de
Aleación Especificaciones
venta $/TON
Cuando más 35 % de compomente I
A Cuando más 25 % de compomente II 320
Cuando menos 38% de componente IV
De a 10 a 20 % de componente II
B Cuando menos 12 % de componente III 280
Cuando más 11 % de componente IV
A su vez, con relación a los metales se cuenta con información de los componentes, la Disponibilidad y los costos, según se resume en la siguiente tabla:
Componentes Costo
Metal
Disponibilidad (TON) I II III IV Otros ($/TON)
1 2800 20 20 20 5 10 18
2 2100 10 10 8 18 20 22
3 3700 3 20 0 31 0 14
Simulación:
Problema 2. (Valentina Valencia Ospina)
se establecen las variables.
𝑿𝟏 = Martillo Normal
𝑿𝟐 = Martillo Extra
𝑿𝟑 = Martillo Subcontratado
𝒀𝟏 = Cincel Normal
𝒀𝟐 = Cincel Extra
𝒀𝟑 = Cincel Subcontratada
FUNCIÓN OBJETIVO
Minimización
𝑴𝒊𝒏 𝒁 = 12000𝑋1 + 14000𝑋2 + 16000𝑋3 + 5000𝑌1 + 5800𝑌2 + 6800𝑌3
RESTRICCIONES
𝑋1 + 𝑋2 + 𝑋3 ≥ 2550
𝑌1 + 𝑌2 + 𝑌3 ≥ 1100
𝑋1 ≤ 750
𝑋1 + 𝑋2 ≤ 1100
𝑌1 ≤ 380
𝑌1 + 𝑌2 ≤ 999
SE DETERMINA LA RESTRICCION DE NO NEGATIVIDAD.
La demanda del mercado limita la proporción de cinceles a llaves a un mínimo de 2:1;

se halla la ecuación a través del método de igualación.
2(𝑋1 + 𝑋2 + 𝑋3 ≤ 𝑌1 + 𝑌2 + 𝑌3 )
2𝑋1 + 2𝑋2 + 2𝑋3 − 𝑌1 − 𝑌2 − 𝑌3 ≤ 0
−2𝑋1 − 2𝑋2 − 2𝑋3 + 𝑌1 + 𝑌2 + 𝑌3 ≥ 0
Simulación.
Problema 2. (Valentina Valencia Ospina).
VARIABLE.
𝑿𝟏 : 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒𝑙 𝑚𝑒𝑡𝑎𝑙 1 𝑢𝑠𝑎𝑑𝑜 𝑒𝑛 𝑙𝑎 𝑎𝑙𝑒𝑎𝑐𝑖𝑜𝑛 𝐴
𝑿𝟐 : 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒𝑙 𝑚𝑒𝑡𝑎𝑙 1 𝑢𝑠𝑎𝑑𝑜 𝑒𝑛 𝑙𝑎 𝑎𝑙𝑒𝑎𝑐𝑖𝑜𝑛 𝐵
𝑿𝟑 : 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒𝑙 𝑚𝑒𝑡𝑎𝑙 2 𝑢𝑠𝑎𝑑𝑜 𝑒𝑛 𝑙𝑎 𝑎𝑙𝑒𝑎𝑐𝑖𝑜𝑛 𝐴
𝑿𝟒 : 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒𝑙 𝑚𝑒𝑡𝑎𝑙 2 𝑈𝑠𝑎𝑑𝑜 𝑒𝑛 𝑙𝑎 𝑎𝑙𝑒𝑎𝑐𝑖𝑜𝑛 𝐵
𝑿𝟓 : 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒𝑙 𝑚𝑒𝑡𝑎𝑙 3 𝑢𝑠𝑎𝑑𝑜 𝑒𝑛 𝑙𝑎 𝑎𝑙𝑒𝑎𝑐𝑖𝑜𝑛 𝐴
𝑿𝟔 : 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒𝑙 𝑚𝑒𝑡𝑎𝑙 3 𝑢𝑠𝑎𝑑𝑜 𝑒𝑛 𝑙𝑎 𝑎𝑙𝑒𝑎𝑐𝑖𝑜𝑛 𝐵
CONDICIÓN.
𝑴𝒂𝒙𝑴𝟏: 2800 𝑚á𝑥𝑖𝑚𝑜 𝑑𝑒 𝑚𝑒𝑡𝑎𝑙 1 𝑑𝑖𝑠𝑝𝑜𝑛𝑖𝑏𝑙𝑒
𝑴𝒂𝒙𝑴𝟐: 2100 𝑚á𝑥𝑖𝑚𝑜 𝑑𝑒 𝑚𝑒𝑡𝑎𝑙 2 𝑑𝑖𝑠𝑝𝑜𝑛𝑖𝑏𝑙𝑒
𝑴𝒂𝒙𝑴𝟑: 3700 𝑚á𝑥𝑖𝑚𝑜 𝑑𝑒 𝑚𝑒𝑡𝑎𝑙 3 𝑑𝑖𝑠𝑝𝑜𝑛𝑖𝑏𝑙𝑒
𝑷𝑽𝑨𝟏: 320 𝑝𝑟𝑒𝑐𝑖𝑜 𝑑𝑒 𝑣𝑒𝑛𝑡𝑎 𝑎𝑙𝑒𝑎𝑐𝑖ó𝑛 1
𝑷𝑽𝑨𝟐: 280 𝑝𝑟𝑒𝑐𝑖𝑜 𝑑𝑒 𝑣𝑒𝑛𝑡𝑎 𝑎𝑙𝑒𝑎𝑐𝑖ó𝑛 2
𝑪𝑶𝑺𝑻𝑶𝑴𝟏: 18 𝑐𝑜𝑠𝑡𝑜 𝑑𝑒 𝑚𝑒𝑡𝑎𝑙 1
𝑪𝑶𝑺𝑻𝑶𝑴𝟐: 22 𝑐𝑜𝑠𝑡𝑜 𝑑𝑒 𝑚𝑒𝑡𝑎𝑙 2
𝑪𝑶𝑺𝑻𝑶𝑴𝟑: 14 𝑐𝑜𝑠𝑡𝑜 𝑑𝑒 𝑚𝑒𝑡𝑎𝑙 3
𝑭𝒖𝒏𝒄𝒊ó𝒏 𝑶𝒃𝒋𝒆𝒕𝒊𝒗𝒐 − 𝑼𝒕𝒊𝒍𝒊𝒅𝒂𝒅 𝑻𝒐𝒕𝒂𝒍: (𝑷𝑽𝑨𝟏 + 𝑷𝑽𝑨𝟐) − (𝑪𝑶𝑺𝑻𝑶𝑴𝟏 + 𝑪𝑶𝑺𝑻𝑶𝑴𝟐

+ 𝑪𝑶𝑺𝑻𝑶𝑴𝟑) ==> 𝑴𝒂𝒙𝒊𝒎𝒊𝒛𝒂𝒓
𝑳𝒂 𝑴𝒂𝒕𝒓𝒊𝒛 𝒅𝒆 𝒄𝒐𝒎𝒑𝒐𝒏𝒆𝒏𝒕𝒆𝒔 𝒑𝒐𝒓 𝒎𝒆𝒕𝒂𝒍 𝟑 𝒇𝒊𝒍𝒂𝒔 (𝒎𝒆𝒕𝒂𝒍𝒆𝒔) 𝒚 𝟓 𝒄𝒐𝒍𝒖𝒎𝒏𝒂𝒔 (𝒄𝒐𝒎𝒑𝒐𝒏𝒆𝒏𝒕𝒆𝒔)
0,2 0,2 0,2 0,05 0,1

𝑴𝒄𝒐𝒎𝒑 0,1 0,1 0 0,18 0,2
0,03 0,2 0 0,31 0
RESTRICCIONES.
𝑋1 + 𝑋2 ≤ 𝑀𝑎𝑥𝑀1 ¡ 𝑅𝑒𝑠𝑡𝑟𝑖𝑐𝑐𝑖ó𝑛 − 𝑀á𝑥𝑖𝑚𝑎 𝐷𝑖𝑠𝑝𝑜𝑛𝑖𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒𝑙 𝑀𝑒𝑡𝑎𝑙 1
𝑋_3 + 𝑋_4 ≤ 𝑀𝑎𝑥𝑀2 ! 𝑅𝑒𝑠𝑡𝑟𝑖𝑐𝑐𝑖ó𝑛 − 𝑀á𝑥𝑖𝑚𝑎 𝐷𝑖𝑠𝑝𝑜𝑛𝑖𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒𝑙 𝑀𝑒𝑡𝑎𝑙 2
𝑋_5 + 𝑋_6 ≤ 𝑀𝑎𝑥𝑀3 ! 𝑅𝑒𝑠𝑡𝑟𝑖𝑐𝑐𝑖ó𝑛 − 𝑀á𝑥𝑖𝑚𝑎 𝐷𝑖𝑠𝑝𝑜𝑛𝑖𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒𝑙 𝑀𝑒𝑡𝑎𝑙 3
𝑹𝒆𝒔𝒕𝒓𝒊𝒄𝒄𝒊ó𝒏
− 𝑴𝒂𝒙𝒊𝒎𝒐 𝒄𝒐𝒏𝒕𝒆𝒏𝒊𝒅𝒐 𝒅𝒆 𝒄𝒐𝒎𝒑𝒐𝒏𝒆𝒏𝒕𝒆 𝟏 𝒆𝒏 𝒍𝒂 𝑨𝒍𝒆𝒂𝒄𝒊𝒐𝒏 𝟏
(𝑋1 ∗ 𝑀𝑐𝑜𝑚𝑝 (1,1) + 𝑋3 ∗ 𝑀𝑐𝑜𝑚𝑝 (1,2) + 𝑋5 ∗ 𝑀𝑐𝑜𝑚𝑝 (1.3) <
= 0.35 ∗ (𝑋1 + 𝑋3 + 𝑋5)
𝑹𝒆𝒔𝒕𝒓𝒊𝒄𝒄𝒊ó𝒏 − 𝑴𝒂𝒙𝒊𝒎𝒐 𝒄𝒐𝒏𝒕𝒆𝒏𝒊𝒅𝒐 𝒅𝒆 𝒄𝒐𝒎𝒑𝒐𝒏𝒆𝒏𝒕𝒆 𝟐 𝒆𝒏 𝒍𝒂 𝑨𝒍𝒆𝒂𝒄𝒊𝒐𝒏 𝟏
(𝑋1 ∗ 𝑀𝑐𝑜𝑚𝑝 (2,1) + 𝑋3 ∗ 𝑀𝑐𝑜𝑚𝑝 (2,2) + 𝑋5 ∗ 𝑀𝑐𝑜𝑚𝑝 (2,3) <
= 0.25 ∗ (𝑋1 + 𝑋3 + 𝑋5)
𝑹𝒆𝒔𝒕𝒓𝒊𝒄𝒄𝒊ó𝒏 − 𝑴𝒊𝒏𝒊𝒎𝒐 𝒄𝒐𝒏𝒕𝒆𝒏𝒊𝒅𝒐 𝒅𝒆 𝒄𝒐𝒎𝒑𝒐𝒏𝒆𝒏𝒕𝒆 𝟒 𝒆𝒏 𝒍𝒂 𝑨𝒍𝒆𝒂𝒄𝒊𝒐𝒏 𝟏.

= 0.38 ∗ (𝑋1 + 𝑋3 + 𝑋5)
𝑹𝒆𝒔𝒕𝒓𝒊𝒄𝒄𝒊ó𝒏 − 𝑴í𝒏𝒊𝒎𝒐 𝒄𝒐𝒏𝒕𝒆𝒏𝒊𝒅𝒐 𝒅𝒆 𝒄𝒐𝒎𝒑𝒐𝒏𝒆𝒏𝒕𝒆 𝟐 𝒆𝒏 𝒍𝒂 𝑨𝒍𝒆𝒂𝒄𝒊𝒐𝒏 𝟐.
= 0.1 ∗ (𝑋2 + 𝑋4 + 𝑋6)
𝑹𝒆𝒔𝒕𝒓𝒊𝒄𝒄𝒊ó𝒏 − 𝑴á𝒙𝒊𝒎𝒐 𝒄𝒐𝒏𝒕𝒆𝒏𝒊𝒅𝒐 𝒅𝒆 𝒄𝒐𝒎𝒑𝒐𝒏𝒆𝒏𝒕𝒆 𝟐 𝒆𝒏 𝒍𝒂 𝑨𝒍𝒆𝒂𝒄𝒊𝒐𝒏 𝟐.
= 0.2 ∗ (𝑋2 + 𝑋4 + 𝑋6)
𝑹𝒆𝒔𝒕𝒓𝒊𝒄𝒄𝒊ó𝒏 − 𝑴í𝒏𝒊𝒎𝒐 𝒄𝒐𝒏𝒕𝒆𝒏𝒊𝒅𝒐 𝒅𝒆 𝒄𝒐𝒎𝒑𝒐𝒏𝒆𝒏𝒕𝒆 𝟑 𝒆𝒏 𝒍𝒂 𝑨𝒍𝒆𝒂𝒄𝒊𝒐𝒏 𝟐.
= 0.12 ∗ (𝑋2 + 𝑋4 + 𝑋6)
𝑹𝒆𝒔𝒕𝒓𝒊𝒄𝒄𝒊ó𝒏 − 𝑴á𝒙𝒊𝒎𝒐 𝒄𝒐𝒏𝒕𝒆𝒏𝒊𝒅𝒐 𝒅𝒆 𝒄𝒐𝒎𝒑𝒐𝒏𝒆𝒏𝒕𝒆 𝟒 𝒆𝒏 𝒍𝒂 𝑨𝒍𝒆𝒂𝒄𝒊𝒐𝒏 𝟐.
= 0.11 ∗ (𝑋2 + 𝑋4 + 𝑋6)
Simulación:
DESTINO
OFERTA
TIENDA 1 TIENDA 2 TIENDA 3 TIENDA 4 TIENDA 5 TIENDA 6 TIENDA FICT.
PLANTA 1 3 5 12 5 4 3 0 800
PLANTA 2 8 7 9 5 9 7 0 700
PLANTA 3 6 2 3 8 2 5 0 100
PLANTA 4 4 10 4 6 5 8 0 400
2000
DEMANDA 250 150 200 550 350 100 400
2000
NOTA: Se debe balancear la oferta con la demanda.
DESTINO
TIENDA 1 TIENDA 2 TIENDA 3 TIENDA 4 TIENDA 5 TIENDA 6 TIENDA F
PLANTA 1 3 5 12 5 4 3 0
PLANTA 2 8 7 9 5 9 7 0 FUNCIÓN OBJETIVO $ 6.450
PLANTA 3 6 2 3 8 2 5 0
PLANTA 4 4 10 4 6 5 8 0
DESTINO
TIENDA 1 TIENDA 2 TIENDA 3 TIENDA 4 TIENDA 5 TIENDA 6 TIENDA F SUMA OFERTA
PLANTA 1 250 50 0 0 350 100 50 800 = 800
PLANTA 2 0 0 0 550 0 0 150 700 = 700
PLANTA 3 0 100 0 0 0 0 0 100 = 100
PLANTA 4 0 0 200 0 0 0 200 400 = 400
SUMA 250 150 200 550 350 100 400

= = = = = = =
DEMANDA 250 150 200 550 350 100 400
R/: Las cantidades óptimas a ser transportadas desde cada origen y hacia cada
destino son:
ASIGNACIÓN:
PLANTA 1 TIENDAS 1,2,5,6 Y F
PLANTA 2 TIENDAS 4 Y F
PLANTA 3 TIENDA 2
PLANTA 4 TIENDAS 3 Y F
Problema 4. (Víctor Moncada).
DESTINO
TIENDA 1 TIENDA 2 TIENDA 3 TIENDA 4
PLANTA 1 10 13 19 11
PLANTA 2 12 11 17 11
PLANTA 3 15 18 12 10
PLANTA 4 18 14 16 9
DESTINO
TIENDA 1 TIENDA 2 TIENDA 3 TIENDA 4 SUMA OFERTA
PLANTA 1 150 0 0 0 150 = 150
PLANTA 2 50 270 0 0 320 = 320
PLANTA 3 0 0 180 0 180 = 180
PLANTA 4 0 30 70 150 250 = 250
SUMA 200 300 250 150

= = = =
DEMANDA 200 300 250 150
R/: Las cantidades óptimas a ser transportadas desde cada origen y hacia cada
destino son:
ASIGNACIÓN:
PLANTA 1 TIENDA 1
PLANTA 2 TIENDAS 1 Y 2
PLANTA 3 TIENDA 3
PLANTA 4 TIENDAS 2, 3 Y 4
Problema 3. (Carlos Mario Zapata).
Destino
Tienda 1 Tienda 2 Tienda 3 Tienda 4 Tienda 5 Tienda 6 Ficticia
Planta 1 $ 3 $ 5 $ 12 $ 5 $ 4 $ 3 $ - 800
Planta 2 $ 8 $ 7 $ 9 $ 5 $ 9 $ 7 $ - 700
Origen
Planta 3 $ 6 $ 2 $ 3 $ 8 $ 2 $ 5 $ - 100
Planta 4 $ 4 $ 10 $ 4 $ 6 $ 5 $ 8 $ - 400
250 150 200 550 350 100 400
Destino
Tienda 1 Tienda 2 Tienda 3 Tienda 4 Tienda 5 Tienda 6 Ficticia Suma = Oferta
Planta 1 250 50 0 0 350 100 50 800 = 800
Planta 2 0 0 0 550 0 0 150 700 = 700
Planta 3 0 100 0 0 0 0 0 100 = 100
Planta 4 0 0 200 0 0 0 200 400 = 400
Suma 250 150 200 550 350 100 400
= = = = = = =
DEMANDA 250 150 200 550 350 100 400
Función Objetivo $ 6.450
las cantidades óptimas a ser transportadas desde cada origen y hacia cada destino son
Planta 1 Tienda 1,2,5,6;F

Planta 2 Tienda 4, F
Planta 3 Tienda 2
Planta 4 Tienda 3 y F
Considerando los costos unitarios de transporte y cantidades de Oferta y Demanda que se presentan a continuación
determine las cantidades óptimas a ser transportadas desde cada origen y hacia cada destino
Destino
Tienda 1 Tienda 2 Tienda 3 Tienda 4
Planta 1 $ 10 $ 13 $ 19 $ 11 150
Planta 2 $ 12 $ 11 $ 17 $ 11 320
Origen
Planta 3 $ 15 $ 18 $ 12 $ 10 180
Planta 4 $ 18 $ 14 $ 16 $ 9 250
200 300 250 150
Destino
Tienda 1 Tienda 2 Tienda 3 Tienda 4 Suma Oferta
Planta 1 150 0 0 0 150 = 150
Planta 2 50 270 0 0 320 = 320
Planta 3 0 0 180 0 180 = 180
Planta 4 0 30 70 150 250 = 250
Suma 200 300 250 150
= = = =
Demanda 200 300 250 150
Función Objetivo $10.120
las cantidades óptimas a ser transportadas desde cada origen y hacia cada destino son:
Planta 1 Tienda 1
Planta 2 Tienda y 2
Planta 3 Tienda 3
Planta 4 Tienda 2 ,3 y 4
Problema 3. (Valentina Valencia Osorio).
𝑥11: 𝑉𝑎𝑟𝑖𝑎𝑏𝑙𝑒
− 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑜 𝑎 𝑡𝑟𝑎𝑛𝑠𝑝𝑜𝑟𝑡𝑎𝑟 𝑑𝑒𝑠𝑑𝑒 𝑙𝑎 𝑃𝑙𝑎𝑛𝑡𝑎 1 ℎ𝑎𝑠𝑡𝑎 𝑙𝑎 𝑡𝑖𝑒𝑛𝑑𝑎 1
𝑥12𝑉𝑎𝑟𝑖𝑎𝑏𝑙𝑒
𝑶𝒇: [800, 700, 100, 400]
𝑫𝒅: [250,150,200,550,350,100]
𝑪𝑻: [3,5,12,5,4,3,8,7,9,5,9,7, 6,2,3,8,2,5,4,10,4,6,5,8]
𝒛 = ! 𝐹𝑢𝑛𝑐𝑖ó𝑛 𝑂𝑏𝑗𝑒𝑡𝑖𝑣𝑜 − 𝐶𝑜𝑠𝑡𝑜 𝑇𝑜𝑡𝑎𝑙 𝑑𝑒 𝑇𝑟𝑎𝑛𝑠𝑝𝑜𝑟𝑡𝑒 ==
> 𝑀𝑖𝑛𝑖𝑚𝑖𝑧𝑎𝑟! 𝐷𝑖𝑟𝑒𝑐𝑐𝑖𝑜𝑛 𝑑𝑒 𝑙𝑎 𝑜𝑝𝑡𝑖𝑚𝑖𝑧𝑎𝑐𝑖𝑜𝑛 𝑑𝑒𝑙 𝑚𝑜𝑑𝑒𝑙𝑜 ==
> 𝑀𝑖𝑛𝑖𝑚𝑖𝑧𝑎𝑟 𝐶𝑜𝑠𝑡𝑜
𝑥11 ∗ 𝐶𝑇(1,1) + 𝑥12 ∗ 𝐶𝑇(1,2) + 𝑥13 ∗ 𝐶𝑇(1,3) + 𝑥14 ∗ 𝐶𝑇(1,4) + 𝑥15 ∗ 𝐶𝑇(1,5) + 𝑥16
∗ 𝐶𝑇(1,6) + 𝑥21 ∗ 𝐶𝑇(2,1) + 𝑥22 ∗ 𝐶𝑇(2,2) + 𝑥23 ∗ 𝐶𝑇(2,3) + 𝑥24 ∗ 𝐶𝑇(2,4)
+ 𝑥25 ∗ 𝐶𝑇(2,5) + 𝑥26 ∗ 𝐶𝑇(2,6) + 𝑥31 ∗ 𝐶𝑇(3,1) + 𝑥32 ∗ 𝐶𝑇(3,2) + 𝑥33
∗ 𝐶𝑇(3,3) + 𝑥34 ∗ 𝐶𝑇(3,4) + 𝑥35 ∗ 𝐶𝑇(3,5) + 𝑥36 ∗ 𝐶𝑇(3,6) + 𝑥41 ∗ 𝐶𝑇(4,1)
+ 𝑥42 ∗ 𝐶𝑇(4,2) + 𝑥43 ∗ 𝐶𝑇(4,3) + 𝑥44 ∗ 𝐶𝑇(4,4) + 𝑥45 ∗ 𝐶𝑇(4,5) + 𝑥46
∗ 𝐶𝑇(4,6)
RESTRICCIONES.
𝑥11 + 𝑥12 + 𝑥13 + 𝑥14 <= 𝑂𝑓(1)𝑀𝑎𝑥𝑖𝑚𝑎 𝐷𝑖𝑠𝑝𝑜𝑛𝑖𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑈𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑒𝑛 𝑃𝑙𝑎𝑛𝑡𝑎 1
𝑥41 + 𝑥42 + 𝑥43 + 𝑥44 <= 𝑂𝑓(4) 𝑀𝑎𝑥𝑖𝑚𝑎 𝐷𝑖𝑠𝑝𝑜𝑛𝑖𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑈𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑒𝑛 𝑃𝑙𝑎𝑛𝑡𝑎 4
𝑥11 + 𝑥21 + 𝑥31 + 𝑥41 >= 𝐷𝑑(1)𝑀𝑖𝑛𝑖𝑚𝑜 𝑅𝑒𝑞𝑢𝑒𝑟𝑖𝑚𝑖𝑒𝑛𝑡𝑜 𝑑𝑒 𝑈𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑒𝑛 𝑙𝑎 𝑇𝑖𝑒𝑛𝑑𝑎 1
𝑥14 + 𝑥24 + 𝑥34 + 𝑥44 >
= 𝐷𝑑(4) 𝑀𝑖𝑛𝑖𝑚𝑜 𝑅𝑒𝑞𝑢𝑒𝑟𝑖𝑚𝑖𝑒𝑛𝑡𝑜 𝑑𝑒 𝑈𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑒𝑛 𝑙𝑎 𝑇𝑖𝑒𝑛𝑑𝑎 4
Problema 4: (Valentina Valencia Ospina)
Considerando los costos unitarios de transporte y cantidades de Oferta y Demanda

que se presentan a continuación, determine las cantidades óptimas a ser transportadas
desde cada origen y hacia cada destino.
SOLUCION PROBLEMA 4.
VARIABLES.
Cantidad de producto a transportar desde la planta 1 hasta la tienda 1.
𝑥41: ! 𝑉𝑎𝑟𝑖𝑎𝑏𝑙𝑒
𝑶𝒇: [150,320,180,250]
𝑫𝒅: [200,300,250,150]
𝑪𝑻: [10,13,19,11,12,11,17,11,15,18,12,10, 18,14,16,9]
𝒛 = 𝑭𝒖𝒏𝒄𝒊ó𝒏 𝑶𝒃𝒋𝒆𝒕𝒊𝒗𝒐 − 𝑪𝒐𝒔𝒕𝒐 𝑻𝒐𝒕𝒂𝒍 𝒅𝒆 𝑻𝒓𝒂𝒏𝒔𝒑𝒐𝒓𝒕𝒆 ==> 𝑴𝒊𝒏𝒊𝒎𝒊𝒛𝒂𝒓
𝒙𝟏𝟏 ∗ 𝐶𝑇(1,1) + 𝑥12 ∗ 𝐶𝑇(1,2) + 𝑥13 ∗ 𝐶𝑇(1,3) + 𝑥14 ∗ 𝐶𝑇(1,4) + 𝑥21 ∗ 𝐶𝑇(2,1) + 𝑥22
∗ 𝐶𝑇(2,2) + 𝑥23 ∗ 𝐶𝑇(2,3) + 𝑥24 ∗ 𝐶𝑇(2,4) + 𝑥31 ∗ 𝐶𝑇(3,1) + 𝑥32 ∗ 𝐶𝑇(3,2)
+ 𝑥33 ∗ 𝐶𝑇(3,3) + 𝑥34 ∗ 𝐶𝑇(3,4) + 𝑥41 ∗ 𝐶𝑇(4,1) + 𝑥42 ∗ 𝐶𝑇(4,2) + 𝑥43
∗ 𝐶𝑇(4,3) + 𝑥44 ∗ 𝐶𝑇(4,4)
RESTRICCIONES.
𝑥41 + 𝑥42 + 𝑥43 + 𝑥44 <

= 𝑂𝑓(4) 𝑀𝑎𝑥𝑖𝑚𝑎 𝐷𝑖𝑠𝑝𝑜𝑛𝑖𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑈𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑒𝑛 𝑃𝑙𝑎𝑛𝑡𝑎 4
𝑥14 + 𝑥24 + 𝑥34 + 𝑥44 >

= 𝐷𝑑(4) ! 𝑅𝑒𝑠𝑡𝑟𝑖𝑐𝑐𝑖𝑜𝑛
− 𝑀𝑖𝑛𝑖𝑚𝑜 𝑅𝑒𝑞𝑢𝑒𝑟𝑖𝑚𝑖𝑒𝑛𝑡𝑜 𝑑𝑒 𝑈𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑒𝑛 𝑙𝑎 𝑇𝑖𝑒𝑛𝑑𝑎 4𝐷𝑖𝑟𝑒𝑐𝑐𝑖𝑜𝑛 𝑑𝑒 𝑙𝑎 𝑜𝑝𝑡𝑖𝑚𝑖𝑧𝑎𝑐𝑖𝑜𝑛 𝑑𝑒𝑙 𝑚𝑜𝑑𝑒𝑙𝑜
=> 𝑀𝑖𝑛𝑖𝑚𝑖𝑧𝑎𝑟 𝐶𝑜𝑠𝑡𝑜 𝑇𝑜𝑡𝑎𝑙
SIMULACION EXPRESS IVE.

Conclusiones
✓ La modelación y simulación es aplicable en cualquier organización, donde el

área de innovación y mejoramiento logre tomar decisiones para la mejora de sus
procesos.
✓ Podemos hacer uso de los modelos de simulación en cada una de las compañías
en que laboramos, con el fin de dar soluciones a rutas críticas en la compañía para
garantizar su máxima optimización y desarrollo sostenible.
Bibliografía
 Guasch, A., Piera, M. À., & Casanovas, J. (2002). Modelado y simulación: aplicación
a procesos logísticos de fabricación y servicios. Madrid, ES: Universitat Politècnica
de Catalunya. Disponible en la Biblioteca Virtual de la UNAD (pp.2-21). Recuperado
de:
https://bibliotecavirtual.unad.edu.co:2538/lib/unadsp/reader.action?ppg=28&docID=4
310046&tm=1544036108836
 Guerrero, S. H. (2009). Programación lineal aplicada. Bogotá, CO: Ecoe Ediciones.

Disponible en la Biblioteca Virtual de la UNAD.(pp.249-271) Recuperado de:
https://bibliotecavirtual.unad.edu.co:2538/lib/unadsp/reader.action?ppg=267&docID=
3215329&tm=1544036375878
Hillier, F. S. (2010). Introducción a la investigación de operaciones (9a. ed.). México,

D.F., MX: McGraw-Hill Interamericana. Disponible en la Biblioteca Virtual de la UNAD
(pp. 282-309). Recuperado de:
https://bibliotecavirtual.unad.edu.co:2538/lib/unadsp/reader.action?ppg=311&docID=32
14887&tm=1544036769138

Unidad 1. Paso 1 - Modelar y Simular Sistemas Industriales Con Base en Programación Lineal Dinámica

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Unidad 1. Paso 1 - Modelar y Simular Sistemas Industriales Con Base en Programación Lineal Dinámica

Cargado por

Copyright:

Formatos disponibles

Unidad 1: Paso 1 - Modelar y simular sistemas industriales con base en

programación lineal dinámica.

Víctor Moncada Villada. ID: 16045564

Gustavo Andrés Araque

Universidad Nacional Abierta y a Distancia -UNAD-

En el siguiente trabajo aplicaremos la simulación determinística y dinámica que se

Entender qué es la simulación y la modelación y cómo se usa, qué herramientas de

1.1 Qué es la simulación y modelación, tipos y usos. (Víctor Moncada)

Modelación: Es el proceso de diseñar un modelo de un sistema real y realizar

1.2 Investigue para la modelación las principales herramientas de software

Carlos Mario Zapata

La simulación es una técnica numérica para conducir experimentos en una

Tradicionalmente se ha usado para:

1.- Simulación Discreta:

Modelación de un sistema por medio de una representación en la cual el estado de

2.- Simulación Continua:

Modelación de un sistema por medio de una representación en la cual las variables

3.- Simulación Combinada Discreta-Continua:

Modelación de un sistema por medio de una representación en la cual unas

4.- Simulación Determinística y/o Estocástica:

Una simulación determinística es aquella que utiliza únicamente datos de entra

5.- Simulación estática y dinámica:

La simulación estática es aquella en la cual el tiempo no juega un papel importante,

6- Simulación con Orientación hacia los eventos:

7.- Simulación con Orientación hacia procesos:

La simulación de métodos es una de las más importantes herramientas de la

La simulación es la representación de un proceso o fenómeno mediante otro más

TIPOS Y USOS DE SIMULACIÓN.

 Simulación discreta: Es un modelo de sistema por medio de una

 Simulación continua: Es un sistema que por medio de una representación en

 Simulación Discreta - Continua: Es la representación en la cual las variables

Ejemplo: La caída del agua de un tanque, el movimiento de un vehículo.

 Simulación dinámica: Son aquellas que reflejan los cambios en el sistema a

 Simulación determinística: Es un modelo de simulación que no determina

La modelación científica es una herramienta de la exploración de forma material o

TIPOS Y USOS DE MODELACIÓN.

Aunque el modelo muestra aspectos importantes para la teoría y ayuda a su

1.2 INVESTIGUE PARA LA MODELACIÓN LAS PRINCIPALES HERRAMIENTAS

En este artículo se muestra una metodología para el desarrollo de librerías de modelos

Caso 2. Diseño de un modelo matemático aplicado a la planeación de la

Fuente obtenida de:

1.3 Investigue 2 casos de éxito de Modelos Matemáticos y Simulación en la

1.7 Cree un mapa conceptual de “La modelación”. (Carlos Mario Zapata).

Cree un mapa conceptual de “La Modelación” (Valentina Valencia Ospina).

Producción Semanal Costo

a) ¿Cómo debe organizar su producción en cada Tipo de Producción?

Costo M1:Costo de producción de martillos con tipo de producción normal (12000)

Producción Semanal Costo

a) ¿Cómo debe organizar su producción en cada Tipo de Producción?

Costo M1:Costo de producción de martillos con tipo de producción normal (12000)

Problema 2. (Carlos Mario Zapata)

X1 Cantidad de metal 1 usado en la aleación A

R1 X1+ X2 ≤ 2800 Restricción de disponibilidad del metal 1

X1 0 cantidad de metal 1 usado en la aleación A

se establecen las variables.

𝑴𝒊𝒏 𝒁 = 12000𝑋1 + 14000𝑋2 + 16000𝑋3 + 5000𝑌1 + 5800𝑌2 + 6800𝑌3

SE DETERMINA LA RESTRICCION DE NO NEGATIVIDAD.

La demanda del mercado limita la proporción de cinceles a llaves a un mínimo de 2:1;

2𝑋1 + 2𝑋2 + 2𝑋3 − 𝑌1 − 𝑌2 − 𝑌3 ≤ 0

−2𝑋1 − 2𝑋2 − 2𝑋3 + 𝑌1 + 𝑌2 + 𝑌3 ≥ 0

𝑿𝟏 : 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒𝑙 𝑚𝑒𝑡𝑎𝑙 1 𝑢𝑠𝑎𝑑𝑜 𝑒𝑛 𝑙𝑎 𝑎𝑙𝑒𝑎𝑐𝑖𝑜𝑛 𝐴

𝑿𝟐 : 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒𝑙 𝑚𝑒𝑡𝑎𝑙 1 𝑢𝑠𝑎𝑑𝑜 𝑒𝑛 𝑙𝑎 𝑎𝑙𝑒𝑎𝑐𝑖𝑜𝑛 𝐵

𝑿𝟑 : 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒𝑙 𝑚𝑒𝑡𝑎𝑙 2 𝑢𝑠𝑎𝑑𝑜 𝑒𝑛 𝑙𝑎 𝑎𝑙𝑒𝑎𝑐𝑖𝑜𝑛 𝐴