Está en la página 1de 21

CURSO DE ESPECIALIZACIÓN EN

GAMS CON APLICACIÓN AL


DESPACHO ECONÓMICO EN
SISTEMAS ELÉCTRICOS DE
POTENCIA
CAPÍTULO 1: INTRODUCCIÓN A GAMS

Docente: ing. Paul Adán, Serna Torre

6 de noviembre, 2019
CAPÍTULO 1: INTRODUCCIÓN AL GAMS

Objetivo de las clases:


En este tema el alumno … :

 Comprenderá los principios básicos del modelamiento matemático.

 Comprenderá qué es y para qué sirve GAMS.

 Codificará los comandos básicos de GAMS.

 Será capaz de modular y formular problemas en GAMS.

P. Serna
RECOMENDACIONES GENERALES PARA EL CURSO

 Abrir el GAMS y codificar los problemas que se hacen en clase.

 Preguntar.

P. Serna
Temario de Capítulo 1

1. TEMA 1: Introducción al modelamiento matemático

2. TEMA 2: ¿Qué es GAMS? ¿Para qué sirve?

3. TEMA 3: Comandos y ejemplos básicos con GAMS.

P. Serna
Tema 1
Introducción al Modelamiento Matemático

¿Por qué es necesario este tema?

Porque sin modelar el problema NO se puede simularlos en los


softwares.

P. Serna
1. ¿De dónde proviene el “Modelamiento matemático”?

• El “Modelamiento Matemático” es una fase del estudio de Investigación de


Operaciones IO.

• Investigación de operaciones es una disciplina dedicada a la problemática de


conducción y coordinación de actividades de una organización para la toma de
decisiones.

• Este término proviene de “Investigación a las operaciones militares” que llevaron a


cabo científicos durante la Segunda Guerra Mundial para poder asignar recursos
escasos a las maniobras militares1. [Hillier and Libierman].

• Con la IO se busca la mejor solución, denominada la solución óptima.

P. Serna
1. ¿De dónde proviene el “Modelamiento matemático”? (Cont.)

Pero la pregunta es: ¿Cómo es un problema de Investigación de Operaciones IO?

Una compañía que funciona 10 horas al día fabrica dos productos en tres procesos
secuenciales. La siguiente tabla resume los datos del problema:

Determine la combinación óptima de los productos para maximizar las ganancias.


2[H. Taha]

P. Serna
1. ¿De dónde proviene el “Modelamiento matemático”? (Cont.)

Las fases de las IO son2[H. Taha]:

1. Definición del problema.

2. Construcción del modelo.

3. Solución del modelo.

4. Validación del modelo.

5. Implementación de la solución.

Fuente: Bussinessmanagmentideas.com

P. Serna
2. ¿Qué es un modelo matemático?

Un modelo matemático es un conjunto de relaciones matemáticas que abstraen la


esencia del problema que se desea resolver.

“Los conocimientos de modelado de los analistas de IO se deben complementar con la


experiencia y cooperación del cliente para quien realizan el estudio”. 2[H. Taha]

Modelo matemático. Fuente: H. Taha [2].


P. Serna
3. Partes de un modelo matemático

x1, x2, …, xn

Variables de decisión o incógnitas.

• Son las decisiones cuantificables.


• No sabemos su valor hasta luego de resolver el modelo.

Ejemplo 1:
X1=cantidad de productos del tipo 1 a fabricar
X2=cantidad de productos del tipo 2 a fabricar

Ejemplo 2:
X(gen=1, t=1)=potencia a despachar por el generador 1 en el tiempo 1.
X(gen=14, t=2)=potencia a despachar por el generador 14 en el tiempo 2.

P. Serna
3. Partes de un modelo matemático (Cont.)

F(x1, x2, …, xn)

Función objetivo

• Es la medida de desempeño del problema.


• No sabemos su valor hasta luego de resolver el modelo.

Ejemplo 1:
X1=cantidad de productos del tipo 1 a fabricar
X2=cantidad de productos del tipo 2 a fabricar

Ejemplo 2:
X(gen=1, t=1)=potencia a despachar por el generador 1 en el tiempo 1.
X(gen=14, t=2)=potencia a despachar por el generador 14 en el tiempo 2.

P. Serna
3. Partes de un modelo matemático (Cont.)

(1) 5x1+10x2-1x3=30
(2) 10x1x2+4x3<0
Restricciones:

• Limitaciones impuestas a las variables.


• Los coeficientes y el valor del lado derecho se denominan parámetros.

Ejemplo:

Restricciones de producción de una máquina


Restricción de máxima potencia de un generador
Restricción de tiempo mínimo de operación (Minimun uptime) de un generador.

P. Serna
4. Pasos para el modelamiento matemático

• Identificar los
parámetros
Datos brindados por
el problema.

Identificar • Identificar las


variables de
incógnitas decisión

Formular la • Escribir la
función función
objetivo
objetivo

• Escribir las
Formular ecuaciones
que relacionan
restricciones las variables

P. Serna
5. Ejemplo de modelo matemático

Problema 1 [H. Taha]

Una compañía que funciona 10 horas al día fabrica dos productos en tres procesos
secuenciales. La siguiente tabla resume los datos del problema:

Determine la combinación óptima de los productos para maximizar las ganancias.

P. Serna
4. Ejemplo de modelo matemático

Solución Problema 1

Variables de decisión:

X(1)=Cantidad de producto del tipo 1 a fabricar


X(2)=Cantidad de producto del tipo 2 a fabricar

Función objetivo:

max 𝐹 𝑋1,𝑋2 = 2𝑋1 + 3𝑋2

Restricciones:

24𝑋1 + 35𝑋2 ≤ 600


𝑋1 ≥ 0
𝑋2 ≥ 0

P. Serna
5. Ejemplo de modelo matemático

Problema 2 (Cont.)
Un fabricante quiere producir dos tipos de producto:

Producto 1: Una puerta de vidrio con marco de aluminio.


Producto 2: Una ventana de madera.

Dispone de 3 plantas:
Planta 1: Aluminio.
Planta 2: Madera.
Planta 3: Vidrio y ensamblaje.

El producto 1 requiere la planta 1 y 3.


El productor 2 requiere la planta 2 y 3.

El fabricante se pregunta cual es la cantidad de cada tipo de producto que debe


vender.

P. Serna
5. Ejemplo de modelo matemático

Problema 2
Los datos de operación de la planta son los siguientes:

P. Serna
5. Ejemplo de modelo matemático

Solución Problema 2

Variables de decisión:

X(1)=Lotes fabricados del producto 1


X(2)=Lotes fabricados del producto 2

Función objetivo:

max 𝐹 𝑋1,𝑋2 = 3𝑋1 + 5𝑋2

Restricciones:

𝑋1 ≤ 4
2𝑋2 ≤ 12
3𝑋1 + 2𝑋2 ≤ 18
𝑋1 ≥ 0
𝑋2 ≥ 0
P. Serna
6. Algoritmos matemáticos

Los modelos matemáticos son resueltos aplicando algoritmos o métodos matemáticos.

Estos algoritmos matemáticos se aplican de acuerdo al tipo de problema:

1. Programación Lineal.

2. Programación Lineal Entera Mixta.

3. Programación No lineal.

4. Programación Cuadrática.

Las técnicas matemáticas desarrolladas en cada punto merecen un estudio más profundo.

P. Serna
7. Recomendaciones

Morris (1967) recomienda3:

Además:

P. Serna
Bibliografía

1 F. Hillier and G. Libierman, Introducción a la Investigación de Operaciones,


Novena Edición, Mc Graw Hill, 2010.

2 H. Taha, Investigación de Operaciones, Pearson, 2012.

3 On the art of modeling, T. Morris, 1967.

P. Serna

También podría gustarte