Paso 3 – Modelar y simular sistemas industriales con base en

programación lineal dinámica

NOMBRES Y APELLIDOS C.C.

TUTOR (A):

NOMBRE Y APELLIDOS

MODELOS Y SIMULACIÓN

UNAD

2020
 INTRODUCCIÓN

En el trabajo actual se trabajan varios conceptos básicos de la modelación y

simulación, para aplicarlos en un sistema de industrial donde tenemos la
necesidad de decidir cuestiones sobre la producción y para ello, la modelación
y simulación es una herramienta poderosa para predecir y obtener información
confiable y objetiva sobre efectos de algunas decisiones e instalaciones de
procesos industriales. La modelación es la utilización de un modelo matemático
que se ajusta a una situación en este caso un sistema industrial, se identifica
en él una función objetivo, variables, parámetros y restricciones.

Se utiliza en el trabajo un software que es Online llamado Xpress que nos

brindará una base para programar, simular y construir el modelo.

JUSTIFICACIÓN

Para reconoce los modelos y simular un proceso industrial, se utiliza con el fin
de conocer los diferentes contextos y como los cambios del mismo dinamismo
de un sistema industrial se intenta controlar, además de conocer las dinámicas
que existe en una instalación industrial, con su personal, equipos, entre otros.
Se procura realizar los ejercicios de manera adecuada con el fin de entender
con toda la claridad y coherencia, en el reconocimiento de la problemática que
existe en la modelación y simulación con base en los modelos de asignación y
escenarios posibles.

OBJETIVOS

General: Reconocer los conceptos de la modelación y simulación de procesos

en sistemas industriales y el uso de tecnologías para el análisis de los
diferentes escenarios posibles.

Específicos:

1. Comprender el desarrollo que se debe hacer en el taller propuesto para

el informe actual para simularlo en el software Xpress.
2. Desarrollar los conocimientos adquiridos en el desarrollo de los ejercicios
sobre los sistemas industriales con base en modelos de asignación.
 ESQUEMA DE TRABAJO. DESARROLLO DEL TALLER #2 MODELOS DE
ASIGNACIÓN

Identificación de la información del taller #2:

i. Variables

Χi,j,k
Donde;

i=1y2 hace referencia al tipo de producto

j = 1, 2, 3, 4, 5, 6, 7, y 8 hace referencia a la maquina

k = 1, 2 y 3 hace referencia a la locación

ii. Parámetros

Horas de trabajo diarias (HDT)

Días por semana que se trabajan (DPS)

Operarios (Op)

Costos de procesamiento (Cp)

Tiempos de procesamiento (Tp)

Precio de venta al público (PV)

iii. Restricciones

Capacidad en minutos por semana para cada máquina y

cada locación

Balanceo de producción de cada locación y bloque

La variable tiene una condición de ser entera

Desarrollo del taller #2
 Organización de la información

Tiempos
Operarios Costos
Maq Producto 1 Producto 2
uinas Locac Locac Locac Locac Locac Locac Locac Locac Locac Locac Locac Locac
ión 1 ión 2 ión 3 ión 1 ión 2 ión 3 ión 1 ión 2 ión 3 ión 1 ión 2 ión 3
1 7 8 3 20 15 10 15 9 13 14 12 20
2 5 7 2 13 8 7 8 13 9 7 15 13
3 7 4 9 12 10 25 5 9 11 9 8 14
4 4 5 4 14 15 12 20 4 22 18 5 20
5 5 7 3 20 17 10 17 11 20 19 12 10
6 7 8 6 16 18 13 19 16 18 15 22 10
7 8 4 5 15 15 15 4 8 6 6 7 4
8 0 6 5 0 18 23 0 8 5 0 6 2

Función objetivo

Z = Utilidad semanal = Ingreso – costo.

Ingreso es la sumatoria de todos los productos que realizan cada locación de la

empresa multiplicado con el precio de venta de cada uno de los dos productos,
el modelo matemático quedaría de la siguiente manera.

∑ PV i∗(¿ X i , 7,1+ X i ,7,2 + X i ,7,3 + X i , 8,2 + X i , 8,3)¿

i=1

El costo sería el producto de cada producto que incluye el tiempo gastado y el

gasto de operar la maquina en cierto tiempo.

2 8 3

∑ ∑ ∑ ¿ X i , j ,k ¿ T i , j , k ¿ C j , k
i=1 j=1 k=1

La función que se requiere maximizar se obtendría de la siguiente función

objetivo.
 2 2 8 3
MAX Z=∑ PV i∗(¿ X i ,7,1 + X i , 7,2+ X i ,7,3 + X i ,8,2 + X i , 8,3 )−∑ ∑ ∑ ¿ X i , j , k ¿ T i , j ,k ¿ C j ,k ¿
i=1 i=1 j=1 k=1

Las restricciones son:

La producción está restringida por el tiempo disponible para trabajar, el

balance de cada una de las locaciones por distribución de las máquinas y que
la cantidad de producto es un entero siguiente los modelos

∑ X i , j ,k∗T i , j ,k ≤ H j ,k ∗HDT∗DPS∗60
i=1

Locación 1:
X i , 1,1 ≥ X i , 2,1+ X i ,3,1

X i , 2,1 + X i ,3,1 ≥ X i , 4,1+ X i ,5,1 + X i ,6,1

X i , 4,1 + X i , 5,1+ X i ,6,1 ≥ X i ,7,1

Locación 2:

X i , 1,2 + X i ,2,2 ≥ X i ,3,2 + X i ,4,2 + X i ,5,2

X i , 3,2 + X i , 4,2 + X i ,5,2 ≥ X i ,6,2

X i , 6,2 ≥ X i , 7,2+ X i ,8,2

Locación 3:

X i , 1,3 + X i , 2,3 ≥ X i , 3,3

X i , 3,3 ≥ X i, 4,3 + X i ,5,3 + X i , 6,3

X i , 4,3 + X i , 5,3 + X i ,6,3 ≥ X i ,7,3 + X i, 8,3

X i , j , k ; es entero
 Lo anterior fue la modelación a un modelo matemático de la producción
o mejor de la utilidad de la planta.

En el escenario entra una nueva empresa con lo siguiente

 Organización de la información

Tiempos
Operarios Costos
Maq Producto 1 Producto 2
uinas Locac Locac Locac Locac Locac Locac Locac Locac Locac Locac Locac Locac
ión 1 ión 2 ión 3 ión 1 ión 2 ión 3 ión 1 ión 2 ión 3 ión 1 ión 2 ión 3
1 6 9 4 22 15 10 12 8 16 12 12 10
2 5 7 2 12 8 7 8 10 9 7 15 13
3 7 4 9 12 11 23 3 9 10 12 8 14
4 4 5 4 14 15 11 2 5 19 18 3 17
5 5 7 3 12 18 10 17 8 18 19 10 10
6 7 8 6 14 20 25 21 16 18 16 23 10
7 7 4 5 25 20 25 25 8 6 6 7 4
8 0 6 5 0 17 23 0 8 5 0 6 2

Función objetivo

Z = Utilidad semanal = Ingreso – costo.

Ingreso es la sumatoria de todos los productos que realizan cada locación de la

empresa multiplicado con el precio de venta de cada uno de los dos productos,
el modelo matemático quedaría de la siguiente manera.

∑ PV i∗(¿ X i , 7,1+ X i ,7,2 + X i ,7,3 + X i , 8,2 + X i , 8,3)¿

i=1

El costo sería el producto de cada producto que incluye el tiempo gastado y el

gasto de operar la maquina en cierto tiempo.

2 8 3

∑ ∑ ∑ ¿ X i , j ,k ¿ T i , j , k ¿ C j , k
i=1 j=1 k=1

La función que se requiere maximizar se obtendría de la siguiente función

objetivo.

2 2 8 3
MAX Z=∑ PV i∗(¿ X i ,7,1 + X i , 7,2+ X i ,7,3 + X i ,8,2 + X i , 8,3 )−∑ ∑ ∑ ¿ X i , j , k ¿ T i , j ,k ¿ C j ,k ¿
i=1 i=1 j=1 k=1
Las restricciones son:

La producción está restringida por el tiempo disponible para trabajar, el

balance de cada una de las locaciones por distribución de las máquinas y que
la cantidad de producto es un entero siguiente los modelos

∑ X i , j ,k∗T i , j ,k ≤ H j ,k ∗HDT∗DPS∗60
i=1

Locación 1:
X i , 1,1 ≥ X i , 2,1+ X i ,3,1

X i , 2,1 + X i ,3,1 ≥ X i , 4,1+ X i ,5,1 + X i ,6,1

X i , 4,1 + X i , 5,1+ X i ,6,1 ≥ X i ,7,1

Locación 2:

X i , 1,2 + X i ,2,2 ≥ X i ,3,2 + X i ,4,2 + X i ,5,2

X i , 3,2 + X i , 4,2 + X i ,5,2 ≥ X i ,6,2

X i , 6,2 ≥ X i , 7,2+ X i ,8,2

Locación 3:

X i , 1,3 + X i , 2,3 ≥ X i , 3,3

X i , 3,3 ≥ X i, 4,3 + X i ,5,3 + X i , 6,3

X i , 4,3 + X i , 5,3 + X i ,6,3 ≥ X i ,7,3 + X i, 8,3

X i , j , k ; es entero

Lo anterior fue la modelación a un modelo matemático de la producción

o mejor de la utilidad de la planta.
Ambos operan 9 horas en 5 días a la semana

Tiene precios unitarios diferentes

Empresa A

Precio de venta
  unitario
Producto 1 $ 24.000,00
Producto2 $ 23.600,00

Empresa B

Precio de venta
  unitario
Producto 1 $ 22.600,00
Producto2 $ 23.100,00

Ahora el proceso de la simulación de hará en el software Xpress Online.

El código construido es el siguiente:

!@encoding CP1252

model "ModelosySimulación"

uses "mmxprs"; !gain access to the Xpress-Optimizer solver

!sample declarations section

declarations

Productos = 1..2

Maquinas = 1..8

Locacion = 1..3

HDT = 9

DTS = 5
Operarios: array (Maquinas, Locacion) of real

Costos: array (Maquinas, Locacion) of real

Tiempos: array (Productos, Maquinas, Locacion) of real

PVP: array (Productos) of real

X: array (Productos, Maquinas, Locacion) of mpvar

Objective:linctr

end-declarations

! Ingreso de Datos

Operarios :: [ 7,8,3, 5,7,2, 7,4,9, 4,5,4, 5,7,3, 7,8,6, 8,4,5, 0,6,5 ]

Costos :: [ 20,15,10, 13,8,7, 12,10,25, 14,15,12, 20,17,10, 16,18,13,

15,15,15, 0,18,23 ]

Tiempos :: [ 15,9,13, 8,13,9, 5,9,11, 20,4,22, 17,11,20, 19,16,18, 4,8,6,

0,8,5,

14,12,20, 7,15,13, 9,8,14, 18,5,20, 19,12,10, 15,22,10, 6,7,4,

0,6,2 ]

PV :: [ 24000, 23600 ]

! Función objetivo Utilidad Ingreso - costos

Z := sum(i in Productos)PV(i)*(X(i,7,2)+X(i,8,2)+X(i,7,3)+X(i,8,3))-

sum(i in Productos, j in Maquinas, k in

Locacion)X(i,j,k)*Tiempos(i,j,k)*Costos(j,k)
!Restricciones

forall (j in Maquinas, k in Locacion)

sum(i in Productos)X(i,j,k)*Tiempos(i,j,k) <= Operarios (j,k)*HDT*DTS*60

forall ( i in Productos) do

X(i,1,1) >= X(i,2,1)+ X(i,3,1)

X(i,2,1)+ X(i,3,1) >= X(i,4,1)+ X(i,5,1)+ X(i,6,1)

X(i,4,1)+ X(i,5,1)+ X(i,6,1) >= X(i,7,1)

end-do

forall (i in Productos) do

X(i,1,2) + X(i,2,2) >= X(i,3,2) + X(i,4,2) + X(i,5,2)

X(i,3,2) + X(i,4,2) + X(i,5,2) >= X(i,6,2)

X(i,6,2) >= X(i,7,2) + X(i,8,2)

end-do

forall (i in Productos) do

X(i,1,3) + X(i,2,3) >= X(i,3,3)

X(i,3,3) >= X(i,4,3) + X(i,5,3) + X(i,6,3)

X(i,4,3) + X(i,5,3) +X(i,6,3) >= X(i,7,3) + X(i,8,3)

end-do

forall (i in Productos, j in Maquinas, k in Locacion)X(i,j,k) is_integer

maximize (Z)
end-model

Al dar correr modelo, arroja para la empresa 1 los siguientes resultados.

Producto, maquina, locación = Cantidad de productos

Como vemos para el producto 2 no es viable producirlo, por cual en la semana

solo se produce el producto 1 y si sumamos todo, nos da un producido total de
102929 piezas de producto 1.

Para el segundo modelo se utiliza el siguiente código:

!@encoding CP1252

model "ModelosySimulación"

uses "mmxprs"; !gain access to the Xpress-Optimizer solver

!sample declarations section

declarations

Productos = 1..2

Maquinas = 1..8

Locacion = 1..3

HDT = 9

DTS = 5

Operarios: array (Maquinas, Locacion) of real

Costos: array (Maquinas, Locacion) of real

Tiempos: array (Productos, Maquinas, Locacion) of real

PVP: array (Productos) of real

X: array (Productos, Maquinas, Locacion) of mpvar

Objective:linctr

end-declarations

! Ingreso de Datos

Operarios :: [ 6,9,4, 5,7,2, 7,4,9, 4,5,4, 5,7,3, 7,8,6, 7,4,5, 0,6,5 ]

Costos :: [ 22,15,10, 12,8,7, 12,11,21, 14,15,11, 12,18,10, 14,20,25,

25,20,25, 0,17,23 ]

Tiempos :: [ 12,8,16, 8,10,9, 3,9,10, 2,5,19, 17,8,18, 21,16,18, 25,8,6, 0,8,5,

12,12,10, 7,15,13, 12,8,14, 18,3,17, 19,10,10, 16,23,10,

6,7,4, 0,6,2 ]

PVP :: [ 22600, 23100 ]

! Función objetivo Utilidad Ingreso - costos

Z := sum(i in Productos)PV(i)*(X(i,7,2)+X(i,8,2)+X(i,7,3)+X(i,8,3))-

sum(i in Productos, j in Maquinas, k in

Locacion)X(i,j,k)*Tiempos(i,j,k)*Costos(j,k)

!Restricciones
forall (j in Maquinas, k in Locacion)

sum(i in Productos)X(i,j,k)*Tiempos(i,j,k) <= Operarios (j,k)*HDT*DTS*60

forall ( i in Productos) do

X(i,1,1) >= X(i,2,1)+ X(i,3,1)

X(i,2,1)+ X(i,3,1) >= X(i,4,1)+ X(i,5,1)+ X(i,6,1)

X(i,4,1)+ X(i,5,1)+ X(i,6,1) >= X(i,7,1)

end-do

forall (i in Productos) do

X(i,1,2) + X(i,2,2) >= X(i,3,2) + X(i,4,2) + X(i,5,2)

X(i,3,2) + X(i,4,2) + X(i,5,2) >= X(i,6,2)

X(i,6,2) >= X(i,7,2) + X(i,8,2)

end-do

forall (i in Productos) do

X(i,1,3) + X(i,2,3) >= X(i,3,3)

X(i,3,3) >= X(i,4,3) + X(i,5,3) + X(i,6,3)

X(i,4,3) + X(i,5,3) +X(i,6,3) >= X(i,7,3) + X(i,8,3)

end-do

forall (i in Productos, j in Maquinas, k in Locacion)X(i,j,k) is_integer

maximize (Z)

end-model
 Producto, maquina, locación = Cantidad de productos

Para la empresa 2 se realiza en la semana una producción de 7.800 unidades

de producto 1 y 4.320 unidades de producto 2, lo que en total sería 12120
unidades en la semana.

La máxima utilidad la tendría la empresa 2 con $67’.203.500, mientras que la

empresa 1 60’142.200, por ello se escogería como proveedor la empresa 1.
 Conclusiones

Como pudimos ver la realización de la modelación y posterior simulación nos

arrojó unos resultados que al realizarle, ambas empresas pueden obtener una
mayor utilidad con los parámetros que se manejan, así la empresa 2 sería la
que genere mayor utilidad por encima de la 1, por ello se elige como
proveedor.

Este ejercicio dio a entender que unas situaciones que al principio puede
parecer complejas pueden desarrollarse satisfactoriamente y acomodarse a un
planteamiento matemático y que existen programa o software como el Xpress
que pueden manejar este tipo de información y con los comandos ingresados
no pueden arrojar resultados que al plasmarlos a la realidad son ajustables en
cierto punto.

Bibliografía
Chediak Pinzón, F. A. (2012). Investigación de operaciones. Ibagué:
Universidad de Ibagué.
Hernández, O. (Dirección). (2017). Modelos y Simulación [Película].
Martínez, S., Iris Abril, y. C., & Vértiz, G. (2014). Investigaciones de
operaciones. Madrid: Grupo editorial Patria.