Unidad 1. Introducción A La Modelación y Simulación PDF

Modelos de simulación
Unidad 1. Introducción a la modelación y simulación
División de Ciencias Exactas, Ingeniería y Tecnología
Ingeniería en Logística y transporte
Asignatura:
Clave
13143529
Universidad Abierta y a Distancia de México
Ciencias Exactas, Ingenierías y Tecnología | Logística y Transporte 1

Presentación de la Unidad
A lo largo de la historia, la humanidad ha buscado entender algunos fenómenos. Estos,

pueden ser la duración de un día, cambios de clima, eclipses, lluvias de estrellas, la
propagación de un virus, etcétera. Por otro lado podríamos pensar en fenómenos sociales
como la demanda de ciertos productos, o la estabilidad de la economía de un país, entre
otros.
Ante la necesidad para estudiar esto fenómenos, el hombre comenzó a notar que las
matemáticas se pueden utilizar como una herramienta que puede ser ajustada para
analizar diversos fenómenos así como a delimitar sus alcances. Las matemáticas han
acompañado a las ciencias en su desarrollo hasta volverse una herramienta básica y
fundamental.
En esta primera unidad se presentarán los conceptos básicos alrededor de la modelación

matemática que te serán útiles para el resto del curso. Una vez que hayas logrado
comprender éstos, será necesario que utilices toda tu creatividad y conocimientos previos
para poder llevar estos conocimientos a problemas logísticos y de transporte con los que
estás familiarizado. Los conocimientos previos matemáticos necesarios para este curso,
serán los que a través de los cursos de tu carrera has adquirido, cálculo diferencial e
integral, estadística y probabilidad, álgebra lineal.
Es crucial que desde este momento imagines cuáles problemas dentro del sector logístico
crees que se pueden modelar, cuál es su dificultad y cuáles son las herramientas que
necesitarías.
Propósito
El estudio de esta unidad te permitirá:

 Comprender los conceptos básicos de la modelación matemática y adaptarlos a
problemas del sector logístico y del transporte.
Competencia específica
Analiza los componentes y relaciones de un fenómeno logístico para su interpretación

como objetos matemáticos, mediante el uso de conceptos de modelación, simulación y la
revisión de ejemplos.

1.1. Marco contextual de la modelación y simulación
Para comprender la utilización de los modelos matemáticos, es necesario ubicarnos en el

tiempo y en el momento tecnológico de la humanidad, así como en las necesidades de
quienes consideran que un modelo matemático es de ayuda.
La modelación y la simulación son herramientas que si son utilizadas correctamente,

logran mejorar el rendimiento de procesos, es por eso que en el caso ideal, es importante
que el sector industrial o las instancias gubernamentales, consideren programas de
mejoras mediante el uso de éstas.
Dentro de algunos sectores, sucede que algunos de los procesos no han sido revisados
durante mucho tiempo. No hay que descartar el hecho de que estos procesos pueden ser
el resultado de aprendizajes empíricos. Cuestionar dichos procesos y utilizar modelación
para su mejora es una tarea primordial.
Por lo dicho anteriormente, el sector logístico y de transportes puede obtener muchos

beneficios si adopta estas herramientas. El reto es integrar todos los conocimientos que
se tengan acerca de un fenómeno o un evento a modelos matemáticos.
Históricamente, podemos encontrar el uso de las herramientas en cuestión, tal vez desde
el Renacimiento Europeo pero podemos encontrar que fue hasta la Segunda Guerra
Mundial en el que los resultados obtenidos al realizar simulaciones teóricas sobre
reacciones nucleares fueron privilegiados por encima de las posibles soluciones
matemáticas o datos obtenidos a través de la experimentación física. (Coss Bú, 1998).
1.1.1. Antecedentes de la modelación y simulación
A grandes rasgos y para lograr entender los siguientes párrafos, podemos decir que un
modelo es un representación de ‘algo’, ese ‘algo’ como lo veremos más adelante, puede
ser un mapa, una casa, una ciudad, un fenómeno meteorológico, el comportamiento de
una caseta de peaje, etcétera. Por otro lado, una ‘simulación’ es un experimento que
logramos ejecutar a través de un modelo. Dicho en otras palabras, una simulación, dentro
de este contexto, necesitará un modelo.
Una pregunta que surge después de estos primeros acercamientos a las definiciones son;
¿Para qué queremos usar un modelo de simulación? Existen varias respuestas, tal vez la
respuesta más natural es que queremos modelos para entender fenómenos. Por ejemplo,
Nicolás Copérnico (1473-1543) empleó un modelo matemático (más adelante veremos
que existen diferentes tipos de modelos) para explicar la Teoría Heliocéntrica que le ayudó
a explicar el movimiento de algunos cuerpos celestes.

Representación de la teoría heliocéntrica
Otra respuesta a la pregunta respecto al uso de un modelo, es hacer predicciones. Es

decir, si entendemos un fenómeno a profundidad, podemos hacer predicciones acerca de
un evento. Ya que hacer predicciones a través de modelos matemáticos es de vital
importancia para la humanidad. Por ejemplo, gracias a la capacidad de algunos
ordenadores y al uso de modelos matemáticos, los meteorólogos saben si una depresión
tropical tiene probabilidades de convertirse en un ciclón y si es el caso, prevenir a las
instancias gubernamentales para tomar medidas en busca de la protección de la
población. Sin embargo, aún no podemos predecir muchas cosas, en este ejemplo,
predecir con exactitud la ruta del fenómeno meteorológico a más de 10 días, resulta muy
complicado. Otro ejemplo, es que gracias a investigaciones sabemos que existe una
placa tectónica llamada, placa de cocos ubicada en el océano Pacífico en las costas de
América Central. Se sabe que el movimiento de esta placa puede ocasionar movimientos
sismológicos importantes (por ejemplo, el sismo ocurrido en México el 19 de Septiembre
de 1985). Sin embargo, a pesar de haber sido muy estudiada y analizada, los modelos
matemáticos aún son incapaces de predecir su comportamiento. A pesar de esta falta de
certidumbre, la sociedad ha logrado avanzar en temas de protección civil y en leyes de
construcción, tomando en cuenta que un suceso sismológico de gran impacto originado
por el movimiento de esta placa es posible. Esto nos lleva a justificar otra respuesta.
Gracias a que se pueden hacer predicciones mediante la modelación matemática, es

posible tomar mejores decisiones. Este apartado no sólo se refiere a las decisiones que

puede tomar el gobierno para la protección de la ciudadanía, algunas industrias lo utilizan

a diario. De hecho, muchas de ellas, emplean grandes cantidades de recursos para
Investigar y crear más modelos matemáticos en los cuales puedan sustentarse para la
mejor toma de decisiones. Un ejemplo de ello puede ser la industria automotriz.
Esta industria busca que cada día, los vehículos sean más seguros y eficientes. Y antes
de lanzar un nuevo mecanismo de seguridad, como puede ser el sistema de frenos de un
auto, es necesario crear modelos que permitan predecir cómo responderán los nuevos
cambios bajo condiciones adversas. En este ejemplo, además de utilizar modelos
matemáticos, consideramos que también se utilizan modelos físicos. Es decir, autos
prototipo con los que se busca hacer pruebas físicas para medir con más exactitud los
resultados.
En la industria automotriz se emplean modelos físicos para realizar diferentes pruebas.

Fuente: Stock-photo (2013).
Como un modelo matemático está basado en lenguaje exacto y preciso, y como sabes
éste tiene la característica de ser universal, la modelación también permite a los
científicos intercambiar conocimiento, información, avances, observaciones, resultados
etcétera, acerca de un fenómeno.
1.1.2. Alcances, ventajas y desventajas
Seguramente te preguntarás ¿Qué podemos y qué no podemos modelar? Como ya lo

hemos mencionado, ya se han creado modelos eficientes para algunos fenómenos. A
pesar de la eficacia de estos, debemos considerar que siempre estarán sujetos a cambios
dependiendo de la interpretación de la realidad que estemos modelando. Por ejemplo, las
Leyes de Newton, conocidas ya desde el siglo XVII, tienen interpretaciones distintas vistas
desde el punto de vista de la mecánica cuántica. Por otro lado, también hemos

mencionado que algunos fenómenos, como la predicción de los sismos aún no son
modelables. Otro fenómeno que aún no se logra modelar con eficiencia es el crecimiento
de ciertos tipos de cánceres en el ser humano. Estas limitantes se pueden atribuir a
muchas condiciones, desde la complejidad del mismo fenómeno, la no existencia de
teoría matemática que establezca relaciones dadas entre los eventos a estudiar, las
limitantes de la tecnología y/o la falta de recursos económicos y humanos.
Con este panorama, tenemos que precisar que aunque la modelación matemática, y más
aún, con ayuda de los avances de tecnología y de cómputo, ha logrado tener importantes
progresos, aún queda mucho camino por recorrer.
Las industrias juegan un papel crucial en el avance de la tecnología e innovación. Cada

día buscan ser más competitivas, más eficientes y conseguir resultados con menores
costos. Es por esto, que han encontrado en la modelación y simulación caminos con
grandes resultados. Gracias a estos intereses, estas áreas de conocimiento cobran cada
vez mayor auge.
Aunado a lo anterior, es relevante mencionar las ventajas de usar un modelo matemático.
Puede resultar muy bajo en costo y si este modelo es acompañado de un esquema de

simulación, estas prácticas pueden repercutir notablemente en los costos de cualquier
industria o investigación. Pero es necesario indicar que con el término costos”, no solo
nos referimos a costos monetarios sino también a los implicados por recursos humanos,
tiempo, esfuerzo, etcétera. Por ejemplo, hoy en día existen programas de computadoras
(hechos a través de modelación) que permiten que un estudiante que será piloto aviador
practique sus técnicas y habilidades antes de manipular un avión de verdad. Gracias a
que estos programas se adaptan mucho a la realidad, es posible que el estudiante
obtenga experiencia y gracias a esto las probabilidades de fracaso en sus prácticas se
reduzcan.
Otra ventaja de usar modelos matemáticos es que a través de ellos, tenemos la

oportunidad de estudiar fenómenos, aun cuando se tiene la imposibilidad de acceder a
ciertos lugares. Por ejemplo, la NASA, ha logrado con la misión CURIOSITY recolectar
datos acerca de la superficie del planeta Marte. Para dicha misión un astromóvil tenía que
amartizar (es decir, aterrizar en la superficie de Marte) de manera exitosa, siendo terrenos
que el hombre aún no domina.

Desventajas
El establecer modelos también trae consigo ciertas desventajas. Una de estas es que
algunas veces, establecer modelos precisos y certeros, toma mucho tiempo ¿Cuántos
años crees que le tomó al hombre tener un mapa completo del continente americano?
Como estudiaremos con más detalle, un paso medular en el proceso de modelación es la

recolección de datos, entre más datos y más exactos es mejor. La recolección de datos
para algunos fenómenos puede tomar años.
Otro factor que puede suponer una desventaja en el uso de la modelación para
comprender sistemas es que a veces las formulaciones matemáticas implícitas en el
modelo suponen ecuaciones no tan sencillas y cuyas soluciones, aun usando la
tecnología de hoy en día, son prácticamente imposibles de obtener o se obtienen
respuestas con intervalos de exactitud muy grandes y tal vez inservibles.
Como en casi cualquier otra herramienta que sea manipulada por el hombre, la
modelación matemática, también puede ser presa del error humano. Estas faltas pueden
abarcar desde errores al momento de establecer el problema a solucionar, la recolección
de datos, la formulación matemática o la interpretación de resultados. Además, debemos
mencionar que al menos, para modelos que se basan en fenómenos reales no
controlados, siempre existe la posibilidad de que se den condiciones no previstas. Por
ejemplo, se tiene conocimiento de serios accidentes provocados por el impacto de
alguna ave en las turbinas de aviones. Este tipo de encuentros son difícilmente previstos.
1.2. Conceptos preliminares
En esta sección encontrarás la explicación a tres conceptos claves para entender qué es
la modelación matemática y la simulación. Estos conceptos son:
Sistema, Modelo y Simulación.

En tus cursos pasados ya has tenido aproximación con el concepto de sistema.
Será recurrente que hagamos referencia al término: Lenguaje Matemático. A continuación

encontrarás una explicación de éste término.
El lenguaje matemático es la forma que ha desarrollado la matemática para comunicar

ideas de objetos utilizando símbolos y relaciones. Este lenguaje nos permite realizar
cálculos.

No se puede dar una regla de ‘cómo traducir’ al lenguaje matemático. Es una cuestión de
mucha práctica. Revisemos los siguientes ejemplos:
Ejemplo 1. ¿Cómo se describe en lenguaje matemático la siguiente situación? El costo de

producción de una silla es de $90 pesos. El costo de transporte es de $30. ¿Cuál debe
ser el precio del artículo sí se requiere ganar el 25% sobre el costo de producción más el
de transporte?
Primero observamos que el costo de producción más el costo de transporte es $120

pesos. Si requiero ganar el 25% sobre ese costo, entonces requiero ganar $30 pesos por
cada silla. Así, el precio del artículo deberá ser:
(𝐶𝑜𝑠𝑡𝑜𝑑𝑒 𝑝𝑟𝑜𝑑𝑢𝑐𝑐𝑖ó𝑛 + 𝑐𝑜𝑠𝑡𝑜 𝑡𝑟𝑎𝑛𝑠𝑝𝑜𝑟𝑡𝑒) + 𝐺𝑎𝑛𝑎𝑛𝑐𝑖𝑎 = 𝑝𝑟𝑒𝑐𝑖𝑜 𝑎𝑟𝑡í𝑐𝑢𝑙𝑜,
sustituyendo los valores conocidos:

(90 + 30) + 30 = 150
Esta ecuación la podríamos plantear de forma más general:

Supongamos que 𝑋 representa el Costo de producción más el costo de transporte,
𝑘 representa la proporción que queremos ganar sobre 𝑋 y 𝑃 el precio del artículo,
entonces tendríamos la ecuación:
𝑋 + 𝑘𝑋 = 𝑃,
Utilizando nuestros conocimientos de álgebra, podemos reescribir la ecuación anterior
como:
𝑋(1 + 𝑘) = 𝑃.
Verificamos el ejemplo numérico utilizado arriba:
𝑋 = 120
1 + 𝑘 = 1 + .25 = 1.25
120(1.25) = 150,
en donde podemos verificar que obtenemos la misma respuesta que la que obtuvimos en
los párrafos de arriba, sin embargo, ya hemos encontrado una ecuación general.
Ejemplo 2. Supongamos una nave marítima llamada Alicia navega con dirección al sur a
una velocidad de 30 millas por hora mientras al mismo tiempo la nave Beatriz, situada a
40 millas al sur de Alicia se mueve hacia el este con una velocidad de 10 millas por hora.

Queremos encontrar una función que determine la distancia a la que se encuentran

después de una horas dichas naves.
Si construimos el siguiente esquema, podemos observar que el movimiento de las naves

forma un triángulo rectángulo:
Figura. Movimiento de naves
de aquí que decidamos usar el Teorema de Pitágoras, es decir:

𝐷 2 = 𝑎2 + 𝑏 2 .
En donde claramente la variable 𝑎, después de una hora, será igual 40-30=10 millas y 𝑏
será igual a 10 millas también. Por lo que:
𝐷 2 = 102 + 102
es decir: 𝐷 = √200, por lo que la distancia entre las dos naves al cabo de una hora será
igual a √200millas.
1.2.1. Definiciones básicas
Uno de los primero conceptos que vamos a revisar, es un sistema, que seguramente ya
tendrás algunas nociones, porque lo estudiaste en la asignatura Sistemas de transporte
del sexto cuatrimestre.
Pues bien, vamos a entender como un sistema una porción de la realidad, un segmento
de lo que nos interesa estudiar. En esta porción de la realidad podemos identificar objetos
y relaciones entre estos objetos. Por ejemplo, si nos interesara proponer soluciones de
tránsito en una avenida, el sistema que nos ocuparía es el que tiene como objetos los
autos que transitan en esa avenida, las viviendas que se localizan cerca, los habitantes de

la zona, las escuelas aledañas, etcétera. Las relaciones que podemos encontrar son, por
ejemplo, las horas (y las causas) en las que se presentan mayor afluencia vehicular.
Figura. Esquema de un Sistema

Fuente: Guasch (2009).
Como puedes notar en nuestra definición de sistema, la palabra “real” no quiere decir
precisamente que exista, por ejemplo, podríamos enunciar un sistema en donde los
objetos, como las relaciones entre ellos se establecen a partir de meras suposiciones.
Para ilustrar esta idea, pensemos en el número de cajones de estacionamiento de una
plaza comercial que aún no está en construcción. Bajo este supuesto, podemos observar
que los cajones de estacionamiento no están aún construidos, no sabemos exactamente
cuáles personas irán a la plaza, tampoco sabemos exactamente qué días y en qué
horarios será más concurrida la plaza. A pesar de esto, gracias a estudios estadísticos
podemos inferir el comportamiento de los visitantes, si llevarán auto o no, cuánto tiempo
pasarán dentro de la plaza, cuáles días se pueden esperar más visitas, etcétera.
Por otro lado, a cada objeto de un sistema lo podemos asociar con parámetros (también
conocidos como atributos). Estos parámetros no son más que indicadores propios del
elemento. Por ejemplo, si un elemento de un sistema determinado fuera “La familia
González”, un atributo podría ser la cantidad de miembros de ella o la cantidad de autos
que como familia poseen.
En cada sistema también encontraremos ciertos parámetros llamados variables del

sistema. Clásicamente a las variables las podemos agrupar en dos tipos: las variables
internas y las variables externas. Las variables internas son parámetros propios del
sistema, por ejemplo, si nuestro sistema fuera una empresa, una variable endógena o
interna serían los empleados que laboran en ella. Por el contrario, una variable exógena o
externa es un parámetro ajeno al sistema como tal. Por ejemplo, la empresa proveedora
del servicio de telefonía.

Vamos a entender por estado de un sistema al conjunto de variables (necesarias) para

poder describir la situación de un sistema en un lapso determinado (Austin, 2005). Por
ejemplo, si nuestro sistema fuera una carretera, y queremos saber su estado en un
instante determinado, tendríamos que preguntarnos por la cantidad de autos, las variables
meteorológicas, la hora del día, etcétera. Cuando el estado de un sistema cambia, se dice
que ocurrió un 'evento' en el sistema.
Existen muchas clasificaciones para los sistemas. A continuación presentamos solo

algunas de las principales. Más adelante encontrarás una actividad ligada a esta lista, por
lo que tienes que estar muy atento(a).
Tabla 1. Clasificación de Sistemas

Cerrados o abiertos En un sistema cerrado no existe
intercambio de materia o información con
el exterior. En un sistema abierto existen
intercambios con el exterior tales que
ambos afectan su estado. (Atkins, 2006)
Dinámicos o estáticos El sistema es dinámico no cambia su
estado con el tiempo. Un sistema será
dinámico si el tiempo es un factor que
atañe directamente a su estado.
Estocásticos o determinísticos En un sistema determinístico, las
estadísticas y la probabilidad no
representan un factor a considerar. Los
sistemas estocásticos se basan en la
probabilidad.
Lineales o no lineales. Un sistema es lineal si su comportamiento
se puede representar matemáticamente
por medio de ecuaciones cuyas variables
sólo aparecen elevadas a la primer
potencia. Un fenómeno es no lineal su
formulación matemática contiene
funciones no lineales.
Un segundo concepto que vamos a revisar es el de Modelo.
Un modelo lo podemos entender como una representación abstracta de algo que nos
interesa estudiar.

Figura. Modelo a partir de un sistema

Fuente: Guasch (2009).
Existen diferentes tipos de modelos: gráficos, físicos, simbólicos, científicos y dentro de

éstos últimos podemos identificar a los modelos matemáticos.
Un mapa es un modelo gráfico de un territorio

Una maqueta es un modelo gráfico
Un modelo matemático es un modelo que emplea el lenguaje matemático con la intención

de expresar relaciones entre los objetos y variables del sistema. Este tipo de modelos
tienen la finalidad de poder estudiar ciertos fenómenos, sistemas, procesos, etcétera.
Dentro de los modelos matemáticos, podemos establecer diferencias entre unos y otros a
partir de ciertas características. Estas diferencias conducen a colocar nombres a ciertos
modelos con la finalidad de identificarlos de forma rápida. A continuación mencionamos
algunos de estos nombres: clasificaciones.
 Modelos heurísticos Un modelo heurístico basa su construcción en información a

priori del sistema, no necesita nueva información.
 Modelos cualitativos Un modelo cualitativo se basa en descripciones o características
del sistema no considerando las magnitudes como algo fundamental. Este tipo de
modelos es muy utilizado dentro de las ciencias sociales, por ejemplo, modelos que
relacionen factores socioeconómicos de cierta población con la percepción acerca de la
calidad de algún servicio.
 Modelo cuantitativo Un modelo cuantitativo se construye a partir de magnitudes, es
decir, números que indican cantidades de alguna variable del sistema. Ejemplo: Modelo
de predicción de la cantidad de personas que utilizarán una nueva vía.
 Modelos deterministas. Esta clasificación se refiere a los resultados obtenidos. Si
podemos estar totalmente seguros de un resultado, será un modelo determinista. Son
modelos en los que los resultados obtenidos no dependen del azar. Ejemplo: La ley de la
caída libre.
 Modelos estocásticos Por el contrario, si el resultado es solo un intervalo de
probabilidad, entonces estaremos frente a un modelo estocástico. Por ejemplo: modelos
de predicción meteorológica.
*Proceso de Modelado
Podemos identificar 3 pasos claves del proceso de modelación, estos son:
 Identificación del sistema real a modelar. Se requiere la observación del sistema,
para establecer los objetos y las relaciones que en él se dan.

 Especificación del problema. Una vez que sabemos cuáles son los objetos y sus
relaciones, es conveniente pensar exactamente las respuestas acerca del sistema. Nos
podemos preguntar ¿Escogimos bien el sistema? ¿Debemos establecer mejores objetos?
 Formulación del modelo. El modelo se escribirá utilizando el lenguaje matemático.
Este es un proceso de creatividad y abstracción. Se pueden utilizar modelos ya conocidos
y ajustarlos a los nuevos parámetros o se pueden proponer nuevos considerando que
pueden o no ser los más eficientes.
 Resultados. La obtención de resultados se puede hacer mediante herramientas de
cómputo, teoremas conocidos, leyes, etcétera. Los resultados deben ser interpretados en
el contexto del sistema real, y preguntarnos ¿Qué quiere decir que hayamos obtenido tal
resultado? ¿Es posible? Si no son resultados coherentes con la realidad, se repite el
proceso buscando la construcción de un modelo más certero.
A continuación puedes observar un esquema que ejemplifica lo expuesto anteriormente.
Figura. Proceso de Modelado

Para formular el modelo podemos seguir las siguientes recomendaciones:

 Selección del tipo de modelo. Para elegir el tipo de modelo deberemos
considerar el tipo de datos que están a nuestro alcance. Debemos tener presente
si es un modelo ‘inicial’ o si se pretende la mejora de un modelo viejo. Si es un
nuevo modelo, tal vez sea necesario recolectar datos. En esta recolección de
datos podría darse la necesidad de hacer experimentos. Una vez que obtuvimos
los datos y los analizamos, será más fácil y asertivo decidir qué tipo de modelo
necesitaremos.
 Formulación del modelo y realización de algunas pruebas.

Una vez que ya tenemos suficientes datos se sigue con la validación del modelo. Si
estamos trabajando en la mejora de un modelo, este paso puede incluir la
comparación de resultados y datos con los del viejo modelo. Si es un nuevo modelo,
hay que verificar que los resultados sean consistentes y coherentes con nuestro
sistema.
Cabe mencionar que conforme avancemos en el contenido de la asignatura,

profundizaremos más acerca de cómo es el proceso de creación de un modelo.
Ahora abordaremos el proceso de simulación. Al experimento llevado a cabo sobre el

modelo de un sistema lo nombraremos: Simulación. Esta se liga a un modelo y por
consiguiente a un sistema.
En este curso, nos enfocaremos a 'simulaciones teóricas’, en otras palabras, en

experimentos sobre modelos teóricos, modelos conceptuales. Cabe mencionar que
existen otros tipos de simulaciones, por ejemplo, simulaciones físicas. Para efectuar
simulaciones físicas es necesario contar con el material necesario, es por eso, que sólo
nos dedicaremos a simulaciones teóricas.
¿Cuándo simulamos?
Existen varios parámetros que se pueden considerar para saber si la simulación es la

mejor herramienta para nuestros intereses.
La primer interrogante a contestar es ¿tenemos acceso al sistema?, si el acceso a éste es

seguro, si es menos costoso, si a pesar de ser costoso podríamos tener otro tipo de
ventajas. En el caso que se decida que es mejor utilizar un modelo por no poder
experimentar sobre el sistema, se deberá estudiar más detenidamente al sistema y
contestar a la interrogante ¿Qué tipo de modelo es conveniente emplear? Como ya vimos,
existen varios tipos de modelos y pudiera darse el caso que un modelo físico a escala, por
ejemplo, es lo que necesitamos para cubrir nuestras necesidades.

En el caso que se decida que se requiere un modelo matemático se deberá considerar si

este ya es conocido, si es algorítmico o si tiene soluciones analíticas. En caso de que el
modelo no tenga soluciones analíticas, entonces es cuando se procede a la simulación.
Figura. Esquema de simulación
1.2.2. Pasos básicos de una simulación
Para poder ejecutar una simulación y que esta tenga una mayor probabilidad de ser
exitosa, se requiere una buena planeación y pasos bien definidos a seguir.
A continuación se describen brevemente cada uno de los pasos a seguir:
1. Identificación del problema. Antes de comenzar, debemos identificar y definir nuestro

problema. Estableceremos características importantes, acerca de la problemática,
posibles soluciones sin el uso del a simulación, etcétera. Debemos recalcar que si en este
paso, planteamos mal los alcances de nuestros experimentos o las preguntas sobrepasan
objetos modelables, podemos generar que la simulación sea no exitosa.
No existen técnicas esquematizadas para encontrar cómo definir un problema, es una

cuestión de experiencia.
2. Identificación del sistema. En este paso se buscará establecer cuál es el sistema a

estudiar, sus objetos, sus variables. Así mismo se deberá de buscar limitar al sistema
estableciendo su frontera.

3. Creación del modelo. Esta parte es medular en todo el desarrollo. En ella se busca
comenzar a experimentar con algunas condiciones, con algunas variables y con algunos
objetos del sistema con el fin de aproximarse a un modelo que se apegue más a la
realidad. Hablaremos más extensamente de este paso más adelante.
4. Recolección de datos. Es importante tener toda la información que se pueda del

sistema. Si es que existen datos previos, es prudente tenerlos presente para su uso y
emplearlos en la mejora del modelo. Si no existe ningún dato del sistema real, se puede
hacer uso de datos de sistemas con características semejantes sin dejar de considerar
que no son los datos del sistema en cuestión y que cambios pequeños en ciertas
condiciones, pueden tener como consecuencia cambios grandes en los resultados de la
simulación. Otro aspecto importante en la recolección de datos, es que éstos deberán ser
tratados para que puedan ser empleados para el modelo en cuestión, es decir, se debe
tener cuidado en que las unidades de medida sean consistentes.
5. Implementación de modelo. Gracias a los avances tecnológicos de hoy en día y a la

gran capacidad de procesamiento de algunas computadoras, podemos crear modelos con
grandes cantidades de datos. Algunas simulaciones sólo pueden ser utilizadas usando
computadoras. En este paso, se buscará la ayuda de un científico de la computación,
algún ingeniero en sistemas o alguna persona con un perfil afín que pueda ser capaz de
llevar un modelo a una computadora. Es importante señalar que hoy en día también
existen programas que han sido diseñados para poder trabajar con modelos matemáticos.
6. Validación del modelo. En esta etapa se busca obtener información acerca de la

exactitud del modelo. Más adelante dedicaremos un apartado para ahondar en este paso.
7. Experimentación. Una vez que minimizamos las probabilidades de que nuestro

modelo tenga errores de diseño, seguimos con el proceso de experimentación. En esta
fase se busca obtener información acerca del sistema que modelamos inicialmente.
8. Interpretación. Después de haber realizados suficientes experimentos, se sigue la

etapa de interpretación de resultados. Los resultados obtenidos en esta fase se pueden
considerar uno de las metas a conseguir de todo el proceso de simulación.
9. Documentación. Es importante que después de un proceso tan largo como el que

puede resultar, se realice algún tipo de documentación con el fin de servir de soporte a
simulaciones o investigaciones futuras o con el fin de que otra persona pueda entender el
proceso.

1.2.3. Aplicaciones y ejemplos
Como has visto, la modelación y la simulación son herramientas que usan en diferentes
industrias. Algunos ejemplos de estas aplicaciones son:
 Economía: predicción de índices económicos.

 Medicina: Niveles de contagio de un nuevo virus.
 Meteorología: Predicción ciclones y huracanes.
 Vulcanología: Predicción de movimientos vulcanológicos.
 Industria aeroportuaria: Sincronización en el uso de las pistas de aterrizaje/espeje.
 Milicia: Adiestramiento de personal militar.
 Mercadotecnia: diseminación de la popularidad de un producto.
 Informática: comportamiento de las redes sociales.
Veamos dos ejemplos de los tipos de problemas que la modelación matemática puede
ayudar a resolver en el sector logístico y del transporte.
Ejemplo 1.Sincronización de un semáforo.

Supongamos que en una calle, se sabe que entre las 8 y 9 de la mañana pasan 4
automóviles por minuto. El resto del día, transitan 2 automóviles por minuto. Agreguemos
que en una esquina se deberá colocar un semáforo por la construcción de una nueva
escuela. Queremos saber cuánto tiempo deberá durar el semáforo en rojo si sabemos que
la capacidad máxima de la calle (es decir, la cantidad de autos que ‘caben’ en la calle al
mismo tiempo) es de 6 autos. Queremos que el tiempo de duración del semáforo sea el
indicado para que el semáforo no afecte a otras vialidades.
Figura. Un problema con un semáforo

¿Qué pasaría si ahora quisiéramos que este semáforo estuviera involucrado con el de la
siguiente esquina o con el de una esquina aledaña? ¿Qué condiciones nuevas tenemos?
¿Nos ayuda el modelo que nos ayudó para resolver el primer sistema?
Ejemplo 2. Diseño de rutas

Mejorar el diseño de un recorrido es un problema viejo para las matemáticas. La solución
a este problema nos puede ayudar a proponer mejoras a los problemas de logística
relacionados con rutas, recorridos y caminos. Por ejemplo, para optimizar algunos
procesos como el picking, queremos optimizar los trayectos que cada empleado realiza.
Estas ideas también las podemos hacer compatibles con situaciones más complicadas,
por ejemplo, el diseño de rutas de entrega de un producto.
Si consideramos el segundo ejemplo, optimizar la ruta de entrega de un producto,

podemos pensar en modelar el problema y para esto necesitamos definir cuál es nuestro
sistema de interés, cuáles son las variables que nos interesan, los objetos y aquéllos
elementos que repercutan de alguna manera y otra en el proceso de entrega. Una buena
elección de objetos, serán las unidades de transporte utilizadas para las entregas. Cada
unidad tendrá como parámetro que nos interese, la zona de entrega. El sistema puede ser
la zona de la ciudad por la cual nuestras unidades repartidoras se mueven a lo largo de su
jornada. Las variables de este sistema pueden ser, las condiciones de tráfico, el día de la
semana, la época del año (recordemos que en los periodos cercanos a la Navidad, la
afluencia vehicular es mayor, esto genera congestionamientos y a su vez, implica que
nuestra ruta pueda no ser la más eficiente en esa época del año). Podríamos también
considerar el estado de las unidades, (mantenimiento, rendimiento de gasolina y
experiencia del conductor) pero también podríamos partir del hecho (para facilitar el
modelaje) que las unidades cuentan con un estado bueno de mantenimiento (el cual es
presumible que no nos cause ningún retraso), así como el hecho de que todos los
operadores de las unidades gozan de buena experiencia como para pensar que tienen
pocas probabilidades de sufrir algún percance vial y la solución a éste tenga un coste de
tiempo. Dicho en otras palabras, a pesar de que nuestros sistemas resulten muy
complicados, podríamos empezar nuestros modelos, pensando en las condiciones
necesarias y suficientes para la interacción de nuestro sistema. Las variables que no sean
tan necesarias contemplar, las podríamos intentar resolver en otro sistema, bajo otra
pregunta y tal vez bajo un método diferente a la modelación, por ejemplo, para
asegurarnos que los operadores cuentan con buena experiencia, es necesario que el
departamento de recursos humanos tenga las estrategias adecuadas de contratación.
Ejemplo 3. Red de Suministros

Como sabemos la localización de los almacenes, centro de distribución o fábricas
repercute directamente en la logística de la empresa y con esto en las ganancias. Por
tanto establecer una localización óptima de estos elementos en la red de suministros tiene

mucha importancia. La modelación matemática nos ayuda a obtener información acerca

de estas localizaciones, tal vez, establecer la localización óptima es complicado por la
cantidad de variables a utilizar, pero podemos obtener información suficiente que nos
ayude a establecer diferencias entre los mejores candidatos.
Ejemplo 4. Gestión de inventarios

La gestión de inventarios también se puede ver beneficiada con el uso de la modelación y
simulación matemática. Por ejemplo, sabemos que uno de los objetivos de dicha gestión
es calcular el volumen de inventario óptimo para el buen funcionamiento de una empresa
o el reabastecimiento de un producto. Como ya lo hemos mencionado, si queremos
modelar este tipo de procesos, debemos establecer nuestro sistema, sus variables y sus
objetos.
En el caso del reabastecimiento de un producto, sabemos que es preciso contestar a las

dos siguientes preguntas: “¿Cuánto? y ¿Cuándo?” Donde lo ideal es, encontrar un
equilibrio entre la respuesta de ambas en pro de que las dos queden satisfechas y
minimicemos gastos. Si no se pudiera dar de forma natural un equilibrio, nuestro modelo
de reabastecimiento quedará en términos de la cantidad a reabastecer o del tiempo para
hacerlo. Debemos tomar en cuenta que la elección de nuestro principal objetivo
clasificará la utilización de un modelo determinista o aleatorio.
Cierre de la unidad
A través de esta unidad te has ido acercando a los conceptos modelo, sistema y
simulación los cuales son básicos para este curso. Es importante que hayas logrado
establecer relaciones entre ellos y cómo puedes utilizarlos dentro del sector logístico y de
transporte.
La modelación matemática es una herramienta muy poderosa que nos ayuda a establecer
predicciones y con ello es posible obtener más información que sustenten la toma de
algunas decisiones del sistema en cuestión. La simulación es un experimento que se
realiza sobre un modelo.
No siempre es posible obtener un modelo matemático de algún fenómeno así como es

posible que la simulación sea algo que no está dentro de nuestras posibilidades. Al hacer
simulación, es probable con que nos topemos con obstáculos que no son propios de
nuestro sector y que requiramos de la ayuda de expertos en otras áreas. La siguiente
unidad nos ayudará más a comprender cómo gracias al conocimiento interdisciplinario es
posible construir mejores modelos para ciertas situaciones.

Para saber más
Si quieres saber más acerca de casos de modelación matemática te recomendamos el

siguiente material.
 Regalado, A. et al (2008) Cómo hacer un modelo matemático. La revista "Temas

de Ciencia y Tecnología México: Universidad Tecnológica de la Mixteca. Disponible
en: http://www.utm.mx/edi_anteriores/temas035/2%20ensayo-35.pdf
En este artículo de divulgación que está dedicado a la explicación del cómo hacer
modelos matemáticos, podrás revisar cómo es posible establecer un modelo utilizando
otros ya hechos. También podrás observar cómo es que la dificultad va creciendo en
función de la exactitud de los resultados deseados.
Fuentes de consulta
Básicas
 Dávila V, Ramírez O. (2012) Modelo matemático para la optimización de una

cadena de suministro global con consideraciones de cupos de compra y periodos
de pago. El hombre y la máquina No. 38, Enero-Abril 2012.
 Sarabia, V. (1996) La investigación operativa: una herramienta para la adopción de
decisiones. Madrid: Universidad Pontificia Comillas de Madrid.
 Coss Bú, Raúl (1998) Simulación. Un enfoque práctico. México: Limusa Noriega
Editores.
Complementaria
 Sullivan, Michael (1997) Precálculo. 4ta ed. México: Prentice Hall

Hispanoamericana SA.
 Frank Ayres, (2000) Cálculo diferencial e integral. México: Mc Graw-Hill
Interamericana.
 M. Braun (1990) Ecuaciones diferenciales y sus aplicaciones. México: Grupo
Editorial Iberoamericana.

Unidad 1. Introducción A La Modelación y Simulación PDF

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. Introducción A La Modelación y Simulación PDF

Cargado por

Copyright:

Formatos disponibles

Modelos de simulación

Unidad 1. Introducción a la modelación y simulación

División de Ciencias Exactas, Ingeniería y Tecnología

Ingeniería en Logística y transporte

Unidad 1. Introducción a la modelación y simulación

Universidad Abierta y a Distancia de México

Ciencias Exactas, Ingenierías y Tecnología | Logística y Transporte 1

Unidad 1. Introducción a la modelación y simulación

A lo largo de la historia, la humanidad ha buscado entender algunos fenómenos. Estos,

En esta primera unidad se presentarán los conceptos básicos alrededor de la modelación

El estudio de esta unidad te permitirá:

Analiza los componentes y relaciones de un fenómeno logístico para su interpretación

Ciencias Exactas, Ingenierías y Tecnología | Logística y Transporte 2

1.1. Marco contextual de la modelación y simulación

Para comprender la utilización de los modelos matemáticos, es necesario ubicarnos en el

La modelación y la simulación son herramientas que si son utilizadas correctamente,

Por lo dicho anteriormente, el sector logístico y de transportes puede obtener muchos

1.1.1. Antecedentes de la modelación y simulación

Ciencias Exactas, Ingenierías y Tecnología | Logística y Transporte 3

Representación de la teoría heliocéntrica

Otra respuesta a la pregunta respecto al uso de un modelo, es hacer predicciones. Es

Gracias a que se pueden hacer predicciones mediante la modelación matemática, es

Ciencias Exactas, Ingenierías y Tecnología | Logística y Transporte 4

puede tomar el gobierno para la protección de la ciudadanía, algunas industrias lo utilizan

En la industria automotriz se emplean modelos físicos para realizar diferentes pruebas.

1.1.2. Alcances, ventajas y desventajas

Seguramente te preguntarás ¿Qué podemos y qué no podemos modelar? Como ya lo

Ciencias Exactas, Ingenierías y Tecnología | Logística y Transporte 5

Las industrias juegan un papel crucial en el avance de la tecnología e innovación. Cada

Aunado a lo anterior, es relevante mencionar las ventajas de usar un modelo matemático.

Puede resultar muy bajo en costo y si este modelo es acompañado de un esquema de

Otra ventaja de usar modelos matemáticos es que a través de ellos, tenemos la

Ciencias Exactas, Ingenierías y Tecnología | Logística y Transporte 6

Como estudiaremos con más detalle, un paso medular en el proceso de modelación es la

1.2. Conceptos preliminares

Sistema, Modelo y Simulación.

Será recurrente que hagamos referencia al término: Lenguaje Matemático. A continuación

El lenguaje matemático es la forma que ha desarrollado la matemática para comunicar

Ciencias Exactas, Ingenierías y Tecnología | Logística y Transporte 7

Ejemplo 1. ¿Cómo se describe en lenguaje matemático la siguiente situación? El costo de

Primero observamos que el costo de producción más el costo de transporte es $120

sustituyendo los valores conocidos:

Esta ecuación la podríamos plantear de forma más general:

Verificamos el ejemplo numérico utilizado arriba:

Ciencias Exactas, Ingenierías y Tecnología | Logística y Transporte 8

Queremos encontrar una función que determine la distancia a la que se encuentran

Si construimos el siguiente esquema, podemos observar que el movimiento de las naves

Figura. Movimiento de naves

de aquí que decidamos usar el Teorema de Pitágoras, es decir:

1.2.1. Definiciones básicas

Ciencias Exactas, Ingenierías y Tecnología | Logística y Transporte 9

Figura. Esquema de un Sistema

En cada sistema también encontraremos ciertos parámetros llamados variables del

Ciencias Exactas, Ingenierías y Tecnología | Logística y Transporte 10

Vamos a entender por estado de un sistema al conjunto de variables (necesarias) para

Existen muchas clasificaciones para los sistemas. A continuación presentamos solo

Tabla 1. Clasificación de Sistemas

Un segundo concepto que vamos a revisar es el de Modelo.

Ciencias Exactas, Ingenierías y Tecnología | Logística y Transporte 11

Figura. Modelo a partir de un sistema

Existen diferentes tipos de modelos: gráficos, físicos, simbólicos, científicos y dentro de

Un mapa es un modelo gráfico de un territorio

Ciencias Exactas, Ingenierías y Tecnología | Logística y Transporte 12