Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ESTUDIANTES
PRESENTADO A.
GRUPO: 212026_52
Con este Trabajo permite obtener conocimientos de modelos matemáticos que tienen como
objetivo explicar cómo se pueden representar diversos fenómenos en entornos computacionales.
Esos modelos son representaciones simplificadas de un proceso real, sin embargo, tienen la
función de comprender las variables relevantes, descartando aquellas que no alteran
significativamente el comportamiento de procesos y hacen que el modelo se torne excesivamente
complejo. Para lograr todo esto es indispensable tener claros los conceptos de simulación y
modelamiento, así como cada uno de las herramientas matemáticas que cada proceso implica.
En esta primera actividad colaborativa llamada Paso 1 – Modelar y Simular Sistemas Industriales,
en donde se busca, primeramente, reconocer y manejar las herramientas software empleadas en el
curso. Con los actores del pequeño grupo colaborativo desarrollar el Taller Modelos de
Programación Dinámica, segunda actividad del curso Modelos y simulación.
Debe resolverse una serie de problemas de programación lineal con los conocimientos previos, la
realización se debe fundamentar en los conocimientos del entorno de conocimiento u otras
referencias bibliográficas que pueda aclarecer el concepto a trascender o desarrollar.
Objetivo General
Resolver los problemas conceptualizando con el manejo del software Xpress IVE, Excel o PHP
SIMPLEX e indagando las referencias bibliográficas brindadas.
Objetivo Especifico
Esquema de trabajo
Punto 1.
Tipos de simulación.
1. Modelos de simulación Discretos. Modelación de un sistema por medio de una
presentación en la cual el estado de la variable cambia instantáneamente en instante de
tiempo.
2. Modelo de simulación continuos. Modelación de un sistema por medio de una
representación en la cual variables de estado cambian continuamente en el tiempo.
3. Simulación Discreta – Continúa combinada. 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.
4. Modelo de simulación estáticos. Representa las relaciones del sistema cuando está quieto
o en equilibrio ejemplo. Maqueta, Plano el cambio de lugar de esta pared del plano de la
casa refleja un nuevo.
5. Modelos simulación Dinámicos. Refleja 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
viviente.
6. Modelación de simulación Determinísticos. Es un modelo de simulación que no
considera ninguna variable importante, comportándose de acuerdo con una ley
probabilística.
7. Modelos de Simulación Estocásticos. Se modela tomando en cuenta algún componente
aleatorio de entrada. Un ejemplo sería un sistema de inventario de una fábrica.
8. Modelo de simulación Matemático. Representa la realidad en forma abstracta de muy
diversas maneras.
9. Modelo de simulación físicos. Son aquellos en que las realidades representada por algo
tangible, construido en escala o que por lo menos se comporta en forma análoga a esa
realidad (maqueta, prototipos, modelo analógicos etc.)
10. Modelo Simulación Analíticos. La realidad se representa con formula matemáticas.
Estudiar el sistema consiste en operar con esa fórmula matemática (resolución de
ecuaciones).
Numéricos: se tiene el comportamiento numérico de las variables interventoras. No se
obtiene ninguna solución analítica.
A demás 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.
ARENA. Es un modelo de simulación por computadora que nos ofrece un mejor entendimiento de
las cualidades de un sistema, efectúa diferentes análisis del comportamiento. Arena facilita la
disponibilidad del software el cual está formado por módulos de lenguaje siman. Arena no tiene un
enfoque único objetivo de la industria. La flexibilidad de la herramienta de modelado de
simulación Arena permite el análisis de todo, desde centros de atención al cliente para completar
las cadenas de suministro.
SIMNET. El diseño de SIMNET II se basa en la idea general que los modelos de simulación
discreta pueden crearse de una u otra manera como sistemas de líneas de espera. En este contexto,
el lenguaje se basa en un acercamiento de red que utiliza tres nodos auto descriptivos: una fuente,
en donde llegan las transacciones (clientes), una línea de espera, donde la espera tiene lugar en
caso de que esta sea necesaria, y una instalación, en donde se lleva a cabo el servicio. Se agrega un
cuarto nodo, llamado auxiliar, para incrementar las capacidades de modelación de lenguaje. Esta
información se almacena en archivos. SIMNET II utiliza diferentes tipos de archivos:
1. Calendario de eventos (o E.FILE como se llama en SIMNET II) es el archivo principal que
mueve la simulación.
2. Línea de espera.
OR Brainware Decision Tools. El objetivo del módulo de Líneas de Espera de OR Brainware
Decision Tools Versión 2.1.0 es apoyar a las pequeñas y medianas empresas en el estudio de las
colas en sus sistemas de producción de bienes o servicios de una manera sencilla y rápida. Está
compuesto por un total de 8 modelos de líneas de espera, seis de los cuales están diseñados para
poblaciones infinitas, y los otros dos modelos restante son para poblaciones finitas.
El módulo de Control de Inventarios del programa OR Brainware Decision Tools versión 2.1.0
está constituido por un conjunto de diez sub-módulos de optimización que le ayudarán a las
pequeñas y mediana empresas a tomar decisiones en cuanto a tamaños óptimos del lote de
producción o de compra.
Planificación estratégica
Gestión de recursos
Reingeniería de procesos
La última versión del programa POWERSIM 2.5, incorpora prestaciones multimedia galerías de
objetos y efectos de colores para realizar presentaciones de cierta espectacularidad de cara a los
usuarios, no tan avanzadas, por ejemplo, las que ofrece el programa WITNESS, pero superiores a
las presentaciones relativamente planas del I’THINK.
Tanto Stella como I’THINK son el mismo desarrollo informático aunque preparado
específicamente para diferentes entornos de trabajo. Así, STELLA está diseñado para aplicaciones
científicas y de ciencias sociales, mientras que I’THINK está diseñado para servir de soporte a
aplicaciones del ámbito de la empresa.
La última versión del programa I’THIN 5.1.1, incorpora algunos elementos de visualización
gráfica “amigable” de resultados del tipo “simulador de vuelo” y mayor potencia de cálculo.
Herramientas más utilizadas en el ámbito académico y empresarial
Podemos nombrar, en orden alfabético, a:
AnyLogic
Evolución
iThink/Stella
Powersim
Simile
Vensim
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.
WITNESS
Ya fue mencionado anteriormente y es uno de los más usados, más confiables y mejor conocidos
entre los softwares SED (Simulación de eventos discretos).
El WITNESS contiene muchos elementos para manufactura discreta de partes y es fuertemente
orientado a máquinas. Por ejemplo, las máquinas pueden ser sencillas, en lotes, producción,
ensamble, multi-estaciones, o multi-cíclo. Las bandas transportadoras pueden acumular o no
acumular. Existen opciones para la mano de obra, vehículos, y cuadrillas de trabajo. El WITNESS
también contiene elementos para procesamiento continuo incluyendo flujo de fluidos a través de
procesadores, tanques y pipas. Se pueden especificar variables y atributos. Las partes que llegan
pueden ser programadas usando un archivo. Se pueden usar funciones y distribuciones para
especificar tiempos de operación y para otros propósitos. Los tiempos muertos de las máquinas
pueden programarse sobre la base de operación, tiempo de uso, o tiempo disponible. La mano de
obra es un recurso que puede ser preferenciado, usando un sistema de prioridades, y ser una base
programada para las condiciones actuales del modelo.
ARENA
También mencionado anteriormente, este software es una gran herramienta para simular procesos
de cualquier tipo. Desde simples colas hasta procesos con gran cantidad de variables involucradas.
Este tipo de software es de gran utilidad para visualizar y estudiar de qué modo se están llevando a
cabo diferentes procesos.
Arena cuenta con un sistema de animación llamado Cinema Animation System, el que nos ayuda a
comprender y visualizar los procesos en forma clara. Además, Arena nos entrega la capacidad de
diseñar ambientes de simulación y además nos da la posibilidad de crear diferentes Templates
(barras de herramientas) para una empresa específica, departamento o tarea usando el lenguaje e
imágenes para facilitar el trabajo y comprensión de la simulación.
TAYLOR ED
El Taylor Ed es un paquete de software desarrollado por la compañía fabricante de
software FLEXSIM. El flujo de conexiones entre los átomos en Taylor ED está determinado a
través de canales, que es lo mismo que los encadenamientos en otros softwares. El Taylor Ed sale
del mercado dejando su lugar al simulador FLEXSIM.
Análisis del proceso de producción de aceites básicos en la refinería Sergio soto mediante la
simulación.
El objetivo es aplicar la estrategia de análisis de procesos a la producción de aceites para
transformadores para conocer las relaciones existentes entre las principales variables en las
distintas etapas para utilizarlas en la simulación del proceso mediante HYSYS.
Análisis de sensibilidad.
El análisis de sensibilidad aplicado al modelo estadístico permite identificar cuales variables del
proceso estudiadas son las que más influyen en las características del producto final restablecer un
orden jerárquico de la sensibilidad de las variables que sirve como guía para tomar decisiones a la
hora de controlar el proceso. Para realizar el análisis de sensibilidad se escogieron los siguientes
datos históricos:
Variable: densidad del aceite filtrado 0.9009g/cm3
Se logró establecer que las variables que producen mayores cambios en las propiedades analizadas
del aceite filtrado son la densidad del aceite seco y el número de neutralización del aceite ácido y
su interacción con la densidad, por lo cual las operaciones en las que se recomienda priorizar
esfuerzos para su control son el secado y refinado con ácido sulfúrico, neutralización, lavado y
secado del aceite.
I. Problema 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.
Precio de Venta
Aleación Especificaciones
($ / TON)
De 40 a 60% de II
B Cuando menos 30% de III 300
Cuando más 70% de IV
Precio de Venta
Aleación Especificaciones
($ / TON)
De 40 a 60% de II
B Cuando menos 30% de III 300
Cuando más 70% de IV
¿De acuerdo con la presentación de este segundo caso, cuál de los dos proveedores escogería,
de acuerdo a su análisis? Justifique matemáticamente su respuesta.
La idea es estructurar de la siguiente forma:
VARIABLES
X11 - Cantidad de Llaves elaboradas en Tiempo Normal
X12: - Cantidad de Llaves elaboradas en Tiempo Extra
X13: - Cantidad de Llaves elaboradas por Subcontratación
X21: - Cantidad de Cinceles elaborados en Tiempo Normal
X22: - Cantidad de Cinceles elaborados en Tiempo Extra
X23: - Cantidad de Cinceles elaborados por Subcontratación
DEFINICIÓN DE PARÁMETROS
Límite máximo de producción
- Límite Máximo para Llaves acumulado en Tiempo Normal
- Límite Máximo para Llaves acumulado en Tiempo Extra
- Límite Máximo para Cinceles acumulado en Tiempo Normal
- Límite Máximo para Cinceles acumulado en Tiempo Extra
Costos
- Costo Llaves ($/u)Tiempo Normal
- Costo Llaves ($/u)Tiempo Extra
- Costo Llaves ($/u)Subcontratadas
- Costo Cinceles ($/u)Tiempo Normal
- Costo Cinceles($/u)Tiempo Extra
- Costo Cinceles($/u)Subcontratadas
Demanda mínima requerida
- Mínimo Requerido de Llaves (Total)
- Mínimo Requerido de Cinceles (Total)
Las restricciones se estructuran de la siguiente forma
RESTRICCIONES
- Producir al menos XXXXX Llaves
- Producir al menos XXXXX Cinceles
- Rango de Producción Llaves Tiempo Normal
- Rango Acumulado de Producción Llaves Tiempo Extra
- Rango de Producción Cinceles Tiempo Normal
- Rango Acumulado de Producción Cinceles Tiempo Extra
II. Problema 2: 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 Venta
Aleación Especificaciones
($ / TON)
De 10 a 20% de Componente II
B Cuando menos 12% de Componente III 280
Cuando más 11% de Componente IV
Precio de
Aleación Especificaciones
Venta ($)
De 40 a 60% de II
B Cuando menos 30% de III 300
Cuando más 70% de IV
Variables
Definición de Parámetros
[
A= a21 a22 a23 a 24 a 25
a31 a32 a33 a 34 a 35 ]
a m∗a n
m= Filas
n= Columna
COMPONENTE
Metal I II III IV OTROS
0, 0,
1 0,2 2 2 0,05 0,1
0,
2 0,1 1 0 0,18 0,2
3 0,03 0, 0 0,31 0
2
Variable - Cantidad de producto a transportar desde las Plantas hasta las Tiendas
X1, X2, X3, X4, X5, X6
MATRICES
Plantas
[800,
700,
100,
400]
Tiendas
[250,150,200,550,350,100]
Costos de Transporte
[3,5,12,5,4,3,
8,7,9,5,9,7,
6,2,3,8,2,5,
4,10,4,6,5,8]
RESTRICCIONES
Oferta para cada Planta
3 X 1 +5 X 2 +12 X 3 +5 X 4 + 4 X 5+3 X 6 ≤ 800
8 X 1 +7 X 2+ 9 X 3 +5 X 4 + 9 X 5+ 7 X 6 ≤700
6 X 1 +2 X 2 +3 X 3 +8 X 4 +2 X 5 +5 X 6 ≤100
4 X 1 +10 X 2 +4 X 3 +6 X 4+ 5 X 5 +8 X 6 ≤ 400
Demanda para cada Tienda
3 X 1 +8 X 2 +6 X 3+ 4 X 4 ≤250
5 X 1 +7 X 2 +2 X 3 +10 X 4 ≤ 150
12 X 1 +9 X 2 +3 X 3 + 4 X 4 ≤ 200
5 X 1 +5 X 2 +8 X 3 +6 X 4 ≤550
4 X 1 +9 X 2 +2 X 3 +5 X 4 ≤ 350
3 X 1 +7 X 2 +5 X 3 +8 X 4 ≤100
MATRICES
Plantas
[150,
320,
180,
250]
Tiendas
[200,300,250,150]
Costos de Transporte
[10,13,19,11,
12,11,17,11,
15,18,12,10,
18,14,16,9]
RESTRICCIONES
Oferta para cada Planta
10 X 1 +13 X 2 +19 X 3 +11 X 4 ≤ 800
12 X 1 +11 X 2 +17 X 3 +11 X 4 ≤700
15 X 1 +18 X 2 +12 X 3 +10 X 4 ≤ 100
18 X 1 +10 X 2 +4 X 3 +6 X 4 ≤ 400
¡ Identificación y exposición de conceptos básicos, con respecto a cada caso: el estudiante debe
presentar la simulación para cada ejercicio, en donde se pueda identificar: Imagen con la
construcción del modelo en el software, imagen(es) con la(s) respuesta(s) de la(s) variables;
imagen con la respuesta de la función objetivo.
Problema 1.
PENDIENTE
Problema 2. Fue resuelto con el programa de complemento de Microsoft Excel llamado SOLVER
la cual se usa para llevar a cabo análisis y así encontrar un valor óptimo (mínimo o máximo).
VARIABLES
F
X11 X21 X31 Objetiva
0 3 0 5250
2800 2100 3700
Restricciones Componente para
aleacion 1
Máximo contenido de componente 1 en la aleación 1.
L IZQ LDER
0,20 0,10 0,03 0,25 0,35
Máximo contenido de componente 2 en la aleación 1
0,20 0,10 0,20 0,25 0,25
Mínimo contenido de componente 4 en la aleación 1
0,05 0,18 0,31 0,45 0,38
Respuesta. Se debe producir de la aleación 1=A la cantidad de 3 del Metal 2 para obtener
una utilidad de $5250.
VARIABLES
F
X12 X22 X32 Objetiva
1 1 0 3360
2800 2100 3700
Restricciones de componente para aleación 2.
Mínimo contenido de componente 2 en la aleación 2
L IZQ LDER
0,2 0,1 0,2 0,2 0,1
Máximo contenido de componente 2 en la aleación 2
0,2 0,1 0,2 0,2 0,2
Mínimo contenido de componente 3 en la aleación 2
0,2 0 0 0,12 0,12
Máximo contenido de componente 4 en la aleación 2
0,05 0,18 0,31 0 0,11
La cantidad Optima a ser Transportada tiene una asignación o envío de $ 15.250 y los recorridos mas Optimos son los
siguientes:
Planta 1 - Tienda 1 = 250
Función Objetiva 15250
Planta 1 - Tienda 2 =150
Planta 1 - Tienda 3 =200
Planta 1 - Tienda 4 =450
Planta 3 - Tienda 4 =100
Planta 2 - Tienda 5 = 350
Planta 2 . Tienda 6 =100
Planta 4 - Tienda 6 =400
= = = = = =
DEMANDA 250 150 200 550 350 100
En este ejercicio se busca determinar las cantidades optima a ser transportadas desde cada
origen y hacia cada destino “4 Planta vs 4Tiendas”, se establecieron las variables,
restricciones oferta para cada Planta y Demanda para cada Tienda y función Objetiva,
dando el siguiente resultado
La cantidad Optima a s er Trans portada tiene una asignación o envío de $ 14.510 y los recorridos mas Optim os son los
siguientes:
Planta 4 - Tienda 1 = 200
Función Objetiva 14510 Planta 2 - Tienda 2 =70
Planta 3 - Tienda 2 =180
Planta 4- Tienda 2 =50
Planta 1 - Tienda 3 =150
Planta 2 - Tienda 3 = 100
Planta 2 . Tienda 4 =150
= = = =
DEMANDA 200 300 250 150
La Simulación es una técnica numérica para conducir experimentos en una computadora. 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,
del mismo modo la modelación nos permite optimizar procesos y llegar a predecir resultados que
nos permiten tomar una mejor decisión en un proyecto.
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=4310046&tm=1544036108836
Modelos Matemáticos y Simulación en la Ingeniería Industrial: definiciones, aplicaciones y
análisis de sensibilidad
Singer, M. (2013). Una práctica teoría de la optimización lineal : datos, modelos y decisiones.
Santiago, Chile: Ediciones UC. Disponible en la Biblioteca Virtual de la UNAD (pp.3-69).
Recuperado de: http://bibliotecavirtual.unad.edu.co/login?
url=https://bibliotecavirtual.unad.edu.co:2969/login.aspx?
direct=true&db=nlebk&AN=1725244&lang=es&site=ehost-live&ebv=EB&ppid=pp_3
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
El modelo de transporte
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=3214887&tm=1544036769138
Martínez, Salazar, Iris Abril, and Camarón, Gastón Vértiz (2014). Investigaciones de operaciones,
Grupo Editorial Patria, 2014. Disponible en la Biblioteca Virtual de la UNAD (pp. 149-179).
Recuperado de: https://bibliotecavirtual.unad.edu.co:2538/lib/unadsp/reader.action?
ppg=162&docID=3227913&tm=1544036684162