ACtiidad 1 Presaberes

Actividad 1 - Reconocer los presaberes de modelos de simulación
ESTUDIANTE:
Laura Maria Ortega Ortega
Cc 1107068785
Curso: 212026A_951
TUTOR:
NIDIA STELLA RICON PARRA
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA
FEBRERO, 2021
Introducción
Gracia al desarrollo tecnológico, existe un gran abanico de herramientas
informáticas que a la hora de realizar un proyecto les facilita el trabajo a los
ingenieros industriales, le permite primero hacer una serie de simulaciones
y pruebas, que le ayudan a determinar los puntos críticos y los puntos
fuertes de las actividades a desarrollar en el proyecto.
La importancia del modelo matemático radica en permitir analizar de una manera
cuantitativa la viabilidad de un proyecto.

Justificacion
Hoy en día, por más pequeña que sean las empresas siempre su foco estañen
fortalecerse cada vez a nivel competitivo, obligándose a la implementación de
estrategias y/o herramientas que los lleve a buscar esos objetivos, fundamentados
en la acertada planificación y ejecución de proyectos de mejora. Siempre se busca
herramientas de medición, permitiendo la medición y la generación de planes
estratégicos.
Por eso la importancia de conocer y manejar los conceptos aprendidos durante el
transcurro académico, para poder aplicarlos en el momento que se necesiten.

OBJETIVOS
OBJETIVO GENERAL
Reconocer los modelos de simulación como herramienta de mejoramiento
en los procesos y sistema s, a l igua l como en e l u so de nue va s
ap licacio nes de tecno lóg icas pa ra est e propósito.
OBJETIVOS ESPECIFICOS:
✓ Reconocer los diferentes entornos del curso
✓ Identificar a los integrantes del grupo de trabajo del curso.
✓ Investigar sobre diferentes temas concernientes a al modelación y simulación
✓ Participar de forma continua en el foro de trabajo colaborativo.

DESARROLLO DE LA ACTIVIDAD
1.¿Qué es la programación lineal?
La programación lineal es un método matemático que sirve de
optimización, permitiendo presentar modelos lineales para obtener una disminución
en los costos o maximizar utilidades, en las diferentes áreas de una organización.
Por lo que su conocimiento y aplicación es tan útil en la administración para obtener
una eficiente optimización de los procesos y toma de decisiones.
Tipos de Programación Lineal
El modelo de Programación Lineal esta compuesto de dos elementos principales
• Función objetivo
• Restricciones estructurales y de no negatividad.
En la programación lineal manejando dos variables puede darse una variedad de
tipos de soluciones como son:
✓ Solución Única
✓ Solución Múltiple (infinitas soluciones)
✓ Solución no Acortada: no se tiene solución, no se tiene unos valores
extremos en la función objetivo.
✓ Solución no Factible: no existen puntos comunes el sistema de inecuaciones,
es decir no hay región factible.
✓ Solución degenerada: Si en un punto coinciden tres o mas de las rectas que
limitan la región factible.

Usos y aplicaciones, según la tipología.
La programación Lineal como herramienta de optimización se utiliza de manera
eficiente en los diferentes procesos de la administración, siendo una práctica en la
ciencia, ingeniería y los negocios.
✓ Logística y cadena de suministro: es una herramienta para minimizar los
costos de transporte en una red de cadena de suministro. Además, permite
diseñar una red de suministro. Encontrando la ubicación óptima de centros de
distribución, que minimice los costos de transporte y cumpla con la demanda
del cliente.
✓ Producción: permite realizar un plan para aumentar la capacidad de
producción de una empresa; al mismo tiempo que se minimizan los costos de
producción y se cumple con la demanda del cliente.
✓ Financiera: utilizada para la optimización de distribución de capital, selección
de cartera de valores, portafolios de inversión y consideraciones financieras.
✓ Marketing: se utiliza para el estudio de mercado, selección de medios de
comunicación, asignación de territorios de ventas y Distribución de ventas.
✓ Recurso Humano: Esta herramienta permite planear horarios de trabajo con
la finalidad de adaptar la capacidad productiva a los requerimientos de la
organización. asignación de tareas y programación de horarios en el ámbito
educativo.
2. ¿Qué son los métodos determinísticos? Tipos. - Usos y aplicaciones, según
la tipología
Es una herramienta fundamental para la toma de decisiones, se optimiza los
resultados de logística, administrativos y financieros de una organización con el
objetivo d mejorar los procesos, reducir costos y mejorar los recursos técnicos.
METODOS PROBABILISTICOS:
Modelo probabilístico o estadístico es la forma que pueden tomar un conjunto de
datos obtenidos de muestreos datos con comportamiento que se supone aleatorio.
Un modelo estadístico es un tipo de modelo matemático que usa la probabilidad y
que incluye un conjunto de asunciones sobre la generación de algunos datos
muestrales, de tal manera que asemejen a los datos de una población mayor.
Las asunciones o hipótesis de un modelo estadístico describen un conjunto de
distribuciones de probabilidad, que son capaces de aproximar de manera adecuada
un conjunto de datos. Las distribuciones de probabilidad inherentes de los modelos
estadísticos son lo que distinguen a los modelos de otros modelos matemáticos
deterministas.
Un modelo estadístico queda especificado por un conjunto de ecuaciones que
relacionan diversas variables aleatorias, y en las que pueden aparecer otras
variables no aleatorias. Como tal "un modelo es una representación formal de una
teoría
Pasos para la construcción de modelos matemáticos:
➢ Identificación del problema: Necesita ser simulada, optimizada o
controlada.
➢ Elección del tipo de modelo: El modelo debe ser suficientemente simple
como para permitir un tratamiento matemático asequible con los recursos
disponibles.
Identificar el mayor número de datos fidedignos, rotular y clasificar las
incógnitas.
➢ Formalización del modelo: En esta fase posiblemente se introduzcan
también simplificaciones suficientes para que el problema matemático de
modelización sea tratable computacionalmente.
Se detalla de que forma tienen los datos de entrada, que tipo de herramientas
matemática se usara, como se adaptan a la información previa existente.
➢ Comparación de Resultados: Los resultados obtenidos como predicciones
necesitan ser comparados con los hechos observados para ver si el modelo
está presidiendo bien.
Si los resultados no se ajustan bien, frecuentemente se vuelve a la fase 1.
• Variables de decisión y parámetros
Las variables de decisión son incógnitas que deben ser determinadas a partir de la
solución del modelo. Los parámetros representan los valores conocidos del sistema
o que se pueden controlar. Las variables de decisión se representan por: X1, X2,
X3,…, Xn ó Xi, i = 1, 2, 3,…, n.
• Función Objetivo
La función objetivo es una relación matemática entre las variables de decisión,
parámetros y una magnitud que representa el objetivo o producto del sistema. Es
la medición de la efectividad del Modelo formulado en función de las variables.
Determina lo que se va optimizar (Maximizar o Minimizar).
• Restricciones Las restricciones son relaciones entre las variables de decisión y
los recursos disponibles. Las restricciones del modelo limitan el valor de las
variables de decisión. Se generan cuando los recursos disponibles son limitados.
3. ¿Qué son los métodos probabilísticos? Tipos. Usos y aplicaciones, según
la tipología.
Consisten en representar cada uno de los parámetros del modelo mediante
funciones de distribución probabilísticas en lugar de hacerlo mediante estimaciones
puntuales, como se haría en un análisis determinístico.
Tipos de muestreos probabilísticos son:
• Muestreo Aleatorio Simple (M.A.S.). Cada sujeto tiene una probabilidad igual
de ser seleccionado para el estudio. Se necesita una lista numerada de las
unidades de la población que se quiere muestrear. Opciones: ◦ Fichas de
lotería o bolitas numeradas ◦ Tabla de números aleatorios

• Muestreo sistemático. Se toman todos los individuos de la lista y se
selecciona c/3, c/7, o cualquier otro número. Para comenzar se utiliza un
número al azar
• Muestreo estratificado. Cuando la muestra incluye subgrupos representativos
(estratos) de los elementos de estudio con características específicas:
urbano, rural, nivel de instrucción, año académico, carrera, sexo, grupo
étnico, edad, paridad etc. En cada estrato para obtener el tamaño de la
muestra se puede utilizar el muestreo aleat
• orio o sistemático.
• Muestreo por conglomerados. Limitantes: financieras, tiempo, geografía y
otros obstáculos. Se reducen costos, tiempo y energía al considerar que
muchas veces las unidades de análisis se encuentran encapsuladas o
encerradas en determinados lugares físicos o geográficos: Conglomerados.
Unidad de análisis: sujeto o sujetos Unidad Muestral en este caso:
conglomerado a través del cual se logra el acceso a la unidad de análisis.
Selección en 2 etapas: ◦ Los racimos o conglomerados ◦ En los racimos se
seleccionan a los sujetos a ser medidos. Población, Localidades, Viviendas.
Croquis.
4. La modelación matemática y las herramientas de software.
Los Modelación Matemática es una herramienta muy importante que ayuda a:
a. Compren el escenario en el que se desarrolla.
b. Motiva el aprendizaje de las matemáticas.

c. Estimula el desarrollo de algunas habilidades actitudinales de tipo
matemático.
d. Coadyuva a tener una mejor óptica de las matemáticas.
La Modelación Matemática se lleva con unas fases que son:
a. Identificación de un problema a resolver, con los objetivos claros, concisos y
alcanzables
b. Conocimiento de los aspectos cognitivos que rigen el problema, por medio
de leyes, teorías y conceptos inmersos en la situación objeto de trabajo.
c. Formulación de la situación-problema en términos matemáticos, mediante
ecuaciones y/o relaciones matemáticas, identificando para ello las variables,
parámetros y los supuestos a que haya lugar.
d. Solución del problema y/o proceso matemático obtenido. A través del uso de
herramientas como tablas, gráficas, ecuaciones diferenciales, estadística,
investigación de operaciones.
e. Comparación del modelo con la situación real.
f. Análisis de las restricciones al modelo. Es importante tener en cuenta las
suposiciones hechas, así como el marco donde se va a limitar el dominio de
la solución obtenida.
g. Escenario de aplicación del modelo, así como su interpretación. Es aquí
donde se evidencia el cumplimiento de metas, teniendo en cuenta sus
restricciones, si las hubiere.

Tipos de modelos
Existen diferentes clasificaciones de los modelos.
Para el procesamiento y análisis de la problemática, utilizando análisis de regresión:
✓ Ploteo de puntos para analizar tendencia de datos.
✓ Selección del tipo de modelo a ajustar.
✓ Ajuste del modelo, con el apoyo de un software apropiado.
✓ Descripción del proceso a partir del modelo obtenido.
Para modelos explicativos y dinámicos, se deben tener en cuenta los siguientes
criterios:
• Métodos de ajuste de los modelos.
• Error estándar de los estimadores de los parámetros (Test t de Student).
• Coeficiente de variación de los estimadores.
• Límites de confianza de los parámetros.
• Test de redundancia de los parámetros.
• Análisis de varianza relacionado con el modelo en cuestión.
• Coeficiente de determinación R2 y R2 ajustado por los grados de libertad,
para modelos con diferentes números de parámetros.
• Suma de cuadrados o Cuadrado Medio Residual.
• Error estándar de estimación.
• Test de falta de ajuste del modelo.
• Análisis del efecto del uso de transformaciones en el modelo.

• Diagnóstico y tratamiento de la multicolinealidad, en modelos de regresión
lineal múltiple.
• Validación de las predicciones del modelo.
• Estadístico PRESS (Suma de Cuadrados del Error de Predicción).
• Estadístico CMEP (Cuadrado Medio del Error de Predicción).
• Estadístico Cp de Mallows.
• Coeficientes de correlación entre los resultados predichos y los reales.
• Análisis de la precisión de las estimaciones.
• Análisis de los residuos.
• Normalidad (Test de Shapiro-Wilks, Kolmogorov-Smirnov).
• Autocorrelación (Test de Rachas, Signos, Durbin-Watson, X2 de
independencia, Ljung y Box).
• Homocedasticidad (Gráficos de los residuos, Test de Cochran, Bartlett y
Hartley).
CONCLUSION
La Simulación es una gran herramienta para la toma de decisiones. No existe
empresas con alguna dificultad de planificación, esta herramienta le puede ayudar
a ver con más claridad la solución. Es muy común estos modelos cuando las
soluciones no son comunes o de presentación continua.

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://elibro-net.bibliotecavirtual.unad.edu.co/es/ereader/unad/61422?page=1
Singer M. Una Práctica Teoría de La Optimización Lineal : Datos, Modelos y
Decisiones. Ediciones UC; 2013. Accessed August 18, 2020. Recuperado
de http://search.ebscohost.com.bibliotecavirtual.unad.edu.co/login.aspx?direct=tru
e&db=nlebk&AN=1725244&lang=es&site=eds-live&scope=site
González Ariza, A. L., & García Llinás, G. A. (2015). Manual práctico de
investigación de operaciones I: Vol. Cuarta edición, revisada y aumentada.
Universidad del Norte. Recuperado
de https://bibliotecavirtual.unad.edu.co/login?url=http://search.ebscohost.com/login
.aspx?direct=true&db=nlebk&AN=1537248&lang=es&site=eds-live&scope=site
Singer, M. (2013). Una práctica teoría de la optimización lineal : datos, modelos y
decisiones. Ediciones UC. Recuperado
Gómez Gómez, I. (Ed.) y Brito Aguilar, J. G. (Ed.). (2020). Administración de
Operaciones. Universidad Internacional del Ecuador, Guayaquil. https://elibro-
net.bibliotecavirtual.unad.edu.co/es/lc/unad/titulos/131260
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

ACtiidad 1 Presaberes

Cargado por

Información del documento

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

ACtiidad 1 Presaberes

Cargado por

Copyright:

Formatos disponibles

Actividad 1 - Reconocer los presaberes de modelos de simulación

Laura Maria Ortega Ortega

NIDIA STELLA RICON PARRA

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

Gracia al desarrollo tecnológico, existe un gran abanico de herramientas

informáticas que a la hora de realizar un proyecto les facilita el trabajo a los

ingenieros industriales, le permite primero hacer una serie de simulaciones

y pruebas, que le ayudan a determinar los puntos críticos y los puntos

fuertes de las actividades a desarrollar en el proyecto.

La importancia del modelo matemático radica en permitir analizar de una manera

cuantitativa la viabilidad de un proyecto.

fortalecerse cada vez a nivel competitivo, obligándose a la implementación de

en la acertada planificación y ejecución de proyectos de mejora. Siempre se busca

herramientas de medición, permitiendo la medición y la generación de planes

Por eso la importancia de conocer y manejar los conceptos aprendidos durante el

transcurro académico, para poder aplicarlos en el momento que se necesiten.

Reconocer los modelos de simulación como herramienta de mejoramiento

en los procesos y sistema s, a l igua l como en e l u so de nue va s

ap licacio nes de tecno lóg icas pa ra est e propósito.

✓ Reconocer los diferentes entornos del curso

✓ Identificar a los integrantes del grupo de trabajo del curso.

✓ Investigar sobre diferentes temas concernientes a al modelación y simulación

✓ Participar de forma continua en el foro de trabajo colaborativo.

1.¿Qué es la programación lineal?

La programación lineal es un método matemático que sirve de

optimización, permitiendo presentar modelos lineales para obtener una disminución

en los costos o maximizar utilidades, en las diferentes áreas de una organización.

Por lo que su conocimiento y aplicación es tan útil en la administración para obtener

una eficiente optimización de los procesos y toma de decisiones.

Tipos de Programación Lineal

El modelo de Programación Lineal esta compuesto de dos elementos principales

• Restricciones estructurales y de no negatividad.

En la programación lineal manejando dos variables puede darse una variedad de

tipos de soluciones como son:

✓ Solución Múltiple (infinitas soluciones)

✓ Solución no Acortada: no se tiene solución, no se tiene unos valores

extremos en la función objetivo.

✓ Solución no Factible: no existen puntos comunes el sistema de inecuaciones,

es decir no hay región factible.

✓ Solución degenerada: Si en un punto coinciden tres o mas de las rectas que

limitan la región factible.

La programación Lineal como herramienta de optimización se utiliza de manera

eficiente en los diferentes procesos de la administración, siendo una práctica en la

ciencia, ingeniería y los negocios.

✓ Logística y cadena de suministro: es una herramienta para minimizar los

costos de transporte en una red de cadena de suministro. Además, permite

diseñar una red de suministro. Encontrando la ubicación óptima de centros de

distribución, que minimice los costos de transporte y cumpla con la demanda

✓ Producción: permite realizar un plan para aumentar la capacidad de

producción de una empresa; al mismo tiempo que se minimizan los costos de

producción y se cumple con la demanda del cliente.

✓ Financiera: utilizada para la optimización de distribución de capital, selección

de cartera de valores, portafolios de inversión y consideraciones financieras.

✓ Marketing: se utiliza para el estudio de mercado, selección de medios de

comunicación, asignación de territorios de ventas y Distribución de ventas.

✓ Recurso Humano: Esta herramienta permite planear horarios de trabajo con

la finalidad de adaptar la capacidad productiva a los requerimientos de la

organización. asignación de tareas y programación de horarios en el ámbito

Es una herramienta fundamental para la toma de decisiones, se optimiza los

resultados de logística, administrativos y financieros de una organización con el

Modelo probabilístico o estadístico es la forma que pueden tomar un conjunto de

datos obtenidos de muestreos datos con comportamiento que se supone aleatorio.

Un modelo estadístico es un tipo de modelo matemático que usa la probabilidad y

que incluye un conjunto de asunciones sobre la generación de algunos datos