MODELOS Y SIMULACION

PASO – 1 RECONOCER LOS PRESABERES DE MODELOS DE

SIMULACION

PRESENTADO A.
ING. VICTOR HUGO RODRIGUEZ

PRESENTADO POR.
LILIANA SIADO WEEBER
CODIGO 52764867

CURSO.
212026-4

UNIVERSIDAD NACIONAL ABIERTA Y ADISTANCIA

INGENIERIA INDUSTRIAL
JUNIO DE 2021

1
 . INTRODUCCION.

En un proceso de simulación se busca reproducir las características de un sistema real

usando un modelo matemático que se aproxime lo máximo posible a la realidad del sistema.
Con los modelos matemáticos podremos calcular los resultados que obtendremos con
nuestras diferentes acciones. En esta fase de reconocimiento, podemos decir que
aprendemos las ideas generales y los conceptos más significativos del curso, afianzando
nuestros conocimientos y apoyándonos en las correcciones presentadas por parte del tutor
para poder llevar a fin un excelente trabajo.

. JUSTIFICACION.

Este trabajo se realiza con el fin de que como estudiante adquiramos conocimientos, sobre
los modelos y las simulaciones, con el fin de iniciar un recorrido en el curso, ya que vamos
afianzando los conocimientos que se van a ir adquiriendo en dicho curso, aplicando dichos
conocimientos tanto en la vida diaria como a nivel laboral

. OBJETIVOS.

• Reconocer los modelos de programación línea, métodos determinísticos y

métodos probabilísticos como un medio de mejoramiento de procesos y
sistemas.
• Reconocer el uso de las nuevas aplicaciones tecnológicas.
• Realizar un recorrido por todos el cuso e identificar a los compañeros de trabajo.
• Referencia generalizada sobre la inferencia estadística

2
 . ESQUEMA DE TRABAJO.
¿Qué es la programación lineal?
La programación lineal es el campo de la programación matemática dedicado a maximizar o
minimizar (optimizar) una función lineal, denominada función objetivo, de tal forma que las
variables de dicha función estén sujetas a una serie de restricciones expresadas mediante un
sistema de ecuaciones o inecuaciones también lineales

♣ Tipos.
Los tipos de soluciones de la programación lineal, ya que el enfoque en tipos seria modelos de
programación, pero para profundizar en la programación definimos los tipos de soluciones así:
Factibles
Se presenta cuando existe el conjunto de soluciones que benefician las restricciones. Estas
también pueden ser:
• Con solución única.
• Con solución múltiple cuando se presenta más de una solución.
• Con solución no acotada en caso de que no exista limitante para la función
objetivo.

No factible
Esta se presenta cuando no existe el conjunto de soluciones que determinan las restricciones,
lo que significa que dichas restricciones son inconsistentes.

♣ Usos y aplicaciones, según la tipología

Tiene la finalidad de maximizar o minimizar las funciones lineales de diferentes variables reales
que contengan restricciones dentro del sistema de inecuaciones lineales, optimizando su
funcionalidad. El proceso de optimización y los resultados se transforman en un respaldo
cuantitativo de las decisiones ante el planteamiento de las situaciones.
De igual forma, es muy utilizada en la microeconomía y en la administración de empresas, con
el fin de maximizar los ingresos o disminuir los costos de un determinado sistema de producción.

¿Qué son los métodos determinísticos?

Técnicas que utilizan ecuaciones o algoritmos desarrollados previamente para situaciones
similares. Estos métodos no involucran enfoques estocásticos o estadísticos.
nos referimos a aquellos modelos donde los datos se conocen con certeza, es decir, se supone
que cuando se analiza el modelo se tiene disponible toda la información necesaria para la toma
de decisiones

3
♣ Tipos.
Entre los tipos se encuentra

• EOQ con demanda probabilística.

• Revisión.
• Simulación.

♣ Usos y aplicaciones, según la tipología.

Los modelos determinísticos se utilizan en ingeniería y física porque la combinación de éstos
siempre produce modelos determinísticos.

¿Qué son los métodos probabilísticos?

Los MP consisten en representar cada uno de los parámetros del modelo mediante funciones
de distribución probabilísticas en lugar de hacerlo mediante estimaciones puntuales, tal como
se haría en un análisis determinístico.

♣ Tipos.
a) Bernoulli. b) Binomial. c) Normal.

♣ Usos y aplicaciones, según la tipología

Los modelos probabilísticos son utilizados para protegerse de la incertidumbre adversa, y de
la explotación de la propia incertidumbre.

Texto: Qué es la inferencia estadística, clases de muestreo, distribuciones

muestrales
La inferencia estadística es el conjunto de métodos y técnicas que permiten inducir, a partir de
la información empírica proporcionada por una muestra, cual es el comportamiento de una
determinada población con un riesgo de error medible en términos de probabilidad.
Las clases de muestreo son:

• MUESTREO ESTADISTICO: son aquellos que se basan en el principio de

equiprobabilidad. Consiste en la división previa de la población de estudio en grupos
o clases que se suponen homogéneos con respecto a alguna característica de las
que se van a estudiar. A cada uno de estos estratos se le asignaría una cuota que
determinaría el número de miembros de este que compondrán la muestra.
• MUESTREO PROBABILISTICO: El muestreo probabilístico es un método
de muestreo (muestreo se refiere al estudio o el análisis de grupos pequeños de una
población) que utiliza formas de métodos de selección aleatoria.

4
Texto: Qué es la programación lineal, formulación de un problema de
programación lineal, pasos para desarrollar método simplex.
La programación lineal es el campo de la programación matemática dedicado a maximizar o
minimizar (optimizar) una función lineal, denominada función objetivo, de tal forma que las
variables de dicha función estén sujetas a una serie de restricciones expresadas mediante un
sistema de ecuaciones o inecuaciones también lineales

formulación de un problema de programación lineal

1 Elegir las incógnitas.
2 Escribir la función objetivo en función de los datos del problema.
3 Escribir las restricciones en forma de sistema de inecuaciones.
4 Averiguar el conjunto de soluciones factibles representando gráficamente las restricciones.
5 Calcular las coordenadas de los vértices del recinto de soluciones factibles (si son pocos).
6 Calcular el valor de la función objetivo en cada uno de los vértices para ver en cuál de ellos
presenta el valor máximo o mínimo según nos pida el problema (hay que tener en cuenta
aquí la posible no existencia de solución si el recinto no está acotado).

pasos para desarrollar método simplex

i. Definir el problema en la forma estándar y generar nuestra matriz.
ii. Determinar la solución básica inicial.
iii. Seleccionar la variable de entrada utilizando la condición de optimalidad.
Si no se puede seleccionar una variable de entrada, quiere decir que
estamos en la condición óptima y finalizan las iteraciones. De otro modo
se continúa con el siguiente paso.
iv. Seleccionar la variable de salida utilizando la condición de factibilidad.
v. Actualizar nuestra matriz realizando las operaciones de Gauss-Jordan.
Volver al paso número 3.

Texto: Qué son los métodos determinísticos, pasos para la construcción de

modelos matemáticos, definición de variable, función objetivo y restricciones.
Técnicas que utilizan ecuaciones o algoritmos desarrollados previamente para situaciones
similares. Estos métodos no involucran enfoques estocásticos o estadísticos.
nos referimos a aquellos modelos donde los datos se conocen con certeza, es decir, se supone
que cuando se analiza el modelo se tiene disponible toda la información necesaria para la toma
de decisiones
Una manera de resumir las etapas usuales (no secuenciales)

1. Definición del problema de interés y recolección de los datos relevantes.

2. Formulación de un modelo que represente el problema.
3. Solución del modelo.
4. Prueba del modelo.

5
5. Preparación para la aplicación del modelo.

6. Puesta en marcha.
definición de variable
una variable es una magnitud que puede tener cualquier valor entre los comprendidos en un
conjunto
La función objetivo es la ecuación que será optimizada dadas las limitaciones o restricciones
determinadas y con variables que necesitan ser minimizadas o maximizadas usando técnicas
de programación lineal o no lineal

Texto: Modelos Matemáticos y Simulación en la Ingeniería Industrial:

aplicaciones y análisis de sensibilidad.
La simulación de procesos con modelos matemáticos nos ayuda a tanto a generar nuevas
alternativas como a identificar las más adecuadas para conseguir los fines deseados, sin
interrumpir líneas de producción y sin tener que diseñar ni construir prototipos. Es un
procedimiento útil y económico.
La simulación de procesos industriales es una herramienta que permite reproducir virtualmente
los procesos y estudiar su comportamiento, para analizar el impacto de las distintas variables
que puedan intervenir en el mismo, o para comparar diferentes alternativas de diseño

6
 BIBLIOGRAFÍA

• http://ple-metodos-deterministicos-
deza.weebly.com/uploads/5/5/7/7/5577408/protocolo_metodos__deterministicossyllab
us.pdf
• https://es.wikipedia.org/wiki/Modelo_matem%C3%A1tico

• 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 https://bibliotecavirtual.unad.edu.co/login?url=http://search.ebscohost.co
m/login.aspx?direct=true&db=nlebk&AN=1537248&lang=es&site=eds-live&scope=site
•