Paso 2 Modelar y Simular sistemas industriales con base programación lineal

dinámica.

Edgar Andres Mongui Bermudez

1057603300

Modelos y Simulacion
Grupo:212026_25

presentado a:Nidia Stella Rincon

Universidad Nacional Abierta y a Distancia

Ingenieria Industrial

2022
 INTRODUCCIÓN

El presente informe se realiza con la intención de dar cumplimiento a lo solicitado dentro de

la guía de actividades llamada, Paso 1 - Modelar y simular sistemas industriales con base
en programación lineal dinámica.

Para poder decidir correctamente es necesario saber cómo responderá el sistema ante una
determinada acción. Esto podría hacerse por experimentación con el sistema mismo; pero
factores de costos, seguridad y otros hacen que esta opción generalmente no sea viable. A
fin de superar estos inconvenientes, se reemplaza el sistema real por otro sistema que en la
mayoría de los casos es una versión simplificada. La Dinámica es un método de solución de
problemas que permite descomponer un modelo matemático muy grande, en problemas
más pequeños de fácil resolución, que al resolver cada uno de ellos se obtiene la solución
apropiada al problema mayor del cual fueron generados los más pequeños. La
programación dinámica se apoya como estrategia de solución en “divide y vencerás”.

Dentro de este paso 1, se pretende dar solución a 4 problemas especificados en la guía de

actividades, en los cuales se aplican modelos de simulación, en programas como Microsoft
Excel y el modelo asociado en Xpress.
JUSTIFICACIÓN

En esta actividad se busca desarrollar el estudio y análisis de las generalidades y

estructura de las unidades del curso, teniendo como base el módulo, syllabus y la
bibliografía correspondiente. El reconocimiento de dicho contenido se realizará mediante la
solución de casos problemas en Excel y en Software Express orientados al modelo de
programación dinámica. Todas estas acciones se ejecutarán con la finalidad de que el
estudiante logre identificar las temáticas desarrolladas en la unidad 1 del curso de Modelos
y Simulación
OBJETIVOS

General:

Generar las habilidades suficientes para que se facilite el entendimiento, la comprensión y

el desarrollo de modelos de programación lineal, así como la capacidad de simularlos en
busca de soluciones óptimas.

Específicos

★ Reconocer los conceptos de modelación y simulación, estableciendo diferencias

entre los dos.
★ Modelar a través de programación lineal ejemplos prácticos, de tal forma que
tengan sentido y representen realmente las situaciones planteadas.
★ Obtener soluciones a cada modelo de tal forma que sea posible el proceso de toma
de decisiones argumentadas en los resultados.
¿Qué es la simulación y modelación, tipos y usos?

Simulación: La simulación computacional de sistemas, o apenas simulación, consiste en la

utilización de ciertas técnicas matemáticas, empleadas en computadores, las cuales
permiten imitar el funcionamiento de prácticamente cualquier tipo de operación o proceso
del mundo real, es decir, es el estudio del comportamiento de sistemas reales a través del
ejercicio de modelos.

Existen diversas definiciones para simulación, dentro de las cuales podemos citar la de
Pegden (1990) que dice “la simulación es un proceso de proyectar un modelo
computacional de un sistema real y conducir experimentos con este modelo con el propósito
de entender su comportamiento y evaluar estrategias para su operación”. De esta manera,
podemos entender la simulación como un proceso amplio que engloba no sólo la
construcción de un modelo, sino también todo un método experimental que se sigue,
buscando:

★ Describir el comportamiento del sistema;

★ Construir teorías e hipótesis considerando las observaciones efectuadas;
★ Usar el modelo para prever el comportamiento futuro, es decir, los efectos
producidos por alteraciones en el sistema o por los métodos empleados en su
operación.

Conforme descrito por Schriber (1974), en el clásico Simulation Using GPSS, para él la
“simulación implica en el modelaje de un proceso o sistema, de tal forma que el modelo
imite las respuestas del sistema real en una sucesión de eventos que ocurren a lo largo del
tiempo”.

Aun refiriéndonos a la simulación, podemos citar la definición de Law & amp Kelton que
considera la simulación como una técnica que utiliza computadores para imitar las
operaciones de varios tipos de procesos y facilidades del mundo real. También tenemos la
definición de Banks que afirma “la simulación es la imitación de la operación de un proceso
o sistema del mundo real a lo largo del tiempo.”

Tipos de simulación

1.Simulación Discreta: modelación de un sistema por medio de una representación en la

cual los estados de las variables cambian instantáneamente en instante de tiempo
separados. (En términos matemáticos el sistema solo puede cambiar en instante de tiempo
contables).
2.- Simulación Continua: Modelación de un sistema por medio de una representación en la
cual las variables de estado cambian continuamente en el tiempo. Típicamente, los modelos
de simulación continua involucran ecuaciones diferenciales que determinan las relaciones
de las tasas de cambios de las variables de estado en el tiempo.
 3.- Simulación Combinada Discreta-Continua: 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.

Es una simulación en la cual interactúan variables de estado discretas y continuas.

Existen tres tipos de interacciones entre las variables de estado de este tipo de
simulaciones:

★ Un evento discreto puede causar un cambio discreto en el valor de una variable de

estado continua.
★ Un evento discreto puede causar que la relación que gobierna una variable de
estado continua cambie en un instante de tiempo en particular.
★ Una variable de estado continua de punto de partida puede causar que un evento
discreto ocurra, o sea, programado.

4.- Simulación Determinística y/o Estocástica: Una simulación determinística es aquella

que utiliza únicamente datos de entra determinísticos, no utiliza ningún dato de entrada
azaroso. En cambio, un modelo de simulación estocástico incorpora algunos datos de
entrada azarosos al utilizar distribuciones de probabilidad.

5.- Simulación estática y dinámica: La simulación estática es aquella en la cual el tiempo

no juega un papel importante, en contraste con la dinámica en la cual si es muy importante.

6- Simulación con Orientación hacia los eventos: Modelaje con un enfoque hacia los
eventos, en el cual la lógica del modelo gira alrededor de los eventos que ocurren instante a
instante, registrando el estado de todos los eventos, entidades, atributos y variables del
modelo en todo momento.

7.- Simulación con Orientación hacia procesos: Modelaje con un enfoque de procesos,
en el cual la lógica del modelo gira alrededor de los procesos que deben seguir las
entidades. Es cierta forma, es un modelaje basado en un esquema de flujo grama de
procesos, el cual se hace es un seguimiento a la entidad a través de la secuencia de
procesos que debe seguir.

Usos
Las técnicas de simulación sirven para analizar los procesos actuales (mejora y
optimización) y procesos futuros (anticipación de soluciones) con el fin de obtener el diseño
más eficiente con diferentes objetivos: Optimización de recursos.

Modelación:
La modelación es el proceso mediante el cual se crea una representación o modelo para
investigar la realidad. Constituye una reproducción simplificada de la realidad que cumple
una función heurística que permite descubrir nuevas relaciones y cualidades del objeto de
estudio.
Tipos de modelos

Modelo icónico
En los modelos icónicos, la relación de correspondencia se establece a través de las
propiedades morfológicas, habitualmente un cambio de escala con conservación del resto
de las propiedades topológicas.

Modelo analógico
Los modelos análogos se construyen mediante un conjunto de convenciones que sintetizan
y codifican propiedades del objeto real para facilitar la "lectura" o interpretación de las
mismas

Modelo simbólico
Los modelos simbólicos se construyen representando el objeto real mediante una
codificación matemática (geométrica, estadística, etc.)

Ejemplo: la representación de un edificio mediante la identificación y codificación en una

estructura geométrica de sus elementos básicos.

Aunque el modelo muestra aspectos importantes para la teoría y ayuda a su comprensión,

hay que tener presente que es una visión simplificada y por tanto incompleta de la realidad,
la cual puede presentarse compleja y de difícil comprensión. Pérez G. (1996). Metodología
de la investigación educacional.

La Habana: Editorial Pueblo y Educación. Los modelos cualitativos determinan, de manera

general, las relaciones entre diferentes factores o componentes del sistema. Estos modelos
no pretenden cuantificar dichas relaciones sino solamente facilitar el entendimiento de cómo
funciona el proceso específico que nos interesa

Modelos cuantitativos
Después de desarrollar un modelo cualitativo que represente adecuadamente la realidad,
podemos proceder a incluir números y expresiones matemáticas para convertirlo en un
modelo cuantitativo. Este paso ayuda a refinar el modelo conceptual al intentar de introducir
valores numéricos a todos los factores incluidos en el modelo.

Según el estudio del sistema:

★ Modelo Mental: Comprender y predecir el comportamiento de los sistemas.

★ Modelo Verbal: El comportamiento del sistema es descrito mediante palabras.
★ Modelo Físico: Modelos que tratan de imitar el sistema real.
★ Modelo Matemático: Las relaciones entre las magnitudes de interés
Uso de Modelación:

El uso de modelos, a veces llamado "modelación", es un instrumento muy común en el

estudio de sistemas de toda índole. El empleo de modelos facilita el estudio de los sistemas,
aun cuando éstos puedan contener muchos componentes y mostrar numerosas
interacciones como puede ocurrir si se trata de conjuntos bastante complejos y de gran
tamaño. El trabajo de modelación constituye una actividad técnica como cualquiera otra, y
dicha labor puede ser sencilla o compleja según el tipo de problema específico que deba
analizarse.

Investigue para la modelación las principales herramientas de software utilizadas.

★ Gliffy: una herramienta UML online para dar los primeros pasos.
★ ArgoUML: popular programa gratuito para diagramas simples.
★ MagicDraw: todo lo que se necesita para diagramas UML profesionales.
★ Lucidchart: la herramienta UML online para el trabajo en equipo.
★ IBM Rational Rhapsody: entorno de desarrollo gráfico para integrar procesos.
★ Microsoft Visio: la herramienta de diagramas UML para usuarios de Office.
★ HYSYS: Es un programa interactivo enfocado a la ingeniería de procesos y la
simulación, que se puede utilizar para solucionar toda clase de problemas
relacionados con procesos químicos.
★ CHEMCAD: Es un paquete de módulos que abarca cálculo y diseño de
intercambiadores de calor (CC-THERM), simulación de destilaciones dinámicas
(CC-DCOLUMN), simulación de reactores por lotes (CC-ReACS), simulación de
destilaciones por lotes (CC-BATCH), simulación de redes de tuberías (CCSAFETY
NET).
★ ProModel: Es un programa de simulación de procesos industriales, permite simular
cualquier tipo de proceso de manufactura, además de procesos logísticos, procesos
de manejos de materiales y contiene excelentes simulaciones de talleres, grúas
viajeras, bandas de transporte y mucho más
Punto 2.

Teniendo en cuenta los conceptos analizados anteriormente, desarrolle los siguientes casos
problémicos para aplicar modelación: 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 2250 martillos y
1120 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.

a) ¿Cómo debe organizar su producción en cada Tipo de Producción?

Definición de variables:

𝑥11: 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑑𝑒 𝑚𝑎𝑟𝑡𝑖𝑙𝑙𝑜𝑠 𝑎 𝑝𝑟𝑜𝑑𝑢𝑐𝑖𝑟 𝑒𝑛 𝑡𝑖𝑒𝑚𝑝𝑜 𝑛𝑜𝑟𝑚𝑎𝑙

𝑥12: 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑑𝑒 𝑚𝑎𝑟𝑡𝑖𝑙𝑙𝑜𝑠 𝑎 𝑝𝑟𝑜𝑑𝑢𝑐𝑖𝑟 𝑒𝑛 𝑡𝑖𝑒𝑚𝑝𝑜 𝑒𝑥𝑡𝑟𝑎
𝑥13: 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑑𝑒 𝑚𝑎𝑟𝑡𝑖𝑙𝑙𝑜𝑠 𝑎 𝑝𝑟𝑜𝑑𝑢𝑐𝑖𝑟 𝑒𝑛 𝑠𝑢𝑏𝑐𝑜𝑛𝑡𝑟𝑎𝑡𝑎𝑐𝑖ó𝑛
𝑥21: 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑑𝑒 𝑐𝑖𝑛𝑐𝑒𝑙𝑒𝑠 𝑎 𝑝𝑟𝑜𝑑𝑢𝑐𝑖𝑟 𝑒𝑛 𝑡𝑖𝑒𝑚𝑝𝑜 𝑛𝑜𝑟𝑚𝑎𝑙
𝑥22: 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑑𝑒 𝑐𝑖𝑛𝑐𝑒𝑙𝑒𝑠 𝑎 𝑝𝑟𝑜𝑑𝑢𝑐𝑖𝑟 𝑒𝑛 𝑡𝑖𝑒𝑚𝑝𝑜 𝑒𝑥𝑡𝑟𝑎
𝑥23: : 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑑𝑒 𝑐𝑖𝑛𝑐𝑒𝑙𝑒𝑠 𝑎 𝑝𝑟𝑜𝑑𝑢𝑐𝑖𝑟 𝑒𝑛 𝑠𝑢𝑏𝑐𝑜𝑛𝑡𝑟𝑎𝑡𝑎𝑐𝑖ó𝑛

Función Objetivo:

𝑀𝑖𝑛𝑍: = 𝐶11𝑥11 + 𝐶12𝑥12 + 𝐶13𝑥13 + 𝐶21𝑥21 + 𝐶23𝑥23 + 𝐶24𝑥24

Restricciones
𝑥11 + 𝑥12 + 𝑥13 ≤ 2250
𝑥21 + 𝑥22 + 𝑥23 ≤ 1120
𝑥11+𝑥12+𝑥13 𝑥21+𝑥22+𝑥23
2
≤ 1

𝑥11 + 𝑥12 ≤ 1200

𝑥11 ≤ 850
𝑥22 + 𝑥21 ≤ 999
𝑥21 ≤ 480
∀𝑥𝑖𝑗 ≥ 0

Realice la simulación y analice el escenario de la situación a seguir:

Suponga que llega un nuevo proveedor, la empresa “Tuercas y
Tornillos”, un referente proveedor de martillos, y presenta la siguiente
tabla con la capacidad de producción asociada: CAPACIDAD DE
PRODUCCIÓN – EMPRESA EL TORNO
¿De acuerdo con la presentación de este segundo caso, cuál de los dos
proveedores escogería, de acuerdo con su análisis? Justifique
matemáticamente su respuesta.

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:

A su vez, con relación a os metales se cuenta con información de los

componentes, la disponibilidad y los costos, según se resume en la
siguiente tabla:
¿Cuánto se debe producir de cada aleación?

SOLUCIÓN
Definición de variables:

𝑥𝑖𝑗: 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑡𝑜𝑛𝑒𝑙𝑎𝑑𝑎𝑠 𝑑𝑒 𝑚𝑒𝑡𝑎𝑙 𝑡𝑖𝑝𝑜 𝑖 𝑒𝑛 𝑎𝑙𝑒𝑎𝑐𝑖ó𝑛 𝑡𝑖𝑝𝑜 𝑗; 𝑖 = {1, 2, 3 }; 𝑗 = {𝐴, 𝐵}

Función Objetivo:

𝑀𝑎𝑥𝑍 = 350(𝑥11 + 𝑥21 + 𝑥31) + 380(𝑥12 + 𝑥22 + 𝑥32) − 20(𝑥11 + 𝑥12) − 25(𝑥21 + 𝑥22) − 15(𝑥31 + 𝑥32)

Restricciones
𝑥11 + 𝑥12 ≤ 2800
𝑥21 + 𝑥22 ≤ 2100
𝑥31 + 𝑥32 ≤ 3700
0. 2𝑥11 + 0. 1𝑥21 + 0. 03𝑥31 ≤ 0. 35( 𝑥11 + 𝑥21 + 𝑥31)
0. 2𝑥11 + 0. 1𝑥21 + 0. 2𝑥31 ≤ 0. 25( 𝑥11 + 𝑥21 + 𝑥31)
0. 05𝑥11 + 0. 18𝑥21 + 0. 31𝑥31 ≥ 0. 38( 𝑥11 + 𝑥21 + 𝑥31)
0. 2𝑥12 + 0. 1𝑥22 + 0. 2𝑥32 ≥ 0. 1( 𝑥12 + 𝑥22 + 𝑥32)
0. 2𝑥12 + 0. 1𝑥22 + 0. 2𝑥32 ≤ 0. 2( 𝑥12 + 𝑥22 + 𝑥32)
0. 2𝑥12 + 0𝑥22 + 0𝑥32 ≥ 0. 12( 𝑥12 + 𝑥22 + 𝑥32)
0. 05𝑥12 + 0. 18𝑥22 + 0. 31𝑥32 ≤ 0. 11( 𝑥12 + 𝑥22 + 𝑥32)
∀𝑥𝑖𝑗 ≥ 0
Problema 3: Considerando los costos unitarios de transporte y cantidades de Oferta y
Demanda que se presentan a continuación, determine las cantidades óptimas a ser
transportadas desde cada origen y hacia cada destino.

𝑍𝑚𝑖𝑛 = 3(250) + 2(150) + 4(200) + 5(1250) + 5(300) + 4(300) + 2(50) + 3(100)

𝑍𝑚𝑖𝑛 = $6. 200
Problema 4: Considerando los costos unitarios de transporte y cantidades de Oferta y
Demanda que se presentan a continuación, determine las cantidades óptimas a ser
transportadas desde cada origen y hacia cada destino

𝑍𝑚𝑖𝑛 = 10(180) + 12(50) + 11(280) + 18(20) + 12(200) + 16(50) + 9(150)

𝑍𝑚𝑖𝑛 = $9. 950
 Conclusiones

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. A
través de un estudio de simulación, se puede estudiar el efecto de cambios internos y
externos de un determinado sistema, variando las condiciones iniciales en el modelo del
sistema se pueden ir observando los efectos de esas alteraciones en el comportamiento del
sistema a determinado plazo. Es una notable ventaja el poder predecir el comportamiento
de un sistema, puesto que la observación detallada del sistema que se está simulando
puede conducir a un mejor entendimiento del sistema y por consiguiente a sugerir
estrategias que mejoren la operación y eficiencia de este. El potencial de la utilización de la
simulación en este sistema consiste en la posibilidad de estudiar la manera en que políticas
de regulación de la producción cambian el sistema modelado y la dinámica que lo conforma.