INVESTIGACIÓN DE OPERACIONES I

WILFREDO GUAITA

DAVID URIBE
JOSE MIGUEL CERON
MARÍA DE LOS ANGELES FERNANDEZ GARCIA
JUAN ANDRES SAENZ
CAROL DAYANNA CONCHA FRANCO

UNIVERSIDAD SANTIAGO DE CALI

FACULTAD DE INGENIERÍA
CALI
2023
 SISTEMAS Y MODELOS

Los sistemas y modelos son una parte esencial de la vida moderna. Se utilizan en una
amplia gama de aplicaciones, desde los negocios hasta la ciencia y la ingeniería. Un sistema
es un conjunto de elementos que interactúan entre sí para formar un todo. Un modelo es
una representación simplificada de un sistema; estos, se pueden utilizar para entender,
predecir, optimizar y controlar el comportamiento de un sistemas, también se pueden
representar de distintas maneras como diagrama de flujo y de bloques, ecuaciones y/o
códigos, se utilizan para estudiar sistemas físicos, biológicos, sociales, económicos e
informáticos

DEFINICIÓN DE SISTEMA

-La definición de “sistema” que se utiliza, en el cual un sistema es un objeto formado por
un conjunto de partes entre las que se establece alguna forma de relación que las articula en
la unidad que es precisamente el sistema.

Aracil y Gordillo -1997

-Sistema es "una combinación ordenada de partes que, aunque trabajen de manera

independiente, se interrelacionan o interactúan y, por medio del esfuerzo colectivo y
dirigido, constituyen un todo racional, funcional y organizado, que actúa con el fin de
alcanzar metas de desempeño previamente definidas".

Para Chadwick -1975

-Señala que un sistema es un conjunto de elementos interrelacionados. Por tanto, un sistema

es una entidad que se compone de al menos dos elementos y una relación que es válida
entre cada uno de los elementos, y al menos otros delos elementos del conjunto.

Ackoff -2004
 DEFINICIÓN DE MODELO

MODELO
Los modelos proveen una base racional para considerar los efectos de ciertas decisiones antes de
que las mismas sean llevadas a la práctica, y su construcción añade el beneficio de facilitar el
aprendizaje organizativo.

1. Programación Lineal:
• Autor: George Dantzig.
• Año: 1947.

La programación lineal es una técnica matemática utilizada para resolver problemas de

optimización en los cuales se busca maximizar o minimizar una función lineal sujeta a un conjunto
de restricciones lineales. Fue desarrollada por George Dantzig en 1947 y se ha convertido en una
herramienta fundamental en la toma de decisiones en áreas como la producción, la distribución y la
asignación de recursos.

2. Teoría de Colas (Líneas de Espera):

• Autor: Agner Krarup Erlang.
• Año: Aproximadamente 1917.

La teoría de colas se centra en el estudio de cómo las personas o elementos se acumulan y esperan
en una fila antes de ser atendidos. Agner Krarup Erlang, en aproximadamente 1917, desarrolló
modelos matemáticos para describir y analizar el comportamiento de sistemas de colas, lo que ha
sido aplicado en áreas como la gestión de tráfico, servicios de atención al cliente y planificación de
recursos.
3. Método del Simplex:
• Autor: George Dantzig.
• Año: 1947.

El método Simplex es un algoritmo utilizado para resolver problemas de programación lineal. Es

uno de los métodos más utilizados para encontrar la solución óptima de problemas de optimización
lineal. El método del Simplex se basa en iteraciones para mejorar gradualmente la solución,
moviéndose a lo largo de los bordes de las restricciones hacia el punto óptimo en el espacio de
soluciones.

TIPOS DE MODELOS
Modelos icónicos
Es una representación a escala de la realidad, suprimiendo algunos aspectos para facilitar
su manipulación. Una característica importante de este tipo de modelos, es que se utilizan
para analizar fenómenos que se mantienen estáticos. Ejemplos:
• Una maqueta con casas o edificios a escala.
• Un diagrama de dos cargas eléctricas.
• Una maqueta que simula la superficie lunar.
• Un mapa de América del Norte.
• Un modelo a escala de un avión.
• Un globo terráqueo para el trabajo escolar.
Modelos analógicos
Un modelo analógico, es un sistema que tiene un comportamiento parecido al problema
que se desea estudiar pero con la diferencia que el modelo sí se puede manipular. Por
ejemplo, para medir la velocidad de un automóvil la velocidad angular de la llanta se
transforma en corriente eléctrica; aquí la analogía consiste en que la corriente inducida se
incrementa en forma proporcional a la velocidad del automóvil. La corriente inducida
mueve la aguja del velocímetro hacia una posición dentro de una escala de velocidades. A
diferencia de los modelos icónicos, los modelos analógicos pueden representar situaciones
dinámicas, además de que al utilizar este tipo de modelos incrementamos la capacidad de
hacer cambios. Ejemplos:
• Un diagrama de flujo.
• Un circuito eléctrico.
• El probar medicinas en animales.
 Modelos matemáticos / simbólico
Este tipo de modelos representan la realidad mediante símbolos y cantidades relacionadas
matemáticamente; por ser abstractos no están restringidos a un número específico de dimensiones,
ya que podemos manejar tantas variables como queramos. Un ejemplo de este tipo de modelo
simbólico es una ecuación, la cual puede representar las relaciones entre el tiempo que tarda en caer
un cuerpo y el valor de la velocidad inicial, la masa del cuerpo, la fricción del aire, la temperatura,
etcétera. Ejemplos de modelos matemáticos:
• La ecuación de la relatividad de Einstein, E = mc2
• La segunda ley de Newton, F = ma
• La función de costos de un proceso, C t t ( ) 2 1 000
• El modelo de programación lineal de un problema de optimización. Zmáx = 10x + 50y 2x + 3y <
5 7x –14y > 6 x, y > 0 Los modelos simbólicos tienen muchas ventajas sobre la descripción de un
problema. Algunas de las ventajas son:
• Un modelo matemático puede ser muy preciso. Por ejemplo, decir que se desea mejorar un
proceso de construcción de tornillos, no nos indica de manera clara a qué se refiere el “mejorar el
proceso”, sin embargo, si escribimos la ecuación de costo de producción y decimos que ésta se
quiere minimizar (Zmín = 3x + 4y), el problema queda bien determinado
. • En un modelo simbólico sólo se consideran las variables y datos que son importantes para
obtener la solución del problema. Ejemplo: si se tienen cuatro trabajadores que producen 30 horas
de trabajo al día; es probable que no interese el número de trabajadores, sino únicamente el número
de horas de trabajo generadas, por tal motivo en el modelo simbólico sólo aparecerá 30 como un
dato.
 LÍMITES DEL SISTEMA

Límite es señal de fin o de un punto en el cual no puede pasar; el sistema es el conjunto de

elementos interrelacionados entre sí para lograr un mismo objetivo, por lo cual podemos inferir que
el límite de un sistema es un punto que lo separa de su entorno. Es decir, los límites de un sistema
pueden ser físicos, como paredes de una casa, o pueden ser conceptuales como la línea que separa a
una empresa de sus competidores.

Los límites están creados para saber que hace parte del sistema y que no. Estos son definidos por
muchos factores, algunos de ellos son; la función del sistema, este se caracteriza por saber en que
se desempeña el sistema por ejemplo, el límite de un sistema de producción puede definirse por la
línea de producción; La estructura del sistema, este se define por la estructura, por ejemplo, el límite
de una empresa puede definirse por sus departamentos; el comportamiento del sistema, ques es
definido por la manera en la que actúa el sistema por ejemplo, el límite de un sistema de control de
tráfico puede definirse por la carreteras que controla.

Los límites de los sistemas son importantes porque ayudan a entender el comportamiento y cómo
interactúa el sistema con su entorno, los límites no siempre son claros. En algunos casos, puede ser
difícil determinar qué es lo que pertenece al sistema y qué es lo que no. En estos casos, es
importante utilizar la discreción para definir los límites del sistema.
 VARIABLES INTERVINIENTES EN UN MODELO.
Las variables intervinientes son aquellas que tienen un efecto directo en el resultado o
variable dependiente del modelo. Estas variables afectan la relación entre la variable
independiente y la variable dependiente, y deben ser controladas o tomadas en
consideración al analizar los resultados del modelo.

El número y tipo de variables intervinientes puede variar dependiendo del modelo o del
contexto en el que se esté trabajando. Algunos ejemplos de variables intervinientes
comunes incluyen:

1. Variables de control: Estas variables se incluyen en el modelo para controlar o tener en

cuenta su posible influencia en el resultado. Por ejemplo, en un estudio sobre el
rendimiento académico de los estudiantes, los investigadores podrían incluir variables
como el nivel socioeconómico, el género o la edad como variables de control.

2. Variables mediadoras: Estas variables intervienen en la relación entre la variable

independiente y la variable dependiente. Por ejemplo, en un estudio sobre los efectos de la
motivación en el rendimiento laboral, la satisfacción laboral podría actuar como una
variable mediadora, es decir, una variable que explica en parte la relación entre la
motivación y el rendimiento.

3. Variables moderadoras: Estas variables intervienen en la relación entre la variable

independiente y la variable dependiente, pero modifican o alteran esa relación. Por ejemplo,
en un estudio sobre los efectos del estrés en la salud mental, el apoyo social podría actuar
como una variable moderadora, es decir, una variable que afecta la relación entre el estrés y
la salud mental.

Estos son solo algunos ejemplos de variables intervinientes que podrían ser relevantes en
un modelo. La identificación y consideración de las variables intervinientes es importante
para comprender mejor las relaciones entre las variables y obtener resultados más precisos
y confiables.