Apuntes N°5

Nombre de la asignatura Introducción a la Ingeniería

Unidad académica Facultad de Ingeniería
Carrera/Programa Ingeniería Industrial

I Modelamiento de Sistemas:

La modelación nos permite analizar, estudiar, describir y simplificar situaciones

o sistemas complejos, principalmente se realizan en la ingeniería para poder evaluar
alternativas de solución a problemas, por medio de la construcción de un modelo matemático
para representar al sistema bajo estudio. Incluye la cuantificación de variables. Los modelos
son una representación o concepción de la realidad y generalmente simplifican al sistema real,
por ello al establecerlos hay que determinar con claridad, cuales atributos o propiedades se
desea analizar o representar, y verificar si dichas propiedades están incorporadas en él.

Los modelos deben ser juzgados por cuán fructíferos son, no por su precisión o exactitud. Pero,
cuando la finalidad es anticipar productos o procesos con una finalidad eminentemente
práctica, lo importante entonces es la precisión o el rigor del modelamiento o la simulación.

En general modelamos o simulamos con tres finalidades:

a) Cuando buscamos analizar y comprender procesos fundamentales;
b) Cuando queremos que un fenómeno o sistema se comporte como
deseamos/desearíamos; c) Cuando queremos buscar soluciones a problemas, optimizar
el uso de recursos y procesos, asociados a los procesos de elaboración de productos
o servicios.
III.1 Definición de Modelo:

• Para Checkland (1993) un modelo es una construcción intelectual y descriptiva de una

entidad en la cual al menos un observador tiene un interés y hace notar que el
observador quizá desee relacionar el modelo y de ser adecuado, los mecanismos de
este con los observables en el

• Chesnut (1965) define un modelo como una representación cualitativa o cuantitativa de

un proceso o una tentativa que muestra los efectos de aquellos factores que son
importantes para los propósitos que se consideran.

• Un modelo es una representación simplificada de un sistema elaborada para

comprender, predecir y controlar el comportamiento de este, el cual puede corresponder
a una colección de entidades (seres o máquinas) que actúan y se relacionan hacia un
fin lógico.

• Un modelo puede expresarse con matemáticas, símbolos, o palabras, pero en esencia

es una descripción de entidades, procesos o atributos y las relaciones entre ellos. El
modelo puede ser prescriptivo o ilustrativo, pero sobre todo, debe ser útil (Wilson,
1993).

La aplicación de modelos, en sistemas de planificación y producción, permite identificar

soluciones óptimas y mejorar los resultados de las operaciones, podemos identificar la
siguiente etapa en la aplicación de los modelos:
• Detección e identificación del problema o situación sobre la cual se debe tomar una
decisión.
• Definición del problema y su ámbito organizacional, temporal, físico y decisional; planteo
de objetivos del estudio.
• Recolección de los datos y parámetros relevantes, relaciones entre las variables de
interés.
 • Formulación de un modelo matemático que permita evaluar las alternativas disponibles,
lo anterior implica determinar los factores, parámetros, variables y elementos a
considerar, es un proceso de abstracción de la realidad.
• Aplicación de un algoritmo de solución al modelo matemático anterior para encontrar la
mejor alternativa.
• Prueba del modelo, validación de este con diversos parámetros del pasado para
determinar la capacidad del modelo de predecir el comportamiento del sistema real en
diversas circunstancias. Análisis de sensibilidad frente a posibles variaciones en los
parámetros.
• Decisión de implementación de la mejor alternativa que resulte.

Existe una gran variedad de situaciones o problemas que se pueden modelar, como se ilustra
en la siguiente tabla:
Modelos de Problemas de Planificación de Análisis de
Asignación Distribución Actividades Decisiones y Riesgo
Personas Flujo de Caja Tunos Evaluación de
Carteras de Inversión
Fondos Sistemas Logístico Carga de Trabajo Análisis de Políticas

Material – Gestión de Planificación de Evaluación de

insumos Inventarios Vehículos Programas.
Equipamiento Ruteo de Vehículos Planificación de Análisis de Riesgo
Infraestructura Producción Empresa
Recursos en Distribución de Planificación de Evaluación de Peligro
General Materiales, gas, Recursos
agua,…..

Modelos de asignación: Uno de los problemas más frecuentes para un tomador de decisiones
es repartir recursos limitados de diversa índole, entre varios programas, proyectos, inversiones,
nuevos productos, personas, etc… Los modelos de asignación colaboran en el logro de un
reparto de los recursos que permita obtener un resultado óptimo, desde el punto de vista global
de la empresa.
Problemas de Distribución: Hay varias situaciones en las que una industria debe determinar
la mejor forma para mover personas o productos desde la(s) ubicación(es) de origen a otra(s)
de destino, ya sea en forma directa o con transbordo, por otra parte se deben tomar decisiones
sobre la ubicación de nuevas plantas industriales, bodegas, terminales, centros de
consolidación y centros de distribución. Los modelos de distribución se usan para apoyar las
decisiones relacionadas con este tipo de situaciones.

Programación de Actividades: La tarea de programar un conjunto de actividades

interrelacionadas (por ejemplo un plan de turnos, proyectos de construcción, tabla de vuelos o
programa de producción), la cual puede tener un alto nivel de complejidad. Se deben
considerar el orden de las actividades, así como los recursos asociados a cada actividad.

Análisis de Decisiones y Riesgo: El administrador frecuentemente debe decidirse por la

alternativa que tenga el mínimo riesgo aceptable en términos de pérdida de oportunidad
retraso, utilidad, seguridad de las personas, material, etc..

Los modelos más conocidos, tienen un carácter cuantitativo, estos se presentan en la siguiente
tabla:
Programación Optimización de Análisis de Redes Métodos
Matemática Redes Estocásticos
Lineal Asignación Arboles de Decisión Simulación
Entera Flujo Máximo CPM,PERT Inventarios
Por Objetivos Ruta más corta Líneas de Espera
No Lineal Costo Mínimo Cadena de Markov
Dinámica Transporte con
Transbordo
Modelos de Programación Matemática: Estos modelos tienen como factor común el uso de
ecuaciones matemáticas para representar la relación entre las variables del modelo, en este
caso la palabra programación se usa como sinónimo de planificación.
• Programación Lineal (PL): Se trata de situaciones que comprenden la maximización o
minimización de una función objetivo que se expresa como función lineal de las
variables de decisión; esta función objetivo está limitada por restricciones también de
tipo lineal, que se expresan en función de las variables de decisión. En el año 1947
Geroge Dantzig desarrollo el algoritmo simplex, para resolver este tipo de situaciones.
• Programación Entera (PE): Corresponde a un caso participar de la programación lineal
en que las variables de decisión solo pueden tomar valores enteros. Cuando los valores
están limitados además a cero y uno, se habla de programación binaria. Por otra parte,
también existen modelos mixtos, en que algunas de las variables son enteras y otras
continuas.
• Programación no Lineal (PNL): Se diferencia de la PL en que la función objetivo y/o las
restricciones se expresan en forma no lineal, en función de las variables de decisión.
• Programación por Objetivos o Criterios Múltiples: En este caso los objetivos (o criterios)
son múltiples, compitiendo entre ellos. Se deben fijar prioridades entre los objetivos.
Finalmente el problema se convierte en la solución secuencial de varios problemas de
PL.
• Programación Dinámica: Se trata de modelos en que el estado de un sistema depende
del estado en períodos anteriores, se trabaja en este caso en base a un problema que
se divide en varios subproblemas, los que se resuelven desde el último hasta el

Optimización de Redes: Las redes construidas en base a nodos y arcos, permiten representar
y modelar muchas situaciones, por ejemplo sistemas de comunicación, sistemas de producción
con varias etapas, almacenamiento y distribución de productos entre otros. Lo que se busca es
optimizar algún aspecto de la red, por ejemplo determinar la firma más económica de operación
de la red, encontrar la ruta más corta de un nodo a otro, determinar la forma más económica de
operación de la red, encontrar la ruta más corta de un nodo a otro, determinar la máxima
capacidad de transporte de la red entre nodos, la ruta más económica, etc…
Análisis de Redes: Permite modelar situaciones en que hay factores de incertidumbre que
influyen en el resultado y en las alternativas de acción que se pueden tomar. Los modelos más
usados son los siguientes:
• Arboles de Decisión: Esta técnica permite modelar eventos (sobre los cuales no se
tienen control) y decisiones con alternativas (sobre los que si se tiene control) en forma
intercalada, permitiendo determinar todos los posibles resultados, y finalmente cuales
deben ser las decisiones a tomar, dependiendo de los eventos que se produzcan. Una
aplicación típica es la construcción de una planta industrial con potencial capacidad de
crecimiento a futuro, capacidad que se implementará dependiendo de la demanda
futura.
• CPM: Sigla que corresponde a Critical Path Method (Método del Camino Crítico); esta
técnica o método permite la planificación, costeo, coordinación y control de varias
actividades interrelacionadas (lo que normalmente se bautiza como proyecto), por
ejemplo las actividades necesarias para construir una central hidroeléctrica. Esta
técnica fue desarrollada en 1957 por J. Kelly de la industri Remington Ran y M. Walker
de la industria Dupont.
• PERT: Sigla que corresponde a Program Evaluation and Revie Techniques, la que es
similar al CPM, fue desarrollada a fines de los años cincuenta por la empresa consultora
BOOZ, ALLEN y HAMILTON en conjunto con la armada de los Estados Unidos, con
motivo de la construcción de los misiles POLARIS con cabezas atómicas, donde se
debía coordinar a 250 contratistas y 9000 subcontratistas, la única diferencia con el
CPM es que en este tipo de ejecución de cada actividad es de tipo determinístico,
mientras que en el PERT es de tipo aleatorio. El PERT es más apropiado para
actividades que se ejecutan por primera vez y que por lo tanto los tiempos de ejecución
son estimados. Una de las aplicaciones más conocidas del PERT fue el proyecto Apolo,
que permitió a EEUU llevar un hombre a la Luna en el año 1969.

Métodos Estocásticos: Tiene como factor común el que permiten modelar situaciones que
tienen una naturaleza inherentemente aleatoria o estocástica
• Simulación: Este método de tipo descriptivo se usa en situaciones en que se conoce un
proceso mediante una descripción aleatoria de sus subprocesos, mediante
distribuciones de probabilidades. Se hace “Funcionar” muchas veces el proceso en
base a la aleatoriedad conocida, obteniéndose información estadística de interés que
 describe los posibles resultados del proceso. Las simulaciones son ampliamente
utilizadas en estudiar procesos existentes para lograr su optimización, así como analizar
el diseño de nuevas plantas industriales (cantidad y ubicación de líneas de producción,
cuellos de botella, producción por período de tiempo, etc..)
• Inventarios: Este tema se enmarca en la minimización de costos de la operación de las
empresas; se trata de minimizar el nivel de inventarios de materias primas, productos
semielaborados y finales, pero sin que esto produzca frenos en línea de producción ni
retrasos en las entregas a los clientes. Dos técnicas ampliamente usadas son el JIT
(Just in Time, desarrollada en Japón por Taiichi Ohno de la empresa Toyota) y el MRP
(Materials Requirement Planning). Los inventarios son un tema central en el análisis de
las cadenas logística que se generan entre las empresas; la actual tendencia es la
estrecha colaboración entre el proveedor y el cliente, usando la internet como canal de
comunicación.
• Líneas de Espera: Este tema se enmarca en la operación de empresas de servicios en
que se tiene por una parte clientes que demanda un servicio y por otra parte servidores.
La interacción de ellos genera una o más colas, cuyo largo será básicamente función
de la tasa de llegada de los clientes y de la velocidad y cantidad de servidores. Como
ejemplo tenemos la operación de un puerto que puede tener uno o más muelles, cada
uno de ellos con su costo inicial y el costo de operación; en este caso será de gran
interés el tiempo que los buques deben esperar para ser atendidos y por otra parte el
tiempo que demora la carga o descarga, otros ejemplos puede ser las operaciones en
un Aeropuerto donde se forman colas de aviones tanto para aterrizar o despegar
usando la pista o los clientes de un supermercado que pasan por caja.
• Cadenas de Markov: En este caso se trata de modelar un sistema que puede estar en
uno de entre varios posibles estados en un determinado período de tiempo. El sistema
puede progresar desde un estado a los restantes (en el siguiente período de tiempo)
con distintas probabilidades. Este puede ser el caso de un equipo o maquinaria que
puede estar operativo con restricciones o con fallas.
Ejemplo de Modelamiento de Sistemas, por Resolución Gráfica

Un método para resolver los modelos de programación lineal consiste en la representación

gráfica del modelo, la que tiene un valor didáctico para entender la PL y el algoritmo simplex.
Este método puede ser usado sólo para resolver problemas con dos variables de decisión, para
aquellos que tengan más variables de decisión se deben utilizar otras técnicas, tales como el
método simplex.

Dos características del método gráfico son:

• Puede manejarse con cualquier cantidad de restricciones, pero a medida que estas
aumentan, la complejidad aumenta, dado que cada restricción agrega una liena recta al
gráfico.
• Puede manejar problemas de maximización y minimización desde el punto de vista
de una Función Objetivo (FO), desde el punto de vista de las restricciones puede ser
=, ≥, ≤.

El conjunto de puntos del plano que satisfacen todas las restricciones en un modelo de
programación lineal, se denomina región factible. Los puntos de esta región cumple con todas
las restricciones o limitantes impuestas, y por otro lado la región factible contiene todas las
posibles soluciones. Generalmente, a medida que se agregan restricciones disminuye el
tamaño de la región, pudiéndose llegar a la situación que no exista una región factible.

Después de determinar la región factible y conociendo en especial los vértices de ella (dado
que los óptimos de producirán en los vértices), es necesario determinar el vértice que maximice
o minimice la FO. Esto se realiza dibujando la línea recta que representa la FO, para distintos
valores de esta, e identificando el vértice en la región factible donde se maximiza el valor de la
FO dibujada. Se puede generar dos tipos de soluciones:
1. La línea recta asociada a la FO se maximiza en un vértice de la región factible, con
lo cual la solución óptima es única.
2. La línea recta asociada a la FO se maximiza en un segmento de la frontera de la
región factible (arista), la solución óptima es múltiple y abarca todos los puntos del
segmento. Este es un caso menos frecuente que el anterior.
También es posible que:
1. No exista una región factible
2. La región factible no limite el valor de la FO, pudiendo crecer (caso maximización) o
disminuir (caso minimización) en forma indefinida.

Ejemplo:
Un fabricante manufactura dos productos A y B. Los productos A aportan con 3 unidades
monetarias a los beneficios, mientras que los productos B lo hacen con 2 c/u. La gerencia
desea establecer el plan de producción semanal que maximice el beneficio, dado que toda la
producción ofertada se puede vender sin problemas de demanda.

La información de la producción se presenta en la siguiente tabla:

Por Unidad
Maquinarias Mano de Obra Material
(horas) (horas)
Producto A 3 2 2
Producto B 1 3 1
Disponibilidad por semana 24 42 18

Solución:

Primero se debe modelar el problema, para lo cual consideramos lo siguiente:

Variables de Decisión:
X1: Cantidad de Producto A
X2: Cantidad de Producto B

Función Objetivo: La función a maximizar corresponde a los beneficios que reportan cada
producto, en el caso del producto A son de 3 unidades y del producto B son 2 unidades, por lo
cual la función queda definida como;

Maximizar Z = 3X1 + 2X2

Restricciones:
• Horas disponibles de Maquinaría: 3X1 + X2 ≤ 24
• Horas disponibles de Mano de Obra: 2X1 + 3X2 ≤ 42
• Material Disponible: 2X1 + X2 ≤ 18
• X1 ≤ 0, X2 ≤ 0

Resolución Gráfica

1. Inicialmente se dibuja el sistema de coordenadas asociando a un eje la variable "x"

y al otro la "y" (generalmente se asocia 'x' al eje horizontal e 'y' al vertical), como se
puede ver en la figura.

2. Se marca en dichos ejes una escala numérica apropiada a los valores que pueden
tomar las variables de acuerdo a las restricciones del problema. Para ello en cada
restricción se hacen nulas todas las variables excepto la correspondiente a un eje
concreto, determinándose así el valor adecuado para dicho eje. Este proceso se
repite para cada uno de los ejes.

3. A continuación se representan las restricciones. Comenzando con la primera, se

dibuja la recta que se obtiene al considerar la restricción como igualdad. Aparece
representada como el segmento que une A con B y la región que delimita ésta
restricción viene indicada por el color AMARILLO. Se repite el proceso con las
demás restricciones, quedando delimitadas la región de color AZUL y ROJO para la
segunda y tercera restricción respectivamente.

4. La región factible es la intersección de las regiones delimitadas tanto por el conjunto

de restricciones, como por las condiciones de no negatividad de las variables, es
decir, por ambos ejes de coordenadas. Dicha región factible está representada por
el polígono O-F-H-G-C, de color VIOLETA.
5. Como existe una región factible, se procede a determinar sus puntos extremos, o
vértices del polígono que representa. Estos vértices son los puntos candidatos a
soluciones óptimas. En este ejemplo son los puntos O-F-H-G-C de la figura, los
cuales corresponden a Las coordenadas de los puntos son; O (0,0), C (0,14), G
(3,12), H (6,6), H (8,0)
5. Finalmente, se evalúa la función objetivo (3x + 2y) en cada uno de esos puntos:

O = 3X1 + 2X2 = 3*0 + 2*0 = 0

C = 3X1 + 2X2 = 3*0 + 2*14 = 28

G= 3X1 + 2X2 = 3*3 + 2*12 = 33

H = 3X1 + 2X2 = 3*6 + 2*6 = 30

F = 3X1 + 2X2 = 3*8 + 2*0 = 24

El valor máximo se obtiene en el punto G, con una resultado de 33