Está en la página 1de 10

Pasos para la

construcción de modelos
Equipo 6
Fases para el proceso de modelización
• A continuación se presenta en general las etapas a seguir para
construir un buen modelo:
• Tener un profundo conocimiento de la realidad, es
decir representar conceptualmente el problema sin
Fase de ningún tipo de contradicción lógicas ni de errores de
conceptualización análisis.

• Establecer de forma clara y correcta las


relaciones entre los elementos , que sea de
Fase de fácil entendimiento y detectar rápidamente
formalización los errores.

• Establecer la forma en la
Fase de que se debe ser el
Evaluación procedimiento de
resolución a emplear.
Reglas basadas a ala experiencia

• Análisis del problema: Buscar los deseos del decisor, de forma que se
establezca el objetivo que se desea alcanzar y cuáles son las
limitaciones que existen.

• Definición de las variables de decisión y parámetros: Identificar las


posibles decisiones. Hay que identificar y denominar las variables. Hay
que denominar a las variables de forma que sean fácilmente
reconocibles, es decir, que nos indique que quieren representar. Se
denominan a las variables, por sencillez, x1 , x2 ,xb.
Reglas basadas a ala experiencia

• Identificación y formalización de las restricciones: Identificar cuáles son las


limitaciones a las que está sujeto el problema, y el plantearlas
matemáticamente.

• Identificar la función del objetivo: La cuantificación de los resultados que se


desean alcanzar. Aunque no en todos los problemas es inmediato definir el
objetivo, siempre es posible encontrar una función que permita evaluar los
resultados de cada una de las acciones. La función objetivo es una relación
matemática entre las variables de decisión, parámetros y una magnitud que
representa el objetivo o producto del sistema.
Reglas básicas de modelización

• Los modelos lineales son aquellos en los que tanto la función del
objetivo como las restricciones son funciones lineales y por tanto
son susceptibles de resolverse a través de la programación lineal.

• Estos modelos, son los más conocidos y los más usados en las
aplicaciones económicas, resaltaremos las hipótesis básicas sobre
las que se asientan este tipo de modelos.
Reglas básicas de modelización
• La primera hipótesis es la divisibilidad, es decir todas las variables del
modelo pueden tomar cualquier valor real.
• La segunda hipótesis es la de linealidad, estos significa:
a) Proporcionalidad en las contribuciones. La contribución individual de
cada variable es estrictamente proporcional a su valor, y el factor de
proporcionalidad es constante para todo el rango de valores que la
variable puede tomar.
b) Aditividad de las contribuciones. La contribución total de todas las
variables es igual a la suma de las contribuciones individuales
independientemente de los valores de las variables.
Reglas básicas de modelización

• La tercera hipótesis, aplicable fundamentalmente a los problemas


económicos, es la no negatividad de las variables del problema.
Esta hipótesis, no es en sí absolutamente necesaria.
• Los modelos enteros, surgen al eliminar la hipótesis primera de los
modelos lineales, es decir, al exigir que las variables tomen solo
valores enteros. En este caso aparece la denominada
programación discreta o entera, y en el caso de mantener la
hipótesis de linealidad, tenemos su representación más
característica que son los modelos lineales y enteros.
La Investigación de operaciones

• “La IO es la aplicación del método científico al estudio de las


operaciones de las grandes y complejas organizaciones o
actividades.
• Su contribución más importante es la aplicación de su resultado
para la toma de decisiones a niveles administrativos bajos,
medianos y superiores.
Enfoque del modelado en investigación de
operaciones
Diferentes programas aplicadas en la IO

Lineal Entera

PROGRAMACIÓN:

Cuadrática Dinámica

También podría gustarte