MODELOS DE SIMULACION

UNIDAD 1: PASO 0 - RECONOCER LOS PRE-SABERES DE MODELOS Y

SIMULACIÓN

PRESENTADO POR:

RICHARD ALEXANDER BLANCO GOMEZ

GRUPO

212026_46

TUTOR

JOSE ENRIQUE COTES

 UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

VALLEDUPAR-CESAR

FEBRERO – 2020

INTRODUCCION

En esta fase encontramos los principales conceptos de modelos y simulación y su aplicación

dentro de una organización que se encuentra integrada a un sistema de actividades que van
vinculadas para lograr objetivos económicos.

Estos logros pueden ser resueltos por medio de los diferentes modelos logrando la
interpretación de una manera correcta los datos obtenidos en el estudio del caso de manera
detallada del mercado.
Esta es de las principales formas más utilizadas para la interpretación del mercado logrando
así realizar las diferentes estrategias de optimización de los recursos con los que cuenta la
organización utilizando los diferentes métodos logrando implementar el más adecuado.
 OBJETIVOS
Es el entendimiento de las unidades 1 y 2 del presente curso de igual forma la interpretación
de la metodología en la cual se desarrollara en el transcurso de las diferentes actividades con
el animo de tener una imagen específica y el entendimiento de cuando podemos utilizar los
conocimientos adquiridos en el curso para la toma de decisiones que son de vital importancia
para las organizaciones que son de vital importancia en base de los datos obtenidos como
ingenieros industriales tener siempre una solución a lo que se pueda presentar.
 Justificación

¿Cómo evaluar nuevas alternativas para modificar una línea productiva antes de
hacer la inversión?, ¿cómo maximizar el consumo energético en una empresa?,
¿cómo optimizar los tiempos y costes en el procesado de un producto?, ¿cómo
adecuaríamos los procesos para adaptarlos a una nueva composición de producto?
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. Durante el desarrollo de esta
actividad explicaremos la importancia de los modelos y simulación en la Ingeniería
Industrial y sus campos de aplicación.
 ACTIVIDADES PARA DESARROLLAR
a. RECONOCIMIENTO DEL AULA A TRAVÉS DE LOS ENTORNOS.

Explorar cada uno de los entornos.

Entorno inicial
Entorno de conocimiento

Entorno de aprendizaje colaborativo

Entorno de aprendizaje practico

Entorno de seguimiento y evaluación

Entorno de gestión del estudiante
IDENTIFICAR EL GRUPO AL QUE PERTENECE (BLOQUE LATERAL
IZQUIERDO) PARTE SUPERIOR.

PRESENTACIÓN E INTERACCIÓN CON LOS PARTICIPANTES

ENVIAR INVITACIÓN AL TUTOR DEL GRUPO INDICANDO:
PARTICIPACIÓN EN EL FORO UNIDAD 1- PASO 0- RECONOCER LOS PRE-
SABERES DE MODELOS DE SIMULACIÓN <.
a. ¿QUÉ ES LA PROGRAMACIÓN LINEAL?
La Programación Lineal corresponde a un algoritmo a través del cual se resuelven situaciones
reales en las que se pretende identificar y resolver dificultades para aumentar la productividad
respecto a los recursos (principalmente los limitados y costosos), aumentando así los
beneficios. El objetivo primordial de la Programación Lineal es optimizar, es decir,
maximizar o minimizar funciones lineales en varias variables reales con restricciones lineales
(sistemas de inecuaciones lineales), optimizando una función objetivo también lineal.

i. TIPOS.

En los problemas de programación lineal con dos variables pueden darse varios tipos de
soluciones óptimas:

 Solución única.
 Solución múltiple (infinitas soluciones).
 Solución no acotada (ausencia de solución), cuando la función objetivo no
tiene valores extremos, pues la región factible es no acotada.
 Solución no factible, cuando no existe región factible por falta de puntos
comunes en el sistema de inecuaciones.
 Solución degenerada, si en un solo punto (que se dice degenerado)
coinciden tres o más de las rectas que limitan la región factible.
 ii. USOS Y APLICACIONES, SEGÚN LA TIPOLOGÍA.
Aplicaciones de la programación lineal en marketing
Selección de medios publicitarios: La Programación Lineal se utiliza en el campo del
marketing y la publicidad como una herramienta que nos permite determinar cuál es la
combinación más efectiva de medios para anunciar nuestros productos. En muchas ocasiones
partiremos de un presupuesto para publicidad fijo y nuestro objetivo será distribuirlo entre
las distintas opciones que se nos ofrecen (televisión, radio, periódicos, revistas, etc.) de forma

que nuestros productos tengan la mayor difusión posible. En otros casos, las restricciones no
serán presupuestarias, sino que vendrán dadas por la disponibilidad de cada medio y por las
políticas publicitarias de nuestra propia empresa.

Aplicaciones de la programación lineal en producción

 Combinación óptima de bienes: A menudo las técnicas de PL permiten decidir

sobre la cantidad más adecuada que una empresa debe producir de cada uno de sus
productos a fin maximizar los beneficios sin dejar de cumplir con unos determinados
requisitos (financieros, de demanda, contractuales, de disponibilidad de materias
primas, etc.).
 Planificación de la producción: El establecer un plan de producción para un período
de semanas o meses resulta ser una tarea difícil e importante en la mayoría de las
plantas de producción. El director de operaciones debe considerar muchos factores:
mano de obra, costes de inventario y almacenamiento, limitaciones de espacio,
demanda, etc. Por lo general la mayoría de las plantas producen más de un bien, con
lo que la tarea anterior se complica aún más. Como veremos en el siguiente ejemplo,
el problema de la planificación se asemeja bastante al de la combinación óptima de
bienes, pudiendo ser el objetivo maximizar beneficios o bien minimizar los costes de
producción más almacenamiento.
Aplicaciones de la programación lineal a la distribución de áreas

 Asignación de trabajos: El objetivo aquí será asignar de la forma más eficiente

posible un trabajo a cada empleado o máquina. Ejemplos de este tipo de asignación
serían la distribución de coches patrulla por las calles de una ciudad o el destino de
cada jefe de ventas a una determinada zona geográfica. El objetivo puede ser bien
minimizar los tiempos o costes de desplazamiento, o bien maximizar la efectividad
de las asignaciones.
Aparte de poder utilizar los algoritmos tradicionales (Simplex y Karmarkar), este tipo
de problemas también puede resolverse usando técnicas especialmente diseñadas para
sus características como el método húngaro, el cual necesita de menos iteraciones
para dar con la solución.

Una propiedad particular de los problemas de asignación es que tanto los coeficientes
tecnológicos cómo los términos independientes (right-hand-side) siempre toman el
valor 1. Además, todas las variables serán binarias, tomando el valor 1 si la asignación
propuesta se lleva a cabo y 0 en caso contrario.

 Planificación de horarios: La planificación de horarios intenta dar una respuesta

efectiva a las necesidades de personal durante un período concreto de tiempo. La
aplicación de la PL a este tipo de problemas resulta especialmente útil cuando los
directivos disponen de cierta flexibilidad a la hora de asignar tareas a empleados
polifuncionales. Un sector típico donde se hace uso de la PL para tomar decisiones
sobre planificación de horarios son las entidades bancarias.

Aplicaciones de la programación lineal a las finanzas

 Selección de una cartera de valores: Un problema al que se tienen que enfrentar de

forma habitual los directivos de bancos, fondos de inversión, y compañías de seguros
es la selección de una serie de inversiones concretas de entre la gran variedad de
alternativas existentes en el mercado. Por norma general, el objetivo de estos
directivos es maximizar los beneficios esperados de estas inversiones, las cuales se
ven sometidas a un conjunto de restricciones, algunas legales y otras provenientes de
la propia empresa (como puede ser el nivel de riesgo que se desea asumir o la cantidad
máxima que se permite invertir).

 Selección de una cartera de valores: Un problema al que se tienen que enfrentar de

forma habitual los directivos de bancos, fondos de inversión, y compañías de seguros
es la selección de una serie de inversiones concretas de entre la gran variedad de
alternativas existentes en el mercado. Por norma general, el objetivo de estos
directivos es maximizar los beneficios esperados de estas inversiones, las cuales se
 ven sometidas a un conjunto de restricciones, algunas legales y otras provenientes de
la propia empresa (como puede ser el nivel de riesgo que se desea asumir o la cantidad
máxima que se permite invertir).

Aplicaciones de la programación lineal a la logística

 El problema del transporte El llamado problema del transporte se refiere al proceso

de determinar el número de bienes o mercancías que se han de transportar desde cada
uno de los orígenes a cada uno de los destinos posibles. El objetivo suele ser
minimizar costes de transporte, y las restricciones vienen dadas por las capacidades
productivas de cada origen y las necesidades de cada destino. Este tipo de problema
es un caso específico de PL, por lo que existen métodos y algoritmos especiales que
facilitan su resolución (Regla de la Esquina NorOeste, Método de Vogel, Método de
Paso Secuencial, y Método de distribución modificada o MODI).

Aplicaciones de la programación lineal a mezclas

 El problema de la dieta: Este problema representa una de las primeras aplicaciones

de la PL, y comenzó a utilizarse en los hospitales para determinar la dieta más
económica con la que alimentar a los pacientes a partir de unas especificaciones
nutritivas mínimas. En la actualidad también se aplica con éxito en el ámbito agrícola
con la misma idea de encontrar la combinación óptima de alimentos que, logrando un
aporte nutritivo mínimo, suponga el menor coste posible.
 a. ¿QUÉ SON LOS MÉTODOS DETERMINÍSTICOS?
Es un modelo matemático donde las mismas entradas o condiciones iniciales producirán
invariablemente las mismas salidas o resultados, no contemplándose la existencia de azar, o
incertidumbre en el proceso modelada mediante dicho modelo.

Pasos para la construcción de modelos matemáticos

Una manera de resumir las etapas usuales (no secuenciales) de un estudio de IO es la
siguiente:
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. Preparación para la aplicación del modelo.
6. Puesta en marcha.
Definición de variable

Es una característica que puede fluctuar y cuya variación es susceptible de adoptar diferentes
valores, los cuales pueden medirse u observarse. Las variables adquieren valor cuando se
relacionan con otras variables, es decir, si forman parte de una hipótesis o de una teoría
Función objetivo y restricciones.

La función objetivo puede ser:

Las restricciones pueden ser de la forma:

Donde:

 A = valor conocido a ser respetado estrictamente;

 B = valor conocido que debe ser respetado o puede ser superado;
 C = valor conocido que no debe ser superado;
 j = número de la ecuación, variable de 1 a M (número total de restricciones);
 a; b; y, c = coeficientes técnicos conocidos;
 X = Incógnitas, de 1 a N;
 i = número de la incógnita, variable de 1 a N.
En general no hay restricciones en cuanto a los valores de N y M. Puede ser N = M; N > M;
ó, N < M.
Sin embargo si las restricciones del Tipo 1 son N, el problema puede ser determinado, y
puede no tener sentido una optimización.
Los tres tipos de restricciones pueden darse simultáneamente en el mismo problema.
b. ¿QUÉ SON LOS MÉTODOS DETERMINÍSTICOS?

Además de ser una herramienta fundamental para la toma de decisiones, optimiza los
resultados logísticos, administrativos y financieros de una organización con el fin de
mejorar procesos, reducir costos y mejorar sus recursos técnicos.
Así mismo, plantea distintos métodos para solucionar problemas relacionados con el
transporte, la asignación y la distribución, elementos claves para la solución eficiente
de inconvenientes y/o dificultades que se puedan presentar en el ejercicio empresarial.
Estos conceptos de métodos determinísticos permiten la optimización parcial de una
parte de la secuencia y luego relacionan las unidades optimizadas en la siguiente
línea, hasta que toda quede optimizada. Estos conceptos se pueden aplicar en los
problemas que tienen funciones continuas o en problemas donde los valores enteros
son prácticos.

i. TIPOS.

 Construcción de una Red.

 Modelos de Transporte y Distribución
 Modelos de Asignación

ii. USOS Y APLICACIONES, SEGÚN LA TIPOLOGÍA.

 Método de Simulación de Montecarlo: Generalmente, en su aplicación

estadística, se utiliza un modelo para simular un fenómeno que contiene algún
componente
aleatorio. En los métodos de Montecarlo, por otro lado, el objeto de la
investigación es un
modelo en sí mismo, y se utilizan sucesos aleatorios o pseudoaleatorios para
estudiarlo.
c. ¿QUÉ SON LOS MÉTODOS PROBABILÍSTICOS?

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.
Las distribuciones utilizadas no son para nada arbitrarias y dependen de los datos
observacionales obtenidos, del tipo de parámetro modelizado y del proceso de
estimación utilizado.
Dicho de otra forma, en un análisis probabilístico no todos los pacientes se comportan
como el paciente medio, y el modelo ya refleja explícitamente la variabilidad que
pueda haber entre los distintos pacientes dentro de una cohorte. Por ejemplo, puede
resultar poco realista suponer que todos los pacientes de una cohorte tengan la misma
probabilidad de responder favorablemente a un determinado tratamiento. Lo más
razonable es suponer que haya variaciones en la tasa de respuesta, tal como
contemplan las distribuciones de pro en términos del tiempo dbabilidades

i. TIPOS.

 Interno: Se plantean en términos de las variables que describen el fenómeno

físico, físico – químico que produce la transición de estado “bueno” a estado
“fallado”.
 Externo: Se plantea únicamente en términos del tiempo de transición del estado
“bueno” al estado “fallado”. No se ocupa de lo que ocurre internamente en el
componente.
 Dos estados: Existen dos estados operativos de interés, el estado de operación
satisfactorias y el estado de falla. Es el modelamiento más utilizado porque utiliza
distribuciones de probabilidad sencillas para el componente no reparable y
procesos estocásticos para el componente reparable.
 Multiestado: Se definen varios estados operativos de interés. Cuando solo es
posible de la transición entre estados adyacentes este se denomina “proceso de
nacimiento y muerte” y utiliza procesos estocásticos.

ii. USOS Y APLICACIONES, SEGÚN LA TIPOLOGÍA.

 Hallar patrones de comportamiento a nivel

 Desagregado.
 Realizar predicciones de comportamiento más allá de los datos que
observamos.
 Generar benchmarks para la evaluación de estrategias comerciales.
d. LA MODELACIÓN MATEMÁTICA Y LAS HERRAMIENTAS DE
SOFTWARE.

 El módulo de evaluación del modelo. Es el encargado de evaluar

matemáticamente el modelo y de obtener resultados numéricos a partir de las
ecuaciones que lo componen. Su lógica es relativamente sencilla: evalúa cada
componente, y dentro de cada componente, cada una de las ecuaciones de
éste. Una vez acaba de evaluar todos los componentes del modelo, si no se
cumple ninguna de las condiciones de parada, vuelve a empezar de nuevo,
iterando de esta forma el modelo hasta que se cumpla una condición de parada
(el usuario también puede detener el proceso a voluntad).

 El módulo de salida de datos. El módulo de salida de datos se compone de

dos elementos diferenciados: la salida numérica y la salida gráfica. La primera
presenta los datos en forma de tabla, permitiendo copiarlos y pegarlos en otra
aplicación o volcarlos a un fichero en ASCII.
 CONCLUSIONES
Es un modelo de representación simplificada de un objeto o sistema y cuando se plantean
situaciones hipotéticas del funcionamiento del sistema en cualquier momento o situación se
entiende como simulación del comportamiento del sistema en el modelo que lo representa.

El desarrollo de Modelos Matemáticos de Simulación es una moderna técnica analítica que

puede ser utilizada en las distintas etapas de la evaluación de estrategias alternativas.
 REFERENCIAS BIBLIOGRÁFICAS

Los sistemas industriales y su comportamiento

 Guasch, A., Piera, M. À., & Casanovas, J. (2002). Modelado y simulación: aplicación a
procesos logísticos de fabricación y servicios. Madrid, ES: Universitat Politècnica de
Catalunya. Disponible en la Biblioteca Virtual de la UNAD (pp.2-21). Recuperado
de: https://bibliotecavirtual.unad.edu.co:2538/lib/unadsp/reader.action?ppg=28&docID
=4310046&tm=1544036108836

Modelos Matemáticos y Simulación en la Ingeniería Industrial: definiciones,

aplicaciones y análisis de sensibilidad

 Singer, M. (2013). Una práctica teoría de la optimización lineal : datos, modelos y

decisiones. Santiago, Chile: Ediciones UC. Disponible en la Biblioteca Virtual de la
UNAD (pp.3-69). Recuperado
de: http://bibliotecavirtual.unad.edu.co/login?url=https://bibliotecavirtual.unad.edu.co:2
969/login.aspx?direct=true&db=nlebk&AN=1725244&lang=es&site=ehost-
live&ebv=EB&ppid=pp_3

Modelos de Programación Lineal Dinámica:

 Guerrero, S. H. (2009). Programación lineal aplicada. Bogotá, CO: Ecoe

Ediciones. Disponible en la Biblioteca Virtual de la UNAD.(pp.249-271) Recuperado
de: https://bibliotecavirtual.unad.edu.co:2538/lib/unadsp/reader.action?ppg=267&docI
D=3215329&tm=1544036375878

El modelo de transporte

 Hillier, F. S. (2010). Introducción a la investigación de operaciones (9a. ed.). México,

D.F., MX: McGraw-Hill Interamericana. Disponible en la Biblioteca Virtual de la
UNAD (pp. 282-309). Recuperado
de:https://bibliotecavirtual.unad.edu.co:2538/lib/unadsp/reader.action?ppg=311&docID
=3214887&tm=1544036769138
 Martínez, Salazar, Iris Abril, and Camarón, Gastón Vértiz (2014). Investigaciones de
operaciones, Grupo Editorial Patria, 2014. Disponible en la Biblioteca Virtual de la
UNAD (pp. 149-179). Recuperado
de: https://bibliotecavirtual.unad.edu.co:2538/lib/unadsp/reader.action?ppg=162&docI
D=3227913&tm=1544036684162
Modelos Dinámicos y Simulación : análisis de sensibilidad

 Singer, M. (2013). Una práctica teoría de la optimización lineal : datos, modelos y

decisiones. Santiago, Chile: Ediciones UC. Disponible en la Biblioteca Virtual de la
UNAD (pp.3-69). Recuperado
de:http://bibliotecavirtual.unad.edu.co/login?url=https://bibliotecavirtual.unad.edu.co:2
969/login.aspx?direct=true&db=nlebk&AN=1725244&lang=es&site=ehost-
live&ebv=EB&ppid=pp_3

Objeto Virtual de Información – Unidad 1 - La simulación en ingeniería

Este Objeto Virtual de Información tiene como objetivo, Brindar al estudiante, una
introducción general al curso de modelos y Simulación, haciendo un breve resumen
conceptual y una descripción general de los tópicos más relevantes de la Modelación y la
Simulación.

 Hernández, Oscar. (23,08, 2017). Modelos y Simulación.[Archivo de video].

Recuperado de: http://hdl.handle.net/10596/12978

Objeto Virtual de Información – Unidad 1 - Construcción de Modelos Matemáticos

Este Objeto Virtual de Información tiene como objetivo,Enseñar al estudiante los principales
conceptos, elementos y estructura de un modelo matemático en la representación lógica de
sistemas reales productivos y/o de servicio a partir de un ejemplo aplicado en el área
industrial.

 Araque, Gustavo. (26,11, 2018). Modelos y Simulación. [Archivo de

video]. Recuperado de http://hdl.handle.net/10596/22202

Objeto Virtual de Información - Unidad 1 - Simulación Determinística y Dinámica,

Basada en Programación Lineal
Este Objeto Virtual de Información tiene como objetivo, brindar al estudiante, un instructivo
básico y general, que le orienta la descarga, instalación y primer contacto con la herramienta
de software para simulación de optimización Xpress, la cual se orienta como recurso
tecnológico para apoyar el desarrollo de los ejercicios de simulación que requieren mediación
por software que le servirá como material de consulta y como apoyo para realizar las
actividades propuestas en la segunda unidad del curso.
 Hernandez, Oscar. (23,08,2017). Modelos y Simulación. [Archivo de video].
Recuperado de http://hdl.handle.net/10596/12979
Objeto Virtual de Aprendizaje - Unidad 1 – Modelo de Transporte
Este Objeto Virtual de Aprendizaje tiene como objetivo,
Brindar los conocimientos de apoyo en búsqueda del desarrollar de los conceptos y técnicas
de modelamiento y simulación aplicados al algoritmo especial del problema de transporte en
el planteamiento, identificación y generación de escenarios solución a partir de modelos
matemáticos asociados en la toma de decisiones estratégica.

 Araque, Gustavo. (26,11, 2018). Modelos y Simulación. [Archivo de video]. Recuperado

de http://hdl.handle.net/10596/21716

Recursos educativos adicionales para el curso (Bibliografía complementaria)

Los recursos educativos adicionales pueden servirle como apoyo para ampliar un poco más
la información relacionada con las temáticas de la Unidad 1 y pueden ser consultadas en
cualquier momento cuando así lo requiera.

 Trujillo, Johanna; Cubillos-González, Rolando Arturo; (2016). La simulación como

herramienta de diseño y evaluación arquitectónica. Pautas resueltas desde la
ingeniería. Revista de Arquitectura, Enero-Junio, 1-16. Recuperado
de: http://www.redalyc.org/articulo.oa?id=125146891009
 Martínez, Salazar, Iris Abril, and Camarón, Gastón Vértiz. Investigaciones de
operaciones, Grupo Editorial Patria, 2014. ProQuest Ebook Central,
http://bibliotecavirtual.unad.edu.co:2460/lib/unadsp/detail.action?docID=3227913.Recu
perado
de:http://bibliotecavirtual.unad.edu.co:2460/lib/unadsp/detail.action?docID=3227913
 Urquía, M. A., & Martín, V. C. (2013). Modelado y simulación de eventos discretos.
Madrid, ES: UNED - Universidad Nacional de Educación a Distancia. Disponible en la
Biblioteca Virtual de la UNAD Recuperado
de: http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/detail.action?docID=10803904
&p00=simulacion+sistemas+discretos
 Hernandez, Oscar. (23,08,2017). Modelos y Simulación.[Archivo de video].
Recuperado de: http://hdl.handle.net/10596/12978
 Lima, S. A. D. (2012). Análisis del proceso de producción de aceites básicos en la
refinería Sergio Soto mediante la simulación. La Habana, CU: D - Instituto Superior
Politécnico José Antonio Echeverría. CUJAE. Disponible en la Biblioteca Virtual de la
UNAD.
Recuperado de: http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/detail.action?docI
D=10624556&p00=investigaci%C3%B3n+operaciones+modelaci%C3%B3n+simulaci
%C3%B3n