Paso 1 - Modelar y Simular Sistemas Industriales Con Base En Programación Lineal Dinámica.

Trabajo Colaborativo

Andrés Felipe Echeverry CC. 1122120550

Nadia Ruby Jiménez CC. 1122134589

Monica Tigreros CC. 1122134992

David Romero CC. 1121840270

Wilman Rios CC. 1121902496

Grupo: 102026-42

Diego Edixon Karacha Rodriguez

TUTOR

Universidad Nacional Abierta y a Distancia - UNAD

Escuela de Ciencias Básicas, Tecnología e Ingeniería

Modelos y Simulación

Acacias Meta

14/02/2019
 Introducción

El conocimiento adquirido por los profesionales de ingeniería durante los años de

aprendizaje de diferentes disciplinas les permite obtener conocimientos de modelos
matemáticos que tienen como objetivo explicar cómo se pueden representar diversos fenómenos
en entornos computacionales. Esos modelos son representaciones simplificadas de un proceso
real, sin embargo, tienen la función de comprender las variables relevantes, descartando aquellas
que no alteran significativamente el comportamiento de procesos y hacen que el modelo se torne
excesivamente complejo. Para lograr todo esto es indispensable tener claros los conceptos de
simulación y modelamiento, así como cada uno de las herramientas matemáticas que cada
proceso implica.

Se presenta el primer trabajo colaborativo de un camino hacia la formación académica

basado en Modelos y Simulación, mediante este paso 1 en donde se debe identificar las temáticas
a abordar, Modelar y Simular Sistemas Industriales, mediante el análisis, esquematizar,
parametrizar y desarrollar los problemas de programación lineal con las ayudas de herramientas
como Xpress IVE, Excel o PHP SIMPLEX, así lograr desarrollar el Taller Modelos de
Programación Dinámica.
 Justificación

Las áreas de aplicación de la simulación y la modelación son muy amplias, numerosas y

diversas. La aplicación de la simulación y modelación a sistemas ya existentes cuando existe
algún problema de operación o bien cuando se requiere llevar a cabo una mejora en el
comportamiento es de vital importancia para el desarrollo de procesos o creación de productos.

En esta primera actividad colaborativa llamada Paso 1 – Modelar y Simular Sistemas

Industriales, en donde se busca, primeramente, reconocer y manejar las herramientas software
empleadas en el curso. Con los actores del pequeño grupo colaborativo desarrollar el Taller
Modelos de Programación Dinámica, segunda actividad del curso Modelos y simulación.

Debe resolverse una serie de problemas de programación lineal con los conocimientos previos, la
realización se debe fundamentar en los conocimientos del entorno de conocimiento u otras
referencias bibliográficas que pueda aclarecer el concepto a trascender o desarrollar.

Otras razones para desarrollar este proyecto son para obtener unos logros y metas tanto a nivel
personal como profesional y a su vez fortalecer una calidad de vida personal y familiar. Para ello
se adopta un enfoque abierto a los modelos de simulación de su múltiple formación práctica,
donde los estudiantes seremos los únicos protagonistas de este proceso educativo avanzando
con un paso seguro hacia un futuro tecnológico dinámico determinístico y lineal mucho mejor.
 Objetivos

Objetivo General

Resolver los problemas conceptualizando con el manejo del software Xpress IVE, Excel
o PHP SIMPLEX e indagando las referencias bibliográficas brindadas.

Objetivo Especifico

 Explorar el programa de aprendizaje Xpress IVE como software principal para el

desarrollo de la actividad y el curso en general.
 Indagar los conceptos vistos en la guía de aprendizaje en documentos especializados
externos.
 Apropiarse de las temáticas fundamentando las respuestas de los problemas propuestos.
 Esquema de Trabajo

Taller Modelos de Programación Dinámica

Desarrollar los siguientes contenidos conceptuales:

PUNTO 1.

Simulación: Thomas T. Goldsmith Jr. y Estle Ray Mann la definen así: "Simulación es una
técnica numérica para conducir experimentos en una computadora digital. 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 a través de
largos períodos".

De acuerdo a la naturaleza del modelo empleado, la simulación puede ser por (Fishman, 1978):

* Identidad: Es cuando el modelo es una réplica exacta del sistema en estudio. Es la que utilizan
las empresas automotrices cuando realizan ensayos de choques de automóviles utilizando
unidades reales.

* Cuasi-identidad: Se utiliza una versión ligeramente simplificada del sistema real. Por ejemplo,
los entrenamientos militares que incluyen movilización de equipos y tropas, pero no se lleva a
cabo una batalla real.

* Laboratorio: Se utilizan modelos bajo las condiciones controladas de un laboratorio.

Se pueden distinguir dos tipos de simulaciones:

 Juego operacional: Personas compiten entre ellas, ellas forman parte del modelo, la otra
parte consiste en computadoras, maquinaria, etc. Es el caso de una simulación de
negocios donde las computadoras se limitan a recolectar la información generada por
cada participante y a presentarla en forma ordenada a cada uno de ellos.
 Hombre-Máquina: Se estudia la relación entre las personas y la máquina. Las personas
también forman parte del modelo. La computadora no se limita a recolectar información,
sino que también la genera. Un ejemplo de este tipo de simulación es el simulador de
vuelo.
* Simulación por computadora: El modelo es completamente simbólico y está implementado en
un lenguaje computacional. Las personas quedan excluidas del modelo. Un ejemplo es el
simulador de un sistema de redes de comunicación donde la conducta de los usuarios está
modelada en forma estadística. Este tipo de simulación a su vez puede ser:

 Digital: Cuando se utiliza una computadora digital.

 Analógica: Cuando se utiliza una computadora analógica. En este grupo también se
pueden incluir las simulaciones que utilizan modelos físicos.

Uso de la simulación: cuando se simula se experimenta con un modelo para obtener ciertos
resultados. Un modelo es también un sistema, y de acuerdo al tipo de variables de salida del
modelo el modo de simulación será:

* Análisis: Es el modo más empleado, en él las variables de salida del modelo representan a las
variables de salida del sistema real. Este modo se utiliza para estimar la respuesta del sistema
real ante entradas especificadas. Debido a que imita un sistema que realmente funciona, el
modelo es matemáticamente más estable y se asegura la existencia de una solución.

* Diseño: En este modo las salidas del modelo representan a los parámetros del sistema real. Se
utiliza en la etapa de diseño de un equipo donde el problema es determinar los parámetros para
los cuales el sistema producirá las salidas deseadas para las entradas especificadas.

* Control: Las variables de salida del modelo representan a las variables de entrada del sistema
real. Este modo sirve para determinar los valores que deberán adoptar las entradas del sistema
para producir los resultados deseados. Se utiliza cuando se desea determinar las condiciones de
operación de un sistema.

Por lo general, los simuladores se operan en modo diseño dejando al usuario la tarea de iterar
para obtener los resultados provistos por los otros modos. Por ejemplo, para estimar el voltaje
requerido para el calentador (modo diseño), se pueden realizar varias simulaciones en modo
análisis para un conjunto de valores de voltaje, y se selecciona el que produce la salida deseada.

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

El modelo icónico que es una reproducción a escala del objeto real, donde se muestra la misma
figura, proporciones y características que tiene el objeto real.

El modelo analógico que consiste en un esquema, diagrama o representación donde se refleja la

estructura de relaciones y determinadas propiedades fundamentales de la realidad.

El modelo teórico que utiliza símbolos para designar las propiedades del sistema que se desea
estudiar. Tiene la capacidad de representar las características y relaciones fundamentales del
objeto, proporcionar explicaciones y servir como guía para generar hipótesis teóricas.

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.

1.2 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.

Ionos.es (29.08.2018)
1.3 Investigue los principales sistemas industriales existentes y su comportamiento.

 La producción por lotes es aquella que crea una pequeña cantidad de productos
idénticos. Puede requerir una labor intensiva en mano de obra, aunque gracias al
concepto de plantillas o modelos se contribuye a agilizar la producción. Las máquinas
pueden sustituirse fácilmente cuando es necesario producir un lote de un producto
diferente.
 La producción en masa: Es la que se ocupa de la producción de cientos de productos
idénticos. Esto implica para los propietarios de una planta industrial de este tipo, el
montaje de un número indeterminado de componentes individuales y piezas que pueden
ser compradas a otras empresas. Dentro de la producción en masa existen tareas
automatizadas que le permite sacar mayor volumen de productos utilizando menos manos
de obra calificada.
 Producción por trabajo: Es la producción bajo pedido. Se elabora generalmente un solo
producto a la vez. Requiere el uso intensivo de mano de obra. Los productos pueden
hacerse a mano o mediante una combinación de métodos manuales y mecánicos.
 Producción de flujo continuo: Es cuando se realizan muchos miles de productos
idénticos. La diferencia entre este y la producción en masa consiste en que la línea de
producción del flujo continuo se mantiene en funcionamiento las 24 horas del día los
siete días a la semana. Así, se logra maximizar la producción y eliminar los costes
adicionales que implica detener el proceso y volver a iniciarlo. Cuenta con procesos
altamente automatizados y requiere de menos trabajadores.

Alejandra Salazar/Fierros Industrial.

1.4 Investigue 2 casos de éxito de Modelos Matemáticos y Simulación en la Ingeniería

Industrial: aplicaciones y análisis de sensibilidad

NASA: Sistemas UML es un estándar popular desarrollado por Object Management Group
(OMG) para modelar gráficamente arquitecturas de software. La implementación en C de una
Red de Comportamiento funciona como un árbol de decisión. Simplificando el proceso de
generación de código de control basado en el comportamiento. El enfoque de auto codificación
utilizado en este trabajo se deriva del aplicado anteriormente a las misiones de la NASA, como el
Laboratorio de Ciencia de Marte.

SolarCity: La colisión de nuevas fuentes de datos, tecnología y análisis proporciona a las

empresas de energía como SolarCity oportunidades increíbles para impulsar una mayor
participación de los clientes al tiempo que mejora la eficiencia y el uso de la energía. Para ayudar
a construir la cuadrícula del futuro, SolarCity seleccionó la Optimización FICO para ayudar a la
empresa a extraer las mejores acciones posibles de un mar de datos y una gran cantidad de
restricciones y prioridades en competencia.
1.1 Cree un mapa conceptual de “La simulación” y “La modelación”

David Romero
Wilmar Ríos
Andrés Echeverry
Monica Tigreros
Nadia Jiménez
PUNTO 2. Teniendo en cuenta los conceptos analizados anteriormente, desarrolle el siguiente cuestionario de ejercicios:

Problema 1: Surtidora contrató a El Martillo como proveedor de llaves y cinceles en sus tiendas de artículos automotrices. La
demanda semanal de Surtidora consiste en al menos 3200 llaves y 1900 cinceles. La capacidad actual de Martillo, 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 llaves a un mínimo de 3:1.

Precio de Venta
Aleación Especificaciones
($ / TON)

Cuando más 80% de I

A Cuando más 30% de II 200
Cuando menos 50% de IV

De 40 a 60% de II
B Cuando menos 30% de III 300
Cuando más 70% de IV

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

1-A
 b) Realice la simulación y analice el escenario de la situación a seguir: Suponga que llega un nuevo proveedor, la empresa el
Torno, un referente proveedor de llaves, y presenta la siguiente tabla con la capacidad de producción asociada:

CAPACIDAD DE PRODUCCIÓN – EMPRESA EL TORNO

Precio de Venta
Aleación Especificaciones
($ / TON)

Cuando más 80% de I

A Cuando más 30% de II 200
Cuando menos 50% de IV

De 40 a 60% de II
B Cuando menos 30% de III 300
Cuando más 70% de IV

¿De acuerdo con la presentación de este segundo caso, cuál de los dos proveedores escogería, de acuerdo a su análisis? Justifique
matemáticamente su respuesta.
1-B
 ln le ls cn ce cs Limite
Restrincion1 1 1 1 >= 3200
Restrincion2 1 1 1 >= 1900
Restrincion3 1 <= 800
Restrincion4 1 1 <= 1200
Restrincion5 1 <= 420
Restrincion6 1 1 <= 999
Restrincion7 -3 -3 -3 1 1 1 >= 0

ln le ls cn ce cs
Resultado 800 400 2000 420 579 901 Z mínima= 16862.9
z= 2.5 3.2 4 2.2 2.6 3.5
Solver Excel
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:
Precio de Venta
Aleación Especificaciones ($ / TON)

Cuando más 32% de Componente I

A Cuando más 22% de Componente II 300
Cuando menos 43% de Componente IV

De 10 a 20% de Componente II
B Cuando menos 12% de Componente III 260
Cuando más 11% de Componente IV

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:

Al e aci ón

¿Cuánto se debe producir de cada aleación?

2-
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.

Destino
Tienda 1 Tienda 2 Tienda 3 Tienda 4
Planta 1 $10 $13 $19 $11 150
Planta 2 $12 $11 $17 $11 320
Origen
Planta 3 $15 $18 $12 $10 180
Planta 4 $18 $14 $16 $9 250
200 300 250 150
3-
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.

Destino
Tienda 1 Tienda 2 Tienda 3 Tienda 4 Tienda 5 Tienda 6
Planta 1 $3 $5 $12 $5 $4 $3 800
Planta 2 $8 $7 $9 $5 $9 $7 700
Origen
Planta 3 $6 $2 $3 $8 $2 $5 100
Planta 4 $4 $10 $4 $6 $5 $8 400
250 150 200 550 350 100
4-
 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.

El aporte de este trabajo es el desarrollo de un modelo de simulación para determinar la futura

realidad de la diferente cantidad de producción en función de variables conocidas que acarrea
consigo todas las ventajas propias de la simulación.
 Referencias Bibliográficas

 Guasch, A., Piera, M. À., & Casanovas, J. (2002). Modelado y simulación: aplicación a
procesos logísticos de fabricación y servicios. Madrid, ES: Universitat Politécnica 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
 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:2969/login.aspx?
direct=true&db=nlebk&AN=1725244&lang=es&site=ehost-live&ebv=EB&ppid=pp_3
 Guerrero, S. H. (2009). Programación lineal aplicada. Bogotá, CO: Eco
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&docID=3215329&tm=1544036375878