Universidad Nacional San Luis Gonzaga de Ica

Facultad de Ingeniería Pesquera y de Alimentos

Escuela Académico Profesional de Ingeniería de Alimentos

MODELAMIENTO DE UN PROBLEMA DE
PROGRAMACION

Curso: Modelamiento y Simulación de Procesos

Ciclo: IX

I. Introducción
La simulación es el arte y ciencia de crear una representación o
sistema para los propósitos de experimentación y evaluación de
determinados procesos.
 La Simulación permite predecir el comportamiento de los sistemas
logístico/productivos bajo diversas situaciones reales o previsibles (o
lo que es lo mismo, situaciones simuladas). Imagínese diversos
escenarios como roturas de stock, huelgas de transporte que nos
impiden el abastecimiento de materias primas por unos días, etc.
Desde la Simulación, podemos contemplar toda esta casuística o
escenarios, proyectando como va a reaccionar nuestra capacidad
productiva frente a estas situaciones anómalas (elaboración de Planes
de Contingencia).

Nos proporciona la capacidad de poder analizar las posibles

alternativas a la optimización de nuestro sistema logístico, sin tener
que alterar físicamente el mismo (por ejemplo, una mejor distribución
de planta, evaluación de diferentes estrategias productivas, etc.).
Conoceremos de antemano el impacto de dichas modificaciones o, en
su caso, la irrelevancia de estas actuaciones.

La Simulación dota a la organización de una formación y una

educación acerca de cómo están operando los sistemas, permitiendo
la detección de problemas logísticos característicos (cuellos de
botella, excesivos tiempos de respuesta al cliente, etc.) y habilitando
análisis profundos sobre la situación productiva y evaluando dichas
alternativas.

En definitiva, la simulación de procesos nos permite generar modelos

matemáticos en realidad virtual, altamente precisos y poder
experimentar con ellos para obtener la mejor alternativa. Esto nos
proporciona una alta precisión en el diseño o mejora de los sistemas
logísticos y evita el elevado riesgo de errores en su realización física.

II. Exposición de Motivos

Matlab, es una herramienta informática que surgió para realizar
cálculos matemáticos, especialmente operaciones con matrices.
Además de realizar cálculos, esta herramienta permite crear gráficos

MODELAMIENTO Y SIMULACION DE PROCESOS 1

 de muchos tipos y presenta grandes ventajas a la hora de trabajar con
números complejos, con matrices polinomios, funciones
trigonométricas, logaritmos, etc.

Con los años, el programa Matlab, ha sido modificado por varias

versiones, en cada una de estas se ha ido incorporando diversas
funciones para gran cantidad de aplicaciones ingenieriles: simulación
de sistemas dinámicos, visión artificial, análisis estadístico, análisis y
diseño de controladores automáticos, etc.

La programación en el entorno de Matlab, se lleva a cabo mediante un

lenguaje que es muy parecido a lenguajes de alto nivel como BASIC o
C, permitiendo que el usuario pueda agrupar sentencias que utiliza
frecuentemente dentro de un programa que en su posteridad puede
ser invocado, con la finalidad de estar reescribiendo todas las
sentencias para una futura ejecución.

El entorno de Matlab, se maneja escrbiendo sentencia dentro de una

ventana llamada de órdenes, estas se escriben una a una, pulsando
la tecla de retorno al final. Suponiendo que se toma como ejemplo
sqrt(16) el programa realiza la operación indicada y responde en la
pantalla con el resultado. Lo que se aprecia en pantalla es algo
parecido a esto:

>> sqrt(16)
ans =
4.000
>>

Las operaciones se indican de manera intuitiva, por ejemplo para

obtener el siguiente resultado con escribir 13*5/(3+4*11). En la
ventana de órdenes se obtendrá lo siguiente:

>> 13*5/(3+4*11)
ans =
1.3830

Para la resolución de problemas en el entorno de Matlab, es necesario

el uso de paréntesis para que la operación se realice correctamente.

La herramienta Matlab, permite utilizar nombres simbólicos para

referirise a objetos los cuales representan números, vectores o
matrices. Como es sabido el lenguaje de programación se caracterizan
por un tipo, un identificador y otras características.

En Matlab, todos los objetos son matrices de números complejos en

un punto flotante. Un escalar no es más que una matriz 1x1; cada

MODELAMIENTO Y SIMULACION DE PROCESOS 2

 elemento de la matriz se almacena en la memoria como un número
complejo; cuando se trabaja con números reales Matlab considera
simplemente su valor natural. Finalmente, todos los números son
tratados en formato de punto flotante, esto quiere decir que son
números con parte entera, parte decimal y parte exponente.

Con todas estas características, Matlab desperdicia memoria con

respecto a otros lenguajes en los cuales las variables pueden ser de
otro tipo más pequeños, a pesar de que Matlab trata todas las
variables del mismo modo se continuara con la manera de indicar en
los diagramas de flujo y en los comentarios el tipo de variables
facilitando la detección de errores.

Los objetos que se pueden utilizar dentro del entorno de Matlab, han
de tener un identificador que es un cojunto de caracteres, lo que la
palabra resultante debe cumplir con los siguientes requisitos:
No puede comenzar con un número.
No puede coincidir con palabras reservadas como if, for, etc.
No puede contener espacios en blanco.

Los métodos de optimización los podemos clasificar en: métodos

clásicos (que son los algoritmos que habitualmente se explican en los
libros de optimización) y métodos metaheurísticos (que aparecieron
ligados a lo que se denominó inteligencia artifical e imitan los
fenómenos sencillos observados en la naturaleza).

Dentro de los primeros mencionados, se encuentra la optimización

lineal, lineal entera mixta, no lineal, estocástica, dinámica, etc. En el
segundo grupo se incluyen los algoritmos evolutivos (genéticos entre
otros), el método del recocido simulado (simulated annealing), las
búsquedas heurísticas (método tabu, búsqueda aleatoria, avariciosa,
etc.) o los sistemas multiagente. De forma muy general y aproximada
se puede decir que los métodos clásicos buscan y garantizan un
óptimo local mientras que los métodos metaheurísticos tienen
mecanismos específicos para alcanzar un óptimo global aunque no
garantice su alcance.

III. Objetivos
Determinar cómo se obtiene el valor de diferentes funciones
usando Matlab.
Realizar cálculos matemáticos usando las funciones que están
disponibles en los compiladores del programa.

MODELAMIENTO Y SIMULACION DE PROCESOS 3

 Ejecutar funciones dentro del entorno de Matlab.
Reconocer las principales partes para resolver un problema de
simulación de procesos en Matlab.

IV. Descripción y Codificación del Programa

Resolver un problema de optimización consiste en encontrar el valor
que deben de tomar las variables para hacer óptima la función objetivo
del programa, satisfaciendo el conjunto de restricciones
contempladas.

Dentro de las etapas que componen el ciclo de vida de un modelo de

programa son las siguientes:
Identificación del problema.
Consiste en la recolección y análisis de la información relevante
para el problema, con el intercambio de información entre el
modelador y el experto, en establecer una relación simbiótica y
estrecha coordinación entre ambos.
Esta estapa es indispensable para que las soluciones
proporcionadasm las conclusiones obtenidas sean útiles y las
decisiones adoptadas sean correctas. Los datos suelen ser vitales
para conseguir un mayor realismo o aplicabilidad en las
soluciones. A menudo se consideran un crítico para el proceso de
modelado.

Especificación matemática y formulación.

Aquí se define la escritura matemática del problema de
optimización, definiendo principalmente sus variables,
ecuaciones, función objetivo, parámetros. En esta etapa se
analiza el tamaño del problema, estructura de la matriz de
restricciones y tipo. Es una etapa de creación donde se debe
prestar atención a la precisión en la formulación y a la escritura
de las ecuaciones que escriben el problema.

Resolución.
Se trata de implantar un algoritmo de obtención de la solución
numérica (muy próxima a la matemática) óptima o cuasi óptima.
El algoritmo puede ser de propósito general (método simplex) o
especifico. Puede haber diferentes métodos de solución de un

MODELAMIENTO Y SIMULACION DE PROCESOS 4

 problema o diferentes implantaciones de un mismo método. El
tiempo de resolución de un problema también puede depender
drásticamente de como este formulado.
La solución óptima debe ser suficientemente satisfactoria, debe
ser una guía de actuación para el experto.

Verificación, validación y refinamiento.

Esta etapa conlleva al desecho de errores en la codificación, es
decir conseguir que el modelo haga lo que se ha especificado
matemáticamente en la etapa anterior mediante su escritura en
un lenguaje informático (depurar y verificar). Es necesario
comprobar la validez de las simplificaciones a realizar a través de
los resultados obtenidos, incluso contrastando estos con
situaciones reales ya transcurridas (validar) o comprobando que
los resultados son coherentes con respecto a lo que sucederán
en realidad.

Esta etapa de verificación, validación y comprobación da lugar a

nuevas necesidades de refinamiento en el modelado para mejorar
la capacidad de representación del sistema. Por ejemplo, eliminar
la linealidad y hacer el modelo no lineal o hacer el modelo
estocástico si la realidad lo fuera. Además, también se puede
abordar el refinamiento matemático en la formulación del
problema para hacerlo más eficaz.

Interpretación y análisis de los resultados.

Consiste en proponer soluciones. Permite conocer en detalle el
comportamiento del modelo al hacer un análisis de sensibilidad
en los parámetros de entrada, estudiar diferentes escenarios
plausibles de los parámetros, detectar soluciones alternativas
cuasióptimas pero suficientemente atractivas, comprobar la
robustez de la solución óptima.

Implantación, documentación y mantenimiento.

Esta es la etapa fundamental del desarrollo de un modelo para
garantizar su amplia difusión. La documentación ha de ser clara, precisa
y completa. El usuario debe de incluir la especificación técnica
funcional, matemática e informática. El propio código debe incluir una
buena documentación para facilitar la tarea del mantenimiento. Se sabe
que la mayor parte del ciclo de vida de un modelo no está en el
desarrollo sino en la fase de uso y mantenimiento. En esta etapa se
incluye también la tarea de formación para los usuarios del modelo.
Conociendo todas las etapas para la resolución de un modelo de
programación podemos plantear un ejemplo de planificación de la
producción de una fábrica de papel. Se dispone de varias
máquinas para producir diferentes tipos de papel. Se trata de
determinar cuáles son las cantidades óptimas a producir de cada

MODELAMIENTO Y SIMULACION DE PROCESOS 5

 tipo de papel en cada máquina para maximizar el beneficio. La
demanda de cada tipo de papel se considera fija y conocida,
existen limitaciones en el tiempo de producción de cada una de
las maquinas.

STITLE Planificación de la Producción de una Papelera

La papelera puede producir cuatro tipos diferentes de papel en tres máquinas distintas.
Dada una demanda fija se trata de determinar la producción que maximiza los beneficios
mensuales.

Con este tipo de problema se puede determinar la capacidad de

producción de las diferentes maquinas que se tienen para la

fabricación de papel que hay dentro de la empresa, determinando

la tasa de producción mensual (definida por la variables de tiempo
y hora), el costo de producción (inversión por tiempo), la demanda

MODELAMIENTO Y SIMULACION DE PROCESOS 6

 y precio de venta (referida esencialmente a la capacidad de
producción), tiempo disponible al mes de cada máquina (la
capacidad de horas de producción) y la variables de la producción
que las podemos agrupar en:
- Producción por cada tipo de papel en cada máquina (regida
por el tiempo de producción mensual)
- Beneficio económico (ganancia por mes)

Dentro de las ecuaciones establecidas para hallar la capacidad,

demanda y beneficio de cada máquina se obtuvo que la variable
principal que rige todo este proceso es la PRODUCCION.

Para concluir el análisis de este problema, se obtuvo que las tres

máquinas productoras de papel generan un máximo beneficio
rentable para la empresa, convirtiéndolas en fuentes potenciales
de producción para obtener una mayor capacidad de ventas y un
alto beneficio económico; satisfaciendo las perspectivas de
producción que fueron planteadas para cada una de las
máquinas. Asimismo podemos establecer que la maquina 1 es la
que mayor cantidad de papel es capaz de producir, de ahí viene
la maquina 2 y 3 respectivamente.

Para determinar el ciclo de secuenciación de órdenes de trabajo,

tenemos en el siguiente ejemplo que se tiene una máquina y 5
tipos de trabajos que hay que realizar en ella, en cualquier orden,
disponiéndose de tiempo para la ejecución de los trabajos y del
tiempo de ajuste de la máquina para pasar a ejecutar el trabajo i
(fila) a ejecutar el trabajo j (columna).

MODELAMIENTO Y SIMULACION DE PROCESOS 7

 TR1 TR2 TR3 TR4 TR5

TR1 2 5 1 6

TR2 3 4 2 5

TR3 4 2 3 4

TR4 5 3 6 5

TR5 4 4 4 3

MODELAMIENTO Y SIMULACION DE PROCESOS 8

 Para conocer el ciclo de secuenciación de órdenes de trabajo, primero
se determinó la capacidad de tiempo de cada una de las 5 operaciones
que hay en mención y cuanto se demora de pasar a cada uno de estos
luego de la finalización, teniendo como variables principales el paso
del trabajo i (fila) al trabajo j (columna) y el tiempo total en completar
cada uno de los 5 trabajos asignados; como lo que se tiene es una
variable binaria se designa X como la variable primante en este
proceso, que la podemos definir como el tiempo.

A las ecuaciones para determinar cada una de las variaciones de

tiempo se tienen las consideraciones del tiempo total de trabajo, un
tiempo anterior (cada inicio de trabajo), un tiempo posterior (cada
finalización) y un trabajo que se realiza por parejas (suma de los
trabajos duales); finalmente se considera que los modelos serán
establecidos a dos ajustes:
- Modelo A: Tiempos Anterior/Posterior
- Modelo B: Tiempo Anterior/Posterior y por Parejas

Concluyendo con el análisis de este ejemplo, se llega que la capacidad

de trabajo entre las 5 actividades diseñadas registradas en un tiempo
de inicio/conclusión constante y un trabajo de parejas óptimo para
alcanzar un mayor rendimiento en las etapas de producción. Al aplicar
un modelo de trabajo parecido a este en las empresas se obtendría un
mayor rendimiento en la producción de diversos productos no solo del
tipo alimentario sino en un rango industrial.

MODELAMIENTO Y SIMULACION DE PROCESOS 9

 V. Conclusiones
- Al aplicar diversos sistemas de programación y modelamiento,
en este caso Matlab, no solo se reconoce el entorno y el
funcionamiento de las diversas funciones que se pueden
encontrar en esta, sino que se calcula variables como tiempo,
rendimiento y beneficio volviéndose en una alternativa
beneficiosa para cumplir con mejores expectativas de
producción en las diversas industrias que hay en el mercado.

- Con la simulación de procesos, podemos ahorrar tiempo y

dinero en el tema de ensayos de productos, ya que con
diseñar un buen sistema de programación te puede votar
resultados ya antes descritos en el ítem anterior.

VI. Referencias Bibliográficas

http://www.gams.com/docs/contributed/modelado_en_gams.pdf
http://www.simergia.com/simulacion-de-procesos.html
http://www.esi2.us.es/~jaar/Datos/FIA/T9.pdf
http://ocw.unican.es/ensenanzas-tecnicas/fundamentos-
matematicos-i/otros-recursos-2/comandos-ejemplo-
matlab.pdf

MODELAMIENTO Y SIMULACION DE PROCESOS 10