Contenidos

Modelación de Sistemas
Actividades Estocásticas
Tipos de Modelos
Métodos Numéricos
Optimización – Programación Lineal
Aplicaciones con Solver – Excel
Modelación de Sistemas
Sistema: Conjunto de objetos unidos por interacciones o interdependencias.
Puede ser estático o dinámico (según como lo queramos analizar.)
Sistemas Dinámicos: Las interacciones producen cambios en el tiempo en el
(estado del) sistema. (Los cambios pueden ser continuos o discretos.)
Ejemplos: avión con piloto automático; industria de ensamblaje de autos.
Sistemas Estáticos: Sólo nos interesa el estado de “equilibrio”. Por ej.,
edificio, puente, relación suministro-demanda-precio de un commodity.
Componentes de un sistema: entidades, atributos y actividades.
Ejemplos de sistemas Sistema Entidades Atributos Actividades

(dinámicos): Tráfico Autos Velocidad, Distancia Viajar

Banco Clientes Saldo, Crédito Depositar

Comunicaciones Mensajes Largo, Prioridad Transmitir
Super Mercado Clientes Lista de Compras Check-out
Modelación de Sistemas
Estado del Sistema: Descripción de las entidades, atributos y actividades en
un instante dado de tiempo.
Entorno del Sistema: Dependerá de los objetivos del estudio.
Los cambios en el entorno afectan al sistema y vice-versa.
Se pueden tener actividades endógenas (sistema) y/o exógenas (entorno).
Sistema Cerrado: no tiene actividades exógenas.
Sistema Abierto: tiene actividades exógenas.
Actividades Determinísticas:
el resultado depende completamente de la “entrada” al sistema.
Actividades Estocásticas:
el resultado varía “aleatoriamente” entre varios posibles resultados.
Aleatorio = Estocástico Actividad = Proceso
Actividades Estocásticas
El Resultado Aleatorio (de una actividad endógena) generalmente se puede
medir/describir en base a una “distribución de probabilidad”. Por ejemplo:
al lanzar un dado “honesto”, la probabilidad de obtener un “as” es 1/6, la de un
(1 o 2) es 2/6, la de un (1, 2 o 3) es 3/6, etc.
Si la ocurrencia de la actividad es “aleatoria”, entones ella será “exógena”.
Una actividad “verdaderamente estocástica” no tiene una explicación conocida
para su aleatoriedad.
Sin embargo, muchas veces modelamos (aproximamos) en forma estocástica
una actividad que sería muy compleja (o poco productivo) de describir en
detalle. Entonces hablamos de “pseudo-estocástico” o “pseudo-aleatorio”.
Además, la recolección de datos para crear un modelo casi siempre
involucra un cierto grado de incertidumbre por los errores/limitaciones de la
experimentación o por la necesidad de muestreo.
Modelación de Sistemas
Experimentar: Para estudiar un sistema a veces es posible experimentar con
él. (Muchas veces hay limitaciones y se hace “pseudo-experimentación”.)
Modelar: Cuando no es posible experimentar (por ej: aún no se construye el
sistema; o es un sistema económico) podemos construir un modelo con el
cual intentamos “predecir” su futuro comportamiento.
Un modelo es una representación simplificada (supuestos) del sistema real.
Otra alternativa es la de construir un prototipo y experimentar con él.
Definición de Modelo:
Conjunto de información resumida de un sistema para estudiarlo/evaluarlo.
Se compone de:
- estructura (frontera-entorno, entidades, atributos, actividades).
- datos (valores de atributos y relaciones de las actividades).
Tipos de Modelos
Estáticos

Físicos

Dinámicos

Monte-Carlo
Modelos
Numéricos
Muchos otros
Estáticos (Simplex, Optim.
no lineal, etc.)
Analíticos

Matemáticos

Analíticos

Dinámicos Simulación

Numéricos

Otros
Algunos Ejemplos de Métodos (Modelos) Numéricos
Multiplicación de matrices: C = A * B
con A(m x n) y B(n x s)

Método de Gauss-Jordan para solución de sistemas de ecuaciones lineales.

Paso 1:
Paso 2:
Paso 3:

Paso 4: paso 1

Método de Newton-Raphson para obtener las raíces reales de una función.

Método de Bairstow para obtener las raíces de polinomios.
Método de Lagrange para interpolación binomial.
Optimización
Problemas prácticos para resolver con métodos de optimización.
Tenemos una fábrica de ropa para colegios: pantalones, camisas, calcetines, chalecos,
chaquetas. Tenemos recursos limitados, ¿Qué cantidad producimos de cada tipo de ropa?
¿Cuánto producimos para cada colegio?
Fabricamos computadores en tres plantas-países distintos. Para enfrentar las ventas ¿Cuánto
tenemos que fabricar en cada planta considerando diversas demandas por computadores?
Tenemos una cartera de 20 proyectos para realizar en los próximos 3 años, pero los recursos no
alcanzan para hacerlos todos. ¿Qué proyectos escogemos para realizar?
¿Cómo invierto mis ahorros, considerando por ejemplo: acciones de alto riesgo, depósitos a
plazo, fondos mutuos, compra de propiedades, etc.?
Queremos poner precio a nuestros productos, asumiendo distintas situaciones de demanda y
restricciones de costos.
En todas estas situaciones queremos tomar decisiones en base a un
resultado óptimo: por ejemplo, maximizar las ganancias o minimizar las
pérdidas.
Optimización – Programación Lineal
Podemos construir un modelo matemático para representar una situación de
asignación óptima de recursos limitados.
Si dicho modelo se puede expresar como un sistema de desigualdades
lineales (dadas por las restricciones de recursos) y una función objetivo (lineal)
que se desea maximizar o minimizar, entonces se trata de un problema de
programación lineal.
La función objetivo generalmente representa costos o utilidades.
El propósito de la programación lineal es de encontrar una solución óptima
(máximo o mínimo) que satisfaga las restricciones.
El método numérico más utilizado para la programación lineal:
el método SIMPLEX de Dantzig.
Optimización - Programación Lineal
El modelo debe ser determinístico (parámetros con valores constantes).
Las variables no deben tomar valores negativos.
El único objetivo es el de maximizar o minimizar.
La función objetivo generalmente representa costos o utilidades.
Las variables deben ser divisibles (pueden tomar valores fraccionarios).
Función objetivo:

Restricciones:

Las restricciones pueden ser ≤, ≥, =

Optimización con SOLVER de EXCEL
Si las ecuaciones del modelo no son lineales (función objetivo y/o sus
restricciones), entonces tenemos un problema de programación no-lineal.

El programa SOLVER de EXCEL nos permite resolver problemas de

programación lineal y no-lineal, continua y entera.

Con SOLVER (en EXCEL)

tenemos que definir:
La función objetivo
Las variables
Las restricciones
Veamos un ejemplo con SOLVER:
Modelemos el caso de una fabrica de ropa para colegio, la cual fabrica 6
productos distintos. Conocemos:
El costo para fabricar cada producto.
La cantidad de mano de obra y de materia prima para cada producto.
La demanda máxima (estimada) para cada producto.
El precio de venta (fijo) para cada producto.

Objetivo: determinar la mejor mezcla de productos para maximizar la

rentabilidad en el período analizado.

Restricciones:
No podemos usar más de los recursos totales (mano de obra y materiales) disponibles.
Hay un límite en la demanda para cada producto y no queremos producir más allá de ese límite.