Академический Документы
Профессиональный Документы
Культура Документы
Tutor:
JOSE ERIQUE COTES
Modelos y Simulación
Conocer los conceptos básicos de esta materia donde aprenderemos como estudiantes
de ingeniería industrial a diseñar y comprender los modelos de simulación, como en la
obra de ingenio y en las acciones morales, ejemplar que por su perfección se debe seguir
e imitar. Aplicar los conocimientos aprendidos en estadística, programación lineal y
modelos matemáticos.
Objetivos
Objetivos específicos:
Comprender que son los modelos de simulación
Demostrar mediante la solución de las temáticas lo aprendido
Evaluar las alternativas de solución
Basarnos en la toma de decisiones para la solución de problemas empleando los
modelos de simulación
Verificar lo aprendido con la practica
Esquema de trabajo
Clases de muestreo:
Los principales tipos de muestreo son los siguientes:
Aleatorio: Todos los elementos de la población son seleccionados al azar.
Aleatorio con reposición: Los elementos seleccionados vuelven a formar parte del
conjunto del que hacemos el muestreo. Es a decir, pueden volver a ser seleccionados.
Aleatorio sin reposición: Una vez seleccionado un elemento no puede volver a ser
seleccionado.
Aleatorio estratificado: La población se divide en subconjuntos (estratos), en cada uno
de los cuales se lleva a cabo el muestreo de elementos.
Aleatorio por conglomerados: La población se divide en subconjuntos
(conglomerados), que son seleccionados aleatoriamente. Los componentes de los
conglomerados seleccionados constituyen la muestra.
Aleatorio sistemático: Se selecciona aleatoriamente la posición de un componente de
la lista (k). A continuación seleccionamos los componentes que ocupan los lugares
siguientes de acuerdo a una regla (para ejemplo, los que ocupan los lugares k+10, k+20,
k+30, etc.).
Distribuciones muéstrales:
Dada una población y el experimento aleatorio consistente en seleccionar una muestra
de dicha población, se define la variable aleatoria U (estadístico muestral) como una
aplicación que asigna a cada muestra, m, un resumen estadístico determinado, U (m).
Esta nueva variable aleatoria U tiene una distribución de probabilidad denominada
distribución muestral de U.
U: E R
m=(x1, x2,…, xn) U (m)=estadístico muestral
3. Determina los principios físicos que gobiernan el modelo que deseas crear. ¿Debes
considerar factores como la gravedad, el volumen, el tiempo, etc.? Toma nota de
cualquier factor que tendrás que considerar cuando crees el modelo.
Para determinar la cantidad del espacio que tienes en una unidad de
almacenamiento, tendrás que encontrar el volumen.
También tendrás que recordar que habrá algo de espacio desperdiciado, ya que
algunos objetos pueden ser irregulares y eso dificultará aprovechar cada centímetro
de la unidad de almacenamiento.
4. Identifica las ecuaciones que tendrás que usar para encontrar tu respuesta. ¿Qué
ecuaciones y fórmulas necesitarás para encontrar tu respuesta? ¿Cómo aplicarás
estas ecuaciones y fórmulas? Asegúrate de tener una comprensión clara de cómo
conectar la información que tienes en la ecuación.
Para hallar el volumen de la unidad de almacenamiento, tendrás que usar la ecuación
volumen = altura x ancho x longitud.
5. Averigua si otros han hecho el modelo. No hay necesidad de volver a inventar la rueda
si alguien más ha desarrollado un modelo que pueda cumplir con el objetivo que
buscas. Revisa en tu libro de texto o pregunta a tu profesor. Solo recuerda asegurarte
de que el modelo de alguien más funcione para tu caso.
Para obtener una idea de cómo encontrar el volumen usando la ecuación que has
identificado, revisa tu libro de texto o pregunta a tu profesor.
6. Crea un diagrama de tu modelo. Un modelo matemático simple quizás no requiera un
diagrama. Sin embargo, si creas un modelo complejo, un diagrama puede ayudar a
determinar si tu modelo funcionará. Dibuja un diagrama que represente el modelo
real que planeas hacer.
Asegúrate de incorporar tu información al diagrama para que tengas una guía cuando
crees el modelo real.
𝑀𝑎𝑥! = ∑ 𝑓𝑖 ∗ 𝑋𝑖
𝑖=1
o
𝑁
𝑀𝑖𝑛! = ∑ 𝑓𝑖 ∗ 𝑋𝑖
𝑖=1
Donde
𝑓𝑖=𝑐𝑜𝑒𝑓𝑖𝑐𝑖𝑒𝑛𝑡𝑒𝑠
Tipo 1:
𝑁
𝐴𝑗 = ∑ 𝑎𝑖,𝑗 ∗ 𝑋𝑖
𝑖=1
Tipo 2:
𝑁
𝐵𝑗 = ∑ 𝑏𝑖,𝑗 ∗ 𝑋𝑖
𝑖=1
Tipo 3:
𝑁
𝐶𝑗 = ∑ 𝑐𝑖,𝑗 ∗ 𝑋𝑖
𝑖=1
Donde:
s.a:
𝑆𝑡 ≤ 𝐷𝑡 𝑡 = 1, … , 𝑇 demanda máxima;
𝐴𝑥𝑡 ≤ 𝐶𝑡 𝑡 = 1, … , 𝑇 capacidad de producción;
𝑖𝑡 = 𝑖𝑡−1 + 𝑥𝑡 − 𝑠𝑡 𝑡 = 1, … , 𝑇 ecuación de inventario;
𝑖𝑜 = 𝐼 inventario inicial
𝑥𝑡′ 𝑠𝑡′ 𝑖𝑡 ≥ 0
En lo que sigue, cualquier variable de inventario se mide al final del período, a menos
que se defina de otra manera. En general las empresas contabilizan su inventario de esta
manera.
Intuitivamente, debería activarse la familia de restricciones 𝑆𝑡 ≤ 𝐷𝑡 pues al crecer 𝑆𝑡
aumenta la utilidad. Sin embargo, si la capacidad de producción es insuficiente a la
empresa podría convenirle acumular inventario para venderlo en períodos posteriores.
El modelo sopesa ésta y otras transacciones intertemporales, de donde emana la política
óptima de inventario.
Conclusiones
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&do
cID=3227913&tm=1544036684162