PASO 1 - MODELAR Y SIMULAR SISTEMAS INDUSTRIALES CON BASE EN

PROGRAMACIÓN LINEAL DINÁMICA

NELSON ARMANDO ROJAS - Código: 1098613978

GRUPO: 212026_4

JOSE ENRIQUE COTES

TUTOR

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA (UNAD)

MODELOS Y SIMULACIÓN

JULIO 2019 - BOGOTÁ

PASO 1 - MODELAR Y SIMULAR SISTEMAS INDUSTRIALES CON BASE EN
PROGRAMACIÓN LINEAL DINÁMICA

1. ESQUEMA DE TRABAJO

Tema objeto del

trabajo

Localización y lectura de los

contenidos temáticos

Obtención de información
necesaria y análisis

Organización de
ideas

Desarrollo del
Taller

Debate y
socialización

Consolidación y
entrega de informe
colaborativo
 2. CRONOGRAMA

Junio Julio
2 2 2 2 2 2 3
ACTIVIDADES 21 22
3
24
5 6 7 8 9 0
1 2 3 4 5

Lectura de contenidos temáticos

Obtención de la información
Desarrollo del taller
Punto 1
Punto 2
Socialización y debate
Consolidación del producto
Entrega

3. DESARROLLO TALLER

A. PUNTO 1

Desarrollar los siguientes contenidos conceptuales

a. Qué es la simulación y modelación, tipos y usos.

i. Simulación
Como antecedentes de la teoría de la simulación podríamos mencionar la
teoría de la dinámica de sistemas. A su vez, la teoría de la dinámica de
sistemas se basó en la teoría de los servomecanismos, cuya característica
fundamental es la existencia en los mismos de una realimentación de
información. Se entiende por realimentación el proceso en virtud del cual,
cuando se actúa sobre un determinado sistema, se obtiene continuamente
información sobre los resultados de las decisiones tomadas, información
que servirá para tomar las decisiones sucesivas. La teoría de los
servomecanismos tiene dos características fundamentales: El estudio
sistemático del concepto de realimentación y un amplio desarrollo del
estudio del comportamiento dinámico de los sistemas donde se encuentra
el germen de la noción de sistema dinámico [Aracil, J.,1986]. Estas ideas
de realimentación y de sistema dinámico se aplicaron en el estudio de
procesos socioeconómicos más que en procesos tecnológicos ya que en
los procesos socioeconómicos se desconocen, la mayoría de las veces,
las leyes que rigen las interacciones elementales que se producen en el
seno de los mismos y sin embargo muestran un comportamiento dinámico
y una fuerte interacción entre sus partes. Es decir, según pasa el tiempo,
 las variables con que se mide su estado, tales como las ventas, la
producción, los empleados etc., fluctúan considerablemente, como
consecuencia de las interacciones que se producen entre ellas, que
además son aleatorias.
La simulación es un medio mediante el cual tanto nuevos procesos como
procesos ya existentes pueden proyectarse, evaluarse y contemplarse sin
correr el riesgo asociado a experiencias llevadas a cabo en un sistema
real. Es decir, permite a las organizaciones estudiar sus procesos desde
una perspectiva sistemática procurando una mejor comprensión de la
causa y efecto entre ellos además de permitir una mejor predicción de
ciertas situaciones. La teoría de la simulación permite valorar, replantear y
medir, por ejemplo, la satisfacción del cliente ante un nuevo proceso, la
utilización de recursos en el nuevo proceso o incluso el tiempo para
minimizarle. Todas estas posibilidades hacen de la simulación un
instrumento ideal para un esfuerzo de replanteamiento de la empresa.

ii. Tipos de simulación

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.

iii. Modos de simulación

Un modelo es también un sistema, y de acuerdo al tipo de variables de
salida del modelo el modo de simulación.
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 estimarla 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.
iv. Modelado
Modelado es el proceso de construcción de un modelo. Un modelo es una
representación de un objeto, sistema, o idea. Usualmente, su propósito es
ayudar explicar, entender o mejorar un sistema (Shannon, 1988). Los
modelos son útiles para:
El pensamiento: Al construir un modelo necesariamente se debe ordenar
y completar el conocimiento que del sistema real se posee.
La comunicación: Un modelo elimina la ambigüedad del lenguaje para
comunicarse con expertos.
El entrenamiento y la instrucción: Un modelo puede ser utilizado para
entrenar con costo y riesgo casi nulos. Por ejemplo, los submarinos a
escala utilizados por la marina alemana para entrenar en secreto antes de
la segunda guerra mundial; o también, el sistema de barcos a escalas
utilizados actualmente en Francia para entrenar a los capitanes de barcos
petroleros.
La predicción: Un modelo sirve para predecir la conducta del sistema
real. Es el caso de los modelos utilizados para predecir, mediante
simulación, la evolución del clima mundial. El modelo de la teoría de la
relatividad predice, sin hacer una simulación, que no es posible superar la
velocidad de la luz.
La experimentación: La experimentación con un modelo es barata y
segura. Se emplea frecuentemente en el diseño de un sistema; por
ejemplo, las pruebas que se realizan en un túnel de viento con un modelo
a escala de un avión o de un automóvil.

El modelado es un arte. Cualquier conjunto de reglas para desarrollar

modelos tiene una utilidad limitada y sólo puede servir como una guía
sugerida. El arte de modelar consiste en la habilidad para analizar un
problema, resumir sus características esenciales, seleccionar y modificar
las suposiciones básicas que caracterizan al sistema, y luego enriquecer y
elaborar el modelo hasta obtener una aproximación útil. Los pasos
sugeridos para este proceso son:
1) Establecer una definición clara de los objetivos.
2) Analizar el sistema real.
3) Dividir el problema del sistema en problemas simples.
4) Buscar analogías.
5) Considerar un ejemplo numérico específico del problema.
 6) Determinar las variables de interés.
7) Escribir los datos obvios.
8) Escribir las ecuaciones teóricas o empíricas que describen los
fenómenos presentes y relacionan las variables de interés.
9) Si se tiene un modelo manejable, enriquecerlo. De otra manera,
simplificarlo.
Generalmente, simplificar un modelo implica:
▪ Convertir variables en constantes.
▪ Eliminar o combinar variables.
▪ Suponer linealidad.
▪ Agregar suposiciones más potentes y restricciones.
▪ Restringir los límites del sistema.
Para enriquecerlo se procede de la forma contraria. Durante el proceso de
modelado se debe alcanzar un equilibrio entre el grado de detalle y el
riesgo de falta de exactitud. El mejor modelo, es el modelo más simple que
puede resolver el problema con el grado de exactitud requerido.
Un modelo debe ser:
▪ Fácil de entender por parte del usuario.
▪ Dirigido a metas u objetivos.
▪ Sensato, en cuanto no de respuestas absurdas.
▪ Fácil de manipular y controlar por parte del usuario. Es decir, debe
ser sencillo comunicarse con el modelo

v. Clasificación de modelos
Como ya fue planteado, un modelo es también un sistema; por lo tanto,
valen todas las definiciones y clasificaciones que se establecieron
anteriormente. Debido a que un modelo es una simplificación o
abstracción de un sistema real, no es necesario, salvo en los aspectos
relevantes, que el modelo guarde una total correspondencia con el
sistema real. Entonces, habrá casos en que será conveniente utilizar un
modelo discreto para modelar un sistema continuo (por ejemplo, la
integración numérica de una función utilizando la regla del trapecio), o
utilizar un modelo estocástico para modelar un sistema determinístico (por
ejemplo, la determinación del área de una figura utilizando la simulación
de Monte Carlo), y todas las combinaciones posibles.
  Modelos teóricos vs. Experimentales
Si el modelo que se construye sólo se orienta a reproducir las salidas del
sistema real sin intentar modelar su comportamiento interno; entonces,
será un modelo experimental o de caja negra. En cambio, si el modelo
también intenta reproducir las relaciones funcionales del sistema será un
modelo con base teórica. Un modelo experimental requiere una gran
cantidad de datos para poder calibrarlo o ajustarlo correctamente, y su
rango de validez está limitado a este conjunto de datos. En contraposición,
un modelo teórico requiere una cantidad menor de datos y puede ser
utilizado fuera del rango de los mismos ya que el rango de validez del
modelo está dado por la teoría utilizada y no por los datos.

 Modelos de caja negra

Debido a las limitaciones del conocimiento actual o por la complejidad
involucrada, todo modelo con base teórica siempre tiene una parte con
base empírica. En efecto, debido a que no existe una teoría apropiada o
su implementación es demasiada compleja, siempre es necesario recurrir
a experimentos para determinar el valor del algún parámetro o definir
alguna relación entre las variables.

b. Investigue para la modelación las principales herramientas de

software utilizadas.

GASP IV
Es una colección de subrutinas FORTRAN, diseñadas para facilitar la
simulación de secuencia de eventos y procesos. Algunas de sus rutinas y
funciones son: gestión de listas de eventos futuros, adición y remoción de
entidades, colección de estadísticas, generadores de variables aleatorias
y reporte estándar.

SIMSCRIPT II.5
Es un lenguaje de simulación con orientación al evento y al proceso, es
híbrido porque posee facilidades para simulación de sistemas discretos y
continuos. Está basado en entidades, atributos y conjuntos.

SIMAN
Modela un sistema discreto usando la orientación al proceso, se estudian
las entidades que se mueven a través del sistema. Una entidad para
SIMAN es un cliente, un objeto que se mueve en la simulación y que
posee características únicas conocidas como atributos. Los procesos
denotan la secuencia de operaciones o actividades a través del que se
mueven las entidades, siendo modeladas por el diagrama de bloques.

CONTROLP
Pueden simularse procesos en realimentación simple, en control en
cascada y en control en adelanto (feedforward). Para cada uno de estos
procesos, el programa facilita el diagrama de bloques de un sistema
preconfigurado y totalmente operativo. No se precisa efectuar ningún tipo
de programación ni de diseño gráfico.
Proporciona respuesta temporal o frecuencia según lo configure el
usuario. El usuario puede componer, configurar o modificar el sistema
mediante los cuadros de diálogo desplegables del diagrama de bloques.
Control P permite el estudio de la respuesta del sistema frente a
perturbaciones, ya sean debidas a cambios en el punto de consigna (set
point), cambios de carga en el proceso o cambios introducidos en los
parámetros de los componentes del sistema.

CHEMSEP
Integra cálculos de flash, modelo clásico de columna en la fase equilibrio y
modelos de no equilibrio “base-porción”, permite simular cualquier
problema en minutos y exportar resultados en una gran variedad de
formatos, hoja de cálculo, texto, y HTML.

STELLA
Sirve para hacer modelos matemáticos, crear sistemas, modelar eventos,
predecir posibles catástrofes, modelos hidrodinámicos etc. El área de
trabajo de STELLA cuenta con: una interface, que crea el proyecto final de
la interpretación del modelo; mapa, es donde se crea el modelo; modelo,
es donde se signa los valores del modelo o sistema dinámico y
ecuaciones, para asignar el modelo y verificar que la ecuación cumpla con
sus características correctas.

PROMODEL
Puedes simular Justo a Tiempo, Teoría de Restricciones, Sistemas de
Empujar, Jalar, Logística, etc. Una vez hecho el modelo, éste puede ser
optimizado para encontrar los valores óptimos de los parámetros claves
del modelo. Algunos ejemplos incluyen determinar la mejor combinación
de factores para maximizar producción minimizando costo, minimizar el
número de camiones sin penalizar el servicio, etc. El módulo de
optimización nos ayuda a encontrar rápidamente la solución óptima, en
lugar de solamente hacer prueba y error. ProModel cuenta con 2
optimizadores disponibles y permite de esta manera explotar los modelos
de forma rápida y confiable.

ARENA
Es un sistema que probé un entorno de trabajo integrado para construir
modelos de simulación en una amplia variedad de campos; integra, en un
ambiente fácilmente comprensible, todas las funciones necesarias para el
desarrollo de una simulación exitosa (animaciones, análisis de entrada y
salida de datos y verificación del modelo). Arena cuenta con una excelente
capacidad gráfica, ofrece gran versatilidad, pues se puede modelar desde
una fábrica automotriz hasta una sala de espera de un hospital.

FREECAD
Aplicación de diseño asistido por computadora en tres dimensiones. Utiliza
técnicas de modelado paramétrico y está diseñado como un software
modular, donde se pueden agregar en forma sencilla más funcionalidades
(módulos).

ASPEN PLUS
Es un programa básicamente de simulación de procesos químicos, en el
cual además de simulaciones de diagramas de flujo, se puede realizar:
estimación de propiedades de compuestos, análisis de sensibilidad de
variables de proceso, obtener especificaciones de diseño de proceso, y,
síntesis y análisis de procesos químicos, entre otras tareas del diseño de
procesos y equipos.

MATLAB
La plataforma MATLAB está optimizado para la solución de problemas de
ingeniería y científicos. El lenguaje MATLAB basado en la matriz, es la
forma natural de la mayor parte del mundo para expresar matemática
computacional. Gráficos integrados hacen que sea fácil de visualizar y
obtener información a partir de datos. Una vasta biblioteca de cajas de
herramientas prediseñados le permite comenzar de inmediato con
algoritmos esenciales a su dominio. El entorno de escritorio invita a la
experimentación, la exploración y el descubrimiento. Estas herramientas y
capacidades de MATLAB están rigurosamente probados y diseñados para
trabajar juntos.
SIMULINK
Es un entorno de programación visual, que funciona sobre el entorno de
programación Matlab. Simulink viene a ser una herramienta de simulación
de modelos o sistemas, con cierto grado de abstracción de los fenómenos
físicos involucrados en los mismos. Se hace hincapié en el análisis de
 sucesos, a través de la concepción de sistemas (cajas negras que realizan
alguna operación).

c. Investigue los principales sistemas industriales existentes y su

comportamiento.

Lean / Six Sigma Simulación

Software de simulación ayuda a identificar los siete desperdicios en su
sistema. Se puede dar una retroalimentación en todo, desde la ubicación y
la velocidad de acumulación de inventario hasta cómo un cambio de
diseño afecta la cantidad de operadores o el movimiento del producto.
También puede mostrar como un proyecto de Six sigma, que mejora una
parte del sistema afectará al resto del sistema. Si tiene más preguntas
acerca de cómo el software de simulación se ha utilizado en los sistemas
que utilizan Lean/Six Sigma. Es usado por FIAT, VOLVO entre otras
empresas automotrices.

Software de simulación Flexsim

El Software de simulación Flexsim es ideal optimizar espacio en el piso,
identificar el cuello de botella, reducir al mínimo el tiempo de inactividad de
la máquina y el tiempo ocioso del operador, y reducir el inventario.
Software de simulación ayuda a identificar y resolver problemas en su
fábrica o planta. Es usado por multinacionales como CLOROX, GILLETTE
entre otros.

d. Investigue 2 casos de éxito de Modelos Matemáticos y Simulación en

la Ingeniería Industrial: aplicaciones y análisis de sensibilidad

Condumex, diseño de cables superconductores

En 2005 el CIMAT desarrolló la aplicación de software para la Simulación

y Diseño de Cables Superconductores Monofásicos de la empresa
Condumex.
El diseño del cable HTSC se basó en un sistema de ecuaciones
diferenciales ordinarias. La simulación consistió en desarrollar e
implementar los algoritmos numéricos para resolver las ecuaciones que
modelan el fenómeno. Gracias a esta simulación se encontraron los
parámetros necesarios para producir un cable monofásico mucho más
eficiente. A partir de la orientación de cada cinta se obtuvo un producto
que multiplica de mejor forma la electricidad para proyectos industriales o
de obras públicas.
 PJEG: desarrollo de simuladores para implementar nuevo Sistema de
Justicia Penal
Se trata de un modelo probabilístico, provisto de un software, que permitió
prever el flujo y el tipo de delitos que pueden ser atendidos en las salas y
tribunales especializados en los juicios orales, mismos que fueron
implementados en el nuevo sistema de justicia penal a partir de 2012.
Además, el modelo permite estimar el tiempo que dura cada proceso
judicial y la respuesta a la capacidad requerida.
El sistema permitió realizar ajustes que derivaron en un ahorro de 60
millones de pesos al presupuesto del Poder Judicial del Estado de
Guanajuato. El proyecto también recibió el Reconocimiento a la
Excelencia e Innovación Judicial 2010, otorgado por la Asociación
Mexicana de Impartidores de Justicia en el marco de la Sexta Asamblea
Nacional de Impartidores de Justicia.

e. Cree un mapa conceptual de “La simulación”

f. Cree un mapa conceptual de “La modelación”

 Modelación
Son representaciones físicas, a escala
Modelo Icónico
aumentada o reducida de un sistema real.

Es visto como unmodelo de la realidad , hace

generalizaciones acerca de observaciones y
Modelo Teórico consiste en un conjunto coherente e
interrelacionado de ideas que de alguna
manera es verificable.

Es una representación material de un objeto o

Modelo Analógico un proceso para entender mejor su origen,
formación o funcionamiento.

REFERENCIAS BIBLIOGRÁFICAS

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
Araque, Gustavo. (26,11, 2018). Modelos y Simulación. [Archivo de video]. Recuperado
de http://hdl.handle.net/10596/22202
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&docID=3227913&tm=1544036684162
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