Академический Документы
Профессиональный Документы
Культура Документы
Realismo Simplicidad
¿Por qué un modelo?
Herramienta de predicción
Ayuda para el pensamiento
Para entrenamiento
e instrucción
PROGRAMACION HEURISTICA
SIMULACION
PROCESO MARKOV
ARBOLES DE DECISION
Modelos Numéricos
• Los modelos numéricos son basados en los modelo
matemáticos y permiten obtener el comportamiento del
sistema para diferentes condiciones de operación y diferentes
parámetros de diseño
• Un aspecto importante es que muy pocos problemas pueden
ser resueltos por procedimientos analíticos, siendo necesario
el empleo de métodos numéricos para resolver las ecuaciones
que gobiernan los sistemas reales
• Los modelos numéricos están referidos a la reestructuración y
discretización de las ecuaciones que gobiernan el sistema,
para luego ser resueltas empleando el computador
EJEMPLO BASICO DE MODELOS
MATEMATICOS
Problema en el
mundo real
FORMULAR
Modelo matemático
RESOLVER
Conclusiones test
matemáticas
INTERPRETAR
Predicciones en el
mundo real
EN EL CASO DE LOS MODELOS
MATEMATICOS
Multiobjetivo
Mono-objetivo
Respecto a la
complejidad
Exacta Metaheurística
Sin incertidumbre
Con incertidumbre
Respecto a los
datos
Métodos
¿Es
Modelo No
válida la Solución
modificado
solución?
Si
Generación de
Reportes e
Implementación
EL PROBLEMA
-Identificar
Términos
-Comprender Problema
precisos
-Describir
Identificación del problema
• Recolección de información relevante
• Definición del problema en términos vagos
• Interpretación y traducción a términos precisos
• Datos son vitales, suelen ser cuello de botella
• Etapa fundamental para que decisiones sean útiles
– Es imprescindible asegurarse de que el modelo
representa adecuadamente la realidad que
pretende reflejar
Identificación del problema
• Situaciones :
– Problema bien definido
– problema mal definido
• Objetivos en conflicto
• Actividades a realizar
– Estudiar el sistema
– Desarrollar un resuman del problema:
• Objetivos apropiados
• Restricciones a tener en cuenta
• Interrelación de áreas
• Posibles decisiones a tomar
• Limites de tiempo de toma de decisiones
La complejidad de la realidad . . .
• El problema no es de uno sino varios
• El medio es dinámico
• Los cursos de acción pueden ser muchísimos
• Los objetivos pueden ser muchos e incluso contradictorios
• Las decisiones pueden ser ejecutadas por otros
• Los resultados de las decisiones pueden afectar a los
ejecutores
EJEMPLO DE DEFINICIÓN DEL PROBLEMA
El problema de la industria de juguetes “Toys”.
La empresa produce dos tipos de juguetes:
Coches
Trenes
Los recursos están limitados a:
1200 kg de plástico especial
40 horas de producción semanal
Requerimientos de Marketing
La producción total no puede exceder de 800 docenas.
El número de docenas de carros no puede exceder al
número de docenas de Trenes por más de 450.
Requerimientos de Producción
El Carro requiere 2 kg de plástico y 3 minutos de
producción por docena
El Tren requiere 1 kg de plástico y 4 minutos de
producción por docena.
Plan común de producción para:
Fabricar la mayor cantidad del producto que deje
mejores ganancias, el cual corresponde a Carro ($8
de utilidad por docena)
Usar la menor cantidad de recursos para producir
Trenes, porque estos dejan una menor utilidad ($5 de
utilidad por docena).
•Variables de decisión
•Parámetros y constantes
•Función de objetivo: Max/Min
•Ecuaciones de restricción
Paso 1.- Identificar las variables de decisión
¿Sobre qué tengo control?
¿Qué es lo que hay que decidir?
¿Cuál sería una respuesta válida del caso?
Paso 2.- Identificar la función objetivo
¿Qué pretendemos conseguir?
¿qué me interesaría más?
Paso 3.- Identificar las restricciones o factores que limitan la
decisión, recursos disponibles (trabajadores, máquinas,
material), fechas límite, naturaleza de las variables (no
negatividad, enteras, binarias).
Paso 4.- Traducción de los elementos básicos a un modelo
matemático.
Definiciones
Variables de decisión:
Decisiones cuantificables relacionadas unas con otras.
Ejemplo: Cuánto comprar, vender
Max Z = 3X1 + 2X2
Sujeto a:
4X1 + 11X2 = 23
X1 - 2X2 200
X1, X2 0
Parámetros:
Valores constantes que actúan como coeficientes al lado derecho de las
variables tanto en la función objetivo como en las restricciones y que se
basan en datos tecnológicos de los problemas.
Ejemplo fijar tasa inflación
Función objetivo:
La medida de efectividad compuesta expresada como una función de las
variables de decisión. Puede ser Maximizar o Minimizar
Restricciones:
Limitaciones impuestas sobre los valores de las variables de decisión,
casi siempre en forma de ecuaciones o desigualdades. Pueden = / /
EJEMPLO DEL MODELO
Variables de decisión:
X1 = Cantidad producida de carros (en docenas por semana)
X2 = Cantidad producida de trenes (en docenas por semana)
Función objetivo
Maximizar la ganancia semanal:
Max Z = 8X1 + 5X2 (ganancia semanal)
Sujeto a siguientes restricciones:
2X1 + 1X2 <= 1200 (Cantidad de plástico)
3X1 + 4X2 <= 2400 (Tiempo de producción)
X1 + X2 <= 800 (Limite producción total)
X1 - X2 <= 450 (Producción en exceso)
Xj >= 0 , j= 1, 2. (Resultados positivos)
PRINCIPALES TIPOS DE
RESTRICCIONES
• Restricciones de Capacidad
• Restricciones de Entradas
• Restricciones de Mercado
• Restricciones de Composición
• Restricciones de Balance de Materiales
• Restricciones Internas
• Restricciones por Políticas Administrativas
Obtención de una solución a partir
del modelo.
• Resolver un modelo consiste en encontrar los valores de las variables
dependientes, asociadas a las componentes controlables del sistema
con el propósito de optimizar
• La selección del método de solución depende de las características
del modelo.:
• Datos del problema
• Determinístico / estocástico
• Función objetivo
• Lineal / no lineal
• Restricciones
• Restringido / irrestringido
• Lineal / no lineal
• Variables
• Continua / discreta
• Los procedimientos de solución pueden ser
clasificados en tres tipos:
– Analíticos
– Numéricos
– Simulación
Es resolver el modelo usando una
técnica adecuada, es decir obtener
valores numéricos para la variable
de decisión.
Es determinar los valores de las
variables de decisión de modo que
la solución sea óptima (o
satisfactoria) sujeta a las
restricciones
Puede haber distintos algoritmos y
formas de aplicarlos.
Resolución del modelo
Paso 1.- Elegir la técnica de resolución
adecuada, creación o heurísticos.
Paso 2.- Generar las soluciones del modelo
usando programas de ordenador, hojas de
cálculo.
Paso 3.- Comprobar/validar los resultados
Probar la solución en el entorno real
Paso 4.- Si los resultados son inaceptables,
revisar el modelo, comprobar exactitud,
revisar restricciones.
Paso 5.- Realizar análisis de sensibilidad.
Analizar adaptaciones en la solución
propuesta frente a posibles cambios.
www.anival.net
• Resultados obtenidos al aplicar un algoritmo
apropiados de solución
• Técnicas de solución:
– Métodos óptimos
– Métodos heurísticos
Validación y control de la solución
• Validar – revisar la solución para ver
que los valores tiene sentido y que las
decisiones resultantes puedan
llevarse a cabo:
– ¿Han captado todas las
limitaciones del problema real?
– ¿Algunos aspectos del problemas
se pasaron por alto, omitieron
deliberadamente o simplificaron?
– ¿Los datos son estimados y
registrados correctamente?
• Regresar al etapa de formulación del problema y
realizar las modificaciones pertinentes
Implementación
• Poner en practica las respuestas obtenidas
Uso de los modelos
DECISIONES ESTRATEGICAS:
¿Debería reemplazarse un sistema existente con un
nuevo sistema propuesto?
¿Debería cambiarse su política de Administración?
DEISIONES OPERACIONALES:
¿Cómo programar la fuerza de trabajo?
¿Cuál es el plan de producción óptimo?
¿Cuál es plan de embarque más económico?
Ventajas de los modelos
Un método óptimo para lograr un objetivo.
Una forma de evaluar preguntas de sensibilidad de
la forma:
“¿Qué sucedería sí ...?”
Problemas típicos
• Problema del transporte
• Problema de flujo con coste mínimo en red
• Problema de asignación
• Problema de la mochila (knapsack)
• Problema del emparejamiento (matching)
• Problema del recubrimiento (set-covering)
• Problema del empaquetado (set-packing)
• Problema de partición (set-partitioning)
• Problema del coste fijo (fixed-charge)
• Problema del viajante (TSP)
• Problema de rutas óptimas