Вы находитесь на странице: 1из 62

• Los procesos y sistemas en ingeniería son

generalmente complicados y deben ser simplificados


mediante idealizaciones y aproximaciones para
poder resolver el problema planteado

• El proceso de simplificación del problema, para que


pueda ser representado en términos de un sistema
de ecuaciones (para el análisis, diseño y
optimización) o a través de un arreglo físico (para
experimentación), es lo que se conoce como
modelado
• Ciencia
– Análisis y detección de las relaciones entre datos
– Suposiciones y aproximaciones a los problemas
– Algoritmos específicos de solución
– Soluciones del modelo
• Arte
– Visión o interpretación de la realidad
– Estilo en modelo y documentación
– Elegancia y simplicidad en desarrollo
– Uso de creativo de herramienta
Un modelo es producto de una abstracción de un sistema real:
eliminando las complejidades y haciendo suposiciones
pertinentes, se aplica una técnica matemática y se obtiene
una representación simbólica del mismo.
• Definición
– Esquema teórico, generalmente en forma matemática, de un
sistema o de una realidad compleja (por ejemplo, la
evolución económica de un país), que se elabora para facilitar
su comprensión y el estudio de su comportamiento.
(Diccionario de la lengua española. Real Academia Española)
– Representación precisa de una realidad
– Herramienta de ayuda a la toma de decisiones
• Puede involucrar equipo multidisciplinar
• Equilibrio entre representación detallada y capacidad de obtener
la solución
• Modelador: especifica y desarrolla el modelo
• Experto: conoce el problema real
• Es una abstracción de la realidad.
• Es una representación de la realidad que ayuda a entender
cómo funciona.
• Es una construcción intelectual y descriptiva de una entidad
en la cual un observador tiene interés.
• Se construyen para ser transmitidos.
• Supuestos simples son usados para capturar el
comportamiento importante.

Un modelo es un sistema desarrollado para entender la realidad y en


consecuencia para modificarla.
No es posible modificar la realidad, en cierta dirección, si es que no
se dispone de un modelo que la interprete.
El modelo debe tener suficientes detalles como
para que:

 El resultado sea satisfactorio


 Sea consistente con los datos
 Pueda ser analizado en el tiempo
con el que se cuenta para ello

Realismo Simplicidad
¿Por qué un modelo?

 Permite deducir conclusiones


 Menos tiempo
 Menos dinero
 Reduce riesgo
¿Para qué sirve un modelo?

Herramienta de predicción
Ayuda para el pensamiento

Para entrenamiento
e instrucción

Ayuda para la experimentación Ayuda para la comunicación

¿el modelo o la realidad?


1. No debe elaborarse un modelo complicado cuando uno simple es
suficiente.
2. El problema no debe ajustarse al modelo o método de solución.
3. La fase deductiva de la modelación debe realizarse rigurosamente.
4. Los modelos deben validarse antes de su implantación.
5. Nunca debe pensarse que el modelo es el sistema real
6. Un modelo debe criticarse por algo para lo que no fue hecho.
7. No venda un modelo como la perfección máxima.
8. Uno de los primeros beneficios de la modelación reside en el desarrollo
del modelo.
9. Un modelo es tan bueno o tan malo como la información con la que
trabaja.
10.Los modelos no pueden reemplazar al tomador de decisiones, solo
auxiliarlo
• Según la información de entrada
• Tipo de representación
• Según su aleatoriedad
• Según su aplicación u objetivo
• Modelos heurísticos (del griego euriskein
'hallar, inventar'). Son los que están basados
en las explicaciones sobre las causas o
mecanismos naturales que dan lugar al
fenómeno estudiado.
• Modelos empíricos (del griego empeirikos
relativo a la 'experiencia'). Son los que
utilizan las observaciones directas o los
resultados de experimentos del fenómeno
estudiado.
• Modelos cualitativos o conceptuales, estos pueden
usar figuras, gráficos o descripciones causales, en
general se contentan con predecir si el estado del
sistema irá en determinada dirección o si aumentará o
disminuirá alguna magnitud, sin importar exactamente
la magnitud concreta de la mayoría de aspectos.
• Modelos cuantitativos o numéricos, usan números
para representar aspectos del sistema modelizado, y
generalmente incluyen fórmulas y algoritmos
matemáticos más o menos complejos que relacionan
los valores numéricos. El cálculo con los mismos
permite representar el proceso físico o los cambios
cuantitativos del sistema modelado.
• Determinístico. Se conoce de manera puntual la
forma del resultado ya que no hay incertidumbre.
Además, los datos utilizados para alimentar el
modelo son completamente conocidos y
determinados.
• Estocástico o Probabilístico. que no se conoce el
resultado esperado, sino su probabilidad y existe por
tanto incertidumbre.
• Modelo de simulación o descriptivo, de situaciones medibles de
manera precisa o aleatoria, por ejemplo con aspectos de
programación líneal cuando es de manera precisa, y probabilística o
heurística cuando es aleatorio. Este tipo de modelos pretende predecir
qué sucede en una situación concreta dada.
• Modelo de optimización. Para determinar el punto exacto para
resolver alguna problemática administrativa, de producción, o
cualquier otra situación. Cuando la optimización es entera o no lineal,
combinada, se refiere a modelos matemáticos poco predecibles, pero
que pueden acoplarse a alguna alternativa existente y aproximada en
su cuantificación. Este tipo de modelos requiere comparar diversas
condiciones, casos o posibles valores de un parámetro y ver cual de
ellos resulta óptimo según el criterio elegido.
• Modelo de control. Para saber con precisión como está algo en una
organización, investigación, área de operación, etc. Este modelo
pretende ayudar a decidir qué nuevas medidas, variables o qué
parámetros deben ajustarse para lograr un resultado o estado
concreto del sistema modelado.
• Modelo de ingeniería:
– Representación reducida de un sistema
• Propósito:
– Ayudar a comprender un problema complejo
(o solución)
– Comunicar ideas acerca de un problema o
solución
– Guiar la implementación
Características de los modelos
• Abstracto
– Enfatiza los elementos importantes y oculta los irrelevantes
• Comprensible
– Fácil de comprender por los observadores
• Preciso
– Representa de forma fiel el sistema que modela
• Predictivo
– Se pueden usar para deducir conclusiones sobre el sistema que
modela
• Barato
– Mucho más barato y sencillo de construir que el sistema que
modela
• Los modelos de ingeniería eficaces deben satisfacer todas estas
característica
• Para detectar errores u omisiones en el diseño antes
de comprometer recursos para la implementación
– Analizar y experimentar
– Investigar y comparar soluciones alternativas
– Minimizar riesgos
• Para comunicarse con los “stakeholders”
– Clientes, usuarios, implementadores, encargados de
pruebas, documentadores, etc.
• Para guiar la implementación
TIPOS DE MODELOS MATEMATICOS
• Modelo cuantitativo es aquel cuyos principales símbolos representan
números. Son los más comunes y útiles en los negocios.
• Modelo cualitativo aquel modelo cuyos símbolos representan en su mayoría a
Cualidades no numéricas. Una fuente importante es la teoría de conjuntos.
• Modelo Probabilístico aquellos basados en la estadística y probabilidades
(donde se incorpora las incertidumbres que por lo general acompañan
nuestras observaciones de eventos reales).
• Modelo Determinístico corresponde a aquel modelo cuantitativo que no
contiene consideraciones probabilísticas.
• Modelo Descriptivo cuando el modelo simplemente describe una situación del
mundo real en términos matemáticos, descripción que puede emplearse para
exponer una situación con mayor claridad, para indicar como pueden
reajustarse o aún para determinar los valores de ciertos aspectos de la
situación.
MODELO DE REDES CONTINUA

LINEAL PROGRAMACION LINEAL ENTERA

DETERMINISTICO PROGRAMACION DINAMICA BINARIA

PROGRAMACION HEURISTICA

MODELO MATEMATICO NO LINEAL PROGRAMACION NO LINEAL

SIMULACION

ESTOCASTICO TEORIA DE JUEGOS

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

El tamaño de una población

La demanda de un producto

La rapidez de la caída de un objeto

La concentración de un producto en una


reacción química.

La expectativa de vida de una persona cuando


nace

La variación del área de un terreno de acuerdo a


sus dimensiones
PROCESO DE CONSTRUCCIÓN DE UN
MODELO MATEMÁTICO

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

• la realidad ah sido transformada en ecuaciones que pueden


resolverse mediante operaciones aritméticas o algebraicas sin
necesidad de experimentar en la vida real.
Un modelo matemático consta al menos de tres conjuntos
básicos de elementos:

Variables de decisión y parámetros


Las variables de decisión son incógnitas que deben ser determinadas a partir
de la solución del modelo. Los parámetros representan los valores conocidas
del sistema o bien que se pueden controlar.
Restricciones
Las restricciones son relaciones entre las variables de decisión y magnitudes
que dan sentido a la solución del problema y las acotan a valores factibles.
Por ejemplo si una de las variables de decisión representa el número de
empleados de un taller, es evidente que el valor de esa variable no puede
ser negativa.
Función Objetivo
La función objetivo es una relación matemática entre las variables de
decisión, parámetros y una magnitud que representa el objetivo o producto
del sistema. Por ejemplo si el objetivo del sistema es minimizar los costos de
operación, la función objetivo debe expresar la relación entre el costo y las
variables de decisión.
Problemas matemáticos de
optimización
• Consisten en la maximización o minimización de
funciones algebraicas de una o más variables
• La selección de las variables pueden estar
restringidas por ecuaciones o inecuaciones
algebraicas llamadas restricciones, de forma tal que
el objetivo no es encontrar el mejor valor posible
sino el mejor valor permitido por las restricciones
Formulación general de un problema
de optimización
• Encontrar x tal que
se maximice o minimice una función objetivo f(x)
sujeto a restricciones: gi(x) = bi (i=1,…, m)
gj(x)  bj (j=m,…, k)
Donde
x es un vector de n variables independientes
Ejemplos de optimización en ingeniería

• Diseño de aviones para un mínimo peso y máxima


resistencia.
• Trayectorias óptimas de vehículos espaciales.
• Diseño de estructuras en la ingeniería civil a un
mínimo costo
• Diseño de proyectos de abastecimiento de agua,
como en presas, para mitigar el daño por
inundación mientras se obtiene la máxima
potencia de generación.
• Predecir el comportamiento estructural al
minimizar la energía potencial.
Ejemplos de optimización en ingeniería

• Estrategia de corte de materiales para un costo


mínimo.
• Diseño de bombas y equipos de transferencia
• Redes de tubería óptimas.
• Maximizar la potencia de salida de redes
eléctricas y maquinaria mientras se minimiza el
calor generado.
• Ruta más corta de un vendedor que visita varias
ciudades durante un viaje de ventas
Ejemplos de optimización en ingeniería

• Planeación óptima y calendarizada.


• Análisis estadístico y moderado con un mínimo
error.
• Control de inventario
• Planeación del mantenimiento para minimizar
costos.
• Minimizar tiempos de espera y ociosos.
• Diseñar sistemas de tratamiento de aguas para
cumplir con estándares de calidad del agua a
bajo costo.
Dificultades de la optimización
 Complejidad Descriptiva: cantidad de información que debe
suministrarse para tener una descripción adecuada del sistema.
 Complejidad Generativa: cantidad de instrucciones que se deben
dar para construir el sistema bajo estudio.
 Complejidad Computacional: cantidad de tiempo y esfuerzo
implicado en la solución del problema. Generalmente asociada
con el tamaño del problema (variables y restricciones).
 Complejidad Organizacional: variedad de formas de
ordenamiento de los componentes del sistema.
 Complejidad Operativa: variedad de modos de operación de los
componentes del sistema y del propio sistema.
Supuestos del modelamiento
 Independencia entre variables: La contribución de una
variable de decisión a la función objetivo, o al uso de
recursos, es independiente de los valores que se
asignen a otras variables de decisión.

 Certeza o determinismo: Se asume que no hay


aleatoriedad en los coeficientes que definen a las
variables de decisión del problema. No existe
realimentación en la cadena: información → decisión
→ información → decisión → …
Respecto a los
objetivos

Multiobjetivo

Mono-objetivo

Respecto a la
complejidad
Exacta Metaheurística

Sin incertidumbre

Con incertidumbre
Respecto a los
datos
Métodos

Para la optimización Optimización Optimización restringida


unidimensional no multidimensional no • Representación gráfica
restringida restringida • Método simplex
• Búsqueda sección dorada • Métodos directos: Búsquedas
• Interpolación cuadrática aleatorias, búsquedas
• Método de Newton invariables y búsqueda de
patrones
• Métodos gradiente: Paso
ascendente/descendente, g
radiente conjugado, Newton,
Marqu ardt y métodos
cuasiNewton
Formulación del Resolución
Definición del
modelo y recolección del modelo
problema
de datos

¿Es
Modelo No
válida la Solución
modificado
solución?

Si

Generación de
Reportes e
Implementación
EL PROBLEMA

Los recursos Los sistemas son cada


son escasos vez más complejos

Cada vez es más difícil asignar los


recursos o actividades de la forma más eficaz
1. Definición del 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).

¿Cómo obtengo mejores ganancias?


2. Formulación de un modelo
matemático
¿Cuál es la
estructura del
modelo
matemático?

•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

Max Z = 3X1 + 2X2


Sujeto a:
4X1 + 11X2 = 23
X1 - 2X2  200
X1, X2  0

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

Вам также может понравиться