ACT.

6 TRABAJO COLABORATIVO 1



Presentado por:
LUIS EDUARDO ESPINOSA
Cdigo: 1121821650



Presentado a:
NATALIA MOLINA
Tutora








UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
PROGRAMA DE INGENIERA INDUSTRIAL
CEAD YOPAL
JULIO DE 2013
1. Clasificar los modelos matemticos:

1.1. MODELOS DETERMINSTICOS (no probabilsticos): Son aquellos de
los cuales se conocen todos sus datos pertinentes con certeza, lo que
genera confianza al momento del anlisis del sistema, ya que se tiene
disponible toda la informacin necesaria para la toma de decisiones
correspondientes. Un ejemplo claro de este tipo de modelo es la
asignacin de tripulacin de una aerolnea para cada uno de sus vuelos
diarios del siguiente mes, donde se conoce los horarios de vuelo, el
personal que va a trabajar dicho mes, las condiciones legales sobre las
horas de trabajo, las reglas y condiciones laborales para el personal
asignado; entre otra informacin. Con lo que con dicho ejemplo simple
podemos identificar que los modelos determinsticos pueden manejar
situaciones complejas en las que hay muchas condiciones y
restricciones para las decisiones que se deben tomar. La utilidad de los
modelos determinsticos suele ser mxima cuando unas cuantas
entradas no controladas del modelo presentan incertidumbre. En
consecuencia, los modelos determinsticos se utilizan a menudo,
aunque no siempre, para la toma de decisiones internas de una
organizacin, como en el ejemplo sobre la asignacin de los recursos a
la tripulacin de la aerolnea.

Los modelos determinsticos son importantes porque permiten formular
diferentes problemas de administracin en dichos sistemas, con lo que
se puede llegar a tomar decisiones basadas en el anlisis del modelo.
Por otra parte muchas hojas de clculo electrnicas cuentan con la
tecnologa necesaria para optimizar modelos determinsticos, es decir,
para encontrar decisiones ptimas. Cuando se trata en particular de
modelos PL grandes, el procedimiento puede realizarse con mucha
rapidez y fiabilidad. Otro punto importante es el subproducto de las
tcnicas de anlisis en una gran cantidad de informacin muy til para la
interpretacin de los resultados por la gerencia. La optimizacin
restringida, en particular es un recurso extremadamente til para
reflexionar acerca de situaciones completas, aunque no se piense en
construir un modelo y optimizarlo. La prctica con modelos
determinsticos nos ayudara a desarrollar la habilidad para la
formulacin de modelos en general.


1.2. MODELOS ESTOCSTICOS (Probabilsticos): En este tipo de
modelos algunos de sus elementos no se conocen con certeza por esto
se presume que algunas variables importantes que para este caso se
llaman variables aleatorias, no tendrn valores conocidos antes que se
tomen las decisiones correspondientes, este desconocimiento debe ser
incorporado al modelo. Este tipo de modelo incorpora la incertidumbre a
travs de probabilidades de variables aleatorias, estos modelos tienden
a ser ms prcticos cuando intervienen en ellos muchas entradas
inciertas y muy pocas restricciones, es por eso que los modelos de
incertidumbre se usan a menudo para la toma de decisiones
estratgicas referentes a la relacin de una organizacin con su
ambiente. En este caso tambin podemos tener problemas de decisin
que son cuantitativos, en los cuales tratamos de optimizar alguna
funcin en las variables de decisin. Debemos conocer tambin temas
tales como anlisis de decisiones, filas de espera, simulacin,
administracin de proyectos y pronsticos, ya que la incertidumbre
desempea un papel fundamental de dichos modelos.


1.3. MODELO HIBRIDO: Es el sistema que contiene los dos modelos
anteriores, lo que quiere decir que en el intervienen los modelos
deterministas y los modelos estocsticos, es decir, que los resultados
del problema pueden ser probabilsticos o no probabilsticos. Tienen
que ver con los mtodos determinsticos y probabilsticos como la teora
de inventarios. El mtodo hbrido combina ms de un mtodo y tambin
es conocido como mtodo multiparadigmtico. Aunque la
implementacin puede ser ms difcil, las herramientas hbridas son
capaces de combinar la potencia de varios mtodos. Esta clase de
sistema no garantiza ptimas soluciones.



2. Ejemplos de los modelos matemticos:


2.1. EJEMPLO DE MODELO DETERMINSTICO


Un taller usa 2.500 soportes a lo largo del ao. Estos soportes se compran a un
proveedor que se encuentra a 90 millas de distancia. Se tiene la siguiente
informacin de los soportes:



Demanda anual: 2.500
Unidades
Costo de mantener por soporte por ao: $ 1.50
Costo de ordenar por pedido: $18.75
Tiempo de entrega: $ 2 das
Das hbiles por ao: 250


C
2
=$18.75
C
3
=$1.50
D=2.500/ao



Cul sera la cantidad ptima a ordenar?


Unidades Q Q
C
D C
Q 250
50 . 1 $
500 . 2 * 75 . 18 $ * 2 2
3
2




2.2. EJEMPLO DE MODELO PROBABILISTICO


Los costos de los artculos que produce cierta compaa son los siguientes:

costo unitario $5 por unidad
costo de tenencia de una unidad es de 80 centavos por mes (C3)=
20 centavos /semana= 0.2
costo de hacer una compra es de 100 pesos

Utilizando la distribucin de la demanda que se muestra a continuacin, y un
tiempo constante de anticipacin de 2 semanas, disear un sistema de inventario
Q para un riesgo nulo de dficit y determinar el costo total anual esperado.
CANTIDAD
(unidades/semana)
PROBABILIDAD
42 0,1
45 0,2
48 0,4
51 0,2
54 0,1

a. Lote optimo
b. Tiempo entre pedidos

Demanda promedio en el tiempo de anticipacin

D = 42 * 0,1 + 45 * 0,2 + 48* 0,4+51*0.2+54*0,1 = 48 Unidades/ Semana

a. Cantidad a Pedir (unidades):

En donde:

Q = Cantidad del pedido.
C2= costo de preparacin del pedido ($ / orden)
C3 = costo de almacenamiento o de mantener el inventario C3 = i*C1
D = Demanda

Unidades


b. Tiempo promedio entre pedidos (semanas):

Semanas



3. Escriba la importancia que tienen los modelos matemticos y la
investigacin operativa en su vida profesional y cotidiana.


La investigacin de operaciones es realmente muy importante para todas
las personas que habitamos el planeta tierra, absolutamente todo en el
mundo se basa en los modelos matemticos, todo lo que tratamos en
nuestro diario vivir tiene algn tipo de relacin con las matemticas y sin
darnos cuenta siempre estn ah y todo gira a su alrededor.

En esta ocasin el anlisis se realiza sobre la investigacin de operaciones,
ya que este por medio de sus modelos matemticos otorga las
herramientas necesarias para tomar las mejores decisiones en las
empresas, lo que permite a las personas en su liderazgo demostrar y
obtener los beneficios de su estudio y anlisis sobre las diferentes
situaciones que se presentan en una organizacin.

El tipo de decisiones que se toman a niveles administrativos, son radicales
y depende de estas sus consecuencias e impactos generados en las
compaas. Por lo que un ingeniero industrial debe tener un manejo
completa de diferentes problemas que se presentan en la empresa, o para
perfeccionar los procesos con el fin de optimizar todos los recursos y
obtener los mejores resultados. Esta experiencia permite al profesional
formarse laboralmente y con este bagaje que va adquiriendo lograr mejoras
en la planeacin, organizacin, direccin y control de los procesos y
procedimientos que se trabajan en la organizacin.

Los campos a los que aplica la investigacin de operaciones son inmensos,
se pueden mencionar las compras, la contabilidad, la obtencin de
materiales, las finanzas, el desarrollo e investigacin, manufactura y
mercadeo entre otras, por lo que es un amplio camino lleno de xito para
las diferentes carreras acadmicas. Por lo que la IO no solo es importante
para la industria, sino tambin contribuye al crecimiento de las sociedades.