MODELOS Y SIMULACIÓN

212026A_611

GRUPO: 32

WILSON SEPULVEDA

GIOVANNI BEJARANO

OLIS FERNANDO ROJAS

ROBINSON FABIAN ROJAS

JULIO IVAN SARMIENTO

TUTOR: GUSTAVO ANDRES ARAQUE

FECHA: 14/03/2019

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

INGENIERIA INDUSTRIAL

NEIVA – HUILA

2019

1
 TABLA DE CONTENIDO

INTRODUCCIÓN .................................................................................................... 3

JUSTIFICACIÓN ..................................................................................................... 4

OBJETIVOS ............................................................................................................ 5

Objetivos Generales:............................................................................................ 5

Objetivos Específicos: .......................................................................................... 5

DESARROLLO DE LA ACTIVIDAD ........................................................................ 6

Desarrollo Conceptual...........................................Error! Bookmark not defined.

Punto 1A ............................................................................................................ 13

Punto 1B ............................................................................................................ 14

Punto 2................................................................................................................. 9

Punto 3............................................................................................................... 10

Punto 4............................................................................................................... 11

CONCLUSIÓN ...................................................................................................... 24

REFERENCIAS BIBLIOGRÁFICAS ...................................................................... 25

2
 INTRODUCCIÓN

Para poder decidir correctamente es necesario saber cómo responderá el sistema

ante una determinada acción. Esto podría hacerse por experimentación con el
sistema mismo; pero factores de costos, seguridad y otros hacen que esta opción
generalmente no sea viable. A fin de superar estos inconvenientes, se reemplaza el
sistema real por otro sistema que en la mayoría de los casos es una versión
simplificada. Este último sistema es el modelo a utilizar para llevar a cabo las
experiencias necesarias sin los inconvenientes planteados anteriormente. Al
proceso de experimentar con un modelo se denomina simulación. Al proceso de
diseñar el plan de experimentación para adoptar la mejor decisión se denomina
optimización. Muchos sistemas reales no pueden ser modelados matemáticamente
con las herramientas actualmente disponibles, por ejemplo, la conducta de un
cliente de un banco. Existe una formulación matemática, pero es difícil obtener una
solución analítica. Los modelos matemáticos utilizados para modelar un reactor
nuclear o una planta química son imposibles de resolver en forma analítica sin
realizar serias simplificaciones.

En este informe se desarrollará los principales conceptos de Modelos y Simulación

en ingeniería. Se desarrollarán ejercicios de aplicación con utilización de
herramientas como Solver en Excel o métodos de optimización.

3
 OBJETIVOS

Objetivo General
Modelar y Simular Sistemas Industriales con base en programación lineal dinámica

Objetivos Específicos
- Reconocer los conceptos de la modelación y simulación de procesos en
sistemas industriales y el uso de tecnologías para el análisis de escenarios.
- Determinar las técnicas de modelamiento para la generación de escenarios
de solución óptima, de acuerdo a las condiciones y medidas de desempeño
del sistema real productivos y logísticos.
- Aplicar las técnicas de simulación de los escenarios analizados a través de
herramientas informáticas para interpretar los sistemas, proponer soluciones
y toma de decisiones

4
 JUSTIFICACIÓN

La simulación es el proceso de diseñar y desarrollar un modelo computarizado de

un sistema o proceso y conducir experimentos con este modelo con el propósito de
entender el comportamiento del sistema o evaluar varias características y
naturaleza de este. Recientes avances en las metodologías de simulación y la gran
disponibilidad de software que actualmente existe en el mercado, han hecho que la
técnica de simulación sea una de las herramientas más ampliamente usadas en el
análisis de sistemas. Además de las razones antes mencionadas, Thomas H. Taylor
ha sugerido que un estudio de simulación es muy importante para la ingeniería de
sistemas porque presenta las siguientes ventajas en el diseño de estos: A través de
un estudio de simulación, se puede estudiar el efecto de cambios internos y externos
del sistema, al hacer alteraciones en el modelo del sistema y observando los efectos
de esas alteraciones en el comportamiento del sistema, una observación detallada
del sistema que se está simulando puede conducir a un mejor entendimiento del
sistema y por consiguiente a sugerir estrategias que mejoren la operación y
eficiencia del sistema y la simulación de sistemas complejos puede ayudar a
entender mejor la operación del sistema, a detectar las variables más importantes
que interactúan en el sistema y a entender mejor las interrelaciones entre estas
variables.

5
 DESARROLLO DE LA ACTIVIDAD

Desarrollo Conceptual

Punto 1.

1.1 ¿Qué es la simulación y modelación?, tipos y usos.

La simulación es el proceso en el cual tomamos un modelo de tipo formal que está

estructurado bajo un algoritmo matemático y podemos empezar hacer modelación
con este modelo para ver, cuales son las consecuencias o la toma de decisiones
que podamos referenciar dado el comportamiento del modelo bajo escenarios
completamente controlados.

La simulación nos permite hacer pruebas de un sistema real en un entorno

controlado sin tener que entrar a correr los riesgos que se podrían correr en un
sistema real.

La simulación ha evolucionado mucho gracias al crecimiento y desarrollo de las

ciencias informáticas.

También tenemos que aclarar que las herramientas y software nos facilitan el
desarrollo de un modelo.

Modelos de simulación presentan casos:

Estocásticos: presentar una o más variables de tipo aleatorio.

Determinísticos: las variables poseen características fijas total mente definidas

Estáticos: no varían en el concepto del tiempo.

Dinámicos: se ven totalmente afectados por el tiempo, en el comportamiento de sus

variables.

Tiempo continuo:

Tiempo discreto:

6
Conclusión:

La construcción de modelos responde a la necesidad del hombre por entender la

realidad en un escenario manipulable y controlable.

La simulación se ha desarrollado significativamente gracias a que permiten

representar sistemas del mundo real en un entorno manipulable.

La modelación y simulación, son herramientas de alta importancia para el mundo

académico y productivo gracias a que permiten representar sistemas del mundo real
en un entorno manipulable.

Para el sector productivo o de servicios, es una herramienta que permite la

validación de escenarios sin incurrir en costos de operación.

1.2 Investigue para la modelación las principales herramientas de software

utilizadas.

Solver: Es sin duda la principal herramienta para resolver modelos de optimización

de tamaño reducido utilizado por los alumnos de cursos de ingeniería. Este
complemento de Excel se puede descargar desde el sitio web de Frontline en su
versión comercial (Premium Solver Pro) para implementar modelos de mayor
tamaño.

What’sBest!: Es la alternativa a Solver dado que funciona integrada en una planilla

de cálculo (Excel). La interfaz es intuitiva y seguramente quién domine Solver no
demorará mucho en aprender los elementos básicos de este programa. What’sBest!
ha sido desarrollado por la empresa de software Lindo

AMPL: Es un lenguaje de programación matemática que permite abordar la

formulación y resolución de modelos de optimización de programación lineal,
programación entera y programación no lineal (entre otros). Esta plataforma es
popular para modelos de mayor complejidad que requieren para su resolución de
algoritmos especializad

GAMS: Es una herramienta de formulación matemática alternativa a AMPL que

permite formular y resolver modelos de optimización de complejidad mayor.

7
NEOS Solvers: Es un portal que consolida una gran variedad de solvers (algoritmos)
que permiten resolver distintas categorías de modelos de optimización formulados
en un lenguaje matemático determinado (como AMPL y GAMS). El procedimiento
es el siguiente: se selecciona un solver que permita resolver nuestro modelo
(depende del lenguaje de programación matemática y el tipo de modelo), se sube
el archivo de los modelos (y/o datos) y se obtienen los resultados online.

Geogebra: Es un excelente programa que nos ayuda a graficar distintas formas

geométricas y en particular resolver gráficamente modelos de optimización lineales
o no lineales. Este programa se puede descargar gratuitamente e instalar en nuestro
computador o alternativamente utilizar su aplicación web directamente sin
necesidad de descargar el programa.

Método Simplex (ProgramacionLineal.net): Es una herramienta que permite resolver

modelos de programación lineal a través del método simplex, mostrando paso a
paso las respectivas iteraciones, solución óptima y valor óptimo

Linear Programming: Versión en inglés de los principales artículos de este Blog que
trata sobre la Investigación de Operaciones y en particular de la Programación
Lineal, con recursos educativos y ejercicios resueltos.

1.3 Investigue los principales sistemas industriales existentes y su

comportamiento.

¿Qué es un sistema industrial?

Un sistema industrial es un conjunto organizado de procesos donde la tecnología,

el talento, la información, los equipos y las materias primas configuran productos
que serán comercializados una vez se terminen de fabricar. Inputs y outputs
permiten diferenciar entre unos tipos de sistema industrial y otros, aunque, hoy día,
también la tecnología facilita llevar a cabo una distinción, dado su impacto en la
complejidad de los procesos y la sofisticación de los resultados

8
Producción por trabajo: Consiste en concentrar todos los esfuerzos en elaborar un
solo producto cada vez. El resultado es diferente en cada ocasión, por lo que se
trata de un concepto asociado a un uso intensivo en mano de obra.

Producción por lotes: contribuyen a agilizar la producción, reduciendo también el

factor de personalización que existía en la producción por trabajo. Los lotes de
producto se pueden hacer con la frecuencia necesaria y las máquinas pueden
también sustituirse por otras fácilmente cuando es necesario producir un lote de un
producto diferente

Producción en masa: Esta opción, a menudo implica el montaje de un número

indeterminado de componentes individuales, piezas que pueden ser compradas a
otras empresas. Generalmente, cuando se trata de este tipo de sistemas de
producción industrial existen tareas automatizadas

Producción de flujo continuo: la línea de producción se mantiene en funcionamiento

24 horas al día, siete días a la semana. De esta forma se consigue maximizar la
producción y eliminar los costes adicionales de iniciar y detener el proceso
productivo

Estos tipos de procesos productivos deben responder a requerimientos

relacionados con tres variables:

1. Coste.

2. Plazo.

3. Calidad.

Las operaciones y procesos, deben alinearse con los recursos disponibles

(humanos, de maquinaria y equipos y relativos a infraestructuras) para que las
actividades alcancen un equilibrio óptimo. Lograrlo dependerá de la capacidad de
control y de la eficiencia en la gestión, que permitan que, desde una buena
planificación, se logren objetivos en condiciones de sostenibilidad y máxima
productividad.

9
1.4 Investigue 2 casos de éxito de Modelos Matemáticos y Simulación en la
Ingeniería Industrial: aplicaciones y análisis de sensibilidad

Un equipo de jóvenes soñadores, es el grupo de personas que compone Fourier

Ingeniería Inteligente SAS. Un grupo de trabajo que hace realidad las soluciones
más complejas de la industria, usando modelamiento matemático especializado y el
desarrollo de tecnologías innovadoras con inteligencia artificial para mejorar la
productividad en diferentes sectores industriales.

Esta empresa de Medellín, utiliza modelos de matemática aplicada para resolver

problemas en producción, calidad, logística y otros procesos. Fourier también ofrece
servicios de análisis, pronósticos inteligentes, gestión de inventario, inteligencia
artificial, simulación industrial, sistemas de medición, rediseño logístico, estudios
especializados de demanda y diseño de protocolos de transporte.

Fourier fue creada en 2012 pero sus orígenes se remontan a cuando Federico
Liévano y Juan Gabriel Villada, sus fundadores, estudiaban Ingeniería Industrial en
la Universidad Nacional. Entre sus clientes figuran empresas como Argos,
Fabricato, Corona, Gobernación de Antioquia y Corporación Minuto de Dios. El
nombre de la empresa homenajea al matemático y científico francés Jean-Baptiste-
Joseph Fourier (1768-1830), autor del teorema que lleva su nombre con el que se
explican fenómenos como el calor, la luz y el sonido.

Innpulsa:https://webcache.googleusercontent.com/search?q=cache:yUr9KFuPq1o
J:https://www.innpulsacolombia.com/es/casos-de-exito/caso-de-exito-fourier-tech-
sas-innovacion-y-emprendimiento+&cd=26&hl=es&ct=clnk&gl=co

La clave de la buena logística de Decathlon está en su sección de artículos. En la

red de distribución de Decathlon se encuentran varios almacenes regionales que
actúan como centros logísticos para las tiendas. En dichos almacenes tan sólo se
encuentran los productos llamados 20/80, el 20% de los productos que constituyen
un 80% de las ventas de Decathlon. Dichos productos son el calzado deportivo y
los textiles.

10
Si por ejemplo estuviésemos hablando de otro tipo de productos que también vende
Decathlon como pudieran ser bicicletas, Decathlon no se moja y no arriesga. Tan
solo tiene en stock y en almacén las de gama más baratas. Siendo las más caras
productos que tienen que pedir directamente a fábrica. Tampoco encontraríamos en
stock productos de caza o equitación, siendo deportes minoritarios.

De esta forma Decathlon consigue hacer remesas de productos más baratos y

evitando de ese modo que se le puedan acumular las existencias.

TotalSafePack somos una tienda online que además de vender cajas de cartón para
botellas, cajas para botellas de vino y cajas para proteger tus botellas de alcohol,
disponemos de un servicio propio de mensajería y distribución. Escríbenos con
cualquier duda que tengas.

Casos de éxito en logística que deberías conocerhttps://www.totalsafepack.com/3-

casos-de-exito-en-logistica/

1.5 Cree un mapa conceptual de “La simulación”

11
1.6 Cree un mapa conceptual de “La modelación”

12
Punto 2

Teniendo en cuenta los conceptos analizados anteriormente, desarrolle el siguiente

cuestionario de ejercicios:

I. Problema 1: Surtidora contrató a El Martillo como proveedor de llaves y cinceles

en sus tiendas de artículos automotrices. La demanda semanal de Surtidora
consiste en al menos 3200 llaves y 1900 cinceles. La capacidad actual de
Martillo, en un turno, no basta para producir las unidades que se le piden, y debe
recurrir a tiempo extra y, quizá, a subcontratar en otros proveedores de
herramientas. El resultado es un aumento en el costo de producción por unidad,
como se ve en la siguiente tabla. La demanda del mercado limita la proporción
de cinceles a llaves a un mínimo de 3:1.

Producción Semanal Costo

Herramienta Tipo de Producción
Mínimo Máximo ($ / unid)
Normal 0 800 2,5
Llaves Extra 801 1200 3,2
Subcontratada 1201 Sin Límite 4,0
Normal 0 420 2,2
Cinceles Extra 421 999 2,6
Subcontratada 1000 Sin Límite 3,5

a) ¿Cómo debe organizar su producción en cada Tipo de Producción?

model "aumento de costo empresa elmartillo julio sarmieto"
uses "mmxprs";
!sample declarations section declarations
X1:MPVAR !Variable =Cantidad de Llaves elaboradas en Tiempo Normal
X2:MPVAR !Variable =Cantidad de Llaves elaboradas en Tiempo Extra
X3:MPVAR !Variable =Cantidad de Llaves elaboradas por Subcontratación
X4:MPVAR !Variable =Cantidad de Cinceles elaborados en Tiempo Normal
X5:MPVAR !Variable =Cantidad de Cinceles elaborados en Tiempo Extra
X6:MPVAR !Variable =Cantidad de Cinceles elaborados por Subcontratación
MAXP1=800!Parametro =Límite Maximo para Llaves acumulado en Tiempo
Normal
MAXP2=1200!Parametro =Límite Maximo para Llaves acumulado en Tiempo Extra
MAXP4=420!Parametro =Límite Maximo para Cinceles acumulado en Tiempo
Normal

13
MAXP5=999!Parametro =Límite Maximo para Cinceles acumulado en Tiempo
Extra
COSP1=2.5!Parametro =Costo Llaves ($/u)Tiempo Normal
COSP2=3.2!Parametro =Costo Llaves ($/u)Tiempo EXTRA
COSP3=4!Parametro =Costo Llaves ($/u)Subcontratadas
COSP4=2.2!Parametro =Costo Cinceles ($/u)Tiempo Normal
COSP5=2.6!Parametro =Costo Cinceles($/u)Tiempo Extra
COSP6=3.5!Parametro =Costo Cinceles($/u)Subcontratadas
Objective:linctr
end-declarations
Z:=COSP1*X1+COSP2*X2+COSP3*X3+COSP4*X4+COSP5*X5+COSP6*X6
!Función Objetivo - Costo Total de la Producción ==> Minimizar
X1+X2+X3>=3200 !Restricción - Producir al menos 3200 Llaves
X4+X5+X6>=1900 !Restricción - Producir al menos 1900 Cinceles
X1<=MAXP1!Restricción - Rango de Producción Llaves Tiempo Normal
X1+X2<=MAXP2!Restricción - Rango Acumulado de Producción Llaves Tiempo
Extra
X4<=MAXP4!Restricción - Rango de Producción Cinceles Tiempo Normal
X4+X5<=MAXP5!Restricción - Rango Acumulado de Producción Cinceles Tiempo
Extra
minimize(Z)!Direccionamiento
end-model

14
15
16
17
 a) ¿Cómo debe organizar su producción en cada Tipo de Producción?
800 400 2000 420 579 5401
Número
de llaves Número de Número de llaves Número de Número de Número de
en llaves en que se cinceles en tiempo cinceles en tiempo cinceles que se
tiempo tiempo extra subcontrataran normal extra subcontrataran
normal

32612,9

Valor óptimo

b) Realice la simulación y analice el escenario de la situación a seguir:

Suponga que llega un nuevo proveedor, la empresa el Torno, un referente
proveedor de llaves, y presenta la siguiente tabla con la capacidad de
producción asociada:
CAPACIDAD DE PRODUCCIÓN – EMPRESA EL TORNO

18
 Producción Semanal Costo
Herramienta Tipo de Producción
Mínimo Máximo ($ / unid)
Normal 0 900 2,3
Llaves Extra 901 1100 3,4
Subcontratada 1101 Sin Límite 3,5
Normal 0 440 2,1
Cinceles Extra 441 899 2,7
Subcontratada 900 Sin Límite 3,2

19
20
¿De acuerdo con la presentación de este segundo caso, cuál de los dos
proveedores escogería, de acuerdo a su análisis? Justifique matemáticamente su
respuesta.

21
Simulación empresa el
martillo
LLAVES ANALISIS PUNTO A
Reducción de Costo (
var Cantidad total cost
costos unid )
Cantidad de llaves elaboradas
en tiempo normal
X1 800 -0,7 2,5 2.001
Cantidad de llaves elaboradas
en tiempo extra
X2 400 0 3,2 1.280
Cantidad de llaves elaboradas
por subcontratistas
X3 2000 0 4 8.000
TOTAL 3200 COSTO SEMANAL 11280,7

CINCELES ANALISIS PUNTO A

Reducción de Costo (
var Cantidad total cost
costos unid )
Cantidad de cinceles
elaboradas en tiempo normal
X4 420 -0,4 2,2 924
Cantidad de cinceles
elaboradas en tiempo extra
X5 579 0 2,6 1.505
Cantidad de cinceles
elaboradas por subcontratistas
X6 901 0 3,5 3.154
TOTAL 1900 COSTO SEMANAL 5583,3

simulacion empresa el
torno
LLAVES ANALISIS PUNTO A
Reducción de Costo (
var Cantidad total cost
costos unid )
Cantidad de llaves elaboradas
en tiempo normal
X1 900 -1,1 2,3 2.071
Cantidad de llaves elaboradas
en tiempo extra
X2 200 0 3,4 680
Cantidad de llaves elaboradas
por subcontratistas
X3 2100 0 3,5 7.350

TOTAL 3200 COSTO SEMANAL

10.101,10

CINCELES ANALISIS PUNTO A

Reducción de Costo (
var Cantidad total cost
costos unid )
Cantidad de cinceles
elaboradas en tiempo normal
X4 440 -0,6 2,1 925
Cantidad de cinceles
elaboradas en tiempo extra
X5 459 0 2,7 1.239

22
 Cantidad de cinceles
elaboradas por subcontratistas
X6 1001 0 3,2 3.203
TOTAL 1900 COSTO SEMANAL 5367,1

Diferencia llaves - 1.179,60 -0,10456798 cinciles -216,2

Justificación
Se escoge el proveedor el torno, ya que según la simulación cada semana en
llaves recuperamos un 10,45 % en el gasto de producción. En la producción de
cinceles no es muy grande entre cada proveedor pero cada semana tendremos
un ahorro del 3,8% en la producción.

23
 CONCLUSIÓN

Se modelaron y simularon sistemas industriales con base en programación lineal

dinámica y aplicación de herramientas como Solver en Excel.

Se identificaron los principales conceptos de la modelación y simulación de

procesos en sistemas industriales y el uso de tecnologías para el análisis de
escenarios.
Se determinaron las técnicas de modelamiento para la generación de escenarios de
solución óptima, de acuerdo a las condiciones y medidas de desempeño del sistema
real productivos y logísticos.

Se aplicaron las técnicas de simulación de los escenarios analizados a través de

herramientas informáticas para interpretar los sistemas, proponer soluciones y toma
de decisiones.

24
 REFERENCIAS BIBLIOGRAFICA

- 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&do
cID=4310046&tm=1544036108836

- 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.una
d.edu.co:2969/login.aspx?direct=true&db=nlebk&AN=1725244&lang=es&sit
e=ehost-live&ebv=EB&ppid=pp_3

- Guerrero, S. H. (2009). Programación lineal aplicada. Bogotá, CO: Ecoe

Ediciones. Disponible en la Biblioteca Virtual de la UNAD.(pp.249-271)
Recuperado
de: https://bibliotecavirtual.unad.edu.co:2538/lib/unadsp/reader.action?ppg=
267&docID=3215329&tm=1544036375878

- 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

25
 de: https://bibliotecavirtual.unad.edu.co:2538/lib/unadsp/reader.action?ppg=
162&docID=3227913&tm=1544036684162

- 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

26