Reconocimiento de Pre saberes modelos de simulacion

Presentado por
Rodolfo Junior Silvera Gomez
Codigo: 1.047.236.298

Grupo: 212026_1

Contacto
3013795313

Modelos y Simulacion

Tutor
Gustavo Andres Araque

Ingenieria Industrial
Universidad Nacional Abierta y a Distancia UNAD

5 de Septiembre 2021

Introduccion
El presente trabajo consiste en afianzar y revisar los conocimientos del comtenido de
aprendizaje, explorando el curso, realizando una comprension de los conceptos de la
modelacion y simulacion de procesos en sistemas indutriales y el uso de tecnologias
para el analisis de escneario.
En esta fase de reconocimiento, podemos decir que aprendemos las ideas generales y
los conceptos más importantes del curso, afianzando nuestros conocimientos y
apoyándonos en las correcciones presentadas por parte del tutor para poder llevar a fin
un excelente trabajo.

Justificacion
Este trabajo se realiza con el fin de que como estudiante adquiramos conocimientos,
sobre los modelos y las simulaciones, con el fin de iniciar un recorrido en el curso, ya
que vamos afianzando los conocimientos que se van a ir adquiriendo en dicho curso,
aplicando dichos conocimientos tanto en la vida diaria como a nivel laboral.

Objetivos
Objetivo General
Diferenciar 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.
Objetivos Especificos

· Reconocer los modelos de simulación como un medio de mejoramiento de

procesos y sistemas.

· Reconocer el uso de las nuevas aplicaciones tecnológicas.

· Realizar un recorrido por todos el cuso e identificar a los compañeros de trabajo.

Conclusiones
Podemos concluir que en el presente trabajo adquirimos y conocimos los conceptos de
modelo y simulacion tratados en el curso, reconocimos la Inferencia estadistica, la
programacion lineal, los metodos deterministicos, los metodos probabilisticos, la
modelacion matematica, los pasos para la construccion de modelos matematicos y la
Simulación en la Ingeniería Industrial: aplicaciones y análisis de sensibilidad.
¿Qué es la inferencia estadística?
La inferencia estadística es el conjunto de métodos y técnicas que permiten inducir, a
partir de la información empírica proporcionada por una muestra, cual es el
comportamiento de una determinada población con un riesgo de error medible en
términos de probabilidad.
Los métodos paramétricos de la inferencia estadística se pueden dividir, básicamente,
en dos: métodos de estimación de parámetros y métodos de contraste de hipótesis.
Ambos métodos se basan en el conocimiento teórico de la distribución de probabilidad
del estadístico muestral que se utiliza como estimador de un parámetro.
La estimación de parámetros consiste en asignar un valor concreto al parámetro o
parámetros que caracterizan la distribución de probabilidad de la población. Cuando se
estima un parámetro poblacional, aunque el estimador que se utiliza posea todas las
propiedades deseables, se comete un error de estimación que es la diferencia entre la
estimación y el verdadero valor del parámetro. El error de estimación es desconocido
por lo cual es imposible saber en cada caso cual ha sido la magnitud o el signo del
error; para valorar el grado de precisión asociado con una estimación puntual se parte
de dicha estimación para construir un intervalo de confianza. En síntesis, un intervalo
de confianza está formado por un conjunto de valores numéricos tal que la probabilidad
de que éste contenga al verdadero valor del parámetro puede fijarse tan grande como
se quiera. Esta probabilidad se denomina grado de confianza del intervalo, y la
amplitud deéste constituye una medida del grado de precisión con el que se estima el
parámetro.
Clases de muestreo distribuciones muestrales.
Los métodos y técnicas de la inferencia estadística se pueden dividir en dos: métodos
de estimación de parámetros y métodos de contraste de hipótesis.
Métodos de estimación de parámetros: Se encarga de asignar un valor al parámetro o
al conjunto de parámetros que caracterizan el campo sujeto a estudio. Claro que al ser
una estimación existe cierto error. Para obtener estimaciones adaptadas a esa realidad,
se crean intervalos de confianza.
Métodos de contraste de hipótesis: Su objetivo es comprobar si una estimación
corresponde con los valores poblacionales. En todo contraste de hipótesis existen dos
supuestos. La hipótesis nula (H0) que recoge la idea de que un valor tiene un valor
predeterminado. Si se rechaza la hipótesis nula (H0), entonces se acepta la hipótesis
alternativa (H1).
Los tipos de muestreo son:
1. Muestreo aleatorio o probabilistico: Este tipo de muestreo es uno de los más
utilizados en las investigaciones. Se comprende que aquí todos los sujetos o
elementos de la población pueden pasar a formar parte de la muestra, pues tienen la
misma probabilidad de ser escogidos.
Dentro de los muestreos probabilísticos podemos encontrar los siguientes tipos:

· Muestreo aleatorio simple: en este método de muestreo lo principales es tener

una idea clara de cuantos sujetos serán necesarios para completar el tamaño de
la muestra que se va a investigar, pues este consiste en que a cada sujeto de la
población se le debe asignar un número, para que posteriormente mediante
algún sorteo, o generando números aleatorios con ayuda de rifas o algún
ordenador se logre dar a conocer los números de los sujetos seleccionados que
serán tomados como muestra.

· Muestreo Sistematico: pues en este método como en el primero, los sujetos que
conforman a la población son enumerados, pero en lugar de dar a conocer los
que serán incluidos mediante el azar en este caso incluyen otra técnica.
Posteriormente de que son enumerados, los investigadores dividen el total de la
población que se presenta entre el total de sujetos que requieren para la
muestra; para después elegir a uno de los primeros de estos sujetos al azar (ya
enumerados) y posteriormente se va sumando de una forma secuencial o
constante el mismo valor para elegir a los sujetos requeridos.

· Muestreo Estratificado: mediante este método de investigación, los

investigadores dividen a la población en grupos o estratos que tengan relación o
compartan características similares y posteriormente se selecciona al azar o
aleatoriamente a los sujetos finales de los grupos o estratos formados. Este
método es utilizado para cuando los investigadores pretenden que dentro de la
muestra se encuentren incluidos todos los grupos de interés que puedan
representar significancia para la investigación.

· Muestreo por conglomerados: en este método, la población ya se encuentra

dividida en grupos o estratos formados naturalmente y a partir de estos se toman
la cantidad de sujetos que sean necesarios de cada uno para así formar la
muestra. Este es similar al método por estratificación, sin embargo se facilita
más, pues los grupos ya están formados y solo se requieren los datos de esos
elementos que lo integran.
2. Muestreo no aleatorio o no probabilistico: Mediante esta técnica de muestreo, en
comparación del muestreo probabilístico las muestras no se recogen por medio de
procesos donde a los sujetos se les brinden las mismas posibilidades de ser
seleccionados.
Dentro de esta técnica existen cuatro tipos de muestreos:

· Muestreo por cuotas: mediante este método los investigadores se encargan de

incluir en la muestra solo a un grupo determinado de sujetos que cumplen con
ciertos requisitos o condiciones específicas.

· Muestreo Intencional o de conveniencia: mediante este método, el investigador

se encarga de elegir de acuerdo a sus propios criterios o alcances a los sujetos
que formaran parte de la muestra.

· Muestreo por bola de nieve: en este método se hace contacto con algún sujeto
en específico y este se encargara de buscar a otros sujetos o nuevos
participantes consecutivamente. Haciéndolo de esta forma hasta cumplir con el
tamaño de muestra o cantidad de sujetos que se necesitan.

· Muestreo discrecional: mediante este método, se aplica una técnica parecida a

la del método intencional, pues el investigador recluta a los sujetos según sus
criterios; pero en este caso, los busca de acuerdo a lo que piensen que estos
sujetos puedan aportar a la investigación.

¿Qué es la programación lineal?

La programación lineal es una técnica matemática cuyo objetivo es la determinación de
soluciones óptimas a los problemas económicos en los que intervienen recursos limi-
tados entre actividades competitivas. Es un método matemático que permite asignar
una cantidad fija de recursos a la satisfacción de varias demandas, de tal forma que
mientras se optimiza un objetivo, se satisfacen otras condiciones definidas.
La Programación Lineal (Optimización lineal), es el nombre que se le da al cálculo de la
mejor solución, a un problema modelado como un conjunto de relaciones lineales.
Estos problemas surgen en muchas disciplinas de la ciencia y la ingeniería.
Es comúnmente utilizada en el ejercicio de la ingeniería, para abordar problemas de
productividad, de acuerdo a la satisfacción de determinadas restricciones – por
ejemplo: recursos, principalmente los limitados y costosos -, de acuerdo a un criterio de
optimización: maximizar un beneficio o minimizar un costo.
El objetivo primordial de la Programación Lineal es optimizar, es decir, maximizar o
minimizar funciones lineales, en varias variables lineales, con restricciones lineales
(sistemas de inecuaciones lineales), optimizando una función objetivo también lineal.
Tipos.
Externas

· Deben existir varias soluciones para un determinado problema

· Se debe fijar algún criterio de decisión respecto al cual se optimizará

· Debe haber interdependencia entre las variables que conforman la función

objetivo y las restricciones
Internas

· Las variables deben ser de tipo lineal

· El objetivo a optimizar se debe poder expresar como una función lineal de las
variables

· Las relaciones de las variables deben ser de tipo lineal

Usos y aplicaciones, según la tipología.
La programación lineal puede ser usada para resolver problemas de:
- Transporte: para decidir la ruta que se debe seguir para transportar material de un
origen a un destino.
- Asignación o distribución de personal o máquinas: para decidir la cantidad de
operarios y máquinas y sus turnos.
- Evaluación de cotizaciones: para escoger la cotización más conveniente- Análisis de
actividades: para escoger las actividades económicas a las que dedicar fondos para
obtener mejores rendimientos
- Formulación de dietas: para decidir las cantidades específicas de cada tipo de
alimento que debe ingerir una persona.
- Mezclas óptimas de producción: para escoger las cantidades óptimas de producción
de las diferentes referencias que produce una fábrica.
- Proveedores: para seleccionar el proveedor que más se ajuste a las necesidades.
- Agente viajero: para decidir la ruta de un servicio de recolección de basuras.
- Control de inventarios: para escoger las cantidades de producto a producir en un
horizonte.
- Horarios: para realizar la programación de clases en salones.
- Presupuestos: para definir la distribución de presupuestos a las diferentes áreas de
una empresa.
Algunas de las áreas en las cuales la programación lineal tiene aplicación son:
- Agricultura: para encontrar la óptima distribución de recursos, con el fin de maximizar
utilidades.
- Industria química: control de inventarios, horarios, transporte, mezclas óptimas.-
Gobierno: adjudicación de contratos.
- Aerolíneas comerciales: para la programación de vuelos.- Industria del hierro y del
carbono: planeación de la producción.
- Comunicaciones: diseño óptimo de redes.
- Industria del papel: problemas de transporte y corte óptimo del papel, para minimizar
desperdicios.
- Industria del petróleo: para obtener mezclas óptimas, problemas de transporte y
planeación de la producción.
- Servicios médicos: para programar turnos.

¿Qué son los métodos determinísticos?

Los Metodos Determinsticos además de ser una herramienta fundamental para la toma
de decisiones, optimiza los resultados logísticos, administrativos y financieros de una
organización con el fin de mejorar procesos, reducir costos y mejorar sus recursos
técnicos.
Técnicas que utilizan ecuaciones o algoritmos desarrollados previamente para
situaciones similares. Estos métodos no involucran enfoques estocásticos o
estadísticos.
Tipos.
Modelos de cantidad económica de pedido (EOQ – clásico): Conocido también como el
modelo Harris – Wilson, el método EOQ busca un equilibrio entre los costos de
preparación y los costos de almacenamiento. Fue un modelo pionero que sirvió de
base para el desarrollo de otras variantes del modelo, como EOQ con descuentos por
cantidad, EOQ con faltantes planeados, EOQ con varios artículos con limitación de
almacenamiento, etc.
EOQ con descuentos por cantidad: Considera la disminución del costo de compra de
un artículo cuando se compra en gran cantidad.
EOQ con faltantes planeados: Plantea que durante un tiempo la demanda no será
satisfecha generando faltantes.
Cantidad económica de pedido en producción (POQ): Considerando que el pedido se
puede recibir a lo largo de un periodo de tiempo, este modelo tiene en cuenta que la
tasa de demanda y la tasa de producción.
Usos y aplicaciones.
Se plantea distintos métodos para solucionar problemas relacionados con el transporte,
la asignación y la distribución, elementos claves para la solución eficiente de
inconvenientes y/o dificultades que se puedan presentar en el ejercicio empresarial.
Estos conceptos de métodos deterministicos permiten la optimización parcial de una
parte de la secuencia y luego relacionan las unidades optimizadas en la siguiente línea,
hasta que toda quede optimizada. Estos conceptos se pueden aplicar en los problemas
que tienen funciones continuas o en problemas donde los valores enteros son
prácticos.

¿Qué son los métodos probabilísticos?

Los modelos probabilísticos están ampliamente basados en aplicaciones estadísticas
para la evaluación de eventos incontrolables (o factores), así como también la
evaluación del riesgo de sus decisiones. La idea original de la estadística fue la
recolección de información sobre y para el Estado.
Los modelos probabilísticos son vistos de manera similar que a un juego; las acciones
están basadas en los resultados esperados. El centro de interés se mueve desde un
modelo determinístico a uno probabilístico usando técnicas estadísticas subjetivas para
estimación, prueba y predicción. En los modelos probabilísticos, el riesgo significa
incertidumbre para la cual la distribución de probabilidad es conocida. Por lo tanto, la
evaluación de riesgo significa un estudio para determinar los resultados de las
decisiones junto a sus probabilidades.
Tipos.

· Muestreo aleatorio simple.

· Muestreo estratificado.

· Muestreo sistemático y.

· Muestreo por conglomerados.

Usos y aplicaciones.
Los tomadores de decisiones generalmente se enfrentan a severa escasez de
información. La evaluación de riesgo cuantifica la brecha de información entre lo que es
conocido y lo que necesita saber para tomar una decisión óptima. Los modelos
probabilístico son utilizados para protegerse de la incertidumbre adversa, y de la
explotación de la propia incertidumbre.
Modelacion Matematica
La modelación matemática, vista en los términos que aquí se ha planteado, es un
proceso que se relaciona directamente con el diseño en ingeniería pues exige el
desarrollo de competencias para: visualizar en paralelo y bidireccionalmente lo
contextual y su formulación en términos de un dominio matemático adecuado a la
situación.
La modelación matemática se describe como la representación idealizada de un
sistema del entorno real basándose en el análisis de relaciones aplicando algoritmos
para hallar resultados, cuyo propósito es facilitar un medio para examinar el
comportamiento del sistema para optimizar su desempeño, soportados por ciertos
softwares como Vensim, Matlab, FlexSim, AnyLogic, entre otros.

Pasos para la construcción de modelos matemáticos.

1. Identificacion de parametros
2. Identificacion de variables
3. Determinacion de funcion objetivo
4. Determinacion de restriccion de mezclilla
5. Determinacion de restriccion de mano de obra
6. Determinacion de la restriccion ( condiciones) de no negatividad
7. Presentacion de modelo matematico final
La construccion de modelos matematicos se presenta como una herramienta
tecnologica en la concepcion y generacion de escenarios sistemicos productivos y/o de
servicios en busqueda del aumento de la eficiencia operativa industrial.
El analisis de escenarios industriales a partir de modelos matematicos permite al futuro
ingeniero representar el comportamiento sistemico de los procesos productivos a bajo
coste de operacion.
Funcion objetivo: expresa la meta que se quiere lograr, por ejemplo: maximizar la
ganancia, minimizar los costos, etc.
Restricciones: expresan limitaciones de los recursos o caracteristicas de la naturaleza
del sistema modelar.
Parametros: expresan datos con antelacion que corresponden a un valor real o
supuesto presente en el sistema.
Variables: representan los valores solucion que el tomador de desiciones en este caso
el estudiante puede controlar.
Condiciones de no negatividad: son las condiciones de decision que se estipulan en las
variables del sistema analizado deben tener solo valores no negativos.

Modelo Matematico
Un modelo matemático es una representación simplificada, a través de ecuaciones,
funciones o fórmulas matemáticas, de un fenómeno o de la relación entre dos o más
variables.
Los modelos matemáticos son utilizados para analizar la relación entre dos o más
variables. Pueden ser utilizados para entender fenómenos naturales, sociales, físicos,
etc. Dependiendo del objetivo buscado y del diseño del mismo modelo pueden servir
para predecir el valor de las variables en el futuro, hacer hipótesis, evaluar los efectos
de una determinada política o actividad, entre otros objetivos.
Cuando se diseña un modelo matemático, se busca que este tenga un conjunto de
propiedades que ayude a asegurar su robustez y efectividad. Entre estas propiedades
se encuentran:
Simplicidad: Uno de los objetivos principales de un modelo matemático es simplificar la
realidad para poder entenderla mejor.
Objetividad: Que no tenga sesgos ni teóricos ni de los prejuicios o ideas de sus
diseñadores.
Sensibilidad: Que sea capaz de reflejar los efectos de pequeñas variaciones.
Estabilidad: Que el modelo matemático no se altere significativamente cuando hay
cambios pequeños en las variables.
Universalidad: Que sea aplicable a varios contextos y no sólo a un caso particular.
Simulación en la Ingeniería Industrial: aplicaciones y análisis de sensibilidad.
Sistemas: es un conjunto ordenado de elementos que interaccionan de manera
macomunada con un objetivo en especifico.
Tipos:
Funcional: es aquel que maneja cierto nivel de viabilidad con respecto a su estatus o de
operaciones.
Estructural: es aquel que esta totalmente definido por el observador en el que se
conocen todos los elementos e interrelaciones que existen en el.
Aplicaciones.

Análisis de Sensibilidad
El análisis de sensibilidad evalúa el beneficio marginal de relajar restricciones una a
una.
Referencias Bibliograficas

https://www.ingenieriaindustrialonline.com/investigacion-de-operaciones/programacion-lineal/

https://bibliotecavirtual.unad.edu.co/login?url=http://search.ebscohost.com/login.aspx?
direct=true&db=nlebk&AN=1537248&lang=es&site=eds-live&scope=site

https://www.monografias.com/trabajos96/metodos-deterministicos-herramienta-fundamental-toma-
decisiones/metodos-deterministicos-herramienta-fundamental-toma-decisiones.shtml

https://home.ubalt.edu/ntsbarsh/business-stat/opre/SPANISHP.HTM

https://www.ingenioempresa.com/modelos-deterministicos-de-inventario/

https://www.questionpro.com/blog/es/muestreo-aleatorio-simple/

http://www.ub.edu/aplica_infor/spss/cap4-1.htm

https://economipedia.com/definiciones/inferencia-estadistica.html

https://www.gestiopolis.com/tipos-de-muestreo-estadistica/

Araque, Gustavo. (26,11, 2018). Modelos y Simulación. [Archivo de video]. Recuperado de

http://hdl.handle.net/10596/22202

https://economipedia.com/definiciones/modelo-matematico.html

Hernández, Oscar. (23,08, 2017). Modelos y Simulación. [Archivo de video]. Recuperado de

http://hdl.handle.net/10596/12978

https://bibliotecavirtual.unad.edu.co/login?url=http://search.ebscohost.com/login.aspx?
direct=true&db=nlebk&AN=1725244&lang=es&site=eds-live&scope=site

http://ve.scielo.org/scielo.php?script=sci_arttext&pid=S0798-40652010000300005