MODELAR Y SIMULAR SISTEMAS INDUSTRIALES CON BASE EN PROGRAMACIÓN

LINEAL DINÁMICA

INTEGRANTES:

PAULA ANDREA SUAREZ - id: 24373192

CHRISTIAN CAMILO BAENA – id:

DANIEL PEÑA BARRIENTOS – id: 1.040.322.930

ISNEYDI YECENIA GOMEZ – Id:

ROBINSON STIVEN VARELAS – id: 1128476967

TUTOR DEL CURSO:

GUSTAVO ANDRÉS ARAQUE

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

CEAD MEDELLIN

FECHA DE ENTREGA

03 DE OCTUBRE DE 2019
 INTRODUCCIÓN

Entendemos que Modelar en ingeniería, significa representar una realidad, en general (siempre
o casi siempre) interesa modelar un subconjunto de esa realidad. Cuanto de esa realidad o que
aspectos se modelan debe nacer de una reflexión racional de lo que interesa conocer, estudiar
y de cuantos recursos se tienen a disposición para realizarlo.

A diferencia de simular que en la ingeniería se entiende que es el método de lograr bajo diferentes
condiciones y en el tiempo, como el modelo cambia representando esa realidad. Así, simular nos
da una visión más completa de la realidad modelada.

Este trabajo hace referencia a la solución de problemas comunes industriales de la materia de

modelación y simulación, se busca modelar datos recibidos por parte de la empresa, el primer
punto es una búsqueda donde se busca afianzar los temas de simulación, su clasificación y para
que ocasiones se pueden usar, así mismo, la modelación revisando los diferentes software que
existe para modelar situaciones reales con datos numéricos y el segundo es un ejercicio más
práctico, que realizamos ejercicios donde hay que tomar decisiones importantes, cuando hay una
variable que cambia o se quiere empezar un proyecto.
 JUSTIFICACIÓN

Se realiza este trabajo para entender la importancia de simular y modelar problemas reales con
datos que se tienen a la mano y con un método definido de modelación, se puede simular lo
que puede suceder, tiene muchas aplicaciones estos ejercicios, para el fin de determinar
situaciones futuras, para las empresas es muy importante tener estas herramientas, ya que les
da una posibilidad de decidir, de ver la favorabilidad de alguna situación que se tiene pensado
o se prevé que puede pasar.
 OBJETIVOS

Objetivos General:
 Se tiene como objetivo desarrollar las técnicas de simulación y modelación, para ello, se
retroalimenta conceptos que se pudieron ver en otra materias, entender la aplicación en
sistemas industriales y como las herramientas informáticas son una “tool” importante
para las empresas, las decisiones que se hacen en una empresa siempre se busca el
mayor beneficios, en cuanto a eso, se aprende a buscar la solución más optima de un
problemas o situación, se busca identificar y elegir el mejor método o técnica de
simulación y modelación.
Objetivos Específicos:

 Realizar un reconocimiento y familiarizarse con los diferentes conceptos que se pueden

encontrar en el curso de modelación y Simulación.

 Realizar el desarrollo de los diferentes problemas de modelación y simulación

propuestos en la guía de actividades.
 ESQUEMA DE TRABAJO
Punto 1. Paula Andrea Suárez Gaviria

Simulación:

Para TOM H. NAYLON, bajo el término simulación se entiende la técnica que se utiliza para
conducir experimentos en una computadora. Tales experimentos comprender ciertos tipos de
relaciones matemáticas y lógicas que son necesarias para describir el comportamiento y la
estructura de sistemas complejos del mundo real a través de largos períodos de tiempo.

Tipos de simulación:

1.- Simulación Discreta

2.- Simulación Continua
3.- Simulación Combinada Discreta-Continua
4.- Simulación Determinística y/o Estocástica
5.- Simulación estática y dinámica
6- Simulación con Orientación hacia los eventos
7.- Simulación con Orientación hacia procesos

Modelación:

Un modelo puede definirse como una representación de un sistema o de las relaciones entre los
elementos de un sistema. Se puede afirmar, de manera más exacta, que un modelo es una
descripción de la realidad intentando una explicación del funcionamiento de algunos aspectos de
ella. El modelo es el resultado dentro de la práctica investigativa de un proceso, al cual se le
denomina la modelación del sistema

Tipos de modelación:

 El modelo icónico
 El modelo analógico
 El modelo teórico

Principales herramientas de software utilizadas para modelado:

ArgoUML: Es un editor UML gratuito que tiene compatibilidad con el estándar UML 1.4. Permite
la exportación a varios formatos gráficos y tiene la disponibilidad de perfiles para varios lenguajes
de programación. Es mi herramienta favorita, aunque solo tiene soporte para UML 1.4 (la última
versión de UML es 2.4.1).
Frame UML: Herramienta gratuita UML de fácil uso con soporte para UML 2, está pensado para
funcionar sobre Windows. Permite la generación de código desde el modelo. Tiene soporte para
12 tipos de diagramas, excepto diagramas de objetos.

StarUML: Es una herramienta de fácil uso que ayuda a generar diagramas compatibles con la
suite de ofimática de Microsoft Office. Tiene código es compatible con C++ y Java. Y se puede
empezar a dibujar manualmente o hacer uso de plantillas que contienen archivos de instalación,
para modificarlas pensado en las personas que no están acostumbrada o que no hayan trabajado
con anterioridad en modelamiento UML.

Tiny UML: Es una herramienta gratuita de modelado UML de fácil uso y de rápida creación de
diagramas UML 2 implementado en la plataforma Java, requiere Java SE 6.

Eclipse: La aplicación de eclipse no funciona como una herramienta directa de UML, sino que
requiere una extensión para realizar el modelado, además que facilita que los diagramas que se
realicen en dicha herramienta se conviertan en código.

Casos de éxito de Modelos Matemáticos y Simulación en la Ingeniería

Caso 1:
Innovación y Emprendimiento
Fourier Tech S.A.S
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.
“Fourier es ejemplo de un equipo de emprendedores con ganas, entusiasmo y talento inmersos
en un proyecto que está cambiando la vida de miles de personas. Empresarios comprometidos
con el cambio, la innovación y la apertura de nuevos mercados. La visión, la pasión, la
determinación y la colaboración hacen parte del ADN de esta empresa que ha hecho, de la
ingeniería inteligente, la mejor herramienta para solucionar los desafíos de las grandes
compañías.

Caso 2:
Bilbao y FEVE (Ferrocarril Español de Vía Estrecha).
En el caso del metro se trataba de ayudar a la empresa en la planificación de las jornadas de
trabajo de sus conductores. Por su parte, el contrato con FEVE tenía por objeto gestionar la
ubicación y desplazamientos del personal de estación, ya que se encontraban con que algunas
estaciones eran deficitarias y otras excedentarias en cuanto a personal y se hacía necesario
desplazar a personal de unas estaciones a otras dentro de la misma provincia minimizando los
desplazamientos y respetando sus condiciones laborales. Este modelo de optimización de la
gestión de los recursos humanos no es de aplicación exclusiva al sector del transporte, aunque
se trate quizás de uno de los más complejos. Otro sector que obtendría un notable beneficio si
emplease una aplicación de este tipo sería la sanidad.

Análisis de sensibilidad:
Es una forma de predecir el resultado de una decisión. Es conocido también como análisis de
simulación o «qué pasa si». Al crear un conjunto dado de variables, un analista puede determinar
cómo los cambios en una variable afectan el resultado.

Una práctica relacionada es el análisis de incertidumbre, que se centra más en la cuantificación

y propagación de la incertidumbre. Idealmente, la incertidumbre y el análisis de sensibilidad se
deben ejecutar en conjunto.

Una de las aplicaciones clave del análisis de sensibilidad es en el uso de modelos por parte
de los gerentes y responsables en la toma de decisiones. Se puede utilizar todo el contenido
necesario para el modelo de decisión mediante la aplicación repetida del análisis de sensibilidad.
Ayuda a los analistas de decisión a comprender las incertidumbres, los pros y los contras, con
las limitaciones y el alcance de un modelo de decisión.
La mayoría de las decisiones se toman bajo incertidumbre. Una técnica para llegar a una
conclusión es reemplazar todos los parámetros inciertos con los valores esperados; luego se
lleva a cabo el análisis de sensibilidad.

Usos:
– La aplicación clave del análisis de sensibilidad es indicar la sensibilidad de una simulación a
las incertidumbres en los valores de entrada del modelo.

– Es un método para predecir el resultado de una decisión si una situación resulta ser diferente
al compararla con las predicciones claves.

– Ayuda a evaluar el riesgo de una estrategia.

– Sirve para identificar qué tan dependiente es el resultado con respecto a una variable particular
de entrada. Analiza si la dependencia ayuda a evaluar el riesgo asociado.

– Ayuda a tomar decisiones informadas y apropiadas.

– Sirve para buscar errores en el modelo, al encontrar relaciones inesperadas entre las entradas
y los resultados.
Mapa conceptual de “La simulación”

Mapa conceptual de “La modelación”

Punto 1. Christian Camilo Baena

Punto 1. Daniel Peña Barrientos

Desarrollar los siguientes contenidos conceptuales

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

Qué es la simulación

Simulación es una técnica numérica para conducir experimentos en una computadora

digital. Estos experimentos comprenden ciertos tipos de relaciones matemáticas y lógicas,
las cuales son necesarias para describir el comportamiento y la estructura de sistemas
complejos del mundo real a través de períodos largos de tiempo.

Importancia de la simulación

La importancia de la simulación radica en que las grandes empresas o empresas

pequeñas que necesitan saber el resultado de algún acontecimiento y para ello se
gastaría dinero o tiempo y posiblemente no diera un buen resultado por ello acuden a la
simulación para poder prevenir dichos resultados.
Las aplicaciones de la simulación parecen no tener límites. Actualmente se simulan los
comportamientos hasta las partes más pequeñas de un mecanismo, el desarrollo de las
epidemias, el sistema inmunológico humano, las plantas productivas, sucursales
bancarias, etc.
Cabe mencionar la creciente importancia de la Simulación en la Investigación de
operaciones y en sus aplicaciones industriales. En los países altamente desarrollados la
simulación es una herramienta principal de en los procesos de toma de decisiones, en el
manejo de empresas y la planeación de la producción. Además, la Simulación es cada
vez más “amigable” para el usuario, que no tiene que ser un especialista en computación.

Tipos de Simulación.

ESTÁTICO
Son aquellos que no toman en cuenta, explícitamente, a la variable tiempo.
Ejemplo: costo para cantidad de camas reservadas (en un hospital)

DINÁMICO
Los modelos dinámicos son una representación de la conducta dinámica de un
sistema, mientras un modelo estático involucra la aplicación de una sola ecuación,
los modelos dinámicos, por otro lado, son reiterativos. Los modelos dinámicos
constantemente aplican sus ecuaciones considerando cambios de tiempo

DETERMINISTICO
En éstos ni las variables exógenas, ni las endógenas, se obtienen por medio del
azar, debido a que se suponen relaciones exactas para las características de operación.
Son variables con valores preestablecidos. Es aquel en el cual se establecen las
condiciones para que al ejecutar el experimento se determine el resultado.

ESTOCÁSTICO
Los valores de esta o estas variables, se obtienen al azar. Es aquel en el cual información
pasada, no permite la formulación de una regla para determinar el resultado preciso de
un experimento.

DISCRETO
El estado de los cambios en los modelos sólo se da cuando esos eventos ocurren. La
llegada de órdenes, o las partes que están siendo ensambladas, así como los clientes
que llaman.
Una fábrica que ensambla partes es un buen ejemplo de un sistema de evento discreto.
Las entidades individuales (partes) son ensambladas basadas en eventos (recibo o
anticipación de órdenes).

CONTINUO
En modelos continuos, el cambio de valores se basa directamente en los cambios de
tiempo. La simulación continua es análoga a un depósito en donde el fluido que atraviesa
una cañería es constante. El volumen puede aumentar o puede disminuir, pero el flujo es
continuo.

FÍSICO
Llamados así, debido a que se semejan al sistema en estudio. Durante muchos años, los
ingenieros han usado modelos de tamaño natural y han reducido y puesto a escala a los
mismos para probarlos. (NASA, líneas aéreas comerciales).

ANÁLOGOS
Los modelos análogos poseen algunas propiedades similares a los objetos
representados, pero sin ser una réplica morfológica de los mismos. Un ejemplo de un
modelo análogo es un mapa impreso que se construye mediante un conjunto de
convenciones cartográficas que conducen a un resultado final claramente distinto
del objeto representado. Mediante esta transformación se persigue hacer legibles
propiedades tales como altitud, distancia, localización física de objetos geográficos, sus
relaciones importancia.

SIMBÓLICOS
Los modelos simbólicos se construyen mediante reglas notablemente más abstractas ya
que esta denominación suele aplicarse a los casos en los que el objeto real se representa
mediante una codificación matemática.
Un ejemplo de modelo simbólico es la representación de un edificio mediante la
identificación y codificación en una estructura geométrica de sus elementos básicos. El
modelo así construido permite la aplicación de algoritmos para, por ejemplo, la estimación
de esfuerzos a los que está sometido.

Aplicaciones de la Simulación
 Las áreas de aplicación de la simulación son muy amplias, numerosas y diversas, basta
mencionar sólo algunas de ellas: Análisis del impacto ambiental causado por diversas
fuentes Análisis y diseño de sistemas de manufactura. Análisis y diseño de sistemas de
comunicaciones. Análisis de grandes equipos de cómputo. Análisis de un departamento
dentro de una fábrica. Adiestramiento de operadores. Análisis financiero de sistemas
económicos. Evaluación de sistemas tácticos o de defensa militar.

La simulación se utiliza en la etapa de diseño para auxiliar en el logro o mejoramiento de

un proceso o diseño o bien a un sistema ya existente para explorar algunas
modificaciones.

Modelación.

Es el proceso completo de abstracción del sistema real al modelo cuantitativo y tiene

como resultado un modelo matemático del sistema real bajo estudio. Incluye actividades
como la definición del sistema y la determinación de sus fronteras, la identificación de las
actividades más importantes para el logro del objetivo, es decir la conceptualización del
sistema simplificado y finalmente la elaboración del modelo.

Es quizás la parte más importante de la Investigación de Operaciones y se le considera

como una mezcla de arte y de ciencia. La modelación no puede enseñarse, sino
motivarse, se aprende con la práctica y con la experimentación.

Puede dividirse en dos fases: Subjetiva y la objetiva. La parte subjetiva consiste en la

definición del sistema supuesto o simplificado. Mientras que la objetiva es la construcción
del modelo a partir del sistema simplificado.
Tipos de modelos

 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 los aspectos.
 Modelos cuantitativos o numéricos, usan números para representar aspectos del
sistema modernizado, 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.
 Determinista. 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. 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 lineal 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 cuál 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.
Usos de Los Modelos Matemáticos
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.

Aunque parezca un concepto teórico, en realidad hay muchos aspectos de la vida

cotidiana regidos por modelos matemáticos. Lo que ocurre es que no son modelos
matemáticos enfocados a teorizar. Al contrario, son modelos matemáticos formulados
para que algo funcione. Por ejemplo, un coche

1.2 Investigue para la modelación las principales herramientas de software utilizados

Los Software de modelación más usados son:

- AnyLogic
- Evolución
- iThink/Stella
- Powersim
- Simile
- Vensim
- Witness
- Arena
- Taylor ed

1.3 Investigue 2 casos de éxito de Modelos Matemáticos y Simulación en la Ingeniería

Industrial: aplicaciones y análisis de sensibilidad

Análisis de esfuerzos del Túnel “El Paxtle”

El túnel El Paxtle se ubica en la carretera Silao - San Felipe en el Estado de Guanajuato

y se construye sobre un cerro del cual se duda su capacidad de soporte estructural para
sostener el túnel, por lo cual se requirió de analizar y sugerir geometrías y áreas de
fortificación para la construcción, llevar a cabo un análisis de factibilidad y evaluación de
riesgos, sugiriendo alternativas de solución, utilizando la metodología de elemento finito
para el análisis de esfuerzos. Se requirió del trabajo interdisciplinario con Geólogos e
Ingenieros mineros, coordinados por el CIMAT.

Para resolver esta problemática se utilizaron sistemas de ecuaciones diferenciales

parciales con condiciones de frontera para simular el comportamiento del cerro al excavar;
interpolación de parámetros de las muestras de campo en puntos de muestra para
extrapolar al volumen total; geometría, se experimentó con diferentes secciones de túnel
herradura, circular de medio punto y túnel gemelo, para ver sus comportamientos. Para
calcular posibles soluciones al modelo se utilizó análisis numérico y método del elemento
finito.

Condumex, diseño de cables superconductores

En 2005 el CIMAT desarrolló la aplicación de software para la Simulación y Diseño de

Cables Superconductores Monofásicos de la empresa Condumex.

El diseño del cable HTSC se basó en un sistema de ecuaciones diferenciales ordinarias.

La simulación consistió en desarrollar e implementar los algoritmos numéricos para
resolver las ecuaciones que modelan el fenómeno. Gracias a esta simulación se
encontraron los parámetros necesarios para producir un cable monofásico mucho más
eficiente. A partir de la orientación de cada cinta se obtuvo un producto que multiplica de
mejor forma la electricidad para proyectos industriales o de obras públicas.
1.4 Cree un mapa conceptual de “La simulación”
1.5 Cree un mapa conceptual de “La modelación”
Punto 1. Isneydi Yecenia Gomez

Punto 1. Robinson Stiven Varelas

Simulación

La simulación es el proceso de diseñar un modelo de un sistema real y llevar a término

experiencias con él, con la finalidad de comprender el comportamiento del sistema o evaluar
nuevas estrategias -dentro de los límites impuestos por un cierto criterio o un conjunto de
ellos - para el funcionamiento del sistema (Guasch, A., Piera, M. À., & Casanovas, J, 2002)

Tipos de simulación

 Simulación Discreta:
Modelación de un sistema por medio de una representación en la cual el estado de las
variables cambia instantáneamente en instante de tiempo separados. (En términos
matemáticos el sistema solo puede cambiar en instante de tiempo contables).

 Simulación Continua:
Modelación de un sistema por medio de una representación en la cual las variables de
estado cambian continuamente en el tiempo. Típicamente, los modelos de simulación
continua involucran ecuaciones diferenciales que determinan las relaciones de las tasas de
cambios de las variables de estado en el tiempo.

 Simulación Combinada Discreta-Continua:

Modelación de un sistema por medio de una representación en la cual unas variables de
estado cambian continuamente con respecto al tiempo y otras cambian instantáneamente
en instante de tiempo separados. Es una simulación en la cual interactúan variables de
estado discretas y continuas.

Existen tres tipos de interacciones entre las variables de estado de este tipo de
simulaciones:

-Un evento discreto puede causar un cambio discreto en el valor de una variable de estado
continua.
-Un evento discreto puede causar que la relación que gobierna una variable de estado
continua cambie en un instante de tiempo en particular.

-Una variable de estado continua de punto de partida puede causar que un evento discreto
ocurra, o sea, programado.

 Simulación Determinística y/o Estocástica:

Una simulación determinística es aquella que utiliza únicamente datos de entra
determinísticos, no utiliza ningún dato de entrada azaroso. En cambio, un modelo de
simulación estocástico incorpora algunos datos de entrada azarosos al utilizar
distribuciones de probabilidad.

 Simulación estática y dinámica:

La simulación estática es aquella en la cual el tiempo no juega un papel importante, en
contraste con la dinámica en la cual si es muy importante.

 Simulación con Orientación hacia los eventos:

Modelaje con un enfoque hacia los eventos, en el cual la lógica del modelo gira alrededor
de los eventos que ocurren instante a instante, registrando el estado de todos los eventos,
entidades, atributos y variables del modelo en todo momento.

 Simulación con Orientación hacia procesos:

Modelaje con un enfoque de procesos, en el cual la lógica del modelo gira alrededor de los
procesos que deben seguir las entidades. Es cierta forma, es un modelaje basado en un
esquema de flujo grama de procesos, el cual se hace es un seguimiento a la entidad a
través de la secuencia de procesos que debe seguir.

Usos de la simulación

Las áreas de aplicación de la simulación son muy amplias, numerosas y diversas, basta
mencionar sólo algunas de ellas: Análisis del impacto ambiental causado por diversas
fuentes Análisis y diseño de sistemas de manufactura Análisis y diseño de sistemas de
comunicaciones. Evaluación del diseño de organismos prestadores de servicios públicos
(por ejemplo: hospitales, oficinas de correos, telégrafos, casas de cambio, etc.). Análisis de
sistemas de transporte terrestre, marítimo o por aire. Análisis de grandes equipos de
cómputo. Análisis de un departamento dentro de una fábrica. Adiestramiento de operadores
(centrales carboeléctricas, termoeléctricas, nucleoeléctricas, aviones, etc.). Análisis de
sistemas de acondicionamiento de aire. Planeación para la producción de bienes. Análisis
financiero de sistemas económicos. Evaluación de sistemas tácticos o de defensa militar.
La simulación se utiliza en la etapa de diseño para auxiliar en el logro o mejoramiento de
un proceso o diseño o bien a un sistema ya existente para explorar algunas modificaciones
(Guasch, A., Piera, M. À., & Casanovas, J, 2002).

Modelación

La modelación es la formulación matemática que se le da a un problema real, se tiene en

cuenta todas las características del sistema, sus restricciones y sus variables, con esto se
busca dar solución a dicho problema permitiendo así mejorar el sistema, esta modelación
es muy importante debido a que facilita el modo de ver el sistema de modo que sea de
mayor comprensión para las personas (Guasch, A., Piera, M. À., & Casanovas, J, 2002).

Tipos

 Modelos estáticos y dinámicos:

Los Modelos Estáticos son la representación de un sistema que está establecido un tiempo
exacto, sin tener en cuenta la afectación del tiempo en el sistema, es aplicado cando los
sistemas están equilibrados, en cambio el sistema dinámico si tiene en cuenta la afectación
del tiempo en el sistema, permitiendo así tener mayor variabilidad y mayor exactitud en el
resultado de los datos, es el más usado en los sistemas reales debido a que permite
conocer como es la variación de las variables del sistema.

 Modelos continuos y discretos:

Los modelos continuos son la interpretación de un sistema que se mantiene en forma
continua, permitiendo el uso de ecuaciones diferenciales ordinarias, en cambio los modelos
discretos es la interpretación de un sistema, pero este de forma discreta, este modelo
también tiene el uso de ecuaciones diferenciales ordinarias.

 Modelos deterministas y estocásticos:

Los modelos determinísticos son la interpretación de un sistema, que se basa en su estado
anterior y para cada conjunto de entrada existe un único de salida, en cambio los modelos
estocásticos son la interpretación de un sistema, su conjunto de entrada no tiene un único
conjunto de salida, en donde con ayuda del ensayo podemos comprender al sistema.

Usos
Son instrumentos muy comunes en el estudio de sistemas de toda índole, El empleo de
modelos facilita el estudio de los sistemas, aun cuando estos puedan contener muchos
componentes y mostrar numerosas interacciones como puede ocurrir si se trata de
conjuntos bastantes complejos y de gran tamaño.

Investigue para la modelación las principales herramientas de software utilizadas.

Dentro de las herramientas más utilizadas en el ámbito académico y empresarial, vemos:

 Anylogic
 Simile
 Powersim
 Vensim
 Promodel
 Evolución
 Xpress IVE
 Tora
 Excel
 AMPL
Actualmente estas herramientas software ofrecen diferentes servicios, por medio de un
entorno intuitivo para el usuario (Guasch, A., Piera, M. À., & Casanovas, J, 2002).

Investigue 2 casos de éxito de Modelos Matemáticos y Simulación en la Ingeniería

Industrial: aplicaciones y análisis de sensibilidad

Caso No1: Aplicación de la simulación en el área de producción de empaques de la

empresa EHUICO S.A. de C.V. para el incremento de su productividad

La empresa EHUICO S.A. de C.V. se localiza en el municipio de Cuautlapan (Veracruz,

México). Se dedica a fabricar empaques industriales para ingenios azucareros y empresas
alimenticias, entre otras. Los empaques producidos son de tipo moldeado, lo cual significa
que toman la forma del molde que los contiene a temperaturas por encima de 100°C,
aplicándoles fuerza proveniente de la prensa eléctrica.

En esta compañía se realizó un estudio de simulación usando el software profesional

Promodel, considerando tres de sus modelos de empaques con el propósito de evaluar
alternativas de mejora para incrementar su productividad. En este documento se presenta
un análisis detallado de los resultados de la simulación con las recomendaciones de los
autores (Olivos, Torres Osorio, H. Moreno, Moras S, & Constantino, 2010)

Caso No2: Estudio de capacidad en centro de distribución

Simulación desarrollada con ProModel para determinar la capacidad máxima de un CD de
una importante empresa chilena. A través del estudio del modelo de simulación (réplica del
sistema real) se pudo conocer anticipadamente los resultados respecto la capacidad
instalada del Centro de Distribución; el impacto de un aumento de la demanda; cuellos de
botella presentes y d) cantidad de recursos necesarios para la operación.

El modelo de simulación considera en detalle los ingresos diarios de camiones y camionetas

provenientes de distintos sectores de Santiago; proceso de recepción de los productos; flujo
de los productos dentro del Centro de distribución; procesamiento de cada tipo de producto;
flujos de los productos hacia despacho y proceso de despacho de los productos del Centro
de distribución. Además, se considera a todos los operadores y su respectiva estructura de
turnos de trabajo. El modelo fue validado comparando los resultados de la simulación de
un periodo de tiempo con información conocida de como operó el sistema realmente.

Distintos escenarios fueron simulados, de esta forma la gerencia obtuvo contundente

información de cómo se comporta el sistema bajo diversas condiciones operacionales. Con
esta información se tomaron importantes decisiones de inversión que resultaron
incrementos en productividad y reducciones de costos (Simulación Centro de Distribución,
2013).

(Guasch, A., Piera, M. À., & Casanovas, J, 2002)

 (Guasch, A., Piera, M. À., & Casanovas, J, 2002)

Punto 2

Teniendo en cuenta los conceptos analizados anteriormente, desarrolle os siguientes casos

problemáticos para aplicar modelación:

I. Problema 1: Una surtidora de retail contrató a la empresa “El Diamante” como

proveedor de martillos y cinceles en sus tiendas de artículos de herramental. La
demanda semanal de la surtidora consiste en al menos 2550 martillos y 1100 cinceles.
La capacidad actual de El Diamante, 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 martillos a un mínimo de 2:1.

Producción Semanal Costo

Herramienta Tipo de Producción
Mínimo Máximo ($ / unid)
Normal 0 750 12000,0
Martillos Extra 751 1100 14000,0
Subcontratada 1101 Sin Límite 16000,0
Normal 0 380 5000,0
Cinceles Extra 421 999 5800,0
Subcontratada 1000 Sin Límite 6800,0

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

Pantallazo con respuesta de las variables
 Pantallazo con la respuesta de función objetivo

II. Problema 2: Se fabrican dos aleaciones, A y B, a partir de tres metales, donde se

deben cumplir las siguientes condiciones sobre los componentes de dichos metales (I,
II, III y IV), de acuerdo con las siguientes especificaciones:
Precio de Venta
Aleación Especificaciones
($ / TON)
Cuando más 35% de Componente I
A Cuando más 25% de Componente II 320
Cuando menos 38% de Componente IV
De 10 a 20% de Componente II
B Cuando menos 12% de Componente III 280
Cuando más 11% de Componente IV

A su vez, con relación a os metales se cuenta con información de los componentes, la

disponibilidad y los costos, según se resume en la siguiente tabla:

¿Cuánto se debe producir de cada aleación?

Disponibilidad Componentes Costo ($ /

Metal
(TON) I II III IV Otros TON)
1 2800 20 20 20 5 10 18
2 2100 10 10 0 18 20 22
3 3700 3 20 0 31 0 14
 Pantallazo con respuesta de las variables

Pantallazo con la respuesta de función objetivo

III. Problema 3: Considerando los costos unitarios de transporte y cantidades de Oferta y

Demanda que se presentan a continuación, determine las cantidades óptimas a ser
transportadas desde cada origen y hacia cada destino.
 Destino
Tienda 1 Tienda 2 Tienda 3 Tienda 4 Tienda 5 Tienda 6
Planta 1 $3 $5 $12 $5 $4 $3 800
Planta 2 $8 $7 $9 $5 $9 $7 700
Origen
Planta 3 $6 $2 $3 $8 $2 $5 100
Planta 4 $4 $10 $4 $6 $5 $8 400
250 150 200 550 350 100
Pantallazo con respuesta de las variables

Pantallazo con la respuesta de función objetivo

IV. Problema 4: Considerando los costos unitarios de transporte y cantidades de Oferta y
Demanda que se presentan a continuación, determine las cantidades óptimas a ser
transportadas desde cada origen y hacia cada destino.

Destino
Tienda 1 Tienda 2 Tienda 3 Tienda 4
Planta 1 $10 $13 $19 $11 150
Planta 2 $12 $11 $17 $11 320
Origen
Planta 3 $15 $18 $12 $10 180
Planta 4 $18 $14 $16 $9 250
200 300 250 150
Pantallazo con respuesta de las variables

Pantallazo con la respuesta de función objetivo

 CONCLUSIONES

 El desarrollo de este trabajo nos permitirá fortalecer aspectos muy importantes del
conocimiento que fundamentan la base para desarrollar el proyecto del curso para
formular alternativas de solución, reconociendo la importancia de la formulación y
evaluación de los modelos y simulación.

 Con la realización del presente trabajo se fortalecen las bases del conocimiento
donde hemos interiorizado la información investigada, la cual se podrá a disposición
para el desarrollo de los próximos trabajos de las fases venideras y adicionalmente
se investiga a profundidad cada uno de los entornos para sacar el máximo de
provecho del curso.

 La presente actividad nos da a conocer los conceptos fundamentales del curso

como lo es simulación y modelo y con esto tenemos bases para conocer que se
trabajara el curso.
 REFERENCIAS BIBLIOGRÁFICAS
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.unad.edu.c
o:2969/login.aspx?direct=true&db=nlebk&AN=1725244&lang=es&site=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&d
ocID=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&do
cID=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
de: https://bibliotecavirtual.unad.edu.co:2538/lib/unadsp/reader.action?ppg=162&d
ocID=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
Hernández, Oscar. (23,08, 2017). Modelos y Simulación.[Archivo de video]. Recuperado
de: http://hdl.handle.net/10596/12978

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

de http://hdl.handle.net/10596/22202
Hernandez, Oscar. (23,08,2017). Modelos y Simulación. [Archivo de video]. Recuperado
de http://hdl.handle.net/10596/12979
Araque, Gustavo. (26,11, 2018). Modelos y Simulación. [Archivo de video]. Recuperado
de http://hdl.handle.net/10596/21716
Trujillo, Johanna; Cubillos-González, Rolando Arturo; (2016). La simulación como
herramienta de diseño y evaluación arquitectónica. Pautas resueltas desde la
 ingeniería. Revista de Arquitectura, Enero-Junio, 1-16. Recuperado
de: http://www.redalyc.org/articulo.oa?id=125146891009
Martínez, Salazar, Iris Abril, and Camarón, Gastón Vértiz. Investigaciones de operaciones,
Grupo Editorial Patria, 2014. ProQuest Ebook Central,
http://bibliotecavirtual.unad.edu.co:2460/lib/unadsp/detail.action?docID=3227913.R
ecuperado
de:http://bibliotecavirtual.unad.edu.co:2460/lib/unadsp/detail.action?docID=322791
3
Urquía, M. A., & Martín, V. C. (2013). Modelado y simulación de eventos discretos. Madrid,
ES: UNED - Universidad Nacional de Educación a Distancia. Disponible en la
Biblioteca Virtual de la UNAD Recuperado
de: http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/detail.action?docID=108039
04&p00=simulacion+sistemas+discretos
Lima, S. A. D. (2012). Análisis del proceso de producción de aceites básicos en la refinería
Sergio Soto mediante la simulación. La Habana, CU: D - Instituto Superior
Politécnico José Antonio Echeverría. CUJAE. Disponible en la Biblioteca Virtual de
la UNAD.
Recuperado de: http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/detail.action?d
ocID=10624556&p00=investigaci%C3%B3n+operaciones+modelaci%C3%B3n+si
mulaci%C3%B3n
Llavador Colomer, F. (2002). Modelos matemáticos de sistemas acuáticos dinámicos.
[Alicante]: Digitalia. Disponible en la Biblioteca Virtual de la UNAD (pp. 19-38).
Recuperado
de: http://bibliotecavirtual.unad.edu.co/login?url=https://bibliotecavirtual.unad.edu.c
o:2969/login.aspx?direct=true&db=nlebk&AN=318040&lang=es&site=ehost-
live&ebv=EB&ppid=pp_7
Kong, Maynard. Investigación de operaciones: programación lineal. Problemas de
transporte. Análisis de redes, Fondo Editorial de la Pontificia Universidad Católica
del Perú, 2010. ProQuest Ebook Central, Recuperado
de: http://bibliotecavirtual.unad.edu.co:2460/lib/unadsp/detail.action?docID=321485
7#