Beruflich Dokumente
Kultur Dokumente
Cap. 7. Simulación.
CAPITULO 0.
P RESENTACIÓN D EL C URSO .
S OBRE EL C URSO .
Créditos 3
Horas IO.
Semanales 8 Programación
Lineal Simulación
Horas
presenciales 4
Teoría de Teoría de
Horas estudio Inventarios Colas
independiente 4
N OS A POYAREMOS EN :
Software:
Mathematica 11
Graphing Calculator.
I examen parcial:
Semana 10 de Setiembre. 35 %
II examen parcial:
Semana 5 de Noviembre. 35%
TOTAL(NA) 100%
Análisis de regresión.
Programación lineal.
Simulación (en producción).
Modelos de Redes.
Teoría de Colas.
Teoría de Juegos.
Teoría de Inventarios.
CAPITULO 2.
M ATHEMATICA COMO H ERRAMIENTA
DE P ROGRAMACIÓN .
CAPITULO 3.
G RAPHIC C ALCULATOR
C OMO H ERRAMIENTA PARA E L C URSO .
CAPITULO 4.
P ROGRAMACIÓN L INEAL .
C APITULO 4.
Sobre la Casos especiales de la Programación Lineal.
Programación Lineal
Degeneración. 4.21
Pinturas Ávila. Soluciones múltiples optimas. 4.22
Ejemplo: 4.1, 4.2, Soluciones no acotadas 4.23
4.3, 4.4, 4.5, 4.6,
4.7, 4.8, 4.9, 4.10, Soluciones inexistentes o no factibles..4.24
4.11, 4.12, 4.13, Análisis de Sensibilidad.4.24.
4.14, 4.15, 4.16, 4.17
Problema 1.
Problemas con más
dos variables de Problema 2
decisión. 4.18, 4.19, Método Simplex.
4.20.
Teoría de la Dualidad. 4.26, 4.27, 4.28, 4.29, 4.30
S OBRE LA P.L.
Graphic. Mathematica.
Color 2; Expr x+2*y<6, 2*x+y<8, - Maximize [3x+2y, x+2y <=6
x+y<l, y<2, x>0, y>0 ; && 2x+y <=8 && -x+y <=1
&& y <=2 && 0<=x &&
Color 3; Expr 3*x+2*y = n; 0<=y ,{x,y}]
SliderSteps 50;
Slider 0 25;
SliderOneDirection 0;
SliderMoving 1;
E JEMPLO 4.1
x1 =< 4
2x2 =< 12
x1> =0,
Graphic. Mathematica.
Expr x<4, 2*y<12, 3*x+2*y<18, x>0, y>0;
Maximize[3x+5y, {x ≤ 4
Color 3; Expr 3*x+5*y = n; && y ≤ 12 && 3x+2y ≤ 18
SliderSteps 50; && x ≥ 0 && y ≥ 0 && x є
Integers && y є Integers } ,
Slider 0 45; {x,y}]
SliderOneDirection 0;
SliderMoving 0;
Restricciones:
2x + 2y <= 8
x + 2y <= 6
x+y=1
x >= 0; y >= 0
E JEMPLO 4.5
Un fabricante de muebles tiene 6 unidades de madera y 28 horas
disponibles, durante las cuales fabricará biombos decorativos.
Con anterioridad, se han vendido bien dos modelos, de manera
que se limitará a producir estos dos. Estima que el modelo 1
requiere 2 unidades de madera y 7 horas del tiempo disponible,
mientras que el modelo 2 requiere 1 unidad de madera y 8 horas.
Los precios de los modelos son $120 y $80, respectivamente.
¿Cuántos biombos de cada modelo debe fabricar si desea
maximizar su ingreso en la venta?
Restricciones: 2x + y <= 6
7x + 8y <= 28
x >= 0; y >= 0
E JEMPLO 4.6¡¡¡¡¡
E JEMPLO 4.7. Y 4.8.
2x + 4y >= 8 2x + 4y >= 8
2x — 5y <= 0 2x — 5y <= 0
-x + 5y <= 5 -x + 5y <= 5
Maximice:
Tamales Chicharrones Disponibilidad z= 20x + 15y
Acero 1 2 80 Restricciones:
x + 2y <= 80
Aluminio 3 2 120
3x +2y <= 120
x >= 0
y >= 0
E JEMPLO 4.10
Un autobús San José—Peñas Blancas ofrece pasajes para
fumadores al precio de 10000 y a no fumadores al precio
de 6.000. Al no fumador se le deja llevar 50 kgs. de peso y
al fumador 20 kgs. Si el autobús tiene 90 pasajes y admite
un equipaje de hasta 3.000 kg. ¿Cuántos pasajes de cada
tipo debe la compañía emitir con la finalidad de
optimizara el beneficio?
E JEMPLO 4.11
Juan se ganó 10 millones de colones en una lotería y
le aconsejan que las invierta en dos tipos de acciones,
A y B. Las de tipo A tienen más riesgo pero producen
un beneficio del 10 %. Las de tipo B son más seguras,
pero producen sólo el 7% anual. Después de varias
deliberaciones decide invertir como máximo 6
millones en la compra de acciones A y por lo menos, 2
millones en la compra de acciones B. Además, decide
que lo invertido en A sea, por lo menos, igual a lo
invertido en B. ¿Cómo deberá invertir los 10 millones
para que el beneficio anual sea máximo?
E JEMPLO 4.12
Un estudiante dedica parte de su tiempo al reparto de
propaganda publicitaria. La empresa A le paga 5 por
cada impreso repartido y la empresa B, con folletos
más grandes, le paga 7 por impreso. El estudiante lleva
dos bolsas: una para los impresos A, en la que caben
120 y otra para los impresos B, en la que caben 100.
Ha calculado que cada día es capaz de repartir 150
impresos como máximo. Lo que se pregunta el
estudiante es: ¿Cuántos impresos habrá que repartir
de cada tipo para que su beneficio diario sea máximo?
E JEMPLO 4.13
Un comerciante acude al mercado CENARA a comprar
naranjas con $50000. Le ofrecen dos tipos de naranjas:
las de tipo A a 50 el kg. y las de tipo B a 80 el kg.
Sabiendo que sólo dispone de su camioneta con
espacio para transportar 700 kg. de naranjas como
máximo y que piensa vender el kg. de naranjas tipo A
a 58 y el kg. de tipo B a 90.
¿Cuántos kg. de naranjas de cada tipo deberá comprar
para obtener máximo beneficio?.
0.13(0.93x2) - 0.07x2
0.12(0.97x3) - 0.03x3
0.125(0.95x4) - 0.05x4
0.1(0.98x5) - 0.02x5
o lo que es lo mismo
Consumo de agua
400 600 840 450
por unidad (gal/ día)
E JEMPLO 4.20
P ROBLEMA DE PROGRAMACIÓN
DE LOS AUTOBUSES
TUASA estudia la factibilidad de introducir un sistema de
autobuses de tránsito masivo que aliviará el problema del
contaminación, reduciendo el tránsito en la ciudad. El estudio
inicial busca determinar el número mínimo de autobuses que
pueden manejar las necesidades de transporte. Después de
recolectar información necesaria, el ingeniero de la empresa
advierte que el número mínimo de autobuses que se necesita para
cubrir la demanda fluctúa con la hora del día.
Estudiando los datos más a fondo, descubrió que el número
necesario de autobuses se puede suponer constante en intervalos
sucesivos de 4 horas cada uno. La figura 4.27 presenta un resumen
de los hallazgos del ingeniero. Se decidió que para facilitar la
transportación, cada autobús podía operar sólo 8 horas sucesivas
al día.
C ASOS ESPECIALES DE
PROGRAMACIÓN LINEAL .
Degeneración.
Soluciones óptimas múltiples.
Soluciones no acotadas.
Soluciones inexistentes (o no factibles).
S OLUCIÓN DEGENERADA .
sujeto a:
X1 + 4x2 ≤ 8
X1 + 2x2 ≤ 4
X1,x2 ≥ 0
S OLUCIONES ÓPTIMAS
MÚLTIPLES .
Sujeto a :
x1 + 2x2 ≤ 5
x1 + x2 ≤ 4
X1, X2 ≥ 0
S OLUCIÓN NO ACOTADA .
Sujeto a
2x1 + X2 ≤ 8
x1 + 2x2 ≤ 6
X1 x2 ≥ 0
E L CÓDIGO EN
M ATHEMATICA SERÍA
MÉTODO SIMPLEX
T EORÍA DE DUALIDAD
O1 3 2 2000
O2 1 2 1000
P LANTEANDO EL PROBLEMA :
Max z = 40 x1 + 60 x2
Sujeto a
3x1 + 2X2 ≤ 2000
x1 + 2x2 ≤ 1000
X1, x2 ≥ 0
La solución para este caso corresponde a x1=500 y x2=
250 con un ingreso de z=35000; en donde x1 es el
numero de máquinas de escribir manuales a producir y x2
las eléctricas.
LA IDEA ES …
C ÓMO PASAR DE UN PROBLEMA PRIMAL
A SU CORRESPONDIENTE DUAL ?
PRIMAL ↔ DUAL
FUNCIÓN FUNCIÓN
MIN. MAX.
OBJETIVO OBJETIVO
≥ 0 ≤
RESTRICCIO
VARIABLES ↔
≤ 0 ≥ NES
S.R. =
≥ ≥ 0
RESTRICCIO
↔
NES VARIABLES
≤ ≤ 0
= S.R.
P LANTEAMIENTO D EL D UAL .
Maximice
z = 40 x1 + 60 x2
Planteamiento
Sujeto a Planteamiento
Del
3x1 + 2X2 ≤ 2000 Del
Problema
x1 + 2x2 ≤ 1000 Problema Dual
Original
X1 ≥ 0
x2 ≥ 0
Forma Matricial
Del Forma Matricial
Problema del
Original Problema Dual
E JEMPLO 4.27
Maximizar z = 8x1 + 3x2
Sujeto a:
Planteamiento
x1— 6x2 ≥ 2 Planteamiento
Del
5x1 + 7x2 = —4 Del
Problema
x1 ≤ O Problema Dual
Original
x2 ≥ O
Forma Matricial
Del Forma Matricial
Problema del
Original Problema Dual
E JEMPLO 4.28
Minimizar
z = 1x1 + 3x2 + 5x3 + 2x4 + 3x5
Planteamiento
Planteamiento
Del Sujeto a :
Del
Problema X1 + X2 + 2x3 + x4 + 3X5 ≥ 4
2x1— 2x2 + 3x3 + x4 + x5 ≥ 3 Problema Dual
Original
X1 ≥ 0, X2 ≥ 0, X3 ≥ 0,
x4 ≥ 0, x5 ≥ 0
Forma Matricial
Del Forma Matricial
Problema del
Original Problema Dual
E JEMPLO 4.29
Maximizar
z = 4x1 + 7x2
Planteamiento
Planteamiento
Del
Sujeta a: Del
Problema
3x1 + 5x2 ≤ 6 Problema Dual
Original
x1 + 2x2 ≤ 8
X1 ≥ 0, X2 ≥ 0
Forma Matricial
Del Forma Matricial
Problema del
Original Problema Dual
E JEMPLO 4.30
Maximizar
z = 3x1 + 5x2
Planteamiento
sujeta a Planteamiento
Del
X1 ≤ 4 Del
Problema
2x2 ≤ 12 Problema Dual
Original
3x 1 + 2x2 ≤ 18
X1 ≥ 0, X2 ≥ 0
Forma Matricial
Del Forma Matricial
Problema del
Original Problema Dual
C APÍTULO 5.
M ODELOS DE INVENTARIOS .
I NVENTARIOS .
Clase A: cantidades
pequeñas de artículos
costosos y deben estar
bajo constante supervisión.
La cantidad y
el punto de un
nuevo pedido
suelen
determinarse
normalmente
minimizando
el costo de
inventario
total .
S OBRE LOS MODELOS
DETERMINISTAS
La mayoría de
estos modelos
tratan con un
inventario de
un solo .
artículo.
El tipo más
simple de
modelo de
inventarios
ocurre cuando
la demanda es
constante en el
tiempo con Q = cantidad pedida. a = demanda.
reabastecimien
to instantáneo
y sin escasez. - El nivel de inventario alcanza el nivel cero en t = Q/a .
- Cuanto más pequeña es Q, más frecuente son los pedidos.
C = COSTO DE PRODUCCIÓN POR ARTICULO .
H = COSTO DE ALMACENAMIENTO .
K = COSTO FIJO DE ORDEN .
T= COSTO TOTAL .
Costo de
producción por
unidad de tiempo
Costo de
mantener el
inventario
Costo
Total
Nivel de
inventario en el
momento t
E JEMPLOS 5.1. Y 5.2.
Nivel de
Tiempo de inventario
fabricación. critico
E JEMPLOS 5.3.
Costo de
producción
por unidad Costo
de tiempo Total por
ciclo
Costo por
faltantes Costo
Total
Costo de
mantener el
inventario Faltante
Fracción de Máximo
Tiempo en la que
no hay faltantes
E JEMPLOS 5.4.
Clientes. Instalaciones .
Gente esperando líneas Líneas telefónicas.
telefónicas desocupadas.
Talleres de reparación.
Máquinas que esperan
ser reparadas. Pistas de aeropuerto.
Aviones esperando Mostradores de pago.
aterrizar.
Gente esperando en una
línea de pago en tiendas
de víveres.
TASA VARIABLE DE LLEGADAS
VRS
TASA VARIABLE DE SERVICIO .
(n = 0,1,...,)
Expr a=slider([1.10]);
Un servicio de ambulancias.
Un muelle de descargue de
barcos.
Un equipo secretarial de
mecanógrafas.
E JERCICIOS P ROPUESTOS .
Una tripulación de una línea de vuelo de la fuerza aérea estima
durante un período de alerta que pueden prestar servicio aéreo a
la tasa de un avión cada 6 minutos. Durante un período de alerta
de 24 horas se estima que cada hora aterrizarán siete aviones. La
tripulación opera come un equipo simultáneamente en cada
avión. Suponga aterrizajes de Poisson y una tasa de servicio
exponencial. Encuentre:
Utilización de cada una de las tripulaciones de la línea de vuelo.
Modelación de sistemas
estocásticos representados por
¡Estudiaremos modelos de simulación variables de estado que cambian
estocásticos discretos! solo en puntos discretos en el
tiempo
S IMULACIÓN GRÁFICA
6) Diseño de experimentos
Un fracaso común en
los estudios de
simulación es
concentrarse
demasiado en estas
fases y extraer más
datos de los necesarios
o de los que pueden
validarse con los datos
disponibles
FASE 3
Hay que establecer la estructura del modelo,
decidiendo cuales son los aspectos significativos del
problema en el comportamiento del sistema
Hay que reunir los datos necesarios que
proporcionen parámetros correctos para el modelo
FASE 4
Se puede contar con lenguajes específicos de simulación
que brindan al usuario no solamente el lenguaje en sí,
sino también un conjunto de conceptos de modelado
que se utilizan para describir el sistema, con
herramientas de generación de código a través de
esqueletos estándar
Simulación Continua: 1130/CSMP, 360 CSMP y
DYNAMO
Simulación a Eventos Discretos: GPSS,
SIMSCRIPT, SDL/SIM
FASE 5
Requiere una gran cuota de
juicio y criterio común,
Regresión lineal,
Números aleatorios
Números Pseudo-aleatorios.
Covarianza cercana a cero indica que no hay asociación entre las variables
E JEMPLO 1
Datos correspondientes a 20
empleados de un club de
salud de una empresa.
X pulsaciones por minuto
en reposo
Y tiempo en correr 1 milla
Calcular la covarianza.
S OLUCIÓN
La covarianza es 239,41
C OEFICIENTE DE CORRELACIÓN
LINEAL
La covarianza tiene el inconveniente de que su valor no
es acotado, por lo que, a partir de él es difícil juzgar si
es grande o pequeña
Promedio de la X : 5.4
Promedio de la Y : 16.1
La población es infinita
¡Cada vez que cambia una variable cambia el estado del modelo!
E VENTOS
En estrecha relación con el estado del sistema está el
concepto de un evento
Notación:
TM = tiempo reloj de la simulación
IT = tiempo de llegada generado
ST= tiempo de servicio generado
AT = tiempo de programación del siguiente arribo
DT = tiempo de programación de la siguiente salida
SS = estado del servidor (1 = ocupado, 0 = ocioso)
WL = longitud de la línea de espera
MX = longitud (en unidad de tiempo) de la ejecución de la simulación
I NICIO
DT=TM+ST
Y así sucesivamente …
G ENERACIÓN DE NÚMEROS
ALEATORIOS
La generación de valores de variables aleatorias tiene un
rol preponderante en el proceso de simulación
Distribución uniforme
Planteamos un experimento
aleatorio tal que colocamos una
tabla como en la figura.
Y hacemos que alguien con los
ojos vendados tire dardos a la
tabla.
S OLUCIÓN
Los dardos van a perforar la tabla en N puntos aleatorios
¿Cómo podemos estimar el área del cuadrado S a partir de
esos puntos?
Contamos cuántos puntos de los sorteados caen dentro del área del cuarto
de círculo (In) y cuántos fuera (Out), sabiendo que si x2+y2>1 el punto está
fuera, y si no, dentro
El valor estimado del área que queremos hallar es In/(In+Out), y ese valor
será aproximadamente el de pi/4, por lo que pi será aproximadamente igual
a 4*