FASE O PASO 1 - RECONOCER LOS PRESABERES DE MODELOS DE

SIMULACIÓN

PRESENTADO POR
JORGE ANDRES SOSA PEINADO
CODIGO: 13.571.769

PRESENTADO A:

GUSTAVO ANDRES ARAQUE

GRUPO:
212026_71

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA (UNAD)

ESCUELA DE CIENCIAS BÁSICAS, TEGNOLOGÍA E INGENIERÍA
PROGRAMA DE INGENIERÍA INDUSTRIAL
MODELOS Y SIMULACIÓN
2019
 INTRODUCCIÓN

El desarrollo de este trabajo permite afianzar conocimientos, logrando así mayor

compromiso con la investigación realizada para aplicarla a casos reales. Se puede ver la
importancia de implementar la simulación y la modelación ya que por medio de ella se
puede mejorar y garantizar la calidad de los productos. Minimizar riesgos en la toma de
decisiones y eliminar retrocesos en cualquier área.

Este trabajo tiene como fin el análisis de los diferentes significados y propiedades
Operacionales de la unidad I determinando las innovaciones de los factores de los
productos y tipos de simulación y la modelación Bajo la Estrategia de Aprendizaje las
cuales se entenderá que y como se emplea tales modelos y tipos.
 JUSTIFICACIÓN

Entender y conocer los aspectos generales y significados que con llevan a la buena
prestación de un servicio dentro de los modelos y simulación y los principios generales,
Comprender e identificar adecuadamente todos los elementos tipos e importancias
generalizadas que conforman las aplicaciones de los modelos y la simulación.
 OBJETIVOS ESPECIFICOS

 Realizar el ejercicio de investigación enfocado a las actividades realizadas

por los tipos seleccionados enfocados a la materia.
 Investigar y aplicar la participación, conocimiento e interactuación con cada
uno de los integrantes del grupo al igual que la socialización con el tutor.
 Compartir y socializar en el foro la información recolectada.
 CONSULTE Y EXPLIQUE LOS SIGUIENTES CONCEPTOS:

Texto: Qué es la inferencia estadística, clases de muestreo, distribuciones

muéstrales.
¿Qué es la inferencia estadística?
Es el conjunto de métodos que permiten inducir, a través de una muestra, el
comportamiento de una determinada población. La inferencia estadística estudia
entonces, como sacar conclusiones sobre los parámetros de población de datos. De la
misma manera estudia también el grado de fiabilidad de los resultados extraídos del
estudio.

Clases de muestreo:
Muestreo aleatorio simple
En este tipo de muestreo las variables relevantes de la muestra tienen la misma función
de probabilidad y son independientes entre ellas. La población tiene que ser infinita o
bien finita con reposición de elementos. El muestreo aleatorio simple es el que más se
utiliza en la estadística inferencial, pero es menos eficaz en muestras muy grandes.

Estratificado
El muestreo aleatorio estratificado consiste en dividir la población en estratos; un
ejemplo de esto sería estudiar la relación entre el grado de satisfacción vital y el nivel
socioeconómico. A continuación, se extrae un número determinado de sujetos de cada
uno de los estratos por tal de mantener la proporción de la población de referencia.

De conglomerados
En estadística inferencial los conglomerados son conjuntos de elementos poblacionales,
como pueden ser las escuelas o los centros hospitalarios públicos de un municipio. Al
llevar a cabo este tipo de muestreo se divide la población (en los ejemplos, una
localidad concreta) en varios conglomerados y se elige de forma aleatoria algunos de
ellos para estudiarlos.
Sistemático
En este caso se empieza dividiendo el número total de sujetos u observaciones que
conforman la población entre el que se quiere utilizar para la muestra. Posteriormente se
escoge un número al azar de entre los primeros y se va sumando de forma constante este
mismo valor; los elementos seleccionados pasarán a formar parte de la muestra.

Muestreos no aleatorios o no probabilísticos

Los muestreos no probabilísticos utilizan criterios con un bajo nivel de sistematización
que procuran asegurar que la muestra tenga un cierto grado de representatividad. Este
tipo de muestreos se emplean principalmente cuando no es posible llevar a cabo otros de
tipo aleatorio, lo cual es muy habitual a causa del elevado coste de los procedimientos
de control.
Intencional, opinático o de conveniencia
En el muestreo intencional el investigador escoge de forma voluntaria los elementos que
conformarán la muestra, dando por supuesto que esta será representativa de la población
de referencia. Un ejemplo que resultará familiar a los estudiantes de psicología es la
utilización de alumnos como muestra opinática por parte de profesores universitarios.

Muestreo de bola de nieve o en cadena

En este tipo de muestreo los investigadores establecen contacto con sujetos
determinados; a continuación, estos consiguen a nuevos participantes para la muestra
hasta completarla. El muestreo de bola de nieve se usa generalmente cuando se trabaja
con poblaciones de difícil acceso, como en el caso de adictos a sustancias o de
miembros de culturas minoritarias.

Muestreo por cuotas o accidental

Hablamos de muestreo por cuotas cuando los investigadores escogen un número
concreto de sujetos que cumplan unas características determinadas (p. e. mujeres
españolas de más de 65 años con deterioro cognitivo severo) a partir de su conocimiento
sobre los estratos de la población. El muestreo accidental se usa con frecuencia en las
encuestas.
Distribuciones muestrales
Una distribución muestral es una distribución de Probabilidad de una estadística
muestral calculada a partir de todas las muestras posibles de tamaño "n" elegidas al azar
de una población determinada. Generalmente nos interesa conocer una o más de las
siguientes características de la distribución muestral. 1.- Su forma funcional (como
aparece en su representación gráfica). 2.- Su media. 3.- Su desviación estándar (error
estándar). En este tema veremos cómo las proporciones y las medias de la muestra se
comportan en muestras repetidas.

Texto: Qué es la programación lineal, formulación de un problema de

programación lineal, pasos para desarrollar método simplex.

¿Qué es la programación lineal?

Corresponde a un algoritmo a través del cual se resuelven situaciones reales en las que
se pretende identificar y resolver dificultades para aumentar la productividad respecto a
los recursos (principalmente los limitados y costosos), aumentando así los beneficios. El
objetivo primordial de la Programación Lineal es optimizar, es decir, maximizar o
minimizar funciones lineales en varias variables reales con restricciones lineales
(sistemas de inecuaciones lineales), optimizando una función objetivo también lineal.

Formulación de un problema de programación lineal

La programación lineal son modelos destinados a la asignación eficiente de los recursos

limitados en actividades conocidas con el objetivo de satisfacer las metas deseadas
(maximizar beneficios o minimizar costos). La característica distintiva de los modelos
es que las funciones que representan el objetivo y las restricciones son lineales. (No se
permite multiplicación de variables ni variables elevadas a potencias). Algunas de las
siguientes restricciones no se pueden emplear en un modelo de programación lineal.

Un modelo de programación lineal se define usualmente como sigue:

Maximizar o minimizar …………………..

 EJEMPLO

Un estudiante de administración de empresas del Nowledge College necesita completar

un total de 65 cursos para graduarse. El número de cursos de administración tendrá que
ser mayor que o igual a 23. El número de cursos ajenos al área de administración deberá
ser mayor que o igual a 20. El curso de administración promedio requiere un libro de
texto que cuesta $60 e implica 120 horas de estudio. Los cursos ajenos al área de
administración requieren un libro de texto que cuesta $24 e implican 200 horas de
estudio. El estudiante dispone de un presupuesto de $3,000 para libros.

Solución:

Parte a)

X = Cursos de Administración que cursará el estudiante

Y = Cursos ajenos al área de Administración que cursará el estudiante

Función Objetivo:

Min (120X + 200 Y)

Restricciones:

Cursos Necesarios para graduarse: X + Y = 65

Cantidad de Cursos de Administración: X ≥ 23

Cantidad de Cursos ajenos a Administración: Y ≥ 20

Presupuesto del estudiante: 60X + 24Y ≤ 3000

Parte b)

Con los valores obtenidos de X = 40, Y = 25, se minimizará las horas de estudio,
teniendo como resultado 9800 horas.

Texto: Qué son los métodos determinísticos, pasos para la construcción de modelos
matemáticos, definición de variable, función objetivo y restricciones.
¿Qué son los métodos determinísticos?
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.
Así mismo, 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 determinísticos 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.

Pasos para la construcción de modelos matemáticos

Una manera de resumir las etapas usuales (no secuenciales) de un estudio de IO es la
siguiente:

1. Definición del problema de interés y recolección de los datos relevantes.

2. Formulación de un modelo que represente el problema.

3. Solución del modelo.

4. Prueba del modelo.

5. Preparación para la aplicación del modelo.

6. Puesta en marcha.

Definición de variable
Variable es una palabra que representa a aquello que varía o que está sujeto a algún tipo
de cambio. Se trata de algo que se caracteriza por ser inestable, inconstante y mudable.
En otras palabras, una variable es un símbolo que permite identificar a un elemento no
especificado dentro de un determinado grupo. Este conjunto suele ser definido como el
conjunto universal de la variable, y cada pieza incluida en él constituye un valor de la
variable.
Función objetivo y restricciones

La función objetivo es la ecuación que será optimizada dadas las limitaciones o

restricciones determinadas y con variables que necesitan ser minimizadas o
maximizadas usando técnicas de programación lineal o no lineal. La programación
lineal es un método que se emplea para maximizar o minimizar una función de varias
variables, llamada función objeto. Ésta está sujeta a una serie de limitaciones que
reciben el nombre de restricciones, expresadas mediante inecuaciones. El objetivo de la
programación lineal es calcular el valor de las variables de una función que maximizan
o minimizan esta. Para ello se parte de un conjunto de ecuaciones o inecuaciones, que
limitan los valores que puede tener cada variable. Tanto la función como las
restricciones son expresiones lineales. La función se llama función objetivo, y las
variables, variables de decisión. El método "simplex" desarrolla un procedimiento
iterativo y es el de más amplia utilización.
Restricción: Es una noción con origen etimológico en el latín restrictĭo. Se trata del
proceso y la consecuencia de restringir. Este verbo, por su parte, refiere a limitar,
ajustar, estrechar o circunscribir algo. ... La restricción, en general, siempre marca un
límite.
Texto: Modelos Matemáticos y Simulación en la Ingeniería Industrial:
Aplicaciones y análisis de sensibilidad.

La importancia de la simulación en la ingeniería en que todas y cada una de las

corporaciones ya sea pequeña, mediana o grande necesitan saber los resultados de los
acontecimientos ya sean buenos o malos y para ello acuden a la simulación para poder
tener dentro de sus conocimientos los dichos resultados y así poder generar o mejores o
cambiar los resultados negativos.
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.
la creciente importancia de la Simulación en la Investigación de operaciones y en sus
aplicaciones industriales es muy importante para la ingeniería porque presenta las
siguientes grandes ventajas en los diferentes diseños. En los países altamente
desarrollados utilizan a cada segundo la simulación la cual se ha convertido en 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.
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.
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.
La simulación es una herramienta esencial y disciplinaria, donde en una simple corrida
del programa podemos predecir cualquier comportamiento dinámico de una empresa o
una máquina que se esté diseñando. De igual manera podemos ver los pronósticos para
la demanda y utilidad de nuestro producto o bien ver cuando el mecanismo puede fallar
por condiciones diversas del ambiente donde funcionara.
 CONCLUSIONES

Se profundiza conocimientos adquiridos, destrezas a fin de lograr un apropiado manejo

del concepto en el desarrollo de análisis en cuanto a los significados y propiedades de
los tipos de sistemas y procesos tecnológicos determinando las innovaciones de los
factores de las tecnologías y conocimientos para los modelos y simulación.
 REFERENCIAS BIBLIOGRÁFICAS

Hillier, F. y Lieberman, G. (2015). Introducción a la investigación de operaciones (pp.

1014-1027). México, México: Editorial McGraw-Hill Interamericana. Recuperado
de http://bibliotecavirtual.unad.edu.co:2053/?il=2269 

Monks, J. (1988). Administración de operaciones (pp. 168-170). Naucalpan de Juárez,

México: Editorial McGraw-Hill Interamericana. Recuperado de
https://bibliotecavirtual.unad.edu.co:2538/lib/unadsp/reader.action?
ppg=61&docID=3196010&tm=1541110436872 

Hillier, F. y Lieberman, G. (2010). Introducción a la investigación de operaciones (pp.

807-812). México, México: Editorial McGraw-Hill Interamericana. Recuperado
de http://bibliotecavirtual.unad.edu.co/login?
url=http://search.ebscohost.com/login.aspx?
direct=true&db=edselb&AN=edselb.3214887&lang=es&site=eds-live 

Monks, J. (1988). Administración de operaciones (pp. 243-247). Naucalpan de Juárez,

México: Editorial McGraw-Hill Interamericana. Recuperado de
https://bibliotecavirtual.unad.edu.co:2538/lib/unadsp/reader.action?
ppg=61&docID=3196010&tm=1541110436872 

Abel Mendez. (26 febrero 2019). Ejercicios Resueltos, Producción y Operaciones. Plan
de mejora. Recuperdo de https://www.plandemejora.com/ejercicios-resueltos-de-
programacion-lineal-por-el-metodo-grafico/