Introduccion Al Modelamiento De Sistemas Productivos

¿Qué es un modelo?
• Una ciencia o teoría es un conjunto de modelos relacionados
y coherentes.
• Un modelo es una descripción simplificada de un fenómeno,
en donde las leyes que relacionan los datos observados están
especificadas formalmente.

Fenómeno
Complejo

Datos

Modelo

Conceptos

Persona

Decisiones

En que casos usar un Modelo Matemático:

1.- Entender el comportamiento de la conductadel sistema.
2.- Predecir el comportamiento del sistema actual en una variedad
de circunstancias.
3.- Como sustituto de experimentación
4.- Identificación del sistema.

Simplicidad versus Exactitud en Modelos Matemáticos

Simplicidad

Exactitud

Equilibrio del Modelo

Elementos de un Modelo Matemático
3.Restricciones (cont.)
Las restricciones más comunes son de cinco tipos:

• Restricción decapacidad: limitan el valor de las variables debido a las
disponibilidad de horas-hombre, horas-máquina, espacio, etc.
•Restricción de mercado: Surgen de los valores máximos y mínimos en las
ventas o el uso del producto o actividad a realizar.
•Restricción de entradas: Son limitantes debido a la escasez de materias
primas, mano de obra, dinero, etc.
• Restricción de calidad: Son las restriccionesque limitan las mezclas de
ingredientes, definiendo usualmente la calidad de los artículos a manufacturar.
•Restricciones de balance de material: Estas son las restricciones que definen
las salidas de un proceso en función de las entradas, tomando en cuenta
generalmente cierto porcentaje de merma o desperdicio.

Pasos Básicos en Modelación y Análisis
Objetivos, incluye
nivel de
sofisticaciónrequerida

Fenómeno a
estudiar

Identificar cantidades a ser
usadas que describen el
comportamiento

Sistema
idealizado

Modelo
Matemático

Analítico y
Numérico
Aplicación de leyes
apropiadas

Observaciones o
resultados
experimentales

Solución del
modelo
matemático:

Comparar: El modelo necesita
revisión?

¿Se necesita
información
o rediseño
del modelo?

Recomendaciones para el Modelador:
1.No debeelaborarse un modelo complicado cuando uno simple es
suficiente.
2. El problema no debe ajustarse al modelo o método de solución.
3. La fase deductiva de la modelación debe realizarse rigurosamente.
4. Nunca debe pensarse que el modelo es exactamente el sistema real.
5. Los modelos deben validarse antes de su implementación.
6. No venda un modelo como la perfección máxima.
7. Uno de los primerosbeneficios de la modelación reside en el
desarrollo del modelo.
8. Un modelo es tan bueno o tan malo como la información con la que
trabaja.
9. Los modelos no pueden reemplazar al tomador de decisiones, sólo
lo auxilian.

Revistas Relacionadas con Modelamiento
Ingeniería de Sistemas
(http://www.dii.uchile.cl/revistas/frame_ris.html)

European Journal of Operational Research(http://www.elsevier.nl/homepage/sae/orms/eor/menu.htm)

ORMS Today ( http://lionhrtpub.com/ORMS.shtml )

Aplicaciones (localización óptima de recursos).
David L. Martell, Al Tithecott y Paul C. Ward
Abril 1999

Aplicaciones (gestión del uso del suelo y de reservas
naturales)
John Hearne
Abril 1999

Aplicaciones (planificación de la producción y
distribución). Elise del Rosario

Abril 1999

InternationalTransactions in Operational Research
(http://www.blackwellpublishers.co.uk/asp/journal.asp?ref=096
9-6016)

IIE Transactions
(http://www.kluweronline.com/issn/0740-817X)

Aplicaciones en numerosas revistas:
INTERFACES ( http://silmaril.smeal.psu.edu/interfaces/ )

Aplicaciones (value chain management)
The Sense-and-Respond Enterprise. IBM researchers develop
integrated SAR system of global valuechain optimization
Grace Lin, Steve Buckley, Heng Cao, Nathan Caswell, Markus
Ettl, Shubir Kapoor, Lisa Koenig, Kaan Katircioglu, Anil
Nigam, Bala Ramachandran and Ko-Yang Wang
Abril 2002

Aplicaciones (redes de telecomunicaciones)
Optimizing Internet Networks. France Telecom:
Changing the rules to accommodate demanding new
traffic streams. Eric Gourdin
Abril 2001

Aplicaciones (redes de...