Académique Documents
Professionnel Documents
Culture Documents
Sistema de Optimizacin I
Prctica
2014-0935
2/17/2017
Introduccin
De seguro con anterioridad ha visto de mltiples fuentes la definicin bsica de un
sistema, que consiste en un conjunto de componentes que estn relacionados con
el propsito de lograr un objetivo en comn. Esto es casual, lo mismo pasa con el
concepto de optimizar, que es hacer que un proceso funcione de manera ms
eficiente. Pero sucede que cuando unimos estas dos palabras obtenemos una
unin que muy pocos conocen: Sistema de Optimizacin.
Cabe mencionar que Sistema de Optimizacin no es lo mismo que Optimizacin de
Sistemas que se refiere a mejorar Sistemas, por simple sentido comn o lgica
diramos que el primero de estos se relaciona con una serie de tcnicas, mtodos,
o procesos destinados a optimizar algo. No obstante, en el siguiente trabajo se
desglosara el concepto parte por parte con profundidad con el fin de comprender
lo que este conlleva.
Desarrollo
1. Un sistema es un conjunto de componentes que interaccionan entre s para lograr un objetivo en
comn.(Fernandez,2010)
3. Sistemas de Optimizacin: son sistemas que calculan distintos escenarios de produccin en base a la
configuracin para el campo y las metas de produccin establecidas, en los cuales la funcin objetivo es
maximizar la ganancia y minimizar los costos de operacin.(Bravo et all,2011)
4.
Segn Taha (1992) los tres componentes bsicos para la toma de decisiones y por ende
instrumentos analticos de optimizacin son:
1. Opciones de decisin
2. Restricciones del problema
3. Criterio objetivo
Modelos deterministas.
En los modelos deterministas, ni las variables exgenas, ni las endgenas, se obtienen por medio
del azar, debido a que se suponen relaciones exactas para las caractersticas de operacin, en
lugar de funciones de densidad de probabilidad. Son variables con valores preestablecidos.
Modelos estocsticos.
Son aquellos modelos en los que, por lo menos una de las caractersticas de operacin est dada
por una funcin de probabilidad. Los valores de sta o stas variables, se obtienen al azar.
Modelos estticos.
Son aquellos modelos que no toman en cuenta, explcitamente, a la variable tiempo.
Modelos dinmicos.
Los modelos matemticos que tratan de las interacciones que varan con el tiempo, se denominan
modelos dinmicos.
Segn Taha (1992) los modelos de cualquier clase, sin importar su refinamiento y exactitud,
pueden probar ser poco prcticos si no estn respaldados por datos confiables. Si se distorsionan
las estimaciones, la solucin que se obtenga, pese a ser ptima en un sentido matemtico,
realmente ser de calidad inferior desde la perspectiva del sistema real.
En algunos casos quizs no se conozcan con certeza los datos. Ms bien, se determinan a travs
de distribuciones de probabilidad. Lo que es ms importante, sera necesario modificar la
estructura del modelo para dar cabida a la naturaleza probabilstica de la demanda. Esto da origen
a los as llamados modelos probabilsticos o estocsticos en contraste con los modelos
determinsticos.
Anexos