Modelos de Optimización (Matemático)

Se emplea cuando la función objetivo y las restricciones del modelo se pueden expresar
en forma cuantitativa o matemática como funciones de las variables de decisión.
Un modelo es producto de una abstracción de un sistema real: eliminando las
complejidades y haciendo suposiciones pertinentes, se aplica una técnica matemática y se
obtiene una representación simbólica del mismo. Un modelo matemático consta al
menos de tres conjuntos básicos de elementos:

Variables de decisión y parámetros

Las variables de decisión son incógnitas que deben ser determinadas a partir de la
solución del modelo. Los parámetros representan los valores conocidos del sistema o bien
que se pueden controlar.
Restricciones
Las restricciones son relaciones entre las variables de decisión y magnitudes que dan
sentido a la solución del problema y las acotan a valores factibles. Por ejemplo si una de
las variables de decisión representa el número de empleados de un taller, es evidente que
el valor de esa variable no puede ser negativo.

Función Objetivo
La función objetivo es una relación matemática entre las variables de decisión,
parámetros y una magnitud que representa el objetivo o producto del sistema. Por
ejemplo si el objetivo del sistema es minimizar los costos de operación, la función objetivo
debe expresar la relación entre el costo y las variables de decisión. La solución ÓPTIMA se
obtiene cuando el valor del costo sea mínimo para un conjunto de valores factibles de las
variables. Es decir hay que determinar las variables x1, x2,..., xn que optimicen el valor de
Z = f(x1, x2,..., xn) sujeto a restricciones de la forma g(x1, x2,..., xn)? b. Donde x1, x2,..., xn
son las variables de decisión Z es la función objetivo, f es una función matemática.
El proceso de administración de los recursos escasos de un sistema se suele dividir en seis
fases:
1.- Análisis matemático del sistema.
2.- Construcción de un modelo matemático que refleja los aspectos importantes del
sistema.
3.- Validación del modelo.
4.- Manipulación del modelo a fin de obtener una solución satisfactoria, si no óptima.
5.- Implementación de la solución seleccionada.
6.- Introducción de una estrategia de control del desempeño del sistema después de la
implementación efectuada.
Alumno: Jesus Alberto Peñaloza Sánchez Materia: Ingeniería de planta
Grupo: 6BM Tarea#1 Fecha: 08/05/18

La cuarta fase, la manipulación del modelo, es la que concierne a la teoría de la

optimización. Las otras fases son muy importantes en la administración de cualquier
sistema y probablemente requerirán mayor esfuerzo total que la fase de optimización.
Sin embargo, en esta presentación de la optimización se asumirá que las demás fases
fueron o serán resueltas aparte. Debido a que la teoría de la optimización brinda este
eslabón en la cadena de la administración de sistemas constituye un cuerpo importante
del conocimiento matemático.

Programación lineal
Una de las herramientas más importantes de la optimización es la programación lineal.
Un problema de programación lineal está dado por una función lineal de varias variables
que debe ser optimizada (maximizada o minimizada) cumpliendo con cierto número de
restricciones también lineales.
El matemático G.B. Dantzig desarrolló un algoritmo llamado el método simplex para
resolver problemas de este tipo. El método simplex original ha sido modificado a fin de
obtener un algoritmo eficiente para resolver grandes problemas de programación lineal
por computadora.
Por medio de la programación lineal se pueden formular y resolver problemas de una gran
variedad de campos del quehacer humano, entre los que se puede mencionar: asignación
de recursos en la planificación de gobierno, análisis de redes para planificación urbana y
regional, planificación de la producción en la industria, y la administración de sistemas de
transporte y distribución. Por esto la programación lineal es uno de los éxitos de la
moderna teoría de la optimización.

Programación entera
La programación entera está relacionada con la resolución de problemas de optimización
en los cuales al menos algunas de las variables deben tomar sólo valores enteros. Cuando
todos los términos son lineales se habla de programación lineal entera. Muchos
problemas de naturaleza combinatoria se pueden formular en términos de programación
entera. Entre los ejemplos prácticos se puede citar: ubicación de insumos,
secuenciamiento de trabajos en líneas de producción, balance de líneas de montaje,
problemas de asignación biunívoca, control de inventarios, y reemplazo de máquinas.
Ejemplo Programación lineal:
UN PROBLEMA DE MINIMIZACION (Contratación de Personal): El departamento de control
de calidad de la empresa Gerconsa S.A que fabrica autopartes, desea contratar personal
tanto senior como junior, para las inspecciones de sus productos. El personal senior recibe
por su jornada de 8hrs., $188y realiza su labor a una tasa promedio de 30 inspecciones por
hora, con un rendimiento del 99%.en cambio el personal junior, recibe $150 por su
jornada, realizando 25 inspecciones por hora, con un rendimiento del 95%.
Alumno: Jesus Alberto Peñaloza Sánchez Materia: Ingeniería de planta
Grupo: 6BM Tarea#1 Fecha: 08/05/18

La demanda diaria de inspecciones es de 1600 unidades y el personal senior a contratar,

no debe ser mayor que el personal júnior.
Si las ensambladoras aplican una multa de $5 por cada unidad defectuosa, ¿cuánto de
personal senior y júnior, se debe contratar?
SOLUCION:
La formulación del modelo al problema de minimización seria:
Sea Xi: Numero de personal a contratar (i = senior, j = junior o i =1,2)
La función objetivo consistiría en minimizar los costos de salario y los de castigo por
unidad defectuosa Z = Salario + Multa
Salario = 118x1+ 150x2
Multa = (30*8*0.01X1+ 25*8*0.05X2)*5
Luego la función objetivo es:
MinZ = 200X1+ 200X2 y sujeta a las restricciones:
30(8) X1+25(8) X2>=1600 (Demanda diaria)
X1<= X2 (Relación personal)
Finalmente el modelo se reduce a:
MinZ = 200X1 + 200X2
S.A.: 6X1+ 5X2 >=40 (1)
X1 - X2 <=0 (2)
X1, X2 >=0
Gráficamente y después de haber utilizado el amigable software TORA el problema
quedaría así:
Alumno: Jesus Alberto Peñaloza Sánchez Materia: Ingeniería de planta
Grupo: 6BM Tarea#1 Fecha: 08/05/18

Este modelo pudo haberse resuelto fácilmente graficando en las coordenadas X1 y X2 y

hallando el punto de intersección común a ambas rectas. Se puede ver que la intersección
de recta de la función objetivo con las rectas 1 y 2 lo hace dentro de la región factible y en
su punto mínimo (punto óptimo), después de haber resuelto algebraicamente por
sistemas de ecuaciones simultaneas las restricciones 1 y 2 tenemos finalmente el punto
óptimo mínimo para el problema:
X1=3.64
X2=3.64
Z*=1454.55
De los resultados puede verse que tenemos valores fraccionarios para un problema de
contratación de personal lo cual es inapropiado dado que se trata del recurso humano, sin
embargo solo se ha resuelto para efecto demostrativo grafico (además no olvidemos que
en PL las variables son continuas), ya que la programación lineal entera se encarga de
darle una solución Óptima a este problema.

Modelos de Simulación:
Los modelos de simulación difieren de los matemáticos en que las relaciones entre la
entrada y la salida no se indican en forma explícita. En cambio, un modelo de simulación
divide el sistema representado en módulos básicos o elementales que después se enlazan
entre si vía relaciones lógicas bien definidas. Por lo tanto, las operaciones de cálculos
pasaran de un módulo a otro hasta que se obtenga un resultado de salida.
Se define “simulación” como una técnica experimental, que generalmente se realiza en
computadora para analizar el comportamiento de cualquier sistema que opere en el
mundo real. La simulación involucra un proceso o sistema en el que el modelo produce la
Alumno: Jesus Alberto Peñaloza Sánchez Materia: Ingeniería de planta
Grupo: 6BM Tarea#1 Fecha: 08/05/18

respuesta del sistema real ante eventos que suceden en éste durante un periodo dado de
tiempo.
La simulación se usa para predecir el comportamiento de sistemas complejos de
manufactura o servicios, mediante la observación de los movimientos y la interacción de
los componentes del sistema. El software de simulación genera reportes y estadísticas
detallados que describen el comportamiento del sistema que se estudia. Con base en
dichos reportes, se evalúan las distribuciones físicas, la selección del equipo, los
procedimientos de operación, la asignación y la utilización de recursos, políticas de
inventario y otras características importantes del sistema.
La modelación en computadora tiene dos características de importancia que colocan a la
simulación aparte de otras formas de análisis. La primera es que es dinámica, en el sentido
en que se observa el comportamiento del modelo durante el tiempo que dure la
simulación. El análisis de qué pasaría si... es de naturaleza estática.
Un modelo estático no cambia en función del tiempo. Si se fuera a simular el
comportamiento de un dado, entonces la salida del modelo no se vería afectada por el
tiempo.
Sin embargo, si se simulara la utilización o la falla de una máquina, o la acumulación del
inventario de trabajos en proceso en una estación de manufactura, entonces se vería que
la naturaleza de estos fenómenos no es estática.
Es decir, la utilización o falla del equipo, el comportamiento de los sistemas de manejo de
materiales y de transporte, y la interacción de actividades diversas en una celda de
manufactura tienen naturaleza dinámica y la salida de tales modelos está determinada por
el tiempo.
La segunda característica importante de la simulación en computadora es que se emplea
un modelo estocástico en lugar de uno determinístico.
Ventajas y desventajas de la simulación
Una ventaja que ha hecho que la simulación tenga amplia aceptación es que es directa y
relativamente flexible. Sirve para analizar sistemas grandes y complejos que no se
representan fácilmente con modelos matemáticos. Además, la simulación permite el
estudio de los efectos interactivos de muchos componentes en un ambiente dinámico y
estocástico, con la ventaja distintiva de dar al investigador un efecto visual claro.
Por ejemplo, es posible estudiar en tiempo real los efectos de agregar un operador en una
celda de manufactura, o la ventaja (o desventaja) de una pieza adicional de equipo en el
centro de maquinado y el efecto conjunto que tiene en la salida la planta. Además de sus
ventajas técnicas, los conceptos básicos de la simulación se comprenden con facilidad. Así,
es frecuente que un modelo de simulación sea más fácil de justificar ante la dirección y los
consumidores que la mayor parte de modelos analíticos y matemáticos.
Alumno: Jesus Alberto Peñaloza Sánchez Materia: Ingeniería de planta
Grupo: 6BM Tarea#1 Fecha: 08/05/18

La desventaja más grande de la simulación es que el desarrollo de algunos modelos muy

complejos podría resultar demasiado costoso y quizá requiera mucho tiempo. Entonces,
tomaría años construir un modelo de planeación corporativa, o uno de una planta grande
de manufactura con todos sus componentes, actividades y servicios. Por tanto, un analista
recurriría a una estimación rápida y gruesa, que tal vez no refleje todos los hechos
esenciales.
Otra desventaja es que algunas simulaciones no generan soluciones óptimas de los
problemas y originan resultados sólo con base en el modelo construido para el análisis.
Software utilizados en la simulación
Los planeadores de las instalaciones reciben muchos beneficios de dos categorías distintas
de programas de software. La primera clasificación consiste en aquellos paquetes que
ayudan a planear y diseñar la instalación.
Software como STORM, FactoryCAD, FactoryPLAN, y SPIRAL, se incluyen en el grupo
original de herramientas para la planeación, en tanto que PROMODEL, FactoryFLOW,
FACTOR/AIM, y ARENA, se incluyen en la segunda categoría.
Ejemplo:
La simulación en el cuidado de la salud
Los sistemas del cuidado de la salud también se benefician de la simulación y el modelado.
Uno de dichos casos es el estudio de simulación que se llevó a cabo para evaluar y mejorar
las operaciones de los departamentos de emergencia en ciertas instalaciones de salud de
Florida.
La instalación, que maneja cerca de 60,000 pacientes al año, está compuesta por 33
cuartos y se divide en tres unidades. Cada unidad tiene su propio personal y distintas
horas de operación. El propósito de la simulación fue estudiar la secuencia de las
actividades de asignación de prioridades en la atención y el registro, examinar el efecto
que tenían los modelos de simulación cuando se comparan con modelos matemáticos;
ofrecen mayor flexibilidad al representar sistemas complejos, pero esta flexibilidad no
está libre de inconvenientes. La elaboración de este modelo suele ser costoso en tiempo y
recursos. Por otra parte, los modelos matemáticos óptimos suelen poder manejarse en
términos de cálculos expedientes de control que se dejaban en las camas cuando eran
utilizados por enfermeras y médicos, y proporcionar un sistema de apoyo más oportuno
para la toma de decisiones.
El modelo analizó varios escenarios que se centraban en la secuencia y la localización de
las funciones para establecer la prioridad en la atención y el registro; el uso del equipo de
rayos X, las horas de operación, las órdenes de trabajo para los médicos, y la mejora de los
tiempos de entrega del laboratorio. El modelo arrojó algunos resultados preliminares.
Alumno: Jesus Alberto Peñaloza Sánchez Materia: Ingeniería de planta
Grupo: 6BM Tarea#1 Fecha: 08/05/18

En primer lugar, mostró que tanto el criterio de selección para dar prioridad en la atención
así como los registros eran actividades que se encontraban sobre la ruta crítica. Es decir, la
cantidad de tiempo que requerían afectaba de manera significativa el tiempo total del
trabajo.
Además, el modelo mostró que la ubicación de dichas actividades no afectaba el
rendimiento conjunto del sistema.
El modelo también demostraba que no se requerían instalaciones adicionales de rayos X
para los pacientes sin urgencia, a pesar de la creencia generalizada de que se les
bombardeaba constantemente con ellos. El tercer punto que el modelo descubrió fue que
la reducción de las horas de operación en dos de las unidades no afectaba a la tercera. El
estudio demostró que las horas podrían recortarse y aun así se mantendría el flujo
apropiado de los pacientes.
Los descubrimientos del estudio ayudaron a tomar las decisiones para mejorar la
utilización conjunta de los recursos, redujeron la espera total de los pacientes e influyeron
de manera positiva en la percepción que tenían éstos de las instalaciones.