Docsity
Docsity

Prepara tus exámenes
Prepara tus exámenes

Prepara tus exámenes y mejora tus resultados gracias a la gran cantidad de recursos disponibles en Docsity


Consigue puntos base para descargar
Consigue puntos base para descargar

Gana puntos ayudando a otros estudiantes o consíguelos activando un Plan Premium


Orientación Universidad
Orientación Universidad


Simulación de Procesos: Conceptos, Tipos y Aplicaciones, Resúmenes de Modelación Matemática y Simulación

Posibles Preguntas a un examen de simulación de Procesos

Tipo: Resúmenes

2020/2021

Subido el 27/04/2021

Leygath21
Leygath21 🇧🇴

4

(1)

1 documento

1 / 8

Toggle sidebar

Esta página no es visible en la vista previa

¡No te pierdas las partes importantes!

bg1
ASH
Posibles preguntas
1. Concepto de la simulación de procesos
Se puede definir a la simulación como la técnica que imita el funcionamiento de un
sistema del mundo real cuando evoluciona en el tiempo. La simulación es el proceso de
diseñar un modelo de un sistema real y llevar a cabo experiencias con él, con la
finalidad de aprender el comportamiento del sistema o de evaluar diversas estrategias
para el funcionamiento del sistema.
2. Definición de sistema y modelo
Sistema: Conjunto de objetos o ideas que están interrelacionados entre sí como una
unidad para la consecución de un fin. También se puede definir como la porción del
Universo que será objeto de la simulación.
Modelo: Un objeto X es un modelo del objeto Y para el observador Z, si Z puede
emplear X para responder cuestiones que le interesan acerca de Y.
3. ¿Cuál es el propósito de la simulación de procesos?
• Para mejorar los sistemas logísticos y productivos actuales.
Para diseñar de forma eficiente y cuantificable nuevos sistemas productivos y
logísticos.
4. Objetivos de la simulación de procesos
Predicción: Permite predecir el comportamiento de los sistemas logístico/productivos
bajo diversas situaciones reales o previsibles (o lo que es lo mismo, situaciones
simuladas).
Experimentación: Proporciona la capacidad de poder analizar las posibles alternativas
a la optimización de nuestro sistema logístico, sin tener que alterar físicamente el mismo
(por ejemplo, una mejor distribución de planta, evaluación de diferentes estrategias
productivas, etc.). Conoceremos de antemano el impacto de dichas modificaciones o, en
su caso, la irrelevancia de estas actuaciones
Enseñanza: Otorga a la organización una formación y educación acerca de cómo están
operando los sistemas, permitiendo la detección de problemas logísticos característicos
(cuellos de botella, excesivos tiempos de respuesta, etc.) y habilitando análisis
profundos sobre la situación productiva y evaluando dichas alternativas.
5. Importancia de la simulación
No existe un sistema real que permita aplicar el análisis queadmite el modelo de
simulación, o hacerlo es muy costoso, peligroso o imposible, como sucede con el
sistema climático.
• La modelación exclusivamente matemática – analítica del sistema es imposible, como
sucede con la climatología y la meteorología, debido a la cantidad de datos que deben
ser procesados y almacenados.
• Los modelos matemáticos carecen de soluciones analíticas o numéricas para el sistema
en cuestión.
El modelo de simulación admite la validación de mismo y de sus soluciones de
forma satisfactoria.
• El modelo de simulación permite suponer una precisión consistente con los requisitos
del problema concreto que le es planteado.
• Aprovechar todo conocimiento sobre el sistema.
• Permite experimentos en sistemas complejos.
pf3
pf4
pf5
pf8

Vista previa parcial del texto

¡Descarga Simulación de Procesos: Conceptos, Tipos y Aplicaciones y más Resúmenes en PDF de Modelación Matemática y Simulación solo en Docsity!

Posibles preguntas

1. Concepto de la simulación de procesos Se puede definir a la simulación como la técnica que imita el funcionamiento de un sistema del mundo real cuando evoluciona en el tiempo. La simulación es el proceso de diseñar un modelo de un sistema real y llevar a cabo experiencias con él, con la finalidad de aprender el comportamiento del sistema o de evaluar diversas estrategias para el funcionamiento del sistema. 2. Definición de sistema y modelo

  • Sistema: Conjunto de objetos o ideas que están interrelacionados entre sí como una unidad para la consecución de un fin. También se puede definir como la porción del Universo que será objeto de la simulación.
  • Modelo: Un objeto X es un modelo del objeto Y para el observador Z , si Z puede emplear X para responder cuestiones que le interesan acerca de Y. 3. ¿Cuál es el propósito de la simulación de procesos?
  • Para mejorar los sistemas logísticos y productivos actuales.
  • Para diseñar de forma eficiente y cuantificable nuevos sistemas productivos y logísticos. 4. Objetivos de la simulación de procesos
  • Predicción: Permite predecir el comportamiento de los sistemas logístico/productivos bajo diversas situaciones reales o previsibles (o lo que es lo mismo, situaciones simuladas).
  • Experimentación: Proporciona la capacidad de poder analizar las posibles alternativas a la optimización de nuestro sistema logístico, sin tener que alterar físicamente el mismo (por ejemplo, una mejor distribución de planta, evaluación de diferentes estrategias productivas, etc.). Conoceremos de antemano el impacto de dichas modificaciones o, en su caso, la irrelevancia de estas actuaciones
  • Enseñanza: Otorga a la organización una formación y educación acerca de cómo están operando los sistemas, permitiendo la detección de problemas logísticos característicos (cuellos de botella, excesivos tiempos de respuesta, etc.) y habilitando análisis profundos sobre la situación productiva y evaluando dichas alternativas. 5. Importancia de la simulación
  • No existe un sistema real que permita aplicar el análisis que sí admite el modelo de simulación, o hacerlo es muy costoso, peligroso o imposible, como sucede con el sistema climático.
  • La modelación exclusivamente matemática – analítica del sistema es imposible, como sucede con la climatología y la meteorología, debido a la cantidad de datos que deben ser procesados y almacenados.
  • Los modelos matemáticos carecen de soluciones analíticas o numéricas para el sistema en cuestión.
  • El modelo de simulación admite la validación de sí mismo y de sus soluciones de forma satisfactoria.
  • El modelo de simulación permite suponer una precisión consistente con los requisitos del problema concreto que le es planteado.
  • Aprovechar todo conocimiento sobre el sistema.
  • Permite experimentos en sistemas complejos.
  • La simulación requiere de inversiones para su desarrollo, análisis e interpretación. 6. Tipos de simulación
  • Identidad: Es cuando el modelo es una réplica exacta del sistema en estudio. Es la que utilizan las empresas automotrices cuando realizan ensayos de choques de automóviles utilizando unidades reales.
  • Cuasi-identidad: Se utiliza una versión ligeramente simplificada del sistema real. Por ejemplo, los entrenamientos militares que incluyen movilización de equipos y tropas pero no se lleva a cabo una batalla real, el plano de una infraestructura productiva, etc.
  • Laboratorio: Se utilizan modelos bajo las condiciones controladas de un laboratorio. Se pueden distinguir dos tipos de simulaciones: o Juego operacional: Individuos compiten entre ellos, ellos forman parte del modelo, la otra parte consiste en computadoras, maquinaria, etc. Es el caso de una simulación de negocios donde las computadoras se limitan a recolectar la información generada por cada participante y a presentarla en forma ordenada a cada uno de ellos. o Individuo - máquina: Se estudia la relación entre las personas y la máquina. Las personas también forman parte del modelo. La computadora no se limita a recolectar información, sino que también la genera. Un ejemplo de este tipo de simulación es el simulador de vuelo.
  • Simulación por computadora: El modelo es completamente simbólico y está implementado en un lenguaje computacional. Las personas quedan excluidas de modelo. Un ejemplo es el simulador de un sistema de redes de comunicación donde la conducta de los usuarios está modelada en forma estadística. Este tipo de simulación a su vez puede ser: o Digital: Cuando se utiliza una computadora digital. o Analógica: Cuando se utiliza una computadora analógica. En este grupo también se pueden incluir las simulaciones que utilizan modelos físicos.
  • Matemático: Se utilizan modelos matemáticos, en base a datos para futuras predicciones. Ejemplo el comportamiento de la economía en un país a través de un periodo de tiempo. Esta asignatura se centrará en la simulación por computadoras. Un simulador por computadora está compuesto por las siguientes partes:
  • Un modelo: Es un modelo simbólico. Puede ser un conjunto de ecuaciones, reglas lógicas o un modelo estadístico.
  • El evaluador: Es el conjunto de procedimientos que procesarán el modelo para obtener los resultados de la simulación. Puede contener rutinas para la resolución de sistemas de ecuaciones, generadores de números aleatorios, rutinas estadísticas, etc.
  • La interfaz: Es la parte dedicada a interactuar con el usuario, recibe las acciones del mismo y presenta los resultados de la simulación en una forma adecuada. Esta unidad puede ser tan compleja como la cabina utilizada en los simuladores de vuelos profesionales. 7. Aplicación de la simulación
  • Procesos de manufacturas: Ayuda a detectar cuellos de botellas, a distribuir personal, determinar la política de producción. Una de las áreas en donde tradicionalmente se ha aplicado intensivamente la simulación es en el campo de los procesos de fabricación y los sistemas de manipulación de materiales.
  • Plantas industriales: Brinda información para establecer las condiciones óptimas de operación, y para la elaboración de procedimientos de operación y de emergencias.
  • Variables exógenas o de perturbación (P): Son variables que también actúan desde el exterior pero que no son manejables a voluntad y cuyo efecto sobre el proceso no siempre es conocido. Estas perturbaciones introducen una componente de incertidumbre en el estudio y son fijadas por el medioambiente del sistema o decisiones que han sido tomadas fuera del ámbito del sistema. Un ejemplo respecto a la posición del pedal del acelerador, es la velocidad del viento.
  • Variables de salida ( Y ): Son las variables de estado, o combinación de ellas, que son medidas o traspasan la frontera del sistema. Constituyen el medio que permite efectuar el análisis del proceso, mediante la evaluación directa de los objetivos de estudio.
  • Variables de estado ( X ): Son aquellas variables que definen totalmente la condición del sistema, desde el punto de vista de los objetivos de estudio, en cuanto a la información contenida en éste y a su evolución frente a una acción del medio. Su valor depende de las variables mencionadas arriba.
  • Los parámetros son cantidades que fijan ciertas características del proceso, estableciendo un marco al cual estará condicionado su comportamiento; se consideran fijos cuando el resto está sujeto a variaciones. 10. Proceso y sistema Por proceso se entenderá una realidad física cualquiera que conlleva, en algún intervalo de tiempo, un cambio de estado que exhiben sus componentes esenciales. Un sistema es una abstracción de una realidad física de acuerdo a los objetivos de estudio planteados. De este modo, a un mismo proceso pueden asociarse variados sistemas. 11. Clasificación de sistemas
  • Estático: Son aquellos que no toman en cuenta, explícitamente, a la variable tiempo. Ejemplo: costo para cantidad de camas reservadas (en un hospital).
  • Dinámico: Los modelos dinámicos son una representación de la conducta dinámica de un sistema, mientras un modelo estático involucra la aplicación de una sola ecuación, los modelos dinámicos, por otro lado, son reiterativos. Los modelos dinámicos constantemente aplican sus ecuaciones considerando cambios de tiempo.
  • Determinístico: En éstos ni las variables exógenas, ni las endógenas, se obtienen por medio del azar, debido a que se suponen relaciones exactas para las características de operación. En este tipo de sistema, las variables de salidas e internas quedan perfectamente determinadas o preestablecidas al especificar las variables de entrada, los parámetros y las variables de estado; es decir, las relaciones funcionales entre las variables del sistema están perfectamente definidas. Es aquel en el cual se establecen las condiciones para que al ejecutar el experimento se determine el resultado.
  • Estocástico: Los valores de esta o estas variables, se obtienen al azar, es decir, En este caso algún elemento del sistema tiene una conducta aleatoria es aquel sistema en el cual la información pasada, no permite la formulación de una regla para determinar el resultado preciso de un experimento. Entonces, para entradas conocidas no es posible asegurar los valores de salida. Un ejemplo de sistema estocástico es una máquina tragamonedas en la cual una misma acción (tirar la palanca) genera un resultado incierto (ganar o perder). Por ejemplo, la temperatura ambiente es una variable estocástica que afecta la respuesta de una planta o un animal. En el mundo real, los sistemas siempre tienen elementos estocásticos ya sea por su propia naturaleza o porque son fenómenos no comprendidos actualmente. Sin embargo, se puede considerar a un sistema real con un sistema determinístico si su incertidumbre es menor que un valor aceptado.
  • Discreto: El estado de los cambios en los modelos sólo se da cuando esos eventos ocurren. La llegada de órdenes, o las partes que están siendo ensambladas, así como los clientes que llaman. Una fábrica que ensambla partes es un buen ejemplo de un sistema

de evento discreto. Las entidades individuales (partes) son ensambladas basadas en eventos (recibo o anticipación de órdenes).

  • Continuo: En modelos continuos, el cambio de valores se basa directamente en los cambios de tiempo. La simulación continua es análoga a un depósito en donde el fluido que atraviesa una cañería es constante. El volumen puede aumentar o puede disminuir, pero el flujo es continuo. Los sistemas reales son combinaciones de continuos y discretos. La forma de tratarlos se adopta de acuerdo a la característica dominante.
  • Físico: Llamados así, debido a que se semejan al sistema en estudio. Durante muchos años, los ingenieros han usado modelos de tamaño natural y han reducido y puesto a escala a los mismos para probarlos. (NASA, líneas aéreas comerciales).
  • Análogo: Los modelos análogos poseen algunas propiedades similares a los objetos representados, pero sin ser una réplica morfológica de los mismos. Un ejemplo de un modelo análogo es un mapa impreso que se construye mediante un conjunto de convenciones cartográficas que conducen a un resultado final claramente distinto del objeto representado. Mediante esta transformación se persigue hacer legibles propiedades tales como altitud, distancia, localización física de objetos geográficos, sus relaciones importancia.
  • Simbólico: Los modelos simbólicos se construyen mediante reglas notablemente más abstractas ya que esta denominación suele aplicarse a los casos en los que el objeto real se representa mediante una codificación matemática. Un ejemplo de modelo simbólico es la representación de un edificio mediante la identificación y codificación en una estructura geométrica de sus elementos básicos. El modelo así construido permite la aplicación de algoritmos para, por ejemplo, la estimación de esfuerzos a los que está sometido.
  • Causales: Un sistema causal es aquel cuya salida es una consecuencia del valor actual y pasado de la señal de entrada.
  • No-causales: Los sistemas no causales generalmente surgen de algoritmos matemáticos y son representaciones abstractas. 12. Propiedades y modelado de los sistemas
  • Sinergia: Con los componentes y su interrelación se consigue más que lo que en principio resultaría de la simple suma de los componentes.
  • Entropía: Refleja el grado de desorden del sistema. Se puede reducir la entropía ingresando información al sistema.
  • Equilibrio homeostático: Equilibrio dinámico que mantiene los valores dentro de un rango establecido. 13. ¿Un modelo de simulación debidamente diseñado que criterios debe cumplir?
    1. Se basa en un objetivo claro.
    2. Dispone de los datos necesarios para alimentar las variables con que experimentará.
    3. Es fácil de comprender y sigue una progresión, desde lo sencillo a lo complejo, para facilitar el abordaje de su operación por parte del usuario.
    4. Busca respuestas que no son obvias ni absurdas, es decir, que requieran del diseño, ejecución y análisis del modelo y de su resultado, para alcanzarlas.
    5. Cumple con resolver una carencia que no se puede solventar con otra técnica, por ejemplo, con base en modelos analíticos.
    6. Puede ser controlado y manipulado por el usuario, de tal forma que permita la realización de los experimentos propuestos.
  1. Validación del modelo y de la solución, y
  2. Implementación y control de la solución. 20. Definición de problema Esta es quizás la fase más delicada del proceso ya que supone establecer una definición clara y precisa del problema al que nos enfrentamos. En esta etapa del estudio juega un papel fundamental el cliente que nos ha planteado el problema. En general, suelen ser necesarias varias reuniones en las que poco a poco podamos ir definiendo claramente cuáles son las alternativas de decisión (variables), el objetivo que nos permite valorar las distintas alternativas, y las restricciones o limitaciones a las que nos enfrentamos. La formulación inicial del problema debe revisarse continuamente a la vista de los resultados obtenidos en el resto de las etapas. No podemos perder de vista el hecho de que un problema mal definido puede conducir a una solución absurda echando así por la borda todo el trabajo realizado. 21. ¿Qué es la programación lineal? Esta herramienta proporciona la optimización (maximizar o minimizar) combinatoria de una serie de variables de decisión y variables restrictivas (correspondientes a disponibilidad de recursos, especificaciones técnicas, u otras condicionantes) que generan el mejor escenario de operación dada una función-objetivo establecida. El término programación se refiere al uso de ciertas técnicas matemáticas para obtener la mejor solución posible a un problema que involucra recursos limitados. 22. ¿Cuáles son las características de un problema de PL?
  3. Pretenden optimizar (maximizar o minimizar) alguna cantidad (función objetivo). Así, por ejemplo, el principal objetivo de un banquero sería maximizar beneficios, mientras que el principal objetivo de una empresa transportista podría ser minimizar los costes de los envíos.
  4. Habrá que tener en cuenta las restricciones que limitan el grado en el cual es posible modificar las variables que afectan a nuestra función objetivo. Así, a la hora de decidir cuántas unidades de cada bien se han de producir, deberemos considerar, entre otras, las limitaciones de personal y maquinaria de que disponemos.
  5. El problema debe presentar distintas alternativas posibles: si una compañía produce cuatro bienes diferentes, la dirección puede usar PL para determinar las cantidades de recursos que asigna a la producción de cada uno de ellos (podría optar por hacer una asignación ponderada, dedicar todos los recursos a la producción de un único bien abandonando la producción del resto, etc.).
  6. En PL, la función objetivo debe ser una función lineal , y las restricciones deben ser expresables como ecuaciones o inecuaciones lineales. 23. Formulación de la función objetivo Z = c1X1 + c2X2 + ... + cnXn 24. ¿Qué es LINDO? ( Linear, Interactive, and Discrete Optimizer ) es un programa sencillo de usar y muy potente que permite resolver extensos problemas de programación lineal, entera, e incluso cuadrática. 25. ¿Qué es SOLVER? En la actualidad, no solo los programas especializados como el LINDO permiten resolver los Problemas de PL. También las hojas de cálculo como Excel ofrecen esta posibilidad mediante la macro Solver. Excel es capaz de resolver en cuestión de segundos problemas de hasta 200 variables y 500 restricciones, ofreciendo además las

ventajas de una hoja de cálculo en cuanto a presentación, estudio de escenarios, etc. Nada mejor que ver un ejemplo para ilustrar como funciona este programa.

26. ¿Qué es la dinámica de sistemas? Se entiende, como una metodología para entender el cambio, utilizando las ecuaciones en diferencias finitas o ecuaciones diferenciales. La Dinámica de Sistemas es una herramienta de construcción de modelos de simulación (por ejemplo, con Vensim) radicalmente diferente al de otras técnicas aplicadas al estudio de sistemas socioeconómicos, entre otros. 27. ¿Qué es un diagrama causal? El Diagrama Causal es el conjunto de elementos que tienen relación con un problema en estudio y permiten en principio explicar el comportamiento observado, junto con las relaciones entre ellos, en muchos casos de retroalimentación, forman el sistema. Este diagrama nos permite identificar las retroalimentaciones que pueden dar estabilidad al sistema y también aquellos otros que pueden ser la palanca que nos permitirá transformarlo de una forma eficiente y radical.