EL PROCESO DE CONSTRUCCION DE MODELOS
-
Upload
yanina-cj -
Category
Engineering
-
view
55 -
download
0
Transcript of EL PROCESO DE CONSTRUCCION DE MODELOS
PROCESO DE CONSTRUCCION DE MODELOS
“Gracias a la construcción de modelospara ensayar alternativas, Federal Expresssolamente cometió equivocaciones sobre el papel. La construcción de modelos nos permitió examinar muchas opciones diferentes y nos obligo a ver losProblemas en su totalidad”
FREDERICK SMITH PRESIDENTE Y DIRECTOR GENERAL DE FEDERAL EXPRESS CORPORATION
EL PROCESO DE CONSTRUCCION DE MODELOS
EL PROCESO DE CONSTRUCCION DE MODELOS
Desempeñamos un papel crucial durante la abstracción, la formulación del modelo, la interpretación y la ejecución de las decisiones. Por eso es esencial:
1. Que la situación problema pueda ser representada por modelos
2. Que accedamos a los datos o a la recuperación de datos
3. Que podamos extraer el mayor valor posible del modelo
EL PROCESO DE CONSTRUCCION DE MODELOS
Los modelos se utilizan por siete razones:1. Nos obligan a definir explícitamente objetivos2. Identifican y registran los tipos de decisiones 3. Identifican y registran las interacciones entre las decisiones4. Nos permiten identificar las variables que se van a incluir y definirlas en
términos cuantificables5. Nos obligan a considerar los datos que son pertinentes6. Nos permiten reconocer la limitaciones relacionados a los valores que
esas variables cuantificables pueden adoptar 7. Nos permiten comunicar ideas y conocimientos
EL PROCESO DE CONSTRUCCION DE MODELOS
Tipos de modelos:
MODELO FÍSICO
MODELO ANÁLOGICO
MODELO SIMBÓLICO
MODELOS DE SIMULACIÓN
CONSTRUCCIÓN DE MODELOS Y TOMA DE DECISIONES
En términos generales la aplicación de modelos para la toma de decisiones, se divide en cuatro etapas:
1. Formulación del modelo y construcción del mismo
2. Análisis del modelo para generar resultados
3. Interpretación y validación de los resultados del modelo
4. Implementación, es decir, aplicar la toma de decisiones
CONSTRUCCIÓN DE MODELOS EN HOJAS DE CÁLCULO ELECTRÓNICAS
Los modelos matemáticos son representaciones idealizadas, pero expresados en términos de símbolos y expresiones matemáticas.
Las leyes de la física como:
F = m a o V = e / t
Son ejemplos familiares
CONSTRUCCIÓN DE MODELOS EN HOJAS DE CÁLCULO ELECTRÓNICAS
El modelo matemático de un problema industrial esta formado por un sistema de ecuaciones y expresiones matemáticas relacionadas que describen la esencia del problema.
De esta forma si deben tomarse n decisiones cuantificables, relacionadas entre sí se representan como:
Variables de decisión (X1, X2, X3, ………Xn)
CONSTRUCCIÓN DE MODELOS EN HOJAS DE CÁLCULO ELECTRÓNICAS
La medida de desempeño adecuada se expresa como una función matemática de estas variables de decisión, esta función se llama:
Función objetivo: (P = 3x1 + 2x2 + …….. + 5xn)
CONSTRUCCIÓN DE MODELOS EN HOJAS DE CÁLCULO ELECTRÓNICAS
También se expresan en términos matemáticos todas las limitaciones que se pueden imponer sobre los valores de las variables de decisión, casi siempre en forma de ecuaciones o desigualdades, tales expresiones matemáticas reciben el nombre de:
Restricciones: (x1 + 3x1x2 + 2x2 < 10)
CONSTRUCCIÓN DE MODELOS EN HOJAS DE CÁLCULO ELECTRÓNICAS
Las constantes (los coeficientes o el lado derecho de las expresiones), de las restricciones o de la función objetivo se llaman:
Parámetros del modelo
CONSTRUCCIÓN DE MODELOS EN HOJAS DE CÁLCULO ELECTRÓNICAS
En el modelo matemático, entonces, el problema es elegir los valores de las variables de decisión de manera que se maximice la función objetivo sujeta a las restricciones dadas.
MODELO DE PROGRAMACIÓN LINEAL
En el las funciones matemáticas que aparecen tanto en la función objetivo como en las restricciones son funciones lineales:
y = mx + b
Donde m y b son constantes reales, x es una variable real y m es la pendiente de la recta.
MODELO DE PROGRAMACIÓN LINEAL
b es el punto de corte de la recta con el eje y. Si se modifica m entoncesse modifica la inclinación de la recta, y si se modifica b, entonces lalínea se desplazará hacia arriba o hacia abajo.
MODELO DE PROGRAMACIÓN LINEAL
El modelo de pronóstico de regresión lineal permite hallar el valoresperado de una variable aleatoria a cuando b toma un valorespecífico. La aplicación de este método implica un supuesto delinealidad cuando la demanda presenta un comportamiento creciente odecreciente, por tal razón, se hace indispensable que previo ala selección de este método exista un análisis de regresión quedetermine la intensidad de las relaciones entre las variables quecomponen el modelo.
MODELO DE PROGRAMACIÓN LINEAL
El pronóstico de regresión lineal simple es un modelo óptimo parapatrones de demanda con tendencia (creciente o decreciente), es decir,patrones que presenten una relación de linealidad entre la demanda yel tiempo.
CARACTERISTRICAS DE LA DEMANDA
1. Horizontal, o sea, la fluctuación de los datos en torno de una media constante
CANTIDAD
TIEMPO
CARACTERISTRICAS DE LA DEMANDA
2. De tendencia, es decir, el incremento o decremento
sistemático de la media de la serie a través del tiempo.
CANTIDAD
TIEMPO
CARACTERISTRICAS DE LA DEMANDA
3. De Estacionalidad, es decir, un patrón repetible de incrementos o decrementos de la demanda, dependiendo de la hora del día, la semana, el mes o la temporada
CANTIDAD
TIEMPO
CARACTERISTRICAS DE LA DEMANDA
4. Cíclica, o sea, una pauta de incrementos o decrementos graduales y menos previsibles de la demanda, los cuales se presentan en el curso de periodos de tiempo mas largos (años o decenios)
CANTIDAD
TIEMPO
MODELO DE PROGRAMACIÓN LINEAL
MODELO DE PROGRAMACIÓN LINEAL
El objetivo de un análisis de regresión es determinar la relación queexiste entre una variable dependiente y una o más variablesindependientes. Para poder realizar esta relación, se debe postular unarelación funcional entre las variables. Cuando se trata de una variableindependiente, la forma funcional que más se utiliza en la práctica es larelación lineal. El análisis de regresión entonces determina laintensidad entre las variables a través de coeficientes de correlación ydeterminación.
MODELO DE PROGRAMACIÓN LINEAL
Una variable independiente es aquella cuyo valor no depende del de otra variable. La variable independiente en una función se suele representar por x. La variable independiente se representa en el eje de abscisas.
Una variable dependiente es aquella cuyos valores dependen de los que tomen otra variable. La variable dependiente en una función se suele representar por y. La variable dependiente se representa en el eje ordenadas.
Coeficiente de correlación [r]El coeficiente de correlación, comúnmente identificado como r o R , es una medida de asociación entre las variables aleatorias X y Y, cuyo valor varía entre -1 y +1
MODELO DE PROGRAMACIÓN LINEAL
MODELO DE PROGRAMACIÓN LINEAL
El cálculo del coeficiente de correlación se efectúa de la siguiente manera:
Donde t hace referencia a la variable tiempo, y x a la variable demanda
MODELO DE PROGRAMACIÓN LINEAL
Donde:
R : coeficiente de correlación
N : número de pares ordenados
X : variable independiente
Y : variable dependiente
MODELO DE PROGRAMACIÓN LINEAL
MODELO DE REGRESION LINEAL SIMPLE:
Xt = a + bt
Donde:Xt : Pronóstico para el período ta : Intersección de la línea con el eje yb : Pendientet : Período de tiempo
MODELO DE PROGRAMACIÓN LINEAL
Por lo tanto:
- -
a = X - bt
Donde:
X : Promedio de la variable dependiente ( Demanda)
t : Promedio de la variable tiempo
MODELO DE PROGRAMACIÓN LINEAL
MODELO DE PROGRAMACIÓN LINEAL
Dado el ángulo: b Tangente alfa
Dado el vector: V2 / V1
Dados los puntos: y2 – y1 / x2 – x1
Dada la ecuación De la recta:
Ax + By + C = 0 - A / B
MODELO DE PROGRAMACIÓN LINEAL
Ejemplo de aplicación de un pronóstico de Regresión lineal Simple
La juguetería Gaby desea estimar mediante regresión lineal simple las ventas para el mes de Julio de su nuevo carrito infantil "Mate". La información del comportamiento de las ventas de todos sus almacenes de cadena se presenta en el siguiente tabulado.
MODELO DE PROGRAMACIÓN LINEAL
MES VENTAS
1.- ENERO 7,000
2.- FEBRERO 9,000
3.- MARZO 5,000
4.- ABRIL 11,000
5.- MAYO 10,000
6.- JUNIO 13,000
MODELO DE PROGRAMACIÓN LINEAL
El primer paso para encontrar el pronóstico del mes 7 consiste en hallar la pendiente, para ello efectuamos los siguientes cálculos:
MODELO DE PROGRAMACIÓN LINEAL
El primer paso para encontrar el pronóstico del mes 7 consiste en hallar la pendiente, para ello efectuamos los siguientes cálculos:
MODELO DE PROGRAMACIÓN LINEAL
El primer paso para encontrar el pronóstico del mes 7 consiste en hallar la pendiente, para ello efectuamos los siguientes cálculos:
MODELO DE PROGRAMACIÓN LINEAL
El primer paso para encontrar el pronóstico del mes 7 consiste en hallar la pendiente, para ello efectuamos los siguientes cálculos:
MODELO DE PROGRAMACIÓN LINEAL
El primer paso para encontrar el pronóstico del mes 7 consiste en hallar la pendiente, para ello efectuamos los siguientes cálculos:
MODELO DE PROGRAMACIÓN LINEAL
El primer paso para encontrar el pronóstico del mes 7 consiste en hallar la pendiente, para ello efectuamos los siguientes cálculos:
b = 1114.28
MODELO DE PROGRAMACIÓN LINEAL
Luego, y dado que ya tenemos el valor de la pendiente b procedemos a calcular el valor de a, para ello efectuamos los siguientes cálculos:
- -
a = X - bt
MODELO DE PROGRAMACIÓN LINEAL
Luego, y dado que ya tenemos el valor de la pendiente b procedemos a calcular el valor de a, para ello efectuamos los siguientes cálculos:
- -
a = X - bt
MODELO DE PROGRAMACIÓN LINEAL
Ya por último, determinamos el pronóstico del mes 7, para ello efectuamos el siguiente cálculo:
MODELO DE PROGRAMACIÓN LINEAL
MODELO DE PROGRAMACIÓN LINEAL
MES VENTAS
1.- ENERO 13,000
2.- FEBRERO 15,000
3.- MARZO 8,000
4.- ABRIL 11,000
5.- MAYO 12,000
6.- JUNIO 10,000
7.- JULIO 12,000
8.- AGOSTO 13,000