INSTITUTO POLITECTICO
NACIONAL
ESCUELA SUPERIOR DE
INGENIERIA QUIMICA E INDUSTRIAS
EXTRACTIVAS
INGENIERIA EN METALURGIA Y MATERIALES
ASIGNATURA: MODELADO Y SIMULACIÓN DE PROCESOS
PRÁCTICA 2: Introducción a la investigación de operaciones
ALUMNO: Ramos López Miguel Angel
BOLETA: 2014081272
GRUPO: 3MV92
SEMESTRE: septiembre 2020-enero 2021
PROFESOR: Walter Francisco Gonáles Zapatero
Objetivo------------------------------------------------------------------------------------------------------------------- 2
Fundamentos teóricos--------------------------------------------------------------------------------------------- 2
Metodología experimental---------------------------------------------------------------------------------------- 3
Resultados y discusiones---------------------------------------------------------------------------------------- 7
Conclusiones---------------------------------------------------------------------------------------------------------- 8
Referencias bibliográficas--------------------------------------------------------------------------------------- 8
Objetivo
En esta práctica el alumno comprenderá y utilizara de forma adecuada la metodología que
le ayudara a entender el proceso por el cual se analizan y resuelven cualquier tipo de
problema relacionado con el modelado y simulación de procesos
Fundamentos teóricos.
La localización de raíces (parte dos) y la optimización están relacionadas, en el sentido de
que ambas involucran valores iniciales y la búsqueda de un punto en una función. La
diferencia fundamental entre ambos tipos de problemas se ilustra en la figura [Link]
localización de raíces es la búsqueda de los ceros de una función o funciones. En cambio,
la optimización es la búsqueda ya sea del mínimo o del máximo.
El óptimo es el punto donde la curva es plana. En términos matemáticos, esto
corresponde al valor de x donde la derivada ƒ ′(x) es igual a cero. Además, la segunda
derivada, ƒ ″(x), indica si el óptimo es un mínimo o un máximo: si ƒ ″(x) < 0, el punto es un
máximo; si ƒ ″(x) > 0, el punto es un mínimo. Si comprendemos ahora la relación entre las
raíces y el óptimo, es posible sugerir una estrategia para determinar este último; es decir,
se puede derivar a la función y localizar la raíz (el cero) de la nueva función. De hecho,
algunos métodos de optimización tratan de encontrar un óptimo resolviendo el problema
de encontrar la raíz: ƒ ′(x) = 0. Deberá observarse que tales búsquedas con frecuencia se
complican porque ƒ ′(x) no se puede obtener analíticamente. Por lo tanto, es necesario
usar aproximaciones por diferencia finita para estimar la derivada.
Más allá de ver la optimización como un problema de raíces, deberá observarse que la
tarea de localizar el óptimo está reforzada por una estructura matemática extra que no es
parte del encontrar una raíz simple. Esto tiende a hacer de la optimización una tarea más
fácil de realizar, en particular con casos multidimensionales.
Método Simplex: Se basa en la suposición de que la solución óptima estará en un punto
extremo. Así, el procedimiento de be ser capaz de discriminar si durante la solución del
problema se presentará un punto extremo. Para esto, las ecuaciones con restricciones se
reformulan como igualdades, introduciendo las llamadas variables de holgura.
Variables de holgura. Como lo indica su nombre, una variable de holgura mide cuánto de
un recurso restringido está disponible; es decir, cuánta “holgura” está disponible. Si es
positiva, significa que se tiene algo de “holgura” en esta restricción. Es decir, se cuenta
con un excedente de recurso que no se está utilizando por completo. Si es negativa, nos
indica que hemos sobrepasado la restricción. Finalmente, si es cero, denota que la
restricción se satisface con precisión. Es decir, hemos utilizado todo el recurso disponible.
Metodología experimental
Problema 1.
1.-Obtención de datos: Los datos se obtuvieron directamente del enunciado del problema.
2.-Abstracción del problema: El problema por si mismo ya sugiere un método de
resolución en este caso se resolvió con el método simplex de forma grafica
3.-Solución del modelo: Para resolver este problema utilizamos el software de Excel con
la herramienta solver que viene integrada en el programa.
Se colocan los datos en una hoja Excel la función objetivo y las restricciones.
Se aplica el solver para conocer los valores de toma de decisión.
En el caso del inciso b) se responde de la misma forma, pero cambiando la función
objetivo.
4.-Validación: Esta se pudo llevar a cabo sustituyendo el valor de las variables encontrado
en las ecuaciones que aparecen y en caso de que los valores correspondieran de acuerdo
a las restricciones, esto significaría que el modelo ocupado fue correcto.
Problema 2.
1.-Obtención de datos: Los datos se obtuvieron directamente del enunciado del problema.
2.-Abstracción del problema: Este problema se resolvió de forma similar al problema
numero 1 teniendo en cuanta que la diferencia de este con el anterior es que en este caso
se debe de considerar maximizar la función.
3.-Solución del modelo: Para resolver este problema utilizamos el software de Excel con
la herramienta solver que viene integrada en el programa.
Se colocan los datos en una hoja Excel la función objetivo y las restricciones.
Se aplica el solver para conocer los valores de toma de decisión.
4.-Validación: Esta se pudo llevar a cabo sustituyendo el valor de las variables encontrado
en las ecuaciones que aparecen y en caso de que los valores correspondieran de acuerdo
a las restricciones, esto significaría que el modelo ocupado fue correcto
Problema 3.
1.-Obtención de datos: Los datos se obtuvieron directamente del enunciado del problema.
2.-Abstracción del problema: Al observar los datos que se tienen y el objetivo a cuál se
quiere llegar, se decidió que la mejor forma de responder el problema es con el método de
programación línea.
3.-Solución del modelo: Se utilizo el software Maple para determinar la solución del
problema mediante el uso del “asistente de optimización” propio del programa.
4.-Validación: Esta se llevó a cabo al graficar cada una de las ecuaciones considerando el
valor de las incógnitas obtenidas.
Problema 4.
1.-Obtención de datos: Los datos se obtuvieron directamente del enunciado del problema.
2.-Abstracción del problema: Al observar los datos que se tienen y el objetivo a cuál se
quiere llegar, se decidió que la mejor forma de responder el problema es con el método de
programación línea.
3.-Solución del modelo: Se utilizo el software Maple para determinar la solución del
problema mediante el uso del “asistente de optimización” propio del programa.
En este caso al resolver el el problema nos arrojo un problema debido a que no se pudo
contestar el problema con las restrinciones dadas, asi que se le tuvo que dar holgura a los
datos y de esta forma se elimino una de las variables y se utilzaron las otras para resolver
el problema.
4.-Validación: Esta se llevó a cabo al graficar cada una de las ecuaciones considerando el
valor de las incógnitas obtenidas.
Resultados y discusiones.
Problema 1.
Inciso a) Se puede observar que el valor de las variables x1 y x2 son 1 y 0
respectivamente y con estos valores se puede resolver el problema considerando las
restricciones.
Inciso b) En el caso de la segunda función objetivo y considerando las mismas
restricciones que el inciso a), se obtuvieron valores de 7.5 y 5 para x1 y x2
respectivamente.
Problema 2
En este problema se utilizo el asistente de optimización propio de maple 2017.
Como resolución el programa sugiere un valor de x1=12 y de x2=16.
Problema 3.
En este caso al utilizar el asistente de optimización propio de maple 2017 , se obtuvo
valores de x1=0.0434, x2=0.2826, x3=0.6739 y de x4=0, en este caso como validación se
grafico utilizando las variables encontradas.
Problema 4.
En este problema se utilizó el método de programación lineal propio del programa Maple,
sin embargo, se encontró la peculiaridad de que no se encontró un resultado en el cual se
pudiera obtener un resultado exacto considerando a cada una de las variables.
Por lo cual se tuvo que considerar “holguras” para que el programa pueda tener cierta
tolerancia durante la búsqueda matemática y pueda encontrar los resultados más
cercanos posibles.
En este caso el programa resolvió el problema considerando que no se requería de la
escoria tipo 1, debido a que con la escoria 2 y 3 se cumplía con los valores establecidos
por la función objetivo.
Conclusiones
Durante esta practica se reafirmo los conocimientos sobre cómo aplicar el método de la
resolución de problemas de modelado y simulación sobre todo haciendo énfasis en la
parte de analizar los problemas para saber como abordarlos y resolverlos de forma
correcta.
También se pudo aprender los principales 4 pasos para la resolución de problemas en
modelado y simulación de procesos, se puede concluir que estos pasos se pueden aplicar
para cualquier tipo de problema y son parte de una buena práctica para la resolución de
estos, debido a que siguiendo esta metodología se puede tener certeza de que el
modelado o la simulación de forma global puedan tener éxito y además de disminuir la
probabilidad de errores durante su ejecución.
Referencias bibliográficas.
De Castro Payares, C. A. (2009). Métodos Numéricos Básicos para Ingeniería (1ra ed.).
Medellin, Colombia: Gruma
[Link], S., & [Link], R. (2007). Métodos numéricos para ingenieros (5ta ed.). New
York, Estados Unidos: McGraw-Hill Education.
Fritzson, P. (2013). Introducción al Modelado y Simulación de Sistemas Técnicos y
Físicos con Modelica (2da ed.). Cartagena , Colombia: Modelica Association.
