1 / 13

METODOS DETERMINISTICOS

METODOS DETERMINISTICOS. Mgr. GLORIA LUCIA GUZMAN ARAGON DIRECTORA CURSO. Introducción. Tipos de Modelos. Un Modelo es. Una Representación Simplificada e Idealizada de la Realidad. TIPO. CARACTERÍSTICAS. EJEMPLOS. Físicos. Tangible Fácil de comprender Difícil de duplicar

montana
Download Presentation

METODOS DETERMINISTICOS

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. METODOS DETERMINISTICOS Mgr. GLORIA LUCIA GUZMAN ARAGON DIRECTORA CURSO

  2. Introducción Tipos de Modelos Un Modelo es Una Representación Simplificada e Idealizada de la Realidad TIPO CARACTERÍSTICAS EJEMPLOS Físicos • Tangible • Fácil de comprender • Difícil de duplicar • y compartir • Difícil de manipular • Baja amplitud de uso • Modelos a escala • de aeroplanos, • casas, ciudades,...

  3. Introducción TIPO CARACTERÍSTICAS EJEMPLOS Analógicos • Intangible • Difícil de comprender • Fácil de duplicar • y compartir • Fácil de manipular • Alta amplitud de uso • Mapa de • carreteras • Velocimetro • Gráficas

  4. Introducción TIPO CARACTERÍSTICAS EJEMPLOS Simbólicos • Intangible • Difícil de comprender • Fácil de duplicar • y compartir • Fácil de manipular • Muy Alta amplitud • de uso • Modelo de • Simulación • Modelo • Algebraico • Modelo de • la Economía • Modelo de • Programación • Lineal

  5. Introducción Construiremos Modelos Simbólicos (cuantitativos) Modelo Simbólico Utiliza las Matemáticas Para Representar las Relaciones entre los Datos de Interés

  6. Introducción Modelo de Decisión Es un Modelo Simbolico • Contiene • Variables • de Decisión La solución del Modelo produce Valores Numericos de estas Variables de Decisión • Busca alcanzar un • “Objetivo” Utiliza una “Medida del Desempeño” que indica el “Logro del Objetivo”

  7. Introducción Ejemplos: 1. Modelo de Asignación de la Fuerza de Ventas • Variables • de Decisión: Cuantos Vendedores Asignar a cada Territorio. • Medida del • Desempeño: Ingreso por Ventas • Objetivo: Maximizar el Ingreso por Ventas

  8. Introducción 2. Modelo de Programación del Trabajo en un Taller • Variables • de Decisión: Cuantas horas Programar determinadas partes en determinadas máquinas y la secuencia • Medida del • Desempeño: Costo de Fabricación ó Tiempo de Fabricación • Objetivo: Minimizar el Costo ó el Tiempo de Fabricación

  9. Introducción 3. Modelo de Administración de Efectivo • Variables • de Decisión: Cantidad de Fondos mantenidos en c/u de varias categorias (Efectivo, bonos, bolsa de valores etc... ) • Medida del • Desempeño: Costo de Oportunidad por mantener Activos Líquidos • Objetivo: Minimizar el Costo de Oportunidad

  10. Introducción Construcción de Modelos Se requiere Arte Imaginación Conocimientos Técnicos Se divide en tres etapas

  11. Introducción 1. Se estudia el Ambiente • Comprensión del Problema 2. Se hace una Formulación Lógica • Análisis conceptual básico • Se hacen conjeturas y simplificaciones 3. Se hace una Formulación Simbólica • Construcción de las relaciones lógicas • en el Lenguaje Simbólico de las Matemáticas

  12. Introducción Definir las Variables de Decisión x1 , x2 , . . . . xn Función Objetivo Maximizar ó min f( x1 , x2 , . . . . xn ) Sujeto a: g1( x1 , x2 , . . . . xn ) b1 g2( x1 , x2 , . . . . xn ) b2 . . . . . . Restricciones gm( x1 , x2 , . . . . xn ) =bm x1 , x2 , . . . . xn 0

  13. Introducción Max Z = c1x1 + c2x2 + . . . + cnxn a11x1 + a12x2 + . . . + a1nxn b1 Sujeto a: a21x1 + a22x2 + . . . + a2nxn b2 . . . . . . . . . . . . am1x1 + am2x2 + . . . + amnxn bm xJ 0 Para J = 1, 2, 3, . . . n Cuando la función objetivo y todas las Restricciones Son “Lineales” tenemos un “Modelo de Programación Lineal.

More Related