Manufactura

A construir modelos útiles se deben seleccionar sus propias variables de decisión. Estas deben estar muy cercanamente relacionadas en la síntesis y definición del problema. Como una guía para determinar las variables de decisión, el modelador debe preguntarse: que pregunta tato de contestar? Las variables de decisión pueden ser el número de máquinas que necesitamos o los conjunto de trabajos asignados en las maquinas.

Los modelos matemáticos pueden ser descritos o prescritos por naturaleza. La simulación de modelos matemáticos puede tender a ser descriptivos. Dado a un conjunto de variables de decisión a evaluar, nosotros debemos de cambiar los modelos estimando el rendimiento de estos modelos. La programación matemática de modelos tal como una programación lineal es prescriptivas. Cambiando los modelos puede dársele respuesta las preguntas del cómo se deben de seleccionar las soluciones a las variables de decisión. Uno de los objetivos de la función es el costo que existe. Sujeto a contradicciones específicas, las variables de decisión conjuntas que optimizan el objetivo de la función a encontrar. Describen la decisión de las variables que frecuentemente provienen de modelos realistas. Aunque un modelo inteligente puede probablemente definir la prescripción de un modelo que tienen el mismo modelo detallado, estos modelos pueden crecer in tamaño en la transformación no lineal muy rápidamente cuando los detalles son incorporados.

Frecuentemente pueden ser robustos cabios en los datos, heurísticamente son generalmente fáciles de desarrollar y resolver la optimización de los procesos. Algunos problemas del mundo real son simplemente básicos en compensación de algunos problemas. Esto en particular es verdad con problemas de control que requieren frecuente solución. Nosotros podemos esperara por los fines de semana para determinar por medio de una computadora para determinar la manera más óptima de distribuir la planta, pero no hasta en la tarde de la producción. Las reglas heurísticas son fáciles de codificar y entender, por lo tanto, escoger un modelo puede ser implementado y desarrollado muy rápidamente.

Nosotros no debemos interferir heurísticamente en los procesos que son necesarios para algoritmos óptimos. Los modelos heurísticos son generalmente problemas específicos. Los procesos deben de desarrollar buenas reglas para encontrar la solución heurística a los problemas tomando en cuenta los problemas más importantes de estos. Esto puede ser de ayuda en la administración día a día. Si nosotros debemos construir un código compres basado en la programación estándar para el problema usando esto como una caja negra para solucionar el problema. Estos resultados no deben ser algún problema. Algunos casos resultan de la experimentación e indican las expectativas de la forma óptima cuando los datos del problema fallan.

Suponiendo que nuestro método heurístico diga que tome al trabajador uno y asigne este a la maquina con el mínimo costo. Después moveremos este trabajador y la maquina repetimos el proceso con el trabajador asignado. Nuestra solución debe ser:

Paso 1 asignar trabajo 1 a la maquina 1, ya que 10<12<25

Paso 2 asignar trabajo 2  a la maquina 2, ya que 5<12

Paso 3 asignar  trabajo 3 a máquina 3.

El costo de lo asignado es 10 + 5 + 21 =36. Nosotros podemos encontrar el costo más bajo más  no el más bajo de la máquina. El trabajo 1 debe costar menos de 10, el trabajo 2 menos de 5 y el trabajo 3 debe costar menos de  8. Por lo tanto. La solución tiene que tener un costo menor a 10+5+8=23. Igualmente, sumando el otro costo nosotros tenemos otro costo bajo 8+5+12= 25. Según lo acordado la solución factible debe de ser menor a 25. El costo de nuestra solución es 36. Por lo tanto estamos 11 sobre lo óptimo.

Note que el método actualmente usado la producción factible está por debajo de 25.

La categorización de los modelos matemáticos de nuestras salidas, nosotros podemos categorizar los modelos por computadora. Con esta taxonomía, los modelos son analíticos o experimentales. Los modelos analíticos representan más los modelos matemáticos de un sistema real. Los sistemas de simulación y los simuladores físicos mencionan sobre como es la entrada al grupo.  Los modelos híbridos también son muy usados.

1.4.3 Modelos usados

Los modelos son creados para cumplir algunos propocitos. Principales incluidos son los siguientes.

1. Optimizacion_ encontrar los mejores valores para la variable de decisión.
2. Predicción del rendimiento. Revisar el potencial del plan y susceptibilidad.
3. Control. Agregando la selección de lo deseado a las reglas de control.
4. Precepción. Proporcionando lo mejor al entendimiento del sistema.
5. Justificación. Agregando decisiones de venta.

La optimización tiene que ser discutida en el contexto de prescribir los modelos. El modelo es construido y después es ejecutado para determinar  los ajustes para las variables de decisión.

Los problemas pueden ser seleccionados tal que los tamaños de lotes y los costos de compra sean los mínimos siendo candidatos a las redes de para una buena optimización. Nosotros debemos tener precaución en el uso del modelo en nuestras salidas en el lugar que sea.  La última responsabilidad recae en la decisión del que la elaboro. No en el modelo. Este nos puede decir que tenemos dos tipos de problemas de decisión el elaborador este viene en el modelo, Aquellos que creen en todo lo que viene y selecciona el erróneo. Algunos sistemas reales de comportamiento no lineal y requerimientos discretos. Los modelos con estas características son frecuentemente difíciles de resolver, a pesar de su solución. Nosotros incluimos los modelos tal con su optimización. El propósito justo de estos modelos es encontrar la solución adecuada y encontrar todas las restricciones del modelo. En casos extremos nosotros debemos satisfacer la solución factible del problema. Una palabra de precaución con respeto al modelo es optimización. En la formulación de los modelos típicos es la compensación del costo. El segundo propósito es la transformación. “que pasa si “la pregunta más constantemente respondida. Qué pasa si la maquina se descompone?, que pasa si el proveedor?, que pasa si o ay proveedor?, Que pasa si la demanda cabía?, los gerentes nos son omnipresentes, la planta debe de ser construida con un acuerdo donde existan diferentescondicones de cambio. Continuando con el requerimiento de nuevas ideas. Describiendo los modelos tal que como la simulación sean naturales el diseño para su propósito estos son probados para probar estas ideas, separa la buena de la mala. Con la descripción del modelo  el valor entrante de las varibales de decisión y como medimos los cambios del sistema.

...