20633892
Description
Mind Map by Juan Alarcón, updated more than 1 year ago
|
Created by Juan Alarcón
about 4 years ago
|
|
Modelización de procesos
- Un modelo de procesos es una expresión abstracta de los procesos principales de una organización.
El Modelo de Procesos solamente muestra los procesos principales o macro procesos que a su vez
pueden contener otros procesos. Existen tres tipos de mapas de procesos, el primero de ellos es el
llamado Modelo de Procesos que ya hemos sugerido líneas arriba y que usualmente se
corresponde fácilmente con modelos de negocio. El segundo tipo de modelo de procesos es aquel
que muestra las relaciones que se establecen entre los procesos, dentro de una organización y
define los servicios que un proceso entrega a otro para obtener un bien, un servicio o información,
este mapa es útil para identificar que niveles de servicio debe dar cada área a la organización. En
tercer lugar están los modelos o mapas de procesos de tercer nivel que muestran las secuencias
lógicas de actividades que se llevan a cabo entre una o varias áreas de la organización para la
entrega de un bien o un servicio, estas secu
- Metodologías usadas.
- Las metodologías más utilizadas para
modelizar un proceso SETAR son las
debidas a Tong y Lim (1980) y a Tsay
(1989), p
- Tong y Lim consideran las siguientes partes en el
proceso de construcción de un modelo: 1. Análisis
gráfico de los datos 2. Contrastación de la linealidad
3. Selección del modelo (Identificación y Estimación)
4. Diagnóstico
- Metodología de Tong y Lim (1980)
- Podemos afirmar que la
metodología de estimación
propuesta por Tong y Lim (1980)
supone una revisión general a todo
el proceso de modelización, desde la
inspección gráfica de la serie hasta
la verificación del modelo mediante
pruebas de diagnóstico, pero con
ella no es posible la automatización
de algunas etapas. Esto no es
inconveniente para el analista
experto en el estudio de series
temporales, mas al contrario, la
elaboración artesanal permite tener
en cuenta todas las particularidades
observadas en la serie
- Podemos afirmar que la
metodología de estimación
propuesta por Tong y Lim (1980)
supone una revisión general a todo
el proceso de modelización, desde la
inspección gráfica de la serie hasta
la verificación del modelo mediante
pruebas de diagnóstico, pero con
ella no es posible la automatización
de algunas etapas. Esto no es
inconveniente para el analista
experto en el estudio de series
temporales, mas al contrario, la
elaboración artesanal permite tener
en cuenta todas las particularidades
observadas en la serie
- Metodología de Tong y Lim (1980)
- Metodología de Tsay (1989).
- Tsay es consciente que uno de los factores determinantes para la aplicación de una metodología es su
sencillez, por eso en el artículo ”Testing and Modelling Threshold Autoregresive Processes” (1989)
comenta que la complejidad de la metodología de Tong y Lim es una de las causas de que el modelo
TAR no se haya utilizado más ampliamente, en consecuencia, Tsay propone un proceso
computacionalmente más sencillo para la construcción de modelos TAR que aporta como novedad la
incorporación del test TAR-F2 (Tsay, 1989). Este test permite verificar la adecuación a los datos de un
modelo no lineal TAR, además de estimar el parámetro de retardo d. Tsay sintetiza el proceso
algorítmico de modelización en las siguientes etapas (Figura 5.2).
- Tsay es consciente que uno de los factores determinantes para la aplicación de una metodología es su
sencillez, por eso en el artículo ”Testing and Modelling Threshold Autoregresive Processes” (1989)
comenta que la complejidad de la metodología de Tong y Lim es una de las causas de que el modelo
TAR no se haya utilizado más ampliamente, en consecuencia, Tsay propone un proceso
computacionalmente más sencillo para la construcción de modelos TAR que aporta como novedad la
incorporación del test TAR-F2 (Tsay, 1989). Este test permite verificar la adecuación a los datos de un
modelo no lineal TAR, además de estimar el parámetro de retardo d. Tsay sintetiza el proceso
algorítmico de modelización en las siguientes etapas (Figura 5.2).
- Metodología de Thanoon(1990).
- Basándose en la metodología propuesta por Tong y Lim, Thanoon en 1990 presenta un método de
estimación de los órdenes y los coeficientes de los procesos autoregresivos de forma directa. El autor
observa que, al estimar un modelo SETAR para un conjunto real de datos algunos de los coeficientes
autoregresivos intermedios son muy pequeños en comparación con sus errores estándares, en base a
esta comparación se realiza una selección de los retardos significativos, procedimiento según Thanoon
(1984) no proporciona una selección eficiente
- Basándose en la metodología propuesta por Tong y Lim, Thanoon en 1990 presenta un método de
estimación de los órdenes y los coeficientes de los procesos autoregresivos de forma directa. El autor
observa que, al estimar un modelo SETAR para un conjunto real de datos algunos de los coeficientes
autoregresivos intermedios son muy pequeños en comparación con sus errores estándares, en base a
esta comparación se realiza una selección de los retardos significativos, procedimiento según Thanoon
(1984) no proporciona una selección eficiente
- Tong y Lim consideran las siguientes partes en el
proceso de construcción de un modelo: 1. Análisis
gráfico de los datos 2. Contrastación de la linealidad
3. Selección del modelo (Identificación y Estimación)
4. Diagnóstico
- Las metodologías más utilizadas para
modelizar un proceso SETAR son las
debidas a Tong y Lim (1980) y a Tsay
(1989), p
- Metodologías usadas.
- Softwares utilizados para la simulación de sistemas
- El objetivo de mejorar e incrementar la eficiencia de las mismas
a permitir hacer simulaciones de diferentes procesos antes de
que ocurran en realidad, las cuales producen resultados que
pueden ser analizados para una futura realización de los
mismos. Existe una gran variedad de simuladores de procesos
comerciales, algunos de las cuales son poderosas herramientas
de cálculo, con inmensos bancos de datos que contienen las
propiedades físicas de miles de compuestos y sustancias
químicas, selección de modelos termodinámicos, cálculos de
equipos (teórico y real), análisis de costo, estado de agregación
y condiciones de operación, que le dan al simulador la ventaja
de una gran versatilidad.
- los softwares más usados: HYSYS,AspenPlus,CHEMCAD,Promodel
- los softwares más usados: HYSYS,AspenPlus,CHEMCAD,Promodel
- El objetivo de mejorar e incrementar la eficiencia de las mismas
a permitir hacer simulaciones de diferentes procesos antes de
que ocurran en realidad, las cuales producen resultados que
pueden ser analizados para una futura realización de los
mismos. Existe una gran variedad de simuladores de procesos
comerciales, algunos de las cuales son poderosas herramientas
de cálculo, con inmensos bancos de datos que contienen las
propiedades físicas de miles de compuestos y sustancias
químicas, selección de modelos termodinámicos, cálculos de
equipos (teórico y real), análisis de costo, estado de agregación
y condiciones de operación, que le dan al simulador la ventaja
de una gran versatilidad.
- Ejemplos practicos de simulación de procesos,
- Tenemos la siguiente distribución de probabilidades para una
demanda aleatoria y queremos ver que sucede con el promedio
de la demanda en varias iteraciones:
- Utilizando la distribución acumulada(F(x) es la probabilidad que la variable aleatoria tome valores
menores o iguales a x) podemos determinar cual es el valor obtenido de unidades cuando se genera
un número aleatorio a partir de una distribución continua uniforme. Este método de generación de
variable aleatoria se llama Transformación Inversa.
- Generando los valores aleatorios vamos a ver como se obtiene el valor de la demanda para cada día,
interesándonos en este caso como es el orden de aparición de los valores. Se busca el número
aleatorio generado en la tabla de probabilidades acumuladas, una vez encontrado( si no es el valor
exacto, éste debe se menor que el de la fila seleccionada pero mayor que el de la fila anterior), de esa
fila tomada como solución se toma el valor de las unidades (Cuando trabajamos en Excel debemos
tomar el límite inferior del intervalo para busca en las acumuladas, para poder emplear la función
BUSCARV(), para 42 sería 0, para 43 0,100001 y así sucesivamente). Ejemplo: Supongamos que el
número aleatorio generado sea 0,52, ¿a qué valor de unidades corresponde? Nos fijamos en la
columna de frecuencias acumuladas, ese valor exacto no aparece, el siguiente mayor es 0,70 y
corresponde a 48 unidades. Se puede apreciar mejor en el gráfico, trazando una recta desde el eje de
la frecuencia hasta que inters
- En la siguiente tabla, vemos como a medida que aumenta el numero de simulaciones, el valor
simulado se acerca al valor original de la media y desviación estándar, además de la disminución del
error típico.
- En la siguiente tabla, vemos como a medida que aumenta el numero de simulaciones, el valor
simulado se acerca al valor original de la media y desviación estándar, además de la disminución del
error típico.
- Generando los valores aleatorios vamos a ver como se obtiene el valor de la demanda para cada día,
interesándonos en este caso como es el orden de aparición de los valores. Se busca el número
aleatorio generado en la tabla de probabilidades acumuladas, una vez encontrado( si no es el valor
exacto, éste debe se menor que el de la fila seleccionada pero mayor que el de la fila anterior), de esa
fila tomada como solución se toma el valor de las unidades (Cuando trabajamos en Excel debemos
tomar el límite inferior del intervalo para busca en las acumuladas, para poder emplear la función
BUSCARV(), para 42 sería 0, para 43 0,100001 y así sucesivamente). Ejemplo: Supongamos que el
número aleatorio generado sea 0,52, ¿a qué valor de unidades corresponde? Nos fijamos en la
columna de frecuencias acumuladas, ese valor exacto no aparece, el siguiente mayor es 0,70 y
corresponde a 48 unidades. Se puede apreciar mejor en el gráfico, trazando una recta desde el eje de
la frecuencia hasta que inters
- Utilizando la distribución acumulada(F(x) es la probabilidad que la variable aleatoria tome valores
menores o iguales a x) podemos determinar cual es el valor obtenido de unidades cuando se genera
un número aleatorio a partir de una distribución continua uniforme. Este método de generación de
variable aleatoria se llama Transformación Inversa.
- Tenemos la siguiente distribución de probabilidades para una
demanda aleatoria y queremos ver que sucede con el promedio
de la demanda en varias iteraciones:
- En que consiste? El modelado de procesos es el estudio de los
procesos de negocio con el fin de desarrollar un modelo abstracto
sobre el mismo que permita comprender el proceso y comunicarlo
con otros..Cuando un proceso es modelado, con ayuda de una
representación gráfica (diagrama de proceso), pueden apreciarse
con facilidad las interrelaciones existentes entre distintas
actividades, analizar cada actividad, definir los puntos de contacto
con otros procesos, así como identificar los subprocesos
comprendidos.
- ELABORADO
- JUAN ALARCÓN
- JUAN ALARCÓN
Media attachments
Want to create your own Mind Maps for free with GoConqr? Learn more.