00:00:40:14 Software SOC. La empresa líder en la implementación de herramientas analíticas y software especializado en Latinoamérica. Les da la bienvenida a esta presentación. Conferencista Bravo LED Administrador de empresas con un Máster en Negocios Internacionales de la Universidad de Oklahoma. Actualmente se desempeña como responsable de Desarrollo Comercial en GAMS Corporation. Conferencista a buscar. Doctor en Ingeniería Química con especialización en Optimización Matemática, Toma de Decisiones y Procesos de Ingeniería.

00:01:04:16 Actualmente ejerce como Ingeniero sénior en el Departamento de Desarrollo de Campus Corporation, donde aplica su experiencia para innovar en herramientas de modelización y optimización para la industria energética y otros sectores. ¡Bienvenidos! Les voy a platicar un poquito de de nuestra compañía, de ahí a estar va a entrar en este demostración un poco más técnica de lo que es Game Spy.

00:01:37:09 Y después vuelvo a agarrar el micrófono y les doy unas aplicaciones concretas de games en general y obviamente Game Spy. Este. Entonces la idea detrás de Games es la posibilidad de traducir una problemática organizacional o de negocios cuantificables en ecuaciones y resolver este esta misma ecuación mediante las herramientas que hemos desarrollado. Las problemáticas pueden ser muy simples o muy, muy complejas.

00:02:01:16 Es la ventaja. Por eso existimos. De hecho, la compañía fue creada en 1987, o sea, ya tiene rato y contamos con aproximadamente 60 empleados alrededor del mundo con dos sedes, una, dos en Alemania, perdón, dos series en Alemania y una en Estados Unidos. Este eh. A través de aquí les voy a comentar un poquito el ecosistema de Games.

00:02:42:12 A través de los años este hemos creado un ecosistema completo y la base de todo es la plataforma de modelaje. Games ha tenido varios nombres, este y la última es Game Studio Este. Luego, tras de haber creado esta plataforma de modelaje, hemos creado, eh. Consideramos este que la industria, las industrias en general tenían cierto nombre de neón, expertos en modelaje, matemáticos y hemos creado este un generador de interfaz para usuario con tal de que de ampliar este nuestro público.

00:03:15:10 Esa esta interfaz sea mamífero y bueno también con las las tendencias actuales hemos desarrollado soluciones para servidores en su propio sitio o sitio, perdón, en la nube, en lo cual se llama este engine y lo último en estrenar Game Spy, pero mi colega les comentará un poquito más tarde al respecto nuestras actividades como. Como les mencioné hace hace unos segundos, este.

00:03:47:07 La raíz de todo es la creación de software, pero conforme a que iba creciendo este nuestras actividades, nos hemos adaptado este y hemos trabajado eh como investigador en en muchas investigaciones científicas y en calidad de consultantes. Hoy en día tenemos un servicio para ambos, ambas ramas, tanto en consultoría este que de este con el que la investigación científica.

00:04:11:07 Unas palabras con respecto a nuestras actividades de consultoría. Este a semejanza de la creación de Miró, nos dimos cuenta que muchas industrias requerían optimización matemática, o sea, bueno, no que requerían, pero podría serles benéfico, o sea, solo un poco más este humilde decirlo así. Pero no todos tienen ni la idea ni el conocimiento de ni ni a veces los recursos de poder.

00:04:46:04 Este contratar a alguien que tiene este la sabiduría y el conocimiento técnico para poder aplicar, eh, la optimización matemática. Y no me refiero específicamente a GAMS, sino pues en el mundo en general este. Y bueno, yo sabes que que tenemos este que, que hay varias opciones, no somos los únicos, pero este. ¿De ahí surgió la idea de proporcionar este servicios de consultoría en donde desarrollamos un modelo EH Podemos mejorar un modelo existente eh?

00:05:26:17 Hacemos el despliegue del modelo en caso de que lo desarrollamos y obviamente este con tal de hacer que haya algún seguimiento en el uso de del modelo EH Venimos con las las capacitaciones y los talleres talleres adecuados este inherentes a la creación, este el para. Aquí les hago un bosquejo de la forma bajo la cual funcionamos eh Se requiere un digo para para que entiendan exactamente el la forma en la cual este se se da una problemática.

00:06:11:17 Digamos necesitamos para empezar un problema de negocio o un modelo eh puede ser vender más, gastar menos, ahorrar tiempo, ahorrar energía, mitigar frustraciones debido a honorarios este y asegurarse que todos tengan un un unas tareas este parejas este Luego consideramos las restricciones son las limitaciones que sean el tiempo, la temperatura, las temperaturas, Las fluctuaciones del mercado pueden ser físicas, económicas y luego este las variables que es la pregunta que queremos, que necesitamos eh a la cual estamos este respuestas con tal de poder tomar la decisión óptima.

00:06:53:09 Eso es este lo que hemos proporcionado este a través de varios talleres que bueno aquí, aquí pueden ver cuáles son los más eh Son los más usados en la industria. Entonces regreso ahora al ecosistema y a este lo que es este Game Space y le voy a extender el micrófono a mi colega, a para su breve introducción puedes webinar a Oh and Things Boulder Interaction and in My name of your times in the introduction.

00:07:34:08 I hope all of those things about it, but, uh, other way órdenes for that, uh with game space. ¿Which is our omen their? El poder de game Space es, uh, break modeling en Python. Uh, in this toc. Belfast. Que buena idea. Of way de card. Another project. Es necesario in working with games or meyers and the way we needed games that they would be the first thing about explain.

00:07:58:18 Then I would want to demonstrar Dingaan space. So you exactly what games by is a how you can use it with these wildcard fill for order to like and then I would have to view of the screenshot cams put.

00:08:03:04 Okay. So.

00:08:51:19 Eh, Optimus. Starter. But en recently went to arévalo more data science to Optimus Essen Models Super North o stand alone tenga anymore. Optimus, esos nuevos always están en en vigor. Time that kind of that aspects like the data mining manipulación visualization and optimizaciones. Just one part of it and no hay like. Tuve yo la. Este es Pipeline. Es un pitcher de It's just a different pipeline to be good pipeline with many people working on there and let's say that is the spot san Luis working on the time port another processing.

00:09:24:08 Another person developing model when to get. Another processing Devuelve one persona with your life and all of these people started using the ubuntu. Sure that that could be in Excel optimization processing games and then we could be in MATLAB, Python or and then it all over top less, but in in the past bike. We show their python is going home.

00:09:57:00 Muy popular as ser language evergreen o data scientists so people working in on different parts of this pipeline del hardware con different tools parte del PyCharm with Python. And in this pipeline you do everything else en Python and to your optimization model development in games. Then there's a problem with that you're doing this in Python you based on the games.

00:10:34:05 You should modeling games now you and now you translated back to by. Y ahora se puede. Y luego se transfería a Python. Y esto se convirtió en el modelo. Esa era una de las motivaciones por la cual necesitábamos algo que funcionara de manera nativa en Python. Una vez que pasábamos algo de Python. Hay muchos paquetes en Python que manejan otros aspectos del pipeline de manera más eficiente.

00:11:05:17 Queríamos desarrollar algo que pueda comunicar de manera fluida con los otros paquetes. Por eso desarrollamos Python. Me gusta la imagen de la Python verdadera. Que está enredada en una rama del árbol que quiero mostrar en esta presentación. De.

00:11:14:05 Pueden resolver un problema en Python, pero también lo pueden hacer de manera cómoda.

00:11:52:20 Para entender por qué realmente necesitábamos y cuáles son las ventajas de GAMS, Hey, deben entender las fortalezas de GAMS. Eso. Esa es la verdadera motivación detrás de todo esto. Este es un modelo abstracto. Algunos los han visto, quizás otros no. Lo que se ve aquí son un par de cosas. Se ven símbolos. Se es parámetros en algunas, eh, definiciones de ecuaciones del modelo.

00:12:28:08 Pero quisiera llamar la atención a lo que no ven aquí. Lo que no ven son los datos y no ven. ¿En este modelo, aunque tiene sentido, se entiende lo que está ocurriendo Aquí hay una pregunta de su cliente demanda, oferta y demanda? ¿Hay algunos dominios? ¿Es consistente? Es abstracto. Y antes de resolverlo no necesitaban un software de datos.

00:12:51:22 Estos son las. La es la parte abstracta, digamos. Pero para resolverlos aquí añaden los datos. Y el resultado tiene sentido también.

00:13:27:20 El aspecto clave aquí es la resolución independiente. Creemos que tener este modelo en una forma abstracta dentro de. Estamos creando una sintaxis de título que permite a los usuarios encontrar errores o inconsistencia lógicas antes de resolverlo. Y esto lleva a un modelo de datos. Esta es la filosofía de.

00:13:33:09 Hay algunos otros.

00:14:06:14 Elementos dentro del sistema. Y algo que quisiera resaltar aquí es que, como mencionó Gans, es un desarrollo de 1900 de hace 14 años. En estos 14 años vimos que la optimización de datos no es como cualquier otro dato, es es multidimensional.

00:14:18:00 Para poder operar con todos estos datos necesitan estructuras de datos customizadas para que les dé un buen desempeño.

00:14:26:11 Los modelos de GAMS son modelos muy grandes.

00:14:44:05 En Y con todos estos modelos vemos que GAMS siempre ha sido muy rápido y esto es algo que queremos mantenerlo a cuando transicionar hacia GAMS es un aspecto, es.

00:15:26:16 ¿Vieron la sintaxis de GAMS? Como es un sistema de modelado, podemos diseñarlo para las necesidades de la optimización. Esto es algo que también que valoramos mucho. Si ustedes escriben un modelado en GAMS utilizando GAMS, debe ser posible de leer bien aquí. Con este contexto, espero que puedan entender por qué necesita necesario que la estructura se ve así. Si ustedes están leyendo utilizando SPI, realizan una preprocesamiento de datos en Anspaugh utilizando sus favoritos aquí.

00:15:59:13 NumPy Open Dash Hay muchos. Ustedes pueden utilizar cualquiera de sus librerías favoritas para procesar los datos. Ahora tienen los datos en Python. Utilizando estos datos, crean objetos de estos objetos. Son objetos relacionados con la optimización, sets, parámetros, variables. Una vez que tiene los datos en ASPI, lo resuelven y aquí es cuando ocurre la magia. Colocan resolver y van al backend.

00:16:24:08 Allí está GAMS. Internamente se utiliza GAMS. Podría ser un GAMS local en la máquina, puede ser un GAMS Engine. Si es un software de alta de alto desempeño, pueden usar el Neos, el servidor Neos. Esencialmente estamos.

00:16:38:12 Y esto generará el modelo y luego pasará a los Solver. Es aquí cuando se pasan a resolverlos. Pueden elegir cuál desean ese Plex. iPod, Put.

00:17:11:24 Y otros. Esto resuelve el modelo y luego envía los registros a GAM SPI. Una vez que tienen aquí los resultados en Spice, pueden hacer el post-procesamiento. Tienen los datos disponibles en forma de registros de símbolos. Pueden utilizar los paquetes de Python Plotly o si hay muchos otros.

00:17:24:09 Es la clave es que nunca como usuario salen de Python, siempre trabajan con Python.

00:17:58:12 Con las estructuras de datos preferidas en Python y. Es aceptado por Dancy y otros informes de Gadsby están disponibles para el post-procesamiento y esto les da una idea de la optimización del pipeline. Esto les va a conveniencia para trabajar en la nube porque no son instalaciones complicadas.

00:18:07:06 Si tienen Python, pueden trabajar con Python bien. Ahora.

00:18:46:15 Antes de hablar de cosas más abstractas, quiero mostrarles un problema. Ustedes pueden apreciar aquí cómo el modelo de Skype funciona y cómo lo pueden resolver. Este es un problema de transporte sencillo. Quizás lo han visto, quizás no, pero ha estado en modelo de optimización por los últimos 50 años. El problema es muy sencillo. Hay algunas plantas que proveen enlatados y los mercados, que son la demanda.

00:18:58:15 Entre dos ciudades tenemos el transporte y luego hay tres ciudades donde está la demanda.

00:19:36:10 Ahora hablamos de las limitaciones. No podemos enviar el flete directamente al mercado. ¿Hay una capacidad para cada mercado y una capacidad de cada planta, cierto? Por ejemplo, poder en fabricar 350 bienes. Hay una demanda, por ejemplo en Chicago, de 300 unidades por día, y nuestra tarea es enviar estos productos a los mercados.

00:19:44:07 Para minimizar el costo de transporte lo máximo posible.

00:20:21:04 Espero que el problema ya haya estado claro hasta este momento. Aquí se traduce el problema en manera gráfica. Aquí vemos ciertos San Diego, los mercados. Aquí en los extremos tenemos la distancia en miles de millas, la distancias de cierto a Topeka es 1800 millas. También el costo del transporte para transportar una caja de enlatados al mercado por miles de millas y luego.

00:20:56:24 El problema el dilema del problema es minimizar los costos de transporte. No puedo enviar más de la capacidad de tu planta en un día. Y en cualquier día típico. La demanda de 275. Bien, ahora esto de forma gráfica lo pasamos a una ecuación. Así se verá.

00:21:01:09 Aquí tenemos.

00:21:18:10 Variables de decisión para determinar el número. Que se debe enviar y tenemos los datos. Debemos saber el costo de transporte. ¿Eh? La capacidad.

0:21:44:17 Cada planta para conocer la demanda. Y tenemos estas ecuaciones. El. El objeto es función. Básicamente dice que esta es el costo de transporte porte. Y este. Estos son los mercados y tendrán el costo de transporte total. Aquí hay limitaciones de transporte.

00:22:09:20 Tenemos un número de envíos que se pueden realizar bien. Espero que esto tenga sentido para todos. Hasta este momento. Ahora les voy a mostrar cómo este modelo se puede ver en.

00:22:16:18 Aquí en la librería de.

00:22:39:16 Luego les voy a enviar el link en las próximas. Es la espera. Así se ve el problema en Gatsby. Hacemos. Estoy abriendo mi script en el editor Lo primero que hacen, así como con cualquier otro paquete de Python es.

00:22:56:20 Colocar el paquete que construye aquí los objetos de este paquete, pero también lo pueden hacer. Pueden hacer una importación. Y utilizar todos los objetos que necesitan.

00:23:41:24 El La clave del concepto es que se trabaja dentro del container. Aquí es una línea. He creado el container. Está vacío. Voy a colocar todos los símbolos de nuestros datos y luego voy a definir un modelo utilizando este container y luego voy a resolver Aquí asumo que los datos ya están en Python. Las datos de distancia, capacidades, capacidades y demandas están en Python, Ya lo tienen aquí.

00:23:51:01 Esta es. No, no es la única estructura de datos. Puede ser un frame.

00:24:04:06 Hay una vasta variedad de estructuras de datos que se pueden utilizar bien.

00:24:24:01 Después de tener mis datos en Python, lo que quisiera hacer en primer lugar es definir los objetos. Mis objetos son símbolos. Quiero definir los sets, los parámetros de sets. Vamos a comenzar aquí con sets.

00:24:28:00 El y.

00:25:09:19 Dentro del mismo contenedor container que es mmm. El nombre es y es opcional. ¿Pueden utilizarlo o no? Lo voy a hacer para que se vea completo. Están los registros y la descripción como lo haríamos en GAMS. ¿Aquí eh? G Para los mercados. Parámetros tienen tres parámetros capacidad, distancia.

00:25:52:20 Aquí para que puedan ver algunos de los aspectos relacionados con la sintaxis. Aquí se define la capacidad dentro del container, el nombre del parámetro. Este argumento llamado dominio básicamente significa que es el dominio del parámetro. Si ustedes quieren definir el parámetro como la capacidad de las plantas en. Cajas eso es lo que significa el dominio. Cuando ustedes dicen y está relacionado automáticamente con este objeto y.

00:26:37:09 Mucho poder viene con esto porque cada container tiene un símbolo. Si ustedes cometen un error, si es dentro de los registros, no existe. Namespace puede arrojar un error hasta que resuelvan ese nombre o ese registro. Tiene sentido. Hasta ahora. Hay más parámetros el B para la demanda, el D para distancia. Vean que es la de distancia. Es la distancia entre los mercados.

00:27:19:03 Esa es la. Aquí pueden tener calcular los costos de transporte en miles de dólares por caja. Lo pueden multiplicar por el costo de flete dividido mil. Esta es una tarea que puede realizarse muy eficientemente. Hay luego continúan a las variables que es muy similar. Aquí definen el tipo de la variable para la cantidad del envío y con lo que que es positivo.

00:27:35:17 Bien. Ahora tengo las ecuaciones oferta y demanda aquí son declaraciones de la ecuación. No he definido en la ecuación. Lo voy a hacer aquí. Oferta.

00:27:42:21 Con J. Y quiero que.

00:28:17:11 No puedo dar más la capacidad. Estas. La estructura de Python. Yo estoy utilizando Python, pero no parece Python. Y la razón por la que esto ocurre es que hay muchos carga de datos de los operadores y prácticas de programación que harán que esto sea preciso.

00:28:33:10 Un ejemplo típico de eso sería la operación de suma en Python. Si ustedes recuerdan, la operación de suma es. Sum.

00:28:45:18 Pero si están en Gatsby, utilizan con la S mayúsculas. Básicamente esta. Esta es.

00:29:08:19 La operación de suma. Hay. Aquí pueden ver cómo automáticamente pueden mostrar la realizar la suma con esta variable J. Hay mucho poder.

00:30:01:16 En este tipo de sintaxis. Bien. Ahora vamos a definir ciertos parámetros variables ecuaciones. En el modelo. Mi modelo se llama transport transporte dentro del container contenedor M, el nombre es Transporte transport. Y aquí para definir las ecuaciones, si ustedes son usuarios de Gans probablemente hayan visto esto. ¿Se puede hacer lo mismo en Gans? Con M punto Get Equations, eso les dará todas las ecuaciones que ustedes han definido hasta ahora dentro del container.

00:30:47:18 Aquí coloco todas las ecuaciones y las ecuaciones de oferta y demanda. Así que este es un problema linear SLP. Quiero minimizar el objeto aquí el el costo total. Por eso escribo cinco punto minimización y luego el objeto como se ve aquí, el objetivo es el costo de transporte multiplicado por la cantidad. Vean aquí quien Gans no ve. No es necesario definir el objeto, pueden definirlo como parte de la declaración del modelo o pueden elegirlo como una ecuación separada.

00:31:00:22 La elección es de ustedes. Bien, ahora tengo el modelo y todos los símbolos y las ecuaciones.

00:31:09:10 Los llamé transporte punto solve. Y eso es suficiente.

00:31:17:05 Ahora quiero tenerlo en la pantalla.

00:31:38:02 Y después de resolverlo, lo que espero es obtener el valor de X. Porque eso es lo que me interesa. La cantidad que voy se va a enviar. Aquí hago un print X punto records.

00:31:50:17 Similar. De manera similar, quiero conocer el costo del transporte, por eso hago el transporte punto objetivo, punto Valeo.

00:32:04:11 Y coloco aquí el estatus. Bien, ahora estoy en esta pantalla.

00:32:19:12 Quisiera maximizar esto. Aquí. Puedo colocar aquí el script, Coloco python transporte punto py.

00:32:32:19 Aquí tienen el modelo resuelto. Este es el registro para la variable x. La puedo leer fácilmente.

00:33:05:13 El envío desde Ciudad de Nueva York de Seattle a Chicago de 300. Puedo mezclar los resultados. El costo total es 153.675. Esto está en 100 miles de dólares 153.000 $ sería. ¿Y el estatus? Está es una optimización global que es algo bueno.

00:33:10:04 Espero.

00:33:31:06 Que entiendan cómo se ve Gatsby, cómo pueden utilizar el modelo y esencialmente es un script de Python con el dominio. Ahora vamos a las slides nuevamente. Quisiera.

00:33:44:17 Ahora que han visto como funciona, sería bueno ver el de manera real. Esta es la solución.

00:33:50:20 Aquí les muestra.

00:34:11:19 Lo que hemos hecho antes aquí. Esta es mi parte preferida de la presentación. Es extremadamente fácil de instalar. Si lo utilizan ahora, abrirán. En Python.

00:34:18:19 Harán pip install y.

00:34:38:01 Bien, un anuncio que la semana pasada lanzamos una versión escalable que es uno punto o es un producto que puede ser utilizado. La documentación.

00:35:18:02 Como cualquier otro paquete de Python y verán muchos ejemplos. Nuestro en los ejemplos en nuestra librería. Ahora volvemos a lo abstracto de GAMS. Transporte también es igualmente abstracto, independiente de independencia de cualquier Solver, como les mostré aquí está en Gasta y va al backend y luego el elige en el Solver, por ejemplo, elegí Simplex con un solo comando lo puedo cambiar.

00:35:28:19 ¿Hay pop o puedo cambiarlo a cualquier otro? El modelo es completamente separado, que está aquí.

00:35:40:11 El modelo está en son diferentes datos también aquí es un ejemplo.

00:36:15:09 De ser conscientes de la competencia, hay algunos paquetes que están disponibles para utilizar la optimización Spy, como se muestra en esta slide. Se van a utilizar otro paquete, van a utilizar todos los datos y los modelos utilizarán datos de manera independiente. No es abstracto. Con Gans pueden escribir el modelo aquí.

00:36:28:14 Antes de resolverlo, pueden descargar de la fuente, Pueden resolverlo. Es realmente independiente.

00:37:14:18 Esto también y más detallado de lo que pueden ver. Hay es algo muy poderoso si son iniciantes o. Tengan que cometen un error en las ecuaciones escriben aquí en demand e en escriben x jj. No tiene ningún sentido porque son los mercados que escriben a JJ porque tienen que escribir I y J que son independientes. Esto no tiene ningún sentido, aunque no tengan ningún dato y.

00:37:30:08 Identifica claramente y les dicen que es un error de validación. Están definiendo JJ. Esto es algo que no funciona bien.

00:38:21:19 Porque. Tenemos una sintaxis y es abstracto. Identifica los errores rápidamente y lo pueden modificar. Ok, es rápido. Esta es una diapositiva que les muestra que es rápido. ¿Lo vemos? Hagamos como un estándar que lo ha hecho por 40 años y es uno de los más rápidos aquí. He tomado un modelo con millones de registros y quería comparar como Gans se compara con Gans y si ustedes ven aquí el.

00:38:59:13 Hay una pequeña diferencia entre Gans y Phi. Eso realmente les muestra como es que cuando se trata de el desempeño hay más comparaciones con otros software y paquetes de software y ustedes pueden encontrar un este. Estas comparaciones con el código QR. Algo que quisiera resaltar aquí es que cuando con peer comparan los paquetes de software hay.

00:39:34:06 Tareas que son la generación de modelos que son resueltos, pero dependiendo de qué utilizan el tiempo de generación de estos modelos. Esta es una comparación del tiempo. Ahora permítanme acelerar un poco porque creo que ya se ha terminado mi tiempo. Esta es otra característica clave de Gans. Digamos que quieren instalar su modelo y quieren hacer pequeños cambios y quieren resolverlo.

00:40:11:18 En este proceso. Si ustedes van a generar el modelo muchas veces hay un problema porque el tiempo de generación del modelo puede convertirse en acuerdo. Cuello de botella y aquí pueden decirle a Gatsby que quiero. Este parámetro está disponible y pueden mantener el resto del modelo y es una limitación aquí se pequeños o de los problemas de transporte.

00:41:05:05 Por la demanda de ecuación y aquí con este proceso muy sencillo, puedo resolverlo cambiando el parámetro v mult este el de MULT. Quiero registrar dos registros inmediatamente. Quiero hacer fresar con el BIM mult, quiero tres registros y resolverlo. Y una vez que lo he hecho con diferentes parámetros, puedo hacer el el descongelamiento y esto les ahorra tiempo, especialmente para las aplicaciones donde necesitan resolver algo de manera rápida, manteniendo la estructura y solo haciendo pequeños cambios en el modelo.

00:41:41:03 Bien, esto es cuando están en Gans, tiene pueden exportar el modelo hacia la Tec. Esta herramienta y pueden obtener un archivo de látex. También pueden exportarlo como. Si son usuarios de Gans y quieren. Puede ver cómo se ve el modelo de Gans con este tu Gans.

00:42:26:08 Pueden ver algo así. Bien. Ahora Bao les mostró esto, pero quiero resaltar esto. Estas dos flechas que Gans Fi se conecta con Miró y también con Engine, pueden cambiar el backend para Gans Phi y e instalarlo en la nube de Amazon. La en la nube y así sucesivamente. Ustedes también pueden crear aplicaciones con los modelos de video. Miro y se considera un producto de la familia Camps.

00:43:10:00 Ahora solo un resumen. Lo primero que quiero decirles a todos es que con esta charla les mostré lo que puede hacer, que va. Hay muchas características asociadas a cuentas individuales de Pi que pueden hacer. Pueden hacer operaciones, transformar registros. Hay muchas pequeñas características que no pude cubrir hoy, pero ustedes si ustedes están interesando interesados, pueden explorarlo ustedes mismos.

00:43:58:00 Con Gans, si pueden completarlo de manera independiente, pueden elegir el backend para que sea un para que trabaje en el software. Y finalmente pueden también instalar Gans fi con un pequeño comando. El pip install gatsby. Si quieren recordar algo hoy, pueden recordar esto. Inténtelo y cuéntennos cuál está. Sus comentarios. Con esto le entrego abajo la presentación. Y no me refiero a medicina, me refiero a este doctores, enfermeras, este mano de obra, porque no son los únicos en dentro del hospital que actúen.

00:44:32:15 Y también obviamente el inventario de suministro este. En varias ocasiones hemos abordado este reto optimizando la programación del personal y la disponibilidad de los suministros, lo cual permitió una asignación mucho más eficiente y un ahorro este significativo en lo que son este los costos operativos este en el sector energético eh En general es donde las empresas lidian con una complejidad de gestionar diversas fuentes de energía y satisfacer una demanda que es fluctuante.

00:45:09:14 Hemos contribuido a la optimización de varios despachos energéticos, pero mejorando la la utilización de recursos y reduciendo los costos de operaciones, lo que derivó en una mayor eficiencia en la distribución energética. Y de estos tenemos ejemplos. Muy bien. Este. Obvios en el territorio colombiano. Este otra industria. El sector aeroespacial. En la industria aeroespacial. Las empresas en general buscan maximizar la productividad y minimizar los tiempos de inactividad en la producción y el mantenimiento de las aeronaves.

00:45:44:21 Este hemos ayudado a planificar de manera más eficiente los cronogramas de producción, mejorar el flujo de trabajo y reducir los retrasos debido a problemas de cadena de suministro en el sector. En la agricultura está el sector agrícola. Los productores enfrentan la tarea de gestionar de manera óptima los recursos naturales y los insumos agrícolas. Hemos ayudado a la mejora de la planificación de los cultivos y la distribución de los recursos como el agua los fertilizantes contribuyendo a una mejor rentabilidad y sostenibilidad a largo plazo.

00:46:18:07 Este y todo obviamente tomando en cuenta los imperativos meteorológicos. Este y eso se más con este digo, son varios modelos que se pusieron para poder obtener unos resultados concretos en el sector financiero. Administración de bienes raíces es el primero que tengo en la cabeza, pero tenemos este. Ayudamos a a a la gestión de portafolios y la mitigación de riesgos.

00:46:49:20 Este, lo cual representa un constante riesgo para las instituciones. Este. Hemos proporcionado soluciones que mejoran la asignación de activos y la gestión de liquidez, los cuales permiten a las empresas de optimizar rendimientos y reducir los riesgos. Los riesgos este en un entorno este de mercado bastante volátil. Este. En la industria militar hemos colaborado con varias fuerzas aéreas alrededor de del mundo y bueno en el ámbito militar la eficiencia en la logística.

00:47:24:06 De hecho ahí puse en poco de de Napoleón Este, los Amador, los amateur hablan de estrategia cuando se refieren a la guerra, obviamente, pero pues la guerra es logística y la historia lo ha este lo ha demostrado, este hemos permitido en por varios este sectores este el análisis de datos militares, les hemos ayudado a mejorar la planificación, el despliegue de de tropas, distribución de suministros y optimizar rutas, reduciendo los costos asociados al transporte y el mantenimiento del equipo militar.

00:47:58:18 Este. A nivel de la Bolsa de Valores. Este. Los mercados bursátiles los inversores se enfrentan muy seguido a la volatilidad del mercado. Eso ya no es secreto de nadie y la necesidad de optimizar sus regias de inversión. Este GAMS, en este caso este mejor. Las decisiones de compras y de ventas mediante la optimización de algoritmos de trading, lo cual este facilita una mayor rentabilidad y una minimización de los riesgos en el sector de la manufactura es donde la.

00:48:24:22 La coordinación de las operaciones de producción es clave de este. Para evitar este cuellos de botella no estoy seguro la traducción, pero si me entenderán y obviamente los tiempos de inactividad y en este caso este este mejoró o mejora los este calendarios de producción y la gestión de inventarios, reduciendo los costos operativos y mejorando la eficiencia general de las fábricas En el sector de la Ingeniería química.

00:48:53:13 Este. Los procesos de de producción intensivos en son muy este enérgicos y este. Los recursos requieren optimización constante es donde ayudamos este varias empresas activas en el sector de de químicos a maximizar el uso de sus materiales, de sus materias primas, perdón y reducir el consumo de energía Este manteniendo al mismo tiempo seguridad y cumplimiento de las normativas ambientales.

00:49:20:04 Es un punto muy importante. Este las normas ambientales y este. En la industria del petróleo, del gas. La gestión eficiente de la cadena de suministro es esencial para reducir los costos y optimizar la producción. Entonces GAMS contribuye a la optimización de los cronogramas y de perforación y la logística de transporte, mejorando la eficiencia operativa y asegurando una mayor rentabilidad.

00:49:57:01 También podremos hablar de los GR, los drug producing agentes que son los cocteles entre comillas de productos químicos que incluyen en los pipeline para solidificar este el contenido y aumentar la velocidad de de transporte del DEL a través de los oleoductos. Bueno, son detalles, pero pues de eso se trata este. Pues con esto termino mi presentación. Muchas gracias por su atención eh y por haber participado a este webinar y obviamente estamos abiertos a preguntas y respuestas.

00:50:14:02 Gracias. Antes de darle paso a Gerson, que es la persona que nos va a apoyar con las. Con las preguntas, vio a la intérprete del día de hoy que por favor pueda traducir las attract para que nos pueda dar su respuesta. Muchas gracias y te doy paso. Gerson.

00:50:50:16 Bueno, muchísimas gracias Liza. Gracias. Muchas gracias ingeniera por su participación en esta mañana por traer a nosotros esta presentación de, digamos, estas aplicaciones. Son todos ustedes muy amables. Y bueno, acá hay algunas preguntas que han surgido. Entonces voy a lanzarles y. Y para para conocer su su respuesta para nuestros participantes sobre. Bueno, hay un usuario que nos pregunta si el instalador de gas si eh se puede utilizar en Google colab, si es igual al que hay eh para Google Colab.

00:51:04:11 Es decir, si puede hacer una instalación directa o se requiere descargar alguna librería o hacer algún enlace especial con GAMS.

00:51:40:12 Ajá. Y Google Colab Pues usado Google colab, pero para mí Python sí tiene Python en Google Colab o un entorno en Google Colab. Lo único que necesitan es instalar. No necesitan una instalación separada. Gatsby viene con una instalación pequeña de Gans que puede generar los modelos y escribir las ecuaciones y algunas de las cosas que les mostré en las presentaciones mía.

00:51:54:16 No. Ya to that but now that is no se hacen. No hay una separación. Esta separada aparte, digamos.

00:52:26:10 Perfecto ingeniero, muchas gracias. Hay otra pregunta que surge es si tenemos desarrollados algunos modelos de optimización en, eh, Python, ni por ejemplo, o en Python, o que son algunas librerías especializadas para optimización. Puedo llevarlas a GAMS directamente sin ningún problema o hacer alguna ecuación específica.

00:52:36:17 Si, bueno, si tienen los modelos en.

00:53:31:12 Y no hay ninguna prueba de que pueda trabajar directamente como deban traducir el modelo ecuación por ecuación. Hagamos Spike. Pueden utilizar, eh, ayuda en WhatsApp GPT Ha sido útil esto, pero no hay una herramienta automatizada que lo haga. Lo que les ayudará es que los datos estén en Python y la mayor de los. Las transformaciones de datos se pueden hacer solo que las ecuaciones.

00:54:07:11 Oh, okay, vale. Perfecto. Gracias, ingeniero. Bueno, otra personas pregunta con respecto a algunas estructuras como las listas, las tuplas, los diccionarios, los conjuntos, el uso de librerías como NumPy o como pandas. ¿Qué tan alto debe ser el nivel que debemos tener en programación para poder utilizar los en Game Spice para nuestros modelos de optimización?

00:55:06:19 Bien, deben entender. Los formatos de datos estándar que necesita que si por ejemplo, si están poblando el con listas, debe ser en formato C. Deben entender que en ese ejemplo que les mostré sí hay y tres planes y dos mercados, tres plantas y dos mercados tendrán seis entradas. Las. Si cumplen esos, los registros serán poblados si ustedes los pasan a un formato especial, verán un frame de datos y tomamos, asumimos responsabilidad sobre el procesamiento de datos para que lo pueda entender.

00:55:43:06 Hay centre calls que son son objetos de símbolos que se ocupa de todo lo que deben hacer y deben saber de programación. Es que el data frame no debe tener violaciones de dominio, el correcto número de columnas, etcétera Pero no creo que el requerimiento para Python sea tan alto para utilizar Gatsby.

00:55:56:08 Los diccionarios también funcionan bien con los registros. ¿Alguien le mencionó los diccionarios?

00:56:25:08 Perfecto, ingeniero, Muchísimas gracias. Eh, una última pregunta que surge acá en nuestro chat. Es que eh en en el espacio expuso que existe en Game SPI un código para pasar el código de Games. Vaya a Games. También tiene un código para migrar una estructura de Games, Hagan.

00:56:33:01 ¿Quieren traducir Games, hagan SPI? Sí, sí señor.

00:57:05:06 Es sencillo. Si ustedes van a traducir, eh, digamos, hagan SPI. No hay una herramienta que puede hacerlo. Tendrán que hacerlo manualmente. Lo único que deben es pueden tener ayuda de chat. GPT ha ayudado esto mucho y algunas de estas traducciones, pero deben hacer trabajo manual para que esto funcione.

00:57:35:08 Bueno, perfecto Ingeniero, muchísimas gracias. ¿No tenemos más preguntas por ahora eh? Pues nuevamente mi parte, agradecerles la compañía al ingeniero Carvajal la exposición que tuvieron de traer pues este nuevo desarrollo de Game SPI, mostrarnos estas aplicaciones muy amables y también agradecerle a todas las personas que nos acompañaron en la mañana de hoy que están interesadas en nuestra herramienta, en los desarrollos que pueden hacer.

00:58:04:03 Recuerden que estamos abiertos en todos nuestros canales a través de nuestra página web o nos pueden contactar con Contactar directamente a través de los correos electrónicos que hemos compartido con ustedes en el chat. Estamos abiertos para poder llevar este tipo de presentaciones a sus empresas, a sus entidades gubernamentales, a sus espacios académicos y queremos que ese interés que ustedes tienen en Games lo podamos materializar.

00:58:29:18 Y estamos abiertos. Tanto Games Corporation como Software Shop en prestarles la ayuda, la atención y lo que ustedes necesiten para. Para conocer más acerca de las soluciones que pueden desarrollar con Game. Bueno muchísimas gracias a todos nuevamente Ingeniero eh Autor Pau, Muchas muchas gracias y esperamos contar con ustedes en próximos espacios. Muy amables.