APLICACIONES DE SIMULACIN

En captulos anteriores, se han explicado y analizado los conceptos y herramientas requeridas por un estudio de simulacin. Por consiguiente, ahora ya estamos preparados para empezar a discutir el papel tan importante que los modelos de simulacin juegan en el anlisis y estudio de varios tipos de sistemas. Los modelos de simulacin presentan la ventaja de poder ser manipulados en diferentes formas, que seran imposibles, imprcticas y demasiado costosas si se realizaran a travs de otra metodologa. Por ejemplo, se puede simular la operacin de un sistema sin que ste an exista, tambin se puede a travs del uso de simulacin determinar el sitio de localizacin de un almacn, determinar polticas ptimas de inventarios cuando la demanda y el tiempo de entrega son estocsticos, etc. En general, se puede decir que los modelos de simulacin se usan para: 1) Anlisis de sistemas, 2) Diseo de sistemas, 3) Sntesis de sistemas y 4) Entrenamiento. El presente captulo, tiene como objetivo presentar una serie de ejemplos, a travs de los cuales se podr tener una idea de los mltiples usos y de la utilidad que se puede obtener al utilizar la tcnica de simulacin.

EJEMPLO 5.1 JUEGO DE VOLADOS

Existe un mtodo viejo para jugar volados, que consiste en doblar la apuesta cada vez que se pierde. Por ejemplo, si se apuesta $ X y se pierde, entonces, se apuesta S2X; si en esta ocasin se vuelve a perder, entonces, se apuesta S4X y as sucesivamente. Sin embargo, si a! seguir esta poltica sucede que la apuesta es mayor que la cantidad de que se dispone, entonces, se apuesta lo que se tiene disponible. Por el contrario, cada vez que se gane, la apuesta ser de 8X. Si la cantidad inicial disponible es de S30, la apuesta es de 810, la ganancia es igual a la cantidad apostada, la probabilidad de ganar en un volado es 0.5 v se quiere tener S50, cul es la probabilidad de llegar a la meta? Para la informacin anterior, la tabla 5.1 muestra los resultados de una simulacin manual para este juego de volados. Como se puede observar en esta tabla, en la primera "corrida" se necesitaron dos lanzamientos para llegar a la meta de tener $50. El primer lanzamiento de esta corrida el cual est representado por el nmero aleatorio 0.93591, significa que se gan en el volado (nmeros aleatorios menores de 0.5 representan al evento ganar, y nmeros aleatorios mayores que 0.5 representan al evento perder), y por consiguiente, la apuesta en el siguiente volado ser de S10. Como el nmero aleatorio de este segundo volado es menor que 0.5, entonces, con este lanzamiento se llega a la meta de S50. Por otra parte, la corrida nmero 3 representa una situacin de quiebra, es decir, esta corrida representa una situacin en la que se pierde completamente la cantidad inicial disponible. En esta corrida, se pierde el primer volado, y por consiguiente, la apuesta del segundo volado es S20. Como el nmero aleatorio de este lanzamiento es menor que 0.5, entonces, se gana en el segundo volado, y la apuesta del tercer volado ser de $10. Como el nmero aleatorio de este volado es mayor que 0.5, entonces, se pierde en el tercer volado, y la apuesta del cuarto volado ser de $20. Puesto que el nmero aleatorio de este volado es mayor que 0.5, entonces, se pierde en el cuarto volado, y la apuesta ser de $40. Sin embargo, la cantidad que se tiene al final del cuarto volado es de $10. Por consiguiente, la cantidad apostada en el quinto volado ser de $10. Como esta cantidad es perdida en el ltimo lanzamiento, entonces, se llega finalmente a una situacin de quiebra.

Finalmente, en esta tabla se puede observar que de 10 corridas, en 6 ocasiones se lleg a la meta. Esto significa que la probabilidad de llegar a la meta es de 0.6. Sin embargo, en necesario sealar que esta estimacin no es muy confiable por el nmero tan reducido de corridas que se simularon. Para tomar una decisin que garantice buenos resultados, es necesario aumentar significativamente el nmero de corridas simuladas. Tambin, vale la pena mencionar que este problema sera demasiado difcil de resolver analticamente, sin embargo, a travs del uso de simulacin se facilita tremendamente la estimacin de la probabilidad buscada. EJEMPLO 5.2. CAMIN TRANSPORTADOR La empresa TIBASA (Fabricante de tinas de bao) tiene asignado un camin especial para el transporte de tinas terminadas. Dicho camin transporta diariamente 5 tinas. El peso de cada tina sigue la siguiente distribucin de probabilidad

Si la capacidad del camin es de 1 tonelada, cul es la probabilidad de que el peso de las tinas exceda la capacidad del camin? La pregunta anterior, puede ser contestada en forma analtica o a travs de simulacin. Sin embargo, analicemos primero la obtencin de esta probabilidad a travs de un procedimiento analtico. El primer paso en la obtencin de tal probabilidad, sera la determinacin de la distribucin de probabilidad f(x). Esta distribucin de probabilidad est definida por:

1/ 400 (x - 190), si 190 x 210 1/ 400 (x - 190), si 190 x 210 En seguida, es necesario determinar la media y la variancia, las cuales pueden ser obtenidas de las siguientes expresiones: 210 210 E(X)=1/400 (x - 190)dx - 1/400 (x - 230)dx = 210 210 230 VAR(X)= 1/400 (x - 210)2 (x-190)dx - 1/400 (x - 210)2 (x-230)dx = 66.67 Ahora, para encontrar la probabilidad de que la suma de los pesos de 5 tinas exceda la capacidad del camin, suponga que x representa el peso de la tina i. Por consiguiente, se desea encontrar la siguiente probabilidad:

TABLA 5.1 RESULTADOS DE LA SIMULACIN MANUAL DE UN JUEGO DE VOLADOS

Nmero de corrida Cantidad que se tiene antes del volado S30 40 30 40 3 30 20 40 30 10 4 5 6 30 40 30 20 30 40 30 7 8 9 10 30 20 30 20 30 40 30 40 30 Cantidad que se Apuesta Nmero* aleatorio Se gan el juego? tiene despus del Se lleg a la meta? volado 340 50 40 50 20 40 30 10 0 40 50 20 0 40 30 50 20 0 20 0 40 50 40 30 50 s s quiebra quiebra s quiebra s s - . s

1 2

S10 10 10 10 10 20 10 20 10 10 10 10 20 10 10 20 10 20 10 20 10 10 10 10 20

0.03991 0.38555 0.17546 0.32643 0.69572 0.24122 0.61196 0.88722 0.65961 0.03788 0.48288 0.88618 0.71299 0.27954 0.80863 0.33564 0.90899 0.78038 0.55986 0.87539 0.16818 0.34677 043305 0.59747 0.16520

S s s s no s no no no s s no no s no S no no no no s s s no s

quiebra

Prob. (x]+x2+x3+xi+x,1 1000) si ambos miembros de la desigualdad anterior se dividen por 5, se obtiene: Prob. (x 200) y por el teorema del lmite central, sabemos que para distribuciones simtricas con valores de n 4, x sigue aproximadamente una distribucin normal con meda i y desviacin estndar /n. Por consiguiente, los parmetros de la distribucin de x para este caso particular, seran: E ( x ) = 210 VAR(x ) = 13.33 y la probabilidad buscada sera: Prob. (x 200) = Prob. (Z 200-210/3.65 ) = Prob. (Z - 2.74) = 0.99693 La estimacin de la probabilidad de que el peso de las tinas exceda la capacidad del camin, tambin puede ser obtenida a travs del uso de simulacin. Para este propsito, es necesario simular el peso de 5 tinas y compararlo con la capacidad del camin. El procedimiento anterior es necesario repetirlo tantas veces como se desee. Una vez que se hayan realizado n corridas, la estimacin de esta probabilidad sera x/n, donde x representa el nmero de veces que el peso de las 5 tinas excedi la capacidad del camin. Para simular el peso de una tina, es necesario utilizar alguno de los procedimientos descritos en el captulo anterior. Suponga que para este caso particular, se va a utilizar el mtodo de la transformada inversa. Por consiguiente, e necesario primero determinar a distribucin acumulada del peso de una tina. Tai distribucin se muestra a continuacin:

1/ 800 (x - 190)2

si 190 x 210

f(X )

1 - 1/ 800 ( x - 230)2 si 210 x 230

Con la distribucin acumulada definida, el procedimiento para simular el peso de una tina seria el siguiente: 1. Generar un nmero uniforme R 2. Preguntar si el nmero uniforme R es menor que 0.5*. Si la respuesta es afirmativa, entonces: x = 190 + 800R Por el contrario, si la respuesta es negativa, entonces: x = 230 - 800 (1 - R) 3. Repetir los pasos anteriores tantas veces como se desee.

Aplicando el procedimiento anterior, la tabla 5.2 muestra los resultados de una simulacin manual para este problema. Como se puede observar en esta tabla, en todas las corridas se excedi la capacidad del camin. Esto, a primera vista, podra indicarnos que la probabilidad de que la capacidad del camin sea excedida es de 100%. Sin embargo, lo anterior es falso, puesto que no es posible considerar como verdadero, los resultados obtenidos en un nmero muy reducido de corridas. Es obvio, que si el nmero de corridas se aumenta significativamente, el porcentaje de las veces que la capacidad del camin es excedida, debe tender a 99.69%. En este mismo problema, es posible determinar a travs de procedimientos ana l ticos o de simulacin, a conveniencia de adquirir un nuevo camin, o seguir operando con el actual. Para tal propsito, suponga que cada vez que la capacidad del camin es excedida, una tina es enviada a travs de otra compaa a un costo de S200/tina. Tambin, suponga que el costo promedio anual de un nuevo camin es de 860,000. Si se trabajan 5 das a la semana y 52 semanas al ao, cul de las dos alternativas mencionadas es la ms atractiva? Si se utilizan procedimientos analticos, el costo esperado de enviar la mercanca excedente a travs de la otra compaa, sera: ($ 200/ tina ) (0.99693/da)(5 das / semana)(52semas/ ao)= $ 51.840 el cual resulta ser menor que el costo promedio anual de un nuevo camin. Por consiguiente, la decisin es seguir enviando los excedentes a travs de la otra compaa transportista.

TABLA 5.2 Resultados de la simulacin manual del camin de carga

Nmero de corrida 1

Nmero* aleatorio Tina 1 2 3 4 5 1 2 3 4 5 1 2 3 4 5 1 2 3 4 5 1 2 3 4 5 0.31751 0.88491 0.30934 0.22888 0.78212 0.70014 0.37239 0.18637 0.05327 0.95096 0.43253 0.80854 0.80088 0.80890 0.93128 0.41849 0.46352 0.11087 0.52701 0.57275 0.20857 0.15633 0.92694 0.77613 0.38688

Peso simulado Peso Se excedi la de la t i n a simulado capacidad del acumulado camin? 206 220 20G 204 217 215" 207 202 197 224 209 218 217 218 223 208 209 199 2 11 212 203 201 222 217 208 206 426 632 836 1,053 215 422 624 821 1,045 209 427 644 862 1,085 208 417 616 827 1,039 203 404 626 843 1,051

si

^ s

*Estos nmeros aleatorios se obtuvieron del apndice. Este mismo problema : puede ser resuelto por medio de simulacin. A travs de esta tcnica, los pasos requeridos para determinar el costo promedio anual de enviar los excedentes (1 tina) utilizando los servicios de otra compaa, seran: 1. Simular el peso de 5 tinas.

2. El peso simulado de las 5 tinas, excede la capacidad del camin? Si la respuesta es afirmativa, entonces, se acumula un costo de $200. Si la respuesta es negativa, no se acumula ningn costo para ese da. 3. Repetir el paso anterior para los 260 das laborables en el ao,

3. determinar el costo acumulado anual. 4. Repetir los pasos anteriores para varios aos. 5. Determinar, a partir de los costos acumulados obtenidos en los pasos anteriores un costo promedio anual. 6. Comparar el costo promedie anual obtenido en e! pase anterior, con el costo promedio anual del nuevo camin. Si el costo promedio anual obtenido en el paso anterior, es menor que el costo promedio anual del nuevo camin, entonces, conviene seguir utilizando los servicios de la otra compaa transportista. Finalmente, conviene sealar que si el nmero de corridas en esta simulacin es el adecuado, el costo promedio anual de enviar los excedentes utilizando los servicios de la otra compaa, debe de tender a $51,840. Lo anterior significa, que la decisin de comprar un nuevo camin, o seguir operando con el camin actual, debe ser la misma independientemente del enfoque que se utilice en la solucin de este problema.

EJEMPLO 5.3. ESTIMACIN DE TT

Usando la figura que se muestra a continuacin, describir un procedimiento que estime el valor de ?

En la figura anterior, es obvio que la probabilidad de que un punto pertenezca al cuarto de crculo es la siguiente:

rea del cuarto de circulo = rea de cuadrado

/4 1

tambin, es obvio que esta probabilidad puede ser estimada mediante la relacin x/n, donde x representa el nmero de veces que un punto simulado cay dentro del cuarto de crculo y n el nmero de corridas. Por consiguiente, en el lmite cuando el nmero de corridas tienda a infinito, las dos relaciones anteriores deben ser idnticas, esto es:

LIM = X/N= /4 y = 4 X/N De acuerdo a la identidad anterior, el procedimiento para estimar el valor de , sera: 1. Generar dos nmeros uniformes Rl y R2. 2. Evaluar R12 + R22. Si este valor es menor que 1, entonces, e. nmero simulado cae dentro del cuarto de crculo, y por consiguiente se incrementa el valor de x. De lo contrario, es necesario regresar al paso 1. 3. Repetir los pasos anteriores hasta que n corridas hayan sido simuladas. En este momento, el valor de TT, sera: 4.x/n. Aplicando el procedimiento anterior, la tabla 5.3 muestra los resultados de una simulacin manual para este problema. Como se puede observar en esta tabla, de 25 puntos simulados, 21 cayeron adentro del cuarto de crculo. Por consiguiente, el valor estimado de ?r, de acuerdo a estas 25 corridas, sera:
= 4(21/25) = 3.36

Es obvio, que este valor estimado de TT, difiere demasiado de su valor verdadero. Consecuentemente, si la estimacin del valor de TT se quiere aproximar ms a su valor verdadero, entonces, es necesario aumentar significativamente el nmero de corridas. Por ejemplo, en este momento es posible preguntar, cuntas corridas es necesario simular para que el estimador de TT, difiera de su valor verdadero en una cantidad menor que 0.1, con una seguridad de 95%? Esta pregunta puede ser planteada de acuerdo a la siguiente expresin: Prob. - 0.1 | == 0.95 la cual puede ser rearreglada y expresada como: Prob. - 0.1 + 0.1 | = 0.95

TABLA 5.3. RESULTADOS DE LA SIMULACIN MANUAL PARA ESTIMAR EL VALOR DE Nmero Primer* de corrida nmero aleatorio 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 0.03991 0 J754K 0.69572 0.61196 0.03788 0.88618 0.27954 0.33564 0.78038 0.87539 0.34677 0.59747 0.68652 0.33521 0.20554 0.42614 0.99385 0.48509 0.20094 0.60530 0.18611 0.61199 0.00441 0.65961 0.59362 Valor Segundo acumulado nmero / 2 2 de X alea torio v R1 +R2 <7? 0.38555 0.3 2643 0.24122 0.30532 0.48228 0.71299 0.80863 0.90899 0.55986 0.16818 0.45305 0.16520 0.79375 0.59589 0.59404 0.34994 0.66497 0.15470 0.73788 0.44372 0.58319 0.18627 0.32624 0.20288 0.99782 s s s s s no s s s s s s no s s s no s s s s s s s no 1 2 3 4 5 5 6 7 8 9 10 11 11 12 13 14 14 15 16 17 18 19 20 21 21

*Estos nmeros aleatorios se obtuvieron del apndice Sin embargo, puede ser estimada usando la relacin 4X/n. Por consiguiente, sustituyendo = 4x/n en la ltima expresin, se obtiene:
PROB. { 0.1/ 4 X/N + 0.1 / 4 } = 0 .95

y puesto que x (cantidad de puntos simulados que cayeron adentro del cuarto de crculo) es una variable aleatoria que sigue una distribucin binomial (cada punto simulado sigue una distribucin Bernoulli), con media n ?r/4 y variancia n /r/4(l 7r/4), entonces, x/n la cual representa la fraccin de xitos, iene la siguiente media y variancia: E (X/N)= 1/N E(X)= /4 VAR (X/N)= E(X/N /4)2 = 1/N2 E(X N /4)2 = /4 (1 - /4)/N Por otra parte, es obvio que cuando n es grande, tanto la distribucin binomial como la fraccin de xitos (x/n), pueden ser reemplazadas por una distribucin normal con los parmetros respectivos. Por ejemplo, se puede decir que cuando n es grande, x/n sigue aproximadamente una distribucin normal, con media y variancia respectivamente, de 7T/4 y ?r/4(l irl4)/n. Por consiguiente, el nmero de corridas que es necesario realizar para que el valor estimado de TT, difiera de su valor verdadero en menos de 0.1, con una seguridad de 95%, puede ser encontrado al resolver la siguiente ecuacin:

y despejando el valor de n. se obtiene: y puesto que ZQ/2 1.96, entonces el valor de n resulta ser de 1036. En esta ltima expresin, se puede observar que el valor de n aumenta entre mayor sea el nivel de confianza o la exactitud requerida. En conclusin, se puede decir que para que el valor estimado de ?r, difiera de su valor verdadero en una cantidad menor que 0.1, es necesario simular 1036 corridas.

N=

4 (1 - /4)Z2 (0.1)2

EJEMPLO 5.4. PROYECTO DE INVERSIN

La compaa X desea incursionar en un nuevo negocio cuya inversin inicial requerida y los flujos de efectivo antes de depreciacin e impuestos de los prximos cinco aos siguen las siguientes distribuciones triangulares:
Estimacin pesimista Activo fijo inicial Activo circulante inicial Flujo antes de impuestos -$100,000 -40,000 30,000 Estimacin ms probable -70,000 -30,000 40,000 Estimacin optimista -$60,000 - 25,000 45,000

Adems, esta compaa estima que las tasas de inflacin en los prximos cinco aos siguen las siguientes distribuciones triangulares: Tasas de inflacin (%) Ao 1 2 3 4 5 Estimacin pesimista 18 18 22 25 28 Estimacin Estimacin ms probable optimista 15 15 18 20 22 12 12 15 18 19

Si la tasa de impuestos es de 50%, la TREMA de 15% y la alta administracin ha establecido que si Prob. ( TIR > TREMA |* > 0.90, entonces los nuevos proyectos se acepten; debera la compaa X aceptar este nuevo proyecto de inversin? (A suna que la vida fiscal del activo fijo es de 5 aos, y que el valor de rescate es un 20% del valor simulado para el activo fijo, y un 100% del valor simulado para el activo circulante.) Este problema sera muy difcil de resolver en forma analtica, puesto que tanto los flujos de efectivo como las tasas de inflacin son probabilsticas. Sin embargo, por medio de la simulacin es muy sencillo establecer o desarrolla! un modelo que incorpore toda la informacin probabilstica de las diferentes variables aleatorias que intervienen en el proyecto de inversin. Especficamente, los pasos necesarios para determinar la distribucin de probabilidad de la TIR y en base a ello tomar una decisin, seran:

*TIK = Tasa interna de rendimiento. TREMA = Tasa de recuperacin mnima atractiva. 1. Determinar la TIR mnima que puede resultar de la simulacin. El valor de TIR mnimo resulta cuando el activo fijo inicial, el activo circulante inicial, el flujo de efectivo antes de impuestos y las tasas de inflacin toman su valor pesimista. Para estos valores, la tabla 5.4 muestra los flujos de efectivo despus de impuestos. Para estos flujos de efectivo, la tasa interna de rendimiento que se obtiene es de 3.1%. 2. Determinar la TIR mxima que puede resultar de la simulacin. El valor de TIR mximo resulta cuando el activo fijo inicial, el activo circulante inicial, el flujo de efectivo antes de impuestos y las tasas de inflacin toman su valor optimista. Para estos valores, la tabla 5.5 muestra los flujos de efectivo despus de impuestos. Para estos flujos de efectivo se obtiene una tasa de rendimiento de 19.91%. 3. Dividir el intervalo (-3.1%; 19.91%) en 20 subintervalos iguales. 4. Simular el valor del activo fijo inicial y del activo circulante inicial, los cuales representan la inversin total del proyecto. 5. Determinar el flujo de efectivo despus de impuestos a pesos constantes, de acuerdo a la siguiente expresin: S = X (1 + i)(1-T)+(0.2AF)(T)AC(i) (1+i) (1+i) Donde: = Flujo de efectivo despus de impuestos a pesos constantes. X1 = Valor simulado del flujo de efectivo antes de impuestos en el perodo t. ii. = Valor simulado de la tasa de inflacin en el perodo T = Tasa de impuestos. AF = Valor simulado del activo fijo inicial. AC = Valor simulado del activo circulante inicial. 6. Determinar el valor de rescate a pesos constantes, utilizando la siguiente expresin: VR = AC + (0.2AF){1 -T) 7. Calcular la tasa interna de rendimiento para estos valores simulados, de acuerdo a la siguiente expresin: S1

TABLA 5.5 FLIJOS DE EFECTIVO DESPUS DE IMPUESTOS CONSIDERANDO QUE TODAS LAS VARIABLES ALEATORIAS TOMAN SU VALOR OPTIMISTA.

AO

INVERSIN ADICIONAL EN ACTIVO CIRCULANTE

FLUJO DE DEPRECIACIN EFECTIVO ANTES DE IMPUESTO

INGRESO GRAVABLE

IMPUEST OS

FLUJO DE EFECTIVO DESPUS DE IMPUESTOS (PESO CORRIENTES)

FLUJO EFECTIVO DESPUS DE IMPUESTO (PESOS CONSTANTE S)

0 1 2 3 4 5 5

3,000 3,360 3,864 4,560 5,425

-$85,000 50,400 56,448 64,915 76,600 91,154 74,949 12,000 12,000 12,000 12,000 12,000 38,100 44,448 52,915 64,600 79,154 19,200 22,224 26,458 32,300 39,577 12,154

-$85,000 28,200 30,864 34,594 39,740 46,115 62,795

-$85,000 25,179 24,605 23,981 23,346 22,783 31,000

TABLA 5.4 FLUJOS DE EFECTIVO DESPUS DE IMPUESTOS CONSIDERANDO QUE TODAS LAS VARIABLES ALEATORIAS TOMAN SU VALOR PESIMISTA.

AO

INVERSIN ADICIONAL EN ACTIVO CIRCULANTE

FLUJO DE DEPRECIACIN EFECTIVO ANTES DE IMPUESTO

INGRESO GRAVABLE

IMPUEST OS

FLUJO DE EFECTIVO DESPUS DE IMPUESTOS (PESO CORRIENTES)

FLUJO EFECTIVO DESPUS DE IMPUESTO (PESOS CONSTANTE S)

0 1 2 3 4 5 5

7,200 8,496 10,365 12,956 16,584

-$140,000 35,400 41,772 50,962 63,702 81,539 163,078 20,000 20,000 20,000 20,000 20,000 15,400 21,772 30,962 43,702 61,539 7,200 10,886 15,481 21,851 30,769 27,180

-$140,000 20,500 22,390 25,116 28,895 34,185 135,898

-$140,000 17,373 16,080 14,785 13,608 12,577 50,000

- (AF + AC) +

S1

(1+ TIR) + VR

(1+TIR)5 = 0

8. Incrementar la frecuencia observada del subintervalo al cual pertenece el valor de TIR simulado en el paso anterior. 9. Repetir los pasos anteriores tantas veces como se desee. Como se puede apreciar en el procedimiento anterior, la simulacin de un valor de TIR, implica la simulacin de una serie de variables aleatorias (inversin inicial, flujos de efectivo, tasas de inflacin, etc.), las cuales siguen distribuciones triangulares de la forma:

Por consiguiente, si se utiliza el mtodo de la transformada inversa para simular valores de estas variables aleatorias, se requiere primeramente determinar la distribucin acumulada de esta distribucin. Tal distribucin se muestra a continuacin: (x-a)2 / (c-a)(b-a) , si a x b F(X) = 1 (x-c)2/ (c-a)(c-b) , si b x c

Con la distribucin acumulada definida, el procedimiento para simular valores de una distribucin triangular seria: 1. Generar un nmero uniforme R. 2. Es R < (6 - a)l(c - a)! Si la respuesta es afirmativa, entonces: x = a + (c-a)(b-a)R

Por el contrario, si la respuesta es negativa, entonces: x=c- (c-a)(c-b)(1-R) 3. Repetir los pasos anteriores tantas veces como se desee.

Si se aplica el procedimiento descrito anteriormente, y el mtodo de la transformada inversa para simular distribuciones triangulares, el resultado es el histograma de la TR que se muestra en la tabla 5.6. A partir de este histograma, se obtiene la distribucin acumulada de la TIR, la cual se muestra en la figura 5.1. En esta ltima figura se puede apreciar que la Prob.{TIR > TREMA} es prcticamente nula. Esto significa, que de acuerdo a los estndares establecidos por la alta administracin, el proyecto deber ser rechazado. Finalmente, conviene sealar que esta decisin es bastante confiable, puesto que en la tabla 5.6 se muestran los resultados de simular 1,000 veces el valor de TIR. TABLA 5.6. Frecuencia acumulada de la TIR (%). Lmite inferior del intervalo - 3.10 - 1.95 - 0.80 0.35 1.50 2.65 3.80 4.96 6.11 7.26 8.41 9.56 10.71 11.86 13.01 14.16 15.31 16.46 17.61 18.76 Lmite superior Fraccin del intervalo - 1.95 - 0.80 0.35 1.50 2.65 3.80 4.96 6.11 7.26 8.41 9.56 10.71 11.86 13.01 14.16 15.31 16.46 17.61 18.76 19.91 0.000 0.000 0.000 0.000 0.003 0.019 0.082 0.141 0.189 0.193 0.184 0.111 0.057 0.015 0.006 0.000 0.000 0.000 0.000 0.000 Fraccin acumulada 0.000 0.000 0.000 0.000 0.003 0.022 0.104 0.245 0.434 0.627 0.811 0.922 0.979 0.994 1.000 1.000 1.000 1.000 1.000 1.000

Figura 5-1 Distribucin acumulada de la tasa interna de rendimiento.

EJEMPLO 5.5. SISTEMA DE INVENTARIOS

La demanda mensual de un cierto producto sigue la siguiente distribucin de probabilidad emprica:
Cantidad Probabilidad Cantidad Probabilidad Cantidad Probabilidad

35 36 37 38 39 40 41 42 43

0.010 0.015 0.020 0.020 0.022 0.023 0.025 0.027 0.028

44 45 46 47 48 49 50 51 52

0.029 0.035 0.045 0.060 0.065 0.070 0.080 0.075 0.070

53 54 55 56 57 58 59 60

0.065 0.060 0.050 0.040 0.030 0.016 0.015 0.005

El tiempo de entrega est distribuido de acuerdo a la siguiente funcin de probabilidad Meses 1 2 3 Probabilidad 0.30 0.40 0.30: Los factores estacinales para cada uno de los meses del ao son como se muestra a continuacin: Mes Factores Mes estacinales \ 2 3 4 5 6 1.20 1.00 0.90 0.80 0.80 0.70 1 8 9 10 11 12 Factores estacinale s 0.80 0.90 1.00 1.20 1.30 1.40

La informacin con respecto a los costos relevantes es la siguiente: Costo de ordenar = $100/orden Costo de inventario = $ 20/unidad / ao Costo de faltante = $ 50/unidad Si el inventario inicial se asume en 150 unidades, determine la cantidad ptima a ordenar ( q ) y el nivel ptimo de reorden (R) Los sistemas de inventarios a menudo contienen varios componentes estocsticos que interactan entre s. Cuando estos componentes son importantes, su consideracin en el modelo matemtico lo hace a ste considerablemente complejo. El modelo de inventarios determinstico asume demanda conocida y constante; un tiempo de produccin o de entrega conocido y fijo; una razn de produccin infinita; no se permite faltante; y los costos de llevar inventario y de ordenar son parmetros que tienen un comportamiento lineal. Cuando la demanda es aleatoria, el modelo de inventario es un poco ms sofisticado. Los sistemas de inventario, sin embargo, contienen ms componentes estocsticos. Adems de las variaciones en la demanda aleatoria, sta puede tener un comportamiento estacional. El tiempo de entrega entre colocar y recibir una orden puede ser estocstico. Se puede satisfacer con inventarios de perodos actuales, la demanda insatisfecha de perodos previos. Los costos de ordenar, llevar inventario y de faltante pueden ser difciles de estimar.

Estos parmetros pueden tambin ser no-lineales. Si muchas de estas complicaciones son importantes al sistema de inventarios que se est analizando, el desarrollo de un modelo matemtico que represente a este sistema podra resultar significativamente complejo. Sin embargo, un modelo de simulacin, procesado con la ayuda de la computadora, podra ser ms fcil, ms confiable y ms efectivo. El sistema de inventarios que se analiza es lote constante y tiempo entre pedidos variables. Las variables de decisin para este modelo son la cantidad a ordenar q y el nivel de reorden R, las cuales minimizan los costos totales del inventario (costo de ordenar, costo de llevar inventario y costo de faltante). Por consiguiente, para evaluar el funcionamiento del sistema de acuerdo a los valores de las variables de decisin utilizados, costos totales anuales son acumulados. Cada vez que una orden es colocada, el costo de ordenar anual es incrementado en $100. El nivel de inventario promedio mensual es utilizado para evaluar el costo de llevar inventarios. Al final de cada mes se determina el nmero de unidades faltantes y el costo que esto representa. La suma de los costos anteriores, proporciona el costo total anual. Para entender el proceso de simulacin de este sistema de inventario, una simulacin manual de un ao de operacin es presentada en la tabla 5.7, y en la figura 5.2. Los valores de las variables de decisin utilizados en esta simulacin son: q = 200 y R = 100. Tambin, para esta simulacin se utiliz el mtodo de la transformada-inversa para simular las demandas (ver tabla 5.9) y los tiempos de entrega (ver tabla 5.10). El inventario inicial es de 150 unidades. La demanda simulada para el primer mes (considerando el factor de ajuste) fue de 64, lo cual reducir el inventario al final del mes a 86. El inventario promedio del primer mes es por consiguiente (150 + 86)12 = 118. Al final del primer mes, el nivel de existencias es menor que el nivel de reorden, por lo cual la primera orden es colocada. De acuerdo a la tabla 5.11, el tiempo de entrega de esta primera orden es de 1 mes. Por consiguiente, al principio del tercer mes 200 unidades se agregarn al nivel de existencias. Al final del sexto mes, una segunda orden es colocada, la cual de acuerdo a la tabla 5.11, se entregar a principios del dcimo mes. Este tiempo de

Figura 5.2. Simulacin para un ao de operacin del sistema de inventarios.

Tabla 5.7. Simulacin manual del sistema de inventarios (q = 200, R = 100).

MES
INVENTARIO NUMERO DEMANDA INVENTARIO FALTANTE INICIAL ALEATORIO AJUSTADA FINAL 150 86 234 187 156 116 91 57 19 171 113 40 ORDEN INVENTARIO MENSUAL PROMEDIO

1 2 3 4 5 6 7 8 9 10 11 12

0.74022 0.65741 0.66033 0.08355 0.55121 0.00911 0.14060 0.14845 0.41839 0.39685 0.74416 0.53152

64 52 47 31 40 25 34 38 48 58 69 70

86 34 187 156 116 91 57 19 0 113 44 0 30 29

118 60 211 172 136

104 74 38 4* 142

79 11**

*4 = 19/ 2 (19 / 48 )

**11= 40/ 2 (40 / 70)

TABLA 5.8 COSTOS TOTALES ANUALES DEL SISTEMA DE INVENTARIOS Costo de ordenar 3(100)= $ 300 Costo de llevar inventario 11449(1.67)= $ 1.918 Costo de faltante 59(50)= $ 2,950 Costo total $ 5,168

entrega de tres meses, origina en el noveno mes un faltante de 29 unidades. Consecuentemente, de las 200 unidades que llegaran al principio del dcimo mes, 29 sern usadas para satisfacer la demanda que qued insatisfecha en el perodo anterior. Finalmente, la tabla 5.8 muestra el costo total del sistema de inventario para un ao de operacin. Si se simulan varios aos ms (30 por ejemplo), se podra obtener el costo total promedio anual asociado a los valores mencionados de decisin (q 200, R = 100). Sin embargo, lo importante es aplicar una metodologa que progresivamente vaya mejorando los valores de las variables de decisin hasta determinar sus valores ptimos. Para este propsito, el algoritmo de Hooke y Jeeaves* ser aplicado. De acuerdo a este algoritmo, primero hay que seleccionar valores iniciales apropiados de las variables de decisin.

Despus, hay que obtener el costo total relacionado a estos valores. En seguida, se usa esta informacin para mejorar los valores de las variables de decisin. Esta iteracin ser repetida hasta que los valores ptimos de las variables de decisin hayan sido encontrados. La tabla 5.12 muestra todas las iteraciones que resultan de aplicar este algoritmo. En esta tabla se puede observar que los valores ptimos de las variables de decisin son: q = 173 y R 163, lo cual produce un costo total promedio anual de $3,245. Tabla 5.9. MTODO DE IA TRANSFORMADA INVERSA PARA SIMULAR VALORES DE LA DEMANDA.

TABLA 5.11. VALORES SIMULADOS DEL TIEMPO DE ENTREGA Orden 1 2 3 Nmero aleatorio 0.10622 0.86225 0.49?67 Tiempo de entrega simulado 1 3 2

TABLA 5.12. RESULTADOS DE LA APLICACIN DEL ALGORITMO DE HOOKE Y JEEAVES.

Cantidad Nivel de Costo Iteraci ordenada (q) reorden (R) total 1 2 3 4 5 6 50 130 170 175 175 173 50 130 170 170 165 163 830,057 6 308 3,751 3,482 3,395 3.245

EJEMPLO 5.6. SISTEMA DE COLAS

Una cadena de supermercados es abastecida por un almacn central. La mercanca llega a este almacn durante la noche. El personal encargado de descargar la mercanca consiste en tres personas, las cuales trabajan un turno de ocho horas (de las 11 PM. a las 7.30 A.M.). Estas personas pueden empezar a tomar sus alimentos a partir de las 3 A.M., para terminar a las 3.30 A.M. Si a las 3 A.M., se est descargando un camin, entonces, se empezar a tomar los alimentos al momento de terminar de descargarlo. P]l salario por hora que recibe este personal es de $25. El almacn slo recibe mercanca de las 11 PM., a las 7.30 A.M. Si tiempo extra es requerido, el salario percibido por el personal ser de $37.50 por hora. Finalmente, se estima que el costo de espera de un camin es de $100 por hora y el costo de tener operando el almacn es de $500 por hora.

Cuando el almacn abre sus puertas a las 11 PM., puede suceder que haya ms de un camin esperando ser descargado. De informacin pasada, se sabe que el distribucin de probabilidad del nmero de camiones que estn esperando al momento de que el almacn abre sus puertas, es la siguiente: Cantidad de camiones 0 1 2 3 Probabilidad 0.50 0.25 0.15 0.10

Por otra parte, tambin de informacin pasada, se- sabe que la distribucin de probabilidad del tiempo entre llegadas, es la siguiente: Tiempo entre llegadas (minutos) 20 25 30 35 40 45 50 55 60 Probabilidad 0.02 0.08 0.12 0.25 0.20 0.15 0.10 0.05 0.03

Finalmente, por medio de experimentacin se han obtenido las distribuciones de probabilidad del tiempo de servicio para diferentes tamaos de equipo. Tales distribuciones se muestran a continuacin:

Tiempo de servicio (minutos) de tres personas 20 25 30 35 40 45 50 55 60 Tiempo de servicio (minutos) de cinco personas 10 15 20 25 30 35 40 45 50

Probabilidad

Tiempo de servicio (minutos) de cuatro personas

Probabilidad

0.05 0.10 0.20 0.25 0.12 0.10 0.08 0.06 0.04 Probabilidad

15 20 25 30 35 40 45 50 55 Tiempo de servicio (minutos) de seis personas

0.05 0.15 0.20 0.20 0.15 0.12 0.08 0.04 0.01 Probabilidad

0.10 0.18 0.22 0.18 0.10 0.08 0.06 0.05 0.03

5 10 15 20 25 30 35 40 45

0.12 0.15 0.26 0.15 0.12 0.08 0.06 0.04 0.02

Si todo el equipo se considera como un servidor, cul es el tamao ptimo del equipo? El anlisis de sistemas de colas frecuentemente ilustra la dificultad de construir un modelo matemtico que contenga todos los elementos presentes en el sistema. Generalmente, los modelos de colas asumen que el tiempo entre llegadas y el tiempo de servicio siguen una distribucin exponencial. Tambin, estos modelos asumen que la cantidad de clientes que llegan al sistema por unidad de tiempo y la cantidad de clientes que el sistema sirve por unidad de tiempo siguen una distribucin poisson.

Adems de las anteriores suposiciones, estos modelos generalmente asumen que: 1) La fuente que alimenta al sistema es de tamao infinito; 2) El sistema ha alcanzado el estado estable; 3) La disciplina de servicio es primeras entradasprimeras salidas; 4) Los clientes que llegan al sistema se unen a la cola; 5) Los clientes que estn en la cola, permanecern en ella hasta que sean servidos; 6) Los clientes llegan en forma individual y 7) Las salidas del sistema son en forma individual. Estas suposiciones generalmente originan que las decisiones que se toman con base en estos modelos no sean confiables. En muchas situaciones, sin embargo, el sistema de colas puede tener caractersticas especiales importantes. Puede tener etapas transientes y de estado estable, puede ser dependiente, o formar parte de un grupo de facilidades independientes. Puede tener prioridades de servicio, c algunos clientes que llegar, al cisterna cuando la cola es excesivamente grande pueden rehusar entrar al sistema. Tambin, puede ser que la fuente que alimenta al sistema sea finita. La exclusin de tales caractersticas especiales puede distorcionar la naturaleza verdadera d e l sistema, por lo cual debern ser consideradas en la modelacin del mismo. Si hay varias caractersticas especiales importantes, una modelacin matemtica completa resultara difcil o casi imposible. En tales situaciones, el anlisis completo del sistema puede ser logrado a travs del uso de la tcnica de simulacin. En el sistema de colas que se analiza, existen tres elementos estocsticos que deben ser considerados. Estos elementos son: El nmero de camiones esperando ser servidos al momento de abrir sus puertas el almacn, el tiempo entre llegadas, y el tiempo de servicio. La variable de decisin para este modelo es la cantidad de personas que formarn el equipo que se encarga de descargar los camiones. Por consiguiente, para evaluar el funcionamiento del sistema de acuerdo a diferentes tamaos de equipo, costos totales por turno son acumulados. La simulacin de este sistema de colas puede ser realizada de dos maneras: 1) Incrementos a tiempo fijo, 2) Incrementos al prximo evento. Ambos procedimientos actualizan el estado del sistema de acuerdo a los eventos que ocurren en un intervalo especfico de tiempo. La diferencia entre estos procedimientos es la manera en la cual los incrementos son especificados. En incrementos a tiempo fijo el tiempo es adelantado en intervalos fijos de tiempo. Por ejemplo, el tiempo puede ser adelantado en intervalos de 30 minutos. Cuando el reloj de la simulacin es adelantado en esta unidad de tiempo, el sistema es actualizado al considerar todos los eventos que ocurrieron durante ese intervalo de tiempo. El sistema ahora est en un nuevo estado y listo para que el proceso sea repetido. En incrementos al prximo evento el reloj de la simulacin es adelantado por el tiempo entre eventos. Por ejemplo, si el tiempo entre el cuarto y el quinto evento es de 10 minutos, el reloj de la simulacin es adelantado por ese lapso de tiempo y el sistema es actualizado para el quinto evento. Este procedimiento ser aplicado para el sistema que se est analizando.

Para entender el proceso de simulacin de este sistema de colas, una simulacin manual de un turno de operacin es presentada en la tabla 5.19. El tamao de equipo utilizado para esta simulacin es de tres personas. Tambin, para esta simulacin se utiliz el mtodo de la transformada inversa para simular: los camiones que esperan al empezar a operar el almacn (ver tabla 5.13), el tiempo entre llegadas (ver tabla 5.14), y el tiempo de servicio (ver tabla 5.15)*. De acuerdo con los resultados mostrados en la tabla 5.19, a las 11 PM., cuando se inician las operaciones, un camin est esperando para ser servido (nmero aleatorio 0.63325). El servicio empieza a las 11 PM., y contina por 50 minutos (nmero aleatorio 0.83761, que de acuerdo a la tabla 5.15, corresponde a un tiempo de servicio de 50 minutos). El prximo arribo ocurre 40 minutos despus (nmero aleatorio 0.48355, que de acuerdo a la tabla 5.15, corresponde a un tiempo entre llegadas de 40 minutos). Consecuentemente, el reloj de la simulacin es adelantado a las 11.40. Como el primer camin se termina de descargar a las 11.50, entonces, hasta este momento se iniciar la descarga del segundo camin. Esto significa que el tiempo de ocio del segundo camin es de 10 minutos. El tiempo de servicio para el segundo camin es de 25 minutos (nmero aleatorio 0.14387, que de acuerdo a la tabla 5.15, corresponde a un tiempo de servicio de 25 minutos). El proceso contina para el resto del turno en una forma similar. Tabla 5.13 mtodo de la transformada inversa para simular los camiones que esperan al empezar a operar el almacn. Si Si Si Si 0.00 0.50 0.75 0.90 R R R R < < < < 0.50, entonces 0.75, entonces 0.90, entonces 1.00, entonces x=0 x=1 x=2 x=3

Tabla 5.14 mtodo de la transformada inversa para simular el tiempo entre llegadas. Si Si Si Si Si Si Si Si Si 0.00 0.02 0.10 0.22 0.47 0.67 0.82 0.92 0.97 R R R R R R R R R < < < < < < < < < 0.02, entonces 0.10, entonces 0.22, entonces 0.47, entonces 0.67, entonces 0.82, entonces 0.92, entonces 0.97, entonces 1.00, entonces x = 20 x = 25 x = 30 x = 35 x = 40 x = 45 x = 50 x = 55 x = 60

Tabla 5.15 mtodo de la transformada inversa para simular el tiempo de servicio (equipo para 3 persona).

Si Si Si Si Si Si Si Si Si

0.00 0.05 0.15 0.35 0.60 0.72 0.82 0.90 0.96

R R R R R R R R R

< < < < < < < < <

0.05, entonces 0.15, entonces 0.35, entonces 0.60, entonces 0.72, entonces 0.82, entonces 0.90, entonces 0.96, entonces 1.00, entonces

x = 20 x = 25 x = 30 x = 35 x = 40 x = 45 x = 50 x = 55 x = 60

A travs de las operaciones del turno nocturno, el tiempo entre llegadas y el tiempo de servicio son obtenidos utilizando nmeros aleatorios del apndice. Despus de cada evento, el reloj de la simulacin es actualizado. Tan pronto como algn servicio sea terminado despus de las 3 A.M., el personal dispondr de media hora para tomar sus alimentos. Para este caso result de 3.15 a 3.45 A.M. Para descargar el ltimo camin, el cual lleg a las 6.55 A.M., el personal tuvo que trabajar 10 minutos de tiempo extra. Por consiguiente, los costos totales que se incurren en este primer turno simulado son; Salarios = Tiempo normal + tiempo extra. = 3(8)(25)+ -37.50(3)(1/6). = $618.75. Espera = Operacin del almacn + espera del camin. = 500(8.67) + 100 (6.42). = $4,977 Costo total = 618.75 + 4,977 = $5,595 75

Tabla 5.16 mtodo de la transformada inversa para simular el tiempo de servicio (equipo para 4 persona). Si Si Si Si Si Si Si Si Si 0.00 0.05 0.20 0.40 0.60 0.75 0.87 0.95 0.99 R R R R R R R R R < < < < < < < < < 0.05, entonces 0.20, entonces 0.40, entonces 0.60, entonces 0.75, entonces 0.87, entonces 0.95, entonces 0.99, entonces 1.00, entonces x = 15 x = 20 x = 25 x = 30 x = 35 x = 40 x = 45 x = 50 x = 55

Tabla 5.17 mtodo de la transformada inversa para simular el tiempo de servicio (equipo para 5 persona). Si Si Si Si Si Si Si Si Si 0.00 0.10 0.28 0.50 0.68 0.78 0.86 0.92 0.97 R R R R R R R R R < < < < < < < < < 0.10, entonces 0.28, entonces 0.50, entonces 0.68, entonces 0.78, entonces 0.86, entonces 0.92, entonces 0.97, entonces 1.00, entonces x = 10 x = 25 x = 20 x = 25 x = 30 x = 35 x = 40 x = 45 x = 50

Tabla 5.18 mtodo de la transformada inversa para simular el tiempo de servicio (equipo para 6 persona). Si Si Si Si Si Si Si Si Si 0.00 0.12 0.27 0.53 0.68 0.80 0.88 0.94 0.98 R R R R R R R R R < < < < < < < < < 0.12, entonces 0.27, entonces 0.53, entonces 0.68, entonces 0.80, entonces 0.88, entonces 0.94, entonces 0.98, entonces 1.00, entonces x=5 x = 10 x = 15 x = 20 x = 25 x = 30 x = 35 x = 40 x = 45

Aunque esta es la simulacin de un turno, los resultados son significativos. Los camiones esperan demasiado tiempo. Los costos de espera son mucho mayores que los salarios percibidos por el personal. A partir de estos resultados, podra pensarse que incrementando el nmero de personas encargadas de descargar los camiones, el costo total promedio por turno se reducira. Veamos qu pasa si el tamao del equipo se incrementa a 4 personas. Para este propsito, la tabla 5.20 muestra los resultados obtenidos en una simulacin manual de un turno de operacin. Para este nuevo tamao de equipo, los costos totales que se incurren en el primer turno simulado son: Salarios Espera =4 (8)(25)+ 37.50(4)(1/4). = $837.50 = 500(8.75) + 100 (0.83)

= $4,458 Costo total = 837.50 + 4,458 = $5,295.50 De los resultados anteriores, podra pensarse que 4 trabajadores es ms econmico que tres trabajadores. Sin embargo, considerar adecuadamente las variaciones en los resultados obtenidos con diferentes tamaos de equipo, requiere realizar un gran numero de simulaciones. Si se vara el tamao del equipo y se simulan varios turnos., entonces, es posible determinar el tamao del equipo para el cual los costos totales son mnimos. La tabla 21 muestra los resultados que se obtienen al simular la operacin del almacn durante 60 turnos. Para estas simulaciones se consideraron tamaos de equipo de 3, 4, 5 y 6 personas. Como se puede apreciar en esta tabla, el tamao ptimo del equipo es de 6 personas. Esto significa, que la forma ms econmica de operar el almacn es con un equipo de 6 personas.

Tabla 5.20 simulacin de las operaciones de descarga durante un turno (equipo de 4 personas)
Numero aleatorio Tiempo Tiempo Iniciacin Numero entre de del aleatorio llegadas llegada servicio 45 30 30 50 30 30 35 40 35 45 35 45 25 11.00 11.45 12.15 12.45 1.35 2.05 2.35 3.10 3.50 4.25 5.10 5.45 6.35 7.00 11.00 11.45 12.20 1.5 0.33361 2.05 2.35 3.30 3.55 4.25 5.10 5.45 6.35 7.00 0.11403 0.65622 0.93997 0.22567 35 0.07126 0.37480 0.31678 0.54131 0.68416 0.52326 0.93460 0.31792 0.87315 Tiempo Terminacin Ocio del Tiempo Longitud de del servicio personal de de la servicio espera cola del camin 20 11.20 1 35 12.20 25 0 45 1.05 5 1 25 1.30 20 1 25 2.00 5 0 20 2.25 5 0 25 3.00 10 0 25 3.55 20 1 30 4.25 5 1 35 5.00 0 30 5.40 10 0 45 6.30 5 0 25 7.00 5 0 45 7.45 0

0.68971 0.18477 0.14707 0.83745 0.16930 0.20368 0.41196 0.66919 0.3535 0.79982 0.46850 0.69248 0.04013

Tabla 5.19 simulacin de las operaciones de descarga durante un turno (equipo de 3 personas)
Numero aleatorio Tiempo Tiempo Iniciacin Numero entre de del aleatorio llegadas llegada servicio 40 60 25 35 30 30 30 45 50 40 45 45 11.00 11.40 12.40 1.05 1.40 2.10 2.40 3.10 3.55 4.45 5.25 6.10 6.55 11.00 11.50 12.40 1.15 2.00 2.25 3.45 4.15 4.50 5.35 6.05 6.45 7.15 0.83761 0.14387 0.51321 0.72472 0.05466 0.84609 0.29735 0.59076 0.76355 0.29549 0.61958 0.17267 0.10061 Tiempo Terminacin Ocio del Tiempo Longitud de del servicio personal de de la servicio espera cola del camin 50 11.50 1 25 12.15 10 1 35 1.15 25 0 45 2.00 10 1 25 2.25 20 1 50 3.15 15 1 30 4.15 65 1 35 4.50 65 2 45 5.35 55 2 30 6.05 50 2 40 6.45 40 2 30 7.15 35 1 25 7.40 20 1

0.48355 0.98977 0.06533 0.45128 0.15486 0.19241 0.15997 0.67940 0.90872 0.58997 0.68691 0.73488

TABLA 21. SIMULACIN POR COMPUTADORA DEL SISTEMA DE COLAS DURANTE 60 TURNOS Y CONSIDERANDO DIFERENTES TAMAOS DE EQUIPO.

Tamao del equipo 3 4 5 6

Salario normal $600 800 1,000 1,200

Salario extra $421 035 165 47

Ocio del camin $2,261 1,202 455 125

Operacin del almacn $6,121 5,367 4,689 4,354

Costos totales 89,403 7,704 6,309 5,720