METODOS PROBABILISTICOS

Unidad 2: Tarea 3 - Solución de modelos probabilísticos de optimización

Presentado por:
Ismael Simanca Monslave
Código 1.047.339.913

Grupo:
104561_24

Tutor
Richard Leon Toro

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA-UNAD

ESCUELA DE CIENCIAS BASICAS, TECNOLOGIA E INGENIERIA-ECBTI
INGENIERIA INDUSTRIAL

Sabanagrande, Julio 03 de 2019

1. Modelos de línea de espera con un solo servidor.

a. Plantear un modelo de línea de espera con un solo servidor y número de clientes permitido en el sistema infinito (M/M/1):
Validación estadística para tiempos de servicio desarrolladas en la

· Determinar la tasa de llegada (λ) de acuerdo a los tiempos entre llegadas, según una Distribución de E
· Determinar la tasa de servicio (µ) de acuerdo a los tiempos de servicio, según una Distribución Expon
· Formular y plantear el modelo de Líneas de Espera bajo condiciones de estado estable
· Proponer gráficamente el diseño de la instalación de servicio del modelo de línea de espera.
· Determinar las medidas de desempeño de estado estable.
· Determinar las siguientes probabilidades de estado:
La probabilidad de inactividad en la instalación de servicio.
La probabilidad de actividad de más del 40%.
La probabilidad de actividad para el 70%.
La probabilidad de que un cliente tenga que esperar.
La probabilidad de estar desocupado el servidor.
La probabilidad de actividad menos del 50%.
La probabilidad de que por lo menos sean atendidos 10 clientes en una hora.
· Comprobar los resultados utilizando software de optimización WinQSB.

MEDIDAS DE DESEMPEÑO ESTABLE

PROBABLIDADES DE ESTADO

Medidas de desempeño

Tiempo entre Tiempo entre Cantidad

llegadas servicio Tasa de Tasa de Condicion de esperada de
(frecuencia (frecuencia llegada (λ) servicio (µ) estado (ρ) clientes en el
esperada) esperada) sistema (Ls)

7.5499222936 5.3386919853 7.947101661 11.238707939 0.7071187991 2.4143536589

Si � < �, el sistema puede operar en condiciones de estado estable, se tiene que:

(M/M/1): (DG/∞/∞)
Condicion de Tasa de llegada Tasa de Numero de Disciplina en
Limite del sistema
estado (ρ) (λ) servicio (µ) servidores la cola
DG
Disciplina
0.71 7.95 11.24 1 general ∞

Modelo de linea de espera

(M/M/1) : (DG/∞/∞)
12
11.24
10
 Modelo de linea de espera
(M/M/1) : (DG/∞/∞)
12
11.24
10

8
7.95

2
0.71
0
Ta sa de ll ega da (λ) Ta sa de servi ci o (µ) Condi ci on de estado (ρ)
itido en el sistema infinito (M/M/1): (DG/∞/∞) a partir de la Validación estadística para tiempo de llegadas y
mpos de servicio desarrolladas en la Tarea 1, para:

egadas, según una Distribución de Exponencial o de Poisson.

vicio, según una Distribución Exponencial o de Poisson.
es de estado estable (M/M/1): (DG/∞/∞).
modelo de línea de espera.

Medidas de desempeño estable Probabilidades de estado

Probabilidad
Cantidad Tiempo Tiempo Probabilidad
de Probabilidad Probabilidad
esperada de estimado de estimado de que un cliente
inactividad de actividad > de actividad =
clientes en la fila espera en el espera en la tenga que
del servicio 40 % 70 %
(Lq) sistema (Ws) fila (Wq) esperar
(ρ0)
1.71 0.3038030419 0.2148248421 29% 54% 105% 21%

Tamaño de la
fuente

∞
bilidades de estado

Probabilidad
Probabilidad Probabilidad
que este
de actividad < de atencion 10
desocupado el
50 % clientes/hora
servidor

29% 85% 31%

1. Modelos de línea de espera con un solo servidor.

b. Plantear un modelo de línea de espera con un solo servidor y número de clientes permitido en el sistema finito (M/M/1)
llegadas y Validación estadística para tiempos de servicio desarrolladas

· Determinar la tasa de llegada (λ) de acuerdo a los tiempos entre llegadas, según una Distribución de E
· Determinar la tasa de servicio (µ) de acuerdo a los tiempos de servicio, según una Distribución Expon
· Formular y plantear el modelo de Líneas de Espera bajo condiciones de estado estable
· Proponer gráficamente el diseño de la instalación de servicio del modelo de línea de espera.
· Determinar las medidas de desempeño de estado estable.
· Determinar las siguientes probabilidades de estado:
La probabilidad de inactividad en la instalación de servicio.
La probabilidad de actividad de más del 40%.
La probabilidad de actividad para el 70%.
La probabilidad de que un cliente tenga que esperar.
La probabilidad de estar desocupado el servidor.
La probabilidad de actividad menos del 50%.
La probabilidad de que por lo menos sean atendidos 10 clientes en una hora.
· Comprobar los resultados utilizando software de optimización WinQSB.

MEDIDAS DE DESEMPEÑO ESTABLE

PROBABLIDADES DE ESTADO

Tiempo entre Tiempo entre

llegadas servicio Tasa de Tasa de Condicion de
(frecuencia (frecuencia llegada (λ) servicio (µ) estado (ρ) PN
esperada) esperada)

7.5499222936 5.3386919853 7.947101661 11.238707939 0.7071187991 4.36798E-09

Si ρ ≠ 1�, el sistema puede operar.Si N = 50, se tiene que:

(M/M/1): (DG/50/∞)
Condicion de Tasa de llegada Tasa de Numero de Disciplina en
Limite del sistema
estado (ρ) (λ) servicio (µ) servidores la cola
DG
Disciplina
0.71 7.95 11.24 1 general 50

Modelo de linea de espera

(M/M/1) : (DG/∞/∞)
12
11.24
10
 Modelo de linea de espera
(M/M/1) : (DG/∞/∞)
12
11.24
10

8
7.95

2
0.71
0 0.00
Ta sa de ll ega da (λ) Tas a de s ervi ci o (µ) Condi ci on de esta do (ρ) PN
mitido en el sistema finito (M/M/1): (DG/N/∞) si N=50 a partir de la Validación estadística para tiempo de
ra tiempos de servicio desarrolladas en la Tarea 1, para:

egadas, según una Distribución de Exponencial o de Poisson.

vicio, según una Distribución Exponencial o de Poisson.
es de estado estable (M/M/1): (DG/N/∞).
modelo de línea de espera.

Medidas de desempeño de estado estable Probabilidades d

Probabilidad
Cantidad Cantidad Tiempo Tiempo
de Probabilidad
Tasa efectiva de esperada de esperada de estimado de estimado de
inactividad de actividad >
llegada (λef) clientes en el clientes en la espera en el espera en la
del servicio 40 %
sistema (Ls) fila (Lq) sistema (Ws) fila (Wq)
(ρ0)
7.9471016263 9.6574143476 8.95 1.2152121367 1.1262339369 15% 60%

Tamaño de la
fuente

∞
 Probabilidades de estado
Probabilidad
Probabilidad Probabilidad
Probabilidad Probabilidad de atencion
que un cliente que este
de actividad = de actividad < 10
tenga que desocupado el
70 % 50 % clientes/hora(
esperar (P1) servidor (P0)
Pn≥10)
70% 10% 15% 60% 114%
Ejercicio 2. Modelos de Programación estocástica.

1. Programación estocástica con restricciones aleatorias con todos los parámetros normalmente distribuidos.
Plantear un modelo de programación estocástica con restricciones aleatorias teniendo en cuenta la demanda pr
Ejercicio 2 de la Tarea 2, para diligenciar la Relación del comportamiento de la demanda:

· Determinar la demanda diaria normalmente distribuida y sus varianzas de cada uno de l

· Determinar la demanda periódica normalmente distribuida del dispositivo electrónico d
· Determinar la varianza de la demanda periódica normalmente distribuida del dispositiv
· Plantear el modelo de programación estocástica con restricciones aleatorias con todos lo
La función objetivo.
Las restricciones.
El problema determinista.
· Comprobar los resultados utilizando software de optimización WinQSB.

UNIDADES COMPONENTES

1 Mecánico
2 Electronico
1 Electrico

DISPOSITIVO UNIDADES
22039

DISPOSITIVO ELECTRONICO Periodo

19
20
21
22
23
24
25
26
27
28
29
 30
31
32
33
34
35
36

FUNCION OBJETIVO: 517 X1 +

SUJETO A 1304 X12 +
X1 +
X1 +

2. Programación estocástica con restricciones aleatorias con solo un parámetro normalmente distribu

Plantear un modelo de programación estocástica con restricciones aleatorias teniendo en cuenta la d

exponencial simple en Ejercicio 1 de la Tarea 2, la demanda diaria normalmente distribuida y su
inventario EOQ probabilizado en el Ejercicio 2 de la Tarea 2, para diligenciar la Relación del comp
la demanda diaria normalmente distribuida y sus varianzas de cada uno de los componentes del d
Determinar la demanda periódica normalmente distribuida del dispositivo electrónico de ilumin
demanda periódica normalmente distribuida del dispositivo electrónico de iluminación. • Plantear e
restricciones aleatorias con solo un parámetro normalmente distribuido, mediante: La función ob
determinista. • Comprobar los resultados utilizando software de optimiza

UNIDADES COMPONENTES

1 Mecánico
2 Electronico
1 Electrico

DISPOSITIVO UNIDADES
22039
 DISPOSITIVO ELECTRONICO Periodo
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36

FUNCION OBJETIVO: 517 X1 +

SUJETO A 1304 X12 +
X1 +
X1 +
n estocástica.

s aleatorias con todos los parámetros normalmente distribuidos.

tica con restricciones aleatorias teniendo en cuenta la demanda proyectada mediante Suavización exponencial simple en Ejercicio 1 de la Tarea 2, la dema
Relación del comportamiento de la demanda:

da diaria normalmente distribuida y sus varianzas de cada uno de los componentes del dispositivo electrónico de iluminación.
da periódica normalmente distribuida del dispositivo electrónico de iluminación.
a de la demanda periódica normalmente distribuida del dispositivo electrónico de iluminación.
programación estocástica con restricciones aleatorias con todos los parámetros normalmente distribuidos, mediante:

ados utilizando software de optimización WinQSB.

DESV. TÍPICA A
VARIANZA DE LA DEMANDA
DEMANDA DIARIA DE LA
DIARIA
DEMANDA D.
517 1304 36
1034 2607 72
517 1304 36

PARAMETRO b2
VARIANZA DE LA DEMANDA
DEMANDA PERIODICA NORMALMENTE
PERIODICA NORMALMENTE
DISTRIBUIDA ( Dp )
DISTRIBUIDA σ2 Dp
15515.121 248.108

( α1 ) ( α2 )
0.05 0.1

DEMANDA PERIODICA (Unidades) Demanda Diaria (Dd)

17195.00 573
17028.05 568
17103.57 570
16741.12 558
16493.96 550
16245.10 542
15883.77 529
15680.50 523
15372.85 512
14961.39 499
15598.40 520
 14958.39 499
14571.13 486
14043.92 468
14359.19 479
14255.72 475
14398.09 480
14382.04 479

1034 X2 + 517
2607 X2 +
2
1304
2 X2 + 2
X2 +

iones aleatorias con solo un parámetro normalmente distribuido.

ocástica con restricciones aleatorias teniendo en cuenta la demanda proyectada mediante Suavización
la Tarea 2, la demanda diaria normalmente distribuida y su varianza determinada en el modelo de
cicio 2 de la Tarea 2, para diligenciar la Relación del comportamiento de la demanda: • Determinar
buida y sus varianzas de cada uno de los componentes del dispositivo electrónico de iluminación. •
ormalmente distribuida del dispositivo electrónico de iluminación. • Determinar la varianza de la
uida del dispositivo electrónico de iluminación. • Plantear el modelo de programación estocástica con
arámetro normalmente distribuido, mediante: La función objetivo. Las restricciones. El problema
• Comprobar los resultados utilizando software de optimización WinQSB.

DESV. TÍPICA A
VARIANZA DE LA DEMANDA
DEMANDA DIARIA DE LA
DIARIA
DEMANDA D.
517 1304 36
1034 2607 72
517 1304 36

PARAMETRO b2
VARIANZA DE LA DEMANDA
DEMANDA PERIODICA NORMALMENTE
PERIODICA NORMALMENTE
DISTRIBUIDA ( Dp )
DISTRIBUIDA σ2 Dp
15515.121 248.108

( α1 ) ( α2 )
0.05 0.1
DEMANDA PERIODICA (Unidades) Demanda Diaria (Dd)
17195.00 573
17028.05 568
17103.57 570
16741.12 558
16493.96 550
16245.10 542
15883.77 529
15680.50 523
15372.85 512
14961.39 499
15598.40 520
14958.39 499
14571.13 486
14043.92 468
14359.19 479
14255.72 475
14398.09 480
14382.04 479

1034 X2 + 517
2607 X22 + 1304
2 X2 + 2
X2 +
Ejercicio 1 de la Tarea 2, la demanda diaria normalmente distribuida y su varianza determinada en el modelo de inventario EOQ probabilizado en el
 22,039
X3 + 1,645 y <= 0
X32 - y2 = 1657
X3 <= 0
 200,000
X3 + 1,645 y <= 0
X3 - y
2 2
= 1657
X3 <= 0
o EOQ probabilizado en el
 Referencias Bibliográficas

Recuperado el 24 de Junio de 2019 de:

Hillier, F. y Lieberman, G. (2010). Introducción a la investigación de operaciones (pp.725-737).

México, México: Editorial McGraw-Hill Interamericana
http://bibliotecavirtual.unad.edu.co:2053/?il=2269

García, A. (2006). Programación estocástica por metas: teoría y aplicaciones económicas (pp. 84-87). Madrid, Esp
https://bibliotecavirtual.unad.edu.co:2538/lib/unadsp/reader.action?ppg=103&docID=3168854&tm=154110969

Rojas, A. y Ospina, A. (2018). Modelos de línea de espera [OVI].

http://hdl.handle.net/10596/22265

Rojas, A. y Ospina, A. (2018). Modelos de programación estocástica [OVI].

http://hdl.handle.net/10596/22264
es (pp.725-737).

as (pp. 84-87). Madrid, España: Editorial Universidad Complutense de Madrid.

=3168854&tm=1541109698692