Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Manual Winqsb
Manual Winqsb
Manual Winqsb
NDICE
1- DESCRIPCIN GENERAL DEL SOFTWARE
2- INSTALACIN
3- FUNCIONALIDADES
4- INTERFAZ DE USUARIO
5- PROGRAMACIN LINEAL / SMPLEX (PL)
6- ANLISIS DE SENSIBILIDAD
7- MTODO DEL TRANSPORTE (NET)
8- TEORA DE COLAS (QA y QSS)
9- UTILIZACIN DEL SOFTWARE
DESVENTAJAS)
10- DIRECCIONES / ENLACES INTERESANTES
(VENTAJAS /
WINQSB 2.0
1.Descripcin General del Software.
Este programa contiene los mas tiles y populares mtodos cuantitativos usados en las ciencias
administrativas, investigacin de operaciones y administracin de operaciones. Por medio de una interfase
interactiva, los profesionales y estudiantes tienen fcil acceso a los diferentes mdulos de decisin para
resolver una gran variedad de problemas.
2.Instalacin
La descarga se inicia pulsando sobre la siguiente direccin:
http://gio.uniovi.es/descargas/descargas.htm
Tras la descarga el archivo nos aparece en formato winqsb2.zip (ver imagen), por lo tanto deberemos
descomprimirlo en una carpeta de nuestro escritorio a nuestra eleccin.
Ejecutar el archivo SETUP.exe que se encuentra en la carpeta que hemos preseleccionado anteriormente en
nuestro escritorio y automticamente nos aparecer la siguiente ventana:
3.FUNCIONALIDADES:
DESCRIPCIONES FUNCIONALES:
Cada mdulo de WinQSB es brevemente descrito a continuacin:
Linear Programming (LP) e Integer Linear Programming (ILP): Este programa resuelve los
problemas de LP usando el mtodo smplex o el mtodo grfico y los problemas de ILP usando el
procedimiento branch-and-bound.
Linear Goal Programming (GP) e Integer Linear Goal Programming (IGP): Este programa
resuelve los problemas de GP usando el mtodo simplex modificado o el mtodo grfico y los
problemas de IGP usando el procedimiento branch-and-bound.
Quadratic Programming (QP) e Integer Quadratic Programming (IQP): Este programa resuelve
los problemas de QP usando el mtodo simplex modificado o el mtodo grfico y los problemas de
IQP usando el procedimiento branch-and-bound.
Nonlinear Programming (NLP): Este programa resuelve los problemas no lineales no forzados
usando el mtodo de bsqueda y los problemas no lineales forzados usando el mtodo de la funcin
de castigo.
Network Modeling (NET): Este modulo resuelve los problemas de red incluyendo flujo de red
(transbordo), transporte, asignacin, caminos cortos, mximo flujo, cruces mnimos y problemas de
viajes de vendedores.
Dynamic Programming (DP): Resuelve 3 tipos populares de problemas dinmicos: Diligencia,
mochila y problemas de planeacin de produccin e inventarios.
PERT/CPM: Este mdulo resuelve los problemas de planeacin de proyectos usando el mtodo de
ruta crtica y la tcnica de evaluacin y revisin. As mismo realiza anlisis de choque, anlisis de
costos, anlisis de probabilidad y simulacin.
Queuing analysis (QA): Este programa resuelve el rendimiento de sistemas de colas de etapa
simple usando la formula de cercana, aproximacin o simulacin.
Queuing system simulation (QSS): Este programa modela y simula sistemas de colas simples y
multietapas con componentes, incluyendo poblaciones de clientes arribando, servidores, colas y/o
colectores de basuras.
Inventory theory and systems (ITS) : Resuelve problemas de control de inventarios: problemas de
cantidades econmicas a pedir (EOQ), problemas de descuento de cantidad de la orden, problemas
de periodos probabilsticos simples y problemas de tamao dinmico de lotes; y evala y simula 4
sistemas de control de inventarios: (s, Q), (s, S), (R, S) y (R, s, S).
Forecasting (FC): Este mdulo resuelve proyecciones de series de tiempo usando 11 diferentes
mtodos y adems utilizando regresiones lineales de mltiples variables.
Decision analisys (DA): El programa resuelve 4 tpicos problemas de decisin: Anlisis Beyesiano,
anlisis de tablas de rentabilidad, anlisis de rbol de decisin y la teora del juego de cero suma.
Markov process (MKP): Este programa resuelve y analiza el proceso de Markov.
Quality control charts (QCC): Construye grficos de control de calidad para variables y datos de
atributos y as mismo realiza anlisis de grficas relacionadas.
Acceptance sampling analysis (ASA): Este programa desarrolla y analiza los planes de muestreos
de tolerancias para atributos y caractersticas de calidad variable.
Job scheduling (JOB): Este programa resuelve los problemas de taller de tareas y programacin
del flujo de trabajo usando generacin heurstica y aleatoria.
Aggregate planning (AP): Soluciona los problemas de planeamiento agregado a las demandas de
satisfaccin del consumidor con mnimos o aceptables costos relacionados.
Facility location and layout (FLL): Este mdulo resuelve los problemas de facilidades de
localizacin, disposicin funcional y balanceo de lnea de produccin.
Material requirements planning (MRP): El programa efecta la planeacin de requerimiento de
materiales y determina que, cuanto y cuanto cuestan los materiales y componentes que son
requeridos para satisfacer un plan de produccin de productos finales para un horizonte de
planeacin .
4. INTERFAZ DE USUARIO:
La interfaz del usuario est compuesta por una barra de herramientas formada por:
Cualquier problema de PL consta de una funcin objetivo y un conjunto de restricciones. Cuando se formula
un problema de toma de decisiones como un programa lineal, se deben verificar las siguientes condiciones:
1- La funcin objetivo debe ser lineal. Vale decir que, se debe verificar que todas las variables estn
elevadas a la primera potencia y que sean sumadas o restadas (no divididas ni multiplicadas);
2- El objetivo deber ser ya sea la maximizacin o la minimizacin de una funcin lineal. El objetivo debe
representar la meta del decisor; y
3- Las restricciones tambin deben ser lineales. Asimismo, las restricciones deben adoptar alguna de las
siguientes formas: >,=,<.
El modelo matemtico que describe el comportamiento de la efectividad se denomina funcin objetivo.
Una variable de decisin es una variable que puede ser directamente controlada por el decisor. Tambin
existen algunos parmetros cuyos valores pueden ser inciertos para el decisor.
Todo el proceso de seleccin y rechazo de variables puede requerir reiteraciones mltiples hasta
desarrollar una funcin objetivo satisfactoria. Por lo general, el xito final es precedido por una serie de
fracasos frustrantes y pequeos progresos.
Aquellos valores que deberan tener las variables para la expresin matemtica tenga el mayor valor
numrico posible se denomina Maximizacin y al menor valor numrico posible Minimizacin.
A este proceso general de maximizacin o minimizacin se le denomina optimizacin.
Todo programa lineal consta de 4 partes: un conjunto de variables de decisin en forma matemtica, se
debe tener en cuenta lo siguiente:
1- Cules son las variables de decisin?(entradas registrables)
2- Cules son los parmetros? (entradas no controlables)
3- Cul es el objetivo o funcin objetivo? Qu quiere el dueo del problema?
4- Cules son las restricciones? Qu requerimientos se deben cumplir?
Resolucin de un modelo (LP)
Cambia el ancho
de la columna y
el largo de la fila
Formato de
los nmeros
Resuelve el
problema
Men de los
resultados
Resuelve el problema
mostrando cada
iteracin
Opciones de edicin:
Para completar la compresin de los reportes, es recomendable editar el nombre de las restricciones con una
frase que documente su significado en el modelo.
Para editar el nombre de las restricciones podemos ir
a Menu EDIT- CONSTRAINT NAME
Similarmente para editar el nombre de las variables
podemos ir Men EDIT- VARIABLES NAME.
[ El programa
trabaja por defecto con las
variables X1, X2, XN]
En algunos sistemas operativos de la Familia WINDOWS se han reportado fallas de ejecucin de la grfica,
para su ptima visualizacin se recomienda instalar los SERVICE PACK ms recientes, y en Windows XP
activar la compatibilidad de la aplicacin con Windows 95/98. En Linux el Software no ha sido probado por el
autor.
Si queremos resolverlo por el algoritmo SIMPLEX:
Hacemos clik en el icono donde aparece el un hombrecillo corriendo y como se muestra en la Figura N8:
Una vez introducidos los datos y corrido el modelo obtenemos el siguiente reporte combinado:
En sta rea, el significado para la fila 1, de los datos de izquierda a derecha es:
Del artculo 1 (X1) debemos producir cero (0) unidades. Su utilidad por unidad (C1) es de 3 y su
contribucin a al utilidad total es de Bs. Cero (0) [(0)X(3)=0].
Del artculo 2 (X2) debemos producir 9 unidades. Su utilidad por unidad (C2) es de 5 y su contribucin
a al utilidad total es de Bs.45 [(5)X(9)=45].
En la siguiente fila se muestra el valor total de la contribucin valor mximo de la funcin objetivo Z*
= 45 [(0)+(45)=45]. Es claro que dado el modelo actual, no es posible obtener una utilidad superior a Bs.45.
6. ANLISIS DE SENSIBILIDAD
Anlisis de sensibilidad de los coeficientes.
En las dos ltimas casillas de la fila uno, Figura N11, se muestra el anlisis de sensibilidad para C1 que nos
indica que la utilidad por unidad del artculo 1 debe estar en el rango de:
- < C1 < 7,5 para que la
solucin actual se mantenga ptima. Similarmente en las dos ltimas casillas de la fila dos, se muestra el
anlisis de sensibilidad para C2 que nos indica que la utilidad por unidad del artculo 2 debe estar en el rango
de: 2 < C2 < + para que la solucin actual se mantenga ptima.
Supongamos que la utilidad unitaria del producto 2 (C2) disminuye en un 50%, y se ubica en 2.5, este
valor se ubica en el intervalo de sensibilidad 2 < C2 < + por lo tanto el valor actual de la solucin optima
sigue siendo X1=0 y X2=9, es decir:
Del artculo 1 (X1) debemos producir cero (0) unidades. Su utilidad por unidad (C1) es de 3 y su
contribucin a al utilidad total es de Bs. Cero (0) [(0)X(3)=0]. Del artculo 2 (X2) debemos producir 9
unidades. Su nueva utilidad por unidad (C2) es de 2.5 y su contribucin a al utilidad total seria: 22.5
[(2.5)X(9)=22,5]. El valor de Z seria: [(0)+(22.5)=22.5].
Cualquier variacin del coeficiente que viole los limites de sensibilidad provocara un cambio en los
valores de la solucin optima, por lo tanto para poder realizar un anlisis tendramos que disponer de una
nueva salida computacional hoy en da esta tarea significa invertir unos cuantos segundos al re-definir el
modelo, pero hace 50 aos era todo un dilema decidir correr una nueva salida.
Sin embargo, y volviendo al ejemplo, si decidiramos llevar la contraria a sta solucin ptima y
decidiramos producir unidades del producto 1, entonces por cada unidad producida, debemos reducir
nuestros costos unitarios en 4,50 (costo reducido) con lo cual la utilidad unitaria se ubicara 7,5 de esta
manera el valor de la solucin optima de X1 ser diferente a cero (en caso de presentarse un problema de
minimizacin de costos, la reduccin del costo unitario es directa ).
En la fila 2 el costo reducido es de 0 en atencin a que s se van a producir unidades del artculo 2 y
por lo tanto el valor optimo de X2 ya es diferente de cero (en este caso X2=9).
Anlisis de Sensibilidad de los Recursos:
Para poder clarificar el concepto de precio sombra, podemos hacer analoga con el proceso de valoracin de un bovino hembra por ejemplo que
muere por accin de una operacin de mantenimiento petrolero, dicho valor total seria la suma de valor en carne, su valor por la futura
produccin de leche, su valor por las futuras pariciones y un valor por pedigr o rbol genealgico, es decir es vendido en funcin a su aporte a
las utilidades.
Opciones de edicin:
Para completar la compresin de los reportes, es recomendable editar el nombre de las restricciones con una
frase que documente su significado en el modelo.
Para editar el nombre de las fuentes y destinos
podemos ir
a Menu EDIT- CONSTRAINT NAME
[ El programa trabaja por defecto con las
variables Destination# y Source#]
Problem Name: Cambiar el nombre del problema
Objective Function Criterion: Criterio de la Funcin
o Minimizacin)
Problem Type: Tipo de problema
Add Node: Aadiremos un Nodo
Delete Node: Eliminaremos un Nodo
Introduccin de valores:
Objetivo(Maximizacin
El modo de edicin del men principal permite cambiar los rtulos de las fuentes y los destinos. No es
necesario que la oferta sea igual a la demanda, el software se encarga de agregar fuentes destinos de
holgura, segn sea la necesidad.
Para solucionar el problema, se da clic sobre el icono que aparece en la parte superior y que se seala en
la figura siguiente:
El WinQsb le ofrecer entonces una ventana con la respuesta ptima del problema, indicando
cuntas unidades enviar desde cada una de las ciudades de origen a cada una de las ciudades de
destino, con su costo por envo y el costo total de la operacin.
Si se usa ste icono, el WinQsb nos ilustrar mediante una red la respectiva respuesta ptima al
problema.
Por la otra forma de representacin que hemos comentado anteriormente (ilustracin mediante una red),
obtenemos el siguiente grfico:
Por ejemplo un sistema de colas M/M/1, el sistema de colas ms simple, tiene una distribucin de llegada
tipo Poisson, una distribucin de tiempo de servicio del tipo exponencial y un solo canal (un servidor).
Note que aqu usando esta anotacin, siempre se asume que hay solamente una cola (lnea de espera) y los
clientes se mueven de esta sola cola hacia los servidores.
ANLISIS DE SENSIBILIDAD.
QA realiza el anlisis de sensibilidad segn un rango especificado de nmero de servidores, proporcin de
servicio (), coeficiente de presin de servicio, proporcin de la llegada (), el tamao del lote (volumen) ,
coeficiente de retardacin de llegada, la capacidad de la cola, poblacin del cliente, costo de servidor
ocupado por unidad de tiempo, costo de servidor ocioso por unidad de tiempo, costo de cliente en espera por
unidad de tiempo, costo de cliente servido por unidad de tiempo, costo por cliente sin atender por unidad de
tiempo, costo unitario de la capacidad de la cola. la capacidad de la cola, poblacin del cliente, costo de
servidor ocupado por unidad de tiempo, costo de servidor ocioso por unidad de tiempo, costo por cliente en
espera por unidad de tiempo, costo por cliente servido por unidad de tiempo, el costo por cliente no atendido,
o costo por capacidad de cola unitaria. QA resuelve y compara las actuaciones segn la entrada, salida, y
valores del paso del parmetro seleccionado. Usted puede especificar la aproximacin o simulacin para el
problema con el valor del parmetro que no tiene ninguna frmula aproximada disponible.
ANLISIS DE CAPACIDAD.
Dos capacidades bsicas del sistema de colas son consideradas en QA: nmero de servidores y la
capacidad de la cola. Despus de especificar los rangos del nmero de servidores y la capacidad de la cola,
QA realiza la comparacin del costo para una combinacin de capacidades diferentes. Note que los
elementos del costo necesitan ser especificados en la entrada de los datos.
FRMULA DE APROXIMACIN.
Cuando el problema de la formacin de colas no tiene ninguna solucin aproximada, QA resuelve el Lq
como un modelo de G/G/s para la aproximacin siguiente
Lq= (Lq de M/M/s) [Var(tiempo de servicio) + Var(tiempo entre llegadas)]/2
donde Var representa la varianza. El resto de las medidas de la actuacin de la cola siguen la frmula de
M/M/s.
SIMULACION, SIMULACION MONTE CARLO, SIMULACION DE EVENTOS DISCRETOS.
La simulacin es la imitacin de un proceso del mundo-real o sistema a lo largo del tiempo . La simulacin
involucra la generacin de eventos artificiales o procesos para el sistema y recolecta las observaciones para
dibujar cualquier inferencia sobre el sistema real. Una simulacin del eventos discretos simula slo eventos
que cambian el estado de un sistema. QA realiza la simulacin de eventos discretos simulando los dos
eventos mayores en el sistema de colas: llegada del cliente y realizacin de servicio. El mtodo de Monte
Carlo emplea los modelos matemticos o la transformacin inversa para generar variables del azar para los
eventos artificiales y colecciona observaciones. QA tambin acostumbra usar la transformacin inversa para
generar el tiempo de servicio, el tiempo entre llegadas, y tamao del lote que gua el evento del sistema de
formacin de colas.
Transformacin Inversa:
Asuma que la variable aleatoria X tiene la distribucin de probabilidad de f(X) y su funcin acumulada
es F(X). Sea r un nmero al azar del intervalo uniformemente distribuido [0,1]. La transformacin
inversa para obtener una muestra de la variable aleatoria de la distribucin f(X) es como sigue:
a). Obtenga un nmero del azar r
b). Resuelva X de la ecuacin r = F(X), es decir, encuentre el X tal que ese
r=
Prob. (xX)
Para cualquier nmero del azar, QA acostumbra usar un mtodo congruencial para generar un
nmero del pseudo-aleatorio, es decir,
:
Media
:
Varianza
Las distribuciones disponibles en WINQSB son:
Distribucin Beta.
Distribucin Binomial
Constante.
Distribucin Discreta
Distribucin Erlang
Distribucin Exponencial
Distribucin Gama
Distribucin Geomtrica
Distribucin Hipergeometrica
Distribucin de Laplace
Distribucin logartmica Normal
Distribucin Normal
Distribucin de Pareto
Distribucin Poisson
Distribucin de Funcin Potencial
Distribucin Triangular
Distribucin Uniforme
Distribucin Weibull
COSTOS RELACIONADOS CON LA COLA
Los costos relacionados con la cola incluyen:
El costo total de servidor ocupado por unidad de tiempo = Cs(L-Lq) = Cs
El costo total de servidor ocioso por unidad de tiempo = Ci (s-) = Ci (s-L+Lq)
Costo total de cliente que espera por unidad de tiempo = Cw Wq ( (n) P(n))
Costo total de cliente que esta siendo atendido por unidad de tiempo =
Cu (W-Wq) ( (n) P(n))
El costo total de ser del cliente sin atender por unidad de tiempo = Cb B
Costo total de la cola por unidad de tiempo = Cq Q
Costo Total del sistema por unidad de tiempo = la Suma de todos los anteriores
Notese que estos son los costos utilizados por el paquete, diferencindose de aquellos llevados en la materia
de Programacin Matemtica, pudindose encontrar algunas diferencias en los resultados.
BARRA DE TAREAS
La barra de tareas es similar a la que existe en los otros mdulos del WINQSB, diferencindose solamente en
algunos botones, por lo cual solo se explicar a aquellos que diferencian a este de los otros mdulos:
Este comando resuelve la actuacin de la cola. Si no existe ninguna frmula aproximada para el problema,
el programa preguntar si para resolverlo desea hacerlo por aproximacin o por la simulacin de Monte Carlo.
Despus de que la actuacin se evala, QA automticamente desplegar un resumen de la actuacin.
Este orden realiza la simulacin de evento-discreto de Monte Carlo para evaluar la actuacin de la cola.
Despus de escoger el comando, el programa desplegar una forma para especificar cmo se asigna la
semilla del azar, disciplina de la cola , tiempo de la simulacin, inicio de recoleccin de datos en el tiempo,
capacidad de la cola, y el mximo numero de recolecciones de los datos (observaciones). La semilla del azar
puede ser un valor predefinido, el reloj del sistema, o un valor entrado. Note que la misma semilla del azar
crear la misma secuencia de nmeros al azar (nmero aleatorios).
Usted puede especificar FIFO (primero en entrar-primero en salir PEPS), LIFO (ltimo en entrar-primero en
salir UEPS), o aleatorizar la disciplina de la cola. El FIFO es el que se asume para la frmula de
aproximacin.
Es importante especificar una capacidad de la cola limitada desde que los clientes en espera se guardan en la
memoria de la computadora. Una capacidad de la cola grande o muy grande puede usar toda la memoria de
la computadora. El valor por defecto es 1000 que es normalmente suficiente para la mayora de los casos.
Especificando un tiempo de simulacin razonable le permitir recolectar bastantes observaciones para la
evaluacin de la actuacin. Usted puede especificar un tiempo distinto de cero para la recoleccin para
arreglar los estados del sistema iniciales.
Usted tambin puede especificar el nmero del mximo de
recoleccin de datos (el valor por defecto es infinito (M)) como la regla de detencin de la simulacin. La
Esta orden realiza el anlisis de sensibilidad del problema de colas para un rango especificado de nmero
de servidores, proporcin de servicio (), coeficiente de presin de servicio, proporcin de la llegada (),
coeficiente de retardacin de llegada, el tamao de lote (volumen) , la capacidad de la cola, poblacin del
cliente, costo de servidor ocupado por unidad de tiempo, costo de servidor ocioso por unidad de tiempo, costo
de cliente en espera por unidad de tiempo, costo de cliente servido por unidad de tiempo, costo por cliente sin
atender por unidad de tiempo, costo unitario de la capacidad de la cola.
QA resuelve la actuacin de acuerdo al inicio, final, y valores de cada paso del parmetro seleccionado. Se
puede especificar la aproximacin o simulacin para el problema con el valor del parmetro que no tiene
ninguna frmula aproximada disponible. Este comando realiza el anlisis de sensibilidad del problema de
colas para un rango especificado de nmero de servidores, proporcin de servicio (), coeficiente de presin
de servicio, proporcin de la llegada (), etc. QA resuelve los costos segn los valores iniciales, finales, de
cada paso del nmero de servidores y capacidad de la cola.
Esta orden realiza el anlisis de capacidad del problema de colas con un nmero diferente de servidores y
capacidad de la cola. QA resuelve los costos segn los valores iniciales, finales, de cada paso del nmero de
servidores y capacidad de la cola. Se puede especificar la aproximacin o simulacin para el problema con el
valor del parmetro que no tiene ninguna frmula aproximada disponible.
(a). Random seed (semilla del Azar): Se puede escoger el valor por defecto o reloj del sistema, o
entrar un valor particular para la semilla del azar. Cada vez que ejecute la simulacin, si la
misma semilla del azar se usa, generar la misma sucesin nmeros aleatorios. Por
consiguiente, escogiendo el reloj del sistema como la semilla del azar garantiza una sucesin del
azar diferente.
(b). Queuing discipline (Disciplina de la cola): Se puede escoger FIFO (PEPS), LIFO (UEPS), o
al azar para la disciplina de la cola. La disciplina de la cola es la regla para poder escoger al
cliente en espera a ser servido cuando un servidor se pone disponible. Si el sistema tiene una
solucin de la forma aproximada, el resultado debe estar muy cerca del de la simulacin usando
la disciplina FIFO.
(c). Simulation time (Tiempo de la Simulacin): Que indica cuanto tiempo funcionar el sistema
de colas.
(d). Start collection time (Iniciar tiempo de coleccin): Indica cuando el programa empieza a
recolectar datos sobre la actuacin de la cola. Un tiempo de inicio distinto de cero para la
recoleccin puede filtrar la inicializacin del estado del sistema.
(e). Queue capacity (Capacidad de la Cola): esto permite al sistema el mantener a los clientes
de espera. El valor por defecto es 1000 que es normalmente suficiente para la mayora de las
situaciones. No se recomienda el entrar una capacidad de cola grande ya que puede usar toda la
memoria de la computadora.
(f). Maximum number of data collections (Nmero Mximo de recolecciones de datos): Esto es
otra regla de detencin para que el programa detenga el proceso de la simulacin. Acompaado
con el tiempo de la simulacin, el programa detiene la simulacin cuando cualquiera de los dos
se alcanza.
3. Presione el comando OK para iniciar la simulacin si las especificaciones anterior se han hecho.
Cuando se haya terminado la simulacin, el resultado se mostrar.
Fila 16: "Parameter 2", parmetro 2. (Si no existe ningn parmetro 2, entre 0.)
Fila 17: "Parameter 3", parmetro 3. (Si no existe ningn parmetro 3, entre en 0.)
Fila 18: "Queue capacity (maximum waiting space)", capacidad de la cola.
Fila 19: "Customer population", poblacin del cliente.
Fila 20: "Busy server cost per unit time", Costo de servidor ocupado por unidad de tiempo.
Fila 21: "Idle server cost per unit time", Costo de servidor ocioso por unidad de tiempo.
Fila 22: "Customer waiting cost per unit time", Costo de cliente en espera por unidad de tiempo.
Fila 23: "Customer being served cost per unit time", Costo de cliente atendido por unidad de tiempo.
Fila 24: "Cost of customer being balked", Costo de cliente sin atender por unidad de tiempo.
Fila 25: "Unit queue capacity cost", Costo Unitario de la capacidad de la cola.
Note que si la distribucin discreta es especificada para el tiempo de servicio, los tiempos entre llegadas, o el
tamao de lote uso el formato descrito Cmo Entrar una Distribucin Discreta.
2. Guarde la hoja de clculo en un archivo con el formato del texto.
3. Los datos guardados se archivan entonces y pueden ser recuperados por QA.
EJEMPLOS DE COLAS
1. Un almacn tiene 2 cajeras que atienden a razn de 1.5 minutos por cliente siguiendo una distribucin
exponencial. Los clientes llegan a este almacn siguiendo una distribucin Poisson a razn de 30 por
hora. Con esta informacin calcular: A)La probabilidad de que el sistema est lleno, B) La intensidad
de trafico.
Datos:
Numero de servidores = 2
=30 [cl/hr]
=1/1.5 [cl/min]= 40 [cl/hr]
El problema ser del tipo M/M/2/FIFO//
Procedimiento
1) Se iniciar un nuevo problema en el modulo Anlisis de Colas (QA).
2) Se elegir Sistema Simple M/M, por que es un modelo del que se conocen todos los datos. Este se
llamar Cajeras, eligiendo como unidad de tiempo a horas:
Average time customer spends in the queue = Tiempo promedio que un cliente pasa en la cola = Wq =
0.0041 [horas]
Average time customer spends in the queue for a busy system = Tiempo promedio que un cliente pasa en
la cola para un sistema ocupado = Wb = 0.02 [horas]
The probablity that all servers are idle = Probabilidad de que todos los servidores esten ociosos = P0 =
45.45 %
The probablity an arriving costumer waits = Probabilidad de que un cliente espere al llegar al sistema = Pw
= Pb = 20.45 %
Average number of customers being balked per hour = Numero promedio de clientes que no sern
atendidos por el sistema por hora = 0
En este caso no es necesario llegar a 200 clientes, ya que se puede observar claramente, que las
probabilidades de que existan 9 clientes, ya son casi cero (0.0001), siendo as que la probabilidad de que
existan 10 clientes sea cero.
Tambin podemos realizar una simulacin del sistema:
a) Si presionamos
En el que usaremos:
- La semilla de aleatoriedad por defecto
- Una disciplina de cola de tipo FIFO (PEPS)
- Un tiempo de simulacin de cola de 24 horas (1 da).
- El momento que iniciar la recoleccin de datos ser a las cero horas.
- La capacidad de la cola es infinita (M).
- El mximo de nmero de recolecciones de datos ser infinito (M).
Si presionamos OK, se llevar adelante la simulacin y veremos los siguientes resultados de la
actuacin de la cola durante 24 horas:
Average time customer spends in the queue = Tiempo promedio que un cliente pasa en la cola = Wq =
0.0026 [horas]
Average time customer spends in the queue for a busy system = Tiempo promedio que un cliente pasa en
la cola para un sistema ocupado = Wb = 0.0153 [horas]
The probablity that all servers are idle = Probabilidad de que todos los servidores esten ociosos = P0 =
48.8648%
The probablity an arriving costumer waits = Probabilidad de que un cliente espere al llegar al sistema = Pw
= Pb = 17.2951 %
Average number of customers being balked per hour = Numero promedio de clientes que no sern
atendidos por el sistema por hora = 0
Simulation time in hours = Tiempo de simulacin en horas = 24
Starting data collection in hour = Iniciar recoleccin de datos en el tiempo = 0
Number of observations collected = Nmero de observaciones recolectadas = 656
Maxium number of costumers in queue = Nmero mximo de clientes en la cola = 4
Total simulation CPU time in second = Tiempo total de simulacin en el CPU = 0.1050
Las probabilidades estimadas para n clientes:
Se puede observar que se puede esperar para un tiempo de simulacin de 24 horas, un mximo de 6 clientes
con una probabilidad de casi cero (0.0002).
Si presionamos
Podemos observar claramente de que la utilizacin del sistema va en incremento en una proporcin de 10
[cl/hr], y cuando sta llega a los 70 [cl/hr], se da una utilizacin del 87.5% (Mxima utilizacin posible),
pero si seguimos incrementando hasta llegar a los 80 [cl/hr], el sistema se vuelve inestable, es decir el
nmero de servidores es insuficiente.
Tambin podemos ver el grfico del anlisis de sensibilidad de un parmetro determinado en funcin
del parmetro analizado: Si presionamos en: Show Sensitivity Analysis Graph
En la que seleccionaremos como variable independiente para el grfico a L (Nmero promedio de clientes
en el sistema), en funcin de nuestro parmetro analizado ():
b) Si presionamos
2. Una cadena de supermercados es abastecida por un almacn central. La mercadera que llega a este
almacn es descargada en turnos nocturnos. Los camiones que descargan llegan en forma aleatoria
siguiendo una Poisson a razn de dos camiones por hora. En promedio 3 trabajadores descargan 3
camiones por hora siguiendo una distribucin exponencial. Si el nmero de trabajadores del equipo es
incrementado, la razn de servicio se incrementa en la misma proporcin. Cada trabajador recibe 5$
por hora durante el turno nocturno de 8 horas. El costo de tener el chofer esperando ser servido, se
estima en 20 $ por hora. Se desea determinar el tamao del equipo que minimiza el costo total.
Datos:
Numero de servidores = 2
=2 [cl/hr]
1= 3 [cl/hr], 2= 4 [cl/hr], 3= 5 [cl/hr]
El problema ser del tipo M/M/1/FIFO//
CS = 5 [$/hr]
CE = 20 [$/hr]
Procedimiento
1)
Se iniciar un nuevo problema en el modulo Anlisis de Colas (QA).
2) Se elegir Sistema Simple M/M, por que es un modelo del que se conocen todos los datos. Este se
llamar Supermercados, eligiendo como unidad de tiempo a horas:
Si presionamos
Podemos observar claramente de que a medida que se incrementa el nmero de servidores (1-15), los
costos totales van disminuyendo, pudindose notar que el que al llegar a 4 servidores, se tiene el costo
mnimo (23.4783), siendo que desde 5 servidores, nuevamente el costo total va en aumento. Podemos ver
el grfico del anlisis de sensibilidad de el costo total, en funcin del nmero de servidores:
Si presionamos en: Show Sensitivity Analysis Graph
3. Cierta computadora tarda exactamente 1.5 horas en atender un servicio requerido. Si los trabajos
llegan segn una Poisson a razn de un trabajo cada 120 minutos, se desea saber:
a) Qu tanto debe esperar en promedio un trabajo para recibir atencin?
b) Ser necesario la compra de otra computadora?
c) Si la distribucin del tiempo de servicio fuera Erlang con una media de 1.5 y con un parmetro
k = 5, Cunto debera esperar un trabajo para ser atendido? Cul sera la probabilidad de
ser atendido?
Datos:
Numero de servidores = 1
=1/120 [tr/min] = 0.5 [tr/hr]
= 1/1.5 [tr/hr] = 0.667 [tr/hr]
El problema ser del tipo M/M/1/FIFO//
Procedimiento
1) Se iniciar un nuevo problema en el modulo Anlisis de Colas (QA).
2) Se elegir Sistema Simple M/M, por que es un modelo del que se conocen todos los datos. Este se
llamar Computadora, eligiendo como unidad de tiempo a horas:
4) Al presionar el icono
2) Se elegir Sistema General de colas, por que es un modelo del que se conocen todos los datos de la
distribucin Erlang. Este se llamar Computadoras 1, eligiendo como unidad de tiempo a horas:
3) Como el problema es del tipo: M/EK/1/FIFO//. En la hoja de clculo se introducir los datos
conocidos como se muestra:
Al presionar el icono
4. Las secretarias de cinco oficinas sacan copias en una copiadora en forma peridica. La razn de
llegadas a la copiadora es Poisson con una media de 4 por hora; el tiempo de servicio es exponencial con
una tasa promedio de 6 por hora.
d) Cul es la probabilidad de que la copiadora est ociosa?
e) Cul es el nmero promedio de secretarias usando la copiadora?
f) Cul es el nmero promedio de secretarias en la copiadora?
Datos:
Numero de servidores = 1
= 4 [secr/hr]
= 6 [secr/hr]
El problema ser del tipo M/M/1/FIFO/5/5
Procedimiento
1) Se iniciar un nuevo problema en el modulo Anlisis de Colas (QA).
2) Se elegir Sistema Simple M/M, por que es un modelo del que se conocen todos los datos. Este se
llamar secretaria, eligiendo como unidad de tiempo a horas:
Al presionar el icono
Al presionar el icono
= 15 [autos/hr]
El problema ser del tipo M/M/1/FIFO//
Procedimiento
Los pasos 1 y 2 son los mismos, que en los anteriores problemas.
4) En la hoja de clculo se introducir los datos conocidos como se muestra:
Al presionar el icono
buscadas son:
Tasa de ocupacin del sistema = = 40%
Probabilidad de que el sistema este lleno = Pw = Pb = 22.8571%
Tiempo promedio que un cliente pasa en el sistema = W = 0.0794[horas]
Las respuestas
6. Una estacin de servicio maneja cuatro bombas de gasolina. El tiempo necesario para servir a un
cliente tiene una distribucin exponencial con un ndice medio de 5 minutos. Los automviles llegan a
la gasolinera con una distribucin de Poisson a un ndice medio de 30 por hora. Si llega un automvil y
no hay bombas disponibles, la venta se pierde. La venta promedio de gasolina es de 4 $ por
automvil.
a) Cunto puede esperar perder diariamente el dueo de la gasolinera, debido a la impaciencia
de los automovilistas?
b) Cul es la probabilidad de que un cliente se vaya?
c) S esta probabilidad fuera del 15 % o menos, Cul sera el nmero ptimo de bombas de
gasolina?
Datos:
Numero de servidores = 4
= 30 [autos/hr]
= 1/5 [autos/min] = 12 [autos/hr]
El problema ser del tipo M/M/1/FIFO/4/4
Procedimiento
Los pasos 1 y 2 son los mismos, que en los anteriores problemas.
5) En la hoja de clculo se introducir los datos conocidos como se muestra:
Al presionar el icono
En el que claramente podemos ver de que Pw < 15 % desde el momento en que se incrementa el nmero
de servidores a 5.
9. VENTAJAS-INCONVENIENTES WINQSB
WinQSB presenta numerosas ventajas para el usuario, las ms destacables son la facilidad de clculos,
variadas opciones y el rpido manejo de dicho programa ahorrndonos mucho tiempo en clculos y
asegurndonos el correcto clculo.
Todos los datos se nos muestran en distintas pantallas con todos sus posibles valores, grficas, etc. de
forma muy esquematizada, legible y de fcil comprensin. En la exploracin de dicho programa nos
encontramos multiplicidad de ejemplos, con los cuales es fcil su aprendizaje.
El principal inconveniente que nos podemos encontrar es el Idioma, dado que esta en Ingls y utiliza
trminos tcnicos, pero una vez entendidos los conceptos no debemos encontrar ningn problema en su uso.
Ha tener en cuenta que podemos cambiar el nombre de las variables para facilitarnos nuestro trabajo.
En conclusin es un programa muy completo e imprescindible tener conocimiento de su uso para su utilidad
en distintas aplicaciones.