METOS PROBABILISTICOS

Definicin:

E.O.Q. : modelo matemtico usado como la

base para la administracin de inventarios en el
que la demanda y el tiempo lder son
determinsticos

Contenido:

Son una serie de teoras las cuales

permiten dar soluciones muy precisas a
problemas cotidianos, solo basta con
conocer los parmetros que se desea
emplear para el modelo que se ha
seleccionado, con el uso de los
diferentes modelos podemos obtener
muy buenos resultados a una situacin
dada.

UNIDAD 1: Tcnica de
pronostico - Teora de
inventario

EOQ con descuento: Se asume que

el costo de adquisicin (Cp) disminuye en
la medida que aumenta el tamao de lote

LOTE DE PRODUCCIN Y EL SISTEMA DE CLASIFICACIN

ABC: una empresa manufacturera va produciendo
paulatinamente y a travs del tiempo va vendiendo los
artculos que le son demandados, El sistema de
clasificacin ABC nos ayuda a clasificar los inventarios en
tres categoras: Muy importantes, medianamente
importantes, poco o nada importantes.

Aplicados asi:

Capitulo 1: Tcnica de
pronstico: Toma de
decisiones para cambios
futuros a nivel de una
variable deseada en
funcin del tiempo.

Capitulo 2: Teora de Inventario : se

aplican en relacin con los
requerimientos del negocio en el cual
van a ser empleados y se convierten
en una base para la toma de
decisiones por los gerentes

modelos

Modelos Estocsticos: es aquel cuyo comportamiento es

no determinista, en la medida que el subsiguiente estado
del sistema est determinado tanto por las acciones
predecibles del proceso como por elementos aleatorios

Tcnica usada:

Regresin Lineal: Permite

predecir el
comportamiento de una
variable Y (dependiente)
en funcin a una o mas
variable X (independiente)
B (pendiente de la recta).

Modelo promedio Movil:

Un promedio mvil
muestra la direccin y la
duracin de una tendencia

Su

Su

Ecuacin: Yt= b+et

Ecuacin: Y= a + Bx

Suavizacin Exponencial
de serie de tiempo usa un
promedio ponderado
pasados como pronostico

Error del pronstico: es la

diferencia entre el valor real y
el pronosticado del perodo.
Existen tres mediciones de
funcionamiento para evaluar un
modelo de pronstico.

su

contiene

Ecuacin Ft+1= Dt + (1-)Ft

equivalente:

Ft+1= Ft + (Dt-Ft)

RMSE:
Error
medio
cuadrado
:
Es
el
promedio
de
las
diferencias al cuadrado,
entre el pronostico y los
valores observado

MAPE:
Error
medio
porcentual : Es la media
absoluta
entre
el
pronostico y los valores
observados
expresado
como porcentaje de los
valores observados.

MAE: Error medio absoluto : se

calcula
al
sumar
los
valores
absolutos de los
errores
individuales
del
pronostico, y dividindolos
entre el numero de periodos
de informacin.

METOS PROBABILISTICOS
UNIDAD 2: Cadena de
Markov Teora de colaProgramacin No Lineal

Capitulo 5:Progamacion Lineal: Cuando el

conjunto de restricciones, la funcin objetivo,
o ambos, son no lineales, se dice que se trata
de un problema de programacin no lneal.

Aplicados as

Ecuacion: P(Xt+1 = i \ X t = j )

Capitulo 3: Cadena de Markov:

encontrar el promedio a la larga o
las probabilidades de estado
estable para cada estado. Con esta
informacin se puede predecir el
comportamiento del sistema a
travs del tiempo.

Descripcin de

la

Capitulo 4: Teora de Colas: estudio

matemtico del comportamiento de lneas de
espera, cuando los "clientes" llegan a un
"lugar" demandando un servicio a un
"servidor", el cual tiene una cierta capacidad
de atencin. Si el servidor no est disponible
inmediatamente y el cliente decide esperar,
entonces se forma la lnea de espera

Casos de programacin
PROGRAMACIN
CUADRTICA:
Un
programa Matemtico en el cual cada
restriccin gi es lineal pero el objetivo es
cuadrtico f(x1,x2,..,xn) = S i=1,nS j=1,n cijxixj
+ S i=1,ndixi
MULTIPLICADORES DE LAGRANGE -CONDICIONES
KUNH TUCKER: Se pueden utilizar los
multiplicadores de Lagrange para resolver los
problemas no lineales en los cuales las restricciones
son igualdades.

cadena

Mantiene unas disciplinas

Probabilidades de transicin:
Diagrama de estado, Matriz
de Transicin

Probabilidades de estado estable:

Cuando una cadena de Markov ha
llegado suficientemente lejos como
para estar cerca de estos lmites, se
dice que ha alcanzado un estado
estable

Disciplina FIFO: el primero en llegar primero

en
ser
servido.
Disciplina de LIFO: ltimo en llegar, primero
en
ser
servido.
Disciplina SEOA: servicio en orden aleatorio

TCNICA DEL GRADIENTE La idea general es generar

puntos sucesivos comenzando en un punto inicial dado,
en la direccin del aumento ms rpido maximizacin
de la funcin

Debe especificar
Ecuacion
M

x1,x2].P = [ x1,x2]

MTODO DE NEWTON- RAPHSON un procedimiento

iterativo para resolver ecuaciones simultneas no
lineales. Aunque el mtodo se presenta en este
contexto, realmente es parte de los mtodos
conocidos como mtodos de gradiente para
optimizar numricamente funciones no restringida,
irrestrictas

El sistema de la cola: debe especificar la

distribucin de probabilidad de los tiempos de
servicio para cada servidor. La distribucin
ms usada es la exponencial, o determinstica
(tiempos de servicio constantes)

Formulas Calcular rendimiento

Probabilidad que el sistema
este ocioso. Po = 1-p

Probabilidad de que hayan

clientes en el sistema
Pn = pn *po

Nmero Promedio en Filas Lq

= 2 / (-)

Nmero Promedio
Sistema: L = (-)

en

el

Tiempo Promedio en la Cola:

Wq = / (-)

tiempo Promedio en
Sistema: Wq = 1 (-)

el