UN MANUAL COLABORACION DEL INTERNET Y DEL SENSEY

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:

En donde podremos cambiar el directorio (si as lo deseamos) luego pulsaremos En la siguiente ventana introduciremos nuestros datos u otros arbitrarios y pulsaremos CONTINUE. Importante: Es necesario introducirlos por lo contrario no se instalar.

Si la instalacin se ha realizado sin ningn problema aparecer en pantalla:

Y por lo tanto ya podemos empezar a utilizar nuestro programa.

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:

NOTA: Dependiendo de la funcionalidad aparecern nuevos iconos. A Continuacin describiremos los ms usuales:

5.PROGRAMACIN LINEAL / SMPLEX (PL)

La programacin lineal (PL) es un procedimiento matemtico para determinar la asignacin ptima de los recursos escasos. Se utiliza en problemas como: reducir el costo de operacin y, a la vez, mantener un nivel aceptable de servicio; utilidades de las operaciones actuales; proporcionar un mayor nivel de servicio sin aumentar los costos; mantener un funcionamiento rentable, cumpliendo a la vez con todas las reglamentaciones gubernamentales establecidas; o mejorar un aspecto de la calidad del producto sin reducir la calidad de otros aspectos
Observacin: La industria petrolera parece ser el usuario ms frecuente de la PL. Un gerente de procesamiento de datos de una importante empresa petrolera recientemente calcul que del 5% al 10% del tiempo de procesamiento informtico de la empresa es destinado al procesamiento de modelos de PL y similares.

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)

Se debe partir del supuesto que el modelo o de PL esta bien especificado, sin embargo dicho modelo a lo largo de su resolucin puede sufrir modificaciones segn sea el caso. Por ejemplo, supongamos que tenemos el siguiente modelo de produccin:

MAX Z = 3X1 + 5X2 (Utilidad total) Funcin Objetivo (Maximizar) S.A. X1 + 0X2 <= 4 (Restriccin del Recurso A) 3X1 + 2X2 <= 18 (Restriccin del Recurso B)
X1, X2 >= 0 (No negatividad) Donde X1 y X2, representa el nmero de unidades semanales a producir del Producto 1 y 2 respectivamente respectivamente, y la restriccin C1, y C2 representa la disponibilidad de recursos A y B para el proceso productivo.

1. Para Abrir el programa: Hacemos doble clic o un clic segn sea el caso sobre el icono: 2. Para crear un archivo nuevo: En la ventana inicial, hacemos mos un clic en el icono:

Otra opcin es ir al [Men FILENEW PROBLEM] tal y como se muestra en la Figura1:

En la ventana inicial tambin podemos, Abrir un archivo. [MENU FILE-LOAD LOAD PROBLEM] Salir del programa. [MENU FILE-EXIT] Ir a la Ayuda. [MENU HELP]

3. Para cargar los datos: En la caja de dilogo, debemos especificar la configuracin inicial del problema: PROBLEM TITLE: Titulo del problema. [Este nombre ser usado en los informes escritos y en la pantalla] NUMBER OF VARIABLES: Nmero de Variables. NUMBER OF CONSTRAINT: Nmero de restricciones: OBJECTIVE CRITERION: Criterio del Objetivo. Si queremos maximizar pulsamos la casilla de Maximization. Si queremos minimizar pulsamos la casilla de Minimization.

DATA ENTRY FORMAT: Tipo de Formato de entrada. MATRIX FORM: Forma matricial. NORMAL MODEL: Modelo final. DEFAULT VARIABLE TYPE: NONEGATIVE CONTINOUS: (Si las variables son no- negativas y continuas se activa esta casilla, el programa por defecto activa esta casilla siempre). NONEGATIVE INTEGER: (Si las variables son no- negativas y enteras se activa esta casilla). BINARY (0,1): (Si las variables son de tipo binarias se activa esta casilla). UNSIGNED/UNRESTRICTED: (Si las variables son de tipo sin signos o irrestricta se activa esta casilla). Veamos con nuestro ejemplo la figura N2

PROBLEM TITLE: PROBLEMA N1. NUMBER OF VARIABLES: 2 NUMBER OF CONSTRAINT: 2 OBJECTIVE CRITERION: Maximization. DATA ENTRY FORMAT: Normal Model. DEFAULT VARIABLE TYPE: Nonegative Continous.

Figura N2. Configuracin inicial del problema

Cargar el modelo final: En nuestro ejemplo lo haremos bajo una forma funcional normal, es decir con las ecuaciones completas del modelo especificado, sin embargo vale decir que en la forma alterna de matriz o hoja de clculo se introducen solo los coeficientes que acompaan a las ecuaciones, entonces es cuestin de preferencia sobre como introducir los datos. Exista cierto favoritismo entre los analistas de IO a preferir la forma normal pues permite copiar y pegar el modelo de cualquier editor de texto. La figura N3 nos muestra dicha situacin.

Cambia el ancho de la columna y el largo de la fila

Resuelve el problema

Men de los resultados

Formato de los nmeros

Resuelve el problema mostrando cada iteracin

Figura N3. Modelo cargado bajo la forma normal.

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]

Figura N4. Editando restricciones.

4.Para resolver el modelo: Finalmente si queremos resolver el modelo por el Mtodo Grfico hacemos clic en el icono donde aparece una grfica de un rea factible en 2 dimensiones, tal y como se muestra en la Figura N5:

N5. Aplicacin del mtodo grfico. Y en la caja de dialogo posterior se solicita el sentido de los ejes:

N6. Seleccin de ejes. Confirmados los ejes y haciendo clik en Ok, nos suministra la solucin grfica:

N7. Solucin Grfica.

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:

Figura N8: Correr el Mtodo Simplex.

Una vez introducidos los datos y corrido el modelo obtenemos el siguiente reporte combinado:

Figura N9. Reporte Combinado.

2. Como interpretar el reporte combinado. La Solucin ptima.

Figura N10. 1er Bloque Solucin ptima.

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.

Figura N11. Bloque de 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:

Figura N12. Bloque de anlisis de sensibilidad de los recursos. En figura 12, la fila 1 referente a la disponibilidad del recurso A, indica que del recurso A no se utilizar ninguna unidad, de las 4 disponibles, por ello la holgura de dicho recurso es de 4 unidades, siendo la restriccin inactiva por poseer un valor de holgura diferente de cero. El precio sombra nos indica que si se dispone de una unidad adicional del recurso A, ello ocasionar un incremento en la utilidad de 0 (si se dispone de una unidad menos del recurso A, ello ocasionar un decremento de 0); siempre y cuando el ; que son los valores que hacen valor del recurso se encuentre entre los lmites de sensibilidad 0 < b1 < que restriccin permanezca en su misma condicin. La fila 2, referente a la disponibilidad del recurso B indica que del recurso B se utilizan 18 unidades, de las 18 disponibles, por ello la holgura de dicho recurso es de 0 unidades, siendo la restriccin activa por poseer un valor de holgura igual a cero. El precio sombra nos indica que si se dispone de una unidad adicional del recurso B, ello ocasionar un incremento en la utilidad de 2,50 (si se dispone de una unidad menos del recurso B, ello ocasionar un decremento de 2,50) siempre y cuando el valor del recurso se encuentre entre los lmites de sensibilidad 0 < b2 < ; que son los valores que hacen que la restriccin permanezca en su misma condicin. En el caso en que una unidad del recurso deba ser vendido, su precio ideal sera como mnimo su precio sombra, ya que este nos indica el aporte marginal a la funcin objetivo por cada cambio unitario en el total de recursos. Es decir, si cada unidad del recurso B, debe ser vendida a otra empresa del mismo ramo, el precio mnimo de referencia debe ser 2,50, pues este es su aporte a la utilidad total1. Cualquier efecto en valor de la Funcin Objetivo producto de la variacin de recursos dentro de los limites permitidos, puede estimarse con la siguiente formula:

FO= FO + (Precio Sombra X Incremento) Por ejemplo se disminuye en 10 unidades el recurso B, ubicndose la disponibilidad en 8 como el valor del recurso se encuentre entre los lmites de sensibilidad 0 < b2 < , es posible inferir que: FO= 45 + (2.5 X -10) = 20. Anlogamente el incremento necesario para obtener un valor de la funcin objetivo requerido (FO) puede estimarse con:
1

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.

Incremento = (FO- FO)/Precio Sombra Es decir, si queremos obtener, un valor optimo de 65 por ejemplo, calculamos: Incremento = (65- 45)/2.5 = 8. El incremento de ocho unidades esta en el intervalo permitido 0 < b2 <

El reporte combinado, la salida o el problema puede catalogarse como no degenerado porque el numero de restricciones (2) es igual a la sumatoria de los valores positivos de la solucin optima (1) y los valores de holgura (1). Por ello todos los anlisis de sensibilidad son correctamente estimados y no se corre el riesgo de Ciclar el problema.

7.MTODO DEL TRANSPORTE

Modela y resuelve problemas de redes incluyendo el flujo de trabajo de red, transportacin, y de camino de prueba corta que incluye un conjunto de nodos conectados, donde solo un nodo es considerado como nodo de origen. El objetivo es determinar un camino de conexiones que minimicen la distancia total desde el origen al destino. Incluye capacidades para: - Resolver proflemas de flujo mximo. - Resolver el algoritmo para el problema del rbol de llave mnima. - Mtodo de Ramificacin y Acotamiento. - Muestra los pasos de la solucin. - Muestra la solucin grfica. - Realiza el anlisis What-if (anlisis de hiptesis) y el anlisis paramtrico. 3. Para Abrir el programa: Hacemos doble clic o un clic segn sea el caso sobre el icono: Network Modeling

4. Para crear un archivo nuevo: En la ventana inicial, hacemos un clic en el icono:

Otra opcin es ir al [Men FILENEW PROBLEM] tal y como se muestra en la Figura1:

En la ventana inicial tambin podemos, Abrir un archivo. [MENU FILE-LOAD LOAD PROBLEM] Salir del programa. [MENU FILE-EXIT] Ir a la Ayuda. [MENU HELP] 3. Para cargar los datos: En la caja de dilogo, debemos especificar la configuracin inicial del problema: PROBLEM TITLE: Titulo del problema. [Este nombre ser usado en los informes escritos y en la pantalla] NUMBER OF NODES: Nmero de Nodos. NUMBER OF OBJECTS: Nmero de Fuentes. NUMER OF ASSIGNMENTS: Nmero de Destinos. NUMBER OF CONSTRAINT: Nmero de restricciones: OBJECTIVE CRITERION: Criterio del Objetivo. Si queremos maximizar pulsamos la casilla de Maximization. Si queremos minimizar pulsamos os la casilla de Minimization. DATA ENTRY FORMAT: Tipo de Formato de entrada. SPREADSHEET MATRIX FORM: Forma matricial. GRAPHIC MODEL FORM: Modelo final. SYMMETRIC ARC COEFFICIENTS: Arcos simtricos PROBLEM TYPE: Tipo de Problema NETWORK FLOW: Flujo de Redes TRANSPORTATION PROBLEM: Problema del Transporte ASSIGNMENT PROBLEM: Problema de Asignaciones SHORTEST PATH PROBLEM: Problema de la Ruta ms Corta MAXIMAL FLOW PROBLEM: Problemas del Flujo Mximo MINIMAL SPANNING TREE: rbol del Mnimo Recorrido TRAVELING SALESMAN PROBLEM: El problema del Agente Viajero

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

Los atributos Supply (Oferta) y Demand (Demanda) aparecen automticamente

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.

Resolviendo nuestro ejemplo, obtenemos:

Por la otra forma de representacin que hemos comentado anteriormente (ilustracin mediante una red), obtenemos el siguiente grfico:

8.TEORA DE COLAS (MANDE)

Este programa, Anlisis de Colas (QA), resuelve y evala la actuacin de un sistema de colas y costos, resuelve la actuacin de una sola fase de un sistema de colas. La fase nica que hace cola en un sistema tiene elementos mayores incluso una poblacin del cliente, una cola, y un nico o mltiples servidores (canales). la poblacin del Cliente puede limitarse o ser ilimitada (infinita) con un modelo de llegada especificado (distribucin); la cola puede limitarse o ser de longitud ilimitada; y se pueden asumir servidores mltiples para ser idnticos con una distribucin de tiempo especifica. El sistema de colas se evala segn las medidas populares como nmero promedio de clientes en el sistema, el nmero promedio de clientes en la cola, el nmero de clientes en la cola para un sistema ocupado, el tiempo promedio que un cliente pasa en el sistema, tiempo promedio que un cliente pasa en la cola en un sistema ocupado, la probabilidad que todos los servidores estn ociosos, la probabilidad que un cliente se encuentre en espera al llegar al sistema, el nmero promedio de clientes sin atender por unidad de tiempo, el costo total de un servidor ocupado por unidad de tiempo, el costo total de un servidor ocioso por unidad de tiempo, costo total del cliente que se encuentra en espera por unidad de tiempo, costo total del cliente que se ha atendido por unidad de tiempo, costo total del cliente que no se atendi por unidad de tiempo, longitud total de la cola por unidad de tiempo, y el costo total del sistema por unidad de tiempo. Tres mtodos son incluidos para evaluar cada situacin de la formacin de colas: frmula de cercana, aproximacin, y la simulacin de Monte Carlo. Si ninguna forma est disponible para un problema de colas particular, usted puede especificar una aproximacin o simularla para poder resolverla. Las capacidades especficas de QA incluyen: Anlisis de la actuacin de la cola

Anlisis de sensibilidad para los parmetros del sistema Anlisis de capacidad para colas y capacidad de servicio Aproximacin si no existiese una forma similar Simulacin - la alternativa para la evaluacin de la actuacin 15 distribuciones de probabilidad para el tiempo de servicio, los tiempos entre llegadas, y tamao de lote de llegada Muestra la actuacin de la cola y anlisis del costo Muestra un grfico que muestra el anlisis de sensibilidad Entrada de los datos simple para los sistemas M/M NOTACIN. : Coeficiente de presin sobre el servicio. : Coeficiente de retardacin de llegadas : Tasa Promedio de llegadas. : Tasa Promedio de Servicio. : Tasa de ocupacin del sistema. : Intensidad de Trafico (/). B: Nmero Promedio de clientes en la cola b: Tamao del Lote. Cb: Costo por cliente no atendido Ci: Costo de Servidor Ocioso por unidad de tiempo. Cq: Costo por la capacidad de una cola. Cs: Costo de servidor ocupado por unidad de tiempo. Cu: Costo de cliente servido por unidad de tiempo. Cw: Costo por cliente esperando en la cola. K: Numero mximo de clientes permitidos en un sistema. L: Numero promedio de clientes en el sistema. Lb: Numero promedio de clientes en la cola para un sistema ocupado. Lq: Numero promedio de clientes en la cola. N: Poblacin de clientes. El programa considera a poblacin como infinita, cuando su nmero supera a 10000 clientes potenciales. n: Numero de clientes en el sistema, incluidos los que estn siendo atendidos, y los que estn en la cola. P0: Probabilidad de que todos los servidores estn ociosos. P(n): Probabilidad de que hayan n clientes en el sistema. Pw o Pb : Probabilidad de clientes que al llegar esperaran. Q: Capacidad mxima de la cola (Mximo espacio de espera). s: Numero de servidores o canales W: Tiempo promedio que el cliente pasa en el sistema. Wb: Tiempo promedio que un cliente pasa en un sistema ocupado. Wq: Tiempo promedio que un cliente pasa en la cola. Ac se muestra un sistema de notacin estndar para clasificar sistemas de colas como A/B/C/D/E/F, donde: A representa la distribucin de probabilidad para el proceso de llegadas B representa la distribucin de probabilidad para el proceso de servicio C representa el nmero de canales (servidores) D representa el nmero del mximo de clientes permitido en el sistema de colas (sirvindose o esperando por el servicio) E representa el nmero mximo de clientes en total N de clientes potenciales Opciones comunes para A y B son: M para una distribucin de llegada tipo Poisson (distribucin entre llegadas de tipo exponencial) o una distribucin del tiempo de servicio de tipo exponencial D para un valor deterministico o constante G para una distribucin general (pero con media y varianza conocida) Si no se especifican D y E entonces se da por supuesto que ellos son infinitos.

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,

r(i+1) = (a r(i) + b) mod c donde un, b, c son constantes, y i = 0, 1, 2,... Nota que dada la misma semilla aleatoria r(0), el mtodo genera la misma secuencia de nmeros al azar. DISTRIBUCIN DE PROBABILIDADES. QA permite manejar distribuciones de probabilidad para el tiempo de servicio, los tiempos entre llegadas, y tamao del lote. Las distribuciones disponibles en QA y sus funciones asociadas y los parmetros se describe mas adelante. Nosotros usaremos la anotacin siguiente para describir las funciones de la distribucin: P(a,b) : ab B(a,b) : Funcin Beta (a) : Funcin Gamma C(n,m): Combinatoria C mn Exp(a) : Funcin Exponencial, e a Log(a) : Logaritmo Natural de a sqr(a) : Raiz Cuadrada de a a! : Factorial de a f(x) : Funcin de Probabilidad (pdf) : 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.

COMANDOS DEL ANLISIS DE COLAS. MENU PRINCIPAL Y VENTANA INICIAL. Los mens para el QA despus que el programa est cargado se muestra debajo: Este comando inicia un nuevo problema de colas. La entrada para el nuevo problema incluye nombre del problema, unidad de tiempo, nmero de servidores, la proporcin de servicio () con una distribucin de tiempo de servicio, coeficiente de presin de servicio, proporcin de la llegada () con una distribucin de tiempo entre llegadas, el tamao del lote (volumen) con una distribucin de tamao de lote, coeficiente de retardacin de llegadas, capacidad de la cola (el espacio mximo de espera), poblacin del cliente, costo del servidor ocupado por unidad de tiempo, costo del servidor ocioso por unidad de tiempo, costo de espera del cliente por unidad de tiempo, costo de cliente servido por unidad de tiempo, el costo por cliente no atendido, y/o costo unitario de capacidad de cola. Si usted especifica el sistema de M/M simple, la entrada ser ms simple. Todos los datos se entran en la columna de "Entrada" exceptuando los parmetros de la distribucin que se entran en las columnas de "Parmetro". Si usted especifica la distribucin discreta durante el tiempo de servicio, tiempo entre llegadas, o tamao del lote, introduzca el nmero de datos discretos en Parameter 1 (Parmetro 1) y entre los datos discretos en Parameter 2 (Parmetro 2) usando el formato "value 1/probability 1, value 2/probability 2,..." (Valor 1/probabilidad 1, Valor 2/probabilidad 2). Si hay un problema sin guardar en edicin, cuando usted seleccione el comando New Problem (Nuevo Problema), QA preguntar si usted quiere guardar el problema. QA entonces aclara el rea de edicin para el nuevo problema. Este comando inicia una ventana de dialogo para abrir un archivo guardado previamente. El dilogo le permite tanto seleccionar un archivo de datos en directorio en particular, o entrar una especificacin de un archivo completo de datos incluyendo la ruta. QA mostrar automticamente el problema cargado. Este comando permite salir del programa VENTANA DE ESPECIFICACIN DEL PROBLEMA Para especificar un problema de colas, aqu se muestra el procedimiento: Paso 1. Entre en el ttulo del problema que ser parte del ttulo para las ventanas posteriores. Paso 2. Entre la unidad de tiempo para la descripcin del sistema de colas. El valor por defecto es hora. Paso 3. Elija o de clic en el formato de entrada siguiente Simple M/M System (Sistema M/M simple): Asume que tanto el servicio y la llegada del cliente tienen distribucin Poisson. General Queuing System (Sistema General de colas): Usted puede especificar una distribucin particular para el servicio, llegada del cliente, y tamao del lote. Paso 4. Si la especificacin est completa, apriete el botn de OK para la entrada de los datos. Por otra parte, apriete el botn de Cancel. El botn de Help est para poder proporcionar ayuda.

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

simulacin se detendr en el tiempo de simulacin o cuando se alcanza el mximo numero de colecciones de los datos.

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.

Este comando dispone de las siguientes opciones: Performance Summary. Esta orden muestra la actuacin del problema de colas. Incluye todas las medidas populares de la formacin de colas. Si la actuacin es medida por simulacin, el nmero de observaciones recolectadas, el nmero del mximo de clientes en la cola, y el tiempo total de simulacin del CPU en segundos ser mostrado. Probability Summary Este comando muestra la probabilidad del sistema de colas. Muestra P(n), la probabilidad de que existan n clientes en el sistema, donde n puede ser desde 0 a 200, y la probabilidad acumulativa. Show Sensitivity Analysis Table Este comando clasifica los resultados del 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. Show Sensitivity Analysis - Graph Este comando muestra los resultados grficos del 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. Despus de que la orden es escogida, seleccione una medida particular de la actuacin para el despliegue grfico. Show Capacity Analisis Este comando muestra los resultados del anlisis de capacidad del problema colas con un nmero diferente de servidores y capacidad de la cola. Todos los elementos del costo relacionados estn incluidos.

PROCEDIMIENTOS DEL ANLISIS DE COLAS COMO ENTRAR UN PROBLEMA Para entrar en un problema de colas, este es el procedimiento general: 1. Prepare los parmetros de la cola para el problema. (Nota: usted no tiene que tener un modelo formal para la entrada de los datos, puede modificarlo junto con el proceso.) 2. Seleccione el comando New Problem (Nuevo Problema) para entrar el problema. El programa plantear la ventana de especificacin. Seleccione tanto el sistema de M/M simple o el sistema de colas general para la entrada de los datos. 3. Entre los parmetros de la cola en la columna de "Entry" (Entrada). Note que para el sistema de colas general, los parmetros de la distribucin entran en las columnas de "Parameters 1-3" (Parmetros 13). 4. (Opcional) Use las rdenes de Format (Formato) para cambiar el formato numrico, conjunto de caracteres, color, alineacin, alturas de la fila, y anchuras de la columna. 5. (Opcional, pero importante) Despus que el problema se entra, escoja el comando Save Problem As (Guardar el Problema Como) para guardar el problema. COMO ENTRAR UNA DISTRIBUCIN DE PROBABILIDAD Para entrar una distribucin de probabilidad, este es el procedimiento general: 1. Pulse Doble clic en la celda para entrar la distribucin en la hoja de clculo de entrada de datos. Esto plantear una lista de funciones de probabilidad para escoger. 2. Escoja o de clic en la funcin de probabilidad de la lista. Deben mostrarse los parmetros apropiados para la funcin al lado de la lista. Usted puede apretar Help para ver las Funciones de Distribucin de Probabilidad. 3. Presione el botn de OK para volver a la forma de entrada de datos. Los parmetros que siguen el nombre de la distribucin debern cambiar su descripcin de acuerdo con la funcin escogida. COMO ENTRAR UNA DISTRIBUCIN DISCRETA Si usted ha especificado una distribucin discreta (el nmero de valores discretos se entra en la fila "Number of discrete values") durante el tiempo de servicio, los tiempos entre llegadas, o el tamao del lote, este es el procedimiento para entrar los valores discretos y las probabilidades asociadas: 1. Entre el nmero de datos discretos en la fila "Number of discrete values" (Parmetro 1). 2. Entre los datos discretos en la fila "Discrete values" (Parmetro 2) usando el formato "valor 1/probabilidad 1, valor 2/probabilidad 2,...", separe cada par de valores y la probabilidad asociada por una coma "," 3. Cuando se termine, apriete las teclas de flecha para mover el cursor al otro formulario de entrada de datos. COMO RESOLVER UN PROBLEMA Para resolver un problema de colas, aqu se muestra el procedimiento general: 1. Prepara los parmetros de la cola para el problema. (Nota: usted no tiene que tener un modelo formal para la entrada de los datos. Usted puede modificarlo junto con el proceso.) 2. Seleccione la orden New Problem (Nuevo Problema) para entrar el problema. 3. Para una prctica general buena, usted puede querer guardar el problema escogiendo el comando Save Problem As (Guardar el Problema Como) antes de resolverlo. 4. Seleccione el orden Solve the Performance (Resuelva la Actuacin) o Simulate the System (Simule el Sistema) para resolver el problema. 5. Despus que el problema se resuelve, escoja los rdenes del Results Menu (Men de los Resultados) para mostrar los resultados apropiados. COMO LLEVAR ADELANTE UNA SIMULACIN Para cualquier problema de colas que usted defina en QA, usted puede usar la simulacin Monte Carlo para evaluar la actuacin del sistema. Para simular el sistema de colas, aqu se muestra el procedimiento general: 1. Asuma que el problema se ha entrado y las distribuciones estn definidas. 2. Seleccione la orden Simulate the System (Simule el Sistema). El programa plantear una forma para permitirle especificar el proceso de la simulacin, incluyendo:

(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.

COMO LLEVAR ADELANTE UN ANLISIS DE SENSIBILIDAD. Para un problema de colas que usted define en QA, usted puede realizar el anlisis de sensibilidad para ver cmo la actuacin del sistema cambia para valores de parmetro diferentes. Para realizar el anlisis de sensibilidad, aqu el procedimiento general: 1. Asuma que el problema se ha entrado y los parmetros estn definidos. 2. Seleccione el comando Perform Sensitivity Analysis (Realice Anlisis de Sensibilidad). El programa plantear una forma para permitirle especificar el anlisis de sensibilidad, incluyendo: (a). Seleccione un parmetro: escoja a cualquiera de la lista. (b). Rango del parmetro: Entre los valores del inicio, final, y los valores para cada paso del parmetro seleccionado para la evaluacin. El nmero de las situaciones de la cola resuelta ser determinado por los valores de inicio, final, y valores de cada paso. (c). Mtodo de Solucin: El mtodo predefinido para el problema de colas es la frmula aproximada. Sin embargo, cuando usted cambia un parmetro a un valor diferente puede hacer el problema irresoluble por la frmula. Cuando se es el caso, el programa usar el mtodo especificado, aproximacin o simulacin para evaluar el problema automticamente. (d). (Opcional) Especificacin de la Simulacin: si la simulacin es escogida en el paso (c), despus de presionar la orden OK, usted necesita entrar la especificacin de la simulacin. 3. Presione OK para empezar el anlisis si las especificaciones anteriores se realizaron. Cuando se haya acabado del anlisis, se mostrar el resultado. 4. Usted puede usar el Results Menu (Men de los Resultados) para mostrar el resultado grfico del anlisis de sensibilidad. COMO LLEVAR ADELANTE UN ANLISIS DE CAPACIDAD. Para un problema de colas que usted define en QA, usted puede realizar el anlisis de capacidad para comparar los costos de configuraciones diferentes del nmero de servidores y capacidades de la cola. Para realizar anlisis de capacidad, aqu el procedimiento general: 1. Asuma que el problema se ha entrado y los parmetros se han definido.

2. Seleccione la orden Perform Capacity Analysis (Realice Anlisis de Capacidad). El programa plantear una forma para permitirle especificar el anlisis de capacidad, incluyendo: (a). Rango del nmero de servidores: entre los valores de inicio, final, y los valores de cada paso del nmero de servidores para la evaluacin. (b). Rango de la capacidad de la cola: entre los valores de inicio, final, y los valores de cada paso de la capacidad de la cola (espacio de espera) para la evaluacin. El nmero de las situaciones de la cola resueltas ser determinado por los valores de inicio, final, y los valores de cada paso del nmero de servidores y la capacidad de la cola. La capacidad predefinida de la cola es infinita (M). (c). Mtodo de Solucin: el mtodo predefinido para el problema de colas es la frmula de aproximacin. Sin embargo, cuando usted cambia el nmero de servidores y la capacidad de la cola puede hacer el problema irresoluble por la frmula. Cuando se es el caso, el programa usar el mtodo especificado, como tambin aproximacin o simulacin, para evaluar el problema, automticamente. (d). (Opcional) Especificacin de la Simulacin: si la simulacin es escogida en paso (c), despus de presionar OK, usted necesita entrar la especificacin de la simulacin. 3. Presione OK para empezar el anlisis si las especificaciones anteriores se han hecho. Cuando se haya acabado del anlisis, se mostrar el resultado. COMO IMPORTAR DATOS DE OTRAS APLICACIONES DE HOJAS DE CALCULO. Si usted decide entrar un problema de colas de una aplicacin de hoja de clculo como Microsoft Excel, use los pasos siguientes: 1. Entre el problema con la siguiente secuencia. Aqu se muestran las entradas para cada celda en la hoja de clculo: (Note que las celdas estn separadas por "," y los textos requeridos estn en "") Para el Sistema M/M de Entrada Simple: Fila 1: "QA", Nombre del Problema, Unidad de tiempo, 0. Fila 2: "Problem Specification", "Entry". Fila 3: "Number of servers", nmero de servidores. Fila 4: "Service rate per server", proporcin de servicio. Fila 5: "Customer arrival rate", proporcin de llegadas. Fila 6: "Queue capacity (maximum waiting space)", capacidad de la cola. Fila 7: "Customer population", poblacin del cliente. Fila 8: "Busy server cost per unit time", Costo de servidor ocupado por unidad de tiempo. Fila 9: "Idle server cost per unit time", Costo de servidor ocioso por unidad de tiempo. Fila 10: "Customer waiting cost per unit time", Costo de cliente en espera por unidad de tiempo. Fila 11: "Customer being served cost per unit time", Costo de cliente que se sirve por unidad de tiempo. Fila 12: "Cost of customer being balked", el costo de cliente no atendido. Fila 13: "Unit queue capacity cost", Costo Unitario de la capacidad de la cola. Para la Entrada de Sistema de Formacin de colas de espera General: Fila 1: "QA", Nombre del Problema, Unidad de tiempo, 1. Fila 2: "Problem Specification", "Entry". Fila 3: "Number of servers", nmero de servidores. Fila 4: "Service time distribution", nombre de la distribucin. Fila 5: "Parameter 1", parmetro 1. Fila 6: "Parameter 2", parmetro 2. (Si no existe ningn parmetro 2, entre 0.) Fila 7: "Parameter 3", parmetro 3. (Si no existe ningn parmetro 3, entre en 0.) Fila 8: "Service pressure coefficient", coeficiente de presin. Fila 9: "Interarrival time distribution", nombre de la distribucin entre llegadas. Fila 10: "Parameter 1", parmetro 1. Fila 11: "Parameter 2", parmetro 2. (Si no existe ningn parmetro 2, entre 0.) Fila 12: "Parameter 3", parmetro 3. (Si no existe ningn parmetro 3, entre en 0.) Fila 13: "Arrival discourage coefficient", coeficiente de retardacin de llegada. Fila 14: "Batch size distribution", nombre de la distribucin. Fila 15: "Parameter 1", parmetro 1.

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:

3) En la hoja de clculo se introducir los datos conocidos como se muestra:

Los valores de M, representan que es un valor infinito, como ya se menciono antes. Al presionar el icono se ver la ventana de los resultados:

De la ventana de resultados podemos concluir: Customer arrival rate per hour = = 30 [cl/hr] Service rate per server per hour = = 40 [cl/hr] Overall system effective arrival rate per hour = Tasa de llegadas eficaces al sistema global por hora = 30 Overall system effective service rate per hour = Tasa de servicio eficaz del sistema global por hora = 30 Overall system utilization = Tasa de ocupacin del sistema = = 37.5 % Average number of customers in the system = Nmero promedio de clientes en el sistema = L = 0.8727 Average number of customers in the queue = Nmero promedio de clientes en la cola = Lq = 0.1227 Average number of customers in the queue for a busy system = Nmero promedio de clientes en la cola para un sistema ocupado = Lb = 0.6 Average time customer spends in the system = Tiempo promedio que un cliente pasa en el sistema = W = 0.0291 [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

Por lo que las respuestas buscadas son A) Tasa de ocupacin del sistema = = 37.5 % B) Probabilidad de que un cliente espere al llegar al sistema = Pw = Pb = 20.45 % Adicionalmente podemos realizar los siguientes anlisis: Observar las probabilidades estimadas de que existan de 0 hasta 200 clientes en la cola:

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 veremos la siguiente ventana:

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:

System M/M/2 =Sistema M/M/2 Customer arrival rate per hour = = 30 [cl/hr] Service rate per server per hour = = 40 [cl/hr] Overall system effective arrival rate per hour = Tasa de llegadas eficaces al sistema global por hora = 27.3295 Overall system effective service rate per hour = Tasa de servicio eficaz del sistema global por hora = 27.3295 Overall system utilization = Tasa de ocupacin del sistema = = 34.2151 % Average number of customers in the system = Nmero promedio de clientes en el sistema = L = 0.7565 Average number of customers in the queue = Nmero promedio de clientes en la cola = Lq = 0.0722 Average number of customers in the queue for a busy system = Nmero promedio de clientes en la cola para un sistema ocupado = Lb = 0.4174 Average time customer spends in the system = Tiempo promedio que un cliente pasa en el sistema = W = 0.0277 [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). Otro de los anlisis del que podemos disponer es el de Anlisis de sensibilidad. podremos observar la siguiente ventana:

Si presionamos

Si realizamos un anlisis de sensibilidad, seleccionando como parmetro de anlisis a la tasa de llegadas , haciendo que esta cambie de 30 a 100 [cl/hr], con un paso de 10 [cl/hr], utilizando el modelo de aproximacin G/G/s, podremos ver de que manera reacciona el sistema:

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

Se abrir la siguiente ventana:

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 ():

En el que se puede ver un crecimiento exponencial. As sucesivamente se pueden ir analizando cada uno de los parmetros, dependiendo que necesidades se tiene.

Otro anlisis disponible es el de Anlisis de Capacidad: a) Como ste anlisis se realiza a partir de costos, se asumirn los siguientes costos Costo de servidor ocupado por hora = 5 $

Costo de servidor ocioso por hora = 1 $ Costo por cliente en espera = 0.5 $ Costo por cliente servido por hora = 3 $ Costo por cliente no atendido = 1 $ Costo unitario por capacidad de cola = 3 $

b) Si presionamos

podremos observar la siguiente ventana:

En el que variaremos el nmero de servidores de 2 a 8, con un paso de 1, y en el que la capacidad de la cola es Infinita, seleccionando la formula G/G/s de aproximacin. c) Si presionamos en OK, la ventana de resultados ser la siguiente:

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:

3) En la hoja de clculo se introducir los datos conocidos como se muestra:

Si presionamos

podremos observar la siguiente ventana:

Si realizamos un anlisis de sensibilidad, seleccionando como parmetro de anlisis al nmero de servidores, haciendo que esta cambie de 1 a 10 con un paso de 1, utilizando el modelo de aproximacin G/G/s en caso de no existir una formula para este modelo, podremos ver de que manera reacciona el sistema:

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

Se abrir la siguiente ventana:

Pudindose ver el siguiente grfico

Por lo que la respuesta del nmero de servidores a seleccionar es 4

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:

3) En la hoja de clculo se introducir los datos conocidos como se muestra:

4) Al presionar el icono

se ver la ventana de los resultados:

De la ventana de resultados podemos concluir: Customer arrival rate per hour = = 0.5 [tr/hr] Service rate per server per hour = = 0.667 [tr/hr] Overall system effective arrival rate per hour = Tasa de llegadas eficaces al sistema global por hora = 0.5 Overall system effective service rate per hour = Tasa de servicio eficaz del sistema global por hora = 0.5 Overall system utilization = Tasa de ocupacin del sistema = = 74.9625 % Average number of customers in the system = Nmero promedio de clientes en el sistema = L = 2.9940 Average number of customers in the queue = Nmero promedio de clientes en la cola = Lq = 2.2444 Average number of customers in the queue for a busy system = Nmero promedio de clientes en la cola para un sistema ocupado = Lb = 2.9940 Average time customer spends in the system = Tiempo promedio que un cliente pasa en el sistema = W = 5.9880 [horas] Average time customer spends in the queue = Tiempo promedio que un cliente pasa en la cola = Wq = 4.4888 [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 = 5.9880 [horas] The probablity that all servers are idle = Probabilidad de que todos los servidores esten ociosos = P0 = 25.0375 % The probablity an arriving costumer waits = Probabilidad de que un cliente espere al llegar al sistema = Pw = Pb = 74.9625 % Average number of customers being balked per hour = Numero promedio de clientes que no sern atendidos por el sistema por hora = 0 Por lo que las respuestas buscadas son a) Tiempo promedio que un cliente pasa en la cola = Wq = 4.4888 [horas] b) No, porque la Tasa de ocupacin del sistema = = 74.9625 % La resolucin del inciso c es la que sigue: 1) Se iniciar un nuevo problema en el modulo Anlisis de Colas (QA).

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

se ver la ventana de los resultados.

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:

3) En la hoja de clculo se introducir los datos conocidos como se muestra:

Al presionar el icono

se ver la ventana de los resultados:

Por lo que lo que los resultados buscados son: a) Probabilidad de que la copiadora este ociosa = P0 = 1.4183 % b) Nmero promedio de secretarias usando la copiadora = L = 3.5213 c) Nmero promedio de secretarias en la copiadora = Lq = 2.5355 4. Los autos que llegan a una caseta de pago en una carretera siguen una Poisson con una media de 90 autos por hora. El tiempo promedio para pasar es de 38 segundos. Los chferes se quejan de un largo tiempo de paso y por ello el trnsito est dispuesto a disminuir a 30 segundos el tiempo de paso, introduciendo nuevos mecanismos. Este cambio se justifica si antes el nmero de autos que esperan sea mayor a cinco. Por otro lado, el % de tiempo ocioso en la caseta con el nuevo sistema no deber ser mayor al 10 % Se justifica el cambio? Datos: Numero de servidores = 1 = 90 [autos/hr] = 3600/30 [autos/hr] = 120 [autos/hr] N=6 P0 10 % El problema ser del tipo M/M/1/FIFO/N/ Procedimiento Los pasos 1 y 2 son los mismos, que en los anteriores problemas. 3) En la hoja de clculo se introducir los datos conocidos como se muestra:

Al presionar el icono

se ver la ventana de los resultados:

Como las condiciones eran: Lq = 5 y P0 10 % Pero del modelo nos muestra de que Lq = 1.3878 y P0 = 27.7813 % Entonces se rechaza la implementacin de un nuevo sistema 5. Se tiene un puesto de gasolina con dos bombas, localizado en un punto privilegiado de la ciudad con un servicio excelente. Cada 5 minutos (siguiendo una exponencial) llega un cliente. Suponiendo que el puesto est abierto desde las 6 horas hasta las 21 horas y que la tasa de servicio es de 15 clientes por hora (siguiendo una Poisson) a)Cul es la tasa de ocupacin del sistema?, b) Cul es la probabilidad de que el sistema este lleno?, c) Cul es el tiempo promedio que un cliente pasa en el sistema? Datos: Numero de servidores = 2 = 1/5 [autos/min] = 12 [autos/hr]

 = 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

se ver la ventana de los resultados:

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

se ver la ventana de los resultados:

Las respuestas buscadas son: a) Perdida = 30 [autos/hr]*24/1 [hr/dia]*4[$/autos]*0.149916 = 431,75808 [$us/dia] b) Probabilidad de que un cliente se vaya = 14.9916 % La resolucin del inciso c es la siguiente: Si realizamos un anlisis de sensibilidad, seleccionando como parmetro de anlisis al nmero de servidores tenemos:

En el que claramente podemos ver de que Pw < 15 % desde el momento en que se incrementa el nmero de servidores a 5.

Por tanto la respuesta es 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.

10. DIRECCIONES Y ENLACES DE INTERS

LP-ILP (1998). LP-ILP Help Contents.[Ayuda del programa]. Ojeda, C(2002). Introduccin al uso del LP-ILP. Primera versin. UNELLEZ. Programa Economa Agrcola.