Documentos de Académico
Documentos de Profesional
Documentos de Cultura
UNIVERSIDAD DE CRDOBA
FACULTAD DE INGENIERAS
DEPARTAMENTO DE INGENIERA DE SISTEMAS Y TELECOMUNICACIONES
PROGRAMA DE INGENIERA DE SISTEMAS
MTODOS ESTOCSTICOS Y SIMULACIN
MONTERA, CRDOBA
2015
INTRODUCCION
En matemtica se define como un proceso estocstico discreto que cumple con la propiedad de Mrkov,
es decir, si se conoce la historia del sistema hasta su instante actual, su estado presente resume toda la
informacin relevante para describir en probabilidad su estado futuro. Los procesos estocsticos son
sucesiones de eventos regidos por leyes probabilsticas. Varios investigadores han estudiado las
caractersticas y el comportamiento de estas sucesiones, para aplicarlos a los procesos estocsticos en
fsica, ingeniera, biologa, medicina y otras disciplinas as como tambin en otras ramas de la
matemtica y han establecido sus teoras y propiedades.
Los inventarios son una cantidad de bienes o materiales con valor econmico que o materiales con
valor monetario que se encuentran bajo el control de una organizacin, y que se mantiene por algn
tipo de forma improductiva, esperando su uso o venta. Es tambin un sistema regulador de las
actividades de la oferta y la demanda. Teora de Inventario trata de lograr un equilibrio sobre la
cantidad que se desea pedir y el tiempo exacto para el pedido a la vez que el costo de esto no sea
excesivo para la empresa.
Las colas (lneas de espera) son parte de la vida diaria. Todos esperamos en colas para comprar un
boleto para el cine, hacer un depsito en el banco, pagar en el supermercado, enviar un paquete por
correo, obtener comida en la cafetera, subir a un juego en la feria, etctera. Nos hemos acostumbrado a
esperas largas, pero todava nos molesta cuando son demasiado largas. Sin embargo, tener que esperar
no slo es una molestia personal. El tiempo que la poblacin de un pas pierde al esperar en las colas es
un factor importante tanto en la calidad de vida como en la eficiencia de su economa.
Procesos estocsticos:
Son modelos de probabilidad de procesos que evolucionan con el tiempo de manera probabilstica. Es
decir un proceso es algo que evoluciona en el tiempo y un proceso estocstico, es cuando adems los
sucesos se dan de manera aleatoria
Un proceso estocstico es una coleccin o conjunto indexado de variables [ X t , donde el ndice t
toma valores de un conjunto T dado. Con frecuencia T se considera el conjunto de enteros no negativos
mientras que
Xt
Xt
puede representar los niveles de inventario al fi nal de la semana t.( Frederick S. Hiller
wi=1
i=1
s 1 , , sk
n=1
Para i=1, ., k ; P ( X 1=s 1) =vi , con v i 0 y v 1+ +v k =1
El vector v =( v 1 , , v k )
Cadenas de markov:
Una cadena de markov es un proceso estocstico en el que si el estado actual
Las cadena de Markov tienen la propiedad particular de que las probabilidades que describen la forma
en que el proceso evolucionara en el futuro dependen solo del estado actual en que se encuentra el
proceso y, por lo tanto, son independientes de los eventos que ocurrieron en el pasado
Una cadena de Markov es una sucesin de ensayos similares u observaciones en la cual cada ensayo
tiene el mismo nmero finito de resultados posibles y en donde la probabilidad de cada resultado para
un ensayo dado depende slo del resultado del ensayo inmediatamente precedente y no de cualquier
resultado previo
Sea Xi una variable aleatoria que caracteriza el estado del sistema en puntos discretos en el tiempo t =
1, 2 . La familia de variables aleatorias {Xi} forma un proceso estocstico con una cantidad finita o
infinita de estados.(Investigacin de Operaciones Taha Handy)
Propiedad de Markov:
Dada una secuencia de variables aleatorias
Xn
X n +1
X n es el estado
estados pasados
Estas ecuaciones simplemente sealan que al ir del estado i al estado j en n pasos, el proceso estar en
algn estado k despus de exactamente m (menor que n) pasos. Asi,
(m )
(nm)
Pik Pkj
es solo la
)
P(m
Los casos especiales de m 5 1 y m 5 n 1
ij
Para todos los estados i y j. Estas expresiones permiten que las probabilidades de transicin de n pasos
se puedan obtener a partir de las probabilidades de transicin de un paso de manera recursiva. Esta
relacin recursiva se explica mejor con la notacin matricial. Para n = 2, estas expresiones se
convierten en
Las propiedades a largo plazo de una cadena de Markov dependen en gran medida de las caractersticas
de sus estados y de la matriz de transicin. Para describir con ms detalle las propiedades de una
cadena de Markov es necesario presentar algunos conceptos y definiciones que se refieren a estos
estados.
Se dice que el estado j es accesible desde el estado i si pij(n). 0 para alguna n $ 0. (Donde pij(n) es solo
la probabilidad condicional de llegar al estado j despus de n pasos, si el sistema est en el estado i.)
Entonces, que el estado j sea accesible desde el estado i significa que es posible que el sistema llegue
finalmente al estado j si comienza en el estado i.(
Teora de inventarios
Los inventarios es una cantidad de bienes o materiales con valor monetario que o materiales o que se
encuentran bajo el control de una organizacin o empresa, y que se mantiene por algn tipo de forma
improductiva, esperando su uso o venta. Es tambin un sistema regulador de las actividades de la oferta
y la demanda.(Teora de inventarios resea historica, s. f.)
Teora de Inventario trata de lograr un equilibrio sobre la cantidad que se desea pedir y el tiempo exacto
para el pedido a la vez que el costo de esto no sea excesivo para la empresa.(Teora de inventario EcuRed, s. f.)
la teora de inventarios costa de diferentes modelos acontinuacion vamos a tratar los los siguientes:
De esta grfica se deduce que la empresa tiene en inventario un inventario mximo, que al consumirse
totalmente por la demanda (llega a cero) la empresa esta permitiendo que una cantidad S de unidades le
falten, para hacer un nuevo pedido que satisfaga la demanda de las unidades faltantes mas las de las
unidades que se demandan diariamente; de esto tenemos, que:
Imax=Es mi inventario mximo
D=la demanda del periodo t
S=cantidad de unidades de demanda faltantes
Q=cantidad de unidades que se piden.
Cu= Costo unitario
D= Demanda
Cp= Costo de pedido
Cmi= Costo de mantener inventario
Cf= Costo de faltante
Q= Demanda del periodo
N= nmero de pedidos en el ao
t1: tiempo de disponibilidad de mercaderas
t2: tiempo de dficit.
S= Dficit mximo
Q=I max + S
S=QI max
costo de de un periodo
'
( T 1I max )
(ST 2)
+Cf
2
2
( QS)
(ST 2)
+Cf
2Q
2Q
2CpD (Cmi+CF)
Cf Cmi
S=
2 CpDCmi
Cf ( Cmi+Cf )
Ejemplos
1) Un agente de mercedes benz debe pagar 20 000 dlares por cada automvil que compra, el costo
anual de almacenamiento es de 25% del valor del automvil, el agente vende 500 autos al ao su costo
por faltantes ser de 20000 dlares. Cada vez que el agente coloca un pedido su costo es de 10 000
dlares determine:
a) La cantidad que debe ordenar el cada pedido Q.
b) El mximo nivel de inventario.
c) el nmero de rdenes por ao.
Cp. = 10000 dlares /orden
D= 500 autos/ao
Cmi = (0.25) (20000) = 5000 dlares /auto /ao
Cf= 20000 dlares/unidad/ao
a) La cantidad que debe ordenar el cada pedido Q.
Q=
Q=
S=
2 Cp D Cmi
Cf ( Cf + Cmi )
D 500
=
=10Ordenes por ao
Q 50
Un comerciante vende 10 000 armazones para lentes, la clnica pide los armazones a un abastecedor
regional que cobra 15 dlares por armazn, cada pedido incurre en un costo de $50 dlares. La ptica
cree que la demanda de armazones puede acumularse y que el costo por carecer de un armazn durante
un ao es de $15 dlares, por pedido de negocios futuros. El costo anual por mantener el inventario es
de 30 dlares.
a) cul es la cantidad optima de pedido.
b) El nmero de rdenes por ao.
c) Cul es el nivel mximo de inventario.
Q=
Q=
( 2 50 10000 )( 15+30 )
( 15 ) ( 30 )
Q=316,22 armazones
D
Q
N=
10000
316.22
2 Cp D Cmi
Cf ( Cf + Cmi )
2 ( 50 )( 10000 ) ( 30 )
S=
15 (15+ 30 )
S=210.81
S=
Imax=( QS )
Imax=( 316.22210.81 )
Imax=105 Armazones
Modelo con incertidumbre y seguridad
Cuando se cumplen los supuestos del modelo de la CLE, es posible programar que las rdenes lleguen
de manera que se eviten los faltantes por completo. Sin embargo, si la demanda o los tiempos de
entrega son inciertos, la demanda exacta durante el tiempo de entrega (que es el PRO en la situacin de
la CLE) no se conocer con certidumbre. Por lo tanto, para prevenir los faltantes, es necesario tener un
inventario adicional llamado inventario de seguridad.(Anderson, Sweeney, Williams, Martin, & Camm,
2011)
Stock de seguridad es un trmino utilizado en logstica para describir el nivel extra de stock que se
mantiene en almacn para hacer frente a eventuales roturas de stock. El stock de seguridad se genera
para reducir las incertidumbres que se producen en la oferta y la demanda.(Stock de seguridad Wikipedia, la enciclopedia libre, s. f.)
El uso del inventario promedio durante el tiempo de entrega debera calcularse para agregar el
inventario de seguridad y evitar los faltantes. El punto de reorden se convierte en:
PRO = (Demanda promedio en el tiempo de entrega) + (Inventario de seguridad)
PRO = (Demanda promedio en el tiempo de entrega) + IS
donde:
El inventario de seguridad est
incluido en el PRO.
IS = inventario de seguridad
Ejemplos
1 EJEMPLO DE LA COMPAA HINSDALE La compaa Hinsdale tiene en inventario varios
artculos electrnicos que se identifican como SKU. Un artculo en particular, el SKU A3378, tiene una
demanda con distribucin normal durante el tiempo de entrega, con media de 350 unidades y
desviacin estndar de 10. Hinsdale quiere seguir una poltica en la que los faltantes ocurran tan solo
5% de las veces para cualquier orden. Cunto inventario de seguridad debe almacenarse y cul es el
punto de reorden? La grafica ayuda a visualizar este ejemplo.
De modo que la demanda promedio durante el tiempo de entrega es de 100 y el inventario de seguridad
es de 63.53 unidades. Conforme aumenta el nivel de servicio, el inventario de seguridad es mayor a una
tasa creciente. La tabla 6.5 ilustra cmo cambiara el inventario de seguridad en el ejemplo de la
compaa Hinsdale (SKU A3378) con los cambios en el nivel de servicio. Conforme aumenta el
inventario de seguridad, tambin se incrementan los costos anuales por almacenar.
Modelo inventarios productos terminados
Todas las mercancas que un fabricante ha producido para vender a sus clientes. Lo constituye todos los
artculos fabricados que estn aptos y disponibles para su venta.
Son todos aquellos bienes adquiridos por las empresas manufactureras o industriales, los cuales son
transformados para ser vendidos como productos elaborados. Son productos totalmente acabados
disponibles para la venta.(TIPOS DE INVENTARIOS, s. f.)
El clculo del inventario de productos terminados para una empresa de fabricacin requiere el uso de
una frmula matemtica simple que depende de unos pocos de inventario de la empresa y los registros
de produccin para completarse. La frmula para su uso es: "El inventario de productos terminados =
Inicio Productos + Costo de bienes manufacturados - Costo de Ventas". En otras palabras, los productos
terminados son la cantidad de bienes que tienes en el inicio del perodo, as como cualquier productos
manufacturados aadido durante el periodo, menos los costes de fabricacin de los bienes vendidos en
ese perodo.(Cmo calcular el inventario de productos terminados para una compaa de fabricacin |
Pequea y mediana empresa - La Voz Texas, s. f.)
Comprueba los registros de inventario de la compaa para el inventario de productos terminados
durante el perodo anterior. Usa esta cantidad como tu inventario de productos para el comienzo del
perodo actual de los clculos. Por ejemplo, si el ao pasado terminaste con 100.000 dlares en
productos terminados, a continuacin, utiliza esta cantidad como tu punto de partida.
Aade a tu inventario los bienes del costo de los productos fabricados durante el perodo de clculo.
Asegrate de incluir todos los costos de mano de obra directa, a los gastos generales en la cantidad.
Esto te dar el valor de inventario total en el perodo. Si comenzaste con 100.000 dlares en inventario,
agregaste 500.000 dlares en bienes nuevos, entonces tu inventario total para el perodo es de 600.000
dlares.
Resta el costo de los bienes vendidos durante ese perodo de tu inventario total para calcular el
inventario de productos terminados para el nuevo perodo. De ese valor de 600.000 dlares de
inventario, si vendes bienes que te costar 550.000 dlares para la fabricacin del inventario durante el
perodo, tu inventario de productos terminados para el perodo es de 50.000 dlares.
EJEMPLOS
Modelo con inventario descuentos por cantidad(Volumen)
Una manera de utilizar el inventario es aprovechar los descuentos por cantidad. Muchos proveedores
ofrecen descuentos por comprar grandes cantidades. Por ejemplo, una sierra elctrica generalmente
cuesta $20 por unidad. Si se ordenan 300 o ms al mismo tiempo, el proveedor quiz baje el precio a
$18.75. La compra de cantidades mayores puede reducir en forma sustancial el precio de los productos.
No obstante, existen algunas desventajas al comprar cantidades grandes. Se tienen mayores costos por
almacenaje, deterioro, daos, robo, seguros y otros. Incluso al invertir en ms inventario, se tendr
menos efectivo para invertir en otro lado.(Anderson et al., 2011)
El objetivo general del modelo de descuentos por cantidad es minimizar el costo total del inventario,
que ahora incluye los costos reales de materiales.
Al desarrollar el modelo de la CLE, suponemos que no se dispone de descuentos por cantidad. No
obstante, muchas compaas s ofrecen descuentos por cantidad. Si este tipo de descuento existe, pero
se cumplen todos los otros supuestos de la CLE, es posible encontrar una cantidad que minimice el
costo total del inventario, aplicando el modelo de la CLE con algunos ajustes.(Anderson et al., 2011)
Cuando se dispone de descuentos por cantidad, el costo de compra o el costo de materiales se
convierten en un costo relevante, pues cambia de acuerdo con la cantidad ordenada. Los costos
relevantes totales son:
Como el costo anual por almacenar por unidad se basa en el costo de los artculos, es conveniente
expresarlo como:
Ejemplo de la tienda por departamentos Brass Veamos ahora cmo aplicar este procedimiento con
un ejemplo. La tienda por departamentos Brass almacena automviles de carreras de juguete. Hace
poco, la tienda recibi el programa de descuento por cantidad para los vehculos, el cual se presenta en
la tabla 6.3. As, el costo normal del juguete es de $5. Para rdenes entre 1,000 y 1,999 unidades, el
costo unitario es de $4.80; en tanto que para rdenes de 2,000 o ms, el costo unitario es de $4.75. Ms
an, el costo por ordenar es de $49 por orden, la demanda anual es de 5,000 carritos de carreras y el
cargo por almacenar como porcentaje del costo, I, es de 20% o 0.2. Qu cantidad a ordenar
minimizar el costo total del inventario?
El segundo paso consiste en ajustar las cantidades que estn abajo del rango de descuento permisible.
Como CLE 1 est entre 0 y 999, no tiene que ajustarse. CLE 2 est en el intervalo de 1,000 a 1,999, por
lo que debe ajustares a 1,000 unidades. Lo mismo se cumple para CLE 3 : debera ajustarse a 2,000
unidades. Despus de este paso, las siguientes cantidades a ordenar deben probarse en la ecuacin del
costo total:
El tercer paso es usar la ecuacin de costo total y calcular el costo total para cada cantidad a ordenar, lo
cual se logra con ayuda de la tabla
El cuarto paso es seleccionar la cantidad a ordenar con el menor costo total. En la tabla 6.4 se observa
que una cantidad a ordenar de 1,000 autos de juguete minimiza el costo total; pero debera reconocerse
que el costo total por ordenar 2,000 autos es tan solo un poco mayor que el costo total por ordenar
1,000. Entonces, si el costo del tercer descuento disminuye a $4.65, por ejemplo, esta cantidad a
ordenar podra ser la que minimice el costo total del inventario.
Ejemplo 2
TEORIA DE COLAS
Las colas (lneas de espera) son parte de la vida diaria. Todos esperamos en colas para comprar un
boleto para el cine, hacer un depsito en el banco, pagar en el supermercado, enviar un paquete por
correo, obtener comida en la cafetera, subir a un juego en la feria, etctera. Nos hemos acostumbrado a
esperas largas, pero todava nos molesta cuando son demasiado largas. Sin embargo, tener que esperar
no slo es una molestia personal. El tiempo que la poblacin de un pas pierde al esperar en las colas es
un factor importante tanto en la calidad de vida como en la eficiencia de su economa. Tambin ocurren
grandes ineficiencias debido a otros tipos de espera que no son personas en una cola .Por ejemplo,
hacer que las mquinas esperen una reparacin puede dar como resultado prdida de produccin. Los
vehculos (incluso barcos y camiones) que deben esperar la descarga pueden retrasar envos
subsecuentes. Los aviones que esperan despegar o aterrizar pueden desorganizar la programacin
posterior de vuelos. El retraso en los trabajos de servicio respecto a su fecha de entrega es una causa de
prdida de negocios futuros. La teora de colas usa los modelos de colas para representar los tipos de
sistemas de lneas de espera (sistemas que involucran colas de algn tipo) que surgen en la prctica.
Las frmulas para cada modelo indican cul debe ser el desempeo del sistema correspondiente y
sealan la cantidad promedio de espera que ocurrir, en una gama de circunstancias.(Anderson et al.,
2011)
Por lo tanto, estos modelos de lneas de espera son muy tiles para determinar cmo operar un sistema
de colas de la manera ms efectiva. Proporcionar demasiada capacidad de servicio para operar el
sistema implica costos excesivos; pero al no contar con suficiente capacidad de servicio la espera es
excesiva con todas sus desafortunadas consecuencias. Los modelos permiten encontrar un balance
adecuado entre el costo de servicio y la cantidad de espera.
Proceso bsico de colas
El proceso bsico supuesto por la mayora de los modelos de colas es el siguiente. Los clientes que
Requieren un servicio se generan en el tiempo en una fuente de entrada. Luego, entran al sistema
Y se unen a una cola. En determinado momento se selecciona un miembro de la cola para
proporcionarle el servicio mediante alguna regla conocida como disciplina de la cola. Se lleva a cabo el
servicio que el cliente requiere mediante un mecanismo de servicio, y despus el cliente sale del
Sistema de colas.
Cola
La cola es donde los clientes esperan antes de recibir el servicio. Una cola se caracteriza por el nmero
mximo permisible de clientes que puede admitir. Las colas pueden ser finitas o infinitas, segn si
dicho nmero es fi nito o infinito. El supuesto de una cola infinita es el estndar de la mayora de los
modelos, incluso en situaciones en las que en realidad existe una cota superior (relativamente grande)
sobre el nmero permitido de clientes, puesto que manejar una cota as puede ser un factor que
complique el anlisis. En los sistemas de colas en los que la cota superior es tan pequea que se llega a
ella con cierta frecuencia, es necesario suponer una cola finita.
Disciplina de la cola
La disciplina de la cola se refiere al orden en el que sus miembros se seleccionan para recibir el
servicio.
Por ejemplo, puede ser: primero en entrar, primero en salir; aleatoria; de acuerdo con algn
procedimiento de prioridad o con algn otro orden. En los modelos de colas se supone como normal a
la disciplina de primero en entrar, primero en salir, a menos que se establezca de otra manera.
Mecanismo de servicio
El mecanismo de servicio consiste en una o ms estaciones de servicio, cada una de ellas con uno o
ms canales de servicio paralelos, llamados servidores. Si existe ms de una estacin de servicio, el
cliente puede recibirlo de una secuencia de ellas (canales de servicio en serie). En una estacin Dada,
el cliente entra en uno de estos canales y el servidor le presta el servicio completo. Los modelos de
colas deben especificar el arreglo de las estaciones y el nmero de servidores (canales paralelos) en
cada una de ellas. Los modelos ms elementales suponen una estacin, ya sea con un servidor o con un
nmero fi nito de servidores.
El tiempo que transcurre desde el inicio del servicio para un cliente hasta su terminacin en una
estacin se llama tiempo de servicio (o duracin del servicio). Un modelo de un sistema de colas
determinado debe especificar la distribucin de probabilidad de los tiempos de servicio de cada
servidor (y tal vez de los distintos tipos de clientes), aunque es comn suponer la misma distribucin
para todos los servidores (todos los modelos en este captulo se basan en este supuesto).
El proceso de colas elemental
Como ya se ha sealado, la teora de colas se aplica a muchos tipos diferentes de situaciones. El tipo
que prevalece es el siguiente: una sola lnea de espera (que a veces puede estar vaca) se forma frente a
una estacin de servicio, dentro de la cual se encuentra uno o ms servidores. Cada cliente generado
por una fuente de entrada recibe el servicio de uno de los servidores, quiz despus de esperar un poco
en la cola (lnea de espera).
Terminologa y notacin
A menos que se establezca otra cosa, se utilizara la siguiente terminologa estndar:
sigue una distribucin de Poisson*. En esta seccin se vern las caractersticas de una distribucin
de Poisson y como se relacionan con la distribucin exponencial. Posteriormente se analizan las
ms importantes propiedades y algunas generalizaciones al adoptar tal patrn de llegadas. Se cierra
el apartado con argumentos que apoyan el uso de la distribucin de Poisson. Adoptar la distribucin
de Poisson implica que la probabilidad de que llegue n clientes en un intervalo de tiempo t es:
El tiempo entre llegadas se define, de este modo, como la probabilidad de que no llegue ningn
Cliente:
Al representar las anteriores probabilidades se ha considerado que las tasas de llegada y de servicio
(y respectivamente) dependen del nmero de elementos en el sistema.
ver con las lneas de espera como teora de colas. A principios de 1900, A. K. Erlang, un ingeniero
telefonista dans comenz a estudiar la congestin y los tiempos de espera que ocurren para completar
llamadas telefnicas. Desde entonces, la teora de colas se ha vuelto mucho ms compleja, con
aplicaciones en una amplia variedad de situaciones de lnea de espera. Los modelos de lnea de espera
se componen de frmulas y relaciones matemticas que pueden utilizarse para determinar las
caractersticas de operacin (medidas de desempeo) de una lnea de espera. Las caractersticas de
operacin de inters incluyen:
1. La probabilidad de que no haya unidades en el sistema
2. El nmero promedio de unidades en la lnea de espera
3. El nmero promedio de unidades en el sistema (el nmero de unidades en la lnea de espera ms el
nmero de unidades que estn siendo atendidas)
4. El tiempo promedio que una unidad pasa en la lnea de espera
5. El tiempo promedio que una unidad pasa en el sistema (el tiempo de espera ms el tiempo para que
atiendan)
6. La probabilidad de que una unidad que llega tenga que esperar para que la atiendan
Estructura de un sistema de lnea de espera
Para ilustrar las caractersticas bsicas de un modelo de lnea de espera, consideramos la lnea de espera
en el restaurante de comida rpida Burger Dome. Burger Dome vende hamburguesas sencillas con
queso, papas a la francesa, bebidas refrescantes y malteadas, as como un nmero limitado de artculos
especiales y variedad de postres. Aunque a Burger Dome le gustara atender de inmediato a cada
cliente, en ocasiones llegaban ms clientes de los que podan ser atendidos por el personal. Por tanto,
los clientes hacan cola para hacer y recibir sus pedidos.
Lnea de espera de canal nico
En la operacin actual de Burger Dome, un despachador toma el pedido de un cliente, determina el
costo total del pedido, recibe el dinero del cliente y luego surte el pedido. Una vez que el pedido del
primer cliente se surte, el despachador toma el pedido del siguiente que espera a que lo atiendan. Esta
operacin es un ejemplo de una lnea de espera de canal nico. Cada cliente que entra al restaurante
Burger Dome debe pasar a travs de un canal una estacin de toma y entrega de pedidos para
hacer un pedido, pagar la cuenta y recibir la comida. Cuando llegan ms clientes de los que pueden ser
atendidos de inmediato, forman una lnea y esperan a que se desocupe la estacin de toma y entrega de
pedidos.
En la fi gura se muestra un diagrama de la lnea de espera de canal nico en Burger Dome.
Imagen 15.1 del libro mtodos cuantitativos para los negocios
Donde
= nmero medio de unidades que pueden ser atendidas por periodo de tiempo
e = 2.71828
Modelo de lnea de espera de canal nico con llegadas Poisson y tiempos de servicio
Exponenciales
En esta seccin se presentan frmulas que pueden utilizarse para determinar las caractersticas de
operacin constante de una lnea de espera de canal nico. Las frmulas son apropiadas si las llegadas
siguen una distribucin de probabilidad de Poisson y los tiempos de servicio llevan una distribucin de
probabilidad exponencial. Como estos supuestos son vlidos para el problema de la lnea de espera de
Burger Dome presentado en la seccin 15.1, demostramos cmo pueden utilizarse las frmulas para
determinar las caractersticas de operacin de Burger Dome y, por tanto, aportan informacin til a la
gerencia para la toma de decisiones.
La metodologa matemtica utilizada para determinar las frmulas de las caractersticas de operacin
de lneas de espera es algo compleja. Sin embargo, nuestro propsito en este captulo no es analizar el
desarrollo terico de modelos de lnea de espera, sino ms bien demostrar como las frmulas dan
informacin sobre las caractersticas de operacin de la lnea.
Caractersticas de operacin
Las frmulas siguientes se utilizan para calcular las caractersticas de operacin constante de una lnea
de espera de canal nico con llegadas Poisson y tiempos de servicio exponenciales, donde:
=nmero medio de llegadas por periodo de tiempo (tasa de llegadas)
=nmero medio de servicios por periodo de tiempo (tasa de servicios)
La probabilidad de que no haya unidades en el sistema:
Imagen (15.4)
El nmero promedio de unidades en la lnea de espera:
Imagen (15.5)
Imagen (15.6)
Imagen (15.7)
El tiempo promedio que una unidad pasa en el sistema:
Imagen (15.8)
La probabilidad de que una unidad que llega no tenga que esperar a ser atendida:
Imagen (15.9)
La probabilidad de que haya n unidades en el sistema:
Imagen (15.10)
Los valores de la tasa de llegadas y la tasa de servicios son, evidentemente, componentes
importantes para determinar las caractersticas de operacin. La ecuacin (15.9) muestra que la relacin
de la tasa de llegadas a la tasa de servicios, /, da la probabilidad de que una unidad que llega tenga
que esperar porque la instalacin de servicio est ocupada. Por consiguiente, / se conoce como factor
de uso de la instalacin de servicio.
Modelo de lnea de espera de mltiples canales con llegadas Poisson y tiempos de servicio
exponenciales
Una lnea de espera de mltiples canales se compone de dos o ms canales de servicio que se supone
son idnticos en funcin de capacidad de servicio. En el sistema de mltiples canales, las unidades que
llegan esperan en una sola lnea y luego se dirigen al primer canal disponible para ser atendidas. La
operacin de canal nico de Burger Dome puede ampliarse a un sistema de dos canales abriendo un
segundo canal de servicio. La fi gura 15.3 muestra un diagrama de la lnea de espera de dos canales de
Burger Dome. En esta seccin se presentan frmulas para determinar las caractersticas de operacin
constante de una lnea de espera de mltiples canales. Estas frmulas son apropiadas si existen las
siguientes condiciones:
4. Las llegadas esperan en una sola lnea de espera y luego se dirigen al primer canal abierto para que
las atiendan.
Caractersticas de operacin
Las siguientes frmulas se utilizan para calcular las caractersticas de operacin de lneas de espera de
mltiples canales, donde:
= tasa de llegadas del sistema
= tasa de servicios de cada canal
k = nmero de canales
1. Probabilidad de que no haya unidades en el sistema:
6. Probabilidad de que una unidad que llega tenga que esperar a que la atiendan:
Como _ es la tasa de servicios de cada canal, k es la del sistema de mltiples canales. Al igual
que para el modelo de espera de canal nico, las frmulas de las caractersticas de operacin de
lneas de espera de mltiples canales se aplican slo en situaciones en las que la tasa de
servicios del sistema es mayor que su tasa de llegadas, en otros trminos, las frmulas se
aplican slo si k es mayor que .
Redes de colas
Algunos sistemas de colas estn compuestos por una serie de subsistemas que se encuentran
enlazados formando una red. En este tipo de sistemas los clientes llegan a un nodo en el que
esperan su turno en cola hasta que son atendidos, momento en el cual se dirigen a otro nodo
para obtener otro servicio ms, y as han de ser atendidos por ms de un subsistema antes de
que todos sus requisitos de servicio queden atendidos. Estos sistemas son les denominados
redes de colas.(Trfico en los sistemas de telecomunicacin , s. f.)
Tipos de redes de colas.
Redes abiertas: en las que cada cliente entra al sistema en un momento dado y, tras pasar por
una o ms colas, sale del sistema.
Un sistema telefnico es una red abierta: al entrar el cliente al sistema espera para acceder a la
central local a que est asignado; una vez conseguido el acceso se dirige al nodo formado por la
central sectorial; despus hace lo propio para entrar en la central provincial, interprovincial,...
Una vez realizada su comunicacin sale del sistema. En este ejemplo cada tipo de central es un
nodo del sistema.
Redes abiertas cclicas: que presentan bucles en la red, de manera que un cliente puede pasar
varias veces por la misma cola antes de salir del sistema.
Redes cerradas: en las que los clientes ni entran ni salen del sistema, permaneciendo
indefinidamente circulando por el interior de la red. Este tipo de redes, en las que normalmente
existe un nmero fijo de clientes.(Trfico en los sistemas de telecomunicacin , s. f.)
Denotando por i la tasa de llegadas externas al nodo i, la tasa media total de llegadas de
clientes al nodo i, i, debe ser igual a la tasa de salidas de dicho nodo, por lo que se tendr que
Resulta as un conjunto de K ecuaciones (una por nodo) que forman un sistema lineal cuya
solucin es nica y que, una vez resuelto, nos permite determinar las tasas i de llegada a cada
nodo. A las ecuaciones que forman este sistema se les denomina ecuaciones de equilibrio. Para
que ninguna de las colas del sistema se sature es preciso que se cumpla la condicin de no
saturacin del modelo M/M/c, dada, para cada uno de los nodos.
Redes cerradas de Jackson
Una red de colas cerrada con K nodos se dice que es de Jackson si y solo si nicamente existe
una cantidad constante M de clientes en la red que pertenecen a una sola clase, en la que cada
nodo i es una cola M/M/ci, producindose los enrutados de un nodo a otro son probabilsticas,
siendo rij 0 la probabilidad de ir al nodo j despus de haber salido del nodo i. Como en este
tipo de redes no llegan clientes desde el exterior a ninguno de los nodos, y la tasa media total de
llegadas de clientes al nodo i debe ser igual a la tasa de salidas de dicho nodo, se tendr que
Resulta as un conjunto de K ecuaciones (una por nodo) que forman un sistema lineal
indeterminado con un grado de libertad que habr de resolverse para determinar las tasas de
llegadas relativas a cada nodo, i*, fijando para ello un valor positive arbitrario para una de las
incgnitas.
Simulacin
La simulacin es uno de los mtodos cuantitativos ms ampliamente utilizados para tomar
decisiones. Es un mtodo de aprender acerca de un mtodo real experimentando con un modelo que
representa el sistema. El modelo de simulacin contiene las expresiones matemticas y relaciones
lgicas que describen cmo calcular el valor de los datos de salida dados los valores de los datos de
entrada. Cualquier modelo de simulacin tiene dos datos de entrada: controlables y probabilsticos.
La fi gura 16.1 muestra un diagrama conceptual de un modelo de simulacin.
Cuando realiza un experimento de simulacin, un analista selecciona el valor, o valores, de los
datos de entrada controlables. Luego los valores de los datos de entrada probabilsticos se
generan al azar. El modelo de simulacin utiliza los valores de datos de entrada controlables y los
valores de los datos probabilsticos para calcular el valor, o valores de los datos de salida.
Realizando una serie de experimentos con varios valores de los datos de entrada controlables, el
analista aprende cmo los valores de los datos controlables afectan o cambian el resultado del
modelo de simulacin. Despus de revisarlos resultados de simulacin, el analista con frecuencia es
capaz de recomendar datos de entrada controlables que darn el resultado deseado del sistema real.
La simulacin se ha aplicado con xito en una amplia variedad de aplicaciones. Los ejemplos
siguientes son tpicos:
d) Desarrollo de un nuevo producto: El objetivo de esta simulacin es determinar la
probabilidad de que un producto nuevo sea redituable. Se desarrolla un modelo que relaciona el
beneficio o utilidad (la medida del resultado) con varios datos de entrada probabilsticos como
demanda, costo de piezas y costo de mano de obra. El nico dato de entrada controlable es si se
introduce el producto en el mercado. Se generarn varios valores posibles para los datos de
entrada probabilsticos y se calcular la utilidad resultante.
e) Sobreventa de boletos en una aerolnea: El objetivo de esta simulacin es determinar el
nmero de reservaciones que una aerolnea debe aceptar para un vuelo particular. Se desarrolla
un modelo de simulacin que relaciona la utilidad del vuelo con un dato de entrada
probabilstico, el nmero de pasajeros con reservacin que aparecen y utilizan su reservacin;
un dato de entrada controlable, el nmero de reservaciones aceptadas para el vuelo. Por cada
valor seleccionado del dato de entrada controlable se generarn varios valores posibles para el
nmero de pasajeros que aparecen, y se puede calcular la utilidad resultante
f)
g) Flujo de trfico: El objetivo de esta simulacin es determinar el efecto de instalar una seal que de
vuelta a la izquierda en el sentido del flujo del trnsito en una interseccin congestionada. Se
desarrolla un modelo que relaciona el tiempo de espera de los vehculos para cruzar la interseccin
con datos de entrada probabilsticos como el nmero de vehculos que llegan y la fraccin que
desea dar vuelta a la izquierda, y datos de entrada controlables como el tiempo que la seal de
vuelta a la izquierda est activa. Por cada serie de datos de entrada controlables, se generarn
valores para los datos de entrada probabilsticos y se calcularn los tiempos de espera resultantes de
los vehculos.
5. Lneas de espera: El objetivo de esta simulacin es determinar los tiempos de espera de clientes en
el cajero automtico de un banco (ATM). Se desarrolla un modelo que relaciona los tiempos de espera
de los clientes con datos de entrada probabilsticos, como llegadas de clientes y tiempo de servicio, y
un dato de entrada controlable el nmero de cajeros automticos instalados.
Anlisis del riesgo
Anlisis del riesgo es el proceso de predecir el resultado de una decisin frente a la incertidumbre.
En esta seccin se describe un problema que implica una considerable incertidumbre: el desarrollo
de un producto nuevo. Primero mostramos cmo puede realizarse
un anlisis de riesgo sin utilizar simulacin; luego, cmo puede realizarse un anlisis ms completo
del riesgo sin la ayuda de simulacin.
Referencias
Anderson, D. R., Sweeney, D. J., Williams, T. a., Martin, J. D., & Camm, K. (2011). Mtodos
cuantitativos para los negocios.
Cmo calcular el inventario de productos terminados para una compaa de fabricacin | Pequea y
mediana empresa - La Voz Texas. (s. f.). Recuperado 10 de junio de 2015, a partir de
http://pyme.lavoztx.com/cmo-calcular-el-inventario-de-productos-terminados-para-una-compaade-fabricacin-5972.html
Quintero, P. (s. f.). INVESTIGACION DE OPERACIONES-1: Modelo EOQ (Con Faltantes).
Recuperado a partir de http://investigacionoperacionespao.blogspot.de/p/modelo-eoq-confaltantes.html
Stock de seguridad - Wikipedia, la enciclopedia libre. (s. f.). Recuperado 10 de junio de 2015, a partir
de http://es.wikipedia.org/wiki/Stock_de_seguridad
Teora de inventario - EcuRed. (s. f.). Recuperado 9 de junio de 2015, a partir de
http://www.ecured.cu/index.php/Teor%C3%ADa_de_inventario
Teora de inventarios resea historica. (s. f.). Recuperado 9 de junio de 2015, a partir de
http://www.dcb.unam.mx/users/isabelpaj/web/asignaturas/archivos/inventarios/Rese%F1a_hist
%F3rica.pdf
TIPOS DE INVENTARIOS. (s. f.). Recuperado 10 de junio de 2015, a partir de
http://es.slideshare.net/lupithavzgz/tipos-de-inventarios-10272562
Trfico en los sistemas de telecomunicacin . (s. f.). Recuperado 10 de junio de 2015, a partir de
https://portal.uah.es/portal/page/portal/GP_EPD/PG-MA-ASIG/PG-ASIG20594/TAB42351/Tema9.pdf