UNIDAD 2: PASÓ 3.

DESARROLLAR Y PRESENTAR EL DIAGNÓSTICO Y ANÁLISIS

FINAL DEL ESTUDIO DE CASO.

ANA MARIA AVILA TAFUR

CODIGO: 1.110.463.463

GRUPO: 104561A_88

TUTOR:
ANGELA MARIA OSPINA

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

ESCUELA DE CIENCIAS BASICAS DE TECNOLOGIA E INGENIERIA
METODOS PROBABILISTICOS
IBAGUE- 2018
 DESARROLLO DE LA ACTIVIDAD.
1. Diseñar trun Mentefacto con tema Modelo de colas M / G / C-FCFS con una política de sistema de inventario de revisión continua, a partir del artículo
“Developing a M/G/C-FCFS queueing model with continuous review (R,Q) inventory system policy in a cement industry”.

-Líneas de espera de varios servidores con -Investigación de Operaciones.

disciplina general. EJEMPLOS: -Programación Lineal.
-Modelos Probabilísticos.
(Primero en llegar, primero en salir). -Modelos de Redes.
-Métodos Probabilísticos. -Modelos de Transporte.
-Modelos de cola de varios servidores con -Programación Entera.
disciplina general. -Programación Dinámica.
(Primero en llegar, primero en salir). -Programación de Proyectos
PERT CPM.
-Línea de espera de varios servidores con -Técnicas de pronósticos
disciplina general. determinísticos.
MODELO DE COLAS
(primero en llegar, primero en ser atendido). -Técnicas de pronósticos
M/G/C-FCFS CON UNA
POLITICA DE SISTEMA exponenciales.
- Modelos de cola de varios servidores con -Cadena de Markov.
DE INVENTARIO DE
disciplina general. -Teoría de Decisiones.
REVISION CONTINUO.
(primero en llegar, primero en ser atendido) -Teoría de Juegos.
-Teoría no Lineal.

SIGNIFICADO: Es el estudio CLASIFICACION: APLICACIONE EJEMPLO:

matemático de las líneas de -Modelo de Servicio. TECNICAS O Podemos mostrar como
S:
espera permitiendo el análisis MODELOS: ejemplo una industria
de varios procesos como la -Disciplina de la cola. -Modelo con Son utilizadas jabonera con el objetivo
llegada al final de la cola. servidor múltiple. para determinar principal de reducir el
Atención o abandono de la -Número de etapas -Distribuciones y minimizar los tiempo esperado en su
cola. Es una rama de del servicio. poisson y costos, bajo el sistema, también se
investigación de operaciones exponencial. riesgo de puede considerar el
aplicable a una gran variedad -Capacidad del -Modelos de un instrucciones tiempo utilizado en las
de problemas en el negocio, sistema servidor y una cola. probabilísticas. entregas en el momento
en el comercio, en el de su distribución entre
transporte, la logística, e.t.c proveedor y minorista.
 Tabla Diagnóstico final del estudio de caso
Modelo
probabilístico
Estrategia
(requerido para
propuesta en Justificación Referencia documental
No. plantear,
el estudio de (Cita textual) en norma APA (consulte aquí)
desarrollar y
caso
solucionar la
estrategia)
Con las cadenas
de markov se Taibo,A. investigación de operaciones para los no
puede pronosticar matemáticos (pp.71-77), mexico, D.F., MX: instituto
el comportamiento politécnico Nacional, 2009. Accessed November 27,
futuro de ciertas 2016.
CADENA DE variables, los http://bibliotecavirtual.unad. edu.co:2077/lib/una
pronósticos se dsp/reader.action?docID =10504970&ppg=8
MARKOV
logran hacer
mediante análisis
de los mismos
cambios que
sufren estas
1 Participación variables. Esta
cadena de markov
es aplicada en un
gran número de
situaciones como
podría ser el
cambio de
preferencia que
tienen los
mercados en sus
diferentes
productos.

Estas técnicas Amaya, A. J. (2009). Toma de decisiones gerenciales:

usan el criterio de métodos cuantitativos para la administración (2a. Ed.) (pp.
TECNICAS las personas y 101-109), Bogotá, CO: Ecoe Ediciones. Recuperado de
determinadas http://bibliotecavirtual.una d.edu.co:2077/lib/unadsp/rea
DE
2 Servicio relaciones para der.action?docID=10467109& ppg=9
PRONOSTIC logara transformar
O información
cualitativa en
estimados
cuantitativos.

La estocasticidad
aparece en todos Santiago, R. (2016).
los sistemas pero Optimización estocástica
hasta ahora no era (pp. 3-4), Madrid .
posible la solución Universidad pontificia
de problemas de ICAI ICADE Comillas.
optimización de Recuperado de:
grandes sistemas https://www.iit.comillas.edu/aramos/simio/apuntes/a_sp.pdf
PROGRAMA considerando
CION explícitamente
ESTOCASTIC esta. La
incertidumbre
A puede deberse a
carencia de datos
3 Optimización fiables, errores de
medida o tratarse
de parámetros que
representa
información sobre
el futuro. En esta
optimización no se
conocen sus
valores, solo sus
distribuciones y
habitualmente se
supone que estas
son discretas con
un número finito de
estados posibles.
 REFERENCIA BIBLIOGRÁFICA.

 Taibo,A. investigación de operaciones para los no matemáticos (pp.71-77), mexico, D.F.,

MX: instituto politécnico Nacional, 2009. Accessed November 27, 2016.
http://bibliotecavirtual.unad. edu.co:2077/lib/una dsp/reader.action?docID
=10504970&ppg=8

 Amaya, A. J. (2009). Toma de decisiones gerenciales: métodos cuantitativos para la

administración (2a. Ed.) (pp. 101-109), Bogotá, CO: Ecoe Ediciones. Recuperado de
http://bibliotecavirtual.una d.edu.co:2077/lib/unadsp/rea der.action?docID=10467109& ppg=9

 Santiago, R. (2016). Optimización estocástica (pp. 3-4), Madrid .Universidad

pontificia ICAI ICADE Comillas.
Recuperado de:
https://www.iit.comillas.edu/aramos/simio/apuntes/a_sp.pdf

 Palacios, A. L. C. (2009). Dirección estratégica (pp. 134-137), Bogotá, CO: Ecoe Ediciones.
Recuperado
de: http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?docID=10515305&ppg=9.

 Mariscal, B. W. (2009). Proceso de toma de decisiones gerenciales (pp. 4-23), Córdoba, AR: El
Cid Editor | apuntes. Recuperado
de http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?docID=10316258&ppg=3