TALLER CURSO DIRIJIDO

PRESENTADO POR:
ANUAR AGUALIMPIA SANTOS

PRESENTADO A:
ING. HERMAN JAIR MOSQUERA

FUNDACION UNIVERSITARIA CLARETIANA “UNICLARETIANA”

FACULTAD DE INGENIERIA
PROGRAMA DE INGENIERIA INDUSTRIAL
MATERIA: MODELOS 2
AÑOS 2019
 MODELOS DE REDES
Un modelo de red es un modelo de transbordo con capacidades, el cual puede adoptar
diversas formas, como el modelo de la ruta más corta y el modelo del flujo máximo y
mínimo, el problema de árbol de alcance mínimo, método de camino crítico, entre otras
aplicaciones de la planeación financiera y de producción.

ALGORITMO DEL ÁRBOL DE EXPANSIÓN MÍNIMA

El algoritmo del árbol de expansión mínima es un modelo de optimización de redes que
consiste en enlazar todos los nodos de la red de forma directa y/o indirecta con el objetivo
de que la longitud total de los arcos o ramales sea mínima (entiéndase por longitud del arco
una cantidad variable según el contexto operacional de minimización, y que puede bien
representar una distancia o unidad de medida).

PROBLEMA DEL CAMINO MÁS CORTO

El Problema del Camino más Corto (o ruta más barata) consiste en encontrar una ruta o
camino óptimo entre un nodo fuente y un nodo destino, los cuales están enlazados a través
de una red con arcos que poseen un cierto atributo, el cual puede ser costo, distancia,
tiempo, etc

PROBLEMA DEL FLUJO MÁXIMO

Problema del flujo máximo. problema que consiste en determinar la máxima cantidad
de flujo que puede ser enviada a lo largo de una red dirigida, desde un nodo origen (de
oferta) hasta un nodo destino (de demanda) por unidad de tiempo. es necesario: satisfacer
las restricciones de capacidad en cada uno de los arcos.
 DIAGRAMA DE PERT
Diagrama de PERT permite establecer relaciones a partir de las dependencias de las
actividades de un proyecto. Si el entregable de una actividad es necesario para empezar la
siguiente, situaremos a continuación a segunda tarea. Ninguna actividad se puede realizar
antes si depende de que termine otra que está planificada más tarde.

MODELO CPM
Modelo CPM es frecuentemente utilizado en el desarrollo y control de proyectos. El objetivo
principal es determinar la duración de un proyecto, entendiendo éste como una secuencia
de actividades relacionadas entre sí, donde cada una de las actividades tiene una duración
estimada.

MODELOS DE CONTROL DE INVENTARIOS

El control de inventarios es una herramienta fundamental en la administración moderna,
ya que esta permite a las empresas y organizaciones conocer las cantidades existente de
productos disponibles para la venta, en un lugar y tiempo determinado, así como las
condiciones de almacenamiento aplicables en las industrias.
JERCICIO
Una compañía se abastece actualmente de cierto producto solicitando una cantidad
suficiente para satisfacer la demanda de un mes. La demanda anual del artículo es de 1500
unidades. Se estima que cada vez que hace un pedido se incurre en un costo de $20. el costo
de almacenamiento por inventario unitario por mes es de $2 y no se admite escasez.
Determinar la cantidad de pedido optima y el tiempo entre pedidos
Determinar la diferencia de costos de inventarios anuales entre la política optima y la
política actual, de solicitar un abastecimiento de un mes 12 veces al año.
Solución:
r = 1500 unidades/año
C3 =$20
C1 =$2 unidad/mes = $24 unidad/año
T=Q*/r = 50/1500 = 1/30 año x 360 días/año = 12 días
Política Actual se le agota cada mes o sea 1/12 año
1/12=Q*/1500 Q*=125 (política actual)

Política Optima

Q*= 50

Diferencia de $540 por lo tanto se ahora más cuando existe la política optima.

CONCLUSIÓN MODELOS DE REDES

Hay que señalar que, aunque éste ha sido solamente un trabajo introductorio ha permitido
desarrollar herramientas útiles para definir redes de transporte y además un algoritmo de
resolución centralizado que, aunque basado en modelos lineales, proporciona la solución
óptima ante cualquier demanda posible.
 CADENA DE MARKOV
Una cadena de Markov es una serie de eventos, en la cual la probabilidad de que ocurra un
evento depende del evento inmediato anterior. En efecto, las cadenas de este tipo tienen
memoria, "Recuerdan" el último evento y esto condiciona las posibilidades de los eventos
futuros. Esta dependencia del evento anterior distingue a las cadenas de Markov de las
series de eventos independientes, como tirar una moneda al aire o un dado. En los negocios,
las cadenas de Markov se han utilizado para analizar los patrones de compra, los deudores
morosos, para planear las necesidades de personal y para analizar el reemplazo de equipo.

Ejercicio: Una empresa está considerando utilizar Cadenas de Márkov para analizar
los cambios en las preferencias de los usuarios por tres marcas distintas de un
determinado producto. El estudio ha arrojado la siguiente estimación de la matriz
de probabilidades de cambiarse de una marca a otra cada mes:

Si en la actualidad la participación de mercado es de 45%, 25% y 30%,

respectivamente. ¿Cuáles serán las participaciones de mercado de cada marca en
dos meses más?
En primer lugar, definimos la variable aleatoria que representa la marca que
adquiere un cliente cualquiera en el mes n. Dicha variable aleatoria puede adoptar
los valores 1,2,3 en el mes n=0,1,2, 3...

Adicionalmente conocemos cuál es la distribución inicial y la matriz de probabilidades

de transición en una etapa tal como se observa a continuación:

Luego para conocer la distribución de las participaciones de mercado al cabo de 2

meses (2 etapas) podemos utilizar la fórmula :
Se concluye que las cuotas de mercado (participaciones de mercado) en dos meses
ha cambiado de un 45% a un 40.59%; de un 25% a un 33.91% y de un 30% a un
25.50%, para las marcas 1,2 y 3 respectivamente.

PROCESO ESTOCÁSTICO
Un proceso estocástico es un concepto matemático que sirve para usar magnitudes aleatorias que
varían con el tiempo o para caracterizar una sucesión de variables aleatorias (estocásticas) que
evolucionan en función de otra variable, generalmente el tiempo.

ECUACIÓN DE CHAPMAN-KOLMOGÓROV
la ecuación de Chapman-Kolmogórov es una identidad sobre las distribuciones de
probabilidad conjunta de los diferentes conjuntos de coordenadas en un proceso
estocástico.

EJERCICIO:

OBJETIVO: Comprender el uso adecuado de las Ecuaciones de Chapman y Kolmogorov por

medio de un ejemplo básico.

ENUNCIADO: Se tiene el mismo programa de software instalado en dos computadores

diferentes; se desea saber en cuál de los dos este programa es más eficiente, así que va a
probar cuál de los dos computadores es mejor y conocer cual completa 100Gb de
transferencia. Al comenzar la prueba la velocidad inicial del procesador en las 2 máquinas
es de 30GHz, cada equipo en prueba tiene la probabilidad de que en intervalos de un
segundo el reloj de la CPU acelere a 40GHz, desacelere a 30GHz o que se conserve la misma
velocidad que mantenía hacia un segundo de la siguiente manera:
 Ordenador1 (O1) Ordenador2 (O2)

40GHz 40GHz 40GHz 40GHz

30GHz 0.3 0.7 30GHz 0.4 0.6
40 GHz 0.2 0.8 40 GHz 0.5 0.5

a) ¿Cuál de los dos ordenadores tiene más posibilidades de estar a la máxima velocidad
(40 GHz) a los 4 segundos de prueba?
b) ¿Cuál de los dos ordenadores tiene más probabilidad de alcanzar los 100Gb en el
menor tiempo posible?

CONCEPTOS CLAVES:

 Procesos Estocásticos: Es un concepto matemático que sirve para caracterizar una

sucesión de variables aleatorias (estocásticas) que evolucionan en función de otra
variable, generalmente el tiempo.
 Cadenas de Márkov, Ecuaciones de Chapman y Kolmogorov

SOLUCIÓN

PASOS PROCEDIMIENTO
1. A partir de cada una de
las matrices dadas por 1.
el problema (matriz de
transición de 0.3 0.7 0.3 0.7 0.23 0.77
velocidad), de O1 𝑃2 = [ ]∙[ ]=[ ]
0.2 0.8 0.2 0.8 0.22 0.78
(Matriz P) y O2 (Matriz
Q), se calcula P3 Q3 0.3 0.7 0.23 0.77 0.223 0.777
𝑷𝟑 = [ ]∙[ ]=[ ]
para resolver el ítem a). 0.2 0.8 0.22 0.78 0.222 0.778
Se debe tener en
cuenta que en el
segundo 1 la velocidad 0.4 0.6 0.4 0.6 0.46 0.54
𝑄2 = [ ]∙[ ]=[ ]
es la misma en los dos 0.5 0.5 0.5 0.5 0.45 0.55
ordenadores, así que el
0.4 0.6 0.46 0.54 0.454 0.546
primer paso de 𝑸𝟑 = [ ]∙[ ]=[ ]
0.5 0.5 0.45 0.55 0.455 0.545
transición ocurre en el
segundo 2
 2. De acuerdo al paso
anterior el ordenador 0.223 𝟎. 𝟕𝟕𝟕 0.454 𝟎. 𝟓𝟒𝟔
2. 𝑃3 = [ ] 𝑄3 = [ ]
que tiene mayor 0.222 0.778 0.455 0.545
probabilidad de tener
la máxima velocidad en 𝑂1: 𝑃30,40 (3) = 0.777
4 segundos se observa 𝑂2: 𝑄30,40 (3) = 0.546
en el desarrollo
Ra/ El ordenador 1 tiene mayor probabilidad tiene mayor probabilidad
de estar a mayor velocidad a los 4 segundos, siendo esta de 0.777

3. Ahora se procede a
resolver el punto b) 3. Con el fin de transferir 100Gb en el menor tiempo posible, el
ordenador debe acelerar y mantener una velocidad de 40m/s hasta
lograr el objetivo, observándose en la siguiente tabla:

Transferencia
Tiempo(seg) Velocidad(m/s) alcanzada

1 30 30

2 40 70

3 40 110

Es necesario encontrar la probabilidad de que el ordenador esté a la

máxima capacidad en cada segundo, esto se hace como en el ítem a),
obteniendo así:

𝑂1: 𝑃30,40 (1) = 0.7 𝑂2: 𝑄30,40 (1) = 0.6

𝑂1: 𝑃30,40 (2) = 0.77 𝑂2: 𝑄30,40 (2) = 0.54

4. De acuerdo al 4.
procedimiento anterior se Para O1:
puede hallar la respuesta Probabilidad de ganar = 0.7 · 0.77 = 0.539
al ítem b)
Para O2:
Probabilidad de ganar = 0.6 · 0.54 = 0.324

Rb/ el ordenador 1 tiene una mayor probabilidad de ganar la prueba,

siendo esta del 0.539
CONCLUSIÓN:
Por medio de este ejercicio fue posible comprender el uso de las Ecuaciones de Chapman y
Kolmogorov sabiendo que estas son una identidad sobre distribuciones de probabilidad
conjunta en un proceso estocástico

TIEMPOS DE PRIMERA PASADA

Tiempos de Primera Pasada Con frecuencia es conveniente poder hacer afirmaciones en
términos de probabilidades sobre el número de transiciones que hace el proceso de ir al
estado i al estado j por primera vez. Este lapso se llama tiempo de primera pasada. Cuando
j=i, este tiempo de primera pasada es justo el número de transiciones hasta que el proceso
regrese al estado inicial.

PROPIEDADES A LARGO PLAZO DE LAS CADENAS DE MARKOV

Las pj se llaman probabilidades de estado estable de la cadena de Márkov. El término
probabilidad de estado estable significa que la probabilidad de encontrar el proceso en
cierto estado, por ejemplo, j, después de un número grande de transiciones tiende al valor
pj, y es independiente de la distribución de probabilidad inicial definida para los estados.

ESTADOS ABSORBENTES
Se dice que un estado es absorbente si es cero la probabilidad de hacer una transición fuera
de ese estado. Por tanto, una vez que el sistema hace una transición hacia un estado
absorbente, permanece en el siempre.

CONCLUSION DE LA CADENA MARKOV

En este trabajo hemos aprendido a aplicar las cadenas de markov en situaciones reales y a
interpretar sus resultados. Una de las grandes ventajas de este proceso es que se puede
utilizar en multitud de situaciones reales y muy variadas. Creemos que es una herramienta
muy útil puesto que la información que nos da nos ayuda a evitar posibles problemas y
mejorar resultados.
 TEORÍA DE COLAS
La teoría de colas es el estudio matemático de las colas o líneas de espera dentro de
un sistema. Esta teoría estudia factores como el tiempo de espera medio en las colas o la
capacidad de trabajo del sistema sin que llegue a colapsar.

Ejercicio: Suponga que en una estación con un solo servidor llegan en promedio 45 clientes
por hora, Se tiene capacidad para atender en promedio a 60 clientes por hora. Se sabe que
los clientes esperan en promedio 3 minutos en la cola. Se solicita: a) Tiempo promedio que
un cliente pasa en el sistema. b) Número promedio de clientes en la cola. c) Número
promedio de clientes en el Sistema en un momento dado.
Solución: Se conoce la siguiente información:
λ= 45 clientes/hora (media de llegada de los clientes)= 45/60 clientes/minutos
µ= 60 clientes/hora (media de servicio a los clientes) = 60/60 clientes/minutos=
Wq = 3 minutos (tiempo promedio de espera de un cliente en la cola)

a) Para calcular el tiempo promedio que un cliente pasa en el Sistema (Ws). Lo

podemos calcular a partir de Wq y µ.
𝑾𝒔 = 𝑾𝒒 + 𝟏 𝝁 = 3 minutos + 𝟏 𝟏 = 𝟑 + 𝟏 = 𝟒 𝒎𝒊𝒏𝒖𝒕𝒐𝒔

Es decir, en promedio un cliente pasa 4 minutos en el Sistema: distribuidos así 3

minutos pasa esperando en la cola + 1 minutos en servicio.

b) Para calcular el número de clientes en la cola (Lq), usaremos la fórmula siguiente:

Lq= λ Wq.

𝐿𝑞 = 𝜆 ∗ 𝑊𝑞=0.75 𝑐𝑙𝑖𝑒𝑛𝑡𝑒𝑠 𝑚𝑖𝑛𝑢𝑡𝑜𝑠* 3 minutos = 2.25 clientes.

Es decir, los cálculos nos muestran que en la cola puede haber más de dos clientes en la
cola.
 c) Para calcular cual es el número de clientes en la cola (Ls). Lo podemos hacer con la
fórmula: Ls= λ Ws. 𝐿𝑆 = 𝜆 ∗ 𝑊𝑆 = 0.75 𝑐𝑙𝑖𝑒𝑛𝑡𝑒 𝑚𝑖𝑛𝑢𝑡𝑜𝑠 ∗ 4 𝑚𝑖𝑛𝑢𝑡𝑜𝑠 = 3 𝑐𝑙𝑖𝑒𝑛𝑡𝑒𝑠

Es decir, en promedio hay tres clientes en el sistema, como se nos ha dicho que solo hay
un servidor, sabemos que solo un cliente puede estar en servicio, por lo que los demás
deben estar en la cola. Esto indica que hay dos clientes en espera.

ESTRUCTURA BÁSICA DE UNA LÍNEA DE ESPERA

Una línea de espera está constituida por un cliente que requiere de un servicio
(proporcionado por un servidor) en un determinado periodo. Los clientes entran
aleatoriamente al sistema y forman una o varias colas (o líneas de espera) para ser
atendidos.
POBLACIÓN FINITA
Es un grupo limitado de clientes que representa la fuente que usará un servicio y que en
ocasiones forma una cola. En este caso cuando un cliente deja su posición como miembro
de la población de usuarios, se reduce en una unidad el tamaño del grupo de usuarios, lo
cual reduce la probabilidad que un usuario requiera servicio.

POBLACIÓN INFINITA
Es aquella población que tiene el tamaño suficiente en comparación con el sistema de
servicio, para que los cambios en el tamaño de la población, ocasionados por disminuciones
o incremento a la población, no afectan de manera sustancial las probabilidades del
sistema.
Ejercicio:
Durante un período de 8 horas, llegaron 96 carros a la estación de servicio de Joe.
Suponiendo que el tiempo entre llegadas tiene una distribución exponencial, use los datos
proporcionados para estimar:
a) El valor de la frecuencia de llegadas.
b) El tiempo medio entre llegadas.
c) La razón media de llegadas

Solución:
Población = infinita
Línea de espera =infinita
Tasa de llegadas constante = λ
Tasa de servicio constante= μ a.

Sabemos que 96 carros llegan en 8 horas, necesitamos saber cuántos carros llegan en una
hora. Para obtener la tasa de llegada por hora.
𝝀 = 𝟗𝟔 𝒄𝒂𝒓𝒓𝒐𝒔 / 𝟖 𝒉𝒐𝒓𝒂𝒔 = 𝟏𝟐 𝒄𝒂𝒓𝒓𝒐𝒔/𝒉𝒐𝒓𝒂
b. Tiempo medio entre llegadas.
Esto se saca haciendo: la inversa de la tasa de llegada.
𝟏/ 𝝀 = 𝟏 /𝟏𝟐 = 𝟎. 𝟎𝟖𝟑𝟑 𝒉𝒐𝒓𝒂𝒔 c. La razón media de llegada 𝜆𝑛 = λ = 12 𝑐𝑎𝑟𝑟𝑜𝑠/ ℎ𝑜𝑟a

UNA COLA –SERVIDORES MÚLTIPLES EN PARALELO – POBLACIÓN INFINITA

Es un sistema con una sola cola, a la cual puede llegar un numero infinito de clientes en
espera de recibir un mismo servicio por parte de S (S 1) servidores en paralelo.

ORGANIZACIÓN DEL SERVICIO.

Son entidades sociales que permiten la asociación de personas que interactúan entre sí para
contribuir mediante sus experiencias y relaciones al logro de objetivos y metas
determinadas.