TALLER DE APLICACIÓN DE SIMULACIÓN: VARIABLES DISCRETAS

1. En un determinado país gran importador de petróleo los buques-tanques

cargados del crudo llegan a un puerto del mismo, de manera totalmente
aleatoria. El puerto dispone de dos terminales a través de las cuales se
descargan los buques-tanques las cuales han sido identificadas como “A” y
“B”. Los registros históricos señalan que el número de días que transcurren
para que los buques-tanques lleguen al puerto varían entre 1 y 6 días; las
frecuencias ocurridas por este hecho en los últimos días se registran en la
siguiente tabla:

Tiempo de demora llegada (días) 1 2 3 4 5 6

N°. Días en que ocurrieron 25 20 30 10 10 5

La terminal “B” fue construida recientemente, razón por la cual tiene una
tecnología incorporada para descargar los buques que la hace más eficiente
que la otra terminal. El tiempo que un buque-tanque demora en ser
descargado depende de su tamaño, sin embargo la experiencia en la labor
nos da la siguiente información:

Tipo de tanque Tiempo descargue

A B
Súper-tanque 5 4
Tanque-Normal 4 3
Tanque-Mediano 3 2
Tanque-pequeño 2 1

A medida que los tanques van llegando al puerto van formando una línea de
espera y se asigna para descargarlo la terminal que se encuentre
desocupada y que sea más eficiente, con la disciplina primero que llega
primero que es atendido.

El número de buque-tanques que ha llegado al puerto según su categoría se

registra en la siguiente tabla:

Tipo Buque Súper Tanque Tanque Tanque

Tanque Normal Mediano Pequeño
Número 40 30 20 10

1
Diseñe una simulación para mostrar el comportamiento de este sistema en
los próximos 40 días y calcule los valores promedios de todas las variables
que intervenga tanto a las entradas como a las salidas.

Tiempo de Ni f(x) F(x) Aleatorios ri

llegada
1 25 0.25 0.25 0.1----------25
2 20 0.20 0.45 26-----------45
3 30 0.30 0.75 46-----------75
4 10 0.10 0.85 76-----------85
5 10 0.10 0.95 86-----------95
6 5 0.05 1.00 96----------1.00

Tipo de Súper Tanque Tanque Tanque

Buque Tanque Normal Mediano Pequeño
A 5 4 3 2

B 4 3 2 1

Tipo de Ni f(x) F(x) Aleatorios ri

Tanque
Súper-Tanque 40 0.40 0.40 01--------40
Tanque-Normal 30 0.30 0.70 41--------70
Tanque- 20 0.20 0.90 71--------90
Mediano
Tanque- 10 0.10 1.00 91------1.00
Pequeño

Pv $0,58 Precio de ventas

Cp $0,45 Costo de producción
Pvo $0,62 Venta de oportunidad
Ca $0,04 Costo de almacén

2
Ventas Días f(x) F(x) ALEATORIOS
0.25 0.25 0.1----------25
80 25
0.20 0.45 26-----------45
120 20
0.30 0.75 46-----------75
190 30
0.10 0.85 76-----------85
210 10
0.10 0.95 86-----------95
130 10
0.05 1.00 96----------1.00
260 5

3
 Buque descargar
Súper Tanque Tanque Tanque Tanque Termina A Terminal B Llegadas
Normal Mediano Pequeño
Días Total Turno Total Turno Total Turno Total Turno Tipo Días Tipo Días Aleatorio Tipo Aleatorio Días

1 1 0 0 0 2 1 1 1 ST 5 TM 2 69 TN 92 5

2 0 0 0 0 1 1 1 1 ST 4 TM 1 13 ST 25 1

3 1 1 0 0 0 0 1 1 ST 3 TM 2 34 ST 64 3

4 1 1 0 0 0 0 1 1 ST 2 TM 1 84 TM 31 2

5 1 1 0 0 0 0 0 0 ST 1 TP 1 21 ST 91 5

6 2 0 1 1 1 1 0 0 ST 5 ST 4 55 TN 43 2

7 0 0 1 1 1 1 0 0 ST 4 ST 3 40 ST 42 2

8 0 0 2 2 1 1 0 0 ST 3 ST 2 18 ST 13 1

9 2 2 2 2 1 1 0 0 ST 2 ST 1 58 TN 63 3

10 3 3 2 2 0 0 0 0 ST 1 TM 2 92 TP 84 4

11 3 3 1 1 0 0 0 0 TN 4 TM 1 33 ST 53 3

12 3 3 2 1 0 0 0 0 TN 3 TN 3 02 ST 22 1

13 4 4 1 1 0 0 0 0 TN 2 TN 2 38 ST 04 1

14 6 6 1 1 0 0 1 1 TN 1 TN 1 06 ST 51 3

4
15 5 5 0 0 0 0 1 1 TN 4 ST 4 99 TP 29 2

16 5 5 0 0 0 0 1 1 TN 3 ST 3 3 ST 81 4

17 5 5 0 0 0 0 2 2 TN 2 ST 2 26 ST 92 5

18 5 5 0 0 0 0 2 2 TN 1 ST 1 00 TP 39 2

19 3 3 0 0 0 0 2 2 ST 5 ST 4 38 ST 41 2

20 4 4 0 0 0 0 3 3 ST 4 ST 3 63 TN 00 6

21 4 4 0 0 0 0 2 2 ST 3 TP 2 92 TP 63 3

22 3 3 0 0 0 0 2 2 TP 4 ST 3 84 TM 00 6

23 3 3 0 0 0 0 2 2 TP 1 ST 1 33 ST 01 1

24 2 2 0 0 0 0 2 2 ST 5 ST 4 53 TN 38 2

25 2 2 0 0 0 0 1 1 TN 2 TP 1 02 ST 34 2

26 3 3 0 0 0 0 1 1 ST 3 ST 2 22 ST 23 1

27 3 3 0 0 0 0 2 2 TP 4 TP 3 38 ST 57 3

28 2 2 0 0 0 0 3 3 TP 1 ST 1 04 ST 93 5

29 3 3 0 0 0 0 3 3 ST 5 ST 4 06 ST 16 1

30 3 3 0 0 0 0 2 2 TN 2 TP 1 51 TN 75 4

31 3 3 0 0 0 0 3 3 TP 4 TP 3 99 TP 53 3

32 2 2 1 1 0 0 3 3 TN 2 ST 1 29 ST 91 5

5
33 3 3 1 1 0 0 2 2 ST 5 TP 4 31 ST 56 3

34 3 3 1 1 0 0 3 3 TP 1 TP 1 81 TM 92 5

35 2 2 1 1 0 0 4 4 TP 4 ST 3 26 ST 42 2

36 2 2 2 2 0 0 3 3 TN 2 TP 1 92 TP 96 6

37 3 3 2 2 0 0 2 2 ST 3 TP 2 00 TP 78 4

38 3 3 1 1 0 0 3 3 TP 4 TN 3 39 ST 43 2

39 3 3 2 2 0 0 2 2 TN 2 TP 1 38 ST 59 3

40 4 4 2 2 0 0 2 2 ST 5 ST 4 41 TN 28 2

6
 EVALUACIÓN ECONÓMICA
INGRESOS EGRESOS
Días lo N° Aleatorio Ventas If Normales Promo Total Cp Ca Total Utilidad Neta
1 400 69 400 0 $345,00 $ - $345,00 $40,00 $ - $40,00 $385,00
2 400 56 400 0 $345,00 $ - $345,00 $40,01 $ - $40,00 $385,00
3 400 30 70 330 $92,45 $ 94,00 $186,45 $40,02 $ 3,30 $43,32 $229,77
4 400 32 110 290 $82,00 $ 75,00 $157,00 $40,03 $ 2,90 $42,93 $199,93
5 400 66 110 290 $82,00 $ 75,00 $157,00 $40,04 $ 2,90 $42,93 $199,93
6 400 79 120 280 $250,40 $ 15,00 $265,40 $40,05 $ 2,80 $42,85 $308,25
7 400 55 70 330 $92,45 $ 94,00 $186,45 $40,06 $ 3,30 $43,32 $229,77
8 400 24 120 280 $250,40 $ 15,00 $265,40 $40,07 $ 2,80 $42,85 $308,25
9 400 80 320 80 $456,00 $ 45,00 $501,00 $40,08 $ 80,0 $200,00 $701,00
10 400 35 70 330 $92,45 $ 94,00 $186,45 $40,09 $ 3,30 $43,32 $229,77
11 400 10 70 330 $92,45 $ 94,00 $186,45 $40,10 $ 3,30 $43,32 $229,77
12 400 98 320 80 $456,00 $ 45,00 $501,00 $40,11 $ 80,0 $ 80 $701,00
13 400 92 70 330 $92,45 $ 94,00 $186,45 $40,12 $ 3,30 $43,32 $229,77
14 400 88 400 0 $345,00 $ - $345,00 $40,13 $ - $40,00 $176,00
15 400 82 110 290 $82,00 $ 75,00 $157,00 $40,14 $ 2,90 $42,93 $199,93
16 400 13 120 280 $250,40 $ 15,00 $265,40 $40,15 $ 2,80 $42,85 $308,25
17 400 4 70 330 $92,45 $ 94,00 $186,45 $40,16 $ 3,30 $43,32 $229,77
18 400 86 120 280 $250,40 $ 15,00 $265,40 $40,17 $ 2,80 $42,85 $308,25
19 400 31 120 280 $250,40 $ 15,00 $265,40 $40,18 $ 2,80 $42,85 $308,25
20 400 13 70 330 $92,45 $ 94,00 $186,45 $40,19 $ 3,30 $43,32 $229,77
TOTAL $ 6.097,43

X $304.8715 Promedio
VE $52.314 Valor Esperado

7
 2. En una de las estaciones de trabajo del proceso de producción con el cual
se fabrican un producto en una pequeña empresa manufacturera, se ha
venido presentando problemas con una de las maquinas selladoras, que
según los reportes técnicos se atribuye a que lleva un tiempo sin hacerle
mantenimiento preventivo. De acuerdo con la información histórica de la
misma el ingeniero de mantenimiento ha podido establecer que la
probabilidad de que la maquina falle si se sigue utilizando en los próximos
días es del 18%. Se piensa que una distribución de probabilidad de Bernoulli
nos proporcionara una buena información de los hechos futuros. Lleve a cabo
una simulación para los próximos diez (10) días con el fin de determinar en
cuales la maquina falla.

Distribución de probabilidad de Bernoulli

𝑃 = 0,18, 1 − 𝑃 = 0,82

𝑓(𝑥) = 𝑃 𝑥 ∗ (1 − 𝑃)1−𝑥

𝑓(𝑥) = 0,18𝑥 ∗ (0,82)1−𝑥

𝑿𝒊 𝒇(𝒙)=𝟎, 𝟔𝟖𝒙 ∗ 𝒇(𝒙) Aleatorios

(𝟎, 𝟑𝟐)𝟏−𝒙
0 0.82 0.82 0.1 -------------82
1 0.18 1.00 83---------------
1.00

Días Aleatorio Valoración Evento

1 66
2 13
3 17
4 68
5 98
6 36
7 12
8 27
9 32
10 20
0 No Falla
0 No Falla
0 No Falla
0 No Falla
1 No Falla
0 Falla
0 No Falla
0 No Falla
0 No Falla
0 No Falla

3. En la fabricación de muñecos plásticos que produce una mediana empresa

de la ciudad de Bogotá utiliza una ingeniería de manufactura por proceso; en

8
 la sección de acabados se tienen una maquina que realiza las operaciones
finales del mismo. De acuerdo con la medición de tiempos estándar se ha
podido determinar que un muñeco llega a la sección cada 0.5 minutos. El
ingeniero de manufactura está interesado en determinar el número de
muñecos que serán procesados en los próximos doce (12) minutos y asume
que si lleva a cabo una simulación utilizando una distribución de Poisson los
resultados son tan confiables que con ellos puede tomar las decisiones
pertinentes para elaborar el Plan Maestro de Producción de la próxima
semana.

Distribución de probabilidad Poisson

1 𝑚𝑖𝑛
= 0.5
𝜆 𝑀𝑢ñ𝑒𝑐𝑜𝑠
1 𝑚𝑖𝑛 𝑀𝑢ñ𝑒𝑐𝑜𝑠
𝜆= =2
0.5 𝑀𝑢ñ𝑒𝑐𝑜𝑠 𝑚𝑖𝑛

𝜆𝑥 ∗ 𝑒 −𝜆 2𝑥 ∗ 𝑒 −2
𝑓(𝑥) = =
𝑥! 𝑥!

𝑓(𝑥) = 0.135 2𝑥

𝑿𝒊 𝒇(𝒙) = 𝟎. 𝟏𝟑𝟓 ∗ 𝟐𝒙 𝒇(𝒙) Aleatorios

0 0,14 0.14 0.1 -------------14
1 0.27 0.41 15---------------41
2 0.56 0.97 42 ------------1.00

Minutos Aleatorio Valoración

1 13 0
2 42 2
3 51 2
4 16 1
5 17 1
6 29 1
7 62 2
8 08 0
9 59 2
10 41 1
11 47 2
12 72 2
16 Muñecos

9
 4. Un fabricante de autopartes produce un componente que es utilizado por los
vehículos de una prestigiosa marca que son ensamblados en la ciudad de
Bogotá. El lote económico de producción de dicho componente es de
cincuenta (50) unidades diarias de las cuales, según políticas establecidas
por el departamento de control de calidad se deben extraer cuatro (4) para
llevar a cabo un control por variables; de acuerdo con los registros históricos
se puede establecer que una unidad elegida en la muestra salga defectuosa
es del 6%. El ingeniero de planta desea establecer el número de piezas que
saldrán en mal estado durante la presente semana si presume que una
buena alternativa para saberlo es a través de un proceso de simulación que
utilice para llevar a cabo la predicción de los experimentos una distribución
de probabilidad binomial.

𝑃 = 0.06 (1 − 𝑃) = 0.94
𝑚=4
𝑛 = 50

𝑓(𝑥) = 𝑃 𝑥 ∗ (1 − 𝑃)1−𝑥
𝑓(𝑥) = (0.06)𝑥 ∗ (0.94)1−𝑥

𝑿𝒊 𝒇(𝒙) 𝒇(𝒙) Aleatorios

= 𝟎. 𝟎𝟓𝒙 ∗ (𝟎. 𝟗𝟓)𝟏−𝒙
0 0.94 0.94 0.1 -------------94
1 0.06 1.00 95---------------
1.00

Días Aleatorios B1 Aleatorios B2 Aleatorios B3 Aleatorios B4

1 69 0 56 0 30 0 32 0
2 31 0 28 0 52 0 89 0
3 30 0 88 0 51 0 58 0
4 91 0 84 0 39 0 25 0
5 35 0 12 00 82 0 63 0
6 64 0 56 0 28 0 29 0
7 43 0 92 0 38 0 12 0
8 71 0 42 0 90 0 64 0
9 48 0 96 1 25 0 73 0
10 36 0 78 0 96 1 38 0
11 78 0 43 0 58 0 08 0
12 53 0 59 0 14 0 49 0

10
13 67 0 28 0 68 0 32 0
14 37 0 17 0 15 0 53 0
15 57 0 84 0 18 0 33 0
16 25 0 86 0 99 1 91 0
17 17 0 16 0 13 0 90 0
18 84 0 98 1 05 0 31 0
19 59 0 37 0 03 0 78 0
20 68 0 06 0 83 0 93 0
21 45 0 20 0 34 0 25 0
22 12 0 18 0 78 0 37 0
23 53 0 68 0 50 0 51 0
24 68 0 54 0 89 0 68 0
25 38 0 11 0 98 1 40 0
26 18 0 24 0 93 0 34 0
27 60 0 08 0 70 0 47 0
28 62 0 19 0 11 0 83 0
29 99 1 81 0 49 0 76 0
30 61 0 25 0 01 0 26 0
31 32 0 61 0 09 0 73 0
32 98 1 54 0 35 0 28 0
33 31 0 51 0 64 0 81 0
34 28 0 93 0 43 0 38 0
35 52 0 12 0 71 0 09 0
36 89 0 78 0 48 0 55 0
37 27 0 69 0 36 0 10 0
38 35 0 73 0 78 0 27 0
39 34 0 29 0 53 0 29 0
40 74 0 86 0 67 0 52 0
41 96 1 74 0 37 0 46 0
42 93 0 53 0 57 0 92 0
43 45 0 54 0 25 0 29 0
44 63 0 38 0 38 0 08 0
45 21 0 05 0 25 0 15 0
46 17 0 43 0 32 0 52 0
47 71 0 41 0 92 0 54 0
48 55 0 24 0 11 0 86 0
49 32 0 86 0 55 0 59 0
50 74 0 10 0 18 0 77 0

DISTRIBUCIÓN DE PROBABILIDAD DE BERNOULLI

11
 5. En las diferentes estaciones de trabajo encontradas en la empresa Taller y
Multiservicios Donprimi, S.A.S se requieren conocer los problemas que se
vienen dando en la máquina de soldado de piezas, que según los reportes
se atribuyen a la falta de mantenimiento requerido para su adecuado
funcionamiento. De acuerdo con la información dada por el área de
producción junto con el personal de mantenimiento se ha podido predecir una
probabilidad de que la máquina falle si se sigue utilizando en los próximos
días es del 32%. Se debe considerar en una probabilidad de Bernoulli, de
manera que se permita proporcionar una adecuada información en el futuro.
Llevar a cabo una simulación para los próximos cincuenta (50) días con el
propósito de determinar cuáles son las principales fallas en la maquinaria.

Distribución de probabilidad de Bernoulli

𝑃 = 0,32, 1 − 𝑃 = 0,68

𝑓(𝑥) = 𝑃 𝑥 ∗ (1 − 𝑃)1−𝑥

𝑓(𝑥) = 0,32𝑥 ∗ (0,68)1−𝑥

𝑿𝒊 𝒇(𝒙)=𝟎, 𝟑𝟐𝒙 ∗ 𝒇(𝒙) Aleatorios

(𝟎, 𝟔𝟖)𝟏−𝒙
0 0,68 0.68 0.1 -------------68
1 0.18 1.00 69---------------
1.00

Días Aleatorio Valoración Evento

1 56 0 No Falla
2 92 1 Falla
3 42 0 No Falla
4 96 1 Falla
5 78 1 Falla
6 43 0 No Falla
7 59 0 No Falla
8 28 0 No Falla
9 17 0 No Falla
10 84 1 Falla
11 86 1 Falla
12 16 0 No Falla
13 98 1 Falla
14 37 0 No Falla

12
 15 06 0 No Falla
16 20 0 No Falla
17 18 0 No Falla
18 68 0 No Falla
19 54 0 No Falla
20 11 0 No Falla
21 24 0 No Falla
22 08 0 No Falla
23 19 0 No Falla
24 81 1 Falla
25 25 0 No Falla
26 61 0 No Falla
27 54 0 No Falla
28 51 0 No Falla
29 93 1 Falla
30 12 0 No Falla
31 78 1 Falla
32 69 1 Falla
33 73 1 Falla
34 29 0 No Falla
35 86 1 Falla
36 74 1 Falla
37 53 0 No Falla
38 54 0 No Falla
39 38 0 No Falla
40 05 0 No Falla
41 43 0 No Falla
42 41 0 No Falla
43 24 0 No Falla
44 86 1 Falla
45 10 0 No Falla
46 28 0 No Falla
47 38 0 No Falla
48 90 1 Falla
49 32 0 No Falla
50 82 1 Falla

6. Dentro de las condiciones de trabajo en la empresa Taller y Multiservicios

Donprimi, S.A.S se requieren conocer los problemas que se vienen dando
en el proceso de empaque y embalaje, que según los reportes se atribuyen
a la falta del uso de nuevos equipos requerido para su adecuado

13
 funcionamiento. De acuerdo con la información dada por el área de
producción junto con la dirección de la empresa se ha podido predecir una
probabilidad de funcionamiento si se utiliza en los próximos días es del 56%.
Se debe considerar en una probabilidad de Bernoulli, de manera que se
permita proporcionar una adecuada información en el futuro. Llevar a cabo
una simulación para los próximos cuarenta (40) días con el propósito de
determinar cuáles son las faltas requeridas para el uso de nuevos equipos.

Distribución de probabilidad de Bernoulli

𝑃 = 0,56, 1 − 𝑃 = 0.44
𝑓(𝑥) = 𝑃 𝑥 ∗ (1 − 𝑃)1−𝑥
𝑓(𝑥) = 0,56𝑥 ∗ (0,44)1−𝑥

𝑿𝒊 𝒇(𝒙)=𝟎, 𝟑𝟐𝒙 ∗ 𝒇(𝒙) Aleatorios

(𝟎, 𝟔𝟖)𝟏−𝒙
0 0,56 0.56 0.1 -------------56
1 0.44 1.00 57---------------
1.00

Días Aleatorio Valoración Evento

1 29 0 No Falla
2 12 0 No Falla
3 64 1 Falla
4 73 1 Falla
5 38 0 No Falla
6 08 0 No Falla
7 49 0 No Falla
8 32 0 No Falla
9 53 0 No Falla
10 33 0 No Falla
11 91 1 Falla
12 90 1 Falla
13 31 0 No Falla
14 78 1 Falla
15 93 1 Falla
16 25 0 No Falla
17 37 0 No Falla
18 51 0 No Falla
19 68 1 Falla

14
 20 40 0 No Falla
21 34 0 No Falla
22 47 0 No Falla
23 83 1 Falla
24 76 1 Falla
25 26 0 No Falla
26 73 1 Falla
27 28 0 No Falla
28 81 1 Falla
29 38 0 No Falla
30 09 0 No Falla
31 55 0 No Falla
32 10 0 No Falla
33 27 0 No Falla
34 29 0 No Falla
35 52 0 No Falla
36 46 0 No Falla
37 92 1 Falla
38 29 0 No Falla
39 08 0 No Falla
40 15 0 No Falla

7. De acuerdo con la materia prima (Lamina de acero), para la fabricación de

tanques en la empresa Taller y Multiservicios Donprimi, S.A.S se requieren
conocer los problemas que se vienen presentando en el proceso de armado
del tabaco del taque, que según los reportes se atribuyen a la falta del uso
de nuevos mecanismos requeridos para su adecuado funcionamiento. De
acuerdo con la información dada por el área de producción junto con la
dirección de la empresa se ha podido predecir una probabilidad de
funcionamiento si se utiliza en los próximos días es del 75%. Se debe
considerar una probabilidad de Bernoulli, de manera que se permita
proporcionar una adecuada información en el futuro. Llevar a cabo una
simulación para los próximos cuarenta y cinco (45) días con el propósito de
determinar cuáles son los nuevos equipos requeridos para mejorar la
producción.

Distribución de probabilidad de Bernoulli

𝑃 = 0,75, 1 − 𝑃 = 0,25

𝑓(𝑥) = 𝑃 𝑥 ∗ (1 − 𝑃)1−𝑥

𝑓(𝑥) = 0,75𝑥 ∗ (0,25)1−𝑥

15
 𝑿𝒊 𝒇(𝒙)=𝟎, 𝟑𝟐𝒙 ∗ 𝒇(𝒙) Aleatorios
(𝟎, 𝟔𝟖)𝟏−𝒙
0 0,75 0.75 0.1 -------------75
1 0.25 1.00 76---------------
1.00

Días Aleatorio Valoración Evento

1 38 0 No Falla
2 25 0 No Falla
3 32 0 No Falla
4 92 1 Falla
5 11 0 No Falla
6 55 0 No Falla
7 18 0 No Falla
8 52 0 No Falla
9 47 0 No Falla
10 30 0 No Falla
11 43 0 No Falla
12 87 1 Falla
13 04 0 No Falla
14 61 0 No Falla
15 82 1 Falla
16 18 0 No Falla
17 82 1 Falla
18 75 0 No Falla
19 12 0 No Falla
20 19 0 No Falla
21 44 0 No Falla
22 87 1 Falla
23 77 1 Falla
24 93 1 Falla
25 06 0 No Falla
26 54 0 No Falla
27 51 0 No Falla
28 64 0 No Falla
29 81 1 Falla
30 98 1 Falla
31 63 0 No Falla
32 47 0 No Falla

16
 33 57 0 No Falla
34 52 0 No Falla
35 74 0 No Falla
36 56 0 No Falla
37 51 0 No Falla
38 51 0 No Falla
39 00 0 No Falla
40 41 0 No Falla
41 78 1 Falla
42 38 0 No Falla
43 08 0 No Falla
44 49 0 No Falla
45 32 0 No Falla

8. En la empresa Taller y Multiservicios Donprimi, S.A.S en la fabricación de

tanques de transporte de materiales, dentro de la producción la empresa ha
venido presentando problemas con las entregas de los pedidos a los clientes,
segundo los reportes por parte de la dirección de la empresa se atribuye al
tiempo y la disponibilidad en maquinaria para llevar a cabo una producción
optima. De acuerdo con la información dada el Gerente General ha decidido
predecir las fallas en producción para los próximos días del 68%. Se debe
considerar una adecuación en planta que permita reducir fallas, costos y
tiempos innecesarios en maquinaria, mediante la utilización de una
distribución de probabilidad de Bernoulli que nos proporcionara la
información necesaria para llevar la simulación para los próximos treinta y
cinco (35) días con el fin de determinar los problemas causados en la
producción.

Distribución de probabilidad de Bernoulli

𝑃 = 0,68, 1 − 𝑃 = 0,32

𝑓(𝑥) = 𝑃 𝑥 ∗ (1 − 𝑃)1−𝑥

𝑓(𝑥) = 0,68𝑥 ∗ (0,32)1−𝑥

𝑿𝒊 𝒇(𝒙)=𝟎, 𝟔𝟖𝒙 ∗ 𝒇(𝒙) Aleatorios

(𝟎, 𝟑𝟐)𝟏−𝒙
0 0.68 0.68 0.1 -------------68

17
 1 0.32 1.00 69---------------
1.00

Días Aleatorio Valoración Evento

1 00 0 No Falla
2 54 0 No Falla
3 86 1 Falla
4 59 0 No Falla
5 77 1 Falla
6 09 0 No Falla
7 54 0 No Falla
8 55 0 No Falla
9 99 1 Falla
10 15 0 No Falla
11 67 0 No Falla
12 63 0 No Falla
13 01 0 No Falla
14 38 0 No Falla
15 88 1 Falla
16 03 0 No Falla
17 71 1 Falla
18 88 1 Falla
19 72 1 Falla
20 39 0 No Falla
21 76 1 Falla
22 45 0 No Falla
23 11 0 No Falla
24 07 0 No Falla
25 38 0 No Falla
26 05 0 No Falla
27 53 0 No Falla
28 31 0 No Falla
29 18 0 No Falla
30 11 0 No Falla
31 26 0 No Falla
32 65 0 No Falla
33 61 0 No Falla
34 77 1 Falla
35 19 0 No Falla

18
 DISTRIBUCIÓN DE PROBABILIDAD DE POISSON

9. En la empresa Taller y Multiservicios Donprimi, S.A.S, se dedica a la

fabricación Tanques ubicada en la ciudad de Bogotá; en la sección de
calibración de equipos tiene diferentes máquinas para la realización de las
operaciones. De acuerdo con los tiempos estándar se ha podido determinar
que un Tanque llega a la sección de empaque y embalaje cada 0.45 minutos.
El jefe de inspección está interesado en determinar cuáles son los tanques
que presentan fallas de acuerdo a los próximos venticinco (35) minutos y
asume que se lleva a cabo una simulación utilizando una distribución de
Poisson, para llevar a cabo resultados confiables para la toma de decisiones
pertinentes en el Plan Maestro de Producción para las próximas semanas.

Distribución de probabilidad Poisson

1 𝑚𝑖𝑛
= 0.45
𝜆 𝑇𝑎𝑛𝑞𝑢𝑒𝑠

1 𝑚𝑖𝑛 𝑇𝑎𝑛𝑞𝑢𝑒𝑠
𝜆= =2
0.45 𝑇𝑎𝑛𝑞𝑢𝑒𝑠 𝑚𝑖𝑛

𝜆𝑥 ∗ 𝑒 −𝜆 2𝑥 ∗ 𝑒 −2
𝑓(𝑥) = =
𝑥! 𝑥!

𝑓(𝑥) = 0.108 2𝑥

𝑿𝒊 𝒇(𝒙) = 𝟎. 𝟏𝟎𝟖 ∗ 𝟐𝒙 𝒇(𝒙) Aleatorios

0 0,11 0.11 0.1 -------------11
1 0.31 0.42 12---------------42
2 0.58 1.00 43 ------------1.00

Minutos Aleatorio Valoración

1 25 1
2 96 2
3 58 2
4 14 1
5 68 2
6 15 1
7 18 1
8 99 2
9 13 1

19
 10 05 0
11 03 0
12 83 2
13 34 1
14 78 2
15 50 2
16 89 2
17 98 2
18 93 2
19 70 2
20 11 0
21 49 2
22 01 0
23 09 0
24 35 1
25 64 2
26 43 2
27 71 2
28 48 2
29 36 1
30 78 2
31 53 2
32 67 2
33 37 1
34 57 2
35 25 1
48 Tanques

10. En la fabricación de chasis e instalación con soporte para el adecuado de

tanques la empresa Taller y Multiservicios Donprimi, S.A.S de acuerdo con
los procesos de ensamblaje ha decidido realiza operaciones de control de
calidad y medición en normas que garanticen un producto optimo para la
entrega hacia los clientes. De acuerdo con la medición de tiempos en la
instalación se han determinado las entregas en cada una de las estaciones
de trabajo de 0.54 minutos. El Ingeniero encargado en planta ha decidido
determinar la cantidad de chasis necesarios para los próximos cincuenta (50)
minutos y se asume que se lleva a cabo una simulación utilizando la
distribución de probabilidad de Poisson, de manera que se tengan resultados
confiables para determinar la producción.

Distribución de probabilidad Poisson

20
1 𝑚𝑖𝑛
= 0.54
𝜆 𝐶ℎ𝑎𝑠𝑖𝑠 𝑥 𝑇𝑎𝑛𝑞𝑢𝑒𝑠

1 𝑚𝑖𝑛 𝐶ℎ𝑎𝑠𝑖𝑠 𝑥𝑇𝑎𝑛𝑞𝑢𝑒𝑠

𝜆= =2
0.54 𝐶ℎ𝑎𝑠𝑖𝑠 𝑥 𝑇𝑎𝑛𝑞𝑢𝑒𝑠 𝑚𝑖𝑛

𝜆𝑥 ∗ 𝑒 −𝜆 2𝑥 ∗ 𝑒 −2
𝑓(𝑥) = =
𝑥! 𝑥!

𝑓(𝑥) = 0.156 2𝑥

𝑿𝒊 𝒇(𝒙) = 𝟎. 𝟏𝟓𝟔 ∗ 𝟐𝒙 𝒇(𝒙) Aleatorios

0 0.16 0.16 0.1 -------------16
1 0.26 0.42 17---------------42
2 0.58 1.00 43 ------------1.00

Minutos Aleatorio Valoración

1 02 0
2 19 1
3 61 2
4 38 1
5 00 0
6 21 1
7 42 2
8 79 2
9 31 1
10 70 2
11 00 0
12 17 1
13 22 1
14 81 2
15 43 2
16 44 2
17 78 2
18 88 2
19 30 1
20 31 1
21 15 0

21
22 63 2
23 09 0
24 99 2
25 38 1
26 25 1
27 32 1
28 92 2
29 11 0
30 55 2
31 18 1
32 52 2
33 47 2
34 30 1
35 43 2
36 87 2
37 04 0
38 61 2
39 82 2
40 18 1
41 82 2
42 75 2
43 12 0
44 19 1
45 44 2
46 87 2
47 77 2
48 93 2
49 06 0
50 54 2
67 Chasis x
Tanques

22
 11. En el proceso de colocación de anillos superiores la empresa Taller y
Multiservicios Donprimi, S.A.S, se necesita saber cuánto se requiere para la
fabricación de Tanques. De acuerdo con la medición en los tiempos se ha
podido determinar que en la colocación de anillos superiores llega cada 0,48
minutos. Se desea determinar la cantidad de piezas requerida para la
fabricación de tanques, por tal motivo se deben considerar para el siguiente
proceso setenta (70) minutos y se lleva a cabo una simulación utilizando la
distribución de probabilidad Poisson para determinar los resultados en la
sección de ensamblaje en la colocación de anillos superiores.

Distribución de probabilidad Poisson

1 𝑚𝑖𝑛
= 0.48
𝜆 𝐴𝑛𝑖𝑙𝑙𝑜𝑠 𝑆𝑢𝑝 𝑥 𝑇𝑎𝑛𝑞𝑢𝑒𝑠

1 𝑚𝑖𝑛 𝐴𝑛𝑖𝑙𝑙𝑜𝑠 𝑆𝑢𝑝 𝑥𝑇𝑎𝑛𝑞𝑢𝑒𝑠

𝜆= =2
0.48 𝐴𝑛𝑖𝑙𝑙𝑜𝑠 𝑆𝑢𝑝 𝑥 𝑇𝑎𝑛𝑞𝑢𝑒𝑠 𝑚𝑖𝑛

𝜆𝑥 ∗ 𝑒 −𝜆 2𝑥 ∗ 𝑒 −2
𝑓(𝑥) = =
𝑥! 𝑥!

𝑓(𝑥) = 0.156 2𝑥

𝑿𝒊 𝒇(𝒙) = 𝟎. 𝟏𝟓𝟔 ∗ 𝟐𝒙 𝒇(𝒙) Aleatorios

0 0.16 0.16 0.1 -------------16
1 0.26 0.42 17---------------42
2 0.58 1.00 43 ------------1.00

Minutos Aleatorio Valoración

1 91 2
2 84 2
3 39 1
4 25 1
5 20 1
6 83 2
7 60 2

23
8 62 2
9 99 2
10 61 2
11 32 1
12 98 2
13 55 2
14 86 2
15 18 1
16 93 2
17 51 2
18 77 2
19 68 2
20 37 1
21 69 2
22 02 0
23 85 2
24 60 2
25 43 2
26 16 0
27 20 1
28 42 1
29 82 2
30 17 1
31 41 1
32 50 2
33 54 2
34 21 1
35 25 1
36 43 2
37 40 1
38 98 2
39 71 2
40 03 0
41 68 2
42 05 0
43 37 1
44 02 0
45 86 2
46 17 1
47 38 1
48 99 2
49 42 1
50 37 1

24
 51 72 2
52 33 1
53 72 2
54 43 2
55 51 2
56 60 2
57 17 1
58 94 2
59 51 2
60 39 1
61 18 1
62 06 0
63 28 1
64 75 2
65 69 2
66 80 2
67 33 1
68 69 2
69 12 0
12. En el
70 25 1
101 Anillos Sup. X
Tanque
proceso de colocación de anillos exteriores la empresa Taller y Multiservicios
Donprimi, S.A.S, se necesita saber cuánto se requiere para la fabricación de
Tanques. De acuerdo con la medición en los tiempos se ha podido determinar
que en la colocación de anillos exteriores llega cada 0,52 minutos. Se desea
determinar la cantidad de piezas requerida para la fabricación de tanques,
por tal motivo se deben considerar para el siguiente proceso cuarenta (40)
minutos y se lleva a cabo una simulación utilizando la distribución de
probabilidad Poisson para determinar los resultados en la sección de
ensamblaje en la colocación de anillos superiores.

Distribución de probabilidad Poisson

1 𝑚𝑖𝑛
= 0.52
𝜆 𝐴𝑛𝑖𝑙𝑙𝑜𝑠 𝐸𝑥𝑡. 𝑥 𝑇𝑎𝑛𝑞𝑢𝑒𝑠

1 𝑚𝑖𝑛 𝐴𝑛𝑖𝑙𝑙𝑜𝑠 𝐸𝑥𝑡. 𝑥𝑇𝑎𝑛𝑞𝑢𝑒𝑠

𝜆= =2
0.52 𝐴𝑛𝑖𝑙𝑙𝑜𝑠 𝐸𝑥𝑡. 𝑥 𝑇𝑎𝑛𝑞𝑢𝑒𝑠 𝑚𝑖𝑛

25
 𝜆𝑥 ∗ 𝑒 −𝜆 2𝑥 ∗ 𝑒 −2
𝑓(𝑥) = =
𝑥! 𝑥!

𝑓(𝑥) = 0.135 2𝑥

𝑿𝒊 𝒇(𝒙) = 𝟎. 𝟏𝟑𝟓 ∗ 𝟐𝒙 𝒇(𝒙) Aleatorios

0 0.14 0.14 0.1 -------------14
1 0.26 0.42 15---------------42
2 0.58 1.00 43 ------------1.00

Minutos Aleatorio Valoración

1 34 1
2 43 2
3 19 1
4 12 0
5 35 1
6 02 0
7 09 0
8 86 2
9 69 2
10 90 2
11 53 2
12 50 2
13 23 1
14 41 1
15 56 2
16 34 1
17 77 2
18 30 1
19 50 2
20 02 0
21 34 1
22 68 2
23 49 2
24 16 1
25 57 2
26 24 1
27 80 2
28 69 2
29 51 2
30 81 2

26
 31 83 2
32 05 0
33 19 1
34 45 2
35 30 1
36 20 1
37 93 2
38 86 2
39 08 0
40 08 0
53 Anillos Ext. x
Tanque
DISTRIBUCIÓN DE PROBABILIDAD BINOMIAL

13. El operario encargado del ensamblaje y empaque de las diferentes piezas

para la producción de tanques en la empresa Taller y Multiservicios Donprimi,
S.A.S, el cual es utilizado para vehículos de carga pesada ubicada en la
ciudad de Bogotá. El lote económico de producción de dichos productos es
de treinta (30) unidades diarias de las cuales, según los términos que se
establecen en la organización se deben extraer diez (6) para llevar a cabo un
control de calidad; de acuerdo con los registros que se establecen en la
organización se establecen que la muestras salgan defectuosas es del 4%.
El Jefe encargado en planta desea establecer el número de piezas que
salgan en mal estado durante la semana. Se realiza un proceso de
simulación, el cual establezca la predicción de los experimentos dados
mediante una distribución de probabilidad binomial.

𝑃 = 0.04 (1 − 𝑃) = 0.96
𝑚=6
𝑛 = 30

𝑓(𝑥) = 𝑃 𝑥 ∗ (1 − 𝑃)1−𝑥
𝑓(𝑥) = (0.04)𝑥 ∗ (0.96)1−𝑥

𝑿𝒊 𝒇(𝒙) 𝒇(𝒙) Aleatorios

= 𝟎. 𝟎𝟒𝒙 ∗ (𝟎. 𝟗𝟔)𝟏−𝒙
0 0.96 0.96 0.1 -------------96
1 0.04 1.00 97---------------
1.00

27
Días Aleatorios B1 Aleatorios B2 Aleatorios B3 Aleatorios B4 Aleatorios B5 Aleatorios B6

1 69 0 80 0 04 0 51 0 47 0 99 1

2 56 0 35 0 86 0 16 0 72 0 05 0

3 30 0 10 0 31 0 17 0 25 0 03 0

4 32 0 98 1 13 0 29 0 96 0 83 0

5 66 0 92 0 23 0 62 0 58 0 34 0

6 79 0 88 0 44 0 08 0 14 0 78 0

7 55 0 82 0 93 0 59 0 68 0 50 0

8 24 0 13 0 42 0 41 0 18 0 89 0
9 56 0 92 0 42 0 96 0 78 0 43 0
10 59 0 28 0 17 0 84 0 86 0 16 0
11 98 1 37 0 06 0 20 0 18 0 68 0
12 54 0 11 0 24 0 08 0 19 0 81 0
13 25 0 61 0 54 0 51 0 93 0 12 0
14 78 0 69 0 73 0 29 0 86 0 25 0
15 86 0 74 0 53 0 54 0 38 0 05 0
16 43 0 41 0 24 0 86 0 10 0 28 0
17 38 0 90 0 30 0 88 0 51 0 58 0
18 50 0 71 0 68 0 52 0 71 0 39 0
19 18 0 20 0 71 0 72 0 28 0 42 0
20 98 1 69 0 29 0 57 0 65 0 80 0
21 61 0 43 0 32 0 82 0 51 0 00 0
22 87 0 64 0 93 0 27 0 28 0 08 0
23 32 0 07 0 41 0 68 0 45 0 86 0
24 88 0 53 0 19 0 56 0 80 0 08 0
25 38 0 35 0 65 0 95 0 66 0 13 0
26 17 0 68 0 98 1 36 0 12 0 27 0
27 32 0 20 0 51 0 82 0 68 0 72 0
28 69 0 57 0 08 0 33 0 75 0 92 0
29 89 0 62 0 31 0 64 0 76 0 85 0
30 38 0 44 0 92 0 18 0 64 0 41 0

14. Un operario en la empresa Taller y Multiservicios Donprimi, S.A.S desea

producir una de las piezas para la realización de los tanques. Las cantidades
a producir de dichas piezas cuenta con cuarenta (40) unidades diarias de las
cuales, según las políticas establecidas por la dirección de la empresa se

28
 deben extraer cinco (5) para llevar a cabo la inspección y control de las
piezas; de acuerdo con los registros se pueden establecer que una unidad
que se elige en la muestra salga defectuosa es del 8%. Según la dirección
de la empresa establece las cantidades de piezas que se realizaran para
cada uno de los tanques de acuerdo a las unidades diarias en producción,
para llevar a cabo se debe realizar un proceso de simulación para predecir
los experimentos mediante una distribución de probabilidad binomial.

𝑃 = 0.08 (1 − 𝑃) = 0.92
𝑚=5
𝑛 = 40

𝑓(𝑥) = 𝑃 𝑥 ∗ (1 − 𝑃)1−𝑥
𝑓(𝑥) = (0.08)𝑥 ∗ (0.92)1−𝑥

𝑿𝒊 𝒇(𝒙) 𝒇(𝒙) Aleatorios

= 𝟎. 𝟎𝟖𝒙 ∗ (𝟎. 𝟗𝟐)𝟏−𝒙
0 0.92 0.92 0.1 -------------92
1 0.08 1.00 93---------------
1.00

Días Aleatorios B1 Aleatorios B2 Aleatorios B3 Aleatorios B4 Aleatorios B5

1 79 0 04 0 29 0 15 0 93 1

2 78 0 53 0 35 0 74 0 83 0

3 77 0 17 0 05 0 43 0 80 0

4 08 0 60 0 49 0 28 0 39 0

5 95 1 13 0 21 0 88 0 55 0

6 75 0 98 1 84 0 79 0 08 0

7 51 0 12 0 09 0 26 0 22 0

8 71 0 91 0 89 0 15 0 09 0
9 26 0 22 0 71 0 91 0 88 0
10 11 0 02 0 30 0 81 0 62 0
11 25 0 00 0 77 0 80 0 55 0
12 86 0 62 0 18 0 70 0 53 0

29
13 68 0 34 0 20 0 60 0 68 0
14 41 0 37 0 51 0 33 0 24 0
15 89 0 95 1 48 0 86 0 98 1
16 25 0 42 0 30 0 18 0 12 0
17 63 0 42 0 16 0 49 0 68 0
18 69 0 55 0 33 0 97 1 01 0
19 75 0 43 0 58 0 54 0 72 0
20 26 0 09 0 50 0 83 0 75 0
21 34 0 98 1 64 0 10 0 24 0
22 31 0 08 0 99 1 11 0 67 0
23 38 0 74 0 68 0 62 0 37 0
24 50 0 02 0 60 0 69 0 06 0
25 93 1 48 0 45 0 22 0 47 0
26 35 0 79 0 31 0 52 0 19 0
27 47 0 79 0 33 0 32 0 40 0
28 78 0 10 0 05 0 19 0 64 0
29 54 0 19 0 75 0 55 0 39 0
30 65 0 86 0 02 0 05 0 97 1
31 66 0 51 0 11 0 90 0 80 0
32 13 0 59 0 13 0 49 0 37 0
33 18 0 96 1 44 0 99 1 69 0
34 54 0 86 0 17 0 12 0 41 0
35 58 0 20 0 92 0 23 0 00 0
36 22 0 31 0 15 0 47 0 44 0
37 57 0 06 0 53 0 53 0 34 0
38 96 1 27 0 89 0 99 1 23 0
39 65 0 98 1 88 0 99 1 76 0
40 61 0 69 0 34 0 19 0 29 0

15. De acuerdo con la fabricación de tanques, los operarios en el area de

producción desean producir diferentes variedades de tanques de acuerdo a
las especificaciones de los clientes. Las cantidades a producir de dichos
tanques son de cuarenta y cinco (45) unidades diarias de las cuales, según
las políticas que se establecen en la organización se deben extraer cuatro (4)
para llevar a cabo la realización de tanques junto con el control; de acuerdo
con los registros que se llevan a cabo en la organización se sabe que cada
tanque que presente un defecto será del 5%. Según la información de la
organización se establecen las cantidades a realizar de acuerdo a las
políticas establecidas por los clientes y así mismo junto con una planeación.
Para llevar a cabo esta simulación es necesario predecir los experimentos
que se deben de realizar mediante una distribución binomial.

30
𝑃 = 0.05 (1 − 𝑃) = 0.95
𝑚=4
𝑛 = 45

𝑓(𝑥) = 𝑃 𝑥 ∗ (1 − 𝑃)1−𝑥
𝑓(𝑥) = (0.05)𝑥 ∗ (0.95)1−𝑥

𝑿𝒊 𝒇(𝒙) 𝒇(𝒙) Aleatorios

= 𝟎. 𝟎𝟓𝒙 ∗ (𝟎. 𝟗𝟓)𝟏−𝒙
0 0.95 0.95 0.1 -------------95
1 0.05 1.00 96---------------
1.00

Días Aleatorios B1 Aleatorios B2 Aleatorios B3 Aleatorios B4

1 35 0 23 0 41 0 05 0
2 01 0 57 0 60 0 93 0
3 34 0 61 0 02 0 21 0
4 17 0 94 1 25 0 12 0
5 13 0 03 0 71 0 84 0
6 71 0 82 0 70 0 63 0
7 30 0 87 0 52 0 82 0
8 34 0 33 0 47 0 93 0
9 29 0 08 0 95 0 69 0
10 73 0 74 0 51 0 15 0
11 45 0 77 0 90 0 68 0
12 45 0 51 0 17 0 10 0
13 06 0 24 0 10 0 44 0
14 47 0 03 0 09 0 25 0
15 02 0 45 0 53 0 32 0
16 85 0 25 0 38 0 51 0
17 53 0 89 0 29 0 71 0
18 31 0 38 0 31 0 26 0
19 00 0 09 0 43 0 77 0
20 74 0 58 0 40 0 91 0
21 83 0 35 0 52 0 74 0
22 47 0 09 0 88 0 67 0
23 11 0 19 0 53 0 49 0
24 30 0 68 0 51 0 79 0
25 73 0 81 0 98 1 93 0
26 72 0 83 0 35 0 17 0
27 82 0 63 0 68 0 98 1

31
 28 60 0 43 0 99 1 39 0
29 36 0 95 0 34 0 90 0
30 33 0 60 0 97 1 43 0
31 17 0 99 1 87 0 93 0
32 56 0 53 0 32 0 90 0
33 76 0 96 1 46 0 99 1
34 20 0 95 0 86 0 50 0
35 99 1 63 0 07 0 03 0
36 50 0 16 0 20 0 96 1
37 97 1 30 0 47 0 06 0
38 69 0 92 0 13 0 25 0
39 34 0 64 0 84 0 31 0
40 21 0 91 0 55 0 43 0
41 40 0 42 0 18 0 13 0
42 58 0 63 0 92 0 84 0
43 33 0 53 0 02 0 22 0
44 38 0 04 0 06 0 51 0
45 99 1 29 0 31 0 81 0

DISTRIBUCIÓN DE PROBABILIDAD NORMAL

16. En la ciudad de Bogotá está ubicado la empresa Taller y Multiservicios

Donprimi, S.A.S dedicada a la fabricación de tanques. La empresa dispone
de varios centros de trabajo a través de las cuales se fabrican los tanques,
identificados como tanque de carga de productos contaminantes y tanque de
carga transporte. Los registros históricos de la dirección de la empresa
señalan que el número de días que transcurren para la realización de los
tanques en 45 días; las frecuencias ocurridas se presentan en la siguiente
tabla:

Tiempo de fabricación (días) 1 2 3 4 5 6

Número de días para las entregas 15 20 28 10 17 10
(clientes)

Las estaciones de trabajo para la fabricación de tanques de carga de

transporte es fabricado a razón de maquinaria especializada para su montaje
y ensamblaje. El tiempo que un tanque demora en ser fabricado depende del
tamaño, y de las especificaciones de los clientes. Los registros en la
información se presentan en la siguiente tabla:

Tipo de tanque Tipo de fabricación

32
 Tanques de carga de Tanques de carga de
productos transporte
contaminantes
Tanque tipo Grande 8 9
Tanque tipo Normal 5 6
Tanque tipo Mediano 7 5
Tanque tipo Pequeño 3 2

Los tanques se van fabricando de acuerdo a las especificaciones en días

dadas por los clientes y al tipo de tanque que se fabricara; para la fabricación
de los tanques es importante tener en cuenta el producto terminado junto con
la llegada de nuevos pedidos, de manera que no se presenten retrasos a la
hora de ser fabricados.

El número de tanques que se fabrican dependen del tipo de categoría, por

tal motivo la siguiente tabla se presentara el tipo de tanque que los clientes
requieren para su utilización:

Tipo de Tanque tipo Tanque tipo Tanque tipo Tanque tipo

tanque Grande Normal Mediano pequeño
Número 45 32 12 11

Elaborar una simulación para demostrar el comportamiento del sistema en los

próximos 20 días y calcular los valores promedios de las variables que intervengan
tanto a las entradas como en las salidas.

Tiempo de Ni f(x) F(x) Aleatorios ri

llegada
1 25 0.25 0.25 01-------------25
2 38 0.38 0.63 26-------------63
3 20 0.20 0.83 64-------------83
4 17 0.17 1.00 84------------1.00

Tipo de Tanque Tanque tipo Tanque tipo Tanque tipo

Tanque tipo Normal Mediano Pequeño
Grande
Tanque de 8 5 7 3
carga de

33
 productos
contaminantes
Tanque de 9 6 5 2
carga para
tipo de
transporte

Tipo de Tanque Ni f(x) F(x) Aleatorios ri

Tanque tipo 45 0.45 0.45 01---------45
Grande
Tanque tipo 32 0.32 0.77 46----------77
Normal
Tanque tipo 12 0.12 0.89 78----------89
Mediano
Tanque tipo 11 0.11 1.00 90--------1.00
Pequeño

Pv $0,79 Precio de ventas

Cp $0,40 Costo de producción
Pvo $0,45 Venta de oportunidad
Ca $0,01 Costo de almacén

Ventas Días f(x) F(x) ALEATORIOS

120 15 0,15 0,15 01-15
90 20 0,20 0,35 16-35
180 28 0,28 0,63 36-63
210 10 0,10 0,73 64-73
160 17 0,17 0,90 74-90

34
260 10 0,10 1,00 91-00

35
 Tipo de Tanques a Fabricar
Tanque Tipo Tanque Tipo Tanque Tipo Tanque Tipo Tanque de carga de Tanque de carga Fabricación
Grande Normal Mediano Pequeño productos para transporte
contaminantes
Días Total Turno Total Turno Total Turno Total Turno Tipo Días Tipo Días Aleatorio Tipo Aleatorio Días
1 1 0 0 0 2 1 1 1 TG 8 TM 1 13 TG 25 1
2 0 0 0 0 1 1 1 1 TG 5 TM 2 34 TG 64 3
3 1 1 0 0 0 0 1 1 TG 7 TM 4 84 TM 31 2
4 1 1 0 0 0 0 0 0 TG 3 TM 1 21 TG 91 4
5 2 0 1 1 1 1 0 0 TG 2 TP 2 55 TN 43 2
6 0 0 1 1 1 1 0 0 TG 8 TG 2 40 TG 42 2
7 0 0 2 2 1 1 0 0 TG 5 TG 1 18 TG 13 1
8 2 2 2 2 1 1 0 0 TG 8 TG 2 58 TN 63 2
9 4 4 2 2 1 1 0 0 TG 7 TG 4 92 TP 84 4
10 4 4 2 2 1 1 0 0 TG 8 TM 2 33 TG 53 2
11 4 4 1 1 0 0 0 0 TG 5 TM 1 02 TG 22 1
12 3 3 2 1 0 0 0 0 TG 8 TN 2 38 TG 04 1
13 4 4 1 1 0 0 0 0 TG 5 TN 1 06 TN 51 2

14 5 5 1 1 0 0 0 0 TG 7 TN 4 99 TP 29 2
15 6 6 2 1 0 0 0 0 TG 3 TN 2 31 TG 81 3

16 5 5 1 1 1 1 0 0 TG 5 TG 2 26 TG 92 4

17 4 4 1 1 1 1 0 0 TN 7 TG 1 00 TG 39 2
18 4 4 2 2 1 1 0 0 TN 8 TG 2 38 TG 41 2
19 5 5 2 2 1 1 0 0 TG 5 TG 2 63 TN 00 1
20 6 6 2 2 1 1 0 0 TG 3 TG 1 01 TG 38 2
21 5 5 2 2 2 2 0 0 TP 2 TG 2 34 TG 23 1
22 5 5 1 1 2 2 0 0 TN 5 TN 2 57 TN 93 4
23 4 4 1 1 2 2 0 0 TG 8 TG 1 16 TG 75 3
24 4 4 0 0 3 3 0 0 TM 5 TN 2 53 TN 91 4
25 4 4 0 0 4 4 0 0 TM 7 TN 2 56 TN 92 4

36
26 4 4 0 0 4 4 0 0 TG 5 TG 2 42 TG 96 4
27 5 5 0 0 5 5 0 0 TG 3 TM 3 78 TM 43 2
28 5 5 0 0 5 5 1 1 TP 2 TN 2 59 TN 28 2
29 4 4 0 0 6 6 1 1 TM 7 TG 1 17 TG 84 4
30 4 4 0 0 5 5 1 1 TG 8 TM 4 86 TM 16 1
31 4 4 0 0 4 4 2 2 TP 2 TP 4 98 TP 37 2
32 3 3 1 1 3 3 2 2 TM 7 TG 1 06 TG 20 1
33 3 3 2 2 3 3 2 2 TN 5 TG 1 18 TG 68 3
34 3 3 2 2 3 3 1 1 TG 8 TN 2 54 TM 11 1
35 2 2 1 1 2 2 1 1 TG 3 TG 1 24 TG 08 1
36 2 2 1 1 2 2 1 1 TM 7 TG 1 19 TG 81 3
37 2 2 1 1 2 2 0 0 TP 2 TG 1 25 TG 61 2
38 1 1 0 0 2 2 0 0 TN 5 TN 2 54 TM 51 2
39 1 1 0 0 1 1 0 0 TM 7 TP 4 93 TP 12 1
40 2 2 0 0 1 1 0 0 TG 3 TM 3 78 TM 69 3
41 2 2 1 1 1 1 0 0 TG 5 TN 3 73 TN 29 2
42 2 2 1 1 0 0 0 0 TG 8 TM 4 86 TM 25 1
43 1 1 1 1 0 0 1 1 TP 2 TM 4 86 TM 74 3
44 1 1 0 0 0 0 1 1 TG 3 TN 2 53 TM 54 2
45 1 1 0 0 1 1 1 1 TM 7 TG 2 38 TG 05 1

37
 EVALUACIÓN ECONÓMICA
INGRESOS EGRESOS
Días lo N° Aleatorio Ventas If Normales Promo Total Cp Ca Total Utilidad Neta
1 300 91 300 0 $256,00 $ - $256,00 $ 80 $ - $ 80 $176,00
2 300 84 300 0 $256,00 $ - $256,00 $ 80 $ - $ 80 $176,00
3 300 39 90 210 $72,50 $ 64,00 $136,50 $ 80 $ 2,10 $82,1 $54,40
4 300 25 120 180 $82,00 $ 55,00 $137,00 $ 80 $ 1,80 $81,8 $55,20
5 300 20 120 180 $82,00 $ 55,00 $137,00 $ 80 $ 1,80 $81,8 $55,20
6 300 83 190 110 $150,50 $ 10,00 $160,50 $ 80 $ 1,10 $81,1 $79,40
7 300 60 90 210 $72,50 $ 64,00 $136,50 $ 80 $ 2,10 $82,1 $54,40
8 300 62 190 110 $150,50 $ 10,00 $160,50 $ 80 $ 1,10 $81,1 $79,40
9 300 99 280 20 $256,00 $256,05 $ 80 $ 80 $176,00
10 300 61 90 210 $72,50 $ 64,00 $136,50 $ 80 $ 2,10 $82,1 $54,40
11 300 32 90 210 $72,50 $ 64,00 $136,50 $ 80 $ 2,10 $82,1 $54,40
12 300 98 350 -50 $256,00 $256,08 $ 80 $ 80 $176,00
13 300 55 90 210 $72,50 $ 64,00 $136,50 $ 80 $ 2,10 $82,1 $54,40
14 300 86 300 0 $256,00 $ - $256,10 $ 80 $ - $ 80 $176,00
15 300 18 120 180 $82,00 $ 55,00 $137,00 $ 80 $ 1,80 $81,8 $55,20
16 300 98 130 270 $127,00 $ 32,60 $159,60 $ 80 $ - $ 80 $176,00
17 300 51 90 210 $72,50 $ 64,00 $136,50 $ 80 $ 2,10 $82,1 $54,40
18 300 77 190 120 $150,50 $ 10,00 $160,50 $ 80 $ 1,20 $81,2 $79,30
19 300 66 190 120 $150,50 $ 10,00 $160,50 $ 80 $ 1,20 $81,2 $79,30
20 300 37 90 210 $72,50 $ 64,00 $136,50 $ 80 $ 2,10 $82,1 $54,40
TOTAL $ 1.864,70

X $93,235 Promedio
VE $81.235 Valor Esperado

38
39
 UNIVERSIDAD AUTÓNOMA DE COLOMBIA
TALLER DE APLICACIÓN DE SIMULACIÓN: VARIABLES CONTINUAS

1. Una caja de compensación familiar posee un importante centro recreacional

cerca de la ciudad de Bogotá con el cual ofrece planes especiales de recreación
a las familias bogotanas interesadas en disfrutar fines de semana con puentes
(tres noches, tres días) la propuesta cubre: estadía, tres comidas diarias y uso
de las zonas recreativas.

El gerente estima un promedio de cuatro personas por familia las cuales son
alojadas en cabañas típicas que en la actualidad son 120.

La experiencia histórica comprueba que las solicitudes de reservación son de

tipo aleatorio, pero se asemejan a una distribución uniforme definida en el
intervalo (114, 126); también se sabe que es común que quienes hacen
reservaciones por circunstancias diversas en algunas ocasiones cancelan, el
gerente ha informado que el numero de hechos presentados oscilan entre uno y
seis y el número de veces que las mismas se presentaron en los últimos cien
fines de semana se registran en la siguiente tabla:

No. Cancelaciones 1 2 3 4 5 6

No. Puentes 15 25 22 18 10 10

La caja cobra por familia US$850 y los costos de atención por familia son de
US$280 dólares. Cabaña no ocupada por cancelaciones de última hora tiene un
costo por venta perdida de US$58. La política de la Caja es que familias que
lleguen al centro sin tener reservación y las cabañas del plan se encuentren
ocupadas serán atendidas y alojadas en cabañas de costos mayores por lo
cual costos de atención por familia serán de US$310, pero la empresa solo les
cobra US$860.

40
Lleve a cabo un experimento de simulación para lo que puede ocurrir en los
próximos 30 fines de semana y calcule los valores medios y los valores
esperados de las variables tanto de entrada como de salida.

𝑈(114,126)

1
𝑓(𝑥) = {𝑏 − 𝑎 𝑎 ≤ 𝑥 ≤ 𝑏
0, 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜

1
𝑓(𝑥) = { 114 ≤ 𝑥 ≤ 126
12

𝑋 1 1 1
𝐹(𝑋) = ∫ 𝑑𝑥 = 𝐹(𝑥) = 𝑥 = 𝐹(𝑥) = (𝑥 − 114)
114
12 12 12

1
𝑟= (𝑥 − 114)
12

𝑥 = 114 + 12 𝑟

N° N° f(x) F(x) Aleatorio

cancelaciones
1 15 0.15 0.15 0.1---------15
2 25 0.25 0.40 16----------40
3 22 0.22 0.62 41----------62
4 18 0.18 0.80 63----------80
5 10 0.10 0.90 81----------90
6 10 0.10 1.00 91---------1.00

𝑃𝑣 = 850

41
 𝐶𝐸𝑁 = 280

𝐶𝑉𝑃= $58
𝐶𝐸𝑅 = $310
𝑃𝑉 = 860

Fines Aleatorio X=114+12r Aleatorio Cancelados Ocupado Lujo No

ocupado
1 0.93 126 30 2 120 4
2 0.56 121 88 5 116
3 0.42 120 51 3 117
4 0.45 120 58 3 117
5 0.95 126 50 3 120 3
6 0.97 127 71 4 123
7 0.53 121 68 5 116
8 0.51 121 52 5 116
9 0.79 124 71 2 120 2
10 0.83 124 39 2 120 2 2
11 0.85 124 18 2 120 2
12 0.31 118 20 4 110 4
13 0.36 119 71 2 112 5
14 0.40 119 72 2 112 5
15 0.32 118 28 4 110 4
16 0.72 123 42 4 119
17 0.58 121 98 5 116
18 0.47 120 69 3 117 3
19 0.55 121 29 5 116
20 0.45 120 57 3 117
21 0.74 123 65 2 119 2 2
22 0.81 124 80 2 120 4

42
 23 0.94 126 61 3 120 3
24 0.30 118 43 4 110 4
25 0.60 122 32 2 118 2
26 0.69 123 82 2 119 2 2
27 0.57 121 51 5 116
28 0.00 114 00 2 110 2
29 0.69 123 87 2 119 2
30 0.15 116 64 3 110 3

2. En la producción de un producto alimenticio cárnico se requiere de rigurosos

controles de calidad. El inspector encargado de ejecutarlo recibe 15 kilos por
hora; su conocimiento y experiencia le ha permitido establecer que la evaluación
de llegada de la muestra la realiza a través de una distribución exponencial. El
tiempo promedio con el cual lleva a cabo las actividades normalizadas de
inspección se asemeja a una distribución uniforme definida en el intervalo
(15,25) minutos. Haga una simulación que especifique el número de kilos
recibidos e inspeccionados en las próximas dos horas.

−𝜆15
𝑓(𝑥) = { 𝜆𝑒 𝜆 ≥ 0 15 ≥ 0
0, 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜

15 −𝜆15
𝐹(𝑋) = ∫ 𝜆𝑒 𝑑𝑥 = 𝐹(𝑥) = −𝑒 −𝜆15 = 𝐹(𝑥) = −[𝑒 −𝜆15 − 𝑒 0 ]
0

𝐹(𝑋) = −𝑒 −𝜆15 + 1

𝐹(𝑋) = 1 − 𝑒 −𝜆15

43
𝑟 = 1 − 𝑒 −𝜆15

𝑒 −𝜆15 = 1 − 𝑟

1
ln 𝑒 −𝜆15 = ln(1 − 𝑟) = −𝜆15 = ln(1 − 𝑟) = 𝑥 = − ln(1 − 𝑟)
𝜆
𝑈(15,25)Kil/Hr

1
𝑓(𝑥) = {15 15 ≤ 𝑥 ≤ 25
0, 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜

1
𝑓(𝑥) = { 15 ≤ 𝑥 ≤ 25
15

𝑋 1 1 1
𝐹(𝑋) = ∫ 𝑑𝑥 = 𝐹(𝑥) = 𝑥 = 𝐹(𝑥) = (𝑥 − 15)
15
15 15 15

1
𝑟= (𝑥 − 15)
15

𝑥1 = 15 + 15 𝑟

1
𝑓(𝑥) = {15 15 ≤ 𝑥 ≤ 25
0, 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜

1
𝑓(𝑥) = { 15 ≤ 𝑥 ≤ 25
15

𝑋 1 1 1
𝐹(𝑋) = ∫ 𝑑𝑥 = 𝐹(𝑥) = 𝑥 = 𝐹(𝑥) = (𝑥 − 25)
15
15 15 15

44
 1
𝑟= (𝑥 − 25)
15

𝑥2 = 25 + 15 𝑟

45
 Llegada Muestra Inspección de muestras Salida muestra

Int. Insp. Aleatorio 𝑥1 = 15 + 25𝑟 𝑇𝐴 u ti Aleatorio Termina. Aleatorio 𝑥2 = 25 + 25𝑟 TDes o Insp. ti Alea1 Aleat2 𝑇𝐴
1 0.75 33.75 33.75 10 10 0.06 43.75 0.60 40 1 33.75 0.01 0.93 20.54
2 0.85 36.25 70 20 20 0.74 36.99 0.67 41.75 9.8 70 0.29 0.04 20.95
3 0.54 28.5 98.5 30 20.54 0.52 29.02 0.02 25.5 9.6 98.5 0.15 0.26 21
4 0.41 25.25 123.75 40 20.95 0.31 25.56 0.55 38.75 9.4 123.75 0.09 0.53 21.92
5 0.05 16.25 140 50 21 0.92 17.17 0.08 27 9.2 140 0.53 0.05 178
6 0.92 38 178 60 21.92 0.08 38.08 0.53 38.25 9.0 201 0.60 0.11 219
7 0.32 23 201 70 22.24 0.04 23.04 0.75 43.75 8.8 236.75 0.11 0.19 266.5
8 0.12 18 219 80 22.36 0.06 18.06 0.56 39 8.6 303.25 0.31 0.81 340.25
9 0.11 17.75 236.75 90 22.47 0.77 18.52 0.94 48.5 8.4 367.25 0.61 0.44 404.25
10 0.59 29.75 266.5 100 23.06 0.32 30.07 0.33 33.25 8.2 436 0.18 0.35 467
11 0.87 36.75 303.25 110 23.93 0.53 37.28 0.05 26.25 8.0 500.75 0.99 0.81 522.75
12 0.88 37 340.25 120 24.81 0.70 37.7 0.44 36 7.8 545.25 0.59 0.14 571.5
13 0.48 27 367.25 130 25.29 0.89 27.89 0.31 32.75 7.6 592 0.14 0.70 620.75
14 0.88 37 404.25 140 26.17 0.42 37.42 0.36 34 7.4 650.25 0.94 0.13 685.25
15 0.67 31.75 436 150 26.84 0.95 32.7 0.99 49.75 7.2 721.75 0.19 0.26 744.75
16 0.64 31 467 160 27.48 0.54 31.54 0.50 37.5 7.0 781.75 0.89 0.81 816.5
17 0.75 33.75 500.75 170 28.23 0.99 34.74 0.70 42.5 6.8 843 0.79 0.70 863.5
18 0.28 22 522.75 180 28.51 0.71 22.71 0.7 7 44.25 6.6 890 0.36 0.95 922.25
19 0.30 22.5 545.25 190 28.81 0.08 22.58 0.04 26 6.4 960 0.09 0.94 977.75
20 0.45 26.25 571.5 200 29.26 0.40 26.65 0.30 32.5 6.2 997.75 0.40 0.60 1019.25
21 0.22 20.5 592 210 29.48 0.74 21.24 0.74 43.5 6.0 1044 0.40 0.99 1069.5
22 0.55 28.75 620.75 220 30.03 0.65 29.4 0.36 34 5.8 1088.5 0.18 0.25 1126.25
23 0.58 29.5 650.25 230 30.61 0.29 29.79 0.39 34.75 5.6 27.48 0.11 0.95 28.23

46
24 0.80 35 685.25 240 31.41 0.64 35.64 0.13 28.25 5.4 28.51 0.26 0.23 28.81
25 0.86 36.5 721.75 250 32.27 0.06 36.56 0.90 47.5 5.2 29.26 0.07 0.95 29.48
26 0.32 23 744.75 260 32.59 0.60 23.6 0.75 43.75 5.0 30.03 0.53 0.17 30.61
27 0.88 37 781.75 270 33.47 0.20 37.20 0.39 34.75 4.8 31.41 0.58 0.75 32.27
28 0.79 34.75 816.5 280 34.26 0.38 35.13 0.94 48.5 4.6 32.59 0.38 0.33 33.47
29 0.46 26.5 843 290 34.72 0.19 26.69 0.24 31 4.4 34.26 0.29 0.62 34.72
30 0.22 20.5 863.5 300 34.94 0.16 20.66 0.57 39.25 4.2 34.94 0.73 0.77 35.4
31 0.46 26.5 890 310 35.4 0.74 27.24 0.60 40 4.0 36.09 0.97 0.72 36.09
32 0.69 32.25 922.25 320 36.09 0.78 33.03 0.75 43.75 3.8 37.11 0.63 0.96 37.31
33 0.91 37.75 960 330 37 0.19 37.94 0.28 32 3.6 37.57 0.14 0.38 37.96
34 0.11 17.75 977.75 340 37.11 0.89 18.64 0.29 32.25 3.4 38.38 0.66 0.49 38.54
35 0.20 20 997.75 350 37.31 0.68 20.68 0.29 32.25 3.2 39.45 0.93 0.40 21.92
36 0.26 21.5 1019.25 360 37.57 0.16 21.66 0.50 37.5 3.0 22.24 0.88 0.99 22.36
37 0.39 24.75 1044 370 37.96 0.54 26.29 0.53 38.25 2.8 23.06 0.58 0.57 23.93
38 0.42 25.5 1069.5 380 38.38 0.18 25.68 0.54 38.5 2.6 24.81 0.18 0.50 25.29
39 0.16 19 1088.5 390 38.54 0.44 19.44 0.27 31.75 2.4 26.17 0.33 0.02 26.84
40 0.91 37.75 1126.25 400 39.45 0.73 38.48 0.45 36.25 2.2 28.23 0.73 0.45 28.51

47
3. El Supervisor de control de calidad de una empresa que fabrica los productos
identificados como A y B los inspecciona de forma rigurosa antes de ordenar
su comercialización, los productos llegan a la Estación de Control uno a la vez
tan pronto se producen. El producto A llega a la estación de inspección siguiendo
una distribución uniforme definida en el intervalo (15, 25) minutos, en tanto que
el tiempo que la inspección dure obedece a una distribución 2-Erlang con media
de 12 minutos. El producto B tiene un tiempo entre llegadas constante e igual a
10 minutos mientras que su tiempo de inspección se asemeja a una distribución
exponencial con media de 5 minutos. Las tendencias históricas demuestran que
el producto A tiene una alta demanda, razón por la cual el inspector de control
de calidad siempre le dará prioridad sin reemplazo sobre producto el B. lleve a
cabo una simulación de la manera como el proceso de inspección se puede
presentar en las próximas tres (3) horas.

𝑈(15,25) min/prod

1
𝑓(𝑥) = {10 15 ≤ 𝑥 ≤ 25
0, 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜

1
𝑓(𝑥) = { 15 ≤ 𝑥 ≤ 25
10

𝑋 1 1 1
𝐹 (𝑋 ) = ∫ 𝑑𝑥 = 𝐹(𝑥) = 𝑥 = 𝐹 (𝑥 ) = (𝑥 − 15)
15
10 10 10

1
𝑟= (𝑥 − 15)
10

𝑥𝐴 = 15 + 10 𝑟
Inspección:

48
 1
2 − 𝐸𝑟𝑙𝑎𝑛𝑔 = 12 𝑚𝑖𝑛𝑢𝑡𝑜𝑠
𝜆

𝑛
1
𝑋𝐴 = − ln ∏(1 − 𝑟𝑖 )
𝐾𝜆
𝑖=1

12
𝑋𝐴 = − ln[(1 − 𝑟1 )(1 − 𝑟2 )]
2

𝑋𝐴 = −6 ln[(1 − 𝑟1 )(1 − 𝑟2 )]

49
 Llegada A Inspección A Inspección B

Int. Insp. Aleatorio 𝑋𝐴 = 15 + 10𝑟 𝑇𝐴 u ti Aleatorio −5 ln(1 Tterm TDes o ti 𝑥 = −16 ln[(1 − 𝑟1)(1 − 𝑟2)] 𝑇𝐴
− 𝑟𝑖) Inspe
Ale1 Ale2
1 0.75 22.5 22.5 10 10 0.06 0.30 10.3 1 22.5 0.85 0.74 19.46 41.96
2 0.60 21.1 43.6 20 20 0.01 0.05 20.05 9.7 47.5 0.04 0.54 4.9 46.86

3 0.93 24.3 67.9 30 41.96 0.67 5.54 47.5 9.4 48.15 0.02 0.15 48.1 47.55

4 0.29 17.9 85.8 40 46.86 0.26 1.50 53.54 9.1 49.06 0.41 0.31 48.7 4.9

5 0.04 15.4 101.2 50 47.5 0.55 4.00 51.5 8.7 49.17 0.09 0.53 48.64 49.06

6 0.05 15.5 116.7 60 47.55 0.92 12.62 60.17 8.5 49.79 0.08 0.53 49.26 49.61

7 0.60 21 137.7 70 48.15 0.11 0.58 48.73 8.2 50.54 0.32 0.04 50.50 49.84

8 0.75 22.5 160.2 80 49 0.11 0.58 49.58 7.9 51 0.19 0.12 50.88 50.68

9 0.06 15.6 175.8 90 49.06 0.56 4.10 53.16 7.6 52.81 0.31 0.81 52 51.87

10 0.11 16.1 191.9 100 49.17 0.77 7.34 56.51 7.3 54.02 0.94 0.61 53.41 53.76

11 0.44 19.4 211.3 110 49.61 0.59 4.45 54.06 7.0 54.02 0.32 0.33 53.68 55.27

12 0.18 16.8 228.1 120 49.79 0.35 2.15 51.94 6.7 55.27 0.87 0.53 54.74 56.06

13 0.05 15.5 243.6 130 49.84 0.99 23.02 72.86 6.4 56.06 0.58 0.75 55.31 62.07

14 0.70 22 265.6 140 50.54 0.44 2.90 5344 6.1 56.77 0.79 0.38 56.38 64.11

15 0.14 16.4 282 150 50.68 0.48 3.27 53.95 5.8 57.72 0.38 0.94 56.78 59.5
16 0.31 18. 300 160 51 0.14 0.75 51.75 5.5 57.76 0.33 0.46 57.3 58.23
17 0.88 23.8 324 170 51.87 0.42 2.72 54.60 5.2 58.21 0.19 0.24 57.98 60.76
18 0.94 24.4 348.4 180 52.81 0.13 0.70 53.51 4.9 58.61 0.29 0.62 57.98 63.19

50
19 0.95 24.5 373 190 53.76 0.99 23.02 76.78 4.6 59.35 0.22 0.16 59.19 66.08
20 0.26 17.6 390.6 200 54.02 0.64 5.10 59.12 4.3 60.34 0.57 0.73 59.61 64.34
21 0.50 20 410.6 210 54.52 0.89 11.03 65.55 4.0 60.7 0.77 0.46 65.09 59.5
22 0.75 22.5 433 220 55.27 0.99 23.02 78.29 3.7 61.28 0.70 0.17 61.11 58.23
23 0.79 23 456 230 56.06 0.70 6.01 62.07 3.4 61.40 0.28 0.88 60.52 60.76
24 0.71 22 478 240 56.77 0.77 7.34 64.11 3.1 62.03 0.36 0.20 61.83 63.19
25 0.95 24.5 502.5 250 57.72 0.30 1.78 59.5 2.8 62.26 0.81 0.88 61.38 66.08
26 0.04 15.4 518 260 57.76 0.09 0.47 58.23 2.5 61.28 0.59 0.14 61.14 64.34
27 0.45 19.5 537.5 270 58.21 0.40 2.55 60.76 2.2 56.77 0.89 0.90 55.87 57.72
28 0.40 19 556.5 280 58.61 0.60 4.58 63.19 1.9 58.21 0.70 0.07 58.14 57.76
29 0.74 22.4 579 290 59.35 0.74 6.73 66.08 1.6 59.35 0.36 0.95 58.4 58.61
30 0.99 25 604 300 60.34 0.55 4.00 64.34 1.3 60.34 0.67 0.32 60.02 66.08
31 0.36 18.6 622.6 310 60.7 0.18 0.99 61.69 1.0 60.7 0.19 0.60 60.1 64.34
32 0.58 20.8 643.4 320 61.28 0.29 1.71 63 0.97 61.28 0.54 0.75 60.5 61.69
33 0.11 16 660 330 61.40 0.95 14.98 76.38 0.94 61.40 0.81 0.53 60.8 63
34 0.64 21.4 681.4 340 62.03 0.13 0.70 62.73 0.91 62.03 0.26 0.19 62.47 62.73
35 0.23 17.3 698.7 350 62.26 0.86 9.83 72.09 0.88 62.26 0.06 0.24 62.02 72.09

51
4. En un centro de maquinado se procesan tres (3) tipos de piezas identificadas
con los códigos A, B y C las cuales previamente y en la medida que las ordenes
de producción se ejecutan sus ingredientes se almacenan en un lugar de
capacidad infinita. El proceso de fabricación es lote a lote y se supone que la
tasa de llegada de cada tipo de pieza sigue una distribución exponencial, la cual
con el tiempo de maquinado se muestran en la tabla adjunta:

Tipo de pieza Tasa de llegada Tiempo de maquinado

pieza/hra min/pieza
A 5 4
B 6 5
C 4 7

Simule el proceso de producción para las piezas en las próximas tres horas y
genere toda la información que considere pertinente como salidas.

5. Un importante componente utilizado por los vehículos ensamblados por la

industria automotriz de la ciudad de Bogotá es fabricado en una de las factorías
de la empresa. El componente se produce a partir de un bloque metálico de
forma cilíndrica con especificaciones técnicas previamente fijadas; el bloque
debe ser perforado con el propósito de que en los orificios obtenidos se inserten
pistones los cuales tienen un radio de al menos 3 centímetros; esto obliga a que
los orificios del bloque tengan un radio ligeramente mayor.

De acuerdo a especificaciones de diseño la distribución de densidad con la cual

se mide el radio del pistón en centímetros, viene dada por:

52
 50 50( x  3 ) si x  3

f ( x)  
0 de otra manera


Por otra parte los cálculos de ingeniería establecen que la distribución de

densidad del radio del bloque en centímetros viene dada por:
60 si 3  x  3.08

f ( x)  
0
 de otra manera

El espacio libre entre el cilindro y el pistón lo da la diferencia entre sus radios.

Como la selección para el ensamble se hace al azar en ocasiones se presentan
espacios negativos entre ellos. Desarrolle un modelo de simulación para
ensamblar las próximas 30 piezas y determine los aciertos y las fallas
presentadas en el proceso de ensamble.

6. En un proceso de producción se fabrican tres componentes electrónicos en dos

centros de mecanizado siguiendo una disciplina PEPS, los cuales han sido
identificados con los nombres de Alfa, Beta y Gamma de gran demanda por las
industrias ensambladoras de electrodomésticos de la ciudad. De acuerdo con
los datos históricos disponibles se ha podido establecer que: el 30% son de tipo
Alfa, el 38% de tipo Beta y el 32% son de tipo Gamma.

El componente Alfa se procesa tan pronto llega al primer centro, la experiencia

acumulada indica que el tiempo total de procesamiento para fabricarlo sigue
una función de densidad de 2-Erlang y parámetro de rapidez de 6
min/componente. El componente Beta se procesa con tiempo total de
terminación para cada uno de acuerdo con una distribución normal estándar con
media 5 min/componente y desviación estándar de 1.5 min/componente. Los
tiempos de terminación para el componente Gamma se asemejan cada uno a
los establecidos por la siguiente distribución triangular:

53
  2(x - 2)
 9 2 x7

f ( x)  
 2(10  x )
 7  x  10
 9
Elabore una simulación para los próximos 120 minutos para determinar el
número de componentes fabricados y los tiempos promedios y estimados para
elaborarlos.

Solución:

Productos f(x) F(x) ri

Alfa (α) 0.30 0.38 01---------------38
Beta (β) 0.38 0.68 39---------------68
Gamma (ɣ) 0.32 1.00 69---------------00

2
1
𝑥𝛼 = − ln [∏(1 − 𝑟𝑖 )]
𝑘𝜆
𝑖=1

𝑥∝ = −3 ln[(1 − 𝑟1 )(1 − 𝑟2 )]

𝑥𝛽 = 𝜇 + 𝑧𝜎

𝑥𝛽 = 5 + 1.5 𝑧

𝑥ɣ = 2 + 3√𝑟 𝑟 ≤ 0.62

𝑥ɣ = 10 − 3√1 − 𝑟 7 ≤ 𝑥 ≤ 10

54
𝑥𝑙𝑙 = −6 ln(1 − 𝑟)

2(𝑥 − 2)
2≤𝑥≤7
𝑓(𝑥) = { 9
2(10 − 𝑥)
7 ≤ 𝑥 ≤ 10
9

5
𝑃1 (𝑋) = −> 𝑟1 ≤ 0.62
8

2
𝑃2 (𝑋) = −> 𝑟2 ≥ 0.71
7

2(𝑥 − 2)
𝑓(𝑥) = 2≤𝑥≤7
9

𝑥
2(𝑥 − 2) (𝑥 − 2)2 𝑥
𝑓(𝑥) = ∫ −> 𝑓(𝑥) =
2 9 9 2

(𝑥 − 2)2
= 𝑓(𝑥) = = 𝑟 −> (𝑥 − 2) = ± √9𝑟
9

𝑥 = 2 + 3√𝑟

𝑥
2(10 − 𝑥) (10 − 𝑥)2 𝑥
𝐹(𝑥) = ∫ 𝑑𝑥 −> 𝐹(𝑥) = −
7 9 9 7

1 (10 − 𝑥)2
= − [(10 − 𝑥)2 − 9] = − +1
9 9

(10 − 𝑥)2 (10 − 𝑥)2

𝐹(𝑥) = 1 − → 𝑟 = 1−
9 9

55
 (10 − 𝑥)2
= = 1 − 𝑟 = (10 − 𝑥)2 = 9(1 − 𝑟)
9
= 10 − 𝑥 = ±√9(1 − 𝑟)
= 10 ± 3√1 − 𝑟 = 𝑥
= 10 − 3√1 − 𝑟 = 𝑥

Aleatorio Tipo Aleatorio 𝑿𝒍𝒍 Aleatorio Tipo Aleatorio 𝑿𝒍𝒍

69 ɣ 4° 0.11 0.70 02 α 36° 0.88 12.72
92 ɣ 11° 0.19 1.26 56 β 31° 0.70 7.22
13 α 5° 0.12 0.76 92 ɣ 21° 0.44 3.48
25 α 2° 0.06 0.37 42 β 23° 0.59 5.36
34 α 24° 0.59 5.35 96 ɣ 8° 0.14 0.90
64 β 13° 0.31 2.23 78 ɣ 21° 0.48 3.92
84 ɣ 34° 0.81 9.96 43 β 38° 0.89 13.24
31 α 3° 0.11 0.70 59 β 28° 0.65 6.30
21 α 32° 0.77 8.82 28 α 14° 0.31 2.24
91 ɣ 39° 0.94 16.88 17 α 7° 0.14 0.90
55 β 26° 0.61 5.65 84 ɣ 30° 0.70 7.22
43 β 20° 0.44 2.49 86 ɣ 37° 0.88 12.72
40 β 25° 0.59 5.35 16 α 19° 0.42 3.27
42 β 15° 0.32 2.31 98 ɣ 18° 0.36 2.68
18 α 16° 0.33 2.40 37 α 40° 0.94 16.88
13 α 9° 0.18 1.19 06 α 6° 0.13 0.84
58 β 17° 0.35 2.58 20 α 29° 0.67 6.65
63 β 35° 0.87 12.24 18 α 41° 0.95 12.97
22 α 22° 0.53 4.53 68 β 43° 0.99 27.65
84 ɣ 1° 0.05 0.31 54 β 10° 0.19 1.12
33 α 42° 0.99 27.63 11 α 12° 0.26 1.81
53 β 33° 0.81 9.96 24 α 27° 0.64 6.13

56
Trab Tipo Ti r1 r2 Tp Tt Centro Ti ri Z Tp Tt Centro Ti r Tp Tt Centro Ti Aleatorio Tp Tt Centro

1 ɣ
2 α 0.37 0.86 0.21 6.60 6.97 2 0.31 0.90 9.05 9.36 1
3 ɣ 6.97 0.99 9.7 16.67 2
4 α 16.67 0.454 0.15 2.28 18.95 2 9.36 0.83 8.76 18.12 2
5 α 18.12 0.98 0.76 16.02 34.14 1
6 α 18.95 0.61 0.40 4.30 23.25 2
7 ɣ
8 α 32.65 0.03 0.29 1.12 33.77 2
9 β 33.77 0.19 0.88 3.68 37.45 2
10 α 34.14 0.17 0.01 0.59 34.43 1
11 ɣ 34.73 0.06 2.76 37.46 1
12 α 23.25 0.96 9.4 32.65 2
13 β 34.73 0.08 0.29 0.96 35.69 1
14 α
15 β 35.69 0.26 0.23 1.92 37.61 2
16 α 37.61 0.38 0.80 2.88 40.49 1
17 β 40.49 0.69 2.93 43.42 2
18 β 43.42 0.35 5.96 49.38 1
19 ɣ 49.38 0.75 0.36 8.89 58.27 1
20 α 58.27 0.43 0.09 0.29 58.56 2
21 α 58.56 0.64 0.79 59.35 1
22 α 59.35 0.55 0.69 1.52 60.87 2
23 β 60.87 0.98 0.73 2.54 63.41 2
24 α
25 β 63.41 0.50 0.05 63.46 2
26 β 63.46 0.68 0.65 2.14 65.6 1
27 α 65.6 0.00 0.86 66.46 2
28 β 66.46 0.97 0.63 0.54 67 1
29 β 67 0.07 0.08 67.08 2
30 ɣ 67.08 0.23 0.81 68.61 1
31 β 68.61 0.50 0.96 1.24 69.85 2
32 α 69.85 0.77 0.11 0.42 70.27 2
33 β 70.27 0.64 0.76 0.64 70.91 1
34 ɣ 70.91 0.26 0.24 0.98 71.89 2
35 β 71.89 0.66 0.62 0.54 72.43 1
36 α 72.43 0.27 0.44 72.87 1

57
37 ɣ 72.87 0.30 0.88 0.21 73.08 2
38 β 72.87 0.99 0.39 0.65 73.73 1
39 ɣ 73.73 0.54 0.53 74.26 2
40 α 74.26 0.58 0.57 74.83 1
41 α 74.83 0.42 0.18 75.01 2
42 α 75.01 0.54 0.50 0.72 75.73 1
43 β 75.73 0.16 0.44 76.17 2

58
7. Una fabrica produce autopartes para la industria automotriz, un repuesto de gran
demanda es procesando en dos centros de trabajo denominados Taller A y
taller B en un proceso de producción en serie lo cual quiere decir que todas las
operaciones y actividades necesarias para fabricarlas se realizan en el Taller A
y luego en el Taller B. La solicitud de pedidos llegan a la empresa a razón de
12 minutos por repuesto y su comportamiento sigue una distribución
exponencial. Los trabajos que no puedan realizarse en un momento
determinado deberán esperar en cola antes de que los procesen. El espacio de
almacenamiento en el taller A es ilimitado, mientras en el taller B su capacidad
de almacenamiento es de tres trabajos; esto significa que si su capacidad se
copa el Taller A deberá paralizar sus actividades hasta que exista espacio en el
taller B. El tiempo de producción de cada repuesto en el taller A se distribuye de
manera uniforme en el intervalo (5,11). El tiempo de procesamiento de cada
repuesto en el taller B se expresa mediante la siguiente distribución triangular:

1
 4 (x - 3) 3 x5

f ( x)  
1
 (7 - x) 5 x 7
4

Elabore una simulación para las próximas cinco (5) horas para determinar el
número de componentes fabricados y los tiempos promedios y estimados para
producirlos.

8. En una fábrica de muebles se producen diferentes productos de gran aceptación

entre los consumidores, por lo cual el gerente debe atender prioritariamente los
pedidos que llegan de sus distribuidores. Por esta razón ha solicitado al
ingeniero de planta una programación de la producción que garantice que no se
presentaran demoras para las entregas en los próximos días. Éste piensa que
un experimento simulado le podría dar un alto nivel de confianza de que se
cumpla con los tiempos de terminación de los productos reseñados. De acuerdo

59
 con la experiencia acumulada se ha podido establecer que los tiempos de
terminación para cada uno de los productos se puede controlar con la siguiente
distribución de probabilidad:

x 1
8 - 4 2 x4

f ( x)  
5 x
 - 4  x  10
 12 24

Utilice cincuenta (50) números aleatorios y determine la cantidad de productos

fabricados en la próxima semana si se supone que el tiempo diario productivo
es de 6,5 horas por día.

9. El operador de una máquina procesa dos tipos de trabajo identificados como

Tipo A y Tipo B durante una jornada de trabajo, los análisis históricos
demuestran que el 40% de los trabajos son de tipo A y el 60% son del tipo B.
Los trabajos del tipo A tienen tiempos de terminación que se pueden
representar mediante una distribución de 2-Erlang y de rapidez 5. Los tiempos
de terminación del trabajo del tipo B se pueden representar mediante la
siguiente distribución triangula:

x -1
 12 1 x4

f ( x)  
9  x
 4 x 9
 20
Si los trabajos llegan con una distribución exponencial con media 4 minutos por
trabajo, elabore un modelo de simulación para mostrar el comportamiento del
sistema en las dos (2) horas.

60
10. En la fabricación de salsa de tomate envasada en garrafas de 5 litros los
ingredientes se procesan en dos centros de trabajo, operaciones que se deben
realizar en serie. En el primer centro de trabajo el tiempo de producción tiene
una duración que sigue una distribución normal estándar con media  ( r )  25

minutos y Varianza  2 (r )  11 minutos por garrafa. En el segundo centro de

trabajo el tiempo de proceso para la transformación de los ingredientes con los
cuales se obtiene la salsa de tomate sigue una distribución 2-Erlang con media
de 20 minutos. De acuerdo con estimaciones hechas para los tiempos estándar
el máximo aceptado para los dos centros de trabajo es de 52 minutos. Diseñe
un proceso de simulación para la obtención de 30 garrafas y señale cuantas
fueron rechazadas y cuantas aceptadas.

61