Documentos de Académico
Documentos de Profesional
Documentos de Cultura
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:
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.
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.
B 4 3 2 1
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.
𝑃 = 0,18, 1 − 𝑃 = 0,82
𝑓(𝑥) = 𝑃 𝑥 ∗ (1 − 𝑃)1−𝑥
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.
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
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
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
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.
𝑃 = 0,32, 1 − 𝑃 = 0,68
𝑓(𝑥) = 𝑃 𝑥 ∗ (1 − 𝑃)1−𝑥
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
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.
𝑃 = 0,56, 1 − 𝑃 = 0.44
𝑓(𝑥) = 𝑃 𝑥 ∗ (1 − 𝑃)1−𝑥
𝑓(𝑥) = 0,56𝑥 ∗ (0,44)1−𝑥
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
𝑃 = 0,75, 1 − 𝑃 = 0,25
𝑓(𝑥) = 𝑃 𝑥 ∗ (1 − 𝑃)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
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
𝑃 = 0,68, 1 − 𝑃 = 0,32
𝑓(𝑥) = 𝑃 𝑥 ∗ (1 − 𝑃)1−𝑥
17
1 0.32 1.00 69---------------
1.00
18
DISTRIBUCIÓN DE PROBABILIDAD DE 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
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
20
1 𝑚𝑖𝑛
= 0.54
𝜆 𝐶ℎ𝑎𝑠𝑖𝑠 𝑥 𝑇𝑎𝑛𝑞𝑢𝑒𝑠
𝜆𝑥 ∗ 𝑒 −𝜆 2𝑥 ∗ 𝑒 −2
𝑓(𝑥) = =
𝑥! 𝑥!
𝑓(𝑥) = 0.156 2𝑥
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.
1 𝑚𝑖𝑛
= 0.48
𝜆 𝐴𝑛𝑖𝑙𝑙𝑜𝑠 𝑆𝑢𝑝 𝑥 𝑇𝑎𝑛𝑞𝑢𝑒𝑠
𝜆𝑥 ∗ 𝑒 −𝜆 2𝑥 ∗ 𝑒 −2
𝑓(𝑥) = =
𝑥! 𝑥!
𝑓(𝑥) = 0.156 2𝑥
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.
1 𝑚𝑖𝑛
= 0.52
𝜆 𝐴𝑛𝑖𝑙𝑙𝑜𝑠 𝐸𝑥𝑡. 𝑥 𝑇𝑎𝑛𝑞𝑢𝑒𝑠
25
𝜆𝑥 ∗ 𝑒 −𝜆 2𝑥 ∗ 𝑒 −2
𝑓(𝑥) = =
𝑥! 𝑥!
𝑓(𝑥) = 0.135 2𝑥
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
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
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
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
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
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
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
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
33
productos
contaminantes
Tanque de 9 6 5 2
carga para
tipo de
transporte
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
El gerente estima un promedio de cuatro personas por familia las cuales son
alojadas en cabañas típicas que en la actualidad son 120.
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
𝑃𝑣 = 850
41
𝐶𝐸𝑁 = 280
𝐶𝑉𝑃= $58
𝐶𝐸𝑅 = $310
𝑃𝑉 = 860
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
−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:
Simule el proceso de producción para las piezas en las próximas tres horas y
genere toda la información que considere pertinente como salidas.
52
50 50( x 3 ) si x 3
f ( x)
0 de otra manera
53
2(x - 2)
9 2 x7
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:
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
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
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 x5
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.
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 x4
f ( x)
5 x
- 4 x 10
12 24
x -1
12 1 x4
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
61