UNIDAD 3 PASO 3.

TALLER-LABORATORIO 3: MODELOS DE COLAS Y SIMULACIÓN

Presentado Por:
Diego Sebastián Martínez

Grupo:
212026_80
Tutor:
CESAR FIGUEREDO

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

INGENIARÍA INDUSTRIAL
MAYO 2020
 Introducción
La teoría de colas es el estudio matemático del comportamiento de líneas de espera. Esta se
presenta, cuando los “clientes” llegan a un “lugar” demandando un servicio a un “servidor”,
el cual tiene una cierta capacidad de atención. Si el servidor no está disponible
inmediatamente y el cliente decide esperar, entonces se forma la línea de espera. Las colas
son frecuentes en nuestra vida cotidiana.
 Justificación
El desarrollo de esta actividad permitirá reconocer los conceptos de la modelación y
simulación de procesos en sistemas industriales y el uso de tecnologías para el análisis de
escenarios, así como determinar las técnicas de modelamiento para la generación de
escenarios de solución óptima, de acuerdo a las condiciones y medidas de desempeño del
sistema real productivos y logísticos.
 Objetivos
Objetivo General:
Reconocer los conceptos de la modelación y simulación de procesos en sistemas industriales
y el uso de tecnologías para el análisis de escenarios
Objetivos específicos:
-Reconocer los conceptos básicos de la modelación y simulación como un medio de
mejoramiento de los procesos y sistemas.
-Realizar el modelo matemático para cada ejercicio propuesto determinando la función
objetivo, las variables, parámetros y restricciones.
 Esquema de trabajo
ESQUEMA DE TRABAJO PASOS
Descargar los contenidos temáticos de la unidad para estudio 1
Elaborar el esquema de trabajo y compartir el rol a desempeñar en el foro 2
Instalar Programa y ver video tutoriales 3
Resolver las preguntas del taller 4
Solucionar los ejercicios del taller y compartirlos en el foro 5
Retroalimentar los aportes de los compañeros 6
Subir trabajo 7
Para el seguimiento correspondiente en el desarrollo del curso de Modelos y simulación,
se orienta desarrollar un informe en Word o PDF con un Anexo en Excel, el informe
contendrá los siguientes cuatro puntos:

1. Consulte el link: https://www.u-

cursos.cl/usuario/b8c892c6139f1d5b9af125a5c6dff4a6/mi_blog/r/Administracion_d
e_Operaciones_-_Completo.pdf el capítulo “Conceptos de simulación” en el capítulo
19 A y Responder el siguiente cuestionario:

1.1 ¿Por qué a veces se le llama a la simulación una técnica de último recurso?
Por qué en muchas ocasiones la emplean como método de comprobación o cuando los
datos con muy grandes.
1.2 ¿Qué papeles cumplen las pruebas de hipótesis estadística en la simulación?
La simulación ha venido siendo empleada como una forma de prueba de hipotesis,
puesto que por cada ejecución de simulación se generan uno o más datos de muestra
que son susceptibles al análisis formal a través de los métodos estadísticos
inferenciales.
1.3 ¿Qué determina la validez de un modelo de simulación?
Si este se ajusta a los parámetros, variables y resultados que pudiesen haber sido
calculados manualmente o si presenta un comportamiento de acuerdo al sistema.
1.4 ¿Se debe usar una computadora para obtener información adecuada de una simulación?
Explique.
Esto depende de la simulación que se decida realizar, el empleo de equipos de computo
deriva en su exactitud de cálculos y rapidez para los mismos.
1.5 ¿Qué métodos se usan para incrementar el tiempo en un modelo de simulación? ¿Cómo
funcionan?
Incremento de tiempo fijo: se especifican los incrementos uniformes de tiempo del
reloj como minutos, horas o días y la simulación continua por intervalos fijos de un
periodo al siguiente. Cada punto de tiempo de reloj, se rastrea el sistema para
determinar si ocurría algún evento, de ser así, se simulan los eventos y avanza el tiempo
de lo contrario el tiempo de todas maneras avanza una unidad.
Incremento de tiempo variable: el tiempo del reloj avanza por la cantidad requerida
para iniciar el siguiente evento.
1.6 ¿Cuáles son las ventajas y desventajas de empezar una simulación con el sistema vacío?
¿Y con el sistema en equilibrio?

La ventaja de empezar con un sistema vacío es que permite llegar con el sistema vacío
y ser atendido inmediatamente. En otro orden de ideas, si se encuentra el sistema en
equilibrio, su comportamiento se hace independiente del tiempo. Por lo tanto luego
hemos iniciar una simulación la cual se debe modelar, analizar un problema, resumir
sus características.
1.7 Distinga entre las distribuciones matemáticas conocidas y las distribuciones empíricas.
 Las distribuciones empíricas se derivan de observar las frecuencias relativas de cierto
evento como la llegada en una línea o la demanda de un producto, es decir es una
distribución de demanda elaborada según las necesidades que solo es relevante a una
situación en particular.
Las distribuciones matemáticas o distribuciones de probabilidad “teórica” se genera por
valores basadas en fórmulas matemáticas donde se realiza pruebas de ajuste, se arroja un
ajuste pobre o de poca fiabilidad de las distribuciones teóricas.

1.8. ¿Qué información se necesita para una simulación con una distribución matemática
conocida?

La información de un sistema tiene carácter dinámico y estocástico, la variabilidad de este

debe modelarse con ciertas ecuaciones matemáticas que sean capaces de reproducir su
comportamiento; donde para ser una distribución matemática conocida se debe clasificar
dicha variación dentro de alguna distribución de probabilidad. La representación en modelo
de una variable aleatoria se da por medio de una distribución de probabilidad.

1.9. ¿Por qué es importante en la simulación la duración de la ejecución?

Es importante porque permite reducir el error estadístico de los resultados de la simulación,

podemos controlar o modificar los ciclos que queremos que emplee la simulación para poder
llevarla a feliz término.

1.10. ¿Una ejecución de 100 observaciones es dos veces más válida que una de 50? Explique.

Esto depende de la configuración del sistema, puede que a mayor numero de observaciones
sea más preciso, pero también puede que un sistema con un numero reducido d
observaciones, sea eficaz.

1.11. Describa que son los números aleatorios y como se utilizan en la simulación.

Un número aleatorio es aquel obtenido al azar, es decir, que todo número tenga la misma
probabilidad de ser elegido y que la elección de uno no dependa de la elección del otro. El
ejemplo clásico más utilizado para generarlos es el lanzamiento repetitivo de una moneda o
dado ideal no trucado.

Los números aleatorios permiten a los modelos matemáticos representar la realidad.

1.12. Investigue para la modelación las principales herramientas de software utilizadas.

A. Forecast
B. Excel
C. Stata
D. Softw
 E. Tora
F. Storm
G. WinQSB
H. Xpress IVE

1.13. Del texto MODELADO Y SIMULACIÓN: APLICACIÓN A PROCESOS

LOGÍSTICOS DE FABRICACIÓN Y SERVICIOS, describa cuales son las fases de un
estudio y proyecto de simulación. El archivo en Investigar en diferentes fuentes establecidas
en el syllabus orientado a la unidad 3. Las etapas de la simulación y hacer una descripción
de cada una de estas.

Formulación del problema se define el problema que se pretende estudiar. Incluye por
escrito sus objetivos, debido a que la especificación de objetivos es una de las tareas más
importantes de un proyecto de simulación. Si los objetivos no están claros o son poco
concretos, existe el peligro de no abordar correctamente el problema para el cual se ha
solicitado el proyecto de simulación y de ser incapaz de responder a las expectativas
generadas.

Diseño del modelo conceptual: se conoce la especificación del modelo a partir de las
características de los elementos del sistema que se quiere estudiar y sus interacciones
teniendo en cuenta los objetivos del problema. El modelo conceptual especifica las relaciones
estructurales más importantes del sistema que se intenta simular y, en consecuencia,
constituye un medio de diálogo y de coordinación entre los distintos departamentos o grupos
involucrados.

Recogida y tratamiento de los datos: se quiere identificar, recoger y analizar los datos
necesarios para el estudio. Aun en los casos en los que hay problemas con los datos, el
conocimiento adquirido y los resultados obtenidos en el estudio de simulación aportan
información valiosa para la toma de decisiones.

Construcción del modelo: en numerosos proyectos de simulación el esfuerzo se concentra

más en la construcción del modelo que en la resolución del problema. En esta misma línea,
la obtención de un modelo ejecutable se convierte erróneamente en un objetivo prioritario.
La motivación dominante debería ser la comprensión del problema y la obtención de
soluciones. Para avanzar más rápidamente en la consecución de estos objetivos, es
recomendable construir en primer lugar uno o varios modelos simplificados que caractericen
las partes más esenciales del sistema de interés.

Verificación y validación: es necesario Comprobar que el modelo se comporta como es de

esperar y que existe la correspondencia adecuada entre el sistema real y el modelo.
Para tener una garantía razonable de que el modelo de simulación representa la realidad, y
como consecuencia, tomar decisiones estratégicas u operacionales basándose en los
resultados, es absolutamente necesario verificar y validar antes el modelo de simulación.

Análisis: consiste en analizar los resultados de la simulación con la finalidad de detectar

problemas y recomendar mejoras o soluciones.

Documentación: La importancia de esta fase radica en que refleja el estado del proyecto en
un momento dado, informa sobre todo el proyecto (documento final y facilita la reutilización
del modelo en los casos en los que se prevé un posible interés en su uso futuro.

Implementación: Se debe Poner en práctica las decisiones efectuadas con el apoyo del
estudio de simulación. Para que las recomendaciones sean tenidas en cuenta es necesario que
el modelo sea creíble. Para ello, no es suficiente que el modelo sea válido. Es también
imprescindible que los responsables de la toma de decisiones estén convencidos de su
validez.
Desarrollar en un archivo de Excel los siguientes ejercicios, los cuales se presentarán en
el informe de Word mediante pantallazos y los respectivos análisis en cada punto.

2. Establecer un listado de 1000 números aleatorios en una columna, establecer una grafica
de tipo dispersión en un cuadro de dialogo explique sus características.

En el gráfico de dispersión, se realiza la representación grafica de los 1000 datos

generados aleatoriamente, en este grafico se puede apreciar que no se evidencia un
comportamiento homogéneo, particular o con alguna tendencia, debido a la procedencia
de la data, pues es generada aleatoriamente ya que Excel genera números aleatorios entre
0y1

3. Establecer tres columnas de 200 números aleatorios aplicando un tratamiento según

fórmula de Excel para comportamiento NORMAL, EXPONENCIAL Y UNIFORME
graficar cada columna. Teniendo en cuenta para los correspondientes casos los siguientes
datos: Media=50; Desviación Estándar =5; Para la uniforme de un rango de 1 a 50.

Distribución Normal
Distribución Exponencial

Distribución Uniforme
 Distribucion Uniforme
12
10
Frecuencia

8
6
4 Frecuencia
2
0
8
2
4
6

22
10
12
14
16
18
20

24
26
28
30
32
34
36
38
40
42
44
46
48
50
Clase

4. Desarrollar el siguiente caso estableciendo una simulación en Excel:

Se desea simular el proceso de descompostura y reparación de unos generadores

eléctricos para estimas el tiempo muerto que en promedio tienen dichas maquinas. Se
realizaron 200 observaciones registrando los datos del tiempo entre fallas y del tiempo
de reparación, generando las siguientes tablas y datos para realizar la simulación
siguiente:

Tiempo entre Número de

fallas (Horas) observaciones Tiempo de
Número de
0,7 10 reparación
observaciones
1,2 12 (Horas)
2,1 32 1 60
2,5 66 2 100
2 42 3 40
3 38 TOTAL 200
TOTAL 200

Considerando un valor (Alfa = 0.10); y un error de 0,5 horas.

Determine:

a. Modelo de simulación de 40 días de operación incluyendo gráfico de estabilidad.

 ESTADISTICO
PROMEDIO 0,77

DESVIACION 1,19
ESTANDAR

CANTIDA DE TOTAL DE CANTIDAD DE BARCOS VARIABLE ALEATORIA

NUMERO BARCOS QUE NUMERO BARCOS
DIA BARCOS DEL DIA BARCOS BARCOS PENDIENTES DEL DE BARCOS PENDIENTE
ALEATORIO LLEGAN X DIA ALEATORIO DESCARGADOS X DIA DEL SIGUIENTE DIA
ANTERIOR DESCARGADOS DESCARGADOS DIA SIGUIENTE

1 0 0,0210 0 0,2757 3 0 0 0 0 2
2 0 0,2656 1 0,7247 4 1 1 0 0
3 0 0,0847 0 0,9531 5 0 0 0 0 1
4 0 0,1700 1 0,0398 1 1 1 0 0
5 0 0,9858 5 0,4906 3 5 3 2 0 1
6 2 0,6158 3 0,5507 3 5 3 2 1
7 2 0,1190 0 0,5945 3 2 2 0 1 1
8 0 0,7193 4 0,0453 1 4 1 3 1
9 3 0,9134 5 0,5299 3 8 3 5 1 1
10 5 0,1097 0 0,3858 3 5 3 2 1
11 2 0,3062 1 0,7630 4 3 3 0 1 1
12 0 0,9833 5 0,7164 4 5 4 1 1
13 1 0,4791 3 0,4386 3 4 3 1 1 0
14 1 0,9746 5 0,8462 4 6 4 2 1
15 2 0,0844 0 0,8720 5 2 2 0 1 0
16 0 0,3414 2 0,9423 5 2 2 0 1
17 0 0,4753 3 0,2120 3 3 3 0 1 0
18 0 0,6848 4 0,2390 3 4 3 1 1 1
19 1 0,2465 1 0,5945 3 2 2 0 1
20 0 0,6439 3 0,2756 3 3 3 0 1
21 0 0,5429 3 0,4865 3 3 3 0 1
22 0 0,2422 1 0,3151 3 1 1 0 1
23 0 0,3683 2 0,7867 4 2 2 0 1
24 0 0,7246 4 0,6685 4 4 4 0 1
25 0 0,8860 5 0,4753 3 5 3 2 1
26 2 0,3507 2 0,5428 3 4 3 1 1
27 1 0,1089 0 0,2997 3 1 1 0 1
28 0 0,2709 1 0,4499 3 1 1 0 1
29 0 0,8557 4 0,2285 3 4 3 1 1
30 1 0,3505 2 0,8857 5 3 3 0 1

b. Calculo del número de corridas necesarias para estabilizar la variable de interés.

LONGITUD DE
1,66843
CORRIDA
c. Adecuar el número de corridas según el caso del modelo del punto a.
 CANTIDA DE BARCOS
NUMERO BARCOS QUE NUMERO
DIA BARCOS DEL DIA Barcos descargados Total
por Día
Barcos a descargar
Cantidad de Barcos Descargados
PENDIENTES DEL
ALEATORIO LLEGAN X DIA ALEATORIO
ANTERIOR DIA SIGUIENTE

1 0
2 0
3 0
4 0
5 0
6 0
7 0
8 0
0,2055 1 0,4268 3 1 1 0
0,6602 3 0,5300 3 3 3 0
0,0979 0 0,5362 3 0 0 0
0,5455 3 0,5364 3 3 3 0
0,8850 5 0,9663 5 5 5 0
0,2190 1 0,2379 3 1 1 0
0,4369 2 0,6636 4 2 2 0
0,6620 3 0,5073 3 3 3 0

0
9 0 0,0835 0 0,8567 4 0 0
10 0 0,0010 0 0,5548 3 0 0 0
11 0 0,7234 4 0,8851 5 4 4 0
12 0 0,5315 3 0,5434 3 3 3 0
13 0 0,1760 1 0,0066 1 1 1 0
14 0 0,7446 4 0,9032 5 4 4 0
15 0 0,9294 5 0,0197 1 5 1 4
16 4 0,7329 4 0,5601 3 8 3 5
17 5 0,0846 0 0,9921 5 5 5 0
18 0 0,5468 3 0,7424 4 3 3 0
19 0 0,4923 3 0,8322 4 3 3 0
20 0 0,2126 1 0,3439 3 1 1 0
21 0 0,2510 1 0,7755 4 1 1 0
22 0 0,3535 2 0,9942 5 2 2 0
23 0 0,0469 0 0,1157 2 0 0 0
24 0 0,5194 3 0,2488 3 3 3 0
25 0 0,0694 0 0,4687 3 0 0 0
26 0 0,0456 0 0,1688 2 0 0 0
27 0 0,7262 4 0,2215 3 4 3 1
28 1 0,5171 3 0,6219 3 4 3 1
29 1 0,1830 1 0,8173 4 2 2 0
30 0 0,3602 2 0,0294 1 2 1 1
31 1 0,1030 0 0,9350 5 1 1 0
32 0 0,3100 1 0,5454 3 1 1 0
33 0 0,1817 1 0,1454 2 1 1 0
34 0 0,7379 4 0,1169 2 4 2 2
35 2 0,0715 0 0,0985 2 2 2 0
36 0 0,2738 1 0,8026 4 1 1 0
37 0 0,5370 3 0,4114 3 3 3 0
38 0 0,0384 0 0,6081 3 0 0 0
39 0 0,8744 5 0,3995 3 5 3 2
40 2 0,2215 1 0,1195 2 3 2 1
41 1 0,4529 2 0,1503 2 3 2 1
42 1 0,1960 1 0,0721 2 2 2 0
43 0 0,6211 3 0,5431 3 3 3 0
44 0 0,7499 4 0,1967 2 4 2 2
45 2 0,9104 5 0,4729 3 7 3 4
46 4 0,8795 5 0,5557 3 9 3 6
47 6 0,3607 2 0,1665 2 8 2 6
48 6 0,1622 1 0,5274 3 7 3 4
49 4 0,7235 4 0,2267 3 8 3 5
50 5 0,5391 3 0,6462 3 8 3 5
51 5 0,5849 3 0,7837 4 8 4 4
52 4 0,3333 2 0,5910 3 6 3 3
53 3 0,5227 3 0,4844 3 6 3 3
54 3 0,4734 3 0,1693 2 6 2 4
55 4 0,1364 0 0,3236 3 4 3 1
56 1 0,8337 4 0,3589 3 5 3 2
57 2 0,5997 3 0,6327 3 5 3 2
58 2 0,0664 0 0,8047 4 2 2 0
59 0 0,3265 1 0,8208 4 1 1 0
60 0 0,1191 0 0,4119 3 0 0 0
61 0 0,0564 0 0,2020 3 0 0 0
62 0 0,3960 2 0,6612 4 2 2 0
63 0 0,5036 3 0,8560 4 3 3 0
64 0 0,1307 0 0,1024 2 0 0 0
65 0 0,0585 0 0,1896 2 0 0 0
66 0 0,1025 0 0,4959 3 0 0 0
67 0 0,0778 0 0,0289 1 0 0 0
68 0 0,0787 0 0,0306 1 0 0 0
69 0 0,2610 1 0,5692 3 1 1 0
70 0 0,6670 3 0,0835 2 3 2 1
71 1 0,3269 1 0,5029 3 2 2 0
72 0 0,1065 0 0,6903 4 0 0 0
73 0 0,0357 0 0,9154 5 0 0 0
74 0 0,2340 1 0,7522 4 1 1 0
75 0 0,0233 0 0,7911 4 0 0 0
76 0 0,9303 5 0,9287 5 5 5 0
77 0 0,6249 3 0,6792 4 3 3 0
78 0 0,7455 4 0,6528 4 4 4 0
79 0 0,4510 2 0,3077 3 2 2 0
80 0 0,9280 5 0,0795 2 5 2 3
81 3 0,0557 0 0,4158 3 3 3 0
82 0 0,2482 1 0,6376 3 1 1 0
83 0 0,4325 2 0,0377 1 2 1 1
84 1 0,0034 0 0,3455 3 1 1 0
85 0 0,8849 5 0,5140 3 5 3 2
86 2 0,9223 5 0,9727 5 7 5 2
87 2 0,0202 0 0,8920 5 2 2 0
88 0 0,4653 2 0,9936 5 2 2 0
89 0 0,2879 1 0,7170 4 1 1 0
90 0 0,2248 1 0,0309 1 1 1 0
91 0 0,6449 3 0,6847 4 3 3 0
92 0 0,8665 5 0,2179 3 5 3 2
93 2 0,3282 1 0,9609 5 3 3 0
94 0 0,3577 2 0,0209 1 2 1 1
95 1 0,0946 0 0,6693 4 1 1 0
96 0 0,9170 5 0,4520 3 5 3 2
97 2 0,2816 1 0,7695 4 3 3 0
98 0 0,3507 2 0,5388 3 2 2 0
99 0 0,8332 4 0,5274 3 4 3 1
100 1 0,4204 2 0,6780 4 3 3 0
101 0 0,1394 0 0,2835 3 0 0 0
102 0 0,9036 5 0,3775 3 5 3 2
103 2 0,5886 3 0,0863 2 5 2 3
104 3 0,4299 2 0,7422 4 5 4 1
105 1 0,3457 2 0,1006 2 3 2 1
106 1 0,2147 1 0,6624 4 2 2 0
107 0 0,7359 4 0,1550 2 4 2 2
108 2 0,2672 1 0,3300 3 3 3 0
 d. Generar 15 corridas del modelo y calcular el intervalo de confianza.
ESTADISTICO ESTADISTICO ESTADISTICO ESTADISTICO ESTADISTICO ESTADISTICO ESTADISTICO ESTADISTICO ESTADISTICO ESTADISTICO ESTADISTICO ESTADISTICO ESTADISTICO ESTADISTICO ESTADISTICO
2,00 0,73 0,47 0,97 0,63 0,70 1,37 0,80 1,67 0,27 1,87 0,67 0,47 1,97 1,57
1,49 0,91 0,78 1,43 1,10 0,95 1,43 1,16 1,88 0,58 1,89 1,21 0,90 2,16 1,65
Corrida 1 Corrida 2 Corrida 3 Corrida 4 Corrida 5 Corrida 6 Corrida 7 Corrida 8 Corrida 9 Corrida 10 Corrida 11 Corrida 12 Corrida 13 Corrida 14 Corrida 15
0 1 0 0 0 1 0 2 2 2 0 0 0 0 0
1 1 0 0 1 1 1 1 3 2 1 0 2 1 0
1 1 0 0 1 1 1 1 2 1 1 1 2 2 0
1 1 0 0 1 1 1 1 1 1 1 1 2 2 1
1 1 0 0 1 1 1 2 1 1 1 1 1 2 0
2 1 0 0 1 1 1 2 1 1 1 1 1 2 0
1 0 0 0 1 2 1 1 1 0 1 1 1 2 0
1 1 0 0 1 1 1 1 1 1 1 1 1 2 1
1 1 0 0 2 1 1 1 1 0 2 0 1 1 1
1 1 0 0 2 1 1 1 1 0 2 0 1 1 1
2 1 0 0 2 1 0 1 1 0 2 0 1 1 1
2 1 0 0 1 1 1 1 1 0 2 1 1 1 1
2 1 0 0 1 1 1 1 1 0 2 1 1 1 1
2 1 0 0 1 1 1 1 1 0 2 1 1 1 1
2 1 0 0 1 1 1 1 1 0 2 1 1 1 1
2 1 0 0 1 1 1 1 1 0 2 1 1 1 1
2 1 0 0 1 1 1 1 1 0 2 0 1 1 1
2 1 0 0 1 1 1 1 1 0 2 0 1 1 1
2 1 0 0 1 1 1 1 1 0 2 0 1 1 1
2 1 0 0 1 1 2 1 1 0 2 0 1 1 1
2 1 0 0 1 1 2 1 1 0 2 0 1 1 1
2 1 0 1 1 1 2 1 1 0 2 0 1 1 1
2 1 1 1 1 1 2 1 1 0 2 0 1 1 1
2 1 1 1 1 1 2 1 1 0 2 0 1 1 1
2 1 1 1 1 1 1 1 1 0 2 0 1 1 1
2 1 1 1 1 1 1 1 1 0 2 0 1 1 2
2 1 1 1 1 1 1 1 1 0 2 0 0 2 2
2 1 1 1 1 1 1 1 2 0 2 1 1 2 2
2 1 0 1 1 1 1 1 2 0 2 1 0 2 2
2 1 0 1 1 1 1 1 2 0 2 1 0 2 2
2 1 1 1 1 1 1 1 2 0 2 1 1 2 2
2 1 1 1 1 1 1 1 2 0 2 1 1 2 2
2 1 1 1 1 1 1 1 2 0 2 1 0 2 2
2 1 1 1 1 1 1 1 2 0 2 1 0 2 2
2 1 1 1 1 1 1 1 2 0 2 1 0 2 2
2 1 1 1 1 1 1 1 3 0 2 1 0 2 2
2 1 1 1 1 1 1 1 3 0 2 1 0 2 2
2 1 1 1 1 1 1 1 3 0 2 1 0 2 2
2 1 1 1 1 1 1 1 3 0 2 1 0 2 2
2 1 1 1 1 1 1 1 3 0 2 1 0 2 2
IC+ 1,10304719
IC- 1,64695281
e. Establecer conclusiones y recomendaciones del caso.

La mayoría de los datos presenta un comportamiento normal

EL 60 % de los datos esta entre 0 y 2, es decir no pasarían de tener más de 2 camiones en
espera para poder ser descargados al día siguiente y un 30% tendría 2 barcos para ser
descargados y un 10% tendría un barco para ser descargado

Los datos presentan un comportamiento normal, ya que los datos se encuentran en el área
de un 95%. El valor p es de 0.060, es decir menor al 0.05, esto nos garantiza que no tienen
un comportamiento normal
 Conclusiones
El desarrollo del presente trabajo me permitió entender la importancia de la simulación y su
relación con numero aleatorios, su uso y como pueden estos contribuir con la simulación. Por
medio del empleo del software ofimático Excel, una poderosa herramienta de simulación,
pudimos comprender la aplicación de la teoría de colas, así como el uso del software minitab,
para poder realizar la representación grafica de datos.
 Referencias
• Guasch, A., Piera, M. À., & Casanovas, J. (2002). Modelado y simulación: aplicación
a procesos logísticos de fabricación y servicios. Madrid, ES: Universitat Politècnica
de Catalunya. Disponible en la Biblioteca Virtual de la UNAD (pp.6-21)|.
Recuperado
de https://bibliotecavirtual.unad.edu.co:2538/lib/unadsp/reader.action?ppg=32&doc
ID=4310046&tm=1544037403797
• Díaz de Santos, (2006). Cómo mejorar la logística de su empresa mediante la
simulación, Ediciones. ProQuest Ebook Central, Disponible en la Biblioteca Virtual
de la UNAD (pp.35-73). Recuperado
de https://bibliotecavirtual.unad.edu.co:2538/lib/unadsp/reader.action?ppg=52&doc
ID=3220054&tm=1544037773402
• Singer, M. (2013). Una práctica teoría de la optimización lineal : datos, modelos y
decisiones. Santiago, Chile: Ediciones UC. Disponible en la Biblioteca Virtual de la
UNAD (pp.3-69). Recuperado
de: http://bibliotecavirtual.unad.edu.co/login?url=https://bibliotecavirtual.unad.edu.
co:2969/login.aspx?direct=true&db=nlebk&AN=1725244&lang=es&site=ehost-
live&ebv=EB&ppid=pp_3
• Rodriguez, Diego. (04,12,2018). Modelos y Simulación. [Archivo de video].
Recuperado de http://hdl.handle.net/10596/22524
• Rodriguez, Diego. (04,12,2018). Modelos y Simulación. [Archivo de video].
Recuperado de http://hdl.handle.net/10596/22525