Unidad 2: Tarea 3 - Solución de modelos probabilísticos de optimización

Presentado Por:
Yeimy Paola Perdomo Hoyos
1031130111

Grupo: 104561_24

Presentado a:
Roger Ricardo Negretre
Tutor

Universidad Nacional Abierta y a Distancia

UNAD
2020
 Tiempos de Llegada

𝑡 ̅
α
λ

Mod

(M/M/1) : (DG/∞/∞)

Tasa de Tasa de
Condición llegada servicio Numero de Disciplina Límite del
de estado servidores en la cola sistema
(exponencial) (exponencial)

DG Disciplina
ρ λ μ 1 General ∞

Cantidad esperada de piezas en el sistema 𝐿_𝑠 3.23706897

Cantidad esperada de piezas en la fila 𝐿_𝑞 2.47308117

Tiempo estimado de espera en el sistema. 𝑊_𝑠 0.5303398

Tiempo estimado de espera en la fila. 𝑊_𝑞 0.40517313

Probabilidades de Estado 𝑃_𝑛

Probabilidad de inactividad en la instalación de servicio

𝑃_0 0.23601221

Probabilidad de espera de Pieza 0.76398779

Probabilidad de que el Pieza 5 sea atendido, 0.06142803

0.9482452
Probabilidad en el sistema para n = 10

Probabilidades en el sistema hasta que su sumatoria sea

superior o igual al 90%
0.91132978
8 Piezas
 Tiempos de Servicio

9.83 𝑡 ̅ 7.51

0.1017294 α 0.13315579
6.10376399 μ 7.98934754

Condición de Estado

ρ 0.763987792472

Modelo de Línea de Espera con un Solo Servidor

(M/M/1) : (DG/∞/∞)
Tasa de
Tamaño Tasa de
de la Condición llegada servicio Numero de Disciplina
de estado (exponencia servidores en la cola
fuente (exponencial)
l)
DG
Disciplina
∞ ρ λ μ 1 General
0.763987792472 6.1037639877925 7.98934754

Cantidad esperada de Piezas en el sistema 3.23706897

Cantidad esperada de Piezas en la fila 3.14144316

Tiempo estimado de espera en el sistema.

4.23706897

Tiempo estimado de espera en la fila. 4.1119023

Probabilidades de Inactividad 0.23601221

Probabilidad de espera de Pieza 0.76398779

Probabilidad de que el Pieza 5 sea atendido
0.06142803

Probabilidad de que el Pieza 10 sea atendido 0.9482452

Probabilidades en el sistema hasta que su

sumatoria sea superior o igual al 90% 0.91132978
8 Piezas
 Tamaño
Límite del de la
sistema
fuente

200 ∞

9.777286E-25

0.76398779
Tasa de Llegada 6.1037639877925 λ
Tasa de Servicio 7.9893475366179 μ
Condición de Estado 0.763987792472 ρ

Probabilidad de Estado

Probabilidad de Inactividad 0.42463427

Cantidad esperada de Piezas en la0.01446713

Cantidad esperada de Piezas en e 0.77845492

Tiempo estimado de espera en la 0.0023702

Tiempo estimado de espera en el 0.12753686

Probabilidad de que un Pieza ten 0.57536573

Probabilidad de que el Pieza 5 s 0.00092101

Probabilidad de que por lo meno 0.91531549

La cantidad de Piezas que pueden0.90453335

3 Piezas

Tasa de Llegada 6.1037639877925 λ

Tasa de Servicio 7.9893475366179 μ
Condición de Estado 0.763987792472 ρ

Probabilidad de Estado

Probabilidad de Inactividad 0.42463427

Cantidad esperada de Piezas en la0.01446713

Cantidad esperada de Piezas en e 0.96780884

Tiempo estimado de espera en la 0.57536573

Probabilidad de que el Pieza 5 s 0.0020467

Probabilidad de que por lo meno 0.91531549

La cantidad de Piezas que pueden0.90453335

2.04665829
 EVALUACION INTERMEDIA TAREA 3 - SOLUCION DE MODELOS PROBABILISTICOS DE

EJERCICIO 2 MODELOS DE PROGRAMACION ESTOCASTICA

RELACION DEL COMPORTAMIENTO DE LA DEMANDA

DEMANDA DEL DISPOSITIVO ELECTRONICO

Periodo

25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48

COMPONENTES DEL
DISPOSITIVO UNIDADES
ELECTRONICO

Mecánico 1
Electronico 5
Electrico 2

DISPOSITIVO PARAMETRO b2
ELECTRONICO
DISPOSITIVO UNIDADES DEL
ELECTRONICO DISPOSITIVO

63291
IA TAREA 3 - SOLUCION DE MODELOS PROBABILISTICOS DE OPTIMIZACION

RCICIO 2 MODELOS DE PROGRAMACION ESTOCASTICA

RELACION DEL COMPORTAMIENTO DE LA DEMANDA

DEMANDA DEL DISPOSITIVO ELECTRONICO

Variación
DEMANDA PERIODICA Demanda Periodica Varianza de la
Cuadratica por
(Unidades) Promedio 𝐷_ Demanda Periodica
Periodo 𝜎^
𝑝
65004 77087 146001731 32562798 2
68350 76334736
72140 24474135
75437 2722415
77425 113924
79713 6892660
80519 11774974
82453 28795524
82381 28028824
82399 28216833
82890 33677725
83168 36978428
83301 38615757
82740 31954408
82482 29106342
81029 15537962
78997 3647423
78058 941862
77215 16238
75141 3785985
72684 19390857
71118 35635332
69051 64581915
66397 114281151
1850091 781507142
VARIANZA DE LA
DEMANDA DIARIA NORMALMENTE DEMANDA DIARIA Demanda Diaria
NORMALMENTE
DISTRIBUIDA POR COMPONENTE Promedio 𝐷_
DISTRIBUIDA POR
COMPONENTE 𝑑
2570
2570 36181
12850 180905
5140 72362

VARIANZA DE LA
DEMANDA PERIODICA
DEMANDA PERIODICA NORMALMENTE NORMALMENTE
DISTRIBUIDA DISTRIBUIDA
 77087 32562798

NIVEL DE SIGNIFICANCIA 1 NIVEL DE SIGNIFICANCIA Modelo de Programación

α1 2 α2

Función Objetivo
0.05 0.10 Restricción 1
Restricción 2
Restricción No Negativid

Restricción 1
Restricción Deterministica Eq

Cambio de Variable

Restricción 2
Restricción Deterministica Eq

Reescribir
Varianza Demanda Desviación Estándar
Diaria 𝜎^ Demanda Diaria: σ
2
36181 190
Modelo de Programación Estocástica Estocástica con restricciones aleatorias con todos los
parámetros normalmente distribuidos:

Función Objetivo
Restricción 1 𝑃(2570𝑥_1+12850𝑥_2+5140𝑥_3≤63291≥1−0.05
Restricción 2 𝑃(1𝑥_1 +5𝑥_2 +2𝑥_3 ≤77087≥0.10
Restricción No Negatividad 𝑥_1 , 𝑥_2, 𝑥_(3 )≥0

Restricción 1 𝑃(2570𝑥_1+12850𝑥_2+5140𝑥_3≤63291≥1−0.05
cción Deterministica Equivalente𝑃(2570𝑥_1+12850𝑥_2+5140𝑥_3+1.645∗√( 〖 36181𝑥_1 〗 ^2+ 〖 180905𝑥_2 〗 ^2+ 〖 72362𝑥_3 〗 ^2
≤63291)
〖 36181𝑥_1 〗 ^2+ 〖 180905𝑥_2 〗 ^2+ 〖 72362
Cambio de Variable 2570𝑥_1+12850𝑥_2+5140𝑥_3+1.645∗√(𝑦^2
𝑥_3 〗 ^2≤𝑦^2 )≤63291
2570𝑥_1+12850𝑥_2+5140𝑥_3+1.645𝑦≤63291

Restricción 2 𝑃(1𝑥_1 +5𝑥_2 +2𝑥_3 ≤77087≥0.10

1𝑥_1+5𝑥_2+2𝑥_3 ≤77087+1.285 ∗(32562798)
cción Deterministica Equivalente
1𝑥_1+5𝑥_2+2𝑥_3 ≤41920282

Reescribir 〖 36181𝑥_1 〗 ^2+ 〖 180905𝑥_2 〗 ^2+ 〖 72362

〖〗36181𝑥_1
𝑥_3 ^2=𝑦^2 〗 ^2+ 〖 180905𝑥_2 〗 ^2+ 〖 72362
𝑥_3 〗 ^2−𝑦^2=0
 Modelo de Programación Estocástica Estocástica con restricciones aleatorias con todos los
parámetros normalmente distribuidos: Reescrita

Restricción 1 2570𝑥_1+12850𝑥_2+5140𝑥_3+1.645𝑦≤63291
Restricción 2 1𝑥_1+5𝑥_2+2𝑥_3 ≤41920282
Restricción 3 〖 36181𝑥_1 〗 ^2+ 〖 180905𝑥_2 〗 ^2+ 〖 72362
Restricción No Negatividad 𝑥_3𝑥_1 , 𝑥_2, 𝑥_3, 𝑦≥0
〗 ^2−𝑦^2=0

〗 ^2+ 〖 72362𝑥_3 〗 ^2
 EVALUACION INTERMEDIA TAREA 3 - SOLUCION DE MODELOS PROBABILISTICOS DE

EJERCICIO 2 MODELOS DE PROGRAMACION ESTOCASTICA

RELACION DEL COMPORTAMIENTO DE LA DEMANDA

DEMANDA DEL DISPOSITIVO ELECTRONICO

Periodo

25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48

COMPONENTES DEL
DISPOSITIVO UNIDADES
ELECTRONICO

Mecánico 1
Electronico 5
Electrico 2

DISPOSITIVO PARAMETRO b2
ELECTRONICO
DISPOSITIVO UNIDADES DEL
ELECTRONICO DISPOSITIVO

63291
IA TAREA 3 - SOLUCION DE MODELOS PROBABILISTICOS DE OPTIMIZACION

RCICIO 2 MODELOS DE PROGRAMACION ESTOCASTICA

RELACION DEL COMPORTAMIENTO DE LA DEMANDA

DEMANDA DEL DISPOSITIVO ELECTRONICO

Variación
DEMANDA PERIODICA Demanda Periodica Varianza de la
Cuadratica por
(Unidades) Promedio 𝐷_ Demanda Periodica
Periodo 𝜎^
𝑝
65004 77087 146001731 32562798 2
68350 76334736
72140 24474135
75437 2722415
77425 113924
79713 6892660
80519 11774974
82453 28795524
82381 28028824
82399 28216833
82890 33677725
83168 36978428
83301 38615757
82740 31954408
82482 29106342
81029 15537962
78997 3647423
78058 941862
77215 16238
75141 3785985
72684 19390857
71118 35635332
69051 64581915
66397 114281151
1850091 781507142
VARIANZA DE LA
DEMANDA DIARIA NORMALMENTE DEMANDA DIARIA Demanda Diaria
NORMALMENTE
DISTRIBUIDA POR COMPONENTE Promedio 𝐷_
DISTRIBUIDA POR
COMPONENTE 𝑑
2570
2570 36181
12850 180905
5140 72362

VARIANZA DE LA
DEMANDA PERIODICA
DEMANDA PERIODICA NORMALMENTE NORMALMENTE
DISTRIBUIDA DISTRIBUIDA
 77087 32562798

NIVEL DE SIGNIFICANCIA 1 NIVEL DE SIGNIFICANCIA Modelo de Programación

α1 2 α2

Función Objetivo
0.05 0.10 Restricción 1
Restricción 2
Restricción No Negativid

Restricción 1
Restricción Deterministica Eq

Cambio de Variable

Restricción 2
Restricción Deterministica Eq

Reescribir
Varianza Demanda Desviación Estándar
Diaria 𝜎^ Demanda Diaria: σ
2
36181 190
Modelo de Programación Estocástica Estocástica con restricciones aleatorias con todos los
parámetros normalmente distribuidos:

Función Objetivo
Restricción 1 𝑃(2570𝑥_1+12850𝑥_2+5140𝑥_3≤63291≥1−0.05
Restricción 2 𝑃(1𝑥_1 +5𝑥_2 +2𝑥_3 ≤77087≥0.05
Restricción No Negatividad 𝑥_1 , 𝑥_2, 𝑥_(3 )≥0

Restricción 1 𝑃(2570𝑥_1+12850𝑥_2+5140𝑥_3≤63291≥1−0.05
cción Deterministica Equivalente𝑃(2570𝑥_1+12850𝑥_2+5140𝑥_3+1.645∗√( 〖 36181𝑥_1 〗 ^2+ 〖 180905𝑥_2 〗 ^2+ 〖 72362𝑥_3 〗 ^2
≤63291)
〖 36181𝑥_1 〗 ^2+ 〖 180905𝑥_2 〗 ^2+ 〖 72362
Cambio de Variable 2570𝑥_1+12850𝑥_2+5140𝑥_3+1.645∗√(𝑦^2
𝑥_3 〗 ^2≤𝑦^2 )≤63291
2570𝑥_1+12850𝑥_2+5140𝑥_3+1.645𝑦≤63291

Restricción 2 𝑃(1𝑥_1 +5𝑥_2 +2𝑥_3 ≤77087≥0.05

1𝑥_1+5𝑥_2+2𝑥_3 ≤77087+1.645 ∗(32562798)
cción Deterministica Equivalente
1𝑥_1+5𝑥_2+2𝑥_3 ≤53642889

Reescribir 〖 36181𝑥_1 〗 ^2+ 〖 180905𝑥_2 〗 ^2+ 〖 72362

〖〗36181𝑥_1
𝑥_3 ^2=𝑦^2 〗 ^2+ 〖 180905𝑥_2 〗 ^2+ 〖 72362
𝑥_3 〗 ^2−𝑦^2=0
 Modelo de Programación Estocástica Estocástica con restricciones aleatorias con todos los
parámetros normalmente distribuidos: Reescrita

Restricción 1 2570𝑥_1+12850𝑥_2+5140𝑥_3+1.645𝑦≤63291
Restricción 2 1𝑥_1+5𝑥_2+2𝑥_3 ≤53642889
Restricción 3 〖 36181𝑥_1 〗 ^2+ 〖 180905𝑥_2 〗 ^2+ 〖 72362
Restricción No Negatividad 𝑥_3𝑥_1 , 𝑥_2, 𝑥_3, 𝑦≥0
〗 ^2−𝑦^2=0

〗 ^2+ 〖 72362𝑥_3 〗 ^2
García, A. (2006). Programación estocástica por metas: teoría y aplicaciones económicas (pp. 84-87). Madrid, España: Editoria
Universidad Complutense de Madrid. Recuperado de https://bibliotecavirtual.unad.edu.co:2538/lib/unadsp/reader.action?
ppg=103&docID=3168854&tm=1541109698692
Rojas, A. y Ospina, A. (2018). Modelos de línea de espera [OVI]. Recuperado de http://hdl.handle.net/10596/22265
Rojas, A. y Ospina, A. (2018). Modelos de programación estocástica [OVI]. Recuperado de http://hdl.handle.net/10596/22264
Gallagher, C. y Hugh, W. (1982). Métodos cuantitativos para la toma de decisiones en administración. México, México: Editoria
McGraw-Hill Interamericana. Recuperado de https://bibliotecavirtual.unad.edu.co:2538/lib/unadsp/reader.action?
ppg=8&docID=3194160&tm=1541107217175
Padilla Mesa Héctor Fabio,Héctor Fabio Padilla Mesa. 2020-Abril-03. Tarea 2 - Modelo EOQ Probabilístico. Recuperado de
https://www.youtube.com/watch?v=RWoYlG0RbqM&feature=youtu.be
Padilla Mesa Héctor Fabio,Héctor Fabio Padilla Mesa. 2020-Abril-01. Tarea 2 - EOQ "Probabilizado". Recuperado de
https://www.youtube.com/watch?v=pG1PaAYg4LY&feature=youtu.be
Padilla Mesa Héctor Fabio,Héctor Fabio Padilla Mesa. 2020-Marzo-29. Tarea 2 - Pronóstico Suavización Doble. Recuperado de
https://www.youtube.com/watch?v=gthIQ9bu06w&feature=youtu.be
Padilla Mesa Héctor Fabio,Héctor Fabio Padilla Mesa. 2020-Abril-27. Tarea 3 - Modelos de Líneas de Espera. Recuperado de
https://www.youtube.com/watch?v=gKT05qHMjFo&feature=youtu.be
Padilla Mesa Héctor Fabio,Héctor Fabio Padilla Mesa. 2020-Mayo-02. Tarea 3 - Programación Estocástica. Recuperado de
https://www.youtube.com/watch?v=dnv08-FhHMk&feature=youtu.be
 4-87). Madrid, España: Editorial
38/lib/unadsp/reader.action?

dle.net/10596/22265
//hdl.handle.net/10596/22264
ración. México, México: Editorial
nadsp/reader.action?

obabilístico. Recuperado de

ado". Recuperado de

vización Doble. Recuperado de

as de Espera. Recuperado de

Estocástica. Recuperado de