MÉTODOS PROBABILÍSTICOS

Modelos probabilisticos de optimizacion

TAREA 3

Presentado a:

Tutor
Roger Ricardo Navarrete

Entregado por:
Yuliana Galvis Cod: 1.039.453.183

Grupo: 104561_761

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA - UNAD

ESCUELA DE CIENCIAS BÁSICAS TECNOLOGÍA E INGENIERÍA
PROGRAMA INGENIERÍA INDUSTRIAL
MAYO DE 2020
 TIEMPOS DE LLEGADA
𝑡 ̅ 6.83333333
𝛼=1/𝑡
α 0.14634146

λ 1 8.7804878 𝜇=𝛼∗𝑡

CONDICIÓN DE ESTADO
𝜌=𝜆/𝜇
𝝆 0.6902439

MODELO DE LÍNEA DE ESPERA CO

Se cumple ésta condición porque 0.6902439

Cantidad de clientes esperado 2.22834646

Cant esperada de clientes en la

fila 1.53810255

Tiempo esperado en el sistema 0.2537839

Tiempo de espera en la fila 0.17517279

Probabilidad de estado 0.13560067

La probabilidad que un cliente

tenga que esperar 0.21380726
 La probabilidad de que un
cliente 5 sea atendido 0.04853251

Probabilidad de que al menos 10

clientes sean atendidos 0.98305552

Cantidad de clientes que puedan

ser atendidos el 90% de las veces 0.99958404
 TIEMPOS DE SERVICIO
𝑡 ̅ 4.716666666667
𝛼=1/𝑡 0.212014134276

𝜇=𝛼∗𝑡 1 12.7208480565371

DE LÍNEA DE ESPERA CON UN SOLO SERVIDOR

Cantidad esperada de clientes en el sistema

0.6902439024

0
Cantidad esperada de clientes
en fila 8.7804878049

Tiempo de espera en la fila 0

Tiempo de espera en el
sistema 1

Probabilidad de inactividad de
inst del servicio 0.3097560976
 Probabilidad que un cliente
tenga que esperar 0.6902439024

Probabilidad del que el cliente

5 sea atendido 0.0485325106

Probabilidad de que por lo

menos 10 clientes seasn
atendidos 0.9995840375

Cantidad de clientes que

puedean ser atendidos el 90%
de las veces 1.3069317816
Tiempo Llegada
𝝁

𝝀 6.83333

Condición estado

𝝆 0.690244

Probabilidad de Estado

Probabilidad de inactividad en la inst. de los ser

Probabilidad d eclientes en fila

Cantidad esperada de clientes en el sistema

Cantidad esperada de clientes en fila

 Tiempo estimado de epera en el sistema

Probabilidad de que un cliente tenga que esperar

Probabilidad de que un cliente 5 tenga que esperar

Probabilidad de que por lo menos 10 clientes sean atendid

Cantidad de clientes que puean ser atendidos el 90% de las v

 Tiempo de Servicio
𝝁

12.72084

lidad de Estado

inactividad en la inst. de los servicios

1.0611615273

fila
0.0225751089

a de clientes en el sistema

0.7128191089

ada de clientes en fila

0.0033036761
o de epera en el sistema
0.081914837

un cliente tenga que esperar

-0.061161527

n cliente 5 tenga que esperar

0.0013855221

menos 10 clientes sean atendidos

2.1200065924

an ser atendidos el 90% de las veces

2.1200065924
 PROBABILIDAD DEL ESTADO

Probabilidad d einactividad

0.66442881

Cantidad esperada de clientes en fila

0.01413503

Cantidad esperada de clientes en el sistema -0.52950406

Inactivos 3.5436391

Probabilidad de que un cliente tenga que esperar 0.33557119

Probabilidad de que el clinte 5 sea atendido 0.01851852

 Probabilidad de que al menos 10 clientes sea atendido
1.3423938

Cantidad de clientes que pueden ser atendidos por lo menos d e90% de las veces
1.3423938
 RELACION DEL COMPORTAMIENTO DE LA DEMANDA

COMPONENTES DEL DEMANDA DIARIA

DISPOSITIVO UNIDADES NORMALMENTE DISTRIBUIDA
ELECTRONICO POR COMPONENTE

Mecánico 1 217696.906643103
Electronico 5 4.88946443664192E+026
Electrico 2 47391943182.5348

DISPOSITIVO
PARAMETRO b2 DEMANDA PERIODICA
ELECTRONICO
NORMALMENTE DISTRIBUIDA

13363.2457679913

DISPOSITIVO UNIDADES DEL NIVEL DE SIGNIFICANCIA 1

ELECTRONICO DISPOSITIVO α1

23692 0.05

DISPOSITIVO DEMANDA PERIODICA

Periodo
ELECTRONICO (Unidades)
25 10044
26 10083.16
27 11102.0724
28 11155.744436
29 11587.85254804

30 11597.7687677556
31 12092.5742033025
32 12474.8710409392
33 12998.9252264359
34 13285.3734515279
35 13577.3823718599
36 13790.6303109553
37 14353.5409767502
38 14107.5214693077
39 14714.9941076838
40 14982.2947558386
41 14692.8523326964
42 14268.0485760998
43 14468.0485760998
44 14668.0485760998
45 14868.0485760998
46 15068.0485760998
47 15268.0485760998
48 15468.0485760998
Ʃ 230909.606975193
PORTAMIENTO DE LA DEMANDA

VARIANZA DE LA DEMANDA
DIARIA NORMALMENTE
DISTRIBUIDA POR
COMPONENTE

47391943161.9759
47391943235.7042
47391943182.5348

VARIANZA DE LA DEMANDA
PERIODICA NORMALMENTE
DISTRIBUIDA

22112133403726.4

NIVEL DE SIGNIFICANCIA 2
α2

0.10
 CONCLUSIONES

Los métodos probabilísticos analizan los casos en los cuales no puede predecirse con exactitud y
los tiempos son variables, es decir que, estos modelos analizan una situación más realista, donde
en muchas ocasiones la demanda se excede. Los modelos de múltiples periodos, permiten buscar
una solución óptima para administrar las diferentes variables, en los casos en que los periodos
continuos interactúan.
Para esto es necesario conocer la densidad de probabilidad que representa el comportamiento de
las variables del sistema para los múltiples periodos, y también es necesario conocer los efectos
que el periodo anterior espera generar en el siguiente periodo.

Un modelo probabilístico es un enunciado de las relaciones entre variables y constantes a las que
se asocia probabilidades estadísticas, dicho de otra manera hay incertidumbre.

Un modelo Probabilistico es un enunciado expresado como ecuaciones de relaciones entre las

variables y constantes asociadas con un problema.

La última prueba de un modelo es si es útil o no al proporcionar un entendimiento de la situación

real, además es conveniente que el modelo tenga algún potencial de predicciones para que las
decisiones concernientes a futuros casos puedan hacerse con predicción relativamente clara.

En los modelos probabilisticos, decisiones acertadas generan buenos resultados, es decir, se

obtiene lo que se espera; los modelos probabilísticos el resultado es incierto el decisor se
preocupa tanto por el valor del resultado como por el grado de riesgo involucrado en la decisión.
 REFERENCIAS

Paz, R. C., & Gómez, D. G. (2012). Modelos de lineas de espera. Obtenido de Administración
de las operaciones: http://nulan.mdp.edu.ar/1622/1/17_modelos_lineas_espera.pdf

Hillier, F. y Lieberman, G. (2010). Introducción a la investigación de operaciones (pp. 725-

737). México, México: Editorial McGraw-Hill Interamericana. Recuperado de
http://bibliotecavirtual.unad.edu.co/login?url=http://search.ebscohost.com/login.aspx?
direct=true&db=edselb&AN=edselb.3214887&lang=es&site=eds-live

García, A. (2006). Programación estocástica por metas: teoría y aplicaciones

económicas (pp. 84-87). Madrid, España: Editorial Universidad Complutense de Madrid.
Recuperado de https://bibliotecavirtual.unad.edu.co:2538/lib/unadsp/reader.action?
ppg=103&docID=3168854&tm=1541109698692