MÉTODOS PROBABILÍSTICOS

Modelos probabilisticos de optimizacion

TAREA 3

Presentado a:
ALVARO JAVIER ROJAS BARACALDO
Tutor

Entregado por:

YEISSON ALEXANDER PEÑA PINTO

COD. 1.120.566.419

Grupo:
104561_114
 UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA - UNAD
ESCUELA DE CIENCIAS BÁSICAS TECNOLOGÍA E INGENIERÍA
PROGRAMA INGENIERÍA INDUSTRIAL
DICIEMBRE DE 2019
 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 𝝆 0.6902439

Cantidad de clientes esperado 𝑳_𝒔=𝝆/(𝟏−𝝆) 𝑳_𝒔 2.22834646

Cant esperada de clientes en la 𝑳_𝒒=𝒍_𝒔−𝝆 𝑳_𝒒

fila 1.53810255

𝑾_𝑺=𝑳_𝒔/𝜆
𝑾_𝑺
Tiempo esperado en el sistema 0.2537839

𝑾_𝒒=𝑳_𝒒/𝜆 𝑾_𝒒
Tiempo de espera en la fila 0.17517279

Probabilidad de estado 𝑷_𝒏=(𝟏−𝝆)∗𝝆^𝒏 𝑷_𝒏 0.13560067 Tomando 𝑳Ls como n

Probabilidad de inactividad en la 𝑷_𝟎=(𝟏−𝝆) 𝑷_𝟎

instalación del servicio 0.3097561
La probabilidad de actividad de 𝑷_(𝟎.𝟒𝟏)
más del 40%. 0.94440373

La probabilidad de actividad del 𝑷_(𝟎.𝟕𝟎)

70% 0.09492047

La probabilidad que un cliente 𝑷_𝟏=(𝟏−𝝆)∗𝝆^𝟏 𝑷_𝟏

tenga que esperar 0.21380726

La probabilidad de actividad de 𝑷_(𝟎.𝟒𝟗)

menos del 50% 0.06644433

𝑷_𝟏𝟎
La probabilidad de atender por
lo menos 10 clientes 0.00760406
 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

2.022877E+26

T.efectiva de llegada 8.7804877806

Cantidad esperada de clientes
en fila 2.022877E+26

Tiempo de espera en la fila 2.303833E+25

Tiempo de espera en el
sistema 2.303833E+25

Probabilidad de inactividad de
inst del servicio 2.698028E+24
 Probabilidad de actividad de
más del 40% -2.135591E+24

Probabilidad de actividad del

70% 1.810111E+24

Probabilidad que un cliente

tenga que esperar 1.862298E+24

Probabilidad de que el servidor

esté desocupado 2.698028E+24

Probabilidad de actividad de
menos del 50% 2.040364E+24
La probabilidad de atender por
lo menos 10 clientes en una
hora 9.010338E+21
 C 10
n 2.22834646
𝝆 𝝆"
0.6902439 "
/𝐜

Cantidad esperada de clientes en la fila

Cantidad esperada de clientes en el sistema

Tiempo estimado de espera en fila

Tiempo estimado de espera en el sistema

Probabilidad de inactividad en la inst. de los servicio

Probabilidad de actividad de más del 40%

Probabilidad de actividad para el 70%

Probabilidad de que un cliente tenga que esperar

Probabilidad de actividad menos del 50%

Probabilidad de que por lo menos sean atendido 10 clientes en
 El sistema puede operar
0.06902439

𝑃_0 0.2188829764

e clientes en la fila

𝐿_𝑞
8.858372E-07

lientes en el sistema
𝐿_𝑠 0.6902447883

de espera en fila
𝑊_𝑞 1.00887E-07

spera en el sistema
𝑊_𝑠
0.078611212

tividad en la inst. de los servicios

𝑃_𝑜 0.2188829764

e actividad de más del 40%

0.8097575897

de actividad para el 70%

0.1181984635

e un cliente tenga que esperar

0.1510826398

e actividad menos del 50%

0.0894374337
nos sean atendido 10 clientes en una hora
1.480726E-09
C 10
n 2.22834646
𝝆"
0.6902439 "/ 0.06902439
𝐜

PROBABILIDAD DEL ESTADO

𝑃_𝑛 0.0479097558

𝑃_0 4.5686513241

𝑳_𝒒 9.92424E-05
Cantidad esperada de clientes en el sistema

9.62776122

0.37233802

122.471562

Probabilidad actividad más del 40 %

-2.97084896

Probabilidad actividad igual al 70%

1.83032982

Probabilidad actividad menor al 50%

3.02279711

Probabilidad que un cliente tenga que esperar

0.15108264
 RELACION DEL COMPORTAMIENTO DE LA DEMANDA

COMPONENTES DEL DEMANDA DIARIA

DISPOSITIVO UNIDADES NORMALMENTE DISTRIBUIDA
ELECTRONICO POR COMPONENTE

Mecánico 1 𝐸{𝛼_11 } 427.61

Electronico 2 𝐸{𝛼_12 } 855.22
Electrico 1 𝐸{𝛼_13 } 427.61

DISPOSITIVO
PARAMETRO b2 DEMANDA PERIODICA
ELECTRONICO
NORMALMENTE DISTRIBUIDA

DISPOSITIVO UNIDADES DEL NIVEL DE SIGNIFICANCIA 1

ELECTRONICO DISPOSITIVO α1

23692 0.05

DISPOSITIVO DEMANDA PERIODICA

Periodo
ELECTRONICO (Unidades)
19 10044
20 10083.16
21 11102.0724
22 11155.744436
23 11587.85254804

24 11597.7687677556
25 12092.5742033025
26 12474.8710409392
27 12998.9252264359
28 13285.3734515279
29 13577.3823718599
30 13790.6303109553
31 14353.5409767502
32 14107.5214693077
33 14714.9941076838
34 14982.2947558386
35 14692.8523326964
36 14268.0485760998
Ʃ 230909.606975193
PORTAMIENTO DE LA DEMANDA

VARIANZA DE LA DEMANDA
DIARIA NORMALMENTE
DISTRIBUIDA POR
COMPONENTE

2935768.6
5871537.2
2935768.6

VARIANZA DE LA DEMANDA
PERIODICA NORMALMENTE
DISTRIBUIDA

NIVEL DE SIGNIFICANCIA 2
α2

0.10

(𝑫_𝑿−𝑫_𝒑 " " )" " ^𝟐 MEDIA DE LA DEMANDA PERIÓDICA

𝑣𝑎𝑟{𝑎}
7752390.52135769
7535856.75038563 𝑫_(𝒑=𝑬{𝒂} )
2979901.42561068
2797480.57896739 2456738.09
〖𝝈 " " 〗 ^𝟐 𝑫_𝒑
1538738.40807856

1514235.4124877 Media de la demada periódica

Parametro b2 normalmente distribuida
541309.367723814
124920.157126893 𝐸{𝑎}
12828.3114986218
29109.0441186156
208905.628794363
561107.17313362
926057.496570895
2326324.96095179
1636378.14910213
3559571.26733706
4639643.87237028
3476512.52193141
2072842.85226474
44221285.5883133

Función objetivo 𝑴𝒂𝒙 𝒁=𝒙_𝟏+ 〖𝟐𝒙〗 _𝟐+𝒙_𝟑

Sujeto a
𝟒𝟐𝟕,𝟔𝟏𝒙_𝟏+𝟖𝟓𝟓,𝟐𝟐 〖𝟐𝒙〗 _𝟐+𝟒𝟐𝟕,𝟔𝟏𝒙_𝟑+𝟏,𝟔
〖𝟐𝟗𝟑𝟓𝟕𝟔𝟖 ,𝟔𝒙 〗 _𝟏^𝟐+𝟓𝟖𝟕𝟏𝟓𝟑𝟕𝟏,𝟐𝒙_𝟐^𝟐+𝟐𝟗𝟑
𝟐−𝒚^𝟐=𝟎
𝒙_𝟏+ 〖𝟐𝒙〗 _𝟐+𝒙_𝟑≤𝟏𝟐𝟖𝟐𝟖,𝟑𝟏+𝟐𝟎𝟏𝟒
𝒙_𝟏,𝒙_𝟐,𝒙_𝟑,𝒚≥𝟎
DA PERIÓDICA

_(𝒑=𝑬{𝒂} ) 12828.3115

Variaza de la demanda
periódica normalmente
distribuida
𝒗𝒂𝒓{𝒂}
2456738.08823963 √(𝒗𝒂𝒓{𝒂} )
1567.39850970952
 𝒁=𝒙_𝟏+ 〖𝟐𝒙〗 _𝟐+𝒙_𝟑

〖𝟐𝒙〗 _𝟐+𝟒𝟐𝟕,𝟔𝟏𝒙_𝟑+𝟏,𝟔𝟒𝟓𝒚≤𝟒
+𝟓𝟖𝟕𝟏𝟓𝟑𝟕𝟏,𝟐𝒙_𝟐^𝟐+𝟐𝟗𝟑𝟓𝟕𝟔𝟖,𝟔𝒙_𝟑^

𝟐𝟖𝟐𝟖,𝟑𝟏+𝟐𝟎𝟏𝟒
 RELACION DEL COMPORTAMIENTO DE LA DEMANDA

COMPONENTES DEL DEMANDA DIARIA

DISPOSITIVO UNIDADES NORMALMENTE DISTRIBUIDA
ELECTRONICO POR COMPONENTE

Mecánico 1 𝐸{𝛼_11 } 427.61

Electronico 2 𝐸{𝛼_12 } 855.22
Electrico 1 𝐸{𝛼_13 } 427.61

DISPOSITIVO
PARAMETRO b2
ELECTRONICO
DEMANDA PERIODICA
NORMALMENTE DISTRIBUIDA

DISPOSITIVO UNIDADES DEL NIVEL DE SIGNIFICANCIA 1

ELECTRONICO DISPOSITIVO α1

23692 0.05

DISPOSITIVO Periodo DEMANDA PERIODICA

ELECTRONICO (Unidades)
19 10044
20 10083.16
21 11102.0724
22 11155.744436
23 11587.85254804

24 11597.7687677556
25 12092.5742033025
26 12474.8710409392
27 12998.9252264359
28 13285.3734515279
29 13577.3823718599
30 13790.6303109553
31 14353.5409767502
32 14107.5214693077
33 14714.9941076838
34 14982.2947558386
35 14692.8523326964
36 14268.0485760998
Ʃ 230909.606975193
PORTAMIENTO DE LA DEMANDA

VARIANZA DE LA DEMANDA
DIARIA NORMALMENTE
DISTRIBUIDA POR
COMPONENTE

2935768.6
5871537.2
2935768.6

VARIANZA DE LA DEMANDA
PERIODICA NORMALMENTE
DISTRIBUIDA

NIVEL DE SIGNIFICANCIA 2
α2

0.10

(𝑫_𝑿−𝑫_𝒑 " " )" " ^𝟐 MEDIA DE LA DEMANDA PERIÓDICA

𝑣𝑎𝑟{𝑎}
7752390.52135769
7535856.75038563 𝑫_(𝒑=𝑬{𝒂} )
2979901.42561068
2797480.57896739 2456738.088
〖𝝈 " " 〗 ^𝟐 𝑫_𝒑
1538738.40807856

1514235.4124877 Media de la demada periódica

Parametro b2 normalmente distribuida
541309.367723814
124920.157126893 𝐸{𝑎}12828.3114986218
29109.0441186156
208905.628794363
561107.17313362
926057.496570895
2326324.96095179
1636378.14910213
3559571.26733706
4639643.87237028
3476512.52193141
2072842.85226474
44221285.5883133

Función objetivo 𝑴𝒂𝒙 𝒁=𝒙_𝟏+ 〖𝟐𝒙〗 _𝟐+𝒙_𝟑

Sujeto a
𝟒𝟐𝟕,𝟔𝟏𝒙_𝟏+𝟖𝟓𝟓,𝟐𝟐 〖𝟐𝒙〗 _𝟐+𝟒𝟐𝟕,𝟔𝟏𝒙_𝟑+𝟏,𝟔
〖𝟐𝟗𝟑𝟓𝟕𝟔𝟖 ,𝟔𝒙 〗 _𝟏^𝟐+𝟓𝟖𝟕𝟏𝟓𝟑𝟕𝟏,𝟐𝒙_𝟐^𝟐+𝟐𝟗𝟑
𝟐−𝒚^𝟐=𝟎
𝒙_𝟏+ 〖𝟐𝒙〗 _𝟐+𝒙_𝟑≤𝟏𝟐𝟖𝟐𝟖,𝟑𝟏+𝟐𝟎𝟏𝟒
𝒙_𝟏,𝒙_𝟐,𝒙_𝟑,𝒚≥𝟎
DA PERIÓDICA

_(𝒑=𝑬{𝒂} ) 12828.3115

Variaza de la demanda periódica

normalmente distribuida
𝒗𝒂𝒓{𝒂} 2456738.08823963 √(𝒗𝒂𝒓{𝒂} )
1567.39850970952
𝒁=𝒙_𝟏+ 〖𝟐𝒙〗 _𝟐+𝒙_𝟑

𝟐𝒙〗 _𝟐+𝟒𝟐𝟕,𝟔𝟏𝒙_𝟑+𝟏,𝟔𝟒𝟓𝒚≤𝟒
𝟓𝟖𝟕𝟏𝟓𝟑𝟕𝟏,𝟐𝒙_𝟐^𝟐+𝟐𝟗𝟑𝟓𝟕𝟔𝟖,𝟔𝒙_𝟑^
𝟖𝟐𝟖,𝟑𝟏+𝟐𝟎𝟏𝟒
 Los métodos probabilísticos analizan los casos en los cuales no puede prede
modelos analizan una situación más realista, donde en muchas ocasiones la d
buscar una solución óptima para administrar las diferentes variables
Para esto es necesario conocer la densidad de probabilidad que representa
periodos, y también es necesario conocer los efectos que el per

Un modelo probabilístico es un enunciado de las relaciones entre v

estadísticas, dicho de otra mane

Un modelo Probabilistico es un enunciado expresado como ecuaciones

un problem

La última prueba de un modelo es si es útil o no al proporcionar un ente

modelo tenga algún potencial de predicciones para que las decisiones c
relativamente c

En los modelos probabilisticos, decisiones acertadas generan buenos r

probabilísticos el resultado es incierto el decisor se preocupa tanto por
en la decisió
 CONCLUSIONES

s cuales no puede predecirse con exactitud y los tiempos son variables, es decir que, estos
en muchas ocasiones la demanda se excede. Los modelos de múltiples periodos, permiten
ar las diferentes variables, en los casos en que los periodos continuos interactúan.
abilidad que representa el comportamiento de las variables del sistema para los múltiples
cer los efectos que el periodo anterior espera generar en el siguiente periodo.

e las relaciones entre variables y constantes a las que se asocia probabilidades

cas, dicho de otra manera hay incertidumbre.

sado como ecuaciones de relaciones entre las variables y constantes asociadas con
un problema.

al proporcionar un entendimiento de la situación real, además es conveniente que el

ara que las decisiones concernientes a futuros casos puedan hacerse con predicción
relativamente clara.

adas generan buenos resultados, es decir, se obtiene lo que se espera; los modelos
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