METODOS PROBABILISTICOS

TAREA- 3

PRESENTADO POR: MIGUEL ARIZA PUELLO

Código: 7570695
GRUPO: 104561_115

TUTOR DEL CURSO

ROGER RICARDO NEGRETE

METODOS PROBABILISTICOS
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA
INGENIERIA INDUSTRIAL
1-May-20
 Modelos de Líneas de Esp

Paso 1: Consultar en el Entorno de conocimiento, los recursos educativos requeridos de la Unidad 2 - M

y revisar los modelos de líneas de espera:
·         Hillier, F. y Lieberman, G. (2010). Introducción a la investigación de operaciones (pp
·         Rojas, A. y Ospina, A. (2018). Modelos de líneas de espera [OVI]

Paso 2: Consultar el ejercicio 1. Representación probabilística de datos, de la Tarea 1 que entregaste, y d

de la Media de la distribución empírica para Tiempos entre llegada y la Media de la distribución empíri
determinan la tasa de llegada y tasa de servicio para la presente actividad.

Paso 3: Se presenta la siguiente situación problema: Una compañía produce dispositivos electrónicos pa
de ensamble de una referencia específica, de forma aleatoria ha tomado los tiempos que duran los operari
Relación de Tiempos, encomienda al departamento de producción conocer las medidas de desempeño me
y les encarga la solución de los siguientes aspectos:

1. Modelos de línea de espera con un solo servidor.

a. Plantear un modelo de línea de espera con un solo servidor y número de clientes permitido en el sistem
estadística para tiempo de llegadas y Validación estadística para tiempos de servicio desarrolladas en la T

·     Determinar la tasa de llegada (λ) de acuerdo a los tiempos entre llegadas, según una Dis
·     Determinar la tasa de servicio (µ) de acuerdo a los tiempos de servicio, según una Distr
·     Formular y plantear el modelo de Líneas de Espera bajo condiciones de estado estable (
·     Proponer gráficamente el diseño de la instalación de servicio del modelo de línea de esp
·     Determinar las medidas de desempeño de estado estable.
·     Tomar las probabilidades de estado que arroja el software de optimización WinQSB y e
La probabilidad de inactividad en la instalación de servicio o la probabilidad de estar
La probabilidad de que un cliente tenga que esperar.
La probabilidad de que el cliente 5 sea atendido.
La probabilidad de que por lo menos 10 clientes sean atendidos.
La cantidad de clientes que pueden ser atendidos por lo menos el 90% de las veces
·     Comprobar los resultados utilizando el software de optimización WinQSB.

b. Plantear un modelo de línea de espera con un solo servidor y número de clientes permitido en el sistem
validación estadística para tiempo de llegadas y Validación estadística para tiempos de servicio desarrolla

·     Determinar la tasa de llegada (λ) de acuerdo a los tiempos entre llegadas, según una Dis
·     Determinar la tasa de servicio (µ) de acuerdo a los tiempos de servicio, según una Distr
 ·     Formular y plantear el modelo de Líneas de Espera bajo condiciones de estado estable (
·     Proponer gráficamente el diseño de la instalación de servicio del modelo de línea de esp
·     Determinar las medidas de desempeño de estado estable.
·     Tomar las probabilidades de estado que arroja el software de optimización WinQSB y e
La probabilidad de inactividad en la instalación de servicio o la probabilidad de estar
La probabilidad de que un cliente tenga que esperar.
La probabilidad de que el cliente 5 sea atendido.
La probabilidad de que por lo menos 10 clientes sean atendidos.
La cantidad de clientes que pueden ser atendidos por lo menos el 90% de las veces
·     Comprobar los resultados utilizando el software de optimización WinQSB.

2. Modelos de línea de espera con varios servidores.

a. Plantear un modelo de línea de espera para varios servidores y número de clientes permitido en el siste
Validación estadística para tiempo de llegadas y Validación estadística para tiempos de servicio desarroll

·     Determinar la tasa de llegada (λ) de acuerdo a los tiempos entre llegadas, según una Dis
·     Determinar la tasa de servicio (µ) de acuerdo a los tiempos de servicio, según una Distr
·     Formular y plantear el modelo de Líneas de Espera bajo condiciones de estado estable (
·     Proponer gráficamente el diseño de la instalación de servicio del modelo de línea de esp
·     Determinar las medidas de desempeño de estado.
·     Tomar las probabilidades de estado que arroja el software de optimización WinQSB y e
La probabilidad de inactividad en la instalación de servicio o la probabilidad de estar
La probabilidad de que un cliente tenga que esperar.
La probabilidad de que el cliente 5 sea atendido.
La probabilidad de que por lo menos 10 clientes sean atendidos.
La cantidad de clientes que pueden ser atendidos por lo menos el 90% de las veces
·     Comprobar los resultados utilizando el software de optimización WinQSB.

b. Plantear un modelo de línea de espera con varios servidores y número de clientes permitido en el sistem
de la Validación estadística para tiempo de llegadas y Validación estadística para tiempos de servicio des

·     Determinar la tasa de llegada (λ) de acuerdo a los tiempos entre llegadas, según una Dis
·     Determinar la tasa de servicio (µ) de acuerdo a los tiempos de servicio, según una Distr
·     Formular y plantear el modelo de Líneas de Espera bajo condiciones de estado estable (
·     Proponer gráficamente el diseño de la instalación de servicio del modelo de línea de esp
·     Determinar las medidas de desempeño de estado.
·     Tomar las probabilidades de estado que arroja el software de optimización WinQSB y e
La probabilidad de inactividad en la instalación de servicio o la probabilidad de estar
La probabilidad de que un cliente tenga que esperar.
La probabilidad de que el cliente 5 sea atendido.
La probabilidad de que por lo menos 10 clientes sean atendidos.
La cantidad de clientes que pueden ser atendidos por lo menos el 90% de las veces
 ·     Comprobar los resultados utilizando el software de optimización WinQSB.

3. Interpretar los resultados obtenidos en cada uno de los modelos de línea de espera para tomar decisione
 Modelos de Líneas de Espera

requeridos de la Unidad 2 - Modelos probabilísticos de optimización para identificar

vestigación de operaciones (pp. 725-737)

spera [OVI]

la Tarea 1 que entregaste, y de allí, tomar los resultados que obtuviste para los valores
edia de la distribución empírica para Tiempos de servicio. A partir de estos valores se

e dispositivos electrónicos para iluminación y requiere determinar la espera en la línea

tiempos que duran los operarios ensamblando el dispositivo que se presentan en la
as medidas de desempeño mediante modelos de línea de espera para optimizar la espera

clientes permitido en el sistema infinito (M/M/1): (DG/∞/∞) a partir de la Validación

servicio desarrolladas en la Tarea 1, para:

entre llegadas, según una Distribución de Exponencial o de Poisson

s de servicio, según una Distribución Exponencial o de Poisson.
ondiciones de estado estable (M/M/1): (DG/∞/∞).
cio del modelo de línea de espera

de optimización WinQSB y encontrar:

icio o la probabilidad de estar desocupado el servidor o la probabilidad de que no haya clientes en la fila

o menos el 90% de las veces

zación WinQSB.

clientes permitido en el sistema finito (M/M/1): (DG/N/∞) si N = 200 a partir de la

tiempos de servicio desarrolladas en la Tarea 1, para:

entre llegadas, según una Distribución de Exponencial o de Poisson

s de servicio, según una Distribución Exponencial o de Poisson.
ondiciones de estado estable (M/M/1): (DG/N/∞).
cio del modelo de línea de espera

de optimización WinQSB y encontrar:

icio o la probabilidad de estar desocupado el servidor o la probabilidad de que no haya clientes en la fila

o menos el 90% de las veces

zación WinQSB.

e clientes permitido en el sistema infinito (M/M/C): (DG/∞/∞) si C = 3, a partir de la

tiempos de servicio desarrolladas en la Tarea 1, para:

entre llegadas, según una Distribución de Exponencial o de Poisson

s de servicio, según una Distribución Exponencial o de Poisson.
ondiciones de estado estable (M/M/C): (DG/∞/∞).
cio del modelo de línea de espera

de optimización WinQSB y encontrar:

icio o la probabilidad de estar desocupado el servidor o la probabilidad de que no haya clientes en la fila

o menos el 90% de las veces

zación WinQSB.

clientes permitido en el sistema finito (M/M/C): (DG/N/∞), si C = 3 y N = 200 a partir

a para tiempos de servicio desarrolladas en la Tarea 1, para:

entre llegadas, según una Distribución de Exponencial o de Poisson

s de servicio, según una Distribución Exponencial o de Poisson.
ondiciones de estado estable (M/M/C): (DG/N/∞).
cio del modelo de línea de espera

de optimización WinQSB y encontrar:

icio o la probabilidad de estar desocupado el servidor o la probabilidad de que no haya clientes en la fila

o menos el 90% de las veces

zación WinQSB.

de espera para tomar decisiones en cuanto a su optimización.

 Modelos de Líneas de Espera con un solo servidor

Modelo (M/M/1) : (DG/∞/∞)

Media de la Distribución Empírica para tiempo entre llegadas 𝒕 ̅=

Media de la Distribución Empírica para tiempos de servicio 𝒕 ̅=

Condicion de estado estable

Si ρ < 1, Entonces el sistema puede operar en condiciones de estado estable, y se tiene que:

Tasa de llegada (Exponencial) Tasa de servicio (M/M/1) : (DG/∞/∞)

Condicion del estado ρ λ (Exponencial) μ Numero de servidores
0.832978723404255 6.38297872340426 7.66283524904215 1

Representar gráficamente la

Medidas de desempeño de estado estable

Cantidad esperada de clientes en el sistema ࡸ࢙ ൌ 4,99

Cantidad esperada de clientes en la fila ࡸࢗ ൌ 4,15

Tiempo estimado de espera en el sistema ࢃ࢙ ൌ 0,78

Tiempo estimado de espera en la fila ࢃࢗ ൌ 0,65

Cantidad esperada de clientes en la fila ࡸࢗ ൌ 4,15

Tiempo estimado de espera en el sistema ࢃ࢙ ൌ 0,78

Tiempo estimado de espera en la fila ࢃࢗ ൌ 0,65

Probabilidades de estado estable

Las probabilidades de estado del modelo (M/M/1): (DG/∞/∞), están dadas por: 𝑷_𝒏=(𝟏−𝝆)×𝝆^𝒏

ࡼ૙ ൌ0,17 ࡼ૜ ൌ0,10 ࡼ૟ ൌ 0,06

ࡼ૚ ൌ0,14 ࡼ૝ ൌ0,08 ࡼૠ ൌ 0,05

ࡼ૛ ൌ0,12 ࡼ૞ ൌ0,07 ࡼૡ ൌ 0,04

a. La probabilidad de inactividad en la instalación de servicio, o la probabilidad de 𝑷_𝟎=

b. La probabilidad de que un cliente tenga que esperar es: 〖𝟏−𝑷〗

_𝟎=
c. La probabilidad de que el cliente 5 sea atendido es: 𝑷_𝟓=
d. La probabilidad de que por lo menos 10 clientes sean atendidos es: 𝑷_𝟓=
e. La cantidad de clientes que pueden ser atendidos por lo menos el 90% de las veces es:

Compro
 idor

9.40 Tasa de llegadas (en horas) λ= 6.38

7.83 Tasa de servicio (en horas) 𝝁= 7.66

M/M/1) : (DG/∞/∞)
Numero de servidores Disciplina en la cola Limite del sistema Tamaño de la fuente
1 Disciplina General ∞ ∞

gráficamente la instalación de servicio

𝑷_𝒏=(𝟏−𝝆)×𝝆^𝒏

ൌ 0,06 ࡼૢ ൌ0,03

ൌ 0,05 ࡼ૚૙ ൌ0,03

ൌ 0,04

𝑷_𝟎= 0.16702128

〖𝟏−𝑷〗 0.16702128
_𝟎=
𝑷_𝟓= 0.83297872

𝑷_𝟓= 0.69901939

Comprobación mediante software WinQSB

Condición de estado 𝝆= 0.83
 EVALUACION INTERMEDIA TAREA 3 - SOLUCION DE MODELOS PROBABILISTICOS DE OPTIMIZA

EJERCICIO 2 MODELOS DE PROGRAMACION ESTOCASTICA

RELACION DEL COMPORTAMIENTO DE LA DEMANDA

DEMANDA DEL DISPOSITIVO ELECTRONICO

DEMANDA PERIODICA
Periodo
(Unidades)
25 64934
26 69352.3082
27 74163.2756
28 77945.655
29 80312.9645
30 83370.3392
31 84914.9242
32 85734.3434
33 87455.347
34 87898.0386
35 88138.9655
36 88503.3354
37 87563.2618
38 86553.2451
39 86148.8677
40 87179.9845
41 85494.5244
42 83539.7078
43 76588.0479
44 73820.6932
45 71314.1547
46 69847.5015
47 66860.2094
48 65665.4949

COMPONEN
VARIANZA DE LA
TES DEL DEMANDA DIARIA
DEMANDA DIARIA
DISPOSITIV NORMALMENTE
UNIDADES CI NORMALMENTE
O DISTRIBUIDA POR
ELECTRONIC COMPONENTE DISTRIBUIDA POR
COMPONENTE
O

Mecánico 1 𝑫𝒅=𝑬{𝒂_𝒊𝒋} 71319

2657
Electronico 5 13285 𝝈^𝟐=𝒗𝒂𝒓{𝒂_𝒊𝒋}
356595
 𝝈^𝟐=𝒗𝒂𝒓{𝒂_𝒊𝒋}
Electrico 2 5314 142638

DISPOSITIV VARIANZA DE LA
O DEMANDA
PARAMETRO b2
ELECTRONIC DEMANDA PERIODICA PERIODICA
O NORMALMENTE NORMALMENTE
DISTRIBUIDA DISTRIBUIDA

79720.7995625 64186835.5717872

DISPOSITIV
NIVEL DE NIVEL DE
O UNIDADES DEL
SIGNIFICANCIA 1 SIGNIFICANCIA 2
ELECTRONIC DISPOSITIVO
α1 α2
O
0.05 0.1
60635
1.645 1.285

● Demanda diaria normalmente distribuida

Dispositivo Demanda diaria Dd Varianza de la Demanda diar

2657 71319
BILISTICOS DE OPTIMIZACION

CASTICA

ANDA

Media de la Demanda periodica Varianza de la Demanda periodica normalmente

normalmente distribuida: distribuida:

𝝈^𝟐 𝑫𝒑=(∑_𝟐𝟓^𝟒𝟖▒[𝑫(𝒕)−𝑫𝒑]^𝟐 )/𝟐𝟒

𝑫𝒑=(∑2_𝟐𝟓^𝟒𝟖▒ 〖𝑫 (𝒕) 〗 )/𝟐𝟒

79720.7995625 64186835.5717872

Primera restricción

𝑬{𝒂_𝟏𝟏 } 𝒙_𝟏+𝑬{𝒂_𝟏𝟐 } 𝒙_𝟐+𝑬{𝒂_𝟏𝟑 } 𝒙_𝟑+𝟏,𝟔𝟒𝟓√(𝒗𝒂𝒓{𝒂_𝟏𝟏 } 𝒙_𝟏^𝟐+𝒗𝒂𝒓{𝒂_𝟏𝟐 } 𝒙_𝟐^𝟐+𝒗𝒂𝒓

𝟐𝟔𝟓𝟕+𝟏𝟑𝟐𝟖𝟓+𝟓𝟑𝟏𝟒+𝟏,𝟔𝟒𝟓√( 〖 (𝟕𝟏𝟑𝟏𝟗) 〗 ^𝟐+ 〖 (𝟑𝟓𝟔𝟓𝟗𝟓) 〗 ^𝟐+( 〖𝟏𝟒𝟐𝟔𝟑

8303738571 ≤

Segunda restricción

𝒙_𝟏+𝟐𝒙_𝟐+𝒙_𝟑≤𝑬𝒂+𝟏,𝟐𝟖𝟓√(𝒗𝒂𝒓 𝒂)

2657+𝟓𝟑𝟏𝟒+𝟐𝟔𝟓𝟕≤𝟕𝟗𝟕𝟐𝟎,𝟕𝟗𝟗𝟓𝟔+𝟏,𝟐𝟖𝟓√(𝟔𝟒𝟏𝟖𝟔𝟖𝟑𝟓,𝟓𝟕)

≤
10628

𝒚^𝟐=𝒗𝒂𝒓{𝒂_𝟏𝟏 } 𝒙_𝟏^𝟐+𝒗𝒂𝒓{𝒂_𝟏𝟐 } 𝒙_𝟐^𝟐+𝒗𝒂𝒓{𝒂_𝟏𝟑}𝒙_𝟑^𝟐 =

𝒂𝒓{𝒂_𝒊𝒋}
𝒂𝒓{𝒂_𝒊𝒋}
Segunda restricción

𝒙_𝟏+𝟐𝒙_𝟐+𝒙_𝟑≤𝑬𝒂+𝟏,𝟐

2657+𝟓𝟑𝟏𝟒+𝟐𝟔𝟓𝟕≤𝟕𝟗𝟕𝟐𝟎,𝟕𝟗

106

𝒚^𝟐=𝒗𝒂𝒓{𝒂_𝟏𝟏 } 𝒙_𝟏^𝟐+𝒗𝒂𝒓{𝒂_𝟏𝟐 } 𝒙_𝟐^𝟐+𝒗𝒂𝒓{𝒂_𝟏𝟑}𝒙

nza de la Demanda diaria ϑ²Desviación tipica de la Demanda diaria ϑ

𝑴𝒂𝒙 𝒛=𝒙_𝟏+ 〖𝟓𝒙〗 _𝟐+𝒙_𝟑

71319 267 Sujeto a:

𝑬{𝒂_𝟏𝟏 } 𝒙_𝟏+𝑬{𝒂_𝟏𝟐 } 𝒙_𝟐+𝑬{𝒂_𝟏𝟑

≤𝑼𝑫

𝟐𝟔𝟓𝟕+𝟏𝟑𝟐𝟖𝟓+𝟓𝟑𝟏𝟒+𝟏,𝟔𝟒

𝒗𝒂𝒓{𝒂_𝟏𝟏 }" " 𝑥_1^2+𝒗𝒂𝒓{𝒂_𝟏𝟐 } 𝑥_2^2+

𝟏,𝟓𝟐𝟓𝟗𝟐× 〖𝟏𝟎〗 ^𝟏𝟏-𝑦^2

#VALU

𝒙_𝟏+𝟓𝒙_𝟐+𝟑𝒙_𝟑≤𝑬𝒂+𝟏,𝟐𝟖𝟓√

𝟐𝟔𝟓𝟕+𝟏𝟑𝟐𝟖𝟓+𝟓𝟑𝟏𝟒≤𝟏,𝟐𝟖𝟓√(𝟔𝟒

21256
 eriodica normalmente
uida:

^𝟒𝟖▒[𝑫(𝒕)−𝑫𝒑]^𝟐 )/𝟐𝟒

5717872

} 𝒙_𝟏^𝟐+𝒗𝒂𝒓{𝒂_𝟏𝟐 } 𝒙_𝟐^𝟐+𝒗𝒂𝒓{𝒂_𝟏𝟑 } 𝒙_𝟑^𝟐 )≤𝑼𝑫

+ 〖 (𝟑𝟓𝟔𝟓𝟗𝟓) 〗 ^𝟐+( 〖𝟏𝟒𝟐𝟔𝟑𝟖〗 ^()𝟐) )≤𝑼𝑫

60635

+𝟏,𝟐𝟖𝟓√(𝟔𝟒𝟏𝟖𝟔𝟖𝟑𝟓,𝟓𝟕)

638706931

152591992830
 Segunda restricción

𝒙_𝟏+𝟐𝒙_𝟐+𝒙_𝟑≤𝑬𝒂+𝟏,𝟐𝟖𝟓√(𝒗𝒂𝒓 𝒂)

2657+𝟓𝟑𝟏𝟒+𝟐𝟔𝟓𝟕≤𝟕𝟗𝟕𝟐𝟎,𝟕𝟗𝟗𝟓𝟔+𝟏,𝟐𝟖𝟓√(𝟔𝟒𝟏𝟖𝟔𝟖𝟑𝟓,𝟓𝟕)

10628 ≤ 638706931

+𝒗𝒂𝒓{𝒂_𝟏𝟐 } 𝒙_𝟐^𝟐+𝒗𝒂𝒓{𝒂_𝟏𝟑}𝒙_𝟑^𝟐 = #VALUE!

≤

𝑴𝒂𝒙 𝒛=𝒙_𝟏+ 〖𝟓𝒙〗 _𝟐+𝒙_𝟑

𝒂_𝟏𝟏 } 𝒙_𝟏+𝑬{𝒂_𝟏𝟐 } 𝒙_𝟐+𝑬{𝒂_𝟏𝟑 } 𝒙_𝟑+𝟏,𝟔𝟒𝟓 𝒚

𝑫

𝟐𝟔𝟓𝟕+𝟏𝟑𝟐𝟖𝟓+𝟓𝟑𝟏𝟒+𝟏,𝟔𝟒𝟓 𝒚≤60635

0 0
≤

𝟏 }" " 𝑥_1^2+𝒗𝒂𝒓{𝒂_𝟏𝟐 } 𝑥_2^2+𝒗𝒂𝒓{𝒂_𝟏𝟑 } 𝑥_3^2−𝑦^2=𝟎

𝟏,𝟓𝟐𝟓𝟗𝟐× 〖𝟏𝟎〗 ^𝟏𝟏-𝑦^2=𝟎

#VALUE! = 0

𝒙_𝟏+𝟓𝒙_𝟐+𝟑𝒙_𝟑≤𝑬𝒂+𝟏,𝟐𝟖𝟓√(𝒗𝒂𝒓 𝒂)

𝟔𝟓𝟕+𝟏𝟑𝟐𝟖𝟓+𝟓𝟑𝟏𝟒≤𝟏,𝟐𝟖𝟓√(𝟔𝟒𝟏𝟖𝟔𝟖𝟑𝟓,𝟓𝟕)

21256 ≤ 10294.9942965999

𝒙_𝟏,𝒙_𝟐,𝒙_𝟑,𝒚≥𝟎
𝒙_𝟏,𝒙_𝟐,𝒙_𝟑,𝒚≥𝟎