PROGRAMA DE INGENIERÍA INDUSTRIAL

Tarea 3 – Solución de modelos

probabilísticos de optimización

PRESENTADO A:
Dora Stella Falla

PRESENTADO POR:
Carlos Mario Benitez Garcia

Grupo_124

2020
 Modelos de Líneas de E

Paso 1: Consultar en el Entorno de conocimiento, los recursos educativos requeridos de la Unida

y revisar los modelos de líneas de espera:
·         Hillier, F. y Lieberman, G. (2010). Introducción a la investigación de operaciones (
·         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 entregas

de la Media de la distribución empírica para Tiempos entre llegada y la Media de la distribución emp
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 electrón
de ensamble de una referencia específica, de forma aleatoria ha tomado los tiempos que duran los o
Relación de Tiempos, encomienda al departamento de producción conocer las medidas de desempeñ
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
estadística para tiempo de llegadas y Validación estadística para tiempos de servicio desarrolladas e

·     Determinar la tasa de llegada (λ) de acuerdo a los tiempos entre llegadas, según un
·     Determinar la tasa de servicio (µ) de acuerdo a los tiempos de servicio, según una D
·     Formular y plantear el modelo de Líneas de Espera bajo condiciones de estado estab
·     Proponer gráficamente el diseño de la instalación de servicio del modelo de línea de
·     Determinar las medidas de desempeño de estado estable.
·     Tomar las probabilidades de estado que arroja el software de optimización WinQSB y
La probabilidad de inactividad en la instalación de servicio o la probabilidad de e
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 ve
·     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
validación estadística para tiempo de llegadas y Validación estadística para tiempos de servicio desa

·     Determinar la tasa de llegada (λ) de acuerdo a los tiempos entre llegadas, según un
·     Determinar la tasa de servicio (µ) de acuerdo a los tiempos de servicio, según una D
·     Formular y plantear el modelo de Líneas de Espera bajo condiciones de estado estab
·     Proponer gráficamente el diseño de la instalación de servicio del modelo de línea de
·     Determinar las medidas de desempeño de estado estable.
 ·     Tomar las probabilidades de estado que arroja el software de optimización WinQSB y
La probabilidad de inactividad en la instalación de servicio o la probabilidad de e
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 ve
·     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 e
Validación estadística para tiempo de llegadas y Validación estadística para tiempos de servicio desa

·     Determinar la tasa de llegada (λ) de acuerdo a los tiempos entre llegadas, según un
·     Determinar la tasa de servicio (µ) de acuerdo a los tiempos de servicio, según una D
·     Formular y plantear el modelo de Líneas de Espera bajo condiciones de estado estab
·     Proponer gráficamente el diseño de la instalación de servicio del modelo de línea de
·     Determinar las medidas de desempeño de estado.
·     Tomar las probabilidades de estado que arroja el software de optimización WinQSB y
La probabilidad de inactividad en la instalación de servicio o la probabilidad de e
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 ve
·     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
de la Validación estadística para tiempo de llegadas y Validación estadística para tiempos de servicio

·     Determinar la tasa de llegada (λ) de acuerdo a los tiempos entre llegadas, según un
·     Determinar la tasa de servicio (µ) de acuerdo a los tiempos de servicio, según una D
·     Formular y plantear el modelo de Líneas de Espera bajo condiciones de estado estab
·     Proponer gráficamente el diseño de la instalación de servicio del modelo de línea de
·     Determinar las medidas de desempeño de estado.
·     Tomar las probabilidades de estado que arroja el software de optimización WinQSB y
La probabilidad de inactividad en la instalación de servicio o la probabilidad de e
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 ve
·     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 de
 Modelos de Líneas de Espera

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

la investigación de operaciones (pp. 725-737)

s de espera [OVI]

datos, de la Tarea 1 que entregaste, y de allí, tomar los resultados que obtuviste para los valores
y la Media de la distribución empírica para Tiempos de servicio
te actividad.

añía produce dispositivos electrónicos para iluminación y requiere determinar la espera en la línea
omado los tiempos que duran los operarios ensamblando el dispositivo que se presentan en la
conocer las medidas de desempeño mediante modelos de línea de espera para optimizar la espera

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

empos de servicio desarrolladas en la Tarea 1, para:

tiempos entre llegadas, según una Distribución de Exponencial o de Poisson

tiempos de servicio, según una Distribución Exponencial o de Poisson.
bajo condiciones de estado estable (M/M/1): (DG/∞/∞).
e servicio del modelo de línea de espera

oftware de optimización WinQSB y encontrar:

de servicio o la probabilidad de estar desocupado el servidor o la probabilidad de que no haya clientes en la fil

s sean atendidos.
dos por lo menos el 90% de las veces
optimización WinQSB.

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

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

tiempos entre llegadas, según una Distribución de Exponencial o de Poisson

tiempos de servicio, según una Distribución Exponencial o de Poisson.
bajo condiciones de estado estable (M/M/1): (DG/N/∞).
e servicio del modelo de línea de espera
oftware de optimización WinQSB y encontrar:
de servicio o la probabilidad de estar desocupado el servidor o la probabilidad de que no haya clientes en la fil

s sean atendidos.
dos por lo menos el 90% de las veces
optimización WinQSB.

número de clientes permitido en el sistema infinito (M/M/C): (DG/∞/∞) si C = 4, a partir de la

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

tiempos entre llegadas, según una Distribución de Exponencial o de Poisson

tiempos de servicio, según una Distribución Exponencial o de Poisson.
bajo condiciones de estado estable (M/M/C): (DG/∞/∞).
e servicio del modelo de línea de espera

oftware de optimización WinQSB y encontrar:

de servicio o la probabilidad de estar desocupado el servidor o la probabilidad de que no haya clientes en la fil

s sean atendidos.
dos por lo menos el 90% de las veces
optimización WinQSB.

número de clientes permitido en el sistema finito (M/M/C): (DG/N/∞), si C = 4 y N = 30 a partir

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

tiempos entre llegadas, según una Distribución de Exponencial o de Poisson

tiempos de servicio, según una Distribución Exponencial o de Poisson.
bajo condiciones de estado estable (M/M/C): (DG/N/∞).
e servicio del modelo de línea de espera

oftware de optimización WinQSB y encontrar:

de servicio o la probabilidad de estar desocupado el servidor o la probabilidad de que no haya clientes en la fil

s sean atendidos.
dos por lo menos el 90% de las veces
optimización WinQSB.

s de línea de espera para tomar decisiones en cuanto a su optimización.

 Modelos de Líneas de

Modelo (M/M/1) : (DG/∞/∞)

Media de la Distribución Empírica para tiempo entre llegadas

Media de la Distribución Empírica para tiempos de servicio

Condicion de estado estable

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

(M/M/1) : (DG/∞/∞)
Condicion del Tasa de llegada
estado ρ (Exponencial) λ
0.785 7.61
 Modelos de Líne

Modelo (M/M/1) : (DG/N/∞)

Media de la Distribución Empírica para tiempo entre llegadas

Media de la Distribución Empírica para tiempos de servicio

Condicion de estado estable

Si ρ ≠ 1, Entonces el sistema puede operar

Si ρ = 1, Entonces el sistema puede operar

(M/M/1) : (DG/N/
Condicion del Tasa de llegada
estado ρ (Exponencial) λ
0.785 7.614
 Modelos de Líneas de E

Modelo (M/M/c) : (DG/∞/∞)

Media de la Distribución Empírica para tiempo entre llegadas 𝒕 ̅=

Media de la Distribución Empírica para tiempos de servicio 𝒕 ̅=

Condicion de estado

Si el factor de uso𝜌/𝑐<1 , Entonces el sistema puede operar:

(M/M/c) : (DG/∞/∞)
Condicion del Tasa de llegada Tasa de servicio
estado ρ (Exponencial) λ (Exponencial) μ Numero de servidores

0.78464 7.61421 9.70403 4

Representar gráficamente la instalació

Probabilidades de estado

Las probabilidades de estado del modelo (M/M/c): (DG/∞/∞), están dadas por:

𝑷_𝟎= 0.45607 𝑷_𝟑= 0.0367 𝑷_𝟔=

𝑷_𝟏= 0.3579 𝑷_𝟒= 0.0096 𝑷_𝟕=

𝑷_𝟐= 0.1404 𝑷_𝟓= 0.0025 𝑷_𝟖=

Medidas de desempeño de estado estable

Cantidad esperada de clientes en el sistema 𝑳_𝒔= 3.0176

Cantidad esperada de clientes en la fila 𝑳_𝒒 0.0176

=
Tiempo estimado de espera en el sistema 𝑾_𝒔 0.10536
=
Tiempo estimado de espera en la fila 𝑾_𝒒= 0.00231

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

estar desocupado el servidor o la probabilidad de que no haya clientes en la fila. es:

b. La probabilidad de que un cliente tenga que esperar es:〖𝟏−𝑷〗 _𝟎 〖−

𝑷〗 _𝟏

c. La probabilidad de que el cliente 5 sea atendido es: 𝑷_𝟓= 0.0025

d. La probabilidad de que por lo menos 10 clientes sean atendidos es: 𝑷_(𝒏≥𝟏

𝟎)=
e. La cantidad de clientes que pueden ser atendidos por lo menos el 90% de las veces es:

Comprobación m

CONCLUSIÓN:
s de Líneas de Espera con varios servidores

7.88 Tasa de llegadas (en horas) λ= 7.61

6.183 Tasa de servicio (en horas) 𝝁= 9.70

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

ficamente la instalación de servicio

 𝑷_𝟎=[∑_(𝒏=𝟎)^(𝒄−𝟏)▒𝝆^𝒏/
𝒏!+𝝆^𝒄/𝒄!(𝟏−𝝆/𝒄) ]^(−𝟏) 𝑷_𝒏=𝝆^𝒏/𝒏! 𝑷_𝟎 , 𝒔𝒊
dadas por: 𝒏≤𝒄

0.0007 𝑷_𝟗= 0.000012

0.0002 𝑷_𝟏𝟎 0.000003

=
0.000045

babilidad de
es en la fila. es: 𝑷_𝟎= 0.4561

0.1861

𝑷_(𝒏≥𝟏 1.0040
𝟎)=
90% de las veces es: 0.9543 = 0.9543

Comprobación mediante software WinQSB

Condición de estado 𝝆= 0.78

𝝆/𝒄
Factor de Uso = 0.20
𝑷_𝒏=𝝆^𝒏/𝒄!(𝒄^(𝒏−𝒄) ) 𝑷_𝟎
, 𝒔𝒊 𝒏>𝒄
 Modelos de Líneas de E

Modelo (M/M/c) : (DG/N/∞)

Media de la Distribución Empírica para tiempo entre llegadas 𝒕 ̅=

Media de la Distribución Empírica para tiempos de servicio 𝒕 ̅=

Condicion de estado

Si el factor de uso 𝜌/𝑐≠1 , entonces el sistema puede operar

Si el factor de uso 𝜌/𝑐=1 , entonces el sistema puede operar

(M/M/c) : (DG/N/∞)
Condicion del Tasa de llegada Tasa de servicio
estado ρ (Exponencial) λ (Exponencial) μ Numero de servidores

0.78 7.61 9.70 4

Representar gráficamente la instalació

Probabilidades de estado

Las probabilidades de estado del modelo (M/M/c): (DG/∞/∞), están dadas por:

𝑷_𝟎= 0.4542 𝑷_𝟑= 0.0366 𝑷_𝟔=

𝑷_𝟏= 0.3564 𝑷_𝟒= 0.0096 𝑷_𝟕=

𝑷_𝟐= 0.1398 𝑷_𝟓= 0.002502 𝑷_𝟖=

Medidas de desempeño de estado estable

Cantidad esperada de clientes en el sistema 𝑳_𝒔= 0.7868

Cantidad esperada de clientes en la fila 𝑳_𝒒 0.002

=
Tiempo estimado de espera en el sistema 𝑾_𝒔 0.1033
=
Tiempo estimado de espera en la fila 𝑾_𝒒= 0.0003

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

estar desocupado el servidor o la probabilidad de que no haya clientes en la fila. es:

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= 0.0025

d. La probabilidad de que por lo menos 10 clientes sean atendidos es: 𝑷_(𝒏≥𝟏

𝟎)=
e. La cantidad de clientes que pueden ser atendidos por lo menos el 90% de las veces es:

Comprobación m
CONCLUSIÓN:
s de Líneas de Espera con varios servidores

7.88 Tasa de llegadas (en horas) λ= 7.61

6.18 Tasa de servicio (en horas) 𝝁= 9.70

(M/M/c) : (DG/N/∞)
Tamaño de la
Numero de servidores Disciplina en la cola Limite del sistema fuente
4 Disciplina General 30 ∞

ficamente la instalación de servicio

 𝑷_𝟎=[∑_(𝒏=𝟎)^(𝒄−𝟏)▒𝝆^𝒏/𝒏!+(𝝆^𝒄 (𝟏−
(𝝆/𝒄)^(𝑵−𝒄+𝟏) ))/𝒄!(𝟏−𝝆/𝒄) ]^(−𝟏) , 𝒔𝒊
𝝆/𝒄≠𝟏 𝑷_𝒏=𝝆^𝒏/𝒏! 𝑷_
𝟎<𝒏≤𝒄

𝑷_𝟎=[∑_(𝒏=𝟎)^(𝒄−𝟏)▒𝝆^𝒏/𝒏!+(𝝆^𝒄 𝑷_𝒏=𝝆^𝒏/𝒄!(𝒄^
(𝑵−𝒄+𝟏))/𝒄!]^(−𝟏) , 𝒔𝒊 𝝆/𝒄=𝟏 𝒄<𝒏≤𝑵

0.0007 𝑷_𝟗= 0.0000117

0.0002 𝑷_𝟏𝟎 0.0000031

=
0.0000448

Probabilidad de capacidad máxima en el sistema 𝑷_𝑵= 6.62E-117

Tasa efectiva de llegada λ_𝒆𝒇= 7.61

Número estimado de servidores inactivos 𝒄 ̅= 2.22

abilidad de
𝑷_𝟎=
s en la fila. es: 𝑷_𝟎= 0.454

0.1894

𝑷_(𝒏≥𝟏 1.000
𝟎)=
0% de las veces es: 0.9505 = 0.9505

Comprobación mediante software WinQSB

Condición de estado 𝝆= 0.78

𝝆/𝒄
Factor de Uso = 0.26
𝑷_𝒏=𝝆^𝒏/𝒏! 𝑷_𝟎 , 𝒔𝒊
𝟎<𝒏≤𝒄

𝑷_𝒏=𝝆^𝒏/𝒄!(𝒄^(𝒏−𝒄) ) 𝑷_𝟎 , 𝒔𝒊
𝒄<𝒏≤𝑵

6.62E-117
 Modelos de Programación e

Paso 1: Consultar en el Entorno de conocimiento, los recursos educativos requeridos de la Unida

y revisar los modelos de programación estocástica:
·         García, A. (2006). Programación estocástica por metas: teoría y aplicaciones econó
·         Rojas, A. y Ospina, A. (2018). Modelos de programación estocástica [OVI]

Paso 2: En el Entorno de Aprendizaje práctico, consultar la Guía para el uso de recursos educa
Relación de datos para situaciones problema; en este, se encuentra el enlace para descargar el arch
el cual presenta los datos iniciales para asignar a la situación problema del Ejercicio 2. Modelos de p

Paso 3: Se presenta la siguiente situación problema: Una compañía produce dispositivos electrón
referencia específica de acuerdo al comportamiento de la demanda de sus componentes, que se res
encomienda al departamento de producción aplicar modelos de programación estocástica para optim
los siguientes aspectos:

1. Programación estocástica con restricciones aleatorias con todos los parámetros normal
estocástica con restricciones aleatorias teniendo en cuenta la demanda proyectada, la demanda diar
el modelo de inventario EOQ probabilizado en el Ejercicio 2 de la Tarea 2, para diligenciar la Relació

·     Determinar la demanda diaria normalmente distribuida y sus varianzas para cada un

·     Determinar la demanda periódica normalmente distribuida del dispositivo electrónico
·     Determinar la varianza de la demanda periódica normalmente distribuida del disposi
·     Plantear el modelo de programación estocástica con restricciones aleatorias con todo
La función objetivo.
Las restricciones.
El problema determinista.

2. Programación estocástica con restricciones aleatorias con solo un parámetro normalme

estocástica con restricciones aleatorias teniendo en cuenta la demanda proyectada, la demanda diar
el modelo de inventario EOQ probabilizado en el Ejercicio 2 de la Tarea 2, para diligenciar la Relació

·     Determinar la demanda diaria normalmente distribuida y sus varianzas para cada un

·     Determinar la demanda periódica normalmente distribuida del dispositivo electrónico
·     Determinar la varianza de la demanda periódica normalmente distribuida del disposi
·     Plantear el modelo de programación estocástica con restricciones aleatorias con todo
La función objetivo.
Las restricciones.
El problema determinista.
3. Interpretar los resultados obtenidos en cada uno de los modelos de programación estocástica con
a su optimización.
 Modelos de Programación estocástica

educativos requeridos de la Unidad 2 – Modelos probabilísticos de optimización para identificar

metas: teoría y aplicaciones económicas (pp. 84-87)

amación estocástica [OVI]

uía para el uso de recursos educativos - Instalación Software de Optimización WinQSB -

a el enlace para descargar el archivo
lema del Ejercicio 2. Modelos de programación estocástica.

añía produce dispositivos electrónicos para iluminación y desea optimizar la producción de una
a de sus componentes, que se resume en la Relación del comportamiento de la demanda,
ogramación estocástica para optimizar la producción y les encarga encontrar la solución de

n todos los parámetros normalmente distribuidos.

anda proyectada, la demanda diaria normalmente distribuida y su varianza, determinadas en
area 2, para diligenciar la Relación del comportamiento de la demanda:

uida y sus varianzas para cada uno de los componentes del dispositivo electrónico de iluminación.
tribuida del dispositivo electrónico de iluminación.
ormalmente distribuida del dispositivo electrónico de iluminación.
n restricciones aleatorias con todos los parámetros normalmente distribuidos, mediante:

n solo un parámetro normalmente distribuido.

anda proyectada, la demanda diaria normalmente distribuida y su varianza, determinadas en
area 2, para diligenciar la Relación del comportamiento de la demanda:

uida y sus varianzas para cada uno de los componentes del dispositivo electrónico de iluminación.
tribuida del dispositivo electrónico de iluminación.
ormalmente distribuida del dispositivo electrónico de iluminación.
n restricciones aleatorias con todos los parámetros normalmente distribuidos, mediante:
s de programación estocástica con restricciones aleatorias para tomar decisiones en cuanto
 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

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

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