ESCUELA COLOMBIANA DE INGENIERÍA

MODELAMIENTO MATEMÁTICO
INFORME FINAL PROYECTO DE SIMULACION DISCRETA 2021-I
INTEGRANTES
Juan Sebastián Barbosa Galvis.
Andrés Eduardo Neira Pabón.
Valentina Noches Pallares.
Carlos Andrés Rueda Smith.
____________________________________________________________________________________________________
Encontramos que el estadístico de prueba al ser mayor
 Ajuste de Bondad: que el valor crítico y también que el valor-P es mayor a
la significancia, lo cual nos permite concluir que no se
rechaza la hipótesis nula, es decir que la demanda de
vuelos de tres semanas antes sigue una distribución
normal.

1. Generadores de la demanda y simulación:

Los generadores de la demanda para los vuelos con 100,

Ilustración 1, Estadística descriptiva.
Teniendo en cuenta el comportamiento de la demanda
tres semanas antes del vuelo, podemos afirmar que
según los datos obtenidos presenta una media de 40.72
pasajes y una desviación estándar de 13.52. Para poder
corroborar si la demanda sigue una distribución normal,
se hizo el ajuste de bondad con los datos mencionados
anteriormente, dando como resultado en total 6 clases
con un ancho de 8.71.
Ilustración 2, Ajuste de bondad.
105, 110 y 115 asientos disponibles se encontraron
partiendo desde los tres escenarios donde las
distribuciones que sigue cada uno son diferentes, para
tres semanas antes del vuelo siguen una distribución
normal como lo vimos en el ajuste de bondad, para dos
semanas antes del vuelo sigue una distribución uniforme
entre 10 y 70 pasajeros y una semana antes sigue una
distribución triangular con un valor mínimo de 10
pasajeros, máximo de 30 pasajeros y una moda en los
datos de 20, posteriormente se sacan los números
aleatorios para determinar el comportamiento de la
demanda en cada escenario.
Para calcular los “No shows” en cada escenario, primero
se debe tener en cuenta la probabilidad de que un
pasajero que compro tiquete no se presente al vuelo,
para los 4 escenarios la probabilidad es de 3.5% y como
por ley no se pueden vender mas del 120% de los
asientos disponibles que son 100, no se pueden vender
mas de 120 asientos por vuelo, lo que para las 30
semanas se hizo una matriz con el máximo de asientos
disponibles para la venta de números aleatorios,
posteriormente se realizo otra matriz donde se compara
por semana, las demandas que se traen de los
generadores de demanda anteriormente calculados y se
compara con esa condicional, de esta forma se suma en
total la cantidad de pasajeros que no se presentaron al
vuelo y por consiguiente son “no shows”.

Al realizar el ajuste de bondad se llegan a obtener los
siguientes valores, el estadístico de prueba es de 1.2427,
los grados de libertad son las clases resultantes menos
uno, es decir 5 grados de libertad y el valor critico es de
11.07.
Teniendo ya los datos anteriores, se puede hacer la
simulación para 30 semanas como se pidió inicialmente
y calcular las utilidades promedio de las 30 semanas,
para esto es importante definir si existen pasajeros sin
abordar. Esto se hace con la suma de ventas de las tres
distribuciones de demanda, es decir, las ventas antes de
tres semanas, de dos semanas y de una semana. Si esta
INGENIERÍA INDUSTRIAL

2021-1
 ESCUELA COLOMBIANA DE INGENIERÍA
MODELAMIENTO MATEMÁTICO
suma es menor a la cantidad de puestos del avión (100 Ilustración 4.Replica inicial para la venta de 105 sillas .
puestos) quiere decir que todos abordaron, lo mismo
cuando se le restan a esas ventas los “no show” y sigue
siendo menor a 100 puestos. Cuando al restarle los “no
show” a la suma de ventas y es mayor a los 100 puestos
que tiene el avión, entonces esa diferencia es la cantidad
de personas que no abordaron, para lo cual, la aerolínea
debe pagar una penalización a los clientes, que es de dos
veces la tarifa plena por pasajero sin abordar. A los
ingresos de ventas se les resta esta penalización por
semana y al final se saca una utilidad promedio y una
proporción de días que significa las veces que volaron
los aviones con el cupo total (100 asientos, 100
pasajeros).
Ilustración 5.Replica inicial para la venta de 110 sillas.
2. Hacer 20 réplicas iniciales tomando como
indicador la utilidad semanal. (5 puntos)

Después de obtener la utilidad semanal en el punto

anterior, se utilizo la función de análisis y si para calcular
las 20 replicas de 100, 105,110 y 115 sillas. Conociendo
de esta manera el comportamiento de la utilidad
semanal.

Ilustración 6.Replica inicial para la venta de 115 sillas.

3. Calcular el número de réplicas faltantes para

garantizar que la utilidad semanal tenga error
máximo de US$200 con confianza de 99%. (5
puntos)

Con un 99% de confianza teniendo presente un error de

Ilustración 3.Replica inicial para la venta de 100 sillas. 200 dólares se puede decir que:

Ilustración 7. Para la venta de 100 sillas se necesitan 47 réplicas

totales y hay 27 réplicas faltantes.
INGENIERÍA INDUSTRIAL

2021-1
 ESCUELA COLOMBIANA DE INGENIERÍA
MODELAMIENTO MATEMÁTICO
Ilustración 8.Para la venta de 105 sillas se necesitan 94 réplicas
totales y hay 74 réplicas faltantes.
Ilustración 9. Para la venta de 110 sillas se necesitan 62 réplicas
totales y hay 42 réplicas faltantes.
Ilustración 10. Para la venta de 115 sillas se necesitan 55 réplicas
totales y hay 35 réplicas faltantes.
4. Completar las réplicas y construir intervalos de
confianza del 95% para las utilidades
semanales y la proporción de días en que
todos los pasajeros abordan el vuelo.
Para ver la tabla de las replicas necesarias en cada
escenario. Referirse a los archivos EXCEL en la sección
de replicas.
Ilustración 11. En venta 100 sillas
Con un 95 % de confianza (es decir 44,65 semanas
ocurre lo estudiado y 2,35 semanas el modelo será
susceptible a cambios) se puede afirmar que la
proporción de días en los que todos los pasajeros
abordan el vuelo esta entre 1,378% y 3,161%; con una
media de 2,270%. Además que la utilidad promedio por
semana esta entre 21.991,338. US y 22.289,343 US; con
una media de 22.140,340 US.
Ilustración 12. En venta 105 sillas
Con un 95 % de confianza (es decir 89,3 semanas ocurre
lo estudiado y 4,7 semanas el modelo será susceptible a
cambios) se puede afirmar que la proporción de días en
los que todos los pasajeros abordan el vuelo esta entre
42,593% y 46,556% ;con una media de 44,574%.
Además que la utilidad promedio por semana esta entre
22.275,901 US y 22.535,961 US; con una media de
22.405,931 US.
Ilustración 13 . En venta 110 sillas
INGENIERÍA INDUSTRIAL
2021-1
 ESCUELA COLOMBIANA DE INGENIERÍA
MODELAMIENTO MATEMÁTICO
compensación a pasajeros que no lograron abordar,
aunque la utilidad del escenario 3 es más baja que el
Con un 95 % de confianza (es decir 58,9 semanas ocurre escenario de venta actual por lo cual es determinado
lo estudiado y 3,1 semanas el modelo será susceptible a como un escenario no valido. Por otro lado, el escenario
cambios) se puede afirmar que la proporción de días en actual en el que se encuentra ECI-Fly no posee la mayor
los que todos los pasajeros abordan el vuelo esta entre utilidad, ni el mayor porcentaje de días en los que se
46,892% y 51,388%; con una media de 49,140%.
Además que la utilidad promedio por semana esta entre
21.513,970 US y 21.737,272 US; con una media de
21.625,621 US.

Ilustración 14 . En venta 115 sillas ocupe la totalidad de los asientos.

Ilustración 15. Comparación de escenario actual vs propuestos.

Con un 95 % de confianza (es decir 52,25 semanas
ocurre lo estudiado y 2,75 semanas el modelo será
susceptible a cambios) se puede afirmar que la
proporción de días en los que todos los pasajeros
abordan el vuelo esta entre 47,797% y 52,446%; con una
media de 50,121%. Además que la utilidad promedio
por semana esta entre 20.993,774 US y 21.361,589 US;
con una media de 21.177,682 US.

5. Su grupo de trabajo debe recomendar a la

empresa un curso de acción entre permanecer
en la situación actual o vender más sillas en
alguno de los escenarios evaluados.

Es recomendable que la empresa ECI-Fly aplique el

escenario 2, en el que pone en venta 105 tiquetes, ya
que es el que presenta mayor utilidad de todos los
escenarios simulados y posee un porcentaje de días en
los que el vuelo vaya con todos los asientos ocupados de
aproximadamente 40% más alto que el escenario actual,
por lo que este escenario será el más óptimo.

Debido a que el porcentaje para determinar la cantidad

de no-shows (3,5%) es muy baja, la utilidad entre los
diferentes escenarios no varía en gran medida, pero si
puede determinar que la utilidad más baja pertenece al
Ilustración 16. Diagrama cajas y bigotes de escenario actual vs
escenario 4 en el cual se presenta una venta con una
propuestos.
cantidad de 115 ventas aunque en este mismo escenario
presenta el mayor porcentaje de días en los cuales el
avión ocupara sus asientos en totalidad, teniendo en
cuenta que tiene mayor probabilidad de pagar la
INGENIERÍA INDUSTRIAL

2021-1