UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

MÉTODOS PROBABILÍSTICOS

Tarea 3

Presentado Por:

EDUARDO CACERES

Presentado al profesor(a):

Grupo

CIENCIAS BASICAS, TECNOLOGIA E INGENIERIA

INGENIERIA INDUSTRIAL
28 DE NOVIEMBRE DEL 2021
DISTANCIA UNAD

OS

INGENIERIA
L
21
 A continuación, encontrará 3 ejercicios, uno sobre Modelos de revisión y evaluación d
de discusión (entorno de Aprendizaje) y entregar de manera colaborativa en el entorn
 
Ejercicio 1. Modelos de revisión y evaluación de proyectos.
Se presenta la siguiente situación problema: Una compañía produce motores eléctricos y ha propuesto un proy
optimizar
Ejercicio 1.laModelos duraciónde
delrevisión
proyecto y les encarga
y evaluación delaproyectos.
solución de los siguientes aspectos:
1. Modelo de revisión y evaluación de proyectos
Se presenta la siguiente situación problema: Una compañía con estimación de tiempos.
produce motoresPlantear el ymodelo
eléctricos de revisión
ha propuesto ye
un proy
•línea Determinar media y varianza de los tiempos estimados mediante la distribución Beta.
de ensamble, las actividades y sus tiempos estimados, se presentan en la Relación del proyecto de amplia
•departamento
Determinar lade media y varianza
producción esperadas
realizar normalmente
una revisión distribuidas.
y evaluación de proyectos para optimizar la duración del pro
•deDeterminar el parámetro
los siguientes aspectos: K para cada evento asociado a la distribución normal.
•1.Determinar
Modelo de las probabilidades
revisión y evaluaciónasociadas de cada
de proyectos conevento.
estimación de tiempos. Plantear el modelo de revisión y e
 estimación de tiempos con base en la Relación del proyecto de ampliación, para lograr esto, debe:
Ejercicio
• Determinar 2. Modelo
mediade revisiónde
y varianza y evaluación
los tiemposde proyectosmediante
estimados con estimación extra de
la distribución tiempo.
Beta.
Plantear
• Determinar el modelo de revisión
la media y evaluación
y varianza esperadas de proyectos con
normalmente estimación extra de tiempo con base en la Relació
distribuidas.
•• Determinar
Determinar media y varianza
el parámetro de cada
K para los tiempos
eventoestimados
asociado amediante la distribución
la distribución normal. Beta.
•• Determinar la media y varianza esperadas normalmente
Determinar las probabilidades asociadas de cada evento. distribuidas.
•  Determinar el parámetro K para cada evento asociado a la distribución normal.
• Determinar las probabilidades asociadas de cada evento.

Ejercicio 1. Modelos de revisión y evaluación de proyectos.

Se presenta1.la siguiente
MODELO situación problema: Una
DE REVISIÓN compañía produce
Y EVALUACIÓN DEmotores eléctricos yCON
PROYECTOS ha propuesto un proy
ESTIMACIÓN
optimizar la duración del proyecto y les encarga la solución de los siguientes aspectos:
1. Modelo de revisión y evaluación de proyectos
TIEMPOS conESTIMADOS
estimación de tiempos. Plantear el modelo de revisión y e
• Determinar media y varianza de los tiempos estimados mediante la distribución Beta.
ACTIVIDAD
• DeterminarTIEMPO
la media yOPTIMISTA TIEMPO
varianza esperadas PESIMISTA
normalmente distribuidas. TIEMPO MAS
• Determinar el parámetro Kapara cada evento asociado b a la distribución
PROBABLE
normal. m
• Determinar
0, 1 las probabilidades
1 asociadas de cada evento.
2 3
0, 2 2 8 2
1, 3 1 3 2
2, 3 1 11 1.5
2, 4 0.5 7.5 1
3, 5 1 7 2.5
3, 6 1 3 2
4, 5 6 8 7
4, 6 3 11 4
5, 6 4 8 6

MEDIA VARIANZA
EVENTO RUTA NORMALMENTE NORMALMENTE
DISTRIBUIDA DISTRIBUIDA

1 (0, 1) 2.5 0.03

2 (0, 2) 3 1.00
3 (0, 2, 3) 6 3.78
4 (0, 2, 3, 4) 8 5.14
5 (0, 2, 3, 4, 5) 15 6.14
6 (0, 2, 3, 4, 5, 6) 21 7.92
 TIEMPO DE MEDIA
EVENTO RUTA TERMINACION MAS NORMALMENTE
TARDIO DISTRIBUIDA
TTTi
1 (0, 1) 4 2.5
2 (0, 2) 3 3
3 (0, 2, 3) 6 6
4 (0, 2, 3, 4) 6 8
5 (0, 2, 3, 4, 5) 13 15
6 (0, 2, 3, 4, 5, 6) 19 21
 revisión y evaluación de proyectos, otro sobre Modelos de líneas de espera y un tercero sobre Modelos de
laborativa en el entorno de Evaluación, para lo cual debe seleccionar el rol a desempeñar en el trabajo cola

tricos y ha propuesto un proyecto de ampliación en su línea de ensamble, las actividades y sus tiempos estimados, se presentan en la Relac
tos:  Ejercicio 2. Modelo de revisión y evaluación de proyectos c
ear el ymodelo
tricos de revisión
ha propuesto y evaluación
un proyecto de proyectos
de ampliación en sucon estimación de tiemposPlantear el en
con base modelo de revisión
la Relación y evaluación
del proyecto de proyectos
de ampliación, paracon
lo
Beta. para lograr esto debe:
ación del proyecto de ampliación, encomienda al • Determinar media y varianza de los tiempos estimados me
optimizar la duración del proyecto y les encarga la solución • Determinar la media y varianza esperadas normalmente di
• Determinar el parámetro K para cada evento asociado a la
ear el modelo de revisión y evaluación de proyectos con • Determinar las probabilidades asociadas de cada evento.
grar esto, debe:
e tiempo.
Beta.
tiempo con base en la Relación del proyecto de ampliación, estimando los tiempos utilizando el índice multiplicador, para lograr esto debe:
Beta.

INDICE MULTIPLICADOR

tricos yCON
ha propuesto un proyecto
DEdeTIEMPOS.
ampliación en su línea de ensamble, las actividades y sus tiempos estimados, se presentan en la Relac
CTOS
tos:
ESTIMACIÓN 2. MODELO DE REVISIÓN Y
ear el modelo de revisión
MEDIANTE y evaluación de proyectos
DISTRIBUCION con estimación de tiempos con base en la Relación del proyecto de ampliación,
BETA TIEMPOS para
ESTlo
Beta.
ACTIVIDAD TIEMPO OPTIMISTA
MEDIA VARIANZA
a
2.5 0.03 0, 1 1.3
3 1.00 0, 2 2.5
2 0.11 1, 3 1.3
3 2.78 2, 3 1.3
2 1.36 2, 4 0.6
3 1.00 3, 5 1.3
2 0.11 3, 6 1.3
7 0.11 4, 5 7.5
5 1.78 4, 6 3.8
6 0.44 5, 6 5.0

EVENTO RUTA

1 (0, 1)
2 (0, 2)
3 (0, 2, 3)
4 (0, 2, 3, 4)
5 (0, 2, 3, 4, 5)
6 (0, 2, 3, 4, 5, 6)
 VARIANZA Parmetro Probabilida
NORMALMENTE d EVENTO RUTA
DISTRIBUIDA K p(z)

0.03 9.0 1.00 1 (0, 1)

1.00 0.0 0.50 2 (0, 2)
3.78 0.0 0.50 3 (0, 2, 3)
5.14 -0.9 0.19 4 (0, 2, 3, 4)
6.14 -0.8 0.21 5 (0, 2, 3, 4, 5)
7.92 -0.7 0.24 6 (0, 2, 3, 4, 5, 6)
cero sobre Modelos de programación estocástica, que debe desarrollar en hoja de cálculo (Excel) de forma
peñar en el trabajo colaborativo:

ados, se presentan en la Relación del proyecto de ampliación, encomienda al departamento de producción realizar una revisión y evaluació
n y evaluación de proyectos con estimación extra de tiempo.
y evaluación
royecto de proyectos
de ampliación, paracon estimación
lograr extra de tiempo con base en la Relación del proyecto de ampliación, estimando los tiempos utiliz
esto, debe:
de los tiempos estimados mediante la distribución Beta.
za esperadas normalmente distribuidas.
ara cada evento asociado a la distribución normal.
s asociadas de cada evento.

licador, para lograr esto debe:

1.25

ados, se presentan en la Relación del proyecto de ampliación, encomienda al departamento de producción realizar una revisión y evaluació
O DE REVISIÓN Y EVALUACIÓN DE PROYECTOS CON ESTIMACIÓN EXTRA DE T
royecto de ampliación,
TIEMPOS para lograr esto, debe:
ESTIMADOS MEDIANTE DISTRIBUCION BETA
TIEMPO PESIMISTA TIEMPO MAS
MEDIA VARIANZA
b PROBABLE m
2.5 3.8 3.1 0.0
10.0 2.5 3.8 1.6
3.8 2.5 2.5 0.2
13.8 1.9 3.8 4.3
9.4 1.3 2.5 2.1
8.8 3.1 3.8 1.6
3.8 2.5 2.5 0.2
10.0 8.8 8.8 0.2
13.8 5.0 6.3 2.8
10.0 7.5 7.5 0.7

VARIANZA
MEDIA NORMALMENTE
NORMALMENTE
DISTRIBUIDA
DISTRIBUIDA

3.1 0.04
3.8 1.56
7.5 5.90
8.8 8.03
17.5 9.59
25.0 12.37
 TIEMPO DE MEDIA VARIANZA
TERMINACION MAS NORMALMENTE NORMALMENTE
Parmetro
TARDIO DISTRIBUIDA DISTRIBUIDA K
TTTi
4 3.1 0.04 9.0
3 3.8 1.56 -0.6
6 7.5 5.90 -0.6
6 8.8 8.03 -1.0
13 17.5 9.59 -1.5
19 25.0 12.37 -1.7
 hoja de cálculo (Excel) de forma individual en el Foro

roducción realizar una revisión y evaluación de proyectos para

de ampliación, estimando los tiempos utilizando el índice multiplicador,

roducción realizar una revisión y evaluación de proyectos para

ESTIMACIÓN EXTRA DE TIEMPOS.
Probabilidad
p(z)

1.00
0.27
0.27
0.17
0.07
0.04
 Model
Modelo (M/M/1) : (DG
Condicion de estado estable Si ρ < 1, Entonces el sistema puede operar en con

(M/M/1) : (DG/∞/∞)
Condicion del Tasa de llegada Tasa de servicio Numero de
estado ρ (Exponencial) λ (Exponencial) μ servidores
0.8259 12.4887322772 15.12214277721 1

Representar gráficamente la instalación

Sistema Total

Entrada

Cola

Medidas de desempeño de estado estable

Cantidad esperada de clientes en el sistema 4.7424

Cantidad esperada de clientes en la fila 3.9166

Tiempo estimado de espera en el sistema 0.3797

Tiempo estimado de espera en la fila 0.3136

Probabilidades de estado estable

Las probabilidades de estado del modelo (M/M/1): (DG/∞/∞), están dadas por:

0 1 2 3 4 5 6
0.1741 0.1438 0.1188 0.0981 0.0810 0.0669 0.0553

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:

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

d. La probabilidad de que por lo menos 10 clientes sean atendidos es:

e. La cantidad de clientes que pueden ser atendidos por lo menos el 90% de las veces es:
 Comprobación mediante software WinQ

CONCLUSIÓN:
a. La probabilidad de inactividad en la instalación de servicio, o la probabilidad de estar desocupado el servido
b. La probabilidad de que un cliente tenga que esperar e
c. La probabilidad de que el cliente 5 sea atendido es
d. La probabilidad de que por lo menos 10 clientes sean atend
e. La cantidad de clientes que pueden ser atendidos por lo menos el 9
 Modelo
Condicion de estado
Modelo (M/M/c) : (DG
Si el factor de uso , Entonces el sistema puede operar:

(M/M/c) : (DG/∞/∞)
Condicion del Tasa de llegada Tasa de servicio
Numero de
estado ρ (Exponencial) λ (Exponencial) μ
servidores
1.3829 25.61664953544 18.52327649991 3
Factor de Uso 0.4610

Representar gráficamente la instalación

Sistema Total

Entrada ∞
Cola

Probabilidades de estado

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

0 1 2 3 4 5 6
0.2406 0.3327 0.2300 0.1060 0.0489 0.0225 0.0104

Medidas de desempeño de estado estable

Cantidad esperada de clientes en el sistema 1.5512

Cantidad esperada de clientes en la fila 0.1682

Tiempo estimado de espera en el sistema 0.0606

Tiempo estimado de espera en la fila 0.0066

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

b. La probabilidad de que un cliente tenga que esperar es:

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

d. La probabilidad de que por lo menos 10 clientes sean atendidos es:

e. La cantidad de clientes que pueden ser atendidos por lo menos el 90% de las

Comprobación mediante software WinQ

CONCLUSIÓN:
a. La probabilidad de inactividad en la instalación de servicio, o la probabilidad de estar desocupado el servid
b. La probabilidad de que un cliente tenga que esperar e
c. La probabilidad de que el cliente 5 sea atendido es
d. La probabilidad de que por lo menos 10 clientes sean atend
e. La cantidad de clientes que pueden ser atendidos por lo menos el
 Modelos de Líneas de E
M/M/1) : (DG/∞/∞)
sistema puede operar en condiciones de estado estable, y se tiene que:

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

camente la instalación de servicio

Sistema Total

Salida

Unidad de Servicio
Sevidor
n dadas por: 𝑷_𝒏=(𝟏−𝝆)∗𝝆^𝒏=

7 8 9 10
0.0456 0.0377 0.0311 0.0257

probabilidad de 0.1741 = 17%

ntes en la fila. es:

0.8259 = 83%

0.0669 = 6.7%

0.8781 = 86%

el 90% de las veces es: 12 0.0212

Sumamos a la operación 2 clientes mas que pueden ser atentidos un 90% de las veces
ediante software WinQSB

idad de estar desocupado el servidor o la probabilidad de que no haya clientes en la fila. es: 17,44%
e que un cliente tenga que esperar es: 82,55%
d de que el cliente 5 sea atendido es: 6,7%
por lo menos 10 clientes sean atendidos es: 87,85%
eden ser atendidos por lo menos el 90% de las veces es: 11
 12.4887323 15.1221428

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

camente la instalación de servicio

a Total Salida

Salida

Salida

Unidad de Servicio
Sevidor

n dadas por:

7 8 9 10
0.0048 0.0022 0.0010 0.0005
 c =3
0 factorial 1.0000
1 factorial 1.0000
2! factorial 2.0000
3!=(c!) factori 6.0000

obabilidad de
0.2406

0.4268

0.0225

0.9991

3 0.91

ediante software WinQSB

 lidad de estar desocupado el servidor o la probabilidad de que no haya clientes en la fila. es: 24,6%
e que un cliente tenga que esperar es: 42,68%
d de que el cliente 5 sea atendido es: 2,25%
por lo menos 10 clientes sean atendidos es: 99,9%
ueden ser atendidos por lo menos el 90% de las veces es: 3
s de Espera con un solo
Modelo (M
Si ρ ≠ 1, Entonces el sistem
Condicion de estado estable
Si ρ = 1, Entonces el sistem
(
Condicion del Tasa de llegada Tasa de servicio
estado ρ (Exponencial) λ (Exponencial) μ
0.8259 12.4887322772017 15.1221427772134

Representar gráfi

Siste

Entrada

Cola

Probabilidades de estado
 Las probabilidades de estado del modelo (M/M/1): (DG/N/∞), están dadas por:

0 1 2 3 4 5
0.1741 0.1438 0.1187 0.0981 0.0810 0.0669

Medidas de desempeño de estado estable

Cantidad esperada de clientes en el sistema 4.7424

Cantidad esperada de clientes en la fila 3.9166

Tiempo estimado de espera en el sistema 0.3797

Tiempo estimado de espera en la fila 0.3136

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:

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

d. La probabilidad de que por lo menos 10 clientes sean atendidos es:

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

CONCLUSIÓN:
a. La probabilidad de inactividad en la instalación de servicio, o la probabil
b. La probabilidad d
c. La probabilidad
d. La probabilidad de que
e. La cantidad de clientes que pu
s de Espera con varios s
Condicion de estado
Si el factor de uso , entonces el sistema puede operar Si el factor de uso

Condicion del Tasa de llegada Tasa de servicio

estado ρ (Exponencial) λ (Exponencial) μ
1.3829 25.6166495354385 18.5232764999146
Factor de Uso 0.4610
Representar gráfi
Sistema Total, N = 100

Entrada

Cola

Probabilidades de estado

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

0 1 2 3 4 5
0.2406 0.3327 0.2300 0.1060 0.0489 0.0225
Medidas de desempeño de estado estable

Cantidad esperada de clientes en el sistema 1.5512

Cantidad esperada de clientes en la fila 0.1682

Tiempo estimado de espera en el sistema 0.0606

Tiempo estimado de espera en la fila 0.0066

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:

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

d. La probabilidad de que por lo menos 10 clientes sean atendidos es:

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

Comprobació
CONCLUSIÓN:
a. La probabilidad de inactividad en la instalación de servicio, o la probabil
b. La probabilidad de
c. La probabilidad
d. La probabilidad de que
e. La cantidad de clientes que pu
n solo servidor
odelo (M/M/1) : (DG/N/∞)
≠ 1, Entonces el sistema puede operar
= 1, Entonces el sistema puede operar
(M/M/1) : (DG/N/∞)
Numero de servidores Disciplina en la cola Limite del sistema

1 Disciplina General 50

Representar gráficamente la instalación de servicio

Sistema Total, N = 200

Cola Unidad de Servicio

Sevidor
 6 7 8 9 10
0.0552 0.0456 0.0377 0.0311 0.0257

Probabilidad de capacidad máxima en el sistema

Tasa efectiva de llegada

en la fila. es: 0.1741 =

0.8259 =
0.0669 =
0.8778 =
% de las veces es: 11 0.8990
 Comprobación mediante software WinQSB

ón de servicio, o la probabilidad de estar desocupado el servidor o la probabilidad de que no haya clientes en la fila. es: 17,41%
b. La probabilidad de que un cliente tenga que esperar es: 82,55%
c. La probabilidad de que el cliente 5 sea atendido es: 6,69%
d. La probabilidad de que por lo menos 10 clientes sean atendidos es: 87,86%
cantidad de clientes que pueden ser atendidos por lo menos el 90% de las veces es: 11
rios servidores
l factor de uso , entonces el sistema puede operar

(M/M/c) : (DG/N/∞)
Numero de servidores Disciplina en la cola Limite del sistema
3 Disciplina General 100

Representar gráficamente la instalación de servicio

N = 100

Cola

Unidad de Servicio
Sevidor

6 7 8 9 10
0.0104 0.0048 0.0022 0.0010 0.0005
 Probabilidad de capacidad máxima en el sistema

Tasa efectiva de llegada

Número estimado de servidores inactivos

0.2406
n la fila. es:

0.4268

0.0225

0.9996

de las veces es: 3 0.91

Comprobación mediante software WinQSB

ón de servicio, o la probabilidad de estar desocupado el servidor o la probabilidad de que no haya clientes en la fila. es: 24,06%
b. La probabilidad de que un cliente tenga que esperar es: 442,68%
c. La probabilidad de que el cliente 5 sea atendido es: 2,25%
d. La probabilidad de que por lo menos 10 clientes sean atendidos es: 99,9%
cantidad de clientes que pueden ser atendidos por lo menos el 90% de las veces es: 3
Limite del sistema Tamaño de la fuente

50 ∞

Salida
11

0.00

1.00

0.0000

12.49

17%

83% 0.0212
0.0000
6.7% 0.0000

88%
entes en la fila. es: 17,41%
Limite del sistema Tamaño de la fuente
100 ∞

Salida

Salida

Salida

c =3
0 factorial 1.0000
1 factorial 1.0000
2! factorial 2.0000
3!=(c!) factorial 6.0000

0.0000

25.6166

0.0000
entes en la fila. es: 24,06%
1. Modelo con restricciones aleatorias con todos los parámetros normalmente distribuido. Plantear un modelo de pr
aleatorias con solo un parámetro normalmente distribuido a partir de la Relación del comportamiento de la demand
• Determinar la demanda diaria normalmente distribuida y sus varianzas para cada uno de los componentes del mot
• Determinar la demanda periódica normalmente distribuida del motor eléctrico.
• Determinar la varianza de la demanda periódica normalmente distribuida del motor eléctrico.
• Plantear el modelo de programación estocástica con restricciones aleatorias con solo un parámetro normalmente
La función objetivo.
Las restricciones.
El problema determinista.
3. Interpretar los resultados de los modelos de programación estocástica con restricciones aleatorias para la optimiz

2. Modelo con restricciones aleatorias con solo un parámetro normalmente distribuido. Plantear un modelo de prog
aleatorias con solo un parámetro normalmente distribuido a partir de la Relación del comportamiento de la demand
• Determinar la demanda diaria normalmente distribuida y sus varianzas para cada uno de los componentes del mot
• Determinar la demanda periódica normalmente distribuida del motor eléctrico.
• Determinar la varianza de la demanda periódica normalmente distribuida del motor eléctrico.
• Plantear el modelo de programación estocástica con restricciones aleatorias con solo un parámetro normalmente

La función objetivo.
Las restricciones.
El problema determinista.
3. Interpretar los resultados de los modelos de programación estocástica con restricciones aleatorias para la optimiz

Programación estocástica con restricciones aleato

parámetros normalmente distribui

Demanda Diaria Promedio Dd Varianza Demanda Diaria: σ2

(Unidades) (Unidades2)

2,367.88 525,021.43

COMPONENTES DEL DISPOSITIVO UNIDADES DEMANDA DIARIA NORMALMENTE DISTRIBU

ELECTRONICO POR COMPONENTE

Rotor C1 = 5 E{a11} =
Inductor C2 = 5 E{a12} =
Escobillas C3 = 20 E{a13} =

RELACIÓN DEL COMPORTAMIENTO DE LA DEMANDA

Demanda Periódica Promedio

Periodo Demanda Periódica (Unidades)
Dp (Unid.)
 Demanda Periódica Promedio
Periodo Demanda Periódica (Unidades)
Dp (Unid.)

1 67298 61,494.00
2 56391
3 68204
4 64404
5 68793
6 50532
7 62983
8 66921
9 59252
10 59170
11 61661
12 52319
TOTAL 737,928.00

NIVEL DE SIGNIFICANCIA 1
DISPOSITIVO UNIDADES DEL DISPOSITIVO
ELECTRONICO
α1 = 0.05
UD = 61091 K(α1) = 1.645

DEMANDA PERIODICA NORMALMENTE VARIANZA DE LA DEMANDA PERIODICA

DISTRIBUIDA NORMALMENTE DISTRIBUIDA
DISPOSITIVO PARAMETRO b2
ELECTRONICO
E{a] = 61,494.00 var{a} =

CON TODOS LOS PARAMETROS

69032.2

CON ALGUNOS DE LOS PARAMETROS

71144.1

COMPONENTES NIVEL DE
DEL MOTOR UNIDADES SIGNIFICANCIA 2
ELECTRICO α2

Rotor 3
Inductor 3 0.10
Escobillas 6
 Modelo de Programación estocástica con todos los parámetros normalmente distr

Modelo de Programación lineal separable con todos los parámetros normalmente di

Programación estocástica con restricciones aleator

parámetros normalmente distribui

Demanda Diaria Promedio Dd Varianza Demanda Diaria: σ2

(Unidades) (Unidades2)

2408 179,019.41
 COMPONENTES DEL DISPOSITIVO UNIDADES DEMANDA DIARIA NORMALMENTE DISTRIBU
ELECTRONICO POR COMPONENTE

Rotor C1 = 5 E{a11} =
Inductor C2 = 5 E{a12} =
Escobillas C3 = 20 E{a13} =

RELACIÓN DEL COMPORTAMIENTO DE LA DEMANDA

Demanda Periódica Promedio

Periodo Demanda Periódica (Unidades)
Dp (Unid.)

1 67298 61,494.00
2 56391
3 68204
4 64404
5 68793
6 50532
7 62983
8 66921
9 59252
10 59170
11 61661
12 52319
TOTAL 737,928.00

NIVEL DE SIGNIFICANCIA 1
DISPOSITIVO UNIDADES DEL DISPOSITIVO
ELECTRONICO α1 = 0.05
UD = 61091 K(α1) = 1.645

DEMANDA PERIODICA NORMALMENTE VARIANZA DE LA DEMANDA PERIODICA

DISPOSITIVO PARAMETRO b2 DISTRIBUIDA NORMALMENTE DISTRIBUIDA
ELECTRONICO
E{a] = 61,494.00 var{a} =
CON TODOS LOS PARAMETROS 69032.2
CON ALGUNOS DE LOS PARAMETROS 71144.1
COMPONENTES NIVEL DE
DEL MOTOR UNIDADES SIGNIFICANCIA 2
ELECTRICO α2
Rotor 3
0.10
Inductor 3 0.10
Escobillas 6

Modelo de Programación estocástica con todos los parámetros normalmente distr

Modelo de Programación lineal separable con todos los parámetros normalmente di

 e distribuido. Plantear un modelo de programación estocástica con restricciones
ción del comportamiento de la demanda, para lograr esto debe:
a cada uno de los componentes del motor eléctrico.
rico.
del motor eléctrico.
s con solo un parámetro normalmente distribuido, mediante:

restricciones aleatorias para la optimización de recursos.

distribuido. Plantear un modelo de programación estocástica con restricciones

ción del comportamiento de la demanda, para lograr esto debe:
a cada uno de los componentes del motor eléctrico.
rico.
del motor eléctrico.
s con solo un parámetro normalmente distribuido, mediante:

restricciones aleatorias para la optimización de recursos.

estricciones aleatorias con todos los

almente distribuidos

Desviación Estándar
Demanda Diaria: σ
(Unidades)
724.58

VARIANZA DE LA DEMANDA DIARIA

DEMANDA DIARIA NORMALMENTE DISTRIBUIDA NORMALMENTE DISTRIBUIDA POR
POR COMPONENTE COMPONENTE

11839.39 var{a11} = 2625107.16

11839.39 var{a12} = 2625107.16
47357.54 var{a13} = 10500428.65

Variación Cuadrática por Varianza Demanda

Periodo (Unidades) Periódica: σ2 (Unid.2)
 Variación Cuadrática por Varianza Demanda
Periodo (Unidades) Periódica: σ2 (Unid.2)

33,686,416.00 34,413,797.83
26,040,609.00
45,024,100.00
8,468,100.00
53,275,401.00
120,165,444.00
2,217,121.00
29,452,329.00
5,026,564.00
5,400,976.00
27,889.00
84,180,625.00
412,965,574.00

NIVEL DE SIGNIFICANCIA 2

α2 = 0.1
K(α2) = 1.285

VARIANZA DE LA DEMANDA PERIODICA

NORMALMENTE DISTRIBUIDA

34,413,797.83
parámetros normalmente distribuídos

s parámetros normalmente distribuídos

stricciones aleatorias con algunos de

almente distribuidos

Desviación Estándar
Demanda Diaria: σ
(Unidades)

423
 VARIANZA DE LA DEMANDA DIARIA
DEMANDA DIARIA NORMALMENTE DISTRIBUIDA NORMALMENTE DISTRIBUIDA POR
POR COMPONENTE
COMPONENTE

11839.39 var{a11} = 2625107.16

11839.39 var{a12} = 2625107.16
47357.54 var{a13} = 10500428.65

Variación Cuadrática por Varianza Demanda

Periodo (Unidades) Periódica: σ2 (Unid.2)

33,686,416.00 34,413,797.83
26,040,609.00
45,024,100.00
8,468,100.00
53,275,401.00
120,165,444.00
2,217,121.00
29,452,329.00
5,026,564.00
5,400,976.00
27,889.00
84,180,625.00
412,965,574.00

NIVEL DE SIGNIFICANCIA 2

α2 = 0.1
K(α2) = 1.285

VARIANZA DE LA DEMANDA PERIODICA

NORMALMENTE DISTRIBUIDA

34,413,797.83
parámetros normalmente distribuídos

s parámetros normalmente distribuídos

 Bibliografía

Hillier, F. y Lieberman, G. (2010). Introducción a la investigación de operaciones (pp. 725-7

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 (

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

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

Mesa, H. F. (Dirección). (2020). Tarea 3 - Modelos de Líneas de Espera [Película]. Recupe

el 2020, de https://youtu.be/gKT05qHMjFo

Mesa, H. F. (Dirección). (2020). Tarea 3 - Programación Estocástica [Película]. Recuperado

2020, de https://youtu.be/dnv08-FhHMk
gación de operaciones (pp. 725-737).
cuperado
ch.ebscohost.com/login.aspx?
e=eds-live 

eoría y aplicaciones económicas (pp.

se de Madrid. Recuperado
ader.action?

a [OVI]. Recuperado

estocástica [OVI]. Recuperado

eas de Espera [Película]. Recuperado

stocástica [Película]. Recuperado el