Documentos de Académico
Documentos de Profesional
Documentos de Cultura
TAREA 4
APORTE INDIVIDUAL
PRESENTADO POR:
7921048
TUTOR :
ANNERYS SANCHEZ
GRUPO 15
UNIVERSIDAD NACIONAL
ABIERTA Y A DISTANCIA
UNAD
Análisis del modelo de ajuste para distribución de tiempo de llegada vs modelo de ajust
* Probar la hipótesis que los tiempos entre llegadas representan una distribución exponencial con un nivel de confianza del 95% mediante
𝑥_(5, 0.05)^2
para 𝑥_(7−1−1, 0.05)^2
N-K-1 4
1-α 0.05
e= 2.718281828
Interpretacion de resultados: Con un nivel de confianza del 95%, podemos determinar mediante los tiempos de la línea
exponencialmente distribuidos, mientras que los tiempor de servicios se ajustan a la
onencial con un nivel de confianza del 95% mediante la Prueba de Bondad de Ajuste Distribución X2.
N-K-1 3
1-α 0.05
< 7.8147
a la hipotesis alterna y es que los datos no se ajustan a una frecuencia exponencial teorica
dada
0.126849894291755
N=6
λ= 0.126849894291755
< 9.4877
que los datos se ajustan a una frecuencia exponencial teorica dada
os determinar mediante los tiempos de la línea de ensamble que para los tiempos de llegada los datos no son
ras que los tiempor de servicios se ajustan a la frecuencia exponencial dada
Recomendaciones
Se propone revisar el aporte para efectos de evaluación que constituye disponer de un indicador de desempeño
simple vs modelo de pronóstico suavización exponencial
:
Coeficiente de Suavizacion
0.1538
Pronostico
1 No existe
2 66972.00
3 65163.31
4 65559.91
5 65183.73
6 65430.62
7 63123.83
8 64016.05
9 64425.61
10 64979.35
11 64694.92
12 63939.01
13 62634.63
exponencial Doble
MANDA REAL
PRIMERA
SUAVIZACION PRONOSTICO
PRONOSTICO AJUSTADO
66972 No existe
68597 71030
71266 71907
72646 74379
73928 75226
72160 76109
72480 73126
72237 73247
71975 72693
70814 72211
68953 70620
66279 68246
64967
o a la demanda real que se muestra en la grafica, estara en un rango constante de entre 61000 a 6800 y en el
do, aunque la tendencia baje en cada periodad el pronostico futuro se mantendra en un rango constante de
crecimiento en los primeros 12 periodos
Recomendaciones
uye disponer de un indicador de desempeño adicional MAPE
3. Análisis del modelo de inventario EOQ probabilizado vs modelo de inventario E
1 7018
2 7061
3 7181
4 7222
5 7264
6 La política de inventario 7121 unidades siempre que el
óptimo (de reserva) nivel del inventario se
7 requiere pedir 7127 reduzca a
8 7100
9 7076
10 6998
11 6879
12 6712
Analisis de resultados: para los 12 periodos la politoca de inventario probabilizado, las cantidades de pedido varian entre
inventario una cantidad de 12799 unidades, cuando se trata del inventario con faltantes optima exige pedir 25
c. Análisis de la toma de decisiones en cuanto al movimiento y mantenim
Con los resultados obtenidos se debe manejar los inventarios según le Modelo de inventario EOQ probabilístico con faltantes
d. Recomendaciones
Dado que el analisis del Modelo de inventario EOQ probabilístico con faltantes da resultados más exacto lo ideal es tener en c
s modelo de inventario EOQ probabilístico con faltantes:
Nivel del
inventario
B + µl
12799
N FALTANTES
parametro R
2533.95
2533.96
2534.01
2534.03
2534.05
2533.99
UNIDADES
2533.99
2533.98
2533.97
2533.94
2533.88
2533.81
ades de pedido varian entre 6700 y 7200 unidades, dentro del cual deben tener siempre en el
tantes optima exige pedir 2533 unidades como minimo en produccion por periodo
al movimiento y mantenimiento del producto
probabilístico con faltantes
ndaciones
exacto lo ideal es tener en cuenta este análisis
4. Análisis del modelo de revisión y evaluación de proyectos con estimación de tiempos vs m
proyectos con estimación extra de tiempos
TIEMPOS ESTIMADOS
Varianza
Media Normalmente
EVENTO RUTA Normalmente
distribuida
Distribuida
1 (0, 1) 3.28036546612422 0.047825767072624
2 (0, 2) 3.93643855934907 1.72172761461446
3 (0, 2, 3) 7.87287711869813 6.50430432187686
4 (0, 2, 3, 4) 10.4971694915975 8.84776690843543
5 (0, 2, 3, 4, 5) 19.6821927967453 10.5694945230499
6 (0, 2, 3, 4, 5, 6) 27.5550699154435 13.6303436156978
TIEMPO DE
Varianza
TERMINACION MAS Media Normalmente
EVENTO RUTA Normalmente
TARDIO distribuida
Distribuida
TTTi
1 (0, 1) 4 3.28036546612422 0.047825767072624
2 (0, 2) 3 3.93643855934907 1.72172761461446
3 (0, 2, 3) 6 7.87287711869813 6.50430432187686
4 (0, 2, 3, 4) 6 10.4971694915975 8.84776690843543
5 (0, 2, 3, 4, 5) 13 19.6821927967453 10.5694945230499
6 (0, 2, 3, 4, 5, 6) 19 27.5550699154435 13.6303436156978
Analisis de Resultados
Dada la informacion de las probabilidades obtenidas se puede determinar que la mejor ruta opara el inicio del proyecto de am
99% y se determina que el evento menos favorable para iniciar el proyecto es el evento 6 con una p
d. Recomendaciones.
Dado que el algoritmo se despliega por medio de intervalos probabilísticos, considerando tiempos optimistas, probables y
Modelo de revisión y evaluación de proyectos con estimación de tiempos
ación de tiempos vs modelo de revisión y evaluación de
ra de tiempos
Varianza
0.047825767072624
1.72172761461446
0.191303068290496
4.7825767072624
2.34346258655857
1.72172761461446
0.191303068290496
0.191303068290496
3.06084909264793
0.765212273161983
as.
normal.
Parametro K Probabilidad
3.29064493563593 99.90%
-0.713669383045508 23.89%
-0.734359736710991 23.27%
-1.51189774541944 6.55%
-2.05537889529098 2.02%
-2.31723543423543 1.04%
.
mpos optimistas, probables y pesimistas se sugiere mantener el diseño del
con estimación de tiempos
5. Análisis de los modelos de líneas de espera con un solo servidor vs modelos de líneas de esp
servidores:
Cantidad esperada de clientes en la fila 𝑳_𝒒=𝑳_𝒔−𝝆 𝑳_𝒒= 3.41136616 Cantidad esperada de clientes e
cuando en los modelos de linea de espera hay un solo servidor el tiempo de atencion es cosiderable, mientras que para os m
esto hace que el tiempo de espera deminuya considerablementelos tiempos de produccion y la probabilidad que el c
d. Recomendaciones
Un servidor - limite 50
antidad de clientes esperado
4.21862979
robabilidad de estado
es
varios servidores
6. Análisis del modelo con restricciones aleatorias con todos los parámetros normalmente dist
restricciones aleatorias con solo un parámetro normalmente distribuido
La solución que entrega la resolución de un modelo determinista que considera reemplazar los parámetros alea
por su valor esperado, puede ser infactible para un escenario en particular
el objetivo del modelo está proyectado para hallar la maximización para la fabricación de los productos en este c
motores eléctricos , ajustando las restricciones que corresponden a varianza y medias normales , las cuale
distribuimos para cada uno de los componentes del mismo , lo que lleva a que estas sean mayores o iguales a
unidades limitantes
d. Recomendaciones.
La solución derivada de esta forma puede no ser particularidad de la realidad, al no pensar la dispersión de los v
que toman los parámetros en torno al valor esperado, lo cual entre otras cosas puede anular su ejecución al im
finalmente escenarios muy diferentes del promedio
etros normalmente distribuidos vs modelo con
normalmente distribuido
4𝟕𝟓𝟒𝟒𝒙_𝟏^𝟐+𝟒𝟕𝟓𝟒𝟒𝒙_𝟐^𝟐+𝟏𝟗𝟎𝟏𝟕𝟖𝒙_𝟑^𝟐−𝒚^𝟐=𝟎
cción.