Documentos de Académico
Documentos de Profesional
Documentos de Cultura
• Recolección de Datos
• Estudios de Tiempos
• Observaciones de campo
Paso1
• Datos Históricos
A.MADRID 1
MSP – LABORATORIO SIMULACIÓN
Caso 1 Cuando la Variable analizada sigue una distribución Normal → Se aplica la T - Student
𝑆 2
𝑛 = [ (𝑡 𝛼
( ,𝑛−1) )]
∈ 2
Donde
S=Desviación Estándar
= Error Permitido
n = Tamaño de la Corrida de Simulación
n = número de intervalos
Donde
S = Desviación Estándar
= Error Permitido
n = Tamaño de la Corrida de Simulación
A.MADRID 2
MSP – LABORATORIO SIMULACIÓN
Caso 1 Cuando la Variable analizada sigue una distribución Normal → Se aplica la T - Student
Donde
S = Desviación Estándar
= Error Permitido
n = Tamaño de la Corrida de Simulación
r = Número de Réplicas.
A.MADRID 3
MSP – LABORATORIO SIMULACIÓN
Determine lo siguiente:
a. Construya un modelo de simulación. Simule en Excel para 6 días de trabajo (48 horas,
8hr de trabajo por día)
b. Elabore un gráfico de estabilidad de la utilidad considerando las 48 horas simuladas. En
base al gráfico determinar si la ¿V.A. llegó a un estado estable?
c. Realizar la prueba de hipótesis a la Utilidad donde se verifique si sigue una distribución
normal (Prueba de Bondad de Ajuste)
d. Calcular el número de corridas necesarias para que el modelo se estabilice, en caso de
ser necesario, adecuar el modelo desarrollado en el inciso a). Considerar un nivel de
confianza del 95% y un error de S/. 2
e. Realice 5 réplicas del caso anterior y calcular el intervalo de confianza de la utilidad
esperada, considerando un nivel de confianza del 95%.
f. Conclusiones y recomendaciones.
A.MADRID 4
MSP – LABORATORIO SIMULACIÓN
Los Barcos pendientes de descarga (para el día siguiente) esta en función del total de barcos
a descargar menos la cantidad de barcos descargados. Determine el promedio de barcos
pendientes de descarga para el día siguiente.
a. Construya un Modelo de Simulación para 30 días de operación.
b. Elabore un gráfico de estabilidad de los barcos pendientes de descarga
considerando los 30 días de operación. En base al gráfico determinar si la ¿V.A. llegó
a un estado estable?
c. Realizar la prueba de hipótesis a de los barcos pendientes de descarga donde se
verifique si sigue una distribución normal (Prueba de Bondad de Ajuste)
d. Calcular el número de corridas necesarias para que el modelo se estabilice, en caso
de ser necesario, adecuar el modelo desarrollado en el inciso a). Considerar un nivel
de confianza del 95% y un error de 0.1 barcos
e. Si fuera necesario adecuar el Modelo de la pregunta a.
f. Realice 20 réplicas del modelo y calcular el intervalo de confianza, considerando un
nivel de confianza del 95%.
g. Conclusiones y recomendaciones.
A.MADRID 5
MSP – LABORATORIO SIMULACIÓN
La hora que finaliza la reparación es la suma del tiempo de reparación mas la hora que inicia la
reparación. (la hora que inicia la reparación inicial es la misma que la hora que se presenta la falla,
luego sera el máximo de la hora que finaliza y la hr que se presenta lafalla)
Los tiempos muertos de reparación de los generadores estan en función de la hora de inicio
de reparación menos hora en que se presenta la falla. Tome en cuenta elencabezado que
se presenta a continuación
A.MADRID 6
MSP – LABORATORIO SIMULACIÓN
CASO 4
Una empresa fabricante de saborizantes para producir refrescos, ha decidio abrir una nueva
sucursal. El Clima de la zona es muy variable.
Clima Caluroso
Litros vendidos /día 50 100 200 300
Probabilidad 10% 30% 40% 20%
Clima Templado
Litros vendidos /día 40 50 100 200
Probabilidad 10% 20% 40% 30%
Clima Frío
Litros vendidos /día 10 20 50 100
Probabilidad 5% 70% 20% 5%
Clima Helado
Litros vendidos /día 0 5 10 20
Probabilidad 5% 70% 20% 5%
A.MADRID 7
MSP – LABORATORIO SIMULACIÓN
A.MADRID 8
MSP – LABORATORIO SIMULACIÓN
Solución
Observaciones
GNV
A.MADRID 9
MSP – LABORATORIO SIMULACIÓN
Caso 6.
Proceso de ensamblaje e Inspección
Dos barras metálicas (Barra A y Barra B) son unidas mediante un proceso de soldadura para formar
una barra de mayor longitud. La longitud de la barra final tiene una especificación de 80 10cm. Se
requiere construir un modelo de simulación que permita estimar el porcentaje de piezas
defectuosas, para ello se miden 100 muestras de cada tipo de barra, cuyas pruebas de bondad de
ajuste indican que las medidas de dichas barras siguen las siguientes distribuciones.
Variable
Tipo Distribución Parámetros
Aleatoria
Media de la Mínimo = 45
Continua Uniforme
Barra A (cm) Máximo = 55
Parámetro de
Media de la
Continua Erlang Forma = 4
Barra B (cm)
Valor Esperado =30
A.MADRID 10
MSP – LABORATORIO SIMULACIÓN
Caso 7
Simulación Modelo de Inventario
A.MADRID 11