Documentos de Académico
Documentos de Profesional
Documentos de Cultura
METODOS PROBABILISTICOS
TUTOR
ROGER RICARDO NEGRETE
TIEMPOS ESTIMADOS
0, 1 1 2
0, 2 2 8
1, 3 1 3
2, 3 1 11
2, 4 0.5 7.5
3, 5 1 7
3, 6 1 3
4, 5 6 8
4, 6 3 11
5, 6 4 8
TIEMPO DE INICIO
EVENTO RUTA MAS TARDIO
TIPj
1 (0, 1) 2
2 (0, 2) 3
3 (0, 2, 3) 6
4 (0, 2, 3, 4) 6
5 (0, 2, 3, 4, 5) 13
6 (0, 2, 3, 4, 5, 6) 19
Nota: Para generar y actualizar los datos oprima f9, fn+f9 o ctrl+alt+f9
ÓN DE TIEMPO
1. Determinar media y varianza de los tiempos estimado
distribución Beta.
ILISTICOS DE OPTIMIZACION
TIEMPOS ESTIMADOS
ON DE PROYECTOS ACTIVIDAD TIEMPO
TIEMPO
(i,j) OPTIMISTA a PESIMISTA b
AMPLIACION 0.1 1 2
0.2 2 8
TIEMPOS ESTIMADOS 1.3 1 3
TIEMPO EXTRA
TIEMPO MAS PROBABLE m
indice 2.3 1 11
multiplicador
2.4 0.5 7.5
3 3.5 1 7
2 3.6 1 3
2 4.5 6 8
1.5 4.6 3 11
1 5.6 4 8
2.5
2
1.15 2. Determinar la media y varianza esperadas normalmen
7
4
TIEMPO DE
TERMINACI
6 EVENTO RUTA ON MAS
TARDIO
TTTi
1 (0, 1) 4
TIEMPO DE TERMINACION
MAS TARDIO
TTTi 2 (0, 2) 3
4 3 (0, 2, 3) 6
3 4 (0, 2, 3, 4) 6
6 5 (0, 2, 3, 4, 5) 13
6 6 (0, 2, 3, 4, 5, 6) 19
13
19 3. Determinar el parámetro K para cada evento asociado
normal.
prima f9, fn+f9 o ctrl+alt+f9
TIEMPO DE
TERMINACIO
N MAS
EVENTO RUTA TARDIO
TTTi
1 (0, 1) 4
2 (0, 2) 3
3 (0, 2, 3) 6
4 (0, 2, 3, 4) 6
5 (0, 2, 3, 4, 5) 13
6 (0, 2, 3, 4, 5, 6) 19
TIEMPO DE
TERMINACIO
EVENTO RUTA N MAS
TARDIO
TTTi
1 (0, 1) 4
2 (0, 2) 3
3 (0, 2, 3) 6
4 (0, 2, 3, 4) 6
5 (0, 2, 3, 4, 5) 13
6 (0, 2, 3, 4, 5, 6) 19
a de los tiempos estimados mediante la
OS ESTIMADOS
MEDIA VARIANZA
TIEMPO EXTRA-INDICE
TIEMPO MÁS MULTIPLICADOR
PROBBLE m
3 2.5 0.0 1.15
2 3 1.0
2 2 0.1
1.5 3 2.8
1 2 1.4
2.5 3 1.0
2 2 0.1
7 7 0.1
4 5 1.8
6 6 0.4
MEDIA VARIANZA
NORMALME NORMALME
NTE NTE
DISTRIBUID DISTRIBUID
A A
2.5 4
3 3
6 6
8 6
15 13
21 19
MEDIA VARIANZA
NORMALME NORMALME PARAMETRO
NTE NTE K
DISTRIBUIDA DISTRIBUIDA 1
2.5 2 1.06066
3 3 0
6 6 0
8 6 -0.81650
15 13 -0.55470 0
21 19 -0.45883
MEDIA VARIANZA
NORMALME NORMALME PARAMETRO PROBABILIDA
NTE NTE K D P(Z)
DISTRIBUIDA DISTRIBUIDA
3 5
3 5
4
6
NCLUSIÓN
TIEMPOS ESTIMADOS
0, 1 1 2
0, 2 2 8
1, 3 1 3
2, 3 1 11
2, 4 0.5 7.5
3, 5 1 7
3, 6 1 3
4, 5 6 8
4, 6 3 11
5, 6 4 8
TIEMPO DE INICIO
EVENTO RUTA MAS TARDIO
TIPj
1 (0, 1) 2
2 (0, 2) 3
3 (0, 2, 3) 6
4 (0, 2, 3, 4) 6
5 (0, 2, 3, 4, 5) 13
6 (0, 2, 3, 4, 5, 6) 19
Nota: Para generar y actualizar los datos oprima f9, fn+f9 o ctrl+alt+f9
EXTRA DE TIEMPO
1. Determinar media y varianza de los tiempos estimado
ILISTICOS DE OPTIMIZACION
TIEMPOS ESTIMADO
ON DE PROYECTOS
ACTIVIDAD (i,j) TIEMPO OPTIMISTA a
AMPLIACION 0.1 1
0.2 2
TIEMPOS ESTIMADOS 1.3 1
TIEMPO EXTRA
TIEMPO MAS PROBABLE m
indice 2.3 1
multiplicador
2.4 0.5
3 3.5 1
2 3.6 1
2 4.5 6
1.5 4.6 3
1 5.6 4
2.5 1.15
2 TIEMPOS ESTIMADO
7 ACTIVIDAD (i,j)
TIEMPO OPTIMISTA a
4
6 0.1 1.2
0.2 2.3
TIEMPO DE TERMINACION
MAS TARDIO 1.3
TTTi 1.2
4 2.3 1.2
3 2.4 0.6
6 3.5 1.2
6 3.6 1.2
13 4.5 6.9
19 4.6 3.5
5.6 4.6
prima f9, fn+f9 o ctrl+alt+f9
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)
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)
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)
arianza de los tiempos estimados mediante la distribución Beta.
TIEMPOS ESTIMADOS
MEDIA VARIANZA
TIEMPO PESIMISTA b TIEMPO MÁS PROBBLE
m
2 3 2.5 0.0
8 2 3 1.0
3 2 2 0.1
11 1.5 3 2.8
7.5 1 2 1.4
7 2.5 3 1.0
3 2 2 0.1
8 7 7 0.1
11 4 5 1.8
8 6 6 0.4
TIEMPOS ESTIMADOS
MEDIA VARIANZA
TIEMPO MÁS PROBBLE
TIEMPO PESIMISTA b m
2.3 3.5 2.9 0.0
9.2 2.3 3.5 1.3
2.3 0.1
3.5 2.3
12.7 1.7 3.5 3.7
8.6 1.2 2.3 1.8
8.1 2.9 3.5 1.3
3.5 2.3 2.3 0.1
9.2 8.1 8.1 0.1
12.7 4.6 5.8 2.4
9.2 6.9 6.9 0.6
2 4 2.9 2
3 3 3.5 3
6 6 6.9 6
6 6 9.2 6
13 13 11.5 13
19 19 17.5 19
TIEMPO DE
MEDIA VARIANZA
TERMINACION
NORMALMENTE NORMALMENTE PARAMETRO K
MAS TARDIO
DISTRIBUIDA DISTRIBUIDA
TTTi
TIEMPO DE
TERMINACION MEDIA VARIANZA
NORMALMENTE NORMALMENTE PARAMETRO K PROBABILIDAD P(Z)
MAS TARDIO
TTTi DISTRIBUIDA DISTRIBUIDA
1.15
3
0
2 4
CONCLUSIÓN
Se puede concluir con este ejercicio que la probabilidad más alta que se puede
dar es de 78,52% para la ruta (0,1) y la probabilidad más baja es de 9,68% para la
ruta (0,2,3,4). Se observa que las probabilidades en el caso del ejercicio de
proyecto y el de proyecto de ampliación en ambos la probabilidad máxima está
en la ruta (0,1) para el evento 1 y la probabilidad minima está en la ruta (0,2,3,4)
para el eventeo 4.
5
6
M/M/1:DG/ꝏ/ꝏ
12.8447029703759
M/M/1:DG/N/ꝏ
M/M/C:DG/ꝏ/ꝏ
25.040025579416
M/M/C:DG/N/ꝏ
𝜌=𝜆/𝜇
𝑾_𝑺=𝑳_𝒔/𝜆
Tiempo esperado en el sistema 𝑾_𝑺
𝑾_𝒒=𝑳_𝒒/𝜆
𝑾_𝒒=𝑳_𝒒/𝜆
Tiempo de espera en la fila 𝑾_𝒒
Probabilidad de inactividad en la
instalación del servicio 𝑷_𝟎=(𝟏−𝝆) 𝑷_𝟎
CONCLUSION: En este ejercicio de linea de espera en un solo servidor se determinó que el 79,01% de los
clientes pueden ser atendidos el 90% de las veces esto es para 7 clientes, este caso se observa cuando el
modelo presenta una condición estable M/M/1 con N = ∞. Mientras que en el caso de cuando tenemos
una condición de estado con N = 50 la cantidad que se obtuvo de que 9 clientes puedan ser atendidos el
90% de las veces es de 79,98% es decir, que la probabilidad de que se atiendan los clientes es
considerable.
COMPROBACION WINQSB
CON UN SERVIDOR
CON UN SERVIDOR N=50
RELACION DE LA ESPERA
ꝏ
15.0850661741669 1
50
ꝏ
18.0455013390595 3
100
12.8447029703759 µ
CONDICIÓN DE ESTADO
𝝆 0.851484695001
Probabilidad de Inactividad
0.790152997372331
El número de clientes se encuentra el numero de veces que se
repita la formula en la celda del calculo de la sumatoria, hasta que la
probabilidad este por encima del 90%
N SOLO SERVIDOR
do de espera en la fila
0.0051307323
de espera en el sistema 0.071421459
ad de Inactividad 0.148515305
entra el numero de veces que se El número de clientes se encuentra el numero de veces que se
l calculo de la sumatoria, hasta que la repita la formula en la celda del calculo de la sumatoria, hasta que
el 90% la probabilidad este por encima del 90%
12.8440871 Tasa efectiva de llegada 0.000047944
La probabilidad que el cliente 10
seaatendido es del 82,96%
COMPROBACION WINQSB
Probabilidades de estado
Probabilidades de estado
Con un 90% de
probabilidad atienden a 2 El número de clientes se encuentra el numero de veces que
clientes celda del calculo de la sumatoria, hasta que la probabilidad e
89,02% de los
resenta una condición
stado con N = 100 la
89,35% es decir, que la
E ESPERA VARIOS SERVIDORES
Se cumple la condición
clientes en la fila
ientes en el sistema
pera en el sistema
ntes que clientes que pueden ser atendidos por lo menos el 90% de las veces
MODELO ( M/M/M):(DG/N/∞)
es en la fila
es en el sistema
1.15457651
te tenga que esperar
e 5 sea atendido
entes que pueden ser atendidos por lo menos el 90% de las veces
Rotor 5 10038.3611111111
Inductor 5 10038.3611111111
Escobillas 20 40153.4444444445
Parametro b2
COMPONENTES
NIVEL DE SIGNIFICANCIA 2
DEL MOTOR UNIDADES
α2
ELECTRICO
Rotor 3
0.10
Inductor 3
Escobillas 6
164928,73𝑥_1^2+164928,73𝑥_2^2+659714,92𝑥_3^2−𝑦^2≤
3𝑥_1+3𝑥_2+6𝑥_3≤67231,60
𝑥_1,𝑥_2,𝑥_3,𝑦≤𝑏_2
CONCLUSION: Finalmente se puede concluir con el ejercicio que la compañía productora de motores eléctrico
movimiento y mantenimiento de los bienes tangibles que en este caso son el rotor, inductor y escobillas. Se plant
maximización de la producción de los bienes tangibles (rotor, inductor, escobillas) estos están ajustados a las dif
que corresponden a las varianzas y medias normalmente distribuidas en cada uno de los componentes electricos (
escobillas) y estas restriciones son menores o iguales a las unidades de la producción.
PROBABILISTICOS DE OPTIMIZACION
ROGRAMACION ESTOCASTICA
TAMIENTO DE LA DEMANDA
PERIODICA (TAREA 2)
(Unidades)
DEMANDA DIARIA
MOTOR ELECTRICO 2007.67222222222
164928.732253086
164928.732253086 61549
659714.929012345
Parametro b2
ENTE DISTRIBUIDOS
+ 〖 20𝑥 〗 _3 𝑀𝑎𝑥𝑍= 〖 5𝑥 〗 _1+ 〖 5𝑥 〗 _2+ 〖 20𝑥 〗 _3
NIVEL DE SIGNIFICANCIA 1
α1
0.05
60230.1666666667 29687171.8055556
164928,73𝑥_1^2+"164928,73" 𝑥_2^2+659714,92𝑥_3^2−𝑦^2≤61549
3𝑥_1+3𝑥_2+6𝑥_3≤69193,10
𝑥_1,𝑥_2,𝑥_3,𝑦≤𝑏_2
BIBLIOGRAFÍA
Taha, H. (2017). Investigación de operaciones (pp.751-754). México, México: Editorial Pearson Educación. Rec
de https://www-ebooks7-24-com.bibliotecavirtual.unad.edu.co/?il=6959
Rojas, A. y Negrete, R. (2020). Solución del modelo de líneas de espera con un solo servidor en WinQSB [O
Recuperado de https://repository.unad.edu.co/handle/10596/37804
l Pearson Educación. Recuperado
o/?il=6959