Tarea 2 – Solución de modelos probabilísticos de optimización

METODOS PROBABILISTICOS

ESTEFANÍA VILLA PÉREZ

GRUPO (104561_69)

TUTOR
ROGER RICARDO NEGRETE

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA.

VICERRECTORÍA ACADÉMICA Y DE INVESTIGACIÓN
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
INGENIERÍA INDUSTRIAL
SANTA MARTA 2021
 EJERCICIO 1.1 CON ESTIMACIÓN DE TIEMPO

TAREA 3 - SOLUCION DE MODELOS PROBABILISTICOS DE OPTIMIZACION

EJERCICIO 1 REVISION Y EVALUACION DE PROYECTOS

RELACION DEL PROYECTO DE AMPLIACION

TIEMPOS ESTIMADOS

ACTIVIDAD TIEMPO OPTIMISTA TIEMPO PESIMISTA

a b

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

4. Determinar las probabilidades asociadas de cada even

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

nza esperadas normalmente distribuidas.

MEDIA VARIANZA
NORMALME NORMALME
NTE NTE
DISTRIBUID DISTRIBUID
A A

2.5 4

3 3
6 6
8 6
15 13
21 19

para cada evento asociado a la distribución

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

es asociadas de cada evento.

2

MEDIA VARIANZA
NORMALME NORMALME PARAMETRO PROBABILIDA
NTE NTE K D P(Z)
DISTRIBUIDA DISTRIBUIDA

2.5 2 1.06066 85.43%

3
CONCLUSIÓN
3 0 50.00%
6 6 0 50.00%
8 6 -0.81650 20.90%
15 13 -0.55470 29.12% Se puede concluir con este ejercicio que la probabilidad
que se puede dar es de 85,43% para la ruta (0,1) y la pro
21 19 -0.45883 32.64% más baja es de 20,90% para la ruta (0,2,3,4)
1

3 5
 3 5

4
6

NCLUSIÓN

ejercicio que la probabilidad más alta

3% para la ruta (0,1) y la probabilidad
0,90% para la ruta (0,2,3,4)
 EJERCICIO 1.2. CON ESTIMACIÓN EXTRA DE TIEMPO

TAREA 3 - SOLUCION DE MODELOS PROBABILISTICOS DE OPTIMIZACION

EJERCICIO 1 REVISION Y EVALUACION DE PROYECTOS

RELACION DEL PROYECTO DE AMPLIACION

TIEMPOS ESTIMADOS

ACTIVIDAD TIEMPO OPTIMISTA TIEMPO PESIMISTA

a b

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

2. Determinar la media y varianza esperadas normalmen

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)

3. Determinar el parámetro K para cada evento asociado

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)

4. Determinar las probabilidades asociadas de cada even

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

varianza esperadas normalmente distribuidas.

TIEMPO DE MEDIA VARIANZA

TIEMPO DE INICIO TERMINACION MAS
MAS TARDIO
TARDIO NORMALMENTE NORMALMENTE
TIPj TTTi DISTRIBUIDA DISTRIBUIDA

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

tro K para cada evento asociado a la distribución normal.

TIEMPO DE
MEDIA VARIANZA
TERMINACION
NORMALMENTE NORMALMENTE PARAMETRO K
MAS TARDIO
DISTRIBUIDA DISTRIBUIDA
TTTi

4 2.9 2.0 0.79550

3 3.5 3.0 0
6 6.9 6.0 0
6 9.2 6.0 -1.30639
13 11.5 13.0 0.41603
19 17.5 19.0 0.34412

bilidades asociadas de cada evento.

TIEMPO DE
TERMINACION MEDIA VARIANZA
NORMALMENTE NORMALMENTE PARAMETRO K PROBABILIDAD P(Z)
MAS TARDIO
TTTi DISTRIBUIDA DISTRIBUIDA

4 2.9 2.0 0.79550 78.52%

3 3.5 3.0 0 50.00%
6 6.9 6.0 0 50.00%
6 9.2 6.0 -1.30639 9.68%
13 11.5 13.0 0.41603 65.91%
19 17.5 19.0 0.34412 63.31%
TIEMPO EXTRA-INDICE
MULTIPLICADOR

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

más alta que se puede

baja es de 9,68% para la
caso del ejercicio de
obabilidad máxima está
a está en la ruta (0,2,3,4)
 RELACION DE LA ESPERA

MODELO TASA DE LLEGADA

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

Se cumple ésta condición

Cantidad de clientes esperado 𝑳_𝒔=𝝆/(𝟏−𝝆) 𝑳_𝒔

Cant esperada de clientes en la fila 𝑳_𝒒

𝑳_𝒒=𝒍_𝒔−𝝆

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 estado 𝑷_𝒏=(𝟏−𝝆)∗𝝆^𝒏

Probabilidad de inactividad en la
instalación del servicio 𝑷_𝟎=(𝟏−𝝆) 𝑷_𝟎

La probabilidad que un cliente tenga

que esperar

La probabilidad de que el cliente 5 sea

atendido

La probabilidad de que al menos 10

clientes sean atendidos

Cantidad de clientes que puedan ser

atendidos el 90% de las veces

Con un 90% de probabilidad a 7 clientes.

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

TASA DE SERVICIO SERVIDORES TAMAÑO DEL SISTEMA

ꝏ
15.0850661741669 1
50

ꝏ
18.0455013390595 3
100

12.8447029703759 µ

CONDICIÓN DE ESTADO

𝝆 0.851484695001

MODELO DE LÍNEA DE ESPERA CON UN SOLO SERVIDOR

5.73331277 Cantidad esperada de clientes en el sistema

4.88182808 Cantidad esperada de clientes en fila

Tiempo estimado de espera en la fila

0.446356197204038
 Tiempo estimado de espera en el sistema
0.380065470437953

Probabilidad de Inactividad

Probabilidad de que un cliente tenga que esperar (1 - P0)

0.148515304999298

Probabilidad de que el cliente 5 sea atendido

0.851484695000702

Probabilidad de que por lo menos 10 clientes sean atendidos

0.066474555533319

Cantidad de clientes que puedan ser atendidos el 90% de las veces

0.829413245093683

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%

e determinó que el 79,01% de los

, este caso se observa cuando el
en el caso de cuando tenemos
lientes puedan ser atendidos el
tiendan los clientes es
 15.0850661741669

N SOLO SERVIDOR

de clientes en el sistema 0.9173434439

ada de clientes en fila 0.065900

do de espera en la fila
0.0051307323
 de espera en el sistema 0.071421459

ad de Inactividad 0.148515305

iente tenga que esperar (1 - P0) 0.851484695

e el cliente 5 sea atendido 0.0664745555

menos 10 clientes sean atendidos 0.8296412318

an ser atendidos el 90% de las veces 0.7998794427

Numero de clientes 9 clientes

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%

Con un 90% de probabilidad a 9 clientes.

mero de veces que se

la sumatoria, hasta que
ma del 90%

CON UN SERVIDOR N=50

Probabilidad de capacidad maxima en el sistema
CONCLUSION: En este ejercicio de linea de espera en varios servidores se determinó que el 89,02% de los
clientes pueden ser atendidos el 90% de las veces, este caso se observa cuando el modelo presenta una condición
de estado M/M/c con N = ∞. Mientras que en el caso de cuando tenemos una condición de estado con N = 100 la
cantidad que se obtuvo de que los clientes puedan ser atendidos el 90% de las veces es de 89,35% es decir, que la
probabilidad de que se atiendan los clientes es considerable.

COMPROBACION WINQSB

CON VARIOS SERVIDORES

 MODELO DE LINEA DE ESPERA VARIOS SERVI
Tasa de llegada λ 25.04002558
Tasa de servicio µ 18.04550134

Condicion de estado 1.38760487 ρ 0.34690122

Probabilidades de estado

𝑃_0 0.23453649 Probabilidad de Inactividad

𝐿_𝑞 0.16722482 Cantidad esperada de clientes en la fila

𝐿_𝑠 1.55482969 Cantidad esperada de clientes en el sistema

𝑊_𝑞 0.0066783 Tiempo estimado de espera en la fila

𝑊_𝑠 0.06209377 Tiempo estimado de espera en el sistema

〖 1−𝑃 〗 _0 0.76546351 Probabilidad de que un cliente tenga que e

𝑃_5 0.01005445 Probabilidad de que el cliente 5 sea atendido

𝑃_10 0.97968224 Probabilidad de que por lo menos 10 clien

𝑃_𝑛>90% 0.89021181 Cantidad de clientes que clientes que p

Numero de clientes 2 clientes

El número de clientes se encuentra el numero de veces que

celda del calculo de la sumatoria, hasta que la probabilidad e

Probabilidades de estado

𝑃_0 0.17135469 Probabilidad de Inactividad

 𝐿_𝑞 0.12217612 Cantidad esperada de clientes en la fila

𝐿_𝑠 1.96759961 Cantidad esperada de clientes en el sistema

〖 1−𝑃 〗 _0 0.82864531 Probabilidad de que un cliente tenga que esperar

𝑃_5 0.0044032 Probabilidad de que el cliente 5 sea atendido

𝑃_10 0.94685896 Probabilidad de que por lo menos 10 clientes sean

𝑃_𝑛>90% 0.89355116 Cantidad de clientes que clientes que pueden ser

Numero de clientes 2 Clientes

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

un cliente tenga que esperar

ente 5 sea atendido

por lo menos 10 clientes sean atendidos

ntes que clientes que pueden ser atendidos por lo menos el 90% de las veces

numero de veces que se repita la formula en la

a que la probabilidad este por encima del 90%

MODELO ( M/M/M):(DG/N/∞)
 es en la fila

es en el sistema

1.15457651
te tenga que esperar

e 5 sea atendido

menos 10 clientes sean atendidos

entes que pueden ser atendidos por lo menos el 90% de las veces

numero de veces que se repita la formula en la

a que la probabilidad este por encima del 90%

CON VARIOS SERVIDORES N=100

 TAREA 3 - SOLUCION DE MODELOS PROBABILISTICOS DE OP

EJERCICIO 3 MODELOS DE PROGRAMACION ESTOCA

RELACION DEL COMPORTAMIENTO DE LA DEMAN

DEMANDA PERIODICA (TAREA 2)

Periodo DEMANDA PERIODICA (Unidades)
1962334.02777778 1 61631
65872161.3611111 2 52114
17204521.3611111 3 64378
34949773.3611111 4 66142
377200.694444441 5 59616
7231617.3611111 6 57541
23080017.3611111 7 55426
45331044.6944445 8 66963
88475971.3611111 9 50824
10990330.0277778 10 56915
17279263.3611111 11 64387
43491826.6944445 12 66825

COMPONENTES DEMANDA DIARIA

DEL MOTOR UNIDADES NORMALMENTE DISTRIBUIDA
ELECTRICO POR COMPONENTE

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

CON TODOS LOS PARAMETROS NORMALMENTE DISTRIBUIDOS

 𝑀𝑎𝑥𝑍= 〖 5𝑥 〗 _1+ 〖 5𝑥 〗 _2+ 〖 20𝑥 〗 _3

Sujeto a: 10 〖 038,36𝑥 〗 _1+10038,36𝑥_2+40153,44𝑥_3+1,645𝑦≤

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

VARIANZA DE LA DEMANDA UNIDADES DEL MOTOR

DIARIA NORMALMENTE ELECTRICO
DISTRIBUIDA POR COMPONENTE UD

164928.732253086
164928.732253086 61549
659714.929012345

Parametro b2

CON TODOS LOS PARAMETROS 67231.6093940357

CON ALGUNOS PARAMETROS 69193.1030764114

ENTE DISTRIBUIDOS
+ 〖 20𝑥 〗 _3 𝑀𝑎𝑥𝑍= 〖 5𝑥 〗 _1+ 〖 5𝑥 〗 _2+ 〖 20𝑥 〗 _3

36𝑥_2+40153,44𝑥_3+1,645𝑦≤ 61549 Sujeto a: 10 〖 038,36𝑥 〗 _1 𝑥_1+"10" 〖 038,36𝑥 〗 _1 𝑥_2+40153,

_2^2+659714,92𝑥_3^2−𝑦^2≤61549 164928,73𝑥_1^2+"164928,73" 𝑥_2^2+659714,92𝑥_3^2−

roductora de motores eléctricos solicita conocer el

inductor y escobillas. Se plantea el modelo para la
) estos están ajustados a las diferentes restricciones
de los componentes electricos (rotor, inductor,
ón.
VARIANZA DE LA DEMANDA DIARIA DESVIACION TIPICA
32985.7464506173 181.619785405162

NIVEL DE SIGNIFICANCIA 1
α1

0.05

Media de la Demanda periodica Varianza de la Demanda periodica

normalmente distribuida: E{a} normalmente distribuida: var{a}

60230.1666666667 29687171.8055556

CON ALGUNOS PARAMETROS NORMALMENTE DISTRIBUIDOS

 𝑀𝑎𝑥𝑍= 〖 5𝑥 〗 _1+ 〖 5𝑥 〗 _2+ 〖 20𝑥 〗 _3

10 〖 038,36𝑥 〗 _1 𝑥_1+"10" 〖 038,36𝑥 〗 _1 𝑥_2+40153,44𝑥_3+1,645𝑦≤61549

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

olo servidor en WinQSB [OVI].

6/37804