METODOS PROBABILISTICOS

Tarea 3 - Solución de modelos probabilisticos de optimización

Presentado por:

Juan Carlos Posada

Grupo:

Presentado a:

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

UNAD
2022
 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 TIEMPO MAS PROBABLE

a b m

0, 1 1 2 1.7
0, 2 2 8 4
1, 3 1 3 2
2, 3 1 11 1.5
2, 4 0.5 7.5 1
3, 4 1 7 2.5
3, 6 1 3 2
4, 5 6 8 7
4, 6 3 11 4
5, 6 4 8 6

TIEMPO DE INICIO TIEMPO DE TERMINACION

EVENTO RUTA MAS TARDIO MAS TARDIO
TIPj TTTi

1 (0, 1) 1 1.7
2 (0, 2) 2 4
3 (0, 2, 3) 3 5.5
4 (0, 2, 3, 4) 4 8
5 (0, 2, 3, 4, 5) 10 15
6 (0, 2, 3, 4, 5, 6) 14 21

Nota: Para generar y actualizar los datos oprima f9, fn+f9 o ctrl+alt+f9
 Estimación ext
RELACION DEL PROYECTO DE AMPLIACION

TIEMPOS ESTIMADOS

ACTIVIDAD
TIEMPO OPTIMISTA TIEMPO PESIMISTA TIEMPO MAS PROBABLE
a b m

0, 1 1.26 2.52 2.142

0, 2 2.52 10.08 5.04
1, 3 1.26 3.78 2.52
2, 3 1.26 13.86 1.89
2, 4 0.63 9.45 1.26
3, 4 1.26 8.82 3.15
3, 6 1.26 3.78 2.52
4, 5 7.56 10.08 8.82
4, 6 3.78 13.86 5.04
5, 6 5.04 10.08 7.56

TIEMPO DE INICIO TIEMPO DE TERMINACION

EVENTO RUTA MAS TARDIO MAS TARDIO
TIPj TTTi

1 (0, 1) 1.26 2.52

2 (0, 2) 2.52 10.08
3 (0, 2, 3) 3.78 23.94
4 (0, 2, 3, 4) 5.04 32.76
5 (0, 2, 3, 4, 5) 12.6 42.84
6 (0, 2, 3, 4, 5, 6) 17.64 52.92

Nota: Para generar y actualizar los datos oprima f9, fn+f9 o ctrl+alt+f9
 La Estación principal de Servicio Terpel de la ciudad de Bogotá ha propuesto un proyecto de am
línea de servicio. En la Relación del proyecto de ampliación, se presentan algunas actividade
ACION prestados) y sus tiempos estimados. Se encomienda al analista de negocio, revisar y evaluar este
optimizar la duración de los servicios prestados. Ayuda al analista de negocio a optimizar el
realizando lo siguiente:

Usando Modelo de revisión y evaluación de proyectos con estimación de tiempos y

extra de tiempo.

Determinar media y varianza de los tiempos estimados mediante la distribu

TIEMPO EXTRA
indice MEDIA VARIANZA
multiplicador

1.63333333 0.02777778
4.33333333 1
2 0.11111111
3 2.77777778
2 1.36111111
1.26
3 1
2 0.11111111
7 0.11111111
5 1.77777778
6 0.44444444

Determinar la media y varianza esperadas normalmente distribuida

Determinar el parámetro K para cada evento asociado a la distribución n
Determinar las probabilidades asociadas de cada evento.

MEDIA VARIANZA k PROBABILIDAD

1.63333333 0.02777778 0.4 0.6554 65.5%

4.33333333 1 -0.33333333 0.3707 36.9%
7.33333333 3.77777778 -0.94324222 0.1711 17.3%
10.3333333 4.77777778 -1.06748999 0.1423 14.3%
17.3333333 4.88888889 -1.05528971 0.1445 14.6%
23.3333333 5.33333333 -1.01036297 0.1586 15.6%
TABLA FORMULA
lt+f9
timación extra de tiempo
Usando Modelo de revisión y evaluación de proyectos con estimación de tiempos y
extra de tiempo.

Determinar media y varianza de los tiempos estimados mediante la distribu

TIEMPO EXTRA
indice MEDIA VARIANZA
multiplicador

2.058 0.0441
5.46 1.5876
2.52 0.1764
3.78 4.41
2.52 2.1609
1.26
3.78 1.5876
2.52 0.1764
8.82 0.1764
6.3 2.8224
7.56 0.7056

Determinar la media y varianza esperadas normalmente distribuida

Determinar el parámetro K para cada evento asociado a la distribución n
Determinar las probabilidades asociadas de cada evento.

MEDIA VARIANZA k PROBABILIDAD

2.058 0.0441 2.2 0.9866 98.6%

5.46 1.5876 3.66666667 1 100.0%
9.24 5.9976 6.00245048 1 100.0%
13.02 7.5852 7.16743281 1 100.0%
21.84 7.7616 7.53778361 1 100.0%
29.4 8.4672 8.08290377 1 100.0%
TABLA FORMULA
lt+f9
uesto un proyecto de ampliación en su
ntan algunas actividades (servicios
io, revisar y evaluar este proyecto para
e negocio a optimizar el proyecto,

imación de tiempos y estimación

mediante la distribución Beta.

almente distribuidas.
o a la distribución normal.
de cada evento.
imación de tiempos y estimación

mediante la distribución Beta.

almente distribuidas.
o a la distribución normal.
de cada evento.
 TAREA 3 - SOLUCION DE MODELOS PROBABILISTICOS DE O

EJERCICIO 2 MODELOS DE LINEAS DE ESPERA

RELACION DE LA ESPERA

TASA DE LLEGADA TASA DE SERVICIO

MODELO
λ μ

M/M/1:DG/ꝏ/ꝏ
14.76 18.24
M/M/1:DG/N/ꝏ

M/M/C:DG/ꝏ/ꝏ
29.97 18.96
M/M/C:DG/N/ꝏ

CONDICIÓN DE ESTADO: p: λ / μ

MEDIDAS DE DESEMPEÑO:

MEDIDA ESPERADA DE CLIENTES EN EL SISTEMA: Ls:p/(1-p)

MEDIDA ESPERADA DE CLIENTES EN LA FILA: Lq:(p^2)/(1-p)

TIEMPO ESTIMADO DE ESPERA EN EL SISTEMA: Ws: (1)/(μ*(1-p))

TIEMPO ESTIMADO DE ESPERA EN LA FILA: Wq: (p)/(μ*(1-p))

 PROBABILISTICOS DE OPTIMIZACION
La Estación principal de Servic
S DE LINEAS DE ESPERA requiere determinar la espera
extra, de forma aleatoria ha tom
DE LA ESPERA operarios en la atención de los
Relación de la espera. Se enc
conocer las medidas de desem
SERVIDORES TAMAÑO DEL SISTEMA de espera para optimizar la esp
los siguient

ꝏ
1
25

ꝏ
4
50

0.809210526315789 PROBABIL

O: LA PROBABILIDAD QUE NO HAYAN CLIENTE

4.2414 P0=(1-p) 0.19078947

P1=(1-p)*p 0.15438885
3.4322 P0+P1 34.5%

0.2874
LA PROBABILIDAD DE QUE UN CLIENTE TTE
0.2325 1-P0=1-(1-p) 0.80921053
80.9%

LA PROBABILIDAD DE QUE HAYA 5 CLIENTE

P6=(1-p)*(p^6) 0.05357023
5.36%

LA PROBABILIDAD DE QUE HAYA 10 CLIENT

Pn=(1-p)*pn

0 0.19078947
1 0.15438885
2 0.12493308
3 0.10109717
4 0.08180889
5 0.06620062
6 0.05357023
7 0.0433496
 8 0.03507895
9 0.02838626
10 0.02297046
11 0.01858794
SUMA 0.9211615
92%
 a Estación principal de Servicio Terpel de la ciudad de Bogotá
equiere determinar la espera en la línea de venta de gasolina
extra, de forma aleatoria ha tomado los tiempos que duran los
operarios en la atención de los clientes, lo cual almacena en la
Relación de la espera. Se encomienda al analista del negocio
onocer las medidas de desempeño mediante modelos de línea
e espera para optimizar la espera y les encarga la solución de
los siguientes aspectos:

PROBABILIDADES

D QUE NO HAYAN CLIENTES EN LA FILA P0+P1

Hay un 34,5% de probabilidad de que no haya clientes en la fila

D DE QUE UN CLIENTE TTENGA QUE ESPERAR

Hay un 80,9% de probabilidad que un cliente tenga que esperar al llegar a la estación de servicio

D DE QUE HAYA 5 CLIENTES EN LA FILA

Tenemos una probabilidad de 5,36% de que hayan exactamente 5 clientes en la fila.

D DE QUE HAYA 10 CLIENTES O MENOS EN LA FILA

Tenemos 92% de probabilidad de que hayan 10 clientes o menos en la fila.
ción de servicio
 TAREA 3 - SOLUCION DE MODELOS PROBABILISTICOS DE O

EJERCICIO 2 MODELOS DE LINEAS DE ESPERA

RELACION DE LA ESPERA

TASA DE LLEGADA TASA DE SERVICIO

MODELO
λ μ

M/M/1:DG/ꝏ/ꝏ
14.76 18.24
M/M/1:DG/N/ꝏ

M/M/C:DG/ꝏ/ꝏ
29.97 18.96
M/M/C:DG/N/ꝏ

CONDICIÓN DE ESTADO: p: λ / μ

MEDIDAS DE DESEMPEÑO:

MEDIDA ESPERADA DE CLIENTES EN EL SISTEMA: Ls:

MEDIDA ESPERADA DE CLIENTES EN LA FILA: Lq:

TIEMPO ESTIMADO DE ESPERA EN EL SISTEMA: Ws:

TIEMPO ESTIMADO DE ESPERA EN LA FILA: Wq:

λef
 PROBABILISTICOS DE OPTIMIZACION
La Estación principal de Servic
S DE LINEAS DE ESPERA requiere determinar la espera
extra, de forma aleatoria ha tom
DE LA ESPERA operarios en la atención de los
Relación de la espera. Se enc
conocer las medidas de desem
SERVIDORES TAMAÑO DEL SISTEMA de espera para optimizar la esp
los siguient

ꝏ PN= 0.00096353
1
25 0.10%
Probabilidad de que todo el siste
ꝏ
4
50

0.8092 PROB

E DESEMPEÑO: LA PROBABILIDAD QUE NO HAYAN CLIENTE

4.1351 P0= 0.19156917

P1= 0.15501979
3.3267 P0+P1 34.7%

0.2804
LA PROBABILIDAD DE QUE UN CLIENTE TTE
0.2256 1-P0= 0.80843083
80.84%
14.7458

LA PROBABILIDAD DE QUE HAYA 5 CLIENTE

P6= 0.05378916
5.38%

LA PROBABILIDAD DE QUE HAYA 10 CLIENT

Pn=

0 0.19157
1 0.15502
2 0.12544
3 0.10151
4 0.08214
5 0.06647
6 0.05379
7 0.04353
 8 0.03522
9 0.02850
10 0.02306
11 0.01866
SUMA 0.924926
92%
 a Estación principal de Servicio Terpel de la ciudad de Bogotá
equiere determinar la espera en la línea de venta de gasolina
extra, de forma aleatoria ha tomado los tiempos que duran los
operarios en la atención de los clientes, lo cual almacena en la
Relación de la espera. Se encomienda al analista del negocio
onocer las medidas de desempeño mediante modelos de línea
e espera para optimizar la espera y les encarga la solución de
los siguientes aspectos:

obabilidad de que todo el sistema esté lleno (25)

PROBABILIDADES

D QUE NO HAYAN CLIENTES EN LA FILA P0+P1

Hay un 34,7% de probabilidad de que no haya clientes en la fila

D DE QUE UN CLIENTE TTENGA QUE ESPERAR

Hay un 80,8% de probabilidad que un cliente tenga que esperar al llegar a la estación de servicio

D DE QUE HAYA 5 CLIENTES EN LA FILA

Tenemos una probabilidad de 5,38% de que hayan exactamente 5 clientes en la fila.

D DE QUE HAYA 10 CLIENTES O MENOS EN LA FILA

Tenemos 92% de probabilidad de que hayan 10 clientes o menos en la fila.
ción de servicio
 TAREA 3 - SOLUCION DE MODELOS PROBABILISTICOS DE O

EJERCICIO 2 MODELOS DE LINEAS DE ESPERA

RELACION DE LA ESPERA

TASA DE LLEGADA TASA DE SERVICIO

MODELO
λ μ

M/M/1:DG/ꝏ/ꝏ
14.76 18.24
M/M/1:DG/N/ꝏ

M/M/C:DG/ꝏ/ꝏ
29.97 18.96
M/M/C:DG/N/ꝏ

CONDICIÓN DE ESTADO: p: λ / μ
FACTOR DE USO
MEDIDAS DE DESEMPEÑO:

MEDIDA ESPERADA DE CLIENTES EN EL SISTEMA: Ls:

MEDIDA ESPERADA DE CLIENTES EN LA FILA: Lq:

TIEMPO ESTIMADO DE ESPERA EN EL SISTEMA: Ws:

TIEMPO ESTIMADO DE ESPERA EN LA FILA: Wq:

 PROBABILISTICOS DE OPTIMIZACION

S DE LINEAS DE ESPERA La Estación principal de Serv

requiere determinar la espera e
DE LA ESPERA de forma aleatoria ha tomado lo
la atención de los clientes, lo
espera. Se encomienda al anal
SERVIDORES TAMAÑO DEL SISTEMA de desempeño mediante model
la espera y les encarga la so

ꝏ 0 1
1
25 1 1.580696202532

ꝏ
4
50

1.5807 PROBAB
0.3952
E DESEMPEÑO: LA PROBABILIDAD QUE NO HAYAN CLIE
P0= 0.203320885987
1.6378 P1= 0.321388552374
P2= 0.254008832138
0.0571 P3= 0.133836932123
P4= 0.052888882591
0.0546 P0+P1+P2+P3+P4= 0.965444085213
96.5%
0.0019

LA PROBABILIDAD DE QUE UN CLIENTE

0.087444797378
8.7%

LA PROBABILIDAD DE QUE HAYA 5 CLIE

0.000509690436
0.05%

LA PROBABILIDAD DE QUE HAYA 10 CLIE

Pn=(1-p)*pn

0 0.203320885987
1 0.321388552374
2 0.254008832138
3 0.133836932123
 4 0.052888882591
5 0.020900313967
6 0.00825926173
7 0.003263845913
8 0.00128978721
9 0.000509690436
10 0.000201416434
11 7.95945482E-05
12 3.14537E-05
13 1.2429686E-05
14 4.91188938E-06
SUMA 0.9999967907
99.9997%
 Estación principal de Servicio Terpel de la ciudad de Bogotá
ere determinar la espera en la línea de venta de gasolina extra,
ma aleatoria ha tomado los tiempos que duran los operarios en
tención de los clientes, lo cual almacena en la Relación de la
a. Se encomienda al analista del negocio conocer las medidas
sempeño mediante modelos de línea de espera para optimizar
espera y les encarga la solución de los siguientes aspectos:

2 3 SUMA
1.24930024 0.65825472 4.48825116 0.43008271 4.91833387
Po 0.20332089

PROBABILIDADES

QUE NO HAYAN CLIENTES EN LA FILA P0+P1

0
1
2
3
4

Hay un 96,5 % de probabilidad de que no haya clientes en la fila

DE QUE UN CLIENTE TTENGA QUE ESPERAR

Hay un 8,7% de probabilidad que un cliente tenga que esperar al llegar a la estación de servicio

DE QUE HAYA 5 CLIENTES EN LA FILA n=9

Tenemos una probabilidad de 0,05% de que hayan exactamente 5 clientes en la fila, 9 en sistema

DE QUE HAYA 10 CLIENTES O MENOS EN LA FILA

Tenemos 99.99% de probabilidad de que hayan 10 clientes o menos en la fila.
ón de servicio

la, 9 en sistema
 TAREA 3 - SOLUCION DE MODELOS PROBABILISTICOS DE O

EJERCICIO 2 MODELOS DE LINEAS DE ESPERA

RELACION DE LA ESPERA

TASA DE LLEGADA TASA DE SERVICIO

MODELO
λ μ

M/M/1:DG/ꝏ/ꝏ
14.76 18.24
M/M/1:DG/N/ꝏ

M/M/C:DG/ꝏ/ꝏ
29.97 18.96
M/M/C:DG/N/ꝏ

CONDICIÓN DE ESTADO: p: λ / μ
FACTOR DE USO
MEDIDAS DE DESEMPEÑO:

MEDIDA ESPERADA DE CLIENTES EN EL SISTEMA: Ls:

MEDIDA ESPERADA DE CLIENTES EN LA FILA: Lq:

TIEMPO ESTIMADO DE ESPERA EN EL SISTEMA: Ws:

TIEMPO ESTIMADO DE ESPERA EN LA FILA: Wq:

λef
 PROBABILISTICOS DE OPTIMIZACION

S DE LINEAS DE ESPERA La Estación principal de Servic

requiere determinar la espera
DE LA ESPERA extra, de forma aleatoria ha tom
operarios en la atención de los
Relación de la espera. Se enc
SERVIDORES TAMAÑO DEL SISTEMA conocer las medidas de desem
de espera para optimizar la esp
los siguient

ꝏ 0 1
1
25 1 1.5806962

ꝏ FILA
4
50 46

1.5807 PRO
0.3952
E DESEMPEÑO: LA PROBABILIDAD QUE NO HAYAN CLIE
P0= 0.20332089
1.6378 P1= 0.32138855
P2= 0.25400883
0.0571 P3= 0.13383693
P4= 0.05288888
0.0546 P0+P1+P2+P3+P4= 0.96544409
96.5%
0.0019

LA PROBABILIDAD DE QUE UN CLIENTE

29.9700 1-p 0.0874448
8.7%

LA PROBABILIDAD DE QUE HAYA 5 CLIE

p9 0.00050969
0.05%

LA PROBABILIDAD DE QUE HAYA 10 CLIE

Pn=(1-p)*pn

0 0.20332089
1 0.32138855
2 0.25400883
 3 0.13383693
4 0.05288888
5 0.02090031
6 0.00825926
7 0.00326385
8 0.00128979
9 0.00050969
10 0.00020142
11 7.9595E-05
12 3.1454E-05
13 1.243E-05
14 4.9119E-06
SUMA 0.9999968
99.9997%
 a Estación principal de Servicio Terpel de la ciudad de Bogotá
equiere determinar la espera en la línea de venta de gasolina
extra, de forma aleatoria ha tomado los tiempos que duran los
operarios en la atención de los clientes, lo cual almacena en la
Relación de la espera. Se encomienda al analista del negocio
onocer las medidas de desempeño mediante modelos de línea
e espera para optimizar la espera y les encarga la solución de
los siguientes aspectos:

2 3 SUMA
1.24930024 0.65825472 4.48825116 0.43008271 4.9183338698701
Po 0.2033208859866
Po 20%
P50 1.498413399E-20
0.0000%
PROBABILIDADES

AD QUE NO HAYAN CLIENTES EN LA FILA P0+P1

0
1
2
3
4

Hay un 96,5 % de probabilidad de que no haya clientes en la fila

AD DE QUE UN CLIENTE TTENGA QUE ESPERAR

Hay un 8,7% de probabilidad que un cliente tenga que esperar al llegar a la estación de servicio

AD DE QUE HAYA 5 CLIENTES EN LA FILA n=9

Tenemos una probabilidad de 0,05% de que hayan exactamente 5 clientes en la fila, 9 en sistema

AD DE QUE HAYA 10 CLIENTES O MENOS EN LA FILA

Tenemos 99.99% de probabilidad de que hayan 10 clientes o menos en la fila.
en sistema
 TAREA 3 - SOLUCION DE MODELOS PROBABILISTICOS DE OPTIM

EJERCICIO 3 MODELOS DE PROGRAMACION ESTOCASTIC

RELACION DEL COMPORTAMIENTO DE LA DEMANDA

DEMANDA PERIODICA (TAREA 2)

Periodo DEMANDA PERIODICA (Unidades)
1
2
3
4
5
6
7
8
9
10
11
12

COMPONENTES DE UNIDADES POR DEMANDA DIARIA NORMALMENTE

LA GASOLINA GALON DISTRIBUIDA POR COMPONENTE

PETROLEO 94 Determinda en el Ejercicio 3 Tarea 2

BENCENO 5 Modelo de inventario EOQ
PLOMO 1 probabilizado

Parametro b2
COMPONENTES DE NIVEL DE SIGNIFICANCIA 2
UNIDADES
LA GASOLINA α2

PETROLEO 93
BENCENO 5 0.2
PLOMO 2

DEMANDA DIARIA NORMALMENTE DISTRIBUIDA

 MEDIA DE LA
COMPONENTES DE DEMANDA DIARIA VARIANZA DE LA DEMANDA DIARIA
0 LA GASOLINA Dd
7343.74 270919.70

COMPONENTES DE UNIDADES POR DEMANDA DIARIA NORMALMENTE DISTRIBUID

LA GASOLINA GALON COMPONENTE

X1 PETROLEO 94 690311.561719172
X2 BENCENO 5 36718.7000914453
X3 PLOMO 1 7343.74001828906

Determinar la demanda periódica normalmente distribuida. Determinar la varianza de la de

DEMANDA
PERIODO DATOS VARIANZA
PERIODICA
1 6721.00 387805.130378654
2 7162.46 32861.4262750371
3 7593.02 62139.2554818456
4 7892.64 301295.260585606
5 8008.49 441897.428429953
6 7847.20 253469.728779058
7 7572.26 52219.8618060741
8 7395.42 2670.83206744832
9 6881.62 213557.714521745
10 6363.29 961280.359525832

Plantear el modelo de programación estocástica con restricciones aleatorias con un solo

distribuidos, mediante: La función objetivo. Las restricciones. El problema determinista.

CON TODOS LOS PARAMETROS

PARAMETRO b2
CON ALGUNOS DE LOS PARAMETROS

NIVEL DE
a2=0,2
SIGNIFICANCIA

COMPONENTES PARAMETRO k NIVEL DE

DE LA GASOLINA SIGNIFICANCIA 2
 985 0.85

TODOS LOS PARAMETROS:

ALGUNOS DE LOS PARAMETROS:

ILISTICOS DE OPTIMIZACION
La Estación principal de Servicio Terpel d
corriente de acuerdo al comportamie
ACION ESTOCASTICA comportamiento de la demanda, encomien
para optimizar la venta y le encarga enco
O DE LA DEMANDA modelo de programación estocástica con re
parámetros normalmente distribuidos a pa

VARIANZA DE LA
NIVEL DE
DEMANDA DIARIA UNIDADES DE GALONES
SIGNIFICANCIA 1
NORMALMENTE DE GASOLINA
DISTRIBUIDA POR UD
α1
COMPONENTE

Determinada en el
Ejercicio 3 Tarea 2
Modelo de 985 0.1
inventario EOQ
probabilizado

IBUIDA
 DESVIACIÓN TIPICA
DE LA DEMANA
DIARIA
520.50

VARIANZA DE LA NIVEL DE
UNIDADES DE
DEMANDA DIARIA SIGNIFICA
LMENTE DISTRIBUIDA POR GALONES DE
NORMALMENTE NCIA 1
ONENTE GASOLINA
DISTRIBUIDA POR
UD
COMPONENTE α1

25466451.7798018
1354598.49892563 985 0.1
270919.699785125

ar la varianza de la demanda periódica normalmente distribuida.

MEDIA DE LA DEMANDA PERIODICA

7343.74

VARIANZA DE LA DEMANDA PERIODICA

270919.699785125

eatorias con un solo parámetro y luego con todos los parámetros normalmente
blema determinista.

7786.16456902596
8015.18433646624

a1=0,1

PARAMETRO k
NIVELDE
SIGNIFICANCIA 1
 1.29

MaxZ= 94x1+5x2+x3 para α1

Sujeto a:
690311x1+36718x2+7343x3+1,29y<=985

25466451(x^1)1+1354598(x^2)2+270919(x^3)3-(y^2)=0

93x1+5x2+2x3<=7786 para α2

x1,x2,x3,y >=0

MaxZ= 94x1+5x2+x3 para α1

Sujeto a:
690311x1+36718x2+7343x3+1,29y<=985

25466451(x^1)1+1354598(x^2)2+270919(x^3)3-(y^2)=0

93x1+5x2+2x3<=8015 para α2

x1,x2,x3,y >=0
principal de Servicio Terpel de la ciudad de Bogotá desea optimizar la venta de gasolina
e de acuerdo al comportamiento de la demanda que se presenta en la Relación del
nto de la demanda, encomienda al analista aplicar modelos de programación estocástica
ar la venta y le encarga encontrar la solución de los siguientes aspectos: 5 Plantear un
gramación estocástica con restricciones aleatorias con un solo parámetro y con todos los
ormalmente distribuidos a partir de la Relación del comportamiento de la demanda, para
lograr esto debe:
 EJERCICIO 3. inventario EOQ pro
TAREA 2 - SOLUCION DE MODELOS PROBABILISTICOS DE DECISION

EJERCICIO 3 MODELOS DE INVENTARIOS PROBABILISTICOS

RELACION DEL INVENTARIO

COSTO DE
COSTO DE
PREPARAC
TIEMPO DE RETENCIO
REFERENC DEMANDA ION POR
PERIODO ESPERA N
IA PERIODICA PEDIDO
(dias) UNITARIO
($)
($)

1 6721.00
2 7162.46
3 7593.02
4 7892.64
Gasolina 5 8008.49
8 $ 20,574 $ 1,136
corriente 6 7847.20
7 7572.26
8 7395.42
9 6881.62
10 6363.29

DEMANDA
DEL 73437.40
PERIODO

• Determinar la cantidad óptima de gasolina, la demanda diaria normalmente distribuida, la varianza de la demanda

CANTIDAD
OPTIMA
1630.96 MEDIA 7343.74
DEL
PEDIDO
• Determinar el tamaño de las existencias de reserva.

MEDIA
DURANTE
DESV L 1472.19 58749.92
TIEMPO DE
ESPERA

• Determinar la política del inventario óptimo.

CUANDO EL NIVEL DE INVENTARIO SE REDUZCA A 61171.68 GALONES DE GASOLINA

• Comprobar los resultados utilizando el software de optimización WinQSB.

ventario EOQ probabilizado
DE DECISION
El administrador de la estación de servicio, le solicita al analista quedeterm
ILISTICOS que deben contar para poder atender la próxima demanda y así cumplir co
analista a responder al administrador realizand

COSTO
POR
FALTANTE
UNITARIO
($)

$ 2,990

buida, la varianza de la demanda diaria normalmente distribuida.

DESVIACIO
VARIANZA DE LA
N 520.50
DEMANDA DIARIA
ESTANDAR

1 387805.13
2 32861.43
3 62139.26
4 301295.26
5 441897.43
6 253469.73
7 52219.86
8 2670.83
9 213557.71
10 961280.36
 VARIANZA 270919.70

TAMAÑO
K 1.65 B 2421.76 DE LA
RESERVA

1.68 GALONES DE GASOLINA, DEBEMOS HACER UN NUEVO PEDIDO DE 1630.96 GALONES DE GASOLINA
o, le solicita al analista quedetermine la cantidad de gasolina corriente con la
róxima demanda y así cumplir con la política del inventario óptimo. Ayude al
ponder al administrador realizando lo siguiente:
 NIVEL DE
INVENTARI 61171.68
O

96 GALONES DE GASOLINA
 Referencias

Medios Probabilisticos UNAD. (11 de 11 de 2022). Web conferencia Tarea 3 Ejercicio 2 Parte II.
Youtube. Obtenido de https://www.youtube.com/watch?v=uvxTFNg1WSg

Metodos probabilisticos UNAD. (28 de 10 de 2022). WebConferencia Tarea 3 Ejercicio 1. Youtube.

Obtenido de https://www.youtube.com/watch?v=f9R3MQ-EWHY

Metodos probabilisticos UNAD. (10 de 11 de 2022). Webconferencia Tarea 3 Ejercicio 2 Parte I.

Youtube. Obtenido de https://www.youtube.com/watch?v=f9R3MQ-EWHY

Metodos Probabilisticos UNAD. (18 de 11 de 2022). Webconferencia Tarea 3 Ejercicio 3. Youtube.

Obtenido de https://www.youtube.com/watch?v=2HfBLlSBy80