Documentos de Académico
Documentos de Profesional
Documentos de Cultura
www.wuolah.com/student/Anonymus4
7560
Reservados todos los derechos. No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su
totalidad.
a64b0469ff35958ef4ab887a898bd50bdfbbe91a-890288
PROBLEMA SIM1
Reservados todos los derechos. No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
% casos observados 13 33 35 19
Para hacer frente a esta demanda llega un trailer con una carga completa de 39 Tm de leña
con una frecuencia de entre 2 y 4 días (se estima que es igualmente probable que el trailer
tarde 2, 3 o 4 días). Esta cantidad permite atender la demanda media, sin embargo, la
variabilidad intrínseca de la demanda y del tiempo entre entregas hace que en ocasiones se
entre en rotura de inventario. En ese caso los clientes aceptan esperar y que se les entregue su
pedido más tarde, cuando haya llegado el siguiente trailer.
Este sistema resulta sencillo de gestionar, en la medida que no exige un control del nivel de
inventario, pero requiere mantener un stock de seguridad suficiente que, también por
simplicidad de la gestión, se limita a una compra extra antes de que comience el año. Esta
cantidad es precisamente la que se pretende determinar mediante la simulación. El coste de
almacenaje es CA=0,02u.m./(Tm*día). El coste de carencia CC, se valora en 20u.m. por día que
no se se haya podido atender toda la demanda. Para simplificar el análisis se supondrá que
tanto las llegadas de los trailers como la salidas de los camiones de los clientes se producen al
final del día (si llega un trailer, lo hace justo antes que las salidas de los camiones de los
clientes).
Se pide:
a) Crear un diagrama de flujo que represente el modelo de simulación descrito.
c) Estimar el coste medio y un intervalo de confianza para el coste medio, con confianza del
95%, para los siguientes valores obtenidos tras la realización de 10 repeticiones con un nivel
inicial de inventario de 60 Tm.
Repetición 1 2 3 4 5 6 7 8 9 10
Coste
total 1.174 849 1.542 1.169 5.390 1.416 527 1.827 6.432 1.057
anual
1
a64b0469ff35958ef4ab887a898bd50bdfbbe91a-890288
d) Estimar el coste medio y un intervalo de confianza para el coste medio, con confianza del
95%, para los siguientes valores obtenidos tras la realización de 20 repeticiones con el mismo
nivel de inventario del apartado anterior.
Repetición 1 2 3 4 5 6 7 8 9 10
Coste
total 1.068 2.945 2.534 1.120 2.387 1.103 896 491 5.951 1.044
anual
Repetición 11 12 13 14 15 16 17 18 19 20
Reservados todos los derechos. No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
Coste
total 884 2.722 1.421 1.026 655 937 1.296 736 5.479 1.233
anual
e) Estimar el coste medio y un intervalo de confianza para el coste medio, con confianza del
95%, para los siguientes valores obtenidos tras la realización de 30 repeticiones con el mismo
nivel de inventario del apartado anterior.
Repetición 1 2 3 4 5 6 7 8 9 10
Coste
total 1.026 770 6.640 6.204 1.060 2.101 2.318 1.095 970 5.559
anual
Repetición 11 12 13 14 15 16 17 18 19 20
Coste
total 969 1.294 1.030 1.982 978 1.305 1.128 1.063 4.506 1.227
anual
Repetición 21 22 23 24 25 326 27 28 29 30
Coste
total 1.090 3.819 1.072 1.167 1.627 4.428 756 1.303 2.158 721
anual
PROBLEMA SIM2
Un depósito puede almacenar 106 litros de agua y se vacía a una tasa constante de 10000 litros
diarios. La lluvia ocurre con una distribución exponencial con tasa media de un día de lluvia de
cada 10. La cantidad de agua que captura el depósito cada día que llueve está distribuida
normalmente con media 80000 litros y desviación típica 5000 litros.
Culmina la revolución del Big Data. Las empresas te están buscando en ESIC
a64b0469ff35958ef4ab887a898bd50bdfbbe91a-890288
PROBLEMA SIM3
Se sabe que la proporción de componentes defectuosos “p” en un lote es variable y que para
Reservados todos los derechos. No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
un lote específico se puede suponer que es igual a p=1 - (1- r)1/19, siendo r un número aleatorio
(variable aleatoria con distribución Uniforme (0,1)).
Se pide diseñar un experimento de simulación que permita determinar cuál es el coste medio
semanal asociado a este procedimiento de inspección. Se considerará como horizonte de
simulación 1 año.
Nota: simule de forma explícita el proceso de muestreo, calculando para cada pieza de la
muestra el valor de la variable aleatoria “defectuoso” en función de un número aleatorio.
PROBLEMA SIM4
Una empresa fabrica piezas para el sector del automóvil. La empresa recibe cada día a primera
hora los pedidos que debe entregar al día siguiente.
La sección de la planta para la que se realiza el estudio se encarga de dos tipos de piezas, A y B.
Ambas requieren el trabajo de un técnico en una máquina, sin embargo, la velocidad de
fabricación (VF) varía según el tipo de pieza: 3 piezas/hora para las de tipo A y 5 piezas/hora
para las de tipo B.
La sección trabaja con cuatro clientes diferentes que pueden o no hacer un pedido en un
determinado día. Se ha estudiado el número de pedidos recibidos en meses anteriores para
Culmina la revolución del Big Data. Las empresas te están buscando en ESIC
a64b0469ff35958ef4ab887a898bd50bdfbbe91a-890288
Reservados todos los derechos. No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
3 0.40
4 0.10
Cada pedido es homogéneo, esto es, está compuesto por un único tipo de pieza A o B.
Puesto que todos los clientes tienen una producción muy similar, se ha estimado que la
probabilidad de que demanden un pedido de piezas A o un pedido de piezas B es la misma
para todos los clientes e igual a P(pedido de piezas de tipo A)=0.3. Consiguientemente,
P(pedido de piezas de tipo B)=0.7.
El tamaño de los pedidos (TP) es también variable y sigue una distribución uniforme, variando
entre 50 y 100 piezas.
La jornada de trabajo es de 8 horas. Las horas adicionales empleadas se pagan a precio de hora
extra. Cada trabajador cobra 18000 euros al año y cada hora extra que trabaje supone un coste
de 10 euros/hora. El coste de anual de amortización de una máquina es 1200 euros.
Se pide:
El director de la línea de pintura de una fábrica de automóviles que produce 1000 vehículos al
día está planificando un rediseño de esa línea que realiza dos operaciones fundamentalmente:
somete a los vehículos a un baño de cataforesis y después les aplica la pintura del color que
corresponda según la orden de fabricación que acompaña al vehículo.
El modelo que actualmente se está produciendo se ofrece en tres colores diferentes (rojo,
verde y gris), pero no todos los vehículos son sometidos al baño de cataforesis. La información
sobre qué vehículo recibe baño de cataforesis también se encuentra en la orden de fabricación
que acompaña al vehículo. Se sabe que tanto el color como la aplicación o no del baño de
cataforesis siguen una cierta distribución probabilística, que se conoce.
4
a64b0469ff35958ef4ab887a898bd50bdfbbe91a-890288
Se conoce además que el tiempo que se tarda en completar el baño de cataforesis (TCAT) es
variable y se distribuye según una Normal de media 4 min. y desviación típica 1, es decir, N
(4,1), y que los tiempos de pintura son también variables y se distribuyen como sigue:
Para perfilar ese rediseño el Director ha decido encargar un estudio de simulación que le
ayude a conocer mejor el funcionamiento de su línea actual.
Reservados todos los derechos. No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
En particular desea conocer: el tiempo total de proceso diario y anual acumulado, el número
de baños de cataforesis aplicados diaria y anualmente y el número de vehículos producidos
diaria y anualmente de cada color.
Se pide realizar un diagrama de flujo del sistema descrito para la realización del mencionado
estudio de simulación.
Culmina la revolución del Big Data. Las empresas te están buscando en ESIC
a64b0469ff35958ef4ab887a898bd50bdfbbe91a-890288
SOLUCIONES
SIM 1
c)
Estim. Estim. Ancho
nº reps. media desv. típica t-student intervalo Ext. Inf Ext. Sup
10 2138 2035 2,26 1456 682 3594
d)
Estim. Estim. Ancho
nº reps. media desv. típica t-student intervalo Ext. Inf Ext. Sup
20 1796 1517 2,09 710 1086 2506
Reservados todos los derechos. No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
e)
Estim. Estim. Ancho
nº reps. media desv. típica t-student intervalo Ext. Inf Ext. Sup
30 2046 1713 2,05 640 1406 2685
Culmina la revolución del Big Data. Las empresas te están buscando en ESIC
a64b0469ff35958ef4ab887a898bd50bdfbbe91a-890288
SIM 1
i=día
Todas var.=0, excepto
NII=60 NAI=NII NII: Nivel inicial de inventario (1 enero)
SAL: Tn de carbón que salen cada día
INT: Intervalo de tiempo entre dos
Generar INT llegadas de tren
LLEG=INT LLEG: Día en que llegará el próximo
tren
NAI: Nivel actual de inventario
Reservados todos los derechos. No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
i=i+1
CCA: Coste de carencia acumulado
CAA: Coste de almacenamiento
no si acumulado.
NAI ≥ 0 CTA: Coste total acumulado
CCA=CCA+20 CAA=CAA+NAI*0.02
CTA=CCA+CAA
Generar SAL
NAI=NAI-SAL
no si
LLEG=i
NAI=NAI+39
GENERAR INT
LLEG=i+INT
no si
i ≥ 365 CTA ; NAI
Culmina la revolución del Big Data. Las empresas te están buscando en ESIC
a64b0469ff35958ef4ab887a898bd50bdfbbe91a-890288
SIM 2
i=día
Reservados todos los derechos. No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
excepto L=106
x=intervalo entre días lluviosos
Generar x
y=litros de lluvia capturados
en un día lluvioso
DLL=x
Se necesita F-1(x), siendo
i=i+1 F(x)=1–e-x/b, donde b=media
Despejado x, se ontiene:
L=L-10000 F-1(x)=x=-b·ln[1-F(x)]
si
L<0 L= 0
no
i=DLL
no si
Generar y; L=L+y
Generar x; DLL=i+x
no si
L > 106
L= 106
no si
i ≥ 365 L
a64b0469ff35958ef4ab887a898bd50bdfbbe91a-890288
SIM 3
i = i+1
Reservados todos los derechos. No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
Generar r
p=1-(1-r)1/19
n=n+1
Generar r
no
si
no
n≥5 r>p
si
x=1000*p
c=c+2*n+(10000-n)*1.5
c=c+2*5+x*20
no si
n=0 i ≥ 52 c/52
Culmina la revolución del Big Data. Las empresas te están buscando en ESIC
a64b0469ff35958ef4ab887a898bd50bdfbbe91a-890288
SIM 4
i=Día del año
HTAC=Horas de trabajo acumuladas en un día i
NPDR=Nº de pedidos que quedan por procesar
NPD=Nº de pedidos en un día
Todas var.=0, excepto NT=6,
NT=Nº de trabajadores
CA=NT*(1200+18000)
CA=Coste acumulado
VF=Velocidad de fabricación
TP=Tamaño del pedido i=i+1
Generar NPD
Reservados todos los derechos. No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
NPDR=NPD
NPDR=NPDR-1
HTAC=HTAC+TP/VF
Generar TP
Generar VF
si
NPDR>0
no
no
si
HTAC≤NT*8
CA=CA+(HTAC-NT*8)*10
HTAC=0
i ≥ 365 CA
no si
Culmina la revolución del Big Data. Las empresas te están buscando en ESIC
a64b0469ff35958ef4ab887a898bd50bdfbbe91a-890288
Reservados todos los derechos. No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
SI
TCOLR, TCOLV, TCOLG=Tiempo pintar color
N=Contador nº diario de vehículos
Generar TCAT
Generar COLOR
NO NO
COLOR=R COLOR=V
SI SI
Generar TCOLR Generar TCOLV Generar TCOLG
NO
N=0
SI
TPROC (i) = TPROC ; TPROCtot = TPROCtot + TPROC
NOPCAT (i) = NOPCAT ; NOPCATtot = NOPCATtot + NOPCAT
TPROC = NOPCAT=0
Culmina la revolución del Big Data. Las empresas te están buscando en ESIC