PASO 4- MODELAR Y SIMULAR SISTEMAS INDUSTRIALES CON BASE TEORÍA

DE COLAS

Estudiante:
SAÚL ALEJANDRO AGUILAR MARTÍNEZ
CC:1081924005
CEL: 3126151768

Curso:
MODELO Y SIMULACIÓN

Skype:
ALEJANDROSAM00@OUTLOOK.COM

Presentado a:
NIDIA STELLA RINCON PARRA

Programa:
INGENIERIA INDUSTRIAL

Código: 212026_20

Fecha de entrega:
MAYO DE 2022

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD

ESCUELA DE CIENCIAS BASICAS, TECNOLOGIA E INGENIERIA
VICERRECTORIA ACADEMICA Y DE INVESTIGACIÓN
PLATO MAGDALENA
TALLER – LABORATORIO 3: MODELOS DE COLAS Y SIMULACIÓN

Actividad 1

1. ¿Por qué a veces se le llama a la simulación una técnica de último recurso?

La simulación es una herramienta muy importante en el campo de la ingeniería que nos
permite determinar y visualizar el comportamiento de los procesos a través de un modelo
virtual, con esto hacemos el respectivo análisis y nos anticipamos a los resultados reales,
decimos que a veces es una técnica de último recurso porque podemos utilizarla para
verificar y buscar soluciones a problemas existentes en los procesos.
2. ¿Qué papeles cumplen las pruebas de hipótesis estadística en la simulación?
La prueba de hipótesis nos sirve a la hora de tomar una decisión de acuerdo al problema que
estemos realizando y a los datos que hayamos suministrado en la resolución de este,
podemos rechazarla o no y esta se divide en hipótesis nula y alternativa, por lo tanto, dentro
de la simulación estas pruebas cumplen un papel fundamental en la obtención del resultado
final.
3. ¿Qué determina la validez de un modelo de simulación?
La validez en los modelos de simulación se da para verificar que estos modelos matemáticos
cumplan los requisitos y que el código este funcionando correctamente, la idea es evitar y
corregir todos los posibles errores que se puedan presentar a la hora de realizar una
simulación.
4. ¿Se debe usar una computadora para obtener información adecuada de una
simulación? Explique.
Es muy importante el uso de una computadora para realizar una simulación debido a la
eficiencia en los resultados que se obtienen ya que estos modelos de simulación son
programas especializados para poner a prueba y corregir problemas que se puedan presentar
a la hora de realizar un proceso real.
5. ¿Qué métodos se usan para incrementar el tiempo en un modelo de simulación?
¿Cómo funcionan?
Se tiene dos métodos para incrementar el tiempo
Incremento de tiempo fijo: este es considerado un intervalo fijo de tiempo y el estado del
modelo se comprueba después de transcurrido cada uno de los incrementos constantes.
Incremento de tiempo variable: para este método las comprobaciones y modificaciones de
las variables afectadas se realizarán solo después de la ocurrencia de un evento, el
incremento de tiempo es variable, va desde la ocurrencia de un evento hasta otro.
 6. ¿Cuáles son las ventajas y desventajas de empezar una simulación con el
sistema vacío? ¿Y con el sistema en equilibrio?

7. Distinga entre las distribuciones matemáticas conocidas y las distribuciones

empíricas.
Es la distribución real de un sujeto o una opción, y mide las posibilidades reales e
individuales, sobre la medición de la puntuación directa del sujeto, o de una opción de la
cual se ha medido la frecuencia de ocurrencia, por otro lado, se le llama distribución teórica
o matemática a una distribución que se deriva de ciertos principios o suposiciones por
razonamiento lógico y matemático, en oposición a una derivada de datos del mundo real
obtenidos por investigación empírica.
8. ¿Qué información se necesita para una simulación con una distribución
matemática conocida?
Lo primero que se debe hacer como en todos los casos es recoger la información, los datos
que son claves para la realización de la simulación de esta forma e identificando la demanda
procedemos a realizar la simulación con una distribución matemática conocida.
9. ¿Por qué es importante en la simulación la duración de la ejecución?
Es importante la duración del tiempo en que se realiza una simulación y esta depende de la
complejidad por la cantidad de variables que interactúan en la muestra y en los datos
suministrados, y lo que se busca es realizar un proceso valido con información real para
solucionar una problemática, entonces no importa que el proceso sea demorado siempre y
cuando obtengamos buenos resultados.
10. ¿Una ejecución de 100 observaciones es dos veces más válida que una de 50?
Explique.
Podemos decir que si puesto que se estarían duplicando el número de observaciones por lo
que se detectarían más situaciones y con esto un respectivo análisis.

11. Describa que son los números aleatorios y como se utilizan en la simulación.

Los números aleatorios son esos los cuales se obtienen al azar y cada uno tiene la
misma probabilidad de ser escogidos, estos números se generan debido a los
algoritmos computacionales y son muy importante en la simulación como
herramienta para predecir y obtener resultados.

12. Investigue para la modelación las principales herramientas de software

utilizadas.
Dentro de las herramientas más usadas para la modelación encontramos las siguientes.
  Intecplan
 OnScale Solve
 Matlab
 AnyLogic
 Unreal Engine
 Fusion 360
 SimScale
 Simul8
 Flexim
 CAEplex
 Volta
 Xfeature
 Siman
 Eslam
 Extended
 Process model
 Simfac tory

13. Del texto MODELADO Y SIMULACIÓN: APLICACIÓN A PROCESOS

LOGÍSTICOS DE FABRICACIÓN Y SERVICIOS, describa cuales son las
fases de un estudio y proyecto de simulación. El archivo en Investigar en
diferentes fuentes establecidas en el syllabus orientado a la unidad 3. La etapa
de la simulación y hacer una descripción de cada una de estas.
Se tomó como referencia a Richard B, F Robert y Nicholas J (2006) para analizar las fases
de un estudio y proyecto de simulación
Definición del problema: se trata de especificar los objetivos e identificar las variables
relevantes pueden ser controlables o no, con base a esto se hace el respectivo estudio.
Construir el modelo: teniendo la información establecida se pasa a diseñar dicho modelo,
este modelo de simulación se realiza conforme a la necesidad de cada situación o de cada
problema.
Especificar valores de variables y parámetros: como paso principal en la elaboración de
un modelo de simulación esta en determinar las propiedades reales que deben ser fijas,
parámetros y las que varían en la ejecución que son las variables.
Ejecutar la simulación: esta tiene que ver con el tiempo en que se desarrolla el proyecto y
esta depende del propósito y complejidad de la simulación.
Evaluar resultados: se evalúan los resultados obtenidos de la simulación y este depende en
que tanto refleja el modelo al sistema real o el diseño del modelo en sentido estadístico.
Validación: se comprueba que el modelo de simulación este funcionando correctamente y
que no haya inconvenientes con el código de programación.
Proponer experimento nuevo: teniendo los resultados se propone a realizar un nuevo
diseño de simulación cambiando los parámetros, reglas, variables y tiempos de ejecución.

Actividad 2
Desarrollar en un archivo de Excel los siguientes ejercicios, los cuales se presentarán en el
informe de Word mediante pantallazos y los respectivos análisis en cada punto.
1. Establecer un listado de 1000 números aleatorios en una columna, establecer una gráfica
de tipo dispersión en un cuadro de dialogo explique sus características.
Para la realización de los siguientes ejercicios usamos la herramienta Excel

Análisis: Como podemos observar tenemos un diagrama de dispersión de un listado de 1000

números aleatorios, al establecer su respectiva grafica vemos un comportamiento aleatorio y unos
datos totalmente dispersos y desordenados.

2. Establecer tres columnas de 200 números aleatorios aplicando un tratamiento según

fórmula de Excel para comportamiento NORMAL, EXPONENCIAL Y UNIFORME
graficar cada columna. Teniendo en cuenta para los correspondientes casos los
siguientes datos: Media=50; Desviación Estándar =5; Para la uniforme de un rango de 1
a 50.
Para este ejercicio tenemos 200 números aleatorios y vamos encontrar los distintos tipos de
distribución.
Distribución normal

Media Distribución estándar

50 5

Distribución exponencial

Media
 50

Distribución uniforme

Lim.inferior Lim.superior
50 1
3. Desarrollar el siguiente caso estableciendo una simulación en Excel: Se desea simular la
llegada y descarga de barcos en un muelle para determinar el número promedio de
barcos que se retrasan para ser descargados al siguiente día, los datos para realizar la
simulación son los siguientes:
Considerando un valor (Alfa = 0.10); y un error de 0,5 barcos.
Determine:
a. Modelo de simulación de 30 días de operación incluyendo gráfico de estabilidad.
Lo primero que debemos tener en cuenta es que para este modelo de simulación es esta
operación la realizamos 30 días al mes, para eso y con ayuda de Excel realizamos la tabla
con los respectivos datos, en esta tenemos la cantidad de barcos del día anterior, utilizando
los números aleatorios y la fórmula de Excel buscar v obtenemos la columna con los datos
establecidos, de igual manera usando los números aleatorios tenemos la cantidad de barcos
que llegan por día al muelle, ahora sumando la cantidad de barcos del día anterior con los
barcos que llegan por días tenemos el total de barcos descargados. Después utilizando una
formula obtenemos la cantidad de barcos descargados, ahora para saber los barcos que
quedan pendientes para el día siguiente restamos el total menos la cantidad de barcos
descargados.

Barcos que
Barcos que
llegan por Probabilidad DE A
llegan por dia
dia
0 15% 0 0.15 0
1 18% 0.15 0.3 1
2 14% 0.3 0.48 2
3 21% 0.48 0.62 3
4 18% 0.62 0.83 4
5 14% 0.83 1 5
 Barcos
Barcos descargados
Probabilidad DE A descargados
por dia
por dia
1 7% 0 0.07 1
2 13% 0.07 0.14 2
3 45% 0.14 0.27 3
4 22% 0.27 0.72 4
5 13% 0.72 0.94 5

Cantiad de
Cantidad de Barcos
Numero Barcos que Numero barcos Total de barcos Cantiad de barcos
Dias barcos Dia pendientes del
Aleatorio llegan por dia Aleatorio descargados descargados descargados
anterior siguiente dia
por dia
1 0 0.4575 2 0.3137 4 2 2 0
2 0 0.8967 5 0.9854 5 5 5 0
3 0 0.6155 3 0.4560 4 3 3 0
4 0 0.1012 0 0.4764 4 0 0 0
5 0 0.7689 4 0.4633 4 4 4 0
6 0 0.0452 0 0.6729 4 0 0 0
7 0 0.3035 2 0.2735 4 2 2 0
8 0 0.9213 5 0.3699 4 5 4 1
9 1 0.4106 2 0.6071 4 3 3 0
10 0 0.1356 0 0.5117 4 0 0 0
11 0 0.8144 4 0.8907 5 4 4 0
12 0 0.6679 4 0.6630 4 4 4 0
13 0 0.7625 4 0.2929 4 4 4 0
14 0 0.1992 1 0.3833 4 1 1 0
15 0 0.6732 4 0.4995 4 4 4 0
16 0 0.4561 2 0.3844 4 2 2 0
17 0 0.4678 2 0.5084 4 2 2 0
18 0 0.3359 2 0.6775 4 2 2 0
19 0 0.5659 3 0.4656 4 3 3 0
20 0 0.1958 1 0.3713 4 1 1 0
21 0 0.8172 4 0.3299 4 4 4 0
22 0 0.3046 2 0.7354 5 2 2 0
23 0 0.2618 1 0.6146 4 1 1 0
24 0 0.1061 0 0.2505 3 0 0 0
25 0 0.4021 2 0.2170 3 2 2 0
26 0 0.2836 1 0.3146 4 1 1 0
27 0 0.5379 3 0.0075 1 3 1 2
28 2 0.2781 1 0.7182 4 3 3 0
29 0 0.1955 1 0.2352 3 1 1 0
30 0 0.9176 5 0.2615 3 5 3 2

Teniendo los datos pasamos a sacar el promedio y la desviación estándar, con podemos
realizar la gráfica.
 Estadistico
Promedio 0.97
Desviacion
1.47
Estandar

Variable Aleatoria
"Barco pendiente
del siguiente dia
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
 VARIABLE ALEATORIA AJUSTADA
1.2

0.8

0.6

0.4

0.2

0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30

Análisis:
Como resultado de este ejercicio tenemos un promedio de 0,67 y una desviación estándar de
1,30. posteriormente tenemos la gráfica de la variable aleatoria ajustada, esta se toma
teniendo en cuenta los barcos pendientes del siguiente día y es una acumulada de todos los
datos. Observamos que cada vez que actualizamos los datos esta grafica cambia al igual que
el promedio y la desviación estándar. En 30 corridas no se logra analizar completamente el
comportamiento puesto que no se estabiliza a lo largo del recorrido.
b. Calcule del número de corridas necesarias para estabilizar la variable de
interés.
Teniendo el apartado anterior de las 30 corridas y como observamos no se estabilizan
completamente pasamos a calcular las corridas necesarias para estabilizar la variable.
Utilizando la variable, Barcos pendientes por días procedemos analizar los datos en el
software Minitab donde esta nos arroja una gráfica en la que observamos el comportamiento
de los datos y nos muestra si es mayor o menor al error establecido por lo que dependiendo
el resultado utilizamos una de las fórmulas para encontrar el supuesto de normalidad, como
en este caso me dio un valor mayor, se procedió a usar la fórmula de longitud de la réplica
bajo el supuesto de normalidad.
 ∈
α 0.1
0.5

x ̅ 0.5

s 0.3
r 15.0
0.05
t 1.7613
14.0
Longitud de
0.83
Corrida
 Estadistico
Promedio 0.55
Desviacion
0.26
Estandar
Variable Aleatoria "Barco
pendiente del siguiente
dia
0
0
0

0
0
0
0
0
0
0
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1

Análisis:
De acuerdo a la gráfica de probabilidad de la variable aleatoria de barcos pendientes se
observa un comportamiento normal de los datos, puesto que el valor resultante P es mayor a
0,005, solo si observamos la gráfica nos podemos dar cuenta que unos valores sobresalen la
línea, se observó también el resultado nos arrojó la media de 0.54, la desviación estándar de
0,25 todo esto sabiendo que es en un tiempo de 30 días.
la fórmula a utilizar en este caso es la longitud de la réplica bajo el supuesto de normalidad.
Aplicando la formula encontramos la longitud de corrida que es 0,83.

c. Adecuar el número de corridas según el caso del modelo del punto a.

Como habíamos visto un comportamiento no estable procedimos a incrementar los días de
recorrido a 250 días para analizar el comportamiento de los datos.
 VARIABLE ALEATORIA AJUSTADA
1.6
1.4
1.2
1
0.8
0.6
0.4
0.2
0
1 13 25 37 49 61 73 85 97 109121133145157169181193205217229241
31 0 0.8103 4 0.1156 2 4 2 2
32 2 0.1837 1 0.3510 4 3 3 0
33 0 0.1335 0 0.7379 5 0 0 0
34 0 0.6036 3 0.3434 4 3 3 0
35 0 0.0791 0 0.6779 4 0 0 0
36 0 0.5441 3 0.0286 1 3 1 2
37 2 0.9842 5 0.9805 5 7 5 2
38 2 0.9561 5 0.7000 4 7 4 3
39 3 0.4222 2 0.4757 4 5 4 1
40 1 0.8663 5 0.4468 4 6 4 2
41 2 0.3993 2 0.3766 4 4 4 0
42 0 0.9042 5 0.0379 1 5 1 4
43 4 0.3969 2 0.9850 5 6 5 1
44 1 0.7806 4 0.3156 4 5 4 1
45 1 0.4900 3 0.1673 3 4 3 1
46 1 0.7098 4 0.0987 2 5 2 3
47 3 0.6232 4 0.9297 5 7 5 2
48 2 0.5768 3 0.2242 3 5 3 2
49 2 0.4518 2 0.2844 4 4 4 0
50 0 0.9159 5 0.8314 5 5 5 0
51 0 0.1389 0 0.7895 5 0 0 0
52 0 0.1327 0 0.4736 4 0 0 0
53 0 0.3820 2 0.4923 4 2 2 0
54 0 0.8500 5 0.0998 2 5 2 3
55 3 0.8470 5 0.2232 3 8 3 5
56 5 0.7869 4 0.9085 5 9 5 4
57 4 0.9394 5 0.7168 4 9 4 5
58 5 0.6651 4 0.3842 4 9 4 5
59 5 0.1838 1 0.0594 1 6 1 5
60 5 0.0690 0 0.8319 5 5 5 0
61 0 0.5972 3 0.6483 4 3 3 0
62 0 0.8669 5 0.8646 5 5 5 0
63 0 0.6070 3 0.8749 5 3 3 0
64 0 0.8140 4 0.6333 4 4 4 0
65 0 0.9068 5 0.9732 5 5 5 0
66 0 0.1415 0 0.6088 4 0 0 0
67 0 0.3265 2 0.6349 4 2 2 0
68 0 0.7732 4 0.2763 4 4 4 0
69 0 0.1517 1 0.9766 5 1 1 0
70 0 0.4802 3 0.0629 1 3 1 2
71 2 0.7312 4 0.0790 2 6 2 4
72 4 0.0647 0 0.0633 1 4 1 3
73 3 0.1497 0 0.4752 4 3 3 0
74 0 0.2360 1 0.2910 4 1 1 0
75 0 0.3154 2 0.6761 4 2 2 0
76 0 0.8812 5 0.2210 3 5 3 2
77 2 0.9338 5 0.6220 4 7 4 3
78 3 0.1705 1 0.4948 4 4 4 0
79 0 0.4265 2 0.7252 5 2 2 0
80 0 0.1520 1 0.5917 4 1 1 0
81 0 0.4204 2 0.8575 5 2 2 0
82 0 0.4296 2 0.6788 4 2 2 0
83 0 0.7301 4 0.2367 3 4 3 1
84 1 0.4228 2 0.4981 4 3 3 0
85 0 0.4530 2 0.8967 5 2 2 0
86 0 0.4905 3 0.5846 4 3 3 0
87 0 0.5160 3 0.6214 4 3 3 0
88 0 0.3229 2 0.3694 4 2 2 0
 d. Generar 15 corridas del modelo y calcular el intervalo de confianza.
Generación de 15 corridas
En este caso analizaremos 15 corridas del modelo donde observaremos el comportamiento
de los barcos.

Estadistico Estadistico Estadistico Estadistico Estadistico Estadistico Estadistico Estadistico Estadistico Estadistico Estadistico Estadistico Estadistico Estadistico Estadistico
0.87 0.37 1.07 0.47 0.90 0.20 0.73 0.93 0.47 0.50 1.20 0.23 0.77 0.33 0.93
1.78 0.81 1.44 0.90 1.30 0.61 1.05 1.64 1.07 0.97 1.65 0.57 1.28 0.96 1.53
Corrida 1 Corrida 2 Corrida 3 Corrida 4 Corrida 5 Corrida 6 Corrida 7 Corrida 8 Corrida 9 Corrida 10 Corrida 11 Corrida 12 Corrida 13 Corrida 14 Corrida 15
0 0 1 0 0 0 3 0 0 0 0 0 1 0 0
0 0 2 0 0 0 2 1 0 1 0 0 2 0 1
1 0 1 0 0 0 1 2 0 1 0 0 2 0 1
2 0 1 0 0 0 2 2 0 1 0 0 2 0 1
3 0 1 0 0 0 1 1 0 0 0 0 1 0 0
3 0 1 0 0 0 1 1 0 0 0 0 1 0 0
3 0 1 0 0 0 1 1 1 0 1 0 1 0 0
3 0 1 0 0 0 1 1 1 0 1 0 1 0 0
3 0 1 0 0 0 1 1 1 0 1 0 1 0 0
2 0 1 0 0 0 1 1 1 1 1 0 1 0 0
2 0 1 0 0 0 1 1 1 1 1 0 1 0 0
2 0 1 0 0 0 1 2 1 1 1 0 1 0 1
2 0 1 0 0 0 1 1 1 1 1 0 1 0 1
2 0 1 1 1 0 1 2 1 1 1 0 1 0 1
2 0 1 0 1 0 1 2 1 0 1 0 1 0 1
2 0 1 1 1 0 1 2 1 1 1 0 1 0 1
1 1 1 0 1 0 1 2 1 0 1 0 0 0 0
1 1 1 0 1 0 1 2 1 0 1 0 0 0 1
1 0 1 0 1 0 1 1 1 0 1 0 0 0 1
1 0 1 0 1 0 1 1 1 1 1 0 1 0 1
1 0 1 1 1 0 1 1 1 1 1 0 1 0 1
1 0 1 1 1 0 1 1 1 1 1 0 1 0 1
1 0 1 1 1 0 1 1 1 0 1 0 1 0 1
1 0 1 1 1 0 1 1 1 1 1 0 1 0 1
1 0 1 1 1 0 1 1 0 0 1 0 1 0 1
1 0 1 1 1 0 1 1 0 0 1 0 1 0 1
1 0 1 1 1 0 1 1 0 0 1 0 1 0 1
1 0 1 1 1 0 1 1 0 1 1 0 1 0 1
1 0 1 0 1 0 1 1 0 1 1 0 1 0 1
1 0 1 0 1 0 1 1 0 1 1 0 1 0 1

COMPORTAMIENTO DE LOS DATOS

3.5
3
2.5
2
1.5
1
0.5
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30

Corrida 1 Corrida 2 Corrida 3 Corrida 4 Corrida 5

Corrida 6 Corrida 7 Corrida 8 Corrida 9 Corrida 10
Corrida 11 Corrida 12 Corrida 13 Corrida 14 Corrida 15
 Análisis:
Analizando los resultados observamos de las 15 corridas establecidas donde al comienzo
no tiene estabilidad en cuanto al comportamiento y estaría entre 1 y 3 pero al pasar los
días, al llegar el día 30 vemos que hay estabilidad en el comportamiento y se encuentra
entre 1 y 1.5 lo que podemos deducir que aplicándolo a 3 meses o un año tendríamos
unos datos establecidos en la simulación.
Calcular el intervalo de confianza:
Para calcular el intervalo de confianza procedemos a traer los datos anteriormente de las
15 corridas y estos son los promedios, con este pasamos a la simulación en el software
Minitab y obtenemos la gráfica.

Ya con la grafica obtenida observamos que tenemos un valor mayor a 0,005 por lo que
debemos escoger la formula para hallar el resultado, esta formula es la de simulaciones
terminales y en este caso se analiza intervalos de confianza bajo el supuesto de
normalidad, que es lo que nos muestra la gráfica al obtener un valor p de 0,352.
 α
∈ 0.1

0.5
x ̅ 0.7
s 0.3
r 15.0
0.05
t 1.761
14.0
limi.Superior 0.81
IC
limi.Inferior 0.52

Teniendo los datos procedemos a realizar la búsqueda de los intervalos de confianza.

Análisis:
Se puede evidenciar en la simulación en el software Mintab la probabilidad de promedio
de corridas tenemos un valor mayor a 0,005 siendo este 0,352, esto quiere decir que el
comportamiento es normal, para ello utilizamos la fórmula de intervalos de confianza
bajo el supuesto de normalidad.
De esta forma aplicando la formula con los datos suministrados encontramos los
intervalos de confianza, tanto el límite superior como el límite inferior y este
corresponde a 0,81 límite superior y 0,52 límite inferior y observamos en la gráfica que
la concentración de barcos se encuentra ajustada sin sobrepasar los límites.

e. Establecer conclusiones y recomendaciones del caso, por cada integrante del

grupo.
Según el análisis realizado a los 30 días se observa que no hay estabilidad en cuanto al
comportamiento del los barcos al momento de descargar, puesto que están quedando muchos
barcos del día anterior sin descargar, eso lo podemos analizar en la grafica que obtuvimos,
pero si incrementamos los días de corrida, en este caso se hizo el incremento para el
ejercicio de 200 días, se puede observar en la grafica como cambia el comportamiento de los
datos, haciendo 15 corridas se observó que el comportamiento al finalizar trataba de
estabilizarse por lo que se deduce que al aumentar los días este cambia y mejora. Es
importante que se mantenga en la zona establecida para ello tomamos como base los
intervalos de confianza encontrados.
Con el desarrollo de esta actividad se llegó analizar algunos resultados de simulación y
modelación a través de herramientas que nos ayudan a tomar las mejores decisiones, primero
se pudo investigar temas importantes acerca de la modelación, como lo son características,
tipos, ventajas, desventajas etc. Después se realizo en la herramienta Excel unos ejercicios
de números aleatorios, utilizando medidas de dispersión para tres tipos de distribución,
normal, exponencial y uniforme, para terminar un caso de simulación de llegada y descarga
de barcos, este se realizó en Excel y comprobación en el software Minitab del cual
realizamos el siguiente análisis, en el periodo de los 30 días se observa que no hay
estabilidad en cuanto al comportamiento de los barcos al momento de descargar, puesto que
están quedando muchos barcos del día anterior sin descargar, eso lo podemos analizar en la
gráfica que obtuvimos, pero si incrementamos los días de corrida, en este caso se hizo el
incremento para el ejercicio de 200 días, se puede observar en la gráfica como cambia el
comportamiento de los datos, haciendo 15 corridas se observó que el comportamiento al
finalizar trataba de estabilizarse por lo que se deduce que al aumentar los días este cambia y
mejora. Es importante que se mantenga en la zona establecida para ello tomamos como base
los intervalos de confianza encontrados.
REFERENCIAS
Guasch, A. Piera, M. À. y Casanovas, J. (2016). Modelado y simulación: aplicación a
procesos logísticos de fabricación y servicios. Barcelona, Spain: Universitat Politècnica de
Catalunya. Recuperado de
https://elibro-net.bibliotecavirtual.unad.edu.co/es/ereader/unad/61422?page=43.

ed. (2022). ADM. DE OPERACIONES, Producción y Cadena de Suministros 12va ed. -

Chase,Jacobs.pdf. Google Docs.

https://drive.google.com/file/d/1I4g8YwWnogLWhLegtC_GYsOHuS-Eh1uN/view