IO ST 123 Prog Din+ímica AHP Colas

UNIVERSIDAD NACIONAL DE INGENIERIA Facultad de Ingeniera Industrial y de Sistemas Area de Sistemas Computacin e Informtica
INVESTIGACION DE OPERACIONES II Programacin Dinmica AHP-Colas
Profesora: Ing. IRMA INGA SERRANO
Programacin Dinmica
6
Es una tcnica matemtica til en la toma de una serie

Facultad de Ingenieria Industrial y de Sistemas
decisiones interrelacionadas.
En contraste con la programacin lineal, no cuenta con una
Universidad Nacional de Ingeniera
frmula matemtica general sino que se trata de un enfoque de tipo general para la solucin de problemas con ciertas caractersticas especiales.
Se necesita un cierto grado de creatividad y conocimiento para
reconocer cundo y cmo resolver un problema mediante esta tcnica.
Ejemplo (problema de la ruta corta) Un viajero desea viajar de la ciudad A a la ciudad J. Para ello tiene varias posibilidades pasando por ciudades intermedias. En la siguiente red se tiene las longitudes (Km) de los caminos que unen dos ciudades. Cul es la ruta que debe tomar el viajero para llegar a su destino recorriendo la mnima cantidad de Km ?
B
20 30 70 40 60 40 30 40 40 50
E
60
10
40
30
20 40
F
30
30 40
J I
30
Caractersticas de un problema de programacin dinmica

1.- El problema se puede dividir en etapas. Ejemplo: la red se puede dividir en 4 tramos de viajes (4 etapas) 2.- Cada etapa i tiene: Estado (Si): es la informacin que se necesita en cualquier etapa para tomar una decisin Alternativa de decisin (Xi): es la variable de decisin para la etapa i. Ejemplo: en la etapa 3 de la red se tiene: Estado S3 : ciudad donde se encuentra el viajero. Puede ser E, F G. Alternativa de decisin X3: ciudad a donde puede ir el viajero si se encuentra en E F G.
3.- Se tiene una funcin recursiva (de atrs hacia delante) que para una etapa i presenta la contribucin a la funcin objetivo de las etapas i, i+1, , n La funcin objetivo acumulada (fi ) para una etapa i dado el estado Si y la poltica de decisin Xi es: f i (Si, Xi) = gi (Si, Xi) + f*i+1(Si+1) donde: gi (Si, Xi) es la contribucin de la etapa i f*i+1(Si+1): es la funcin ptima acumulada para el grupo de etapas i+1, i+2, ,n.
4.- Dado el estado actual, la poltica ptima para las etapas restantes no depende de la poltica adoptada en etapas anteriores. Esto significa que la decisin ptima de una etapa depende de su estado actual y no de cmo se lleg ah. Ejemplo: Si el viajero est en la etapa 3. La decisin ptima depende de si se encuentra en E F G y no de cmo ha llegado a una de dichas ciudades.
5.- El efecto de la poltica de decisin en cada etapa i es transformar el estado actual en un estado asociado con el inicio de la siguiente etapa.
Xi
Xi
Si
Prog. Dinmica determinstica
Si+1
Si
Prog. Dinmica probabilstica
Si+1
PROGRAMACIN DINAMICA DETERMINSTICA

6
Aplicaciones Problemas de ruta corta Problemas de asignacin de recursos (con objetivo lineal y no lineal) Problemas de programacin Problemas de inventario (modelo de revisin perodica) Para resolver un problema por PD: Se debe definir los siguientes componentes: Etapa y nmero de etapas Estado (Si) Alternativa (Xi) Funcin recursiva f i (Si, Xi)
Ejemplo (problema de la ruta corta) Un viajero desea viajar de la ciudad A a la ciudad J. Para ello tiene varias posibilidades pasando por ciudades intermedias. En la siguiente red se tiene las longitudes (Km) de los caminos que unen dos ciudades. Cul es la ruta que debe tomar el viajero para llegar a su destino recorriendo la mnima cantidad de Km ?
B
20 30 70 40 60 40 30 40 40 50
E
60
10
40
30
20 40
F
30
30 40
J I
30
PROBLEMAS DE ASIGNACION DE RECURSOS En este problema se tiene: Un recurso R y n actividades. Existe un beneficio (costo) que da la actividad por el recurso utilizado Se desea asignar a cada actividad una cantidad de recurso de manera que el beneficio (costo) total sea el mximo (mnimo) El problema podemos escribirlo as: Max ( Min) Z = B1+B2+ .+ Bn s.a. R1 + R2 + Rn R
Este problema puede ser resuelto por programacin lineal si cumple
con las suposiciones de programacin lineal Pero, qu sucede si la FO es no lineal o la variable no es continua? El problema se puede resolver por PD, siempre que cumpla con la condicin de aditividad
Componentes Etapas: actividades , n de etapas = n actividades Estado (Si): Cantidad de recurso disponible que se puede asignar al conjunto de actividades: i, i+1, , n Alternativa (Xi): cantidad de recurso que se puede asignar a la actividad i Funcin Recursiva: f(Si, Xi) = B(Si, Xi) + f*i+1(Si+1)
Ejemplo 1
Una campaa poltica para elecciones regionales se encuentra en
su ltima etapa y las preliminares indican que la eleccin entre dos candidatos est pareja. Uno de los candidatos tiene suficientes fondos para comprar un total de 8 espacios comerciales en TV en las horas de mayor audiencia en canales localizadas en cuatro ciudades diferentes (A, B, C, D). El jefe de campaa recomienda por estrategia se debe colocar por lo menos 2 comerciales en el canal de la ciudad C y por lo menos 1 comercial en cada uno de los canales de las ciudades A, B y D. La estimacin del nmero de votos adicionales (en miles) que se pueden ganar en las reas de difusin segn el nmero de comerciales que se contraten, se dan en la tabla adjunta:
Nmero de comerciales 1 2 3 4 5 o mas
CIUDADES A 4 9 15 18 22 B 7 11 16 18 20 C 5 10 15 18 21 D 6 11 14 16 17
Se desea determinar la manera de distribuir los 8 espacios comerciales entre los canales de las 4 ciudades con el fin de maximizar el nmero estimado de votos favorables. Utilice PD para resolver el problema
Ejemplo 2: Problema de la mochila

Juan Prez desea llevar una mochila de 13 lb con productos A,
B y C. Con qu productos y cuntos de cada uno debe llevar en la mochila para maximizar el beneficio total sabiendo que debe llevar por lo menos 1 producto B?. En la siguiente tabla se da el peso de cada producto (lb) y el beneficio de llevar 1 o mas productos de cada tipo. Beneficio Producto Peso (lb) 1 2 3 4 A 4 11 17 22 26 B 3 7 12 19 23 C 5 12 19 24 28
PROBLEMAS DE PROGRAMACION En este tipo de problemas se tiene: Perodos en el que se requieren recursos. Existen costos por variacin del nmero de recursos de un perodo a otro. Se desea determinar la cantidad de recursos que se debe programar en cada perodo de manera que el costo total de la programacin sea mnima. Componentes Etapa: perodo Alternativa Xi: cantidad de recurso a programar en perodo i Estado Si: cantidad de recurso al inicio del perodo i Funcin recursiva: f i (Si, Xi) = g i (Si, Xi) + f*i+1(Si+1)
EJEMPLO
Un administrador de la construccin calcula que el nmero de
trabajadores necesarios durante los prximos 5 meses es de 5, 7, 8, 4 y 6 trabajadores respectivamente. El exceso de trabajadores que se mantiene en la fuerza laboral costar $300 por trabajador por mes y las nuevas contrataciones en cualquier mes incurrirn en un costo fijo de $400 y un costo variable de $200 por cada nuevo trabajador. Determine el nmero de trabajadores que se debe programar por mes de manera que el costo total que se incurre por excedentes y por nuevos contratos sea mnimo.
PROBLEMAS DE INVENTARIO (Modelo de Revisin peridica) Este problema tiene las siguientes caractersticas: El tiempo se divide en perodos Se conoce la demanda Di de cada perodo i La demanda Di se debe cumplir a tiempo con el inventario y/o la produccin del perodo i. Si en un perodo hay produccin, se genera: un costo fijo cf y un costo variable cv por unidad de producto Si al final de un perodo existe inventario se genera un costo de almacenamiento ca por unidad de inventario En cada perodo se tiene capacidad limitada de produccin y/o capacidad limitada de almacenamiento. El objetivo es determinar al inicio del perodo la cantidad a producir para cumplir con las demandas al mnimo costo total
Componentes:
Etapa: perodo Alternativa Xi: cantidad a fabricar en el perodo i Estado Si: inventario al inicio del perodo i Funcin recursiva:
f i (Si, Xi) = (cf + cv Xi) Pi + ca (IFi) + f*i+1(Si+1) Donde: IFi : Inventario al final del perodo i Si+1 = IFi = Si + Xi Di , Di : demanda del perodo i Pi: Variable binaria que indica si hay produccin o no en i Pi = 1 si Xi>0; 0 si Xi =0
Ejemplo: Una Ca sabe que la demanda de su producto durante los prximos meses es: 2, 4, 3 y 5 unidades. Durante la produccin en un perodo se incurre en un costo fijo de 3 mil dlares. Asimismo hay un costo variable de produccin de mil dlares por producto que se fabrica. Al final de cada mes se genera un costo de almacenamiento de $500 por cada unidad de stock. En cada mes se puede fabricar hasta 5 unidades y la capacidad de almacenamiento por mes es de 4 unidades como mximo. La empresa desea determinar el plan de produccin que minimice el costo total de produccin y de inventario para los 4 meses. Suponga que al inicio del primer mes el stock es cero y al final del mes 4 no debe quedar stock.
PROCESO DE ANALISIS JERARQUICO (AHP)

6
Existen problemas de decisin en los que, para seleccionar la mejor alternativa de solucin, se utilizan: Un solo criterio de evaluacin (problemas de optimizacin con una funcin objetivo Max o Min) Mas de un criterio de evaluacin (problemas multiobjetivos) PROBLEMA MULTIOBJETIVO (Multicriterio) En este tipo de problema se presentan dos casos: Problemas cuyas funciones objetivos se pueden expresar matemticamente. Ejm. Problemas con FO lineales y restricciones lineales. El mtodo de solucin: Programacin por metas Problemas en las que algunos de los criterios de evaluacin son de tipo subjetivo. (La FO no se puede expresar matemticamente). El mtodo de solucin: AHP
PROCESO DE ANLISIS JERRQUICO (AHP) Es una herramienta poderosa que integra datos concluyentes con juicios subjetivos. Divide el problema en jerarquas de la siguiente manera: Nivel superior: objetivo del problema Nivel medio: criterios y subcriterios Nivel inferior: alternativas de solucin Para determinar en forma cuantitativa el grado de importancia que tiene cada uno de los criterios (subcriterios, alternativas) del mismo rango, el tomador de decisiones realiza comparaciones tomados de 2 en 2. Para las comparaciones el AHP toma una escala de 1 a 9 (1: igual importancia, 9: extremadamente mas importante) Convierte los datos las comparaciones del tomador de decisiones en pesos (importancia de 0 a 1) Establece que la mejor alternativa de solucin es aquella con mayor peso total
PASOS El tomador de decisiones: Determina los criterios y subcriterios bajo los cuales se van a evaluar las alternativas Utilizando la escala de 1 a 9 , realiza las comparaciones por pares entre criterios de evaluacin, entre subcriterios del mismo rango y entre alternativas segn cada criterio o subcriterio. En base a estos datos:
6
1.- Determinar los pesos de los criterios Si el nmero de criterios es n: Con los datos de comparaciones entre criterios, formar la Matriz de comparacin de criterios A de nxn C1 C2 .. Cn C1 1 a12 .. a1n C2 a21 1 .. a2n A = . Cn an1 an2 .. 1
Calcular la matriz de pesos A ( A normal).

Para ello, en cada columna Ci: divida cada uno de los elementos de la columna entre la suma de los elementos de la misma. El peso del criterio Ci es el promedio de pesos de cada fila i Nota: Los pesos de cada criterio debe ser menor que 1 y la sumatoria de pesos de todos los criterios debe ser 1 2.- Determinar los pesos de los subcriterios (si existen) siguiendo los pasos del punto 1. 3.- Determinar los pesos de las alternativas bajo cada criterio (o subcriterio si tiene) siguiendo los pasos del punto 1 4.- Calcular el peso total de cada alternativa. SOLUCION: la alternativa de mayor peso total.
EJEMPLO Juan Prez es un buen estudiante de un colegio de prestigio. Para estudiar la carrera que desea, existen 3 universidades UA, UB, UC. Para seleccionar la mejor universidad, JP tiene en mente evaluarlas bajo 2 criterios: ubicacin y prestigio acadmico. JP considera que en cuanto a criterios, que el prestigio es como 5:1 frente a la ubicacin (tambin se dice: prestigio es 5 veces mas importante que ubicacin). En cuanto a la comparacin de las alternativas, JP considera que: Segn criterio Prestigio: UA es 2 veces mas importante que UB UA es 3 veces mas importante que UC UB es 1.5 veces mas importante que UC Segn criterio de Ubicacin: UB es 2 veces mas importante que UA UC es 5 veces ams importante que UA UC es 2 veces mas importante que UB Determine la universidad que JP debe elegir para estudiar.
ANALISIS DE CONSISTENCIAS La confiabilidad de la solucin hallada, depende del grado de consistencia (coherencia en el juicio del tomador de decisiones al realizar las comparaciones) que presentan las matrices de comparacin ya sea de criterios, subcriterios o alternativas. Matriz perfectamente consistente: es aquella cuya matriz normal presenta la siguiente caracterstica:
A =
C1 C2 .. Cn
C1 a b .. f
C2 a b .. f
.. .. .. .. ..
Cn a b .. f
Nota: Una matriz de 2x2 siempre es perfectamente consistente.
Matriz inconsistente (no es perfectamente consistente)

Para estas matrices se analiza si el grado de inconsistencia est dentro del rango permitido. Si el grado de inconsistencia es aceptable entonces la solucin hallada es aceptable. Pasos para el anlisis de consistencia 1.-Escoger una matriz de comparacin A inconsistente de 3x3 o mas 2.- Calcule AWT W es el vector de pesos hallados a partir de la matriz A
C1 C2 AWT = Cn an1 C1 1 a21 C2 a12 1 .. an2 .. .. .. .. .. Cn a1n a2n .. 1 w1 w2 .. wn
..
3.- Calcule nmax:

nmax: =
1 n
i-simo elemento de AWT i-simo elemento de WT
4.- Calcule : IC (ndice de consistencia)

IC = (nmax n)/ (n-1) IA (ndice aleatorio) IA = 1,98 (n-2)/n RC (razn de consistencia) RC = IC/IA 5.- Si RC <0.10 entonces el grado de inconsistencia es aceptable. Si RC>0.10 el grado de inconsistencia puede hacer que la solucin hallada no sea confiable.
PROBLEMA 1 (EF-10-2)
6
Mara Lpez ha recibido dos ofertas de trabajo en las provincias A y B que le parece atractivo. Para decidir cul de las ofertas debe aceptar, ella desea evaluarlas bajo 3 criterios: Sueldo (SU), Estabilidad Laboral (EL) y calidad de vida (CV). La calidad de vida se divide a su vez en en 3 subcriterios: Medio Ambiente (MA), Acceso a las TICs (TI) y costo de alimentos. (CA) Mara ha realizado la evaluacin siguiente: Evaluacin de criterios y subcriterios: CV es 2 veces mas importante que SU SU es 4 veces mas importante que EL, CV es 7 veces mas importante que EL MA es 2 veces mas importante que TI, CA es igual de importante que MA CA es 2 veces mas importante que TI Evaluacin de alternativas Sueldo: A es 2 veces mejor que B Estabilidad Laboral : Aes 3 veces mejor que B Medio ambiente: B es 4 veces mejor que A Acceso a TICs: A es 2 veces mejor que B Costo de alimentos: B es 5 veces mejor que A Utilizando AHP ayude a Mara a decidir cual de los empleos le conviene elegir. La solucin es confiable?.
Problema 2 La FIIS desea comprar 100 PCs. Para ello ha convocado a dos proveedores Ay B. Los criterios de evaluacin son: Costo, Calidad, Garanta. Se ha determinado que Calidad es 5 veces mas importante que Costo Garanta es 3 veces mas importante que Costo Calidad es 2 veces mas importante que Garanta La Garanta a su vez est compuesto de: Servicio tcnico y Experiencia. Se considera que Servicio Tcnico es 3 veces mas importante que la Experiencia. Los juicios del evaluador es como sigue: En Costo: A es 5 veces mejor que B En Calidad: B es 4 veces mejor que A En Servicio Tcnico: B es 2 veces mejor que A En Experiencia: A es 3 veces mejor que B Utilizando AHP determine cul es el proveedor que se debe seleccionar. Es confiable la solucin hallada?
TOERIA DE COLAS
6
IMPORTANCIA Hacer cola y esperar para obtener un bien o servicio es parte de nuestra vida cotidiana. Sin embargo, esperar no solo es una molestia personal sino que el tiempo que se pierde en esperar en las colas es tiempo que se puede invertir en trabajo productivo. La teora de colas: Es el estudio de los distintos sistemas de colas de espera utilizando los modelos de colas. Los modelos de colas son tiles para determinar cmo opera un sistema de colas de la manera mas efectiva. Las frmulas para cada modelo indican cual es el desempeo del sistema y sealan el tiempo promedio de espera que ocurrir.
ESTRUCTURA BASICA DE UN MODELO DE COLAS

Facultad de Ingenieria Industrial y de Sistemas Universidad Nacional de Ingeniera
Sistema de cola clientes Fuente Cola

S
clientes
S
S
atendidos
- Tamao (finito, infinito)

- Patrn estadstico de generacin de clientes (distribucin de probabilidad)
- Nmero permisible de clientes (finito, infinito) - Disciplina en la cola (FIFO, aleatorio, prioridad)
- Nmero de instalaciones en serie -Nmero de servidores en paralelo en cada instalacin - Duracin del servicio (distribucin de probabilidad)
CONDICION DE ESTADO ESTABLE DE UN SISTEMA DE COLAS Un sistema de colas se puede encontrar en : Condicin Transitoria: es cuando inicia su operacin. En esta condicin el anlisis del estado del sistema es complejo pues est afectado por su estado inicial. Condicin de estado estable: es cuando (pasado suficiente tiempo) el estado del sistema se vuelve independiente del estado inicial y del tiempo transcurrido, esto es, la distribucin de probabilidad del estado del sistema se conserva en el tiempo. NOTA: La teora de colas analiza el sistema en condicin de estado estable.
SISTEMA DE COLAS ELEMENTAL

6
Uno de los sistemas de colas que se observa en muchas situaciones diferentes es el siguiente: Una sola cola Una instalacin de servicio con uno o mas servidores en paralelo
S Clientes Cola Clientes S S servidos
Servidores
Sistema de Colas
Terminologa y notacin
Para representar un sistema de colas de este tipo, se denota por:
a/b/c/d/e/f
Distribucin para el proceso de llegada de clientes. Puede ser: M: distribucin exponencial Ek: distribucin de Earlang con parmetro k D : distribucin degenerada o determinista (tiempo constante) GI: distribucin general Distribucin para el proceso de servicio Puede ser: M: distribucin exponencial Ek: distribucin de Earlang con parmetro k D : distribucin degenerada o determinista (tiempo constante) GI: distribucin general Nmero de servidores en paralelo Disciplina en la cola. Puede ser : - FIFO - DG (disciplina general o cualquier disciplina) Nmero de clientes permisibles en el sistema. Puede ser: - Finito -Infinito Tamao de la poblacin. Puede ser: -Finito - Infinito
NOTA: Si d/e/f = DG/ / entonces se omite esta parte de la notacin
Parmetros del sistema
n : nmero de clientes en el sistema (estado del sistema) S: nmero de servidores paralelos n: tasa media de llegadas (nmero esperado de clientes por unidad de tiempo cuando hay n clientes en el sistema) un : tasa media de servicio del sistema (nmero esperado de clientes que completan el servicio por unidad de tiempo cuando hay n clientes en el sistema). Entonces: tiempo promedio de servicio por cliente = 1/ un Pn :probabilidad de que haya exactamente n clientes en el sistema (en condicin de estado estable) Nota: Pn es funcin de n y un y servir para determinar las medidas de rendimiento del sistema.
Medidas de Rendimiento de un sistema de colas
en estado estable Lq: longitud de cola (nmero promedio de clientes presentes en la cola) Ls: nmero promedio de clientes presentes en el sistema Wq: tiempo promedio que un cliente espera en la cola Ws: tiempo promedio que un cliente espera en el sistema
Proceso de nacimiento y muerte

6
Los nacimientos y muertes individuales ocurren en forma aleatoria y se rigen por las siguientes leyes:
1.- El tiempo que transcurre entre un nacimiento y el siguiente tiene distribucin exponencial con parmetro n 2.- El tiempo que transcurre entre una muerte y la siguiente tiene distribucin exponencial con parmetro un 3.- Los nacimientos y muertes son independientes entre si. Este proceso se da generalmente cuando la poblacin es grande.
SISTEMAS DE COLAS BASADOS EN EL PROCESO DE NACIMIENTO Y MUERTE

6
En sistemas de colas con poblacin de clientes grande, suponen que que las llegadas y salidas de los clientes ocurren de acuerdo al proceso de nacimiento y muerte.
Proceso de llegada El tiempo entre llegadas : distribucin exponencial media = 1/n (n tasa de llegada que depende de n)
Nota: Si el tiempo entre llegadas tiene distribucin exponencial con parmetro n entonces el nmero de clientes que llegan en un perodo t tiene distribucin Poisson con media nt por eso se dice que el proceso de llegada es de tipo Poisson.
Proceso de servicio El tiempo de servicio (tiempo entre salidas de clientes) tiene distribucin exponencial con: media = 1/ un (un tasa de servicio del sistema)
Modelo M /M / 1 (1 cola 1 servidor)

6
1/ Cola
S 1/u
Clientes servidos
Caractersticas: Llegada: exponencial. Tasa de llegada de clientes : ( es constante, no depende de n) Servicio: exponencial Tasa de servicio del servidor: u (u es constante, no depende de n) Disciplina en la cola: DG Nmero de clientes permisible en el sistema: infinito Fuente de clientes: infinito
Condicin de estado estable:

(/u) < 1 (menos llegadas que salidas). Nota: Si (/u) 1 la cola crecera indefinidamente
Parmetros
r = /u donde r significa: - intensidad de trfico del sistema - fraccin del tiempo que el sistema est en servicio (% de tiempo promedio en servicio) - probabilidad de que el sistema est ocupado.
Probabilidad de estado estable

6
Probabilidad de que el sistema est desocupado (hay 0 clientes)

P0 = 1- r Probabilidad de que en el sistema haya exactamente n clientes. Pn = rn (1 r)

Probabilidad de que en el sistema haya por lo menos k clientes
P(nk) = Pk + Pk+1 + Pk+2 + P(nk) = r k
Probabilidad de que en el sistema haya a lo mas k clientes
P(nk) = 1-P(n>k) = 1-P(n k+1) P(nk) =1 r k+1
Medidas de rendimiento
a)
Longitud de cola Ls = r / (1-r ) nmero promedio de clientes en el sistema Lq = r2/(1- r) nmero promedio de clientes en la cola Lq = rLs
b) Tiempo de espera Ws = Ls / = 1/ (u (1- r)) Wq = Lq / = r / (u (1- r)) Wq = rWs
(espera en el sistema) (espera en la cola)
Ejemplo 1
a) b)
c)
d)
A un cajero automtico de un banco llega un promedio de 10 personas por hora. Si el tiempo de servicio a cada cliente es de 4 min y sabiendo que los tiempos entre llegadas y los tiempos de servicio son exponenciales: Cul es la probabilidad de que el cajero est vaco? Cul es el nmero promedio de clientes que esperan su turno en la cola? Cul es el tiempo promedio que un cliente pasa en el banco? (sistema) En promedio, Cuntos clientes por hora son atendidos por el cajero automtico?
Ejemplo 2
Todos los pasajeros y su equipaje tienen que ser revisados para investigar si no llevan armas. Suponga que llegan al aeropuerto XX un promedio de 10 pasajeros por minuto (los tiempos de llegada son exponenciales). Para investigar si los pasajeros llevan armas, el aeropuerto cuenta con un punto de revisin que consta de un detector de metales y un aparato de rayos X. Se requieren 2 empleados siempre que el punto de revisin est operativo. El punto de revisin puede revisar un promedio de 12 pasajeros por minuto (el tiempo de revisin es exponencial). a) Cul es la probabilidad de que un pasajero tenga que esperar antes de ser revisado en busca de armas? b) Cuntos pasajeros en promedio hacen cola para pasar por el punto de revisin? c) En promedio, Cunto tiempo pasar el pasajero en el punto de revisin?
Ejemplo 3
Las instalaciones de lavado de autos autmata opera con una sola rampa. Los autos llegan de acuerdo a una distribucin poisson con una media de 4 autos por hora y esperan en el estacionamiento de las instalaciones si la rampa est ocupada. El tiempo de lavado y limpieza de un auto es exponencial con una media de 10 min. Los autos que no se pueden estacionar dentro esperan en la calle que bordea las instalaciones de lavado (no hay lmite para la cola). El gerente de las instalaciones quiere determinar el tamao del estacionamiento de maner aque un auto que llega debe encontrar un espacio vaco con al menos un 90 % de probabilidad.
Modelo M /M / 2 (1 cola 2 servidores)

6
1/ Cola
S1 S2
Clientes servidos
1/u
Caractersticas: n : numero de clientes en el sistema estable. : tasa de llegada de clientes u: tasa de servicio por cada servidor
un: -Tasa de servicio del sistema ( todos los servidores juntos)

- Nmero promedio de clientes que completan su servicio por unidad de tiempo. Si en el sistema hay n clientes: un = nu si n2 2u si n>2
Parmetros: R = /u
r = R/2 r<1
r = / 2u
Condicin de estado estable:

6
Probabilidad de que haya 0 clientes en el sistema

P0 = (1- r) / (1+r)
Probabilidad de que haya exactamente n clientes en el sistema
Pn = 2 rn Po ; n 1
Probabilidad de que en el sistema haya por lo menos 2 clientes
P(n2) = 2r 2 Po 1-r Probabilidad de que en el sistema haya por lo menos k clientes P(n k) = ?? a) Si k<2 Ejm. P(n 1)= P1+P(n 2) b) Si k>2 Ejm. P(n 4) = ?? P(n2)= P2+P3+P(n4) Probabilidad de que en el sistema haya a lo mas k clientes P(nk) = P0 + P1 + P2 + . + Pk = (1+2r+2r2++2rk)Po
Lq = 2r3 Po (1-r) 2 Wq = r2 Po = Lq/ u(1-r) 2
Ls = Lq + 2r
Ws = Wq + 1/u
Problema 1
Un banco tiene 2 cajeros. Al banco llegan un promedio de 80 clientes/hr y esperan en una sola cola para que se les atienda. El tiempo promedio que se necesita para atender a un cliente es de 1.2 min. Suponga que los tiempos entre llegadas y los de servicio son exponenciales, calcule: A) El nmero esperado de clientes en el banco B) El tiempo promedio (esperado) que un cliente pasa en el banco. C) Fraccin de tiempo que un cajero est desocupado.
Problema 2
La sala de emergencia del Hospital General MSX cuenta con los
siguientes datos: - Llegada de pacientes a emergencia: tipo poisson con una tasa promedio de llegadas de 1 paciente cada 30 minutos - Un doctor requiere un promedio de 20 minutos para atender a un paciente. Se desea que la espera de un paciente antes de ser atendido debe ser en promedio igual a 15 minutos. Cuntos doctores deben atender en la sala de emergencia?
Anlisis econmico en sistema de colas

6
Costo de operacin de un sistema de colas Muchas veces se toman decisiones basados en el costo de operacin de un sistema de cola. Este costo implica: Costo de servicio: est asociado al costo de operacin del servidor Costo de espera: es el costo del tiempo del cliente que espera en el sistema
Clculo del costo de operacin del sistema:

Sea:

Cs: costo de servicio por cada servidor por unidad de tiempo Ce: costo de espera por cada cliente por unidad de tiempo Ls: Cantidad de clientes presentes en el sistema S: nmero de servidores CT: costo total de operacin del sistema por unidad de tiempo CT = Ce xLs + Cs x S
PROBLEMA
Burger Domme est evaluando la posibilidad de colocar 1 2
servidores en el restaurante. El costo de un servidor es de $10/hora. Burger Domme considera que el costo de espera del cliente es de $8/hr La llegada de los clientes es de tipo poisson con una media de 45 clientes por hora. La tasa de servicio es de 60 clientes/hr. Si se considera que los servidores tienen las mismas caractersticas, Cuntos servidores (1 2) debe colocar burger Domme para que su costo de operacin sea menor?
RESUMEN FORMULAS (1)

6
1 COLA 1 SERVIDOR
Probabilidad de estado estable P0 = 1- r Pn = rn (1 r)
Medidas de rendimiento Longitud de cola Ls = r / (1-r ) Lq = r2/(1- r) Lq = rLs Tiempo de espera Ws = Ls / = 1/ (u (1- r)) Wq = Lq / = r / (u (1- r)) Wq = rWs
P(nk) = r k
P(nk) =1 r k+1
RESUMEN FORMULAS (2)

6
1 COLA 2 SERVIDORES

P0 = (1- r) / (1+r)
Lq = 2r3 Po (1-r) 2 Wq = r2 Po = Lq/ u(1-r) 2
Pn = 2 rn Po
P(n2) = 2r 2 Po 1-r P(n k) = Pk+ P(n k+1)
Ls = Lq + 2r
Ws = Wq + 1/u

IO ST 123 Prog Din+ímica AHP Colas

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

IO ST 123 Prog Din+ímica AHP Colas

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD NACIONAL DE INGENIERIA Facultad de Ingeniera Industrial y de Sistemas Area de Sistemas Computacin e Informtica

INVESTIGACION DE OPERACIONES II Programacin Dinmica AHP-Colas

Profesora: Ing. IRMA INGA SERRANO

Es una tcnica matemtica til en la toma de una serie

Universidad Nacional de Ingeniera

reconocer cundo y cmo resolver un problema mediante esta tcnica.

Facultad de Ingenieria Industrial y de Sistemas

Universidad Nacional de Ingeniera

Caractersticas de un problema de programacin dinmica

Universidad Nacional de Ingeniera

Facultad de Ingenieria Industrial y de Sistemas

Universidad Nacional de Ingeniera

Facultad de Ingenieria Industrial y de Sistemas

Universidad Nacional de Ingeniera

Facultad de Ingenieria Industrial y de Sistemas

Universidad Nacional de Ingeniera

PROGRAMACIN DINAMICA DETERMINSTICA

Facultad de Ingenieria Industrial y de Sistemas

Universidad Nacional de Ingeniera

Facultad de Ingenieria Industrial y de Sistemas

Universidad Nacional de Ingeniera

Facultad de Ingenieria Industrial y de Sistemas

Universidad Nacional de Ingeniera

Facultad de Ingenieria Industrial y de Sistemas

Universidad Nacional de Ingeniera

Una campaa poltica para elecciones regionales se encuentra en

Universidad Nacional de Ingeniera

Facultad de Ingenieria Industrial y de Sistemas

Nmero de comerciales 1 2 3 4 5 o mas

Universidad Nacional de Ingeniera

Ejemplo 2: Problema de la mochila

Juan Prez desea llevar una mochila de 13 lb con productos A,

Universidad Nacional de Ingeniera

Facultad de Ingenieria Industrial y de Sistemas

Universidad Nacional de Ingeniera

Un administrador de la construccin calcula que el nmero de

Universidad Nacional de Ingeniera

Facultad de Ingenieria Industrial y de Sistemas

Universidad Nacional de Ingeniera

Universidad Nacional de Ingeniera

Facultad de Ingenieria Industrial y de Sistemas

Universidad Nacional de Ingeniera

PROCESO DE ANALISIS JERARQUICO (AHP)

Facultad de Ingenieria Industrial y de Sistemas

Universidad Nacional de Ingeniera

Facultad de Ingenieria Industrial y de Sistemas

Universidad Nacional de Ingeniera

Facultad de Ingenieria Industrial y de Sistemas

Universidad Nacional de Ingeniera

Calcular la matriz de pesos A ( A normal).

Universidad Nacional de Ingeniera

Facultad de Ingenieria Industrial y de Sistemas

Universidad Nacional de Ingeniera

Facultad de Ingenieria Industrial y de Sistemas

Universidad Nacional de Ingeniera

Nota: Una matriz de 2x2 siempre es perfectamente consistente.

Matriz inconsistente (no es perfectamente consistente)

Universidad Nacional de Ingeniera

3.- Calcule nmax:

i-simo elemento de AWT i-simo elemento de WT

Universidad Nacional de Ingeniera

4.- Calcule : IC (ndice de consistencia)

Facultad de Ingenieria Industrial y de Sistemas