PASO 3 - DESARROLLAR Y PRESENTAR EL DIAGNÓSTICO Y ANÁLISIS FINAL

DEL ESTUDIO DE CASO

PRESENTADO POR:

LUIS MIGUEL FERNANDEZ

COD.10498999

PRESENTADO A:

TUTOR

HECTOR FABIO

CURSO:

MÉTODOS PROBABILÍSTICOS

GRUPO: 66

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA ECBTI
PROGRAMA INGENIERIA INDUSTRIAL
CEAD SANTANDER DE QUILICHAO NOVIEMBRE 2018
 Modelos matemáticos y sus
sistemas de línea en espera

.Canales de servicio en
paralelo
.Canales de servicio en serie
Modelo de colas M/G/C-
.Programación lineal
.Líneas de espera de varios servidores FCFS con una política
.Modelos de transporte
Primeros en llegar primeros en salir de sistema de inventario
.Programación dinámica
.Modelos de colas de varios servidores de revisión continua
.Técnicas de pronósticos
Primeros en llegar primeros en salir
.determinísticos
.RSS (random selection of service) o
.Teoría de decisiones
SIRO (service in random order)
.Teoría de juegos

Las líneas de
Una línea de Capacidad de la
espera tienen
espera es el efecto Fuente de entrada o cola Los modelos de
gran
resultante en un población potencia línea de espera se
aplicabilidad Disciplina de la
sistema cuando la clasifican según
en diferentes
demanda de un cola
situaciones y Tipo de llegada,
servicio supera la
ámbitos de servicio,
capacidad de
proporcionar dicho numero de
Facilita la toma
servicio servidores
de decisiones
capacidad del
para realizar
Los sistemas de sistema
una mejor
línea de espera son
distribución a Tamaño de la
probabilísticos o
los minoristas población
aleatorios
2. Identificar y reconocer los modelos probabilísticos

Tabla Diagnóstico final del estudio de caso

No. Estrategia Modelo probabilístico Justificación Referencia documental
propuesta en
(requerido para plantear, (Cita textual) en norma APA (consulte aquí)
el estudio de
desarrollar y solucionar la
caso
estrategia)
1 Participación Modelo de cadena de Según Taibo, A. (2009). Taibo, Amaro. Investigación de operaciones
markov para los no matemáticos, Instituto
Este tipo de modelo podemos pronosticar a
Politécnico Nacional, 2009. 08 de
futuro el comportamiento de algunas
noviembre de 2018, Porqués Ebook Central,
variables en el presente dichas variables han
http://ebookcentral.proquest.com/lib/unads
sufrido cambios y por medio de este modelo
p/detail.action?docID=3195391.
se hacen este tipo de pronósticos
Created from unadsp on 2018-11-08
Por lo tanto, esta técnica forma parte de la 17:23:13.
programación dinámica.

2 Servicio Modelo de línea de espera Charles Gallagher, and Hugh Watson. Charles Gallagher, and Hugh Watson.
de un solo servidor (1982). (1982). Métodos cuantitativos para la toma
de decisiones en administración. En
Este modelo puede aplicarse a personas
Métodos cuantitativos para la toma de
esperando una línea para comprar boletos
decisiones en administración (469-470).
para el cine a mecánicos que esperan obtener
España: McGraw-Hill Interamericana.
herramientas de un expendido o a trabajos de
computadora que esperan tiempo de
 procesador. Es uno de los modelos más
antiguos, más sencillos y más comunes de la
teoría de colas. Se analizaran las
suposiciones necesarias para este modelo
3 Optimización Modelo de programación Santiago, R. (2016). Optimización Gestión de Operaciones. (2017). Qué es la
estocástica Estocástica (pp. 3-4) Programación Estocástica. 08-11-2018, de
Gestión de Operaciones Sitio web:
La Programación Estocástica reúne aquellos
https://www.gestiondeoperaciones.net/prog
modelos de optimización en donde uno o
ramacion_lineal/que-es-la-programacion-
más parámetros del problema son
estocastica/
modelados a través de variables aleatorias.
Una manera de enfrentar esta aleatoriedad
consiste en reemplazar los parámetros
aleatorios por su valor esperado, lo cual lleva
a resolver un problema determinístico de
programación matemática, los cuales son de
especial interés en cursos introductorios
de Investigación de Operaciones y donde la
variabilidad inherente a los parámetros se
aborda a través del Análisis de Sensibilidad
 REFERENCIAS BIBLIOGRAFICAS

- Taibo, A. Investigación de operaciones para los no matemáticos (pp. 71-77), México,

D.F., MX: Instituto Politécnico Nacional, 2009. Accessed November 27, 2016.
Recuperado de:
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?docID=10504970
&ppg=8.

- Gallagher, C., & Watson, H. (1982). Métodos cuantitativos para la toma de decisiones
en administración (pp. 331-351), México, D.F., MX: McGraw-Hill Interamericana.
Recuperado de:
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?docID=10479349
&ppg=8.