MÉTODOS PROBABILÍSTICOS

Modelos probabilisticos de optimizacion

TAREA 3

Presentado a:
Álvaro Javier Rojas Baracaldo
Tutor

Entregado por:

Jennifer Marcela Martínez

 UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA - UNAD
ESCUELA DE CIENCIAS BÁSICAS TECNOLOGÍA E INGENIERÍA
PROGRAMA INGENIERÍA INDUSTRIAL
NOVIEMBRE DE 2019
 TIEMPOS DE LLEGADA
�   6.83333333
�=1/�
α 0.14634146

λ 1 8.7804878 �=�∗�

CONDICIÓN DE ESTADO
�=𝜆/�
� 0.6902439

MODELO DE LÍNEA DE ESPERA CON

Se cumple ésta condición porque � 0.6902439

Cantidad de clientes esperado �_𝒔=�/(𝟏−�) �_𝒔 2.22834646

Cant esperada de clientes en la �_𝒒=𝒍_𝒔−� �_𝒒

fila 1.53810255

�_𝑺=�_𝒔/�
�_𝑺
Tiempo esperado en el sistema 0.2537839

�_𝒒=�_𝒒/� �_𝒒
Tiempo de espera en la fila 0.17517279

Probabilidad de estado �_�=(𝟏−�)∗�^� �_� 0.13560067 Tomando �Ls como n

Probabilidad de inactividad en la �_
_�=(𝟏−�) �_
_�
instalación del servicio 0.3097561
La probabilidad de actividad de �_(𝟎.𝟒𝟏)
más del 40%. 0.94440373

La probabilidad de actividad del �_(𝟎.𝟕𝟎)

70% 0.09492047

La probabilidad que un cliente �_𝟏=(𝟏−�)∗�^𝟏 �_𝟏

tenga que esperar 0.21380726

La probabilidad de actividad de �_(𝟎.𝟒�)

menos del 50% 0.06644433

�_𝟏𝟎
La probabilidad de atender por
lo menos 10 clientes 0.00760406
 TIEMPOS DE SERVICIO
�   4.7166666667
�=1/� 0.2120141343

�=�∗� 1 12.7208480565

DE LÍNEA DE ESPERA CON UN SOLO SERVIDOR

2.02288E+26

T.efectiva de llegada 8.7804877806

Cantidad esperada de clientes
en fila 2.022877E+26

Tiempo de espera en la fila 2.303833E+25

Tiempo de espera en el
sistema 2.303833E+25

Probabilidad de inactividad de
inst del servicio 2.698028E+24
 Probabilidad de actividad de
más del 40% -2.13559E+24

Probabilidad de actividad del

70% 1.810111E+24

Probabilidad que un cliente

tenga que esperar 1.862298E+24

Probabilidad de que el
servidor esté desocupado 2.698028E+24

Probabilidad de actividad de
menos del 50% 2.040364E+24
La probabilidad de atender por
lo menos 10 clientes en una
hora 9.010338E+21
 C 10
n 2.22834646
� �"
0.6902439 " 
/�

Cantidad esperada de clientes en la fila

Cantidad esperada de clientes en el sistema

Tiempo estimado de espera en fila

Tiempo estimado de espera en el sistema

Probabilidad de inactividad en la inst. de los servicios

Probabilidad de actividad de más del 40%

Probabilidad de actividad para el 70%

Probabilidad de que un cliente tenga que esperar

Probabilidad de actividad menos del 50%

Probabilidad de que por lo menos sean atendido 10 clientes en
 0.06902439 El sistema puede operar

�_0 0.218882976

e clientes en la fila

�_�
8.858372E-07

lientes en el sistema
�_� 0.690244788

de espera en fila
�_� 1.00887E-07

spera en el sistema
�_�
0.078611212

tividad en la inst. de los servicios

�_� 0.218882976

e actividad de más del 40%

0.80975759

de actividad para el 70%

0.118198463

e un cliente tenga que esperar

0.15108264

e actividad menos del 50%

0.089437434
nos sean atendido 10 clientes en una hora
1.480726E-09
C 10
n 2.22834646
�"
0.6902439 " / 0.06902439
�

PROBABILIDAD DEL ESTADO

�_� 0.047909756

�_0 4.568651324

�_𝒒 9.92424E-05
Cantidad esperada de clientes en el sistema

9.62776122

0.37233802

122.471562

Probabilidad actividad más del 40 %

-2.970849

Probabilidad actividad igual al 70%

1.83032982

Probabilidad actividad menor al 50%

3.02279711

Probabilidad que un cliente tenga que esperar

0.15108264
 RELACION DEL COMPORTAMIENTO DE LA DEMANDA

COMPONENTES DEL DEMANDA DIARIA

DISPOSITIVO UNIDADES NORMALMENTE DISTRIBUIDA
ELECTRONICO POR COMPONENTE

Mecánico 1 �{�_11 } 427.61

Electronico 2 �{�_12 } 855.22
Electrico 1 �{�_13 } 427.61

DISPOSITIVO PARAMETRO b2
ELECTRONICO DEMANDA PERIODICA
NORMALMENTE DISTRIBUIDA

DISPOSITIVO UNIDADES DEL NIVEL DE SIGNIFICANCIA 1

ELECTRONICO DISPOSITIVO α1

22039 0.05

DISPOSITIVO DEMANDA PERIODICA

Periodo
ELECTRONICO (Unidades)
19 10044
20 10083.16
21 11102.0724
22 11155.744436
23 11587.85254804

24 11597.7687677556
25 12092.5742033025
26 12474.8710409392
27 12998.9252264359
28 13285.3734515279
29 13577.3823718599
30 13790.6303109553
31 14353.5409767502
32 14107.5214693077
33 14714.9941076838
34 14982.2947558386
35 14692.8523326964
36 14268.0485760998
Ʃ 230909.606975193
PORTAMIENTO DE LA DEMANDA

VARIANZA DE LA DEMANDA
DIARIA NORMALMENTE
DISTRIBUIDA POR
COMPONENTE

2935768.6
5871537.2
2935768.6

VARIANZA DE LA DEMANDA
PERIODICA NORMALMENTE
DISTRIBUIDA

NIVEL DE SIGNIFICANCIA 2
α2

0.10

(�_�−�_� " " )" " ^� MEDIA DE LA DEMANDA PERIÓDICA

𝑣𝑎�{𝑎}
7752390.52135769
7535856.75038563 �_(𝒑=𝑬{𝒂} )
2979901.42561068
2797480.57896739 2456738.09
〖� " "  〗 ^� �_𝒑
1538738.40807856

1514235.4124877 Media de la demada periódica

Parametro b2 normalmente distribuida
541309.367723814
124920.157126893 �{𝑎}
12828.3114986218
29109.0441186156
208905.628794363
561107.17313362
926057.496570895
2326324.96095179
1636378.14910213
3559571.26733706
4639643.87237028
3476512.52193141
2072842.85226474
44221285.5883133

Función objetivo 𝑴𝒂𝒙 𝒁=𝒙_𝟏+ 〖��〗 _�+ �_�

Sujeto a
𝟒�𝟕,𝟔𝟏�__�+𝟖𝟓𝟓,�� 〖�𝒙〗 _ _�+𝟒�𝟕,𝟔𝟏�__�
〖���𝟓𝟕𝟔𝟖 ,𝟔𝒙 〗 _𝟏^�+𝟓𝟖𝟕𝟏𝟓�𝟕𝟏,�𝒙_�^�+�
_�^�−�^�=𝟎 
  �_
_�+ 〖�𝒙〗 _�_ +�__� ≤𝟏�𝟖�𝟖,�𝟏+�𝟎𝟏𝟒
�__�,�__�,�__� ,�≥𝟎
DA PERIÓDICA

_(𝒑=𝑬{𝒂} ) 12828.3115

Variaza de la demanda
periódica normalmente
distribuida
2456738.08823963 √( ���{�}1567.3985097095
𝒗𝒂�{𝒂}  )
𝒙 𝒁=𝒙_𝟏+ 〖��〗 _�+ �_�

�� 〖�𝒙〗 _
_�+𝟒�𝟕,𝟔𝟏�__� +𝟏,𝟔𝟒𝟓�≤𝟒
�+𝟓𝟖𝟕𝟏𝟓�𝟕𝟏,�𝒙_�^�+���𝟓𝟕𝟔𝟖,𝟔𝒙

�_
_� ≤𝟏�𝟖�𝟖,�𝟏+�𝟎𝟏𝟒
𝟎
 RELACION DEL COMPORTAMIENTO DE LA DEMANDA

COMPONENTES DEL DEMANDA DIARIA

DISPOSITIVO UNIDADES NORMALMENTE DISTRIBUIDA
ELECTRONICO POR COMPONENTE

Mecánico 1 �{�_11 } 427.61

Electronico 2 �{�_12 } 855.22
Electrico 1 �{�_13 } 427.61

DISPOSITIVO PARAMETRO b2
ELECTRONICO DEMANDA PERIODICA
NORMALMENTE DISTRIBUIDA

DISPOSITIVO UNIDADES DEL NIVEL DE SIGNIFICANCIA 1

ELECTRONICO DISPOSITIVO α1

23692 0.05

DISPOSITIVO DEMANDA PERIODICA

Periodo
ELECTRONICO (Unidades)
19 10044
20 10083.16
21 11102.0724
22 11155.744436
23 11587.85254804

24 11597.7687677556
25 12092.5742033025
26 12474.8710409392
27 12998.9252264359
28 13285.3734515279
29 13577.3823718599
30 13790.6303109553
31 14353.5409767502
32 14107.5214693077
33 14714.9941076838
34 14982.2947558386
35 14692.8523326964
36 14268.0485760998
Ʃ 230909.606975193
PORTAMIENTO DE LA DEMANDA

VARIANZA DE LA DEMANDA
DIARIA NORMALMENTE
DISTRIBUIDA POR
COMPONENTE

2935768.6
5871537.2
2935768.6

VARIANZA DE LA DEMANDA
PERIODICA NORMALMENTE
DISTRIBUIDA

NIVEL DE SIGNIFICANCIA 2
α2

0.10

(�_�−�_� " " )" " ^� MEDIA DE LA DEMANDA PERIÓDICA

𝑣𝑎�{𝑎}
7752390.52135769
7535856.75038563 �_(𝒑=𝑬{𝒂} )
2979901.42561068
2797480.57896739 2456738.09
〖� " "  〗 ^� �_𝒑
1538738.40807856

1514235.4124877 Media de la demada periódica

Parametro b2 normalmente distribuida
541309.367723814
124920.157126893 �{𝑎}
12828.3114986218
29109.0441186156
208905.628794363
561107.17313362
926057.496570895
2326324.96095179
1636378.14910213
3559571.26733706
4639643.87237028
3476512.52193141
2072842.85226474
44221285.5883133

Función objetivo 𝑴𝒂𝒙 𝒁=𝒙_𝟏+ 〖��〗 _�+ �_�

Sujeto a
𝟒�𝟕,𝟔𝟏�__� +𝟖𝟓𝟓,�� 〖�𝒙〗 _ _�+𝟒�𝟕,𝟔𝟏�__�+
〖���𝟓𝟕𝟔𝟖 ,𝟔𝒙 〗 _𝟏^�+𝟓𝟖𝟕𝟏𝟓�𝟕𝟏,�𝒙_�^�+�
_�^�−�^�=𝟎 
  �_
_�+ 〖�𝒙〗 _�_ +�__� ≤𝟏�𝟖�𝟖,�𝟏+�𝟎𝟏𝟒
�__�,�__� ,�__�,�≥𝟎
DA PERIÓDICA

_(𝒑=𝑬{𝒂} ) 12828.3115

Variaza de la demanda
periódica normalmente
distribuida
2456738.08823963 √( ���{�}1567.3985097095
𝒗𝒂�{𝒂}  )
𝒙 𝒁=𝒙_𝟏+ 〖��〗 _�+ �_�

�� 〖�𝒙〗 _
_�+𝟒�𝟕,𝟔𝟏�__�+𝟏,𝟔𝟒𝟓�≤𝟒
�+𝟓𝟖𝟕𝟏𝟓�𝟕𝟏,�𝒙_�^�+���𝟓𝟕𝟔𝟖,𝟔𝒙

�_
� ≤𝟏�𝟖�𝟖,�𝟏+�𝟎𝟏𝟒
𝟎
 CONCLUSIONES

Los métodos probabilísticos analizan los casos en los cuales no puede predecirse con
exactitud y los tiempos son variables, es decir que, estos modelos analizan una situación
más realista, donde en muchas ocasiones la demanda se excede. Los modelos de múltiples
periodos, permiten buscar una solución óptima para administrar las diferentes variables,
en los casos en que los periodos continuos interactúan.
Para esto es necesario conocer la densidad de probabilidad que representa el
comportamiento de las variables del sistema para los múltiples periodos, y también es
necesario conocer los efectos que el periodo anterior espera generar en el siguiente
periodo.

Un modelo probabilístico es un enunciado de las relaciones entre variables y constantes a

las que se asocia probabilidades estadísticas, dicho de otra manera hay incertidumbre.

Un modelo Probabilistico es un enunciado expresado como ecuaciones de relaciones entre

las variables y constantes asociadas con un problema.

La última prueba de un modelo es si es útil o no al proporcionar un entendimiento de la

situación real, además es conveniente que el modelo tenga algún potencial de
predicciones para que las decisiones concernientes a futuros casos puedan hacerse con
predicción relativamente clara.

En los modelos probabilisticos, decisiones acertadas generan buenos resultados, es decir,

se obtiene lo que se espera; los modelos probabilísticos el resultado es incierto el decisor
se preocupa tanto por el valor del resultado como por el grado de riesgo involucrado en la
decisión.
 REFERENCIAS

Paz, R. C., & Gómez, D. G. (2012). Modelos de lineas de espera. Obtenido de

Administración de las operaciones:
http://nulan.mdp.edu.ar/1622/1/17_modelos_lineas_espera.pdf

Hillier, F. y Lieberman, G. (2010). Introducción a la investigación de operaciones (pp. 725-

737). México, México: Editorial McGraw-Hill Interamericana. Recuperado de
http://bibliotecavirtual.unad.edu.co/login?url=http://search.ebscohost.com/login.aspx?
direct=true&db=edselb&AN=edselb.3214887&lang=es&site=eds-live

García, A. (2006). Programación estocástica por metas: teoría y aplicaciones

económicas (pp. 84-87). Madrid, España: Editorial Universidad Complutense de Madrid.
Recuperado de https://bibliotecavirtual.unad.edu.co:2538/lib/unadsp/reader.action?
ppg=103&docID=3168854&tm=1541109698692