MÉTODOS PROBABILÍSTICOS

TARES 3 - SOLUCION DE MODELOS PROBABILISTICOS DE OPTIMIZACION

TUTOR:

ALUMNO:
RANOL BONIVENTO

GRUPO: 104561_62

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA - UNAD

ESCUELA DE CIENCIAS BÁSICAS TECNOLOGÍA E INGENIERÍA
25 DE NOVIEMBRE DE 2019
IMIZACION
 TIEMPOS DE LLEGADA
�   6.8333333
�=1/�
α 0.1463415

λ 1 8.7804878

CONDICIÓN DE ESTADO
�=𝜆/�
� 0.6902439

MODELO DE LÍNEA DE ESP

Se cumple ésta condición porque � 0.6902439

Cantidad de clientes esperado�_𝒔=�/(𝟏−�) �_𝒔 2.2283465

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

fila 1.5381026

�_𝑺=�_𝒔/�
�_𝑺

Tiempo esperado en el sistema 0.2537839

�_𝒒=�_𝒒/� �_𝒒
Tiempo de espera en la fila 0.1751728

�_�=(𝟏−�)∗�^� �_�
Probabilidad de estado 0.1356007 Tomando �Ls como n
Probabilidad de inactividad en �_
_�
�_
_�=(𝟏−�)
la instalación del servicio 0.3097561

La probabilidad de actividad de
�_(𝟎.𝟒𝟏)
más del 40%. 0.9444037

La probabilidad de actividad �_(𝟎.𝟕𝟎)

del 70% 0.0949205

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

tenga que esperar 0.2138073

La probabilidad de actividad de �_(𝟎.𝟒�)

menos del 50% 0.0664443

�_𝟏𝟎
La probabilidad de atender por
lo menos 10 clientes 0.0076041
 TIEMPOS DE SERVICIO
�   4.7166666667
�=1/� 0.2120141343

�=�∗� 1 12.7208480565

ÓN DE ESTADO

DELO DE LÍNEA DE ESPERA CON UN SOLO SERVIDOR

2.022877E+26

T.efectiva de llegada 8.7804877806

Cantidad esperada de
clientes en fila 2.0228775E+26

Tiempo de espera en la
fila 2.3038327E+25
Tiempo de espera en el
sistema 2.3038327E+25
omando �Ls como n Probabilidad de
inactividad de inst del
servicio 2.6980284E+24
Probabilidad de actividad
de más del 40% -2.135591E+24

Probabilidad de actividad
del 70% 1.8101107E+24

Probabilidad que un
cliente tenga que esperar 1.8622977E+24

Probabilidad de que el
servidor esté desocupado 2.6980284E+24

Probabilidad de actividad
de menos del 50% 2.0403635E+24
La probabilidad de
atender por lo menos 10
clientes en una hora 9.0103377E+21
 C 10
n 2.228346
� �"
" 
0.690244 /�

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 servi

Probabilidad de actividad de más del 40%

Probabilidad de actividad para el 70%

Probabilidad de que un cliente tenga que esper

Probabilidad de actividad menos del 50%

Probabilidad de que por lo menos sean atendido 10 clientes
 El sistema puede
0.069024 operar

�_0 0.218883

e clientes en la fila

�_�
8.8584E-07

clientes en el sistema
�_� 0.6902448

de espera en fila
�_� 1.0089E-07

spera en el sistema
�_�
0.0786112

vidad en la inst. de los servicios

�_� 0.218883

actividad de más del 40%

0.8097576

e actividad para el 70%

0.1181985

un cliente tenga que esperar

0.1510826

actividad menos del 50%

 0.0894374

os sean atendido 10 clientes en una hora

1.4807E-09
C 10
n 2.228346
�"
" /
0.690244 � 0.069024

PROBABILIDAD DEL ESTADO

�_� 0.0479098

�_0 4.5686513

�_𝒒 9.9242E-05
Cantidad esperada de clientes en el sistema

9.627761

0.372338

122.4716

Probabilidad actividad más del 40 %

-2.970849

Probabilidad actividad igual al 70%

1.83033

Probabilidad actividad menor al 50%

3.022797
Probabilidad que un cliente tenga que esperar

0.151083
 RELACION DEL COMPORTAMIENTO DE LA DEM

DEMANDA DIARIA
COMPONENTES
NORMALMENTE
DEL DISPOSITIVO UNIDADES
DISTRIBUIDA POR
ELECTRONICO
COMPONENTE

Mecánico 1 �{�_11 } 427.61

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

DISPOSITIVO
PARAMETRO b2
ELECTRONICO DEMANDA PERIODICA
NORMALMENTE
DISTRIBUIDA

NIVEL DE SIGNIFICANCIA
DISPOSITIVO UNIDADES DEL
1 α1
ELECTRONICO DISPOSITIVO

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
RTAMIENTO 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

(�_�−�_� " " )" " ^�

𝑣𝑎�{𝑎}
MEDIA DE LA DEMANDA PERIÓDICA

7752390.52135769
7535856.75038563 �_(𝒑=𝑬{𝒂} )
2979901.42561068
2797480.57896739 〖� " "  〗 ^� �_𝒑2456738
1538738.40807856
1514235.4124877 Media de la demada
periódica normalmente
Parametro
541309.367723814 distribuida
b2
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+ 〖�𝒙〗 _�+

Sujeto a
𝟒�𝟕,𝟔𝟏𝒙_𝟏+𝟖𝟓𝟓,�� 〖�𝒙〗 _�+𝟒�𝟕,𝟔𝟏𝒙_�+
〖���𝟓𝟕𝟔𝟖 ,𝟔𝒙 〗 _𝟏^�+𝟓𝟖𝟕𝟏𝟓�𝟕𝟏,�𝒙_�^�
�=𝟎
𝒙_𝟏+ 〖�𝒙〗 _�+𝒙_�≤𝟏�𝟖�𝟖,�𝟏+�𝟎𝟏𝟒
𝒙_𝟏,𝒙_�,𝒙_�,�≥𝟎
DA PERIÓDICA

_(𝒑=𝑬{𝒂} ) 12828.31

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

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

�≤𝟏�𝟖�𝟖,�𝟏+�𝟎𝟏𝟒
 RELACION DEL COMPORTAMIENTO DE LA DEMA

DEMANDA DIARIA
COMPONENTES
NORMALMENTE
DEL DISPOSITIVO UNIDADES
DISTRIBUIDA POR
ELECTRONICO
COMPONENTE

Mecánico 1 �{�_11 } 427.61

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

DISPOSITIVO
PARAMETRO b2
ELECTRONICO DEMANDA PERIODICA
NORMALMENTE
DISTRIBUIDA

NIVEL DE SIGNIFICANCIA
DISPOSITIVO UNIDADES DEL
1 α1
ELECTRONICO DISPOSITIVO

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
ORTAMIENTO 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

(�_�−�_� " " )" " ^�

𝑣𝑎�{𝑎}
MEDIA DE LA DEMANDA PERIÓDICA

7752390.52135769
7535856.75038563 �_(𝒑=𝑬{𝒂} )
2979901.42561068
2797480.57896739 〖� " "  〗 ^� �_𝒑2456738
1538738.40807856
Media de la demada
1514235.4124877
Parametro periódica normalmente
541309.367723814 b2 distribuida
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+ 〖�𝒙〗 _�+

Sujeto a
𝟒�𝟕,𝟔𝟏𝒙_𝟏+𝟖𝟓𝟓,�� 〖�𝒙〗 _�+𝟒�𝟕,𝟔𝟏𝒙_�+
〖���𝟓𝟕𝟔𝟖 ,𝟔𝒙 〗 _𝟏^�+𝟓𝟖𝟕𝟏𝟓�𝟕𝟏,�𝒙_�^�
𝒙_𝟏+ 〖�𝒙〗 _�+𝒙_�≤𝟏�𝟖�𝟖,�𝟏+�𝟎𝟏𝟒
𝒙_𝟏,𝒙_�,𝒙_�,�≥𝟎
DA PERIÓDICA

_(𝒑=𝑬{𝒂} ) 12828.31

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

�� 〖�𝒙〗 _�+𝟒�𝟕,𝟔𝟏𝒙_�+𝟏,𝟔𝟒𝟓�≤𝟒
𝟏^�+𝟓𝟖𝟕𝟏𝟓�𝟕𝟏,�𝒙_�^�+���𝟓𝟕𝟔𝟖,𝟔𝒙_�^�−�^�=𝟎
�≤𝟏�𝟖�𝟖,�𝟏+�𝟎𝟏𝟒
 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