MODELOS Y SIMULACIÓN

PASO 3 - MODELAR Y SIMULAR SISTEMAS INDUSTRIALES CON BASE EN

TEORÍA DE COLAS

XXXXXXXXXXXXXXXX

COD.XXXXXXXXXXXXXXXXXXXX

GRUPO:

212026_XXXXXX

TUTOR (A)

XXXXXXXXXXXXX

UNIVERSIDAD ABIERTA Y A DISTANCIA

ABRIL 2020
 CONTENIDO
DESARROLLO DE LA GUIA........................................................................................................3
Punto 1: Conceptos.......................................................................................................................3
Punto 2: Generación De Numero Aleatorios................................................................................6
Punto 3: Caso De Estudio.............................................................................................................7
Conceptos de simulación

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

Por qué, cuando falla una técnica matemática, se recurre a la simulación ya que esta puede
determinar los programas de producción, niveles de inventario y procedimientos de
mantenimiento; planear la capacidad, requisitos de recursos y procesos.

1.2 ¿Qué papeles cumplen las pruebas de hipótesis estadística en la simulación?

Aceptar o rechazar las afirmaciones sobre una población dependiendo de la evidencia

proporcionada por una muestra de datos.

1.3 ¿Qué determina la validez de un modelo de simulación?

Verificación para corroborar si el código de la computadora es una traslación válida del

modelo de diagrama de flujo y si la simulación representa adecuadamente al sistema real.

1.4 ¿Se debe usar una computadora para obtener información adecuada de una
simulación? Explique.

No es indispensable , ya que existen modelos de simulación matemáticos que no requieren

de esta, pero si es una herramienta que permite simplificar, agilizar y garantizar mucho más
los resultados.

1.5 ¿Qué métodos se usan para incrementar el tiempo en un modelo de

simulación? ¿Cómo funcionan?

El tiempo se puede avanzar con uno de dos métodos incrementos fijos o incrementos
variables.

En el método de incremento de tiempo fijo: se especifican los incrementos uniformes de

tiempo del reloj (como minutos, horas o días) y la simulación continúa por intervalos fijos
de un periodo al siguiente.

En cada punto de tiempo de reloj, se rastrea el sistema para determinar si ocurría algún
evento. De ser así, se simulan los eventos y avanza el tiempo; de lo contrario, el tiempo de
todas maneras avanza una unidad.

En el método de incremento de tiempo variable: el tiempo del reloj avanza por la

cantidad requerida para iniciar el siguiente evento.
1.6 ¿Cuáles son las ventajas y desventajas de empezar una simulación con el
sistema vacío? ¿Y con el sistema en equilibrio?
 Al empezar a simular podemos interferir en las operaciones del sistema.
 Explorar todas las alternativas o todas las variantes que pueden existir dentro del
sistema.
 Difícil obtener siempre el mismo tamaño de muestra, estos sistemas toman muestras
tan grandes que pueden ser mucho más costosos.
 Los modelos de simulación no generan soluciones ni respuestas a ciertas preguntas.
 No todas las condiciones son continuas para el sistema.
 sistemas entran a jugar las personas, cambiar el comportamiento natural de las
personas que se relacionan con el sistema.

1.7 Distinga entre las distribuciones matemáticas conocidas y las distribuciones

empíricas.

Una distribución empírica se deriva de observar las frecuencias relativas de cierto evento,
como la llegada en una línea o la demanda de un producto.

Las distribuciones matemáticas conocidas en la simulación de eventos discretos se refiere a

la modelación computacional de sistemas que evolucionan en el tiempo mediante cambios
instantáneos en las variables de estado. Los cambios ocurren en puntos separados del
tiempo.

1.8 ¿Qué información se necesita para una simulación con una distribución
matemática conocida?

Para conseguir estimaciones útiles la muestra debe ser representativa del comportamiento
de sistema y debe ser lo suficientemente grande.

1.9 ¿Por qué es importante en la simulación la duración de la ejecución?

La ejecución determina la duración del sistema, este depende del propósito de la

simulación. El planteamiento más común es continuar la simulación hasta lograr un
equilibrio.

1.10 ¿Una ejecución de 100 observaciones es dos veces más válida que una de 50?
Explique.

Cuantas más haya y menores sean los segmentos de tiempo, más preciso será el estudio. La
diferencia es que más observaciones y segmentos requieren más tiempo y personal.
1.11 Describa que son los números aleatorios y como se utilizan en la simulación.

Los números aleatorios permiten a los modelos matemáticos representar la realidad, en

general cuando se requiere una impredecibilidad en unos determinados datos, se utilizan
números aleatorios ya que en simulación la capacidad de imitar el comportamiento
aleatorio que existe en los sistemas estocásticos es esencial.

1.12 Investigue para la modelación las principales herramientas de software

utilizadas.

Existen marcas de software como CPLEX®, AMPL®, GAMS®, LINDO® y XPRESS®,

además existen software de uso libre como GLPK y Lp_solve.

1.13 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. Las
etapas de la simulación y hacer una descripción de cada una de estas.

 Formulación del problema: Define el problema que se pretende estudiar. Incluye por
escrito sus objetivos.
 Diseño del modelo conceptual: Especificación del modelo a partir de las
características de los elementos del sistema que se quiere estudiar y sus
interacciones teniendo en cuenta los objetivos del problema.
 Recogida de datos: Identificar, recoger y analizar los datos necesarios para el
estudio.
 Construcción del modelo: Construcción del modelo de simulación partiendo del
modelo conceptual y de los datos.
 Verificación y validación: Comprobar que el modelo se comporta como es de
esperar y que existe la correspondencia adecuada entre el sistema real y el modelo.
 Análisis: Analizar los resultados de la simulación con la finalidad de detectar
problemas y recomendar mejoras o soluciones.
 Documentación: Proporcionar documentación sobre el trabajo efectuado.
 Implementación: Poner en práctica las decisiones efectuadas con el apoyo del
estudio de simulación.
Generación De Numero Aleatorios

2.1. Establecer un listado de 1000 números aleatorios en una columna, establecer una
grafica de tipo dispersión en un cuadro de dialogo explique sus características.
Numero Dato Aleatorio
1 0,460
2 0,283
3 0,831
4 0,720
5 0,659
6 0,282
7 0,138
8 0,572
9 0,203
10 0,427
11 0,923
12 0,659
13 0,995
14 0,995
15 0,581
16 0,097
17 0,146
18 0,546
19 0,419
20 0,293
21 0,302
22 0,168
23 0,702
24 0,858
25 0,996
26 0,424
27 0,620
28 0,690
29 0,736
30 0,168
31 0,738
32 0,459
33 0,479
2.2. 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.

Media 50
Desv. Est. 5
Limite Inf 1
Limite Sup 50
 Numero Aleatorio Normal Exponencial Uniforme
1 0,970996049 59,478 3,883 48,579
2 0,690487745 52,486 3,542 34,834
3 0,268369056 46,911 2,597 14,150
4 0,534004981 50,427 3,285 27,166
5 0,540474478 50,508 3,297 27,483
6 0,35574482 48,151 2,878 18,431
7 0,197523161 45,747 2,290 10,679
8 0,59103704 51,151 3,386 29,961
9 0,806926484 54,333 3,698 40,539
10 0,564524387 50,812 3,340 28,662
11 0,006684815 37,631 -1,096 1,328
12 0,502108534 50,026 3,223 25,603
13 0,282503561 47,123 2,648 14,843
14 0,500558797 50,007 3,220 25,527
15 0,289841312 47,231 2,674 15,202
16 0,434798363 49,179 3,079 22,305
17 0,026949942 40,362 0,298 2,321
18 0,228429908 46,280 2,435 12,193
19 0,059243736 42,194 1,086 3,903
20 0,151397565 44,848 2,024 8,418
21 0,511411468 50,143 3,241 26,059
22 0,174380024 45,315 2,166 9,545
23 0,659161316 52,051 3,495 33,299
24 0,078715806 42,931 1,370 4,857
25 0,169997744 45,229 2,140 9,330
26 0,892193862 56,191 3,798 44,717
27 0,433101878 49,158 3,075 22,222
28 0,063268268 42,360 1,152 4,100
29 0,803266361 54,267 3,693 40,360
30 0,768760205 53,674 3,649 38,669
31 0,265066312 46,861 2,584 13,988
32 0,724284191 52,978 3,589 36,490
33 0,687237874 52,440 3,537 34,675
34 0,528652391 50,359 3,275 26,904
35 0,081157646 43,013 1,401 4,977
36 0,328963882 47,786 2,800 17,119
37 0,934022498 57,532 3,844 46,767
38 0,427129516 49,082 3,061 21,929
39 0,308968295 47,506 2,738 16,139
40 0,787053301 53,981 3,673 39,566
41 0,457966248 49,472 3,131 23,440
42 0,388074597 48,578 2,965 20,016
43 0,307737478 47,489 2,734 16,079
44 0,871851389 55,676 3,775 43,721
45 0,812493512 54,436 3,704 40,812
46 0,430851271 49,129 3,070 22,112
47 0,98300142 60,601 3,895 49,167
48 0,098362073 43,545 1,593 5,820
49 0,555698851 50,700 3,324 28,229
50 0,348335308 48,051 2,857 18,068
Caso De Estudio

Punto 3: 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:

A. Modelo de simulación de 30 días de operación incluyendo grafico de estabilidad.

 Barcos que Barcos descargados
Probabilidad Probabilidad α 0,1
llegan por día por día
0 15% 1 7% Error 0,5
1 18% 2 13%
2 14% 3 45%
3 21% 4 22%
4 18% 5 13%
5 14%

Barcos que Barcos que Barcos descargados Barcos descargados

Probabilidad DE A Probabilidad DE A
llegan por día llegan por dia por día por día
0 15% 0% 15% 0 1 7% 0% 7% 1
1 18% 0,15 33% 1 2 13% 0,07 20% 2
2 14% 0,33 47% 2 3 45% 0,20 65% 3
3 21% 0,47 68% 3 4 22% 0,65 87% 4
4 18% 0,68 86% 4 5 13% 0,87 100% 5
5 14% 0,86 100% 5

Cantidad De Barcos Total de Barcos Va ri abl e a l ea toria de

Numero Barcos que llegan por Numero Cantidad de Barcos
Día Barcos Del Día descargados por Barcos a pendientes del Promedio ba rcos pendientes del
Aleatorio dia Aleatorio descargados
Anterior dia descargar dia sigui ente día s iguiente
1 0 0,970 5 0,444 3 5 3 2 2,000 2
Desviación
1
2 2 0,196 1 0,879 5 3 3 0 Estandar
3 0 0,637 3 0,250 3 3 3 0 1,965 1
4 0 0,163 1 0,074 2 1 1 0 1
5 0 0,170 1 0,178 2 1 1 0 0
6 0 0,462 2 0,382 3 2 2 0 0
7 0 0,595 3 0,462 3 3 3 0 0
8 0 0,774 4 0,060 1 4 1 3 1
9 3 0,672 3 0,195 2 6 2 4 1
10 4 0,331 2 0,704 4 6 4 2 1
11 2 0,594 3 0,351 3 5 3 2 1
12 2 0,796 4 0,667 4 6 4 2 1
13 2 0,197 1 0,506 3 3 3 0 1
14 0 0,862 5 0,949 5 5 5 0 1
15 0 0,204 1 0,048 1 1 1 0 1
16 0 0,675 3 0,339 3 3 3 0 1
17 0 0,766 4 0,110 2 4 2 2 1
18 2 0,200 1 0,053 1 3 1 2 1
19 2 0,136 0 0,711 4 2 2 0 1
20 0 0,897 5 0,005 1 5 1 4 1
21 4 0,192 1 0,456 3 5 3 2 1
22 2 0,562 3 0,272 3 5 3 2 1
23 2 0,909 5 0,460 3 7 3 4 1
24 4 0,514 3 0,445 3 7 3 4 1
25 4 0,804 4 0,630 3 8 3 5 2
26 5 0,352 2 0,075 2 7 2 5 2
27 5 0,550 3 0,145 2 8 2 6 2
28 6 0,737 4 0,810 4 10 4 6 2
29 6 0,144 0 0,839 4 6 4 2 2
30 2 0,391 2 0,336 3 4 3 1 2
Punto 3: 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:

B. Cálculo del número de corridas necesarias para estabilizar la variable de interés.

Va ri a bl e a l ea tori a de
Promedio ba rcos pe ndi e ntes de l α 0,1
día s i gui ente
2,905 3 Error 0,5
Desviación
4
Estandar
1,093 4
5
5
5
5
5
La cantidad de barcos que se quedan pendientes de descargar no sigue una
4
distribución normal. Por lo que se usa la segunda formula.
4
4 LONGITUD DE CORRIDA
3 47,786
3 Por lo tanto tenemos una longitud de la corrida de 48 barcos.
3
3
3
3
2
2
2
2
2
2
2
2
2
2
2
2
1
Punto 3: 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:

C. Adecuar el número de corridas según el caso del modelo del punto A.

Barcos que Barcos
llegan por Probabilidad descargados Probabilidad α 0,1
día por día
0 15% 1 7% Error 0,5
1 18% 2 13%
2 14% 3 45%
3 21% 4 22%
4 18% 5 13%
5 14%

Barcos que Barcos que Barcos Barcos

llegan por Probabilidad DE A llegan por descargados Probabilidad DE A descargados por
día dia por día día
0 15% 0% 15% 0 1 7% 0% 7% 1
1 18% 0,15 33% 1 2 13% 0,07 20% 2
2 14% 0,33 47% 2 3 45% 0,20 65% 3
3 21% 0,47 68% 3 4 22% 0,65 87% 4
4 18% 0,68 86% 4 5 13% 0,87 100% 5
5 14% 0,86 100% 5

Longitud De Simulamos hasta el día

47,786
Corrida 48

Vari abl e al ea tori a

Cantidad De Barcos Total de Cantidad de Barcos
Numero Barcos que Numero de barcos
Día Barcos Del Día descargados Barcos a Barcos pendientes del Promedio
Aleatorio llegan por dia Aleatorio pendi entes del día
Anterior por dia descargar descargados dia siguiente
s igui ente
1 0 0,179 1 0,286 3 1 1 0 0,354 0
Desviación
2 0 0,015 0 0,577 3 0 0 0 0
Estandar
3 0 0,285 1 0,489 3 1 1 0 0,668 0
4 0 0,389 2 0,235 3 2 2 0 0
5 0 0,228 1 0,168 2 1 1 0 0
6 0 0,477 3 0,135 2 3 2 1 0
7 1 0,465 2 0,512 3 3 3 0 0
8 0 0,520 3 0,502 3 3 3 0 0
9 0 0,191 1 0,708 4 1 1 0 0
10 0 0,645 3 0,499 3 3 3 0 0
11 0 0,769 4 0,338 3 4 3 1 0
12 1 0,128 0 0,012 1 1 1 0 0
13 0 0,318 1 0,850 4 1 1 0 0
14 0 0,617 3 0,746 4 3 3 0 0
15 0 0,079 0 0,902 5 0 0 0 0
16 0 0,236 1 0,807 4 1 1 0 0
17 0 0,126 0 0,401 3 0 0 0 0
18 0 0,046 0 0,531 3 0 0 0 0
19 0 0,875 5 0,585 3 5 3 2 0
20 2 0,293 1 0,872 5 3 3 0 0
21 0 0,861 5 0,959 5 5 5 0 0
22 0 0,752 4 0,422 3 4 3 1 0
23 1 0,822 4 0,502 3 5 3 2 0
24 2 0,277 1 0,301 3 3 3 0 0
25 0 0,861 5 0,832 4 5 4 1 0
26 1 0,836 4 0,578 3 5 3 2 0
27 2 0,449 2 0,843 4 4 4 0 0
28 0 0,535 3 0,860 4 3 3 0 0
29 0 0,581 3 0,867 4 3 3 0 0
30 0 0,044 0 0,792 4 0 0 0 0
31 0 0,354 2 0,125 2 2 2 0 0
32 0 0,375 2 0,743 4 2 2 0 0
33 0 0,554 3 0,644 3 3 3 0 0
34 0 0,820 4 0,829 4 4 4 0 0
35 0 0,505 3 0,274 3 3 3 0 0
36 0 0,533 3 0,082 2 3 2 1 0
37 1 0,667 3 0,294 3 4 3 1 0
38 1 0,095 0 0,325 3 1 1 0 0
39 0 0,303 1 0,811 4 1 1 0 0
40 0 0,124 0 0,267 3 0 0 0 0
41 0 0,523 3 0,035 1 3 1 2 0
42 2 0,075 0 0,675 4 2 2 0 0
43 0 0,832 4 0,286 3 4 3 1 0
44 1 0,007 0 0,032 1 1 1 0 0
45 0 0,972 5 0,605 3 5 3 2 0
46 2 0,117 0 0,083 2 2 2 0 0
47 0 0,587 3 0,860 4 3 3 0 0
48 0 0,438 2 0,724 4 2 2 0 0
Punto 3: 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:

D. Generar 15 corridas del modelo y calcular el intervalo de confianza.

Va ri a b l e a l e a to ri a d e
Promedio b a rco s p e n d i e n te s
d e l d ía s i gu i e n te
2,295 0
Desviación
0
Estandar
0,991 0
0
0
1
1
1
1
2
2
2
2
2
2
2
3
3
3
3
3
4
4
4
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
2
2
2
2
2
2
2
2
2
Promedio Corrida 1 Promedio Corrida 2
0,357 0 0,912 0 2,209
Desviación Desviación
0 0
Estandar Estandar
0,247 0 0,285 0 1,014
0 0
0 1
0 1
0 1
0 1
0 1
0 1
0 1
0 1
0 1
0 1
0 1
0 1
0 1
0 1
0 1
0 1
0 1
0 1
0 1
0 1
0 1
0 1
0 1
0 1
0 1
0 1
0 1
1 1
1 1
1 1
1 1
1 1
1 1
1 1
1 1
1 1
1 1
1 1
1 1
1 1
1 1
1 1
1 1
1 1
Promedio Corrida 3 Promedio Corrida 4
0 0,730 0 0,811
Desviación Desviación
1 0
Estandar Estandar
0 0,487 0 0,497
1 0
1 0
1 0
1 0
1 0
1 0
1 0
1 0
1 0
1 0
2 0
2 0
2 0
3 0
3 1
3 1
3 1
4 1
4 1
4 1
4 1
4 1
3 1
3 1
3 1
3 1
3 1
3 1
3 1
3 1
3 1
3 1
3 1
3 1
3 1
2 1
2 1
2 1
2 1
2 1
2 1
2 1
2 1
2 1
2 1
Promedio Corrida 5 Promedio Corrida 6 Promedio Corrida 7 Promedio Corrida 8 Promedio Corrida 9 Promedio Corrida 10 Promedio Corrida 11 Promedio Corrida 12 Promedio Corrida 13 Promedio Corrida 14 Promedio Corrida 15
0 3,019 2 0,683
Desviación Desviación Desviación
1 3
Estandar Estandar Estandar
0 0,823 4 0,360
0 4
0 4
0 5
0 5
0 5
0 5
0 4
0 4
0 4
0 4
0 4
0 3
0 3
0 3
0 3
1 3
1 3
1 3
1 3
1 3
1 3
1 3
1 3
1 3
2 3
1 3
1 3
1 3
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
0 0,688 0 0,784
Desviación Desviación
0 0
Estandar Estandar
0 0,362 0 0,207
0 0
0 0
0 1
0 1
0 1
0 1
0 1
1 1
1 1
1 1
1 1
1 0
1 1
1 1
1 1
1 1
1 1
1 0
1 0
1 0
1 0
1 1
1 1
1 1
1 1
1 1
1 1
1 1
1 1
1 1
1 1
1 1
1 1
1 1
1 1
1 1
1 1
1 1
1 1
1 1
1 1
1 1
1 1
1 1
1 1
0 1,054 1 1,941
Desviación Desviación
0 1
Estandar Estandar
1 0,369 0 0,724
1 0
1 0
1 0
1 1
1 1
1 1
1 1
1 0
1 1
1 1
1 1
1 1
1 1
1 1
1 2
1 1
1 1
1 1
1 1
1 1
1 1
1 1
1 1
1 1
1 1
1 1
1 1
1 1
1 1
1 1
1 1
1 1
1 1
1 1
1 1
1 1
1 1
1 1
1 1
1 1
1 1
1 1
1 1
1 1
1 1
0 2,175 0 0,741 0 0,642 1 0,260 0
Desviación Desviación Desviación Desviación
1 0 0 1 0
Estandar Estandar Estandar Estandar
1 1,245 0 0,394 0 0,320 0 0,199 0
1 0 0 0 0
1 1 0 0 0
1 1 0 1 0
1 1 0 1 0
1 1 0 1 0
1 0 0 0 0
2 1 0 0 0
2 0 0 0 0
2 1 1 0 0
2 1 1 0 0
2 1 1 1 0
2 1 1 0 0
3 2 1 0 0
3 2 1 0 0
3 2 1 0 0
3 2 1 1 0
3 2 1 1 0
3 2 1 0 0
3 2 1 0 0
3 3 1 0 0
3 3 1 0 0
3 3 1 0 0
3 3 1 0 0
2 4 1 0 0
2 4 1 0 0
2 4 1 0 0
2 4 1 1 0
2 4 1 1 0
2 4 1 1 0
2 3 1 1 0
2 3 1 1 0
2 3 1 1 0
2 3 1 1 0
2 3 1 1 1
2 3 1 1 1
2 3 1 1 1
2 3 1 1 1
2 3 1 1 1
2 3 1 1 1
2 3 1 1 0
2 3 1 1 0
2 3 1 1 0
2 3 1 1 0
2 3 1 1 0
2 3 1 1 1
 N° Promedio
1 0,357 Promedio
2 0,912 2,295
Desviación
3 2,209
Estandar
4 0,730 0,991
5 0,811
6 3,019 IC+ 3,439
7 0,683 IC- 1,151
8 0,688
9 0,784
10 1,054
11 1,941 El resultado me arroja que el promedio de cada réplica NO
12 2,175 siguen una distribución normal.
13 0,741
14 0,642
15 0,260

E. Establecer conclusiones y recomendaciones del caso, por cada integrante del grupo.

Conclusión

Debido a la fluctuación de los barcos no hay un patrón de barcos pendientes por descargar
los días siguientes.
Recomendación

Buscar estandarizar los recorridos optimizando las corridas efectuadas en el paso d,para a si
poder estabilizar los recorridos.
 REFERENCIAS BIBLIOGRAFICAS

 Díaz de Santos, (2006). Cómo mejorar la logística de su empresa

mediante la simulación, Ediciones. ProQuest Ebook Central,
Disponible en la Biblioteca Virtual de la UNAD (pp.35-73). Recuperado
de
https://bibliotecavirtual.unad.edu.co:2538/lib/unadsp/reader.action?
ppg=52&docID=3220054&tm=1544037773402

 Guasch, A., Piera, M. À., & Casanovas, J. (2002). Modelado y

simulación: aplicación a procesos logísticos de fabricación y servicios.
Madrid, ES: Universitat Politècnica de Catalunya. Disponible en la
Biblioteca Virtual de la UNAD (pp.6-21)|. Recuperado de
https://bibliotecavirtual.unad.edu.co:2538/lib/unadsp/reader.action?
ppg=32&docID=4310046&tm=1544037403797
 Guasch, Antoni, et al. (2002). Modelado y simulación: aplicación a
procesos logísticos de fabricación y servicios, Universitat Politècnica
de Catalunya,. ProQuest Ebook Central,
https://bibliotecavirtual.unad.edu.co:2538/lib/unadsp/detail.action?
docID=4310046.
 Hernandez, Oscar. ( 23,08,2017). Modelos y Simulación. [Archivo de
video]. Recuperado de http://hdl.handle.net/10596/12977
 Hillier, Frederick S. (2010). Introducción a la investigación de
operaciones (9a. ed.), McGraw-Hill Interamericana,. ProQuest Ebook
Central, (pgs. 871-924)
https://bibliotecavirtual.unad.edu.co:2538/lib/unadsp/detail.action?
docID=3214887.

 Singer, M. (2013). Una práctica teoría de la optimización lineal :

datos, modelos y decisiones. Santiago, Chile: Ediciones UC.
Disponible en la Biblioteca Virtual de la UNAD (pp.3-69).
Recuperado de
http://bibliotecavirtual.unad.edu.co/login?
url=https://bibliotecavirtual.unad.edu.co:2969/login.aspx?
direct=true&db=nlebk&AN=1725244&lang=es&site=ehost-
live&ebv=EB&ppid=pp_3