LINEAS DE ESPERA CAPITULO 2 LECTURA 6.2. SIMULACIÓN Y ANÁLISIS DE MODELOS ESTOCÁSTICOS Azarang M., Garcia E. Mc. Graw Hill. México 2.

Tamaño: px
Comenzar la demostración a partir de la página:

Download "LINEAS DE ESPERA CAPITULO 2 LECTURA 6.2. SIMULACIÓN Y ANÁLISIS DE MODELOS ESTOCÁSTICOS Azarang M., Garcia E. Mc. Graw Hill. México 2."

Transcripción

1 LECTURA 6.2 SIMULACIÓN Y ANÁLISIS DE MODELOS ESTOCÁSTICOS Azarang M., Garcia E. Mc. Graw Hill. México CAPITULO 2 LINEAS DE ESPERA 2.1 INTRODUCCIÓN Una línea de espera es el efecto resultante en un sistema cuando la demanda de un servicio supera la capacidad de proporcionar dicho servicio. Este sistema está formado por un conjunto de entidades en paralelo que proporcionan un servicio a las transacciones que aleatoriamente entran al sistema. Dependiendo del sistema que se trate, las entidades pueden ser cajeras, máquinas, semáforos, grúas, etcétera, mientras que las transacciones pueden ser: clientes, piezas, autos, barcos, etcétera. Tanto el tiempo de servicio como las entradas al sistema son fenómenos que generalmente tienen asociadas fuentes de variación que se encuentran fuera del control del tomador de decisiones, de tal forma que se hace necesaria la utilización de modelos estocásticos que permitan el estudio de este tipo de sistemas. Una línea de espera puede modelarse como un proceso estocástico en el cual la variable aleatoria se define como el número de transacciones en el sistema en un momento dado; el conjunto de valores que puede tomar dicha variable es {O, 1, 2,..., N\ y cada uno de ellos tiene asociada una probabilidad de ocurrencia 2.2 OBJETIVO En las líneas de espera, existen dos costos perfectamente identificados: el costo de las transacciones, que representa la cuantificación monetaria de la pérdida de tiempo al esperar recibir un servicio o la pérdida de clientes por abandono del sistema, y el costo de proporcionar el servicio, que representa la cantidad de dinero que hay que pagar por cuestión de sueldos y salarios, energía, mantenimiento y depreciación del personal o equipo. De tal forma que en un estudio de líneas de espera el objetivo es determinar qué nivel de servicio, ya sea por cantidad de entidades o por la velocidad de ellas, proporcionar para minimizar el costo total del sistema. Este costo está formado tanto por costo de servicio como por el que causa la espera. Matemáticamente podemos representarlo de la siguiente forma:

2 Estos conceptos se pueden representar gráficamente de acuerdo con el esquema mostrado en la figura 2.1. Figura 2.1 Esquema de optimización de una línea de espera. 2.3 ESTRUCTURA Un sistema de espera se representa mediante la llegada de transacciones a un sistema con el fin de recibir un servicio por cualquiera de una o más entidades dispuestas para ello, conocidas como servidores. En caso de que todas las entidades se encuentren ocupadas, la transacción permanece en espera en la fila hasta que decide abandonar la fila sin ser atendido, o bien, es seleccionado de acuerdo con cierta regla para recibir atención. Una vez que el servicio ha sido completamente proporcionado, la transacción sale del sistema y se convierte de nuevo en una transacción potencial. Servidores Representan al mecanismo por el cual las transacciones reciben de una manera completa el servicio deseado. Estas entidades se encuentran dispuestas en forma paralela a la fila, de tal manera que las transacciones pueden seleccionar a cualquiera de ellas para el suministro de dicho servicio. Las dos características principales de los servidores son: la cantidad asignada por cada fila existente en el sistema y la distribución de probabilidad del tiempo de atención a las transacciones o de la velocidad de servicio; dentro de las distribuciones más comunes están la exponencial, la Erlang, la hiperexponencial, la degenerada. Transacciones potenciales Representan el número total de clientes que podrían requerir el servicio proporcionado por el sistema y es necesario definir dos características para este conjunto de elementos; la

3 primera tiene que ver con el tamaño del conjunto potencial de clientes, dando, en consecuencia, conjuntos limitados o finitos y en otros casos conjuntos ilimitados o infinitos. La segunda caracterísitica se refiere a la distribución de probabilidad del tiempo entre llegadas o bien a la tasa de entrada promedio. Es común encontrarse la suposición de tasas de llegada que siguen un proceso Poisson, el cual ocurre cuando las llegadas a un sistema se llevan a cabo de forma aleatoria; es importante hacer notar que una de las propiedades de esta distribución es su relación con el tiempo entre llegadas consecutivas, que se representa en forma paralela, de acuerdo con un proceso de tipo exponencial. Existen algunos sistemas donde la tasa de llegadas se ve afectada por la decisión de una transacción de rehusar su entrada al sistema por razones diversas, por ejemplo del tamaño de la fila. Fila Is el conjunto de transacciones que espera ser atendido por alguno de los servidores del sistema. Una fila tiene tres características principales, la primera se refiere a la capacidad, o sea, al número máximo de transacciones que pueden permanecer en ella en un mismo instante y de acuerdo con este número se clasifican como finitas o infinitas. Hay que hacer notar que en el caso de los modelos con tamaño finito, la solución es mucho más fácil de encontrar a partir Figura 2.2 Estructura general de un sistema de líneas de espera. de las ecuaciones generales ya que la solución del modelo se reduce a un sistema de ecuaciones simultáneas y a la evaluación de las medidas de desempeño mediante promedios ponderados, mientras que, en el caso de modelos de tipo ilimitado o infinito, es necesario recurrir a la solución del sistema de ecuaciones así como a la evaluación de las medidas de desempeño y a algunas series geométricas que dificultan en cierto grado el manejo algebraico de la solución. La segunda característica es el orden en que las transacciones son extraídas de la fila para su atención, en ese caso podemos encontrar: primeras llegadas, primeros servicios, por prioridad, aleatorio, etcétera y, por último/la forma de salir de la fila, que puede darse mediante el proceso de servicio o bien, mediante el abandono por factores como desesperación, hastío, etcétera. 2.4 NOMENCLATURA S n N A,, t número de servidores número de clientes en el sistema número máximo de clientes permitidos en el sistema flujo de clientes que entran cuando hay n clientes en el sistema

4 u, 7l capacidad del servidor cuando hay n clientes en el sistema. E(t) tiempo promedio de proceso por cliente V(t) variancia del tiempo de proceso E(á) tiempo promedio entre llegadas V(a) variancia del tiempo entre llegadas CQ coeficiente cuadrado de variación del flujo de clientes que entran al sistema C 2 S coeficiente cuadrado de variación del tiempo de servicio Cp coeficiente cuadrado de variación del flujo de clientes que salen del sistema PIJ probabilidad de que el sistema cambie de un estado i a un estado y después de un intervalo de tiempo P n probabilidad en estado estable de que existan n clientes en el sistema L número promedio de clientes en el sistema L q número promedio de clientes en la fila W tiempo promedio de permanencia en el sistema W q tiempo promedio de permanencia en la fila p utilización promedio del servicio C t costo total promedio del sistema de líneas de espera por unidad de tiempo C e costo promedio de servicio por cliente por unidad de tiempo costo promedio de espera por cliente por unidad de tiempo C q 2.5 CLASIFICACIÓN DE KENDALL Y LEE En 1953 Kendall y Lee propusieron un sistema de clasificación de los sistemas de líneas de espera, ampliamente utilizado en la actualidad. Esta clasificación considera seis de las características mencionadas en la estructura de los modelos de líneas de espera, expresándolas en el formato (a / b I c) (d I e I f), donde: a distribución de probabilidad del tiempo entre llegadas de las transacciones. b distribución de probabilidad del tiempo de servicio. Los símbolos utilizados en estos dos primeros campos son: D: constante. E k : distribución Erlang con parámetro k. G: cualquier tipo de distribución. GI: distribución general independiente. H: distribución hiperexponencial. M : distribución exponencial. c número de servidores d orden de atención a los clientes. Los símbolos utilizados en este campo son: FCFS: primeras entradas, primeros servicios. LCFS: últimas entradas, primeros servicios SIRÓ: orden aleatorio. PR: con base en prioridades. GD: en forma general. e número máximo de clientes que soporta el sistema en un mismo instante de tiempo. / número de clientes potenciales del sistema de líneas de espera. Por ejemplo, un modelo (M/D/3) (FCFS/20/20) representa la clasificación de un sistema donde existen 3 servidores en paralelo atendiendo de acuerdo con un orden de primeras entradas, primeras salidas, con un tiempo de servicio constante. El sistema tiene sólo 20 clientes potenciales, los cuales podrían encontrarse dentro del sistema en un mismo instante. El tiempo entre llegadas de los clientes sigue una distribución exponencial y, en caso de llegar y encontrar todos los servidores ocupados, pasan a formarse en una fila común. En otro caso, un modelo (M/M/l)(LCFS/oo/oo) es la clasificación de una línea de espera donde hay 1 servidor atendiendo

5 de acuerdo con un orden de últimas entradas, primeras salidas, con tiempo de servicio exponencial. El sistema da servicio a un número infinito de clientes potenciales, mismos que al llegar serán aceptados por el sistema. El tiempo entre llegadas de los clientes sigue una distribución exponencial y en caso de llegar y encontrar al servidor ocupado, pasan a formarse en una fila común. Respetando la clasificación anterior, es posible agrupar los diferentes modelos de la forma mostrada en la figura 2.3, donde se separan principalmente los modelos markovianos de los no markovianos. Los markovianos se dividen en modelos con capacidad finita y modelos con capacidad infinita, los no markovianos, a su vez, se clasifican en modelos con tiempos entre llegadas exponenciales y tiempos de servicio con cualquier función de probabilidad, y en modelos con tiempos entre llegadas y tiempos de servicio con cualquier tipo de distribución. Esta agrupación se realiza en función del procedimiento matemático utilizado en la solución del modelo. Figura 2.3 Agrupación de los modelos de acuerdo con el procedimiento matemático de solución. 2.6 ECUACIONES GENERALES Las medidas de desempeño con que se trabaja en teoría de colas son principalmente las siguientes: Utilización del servicio Representa el porcentaje de tiempo en que los servidores atienden a los clientes y se calcula como la razón entre la tasa promedio de llegadas y la capacidad total del sistema para proporcionar el servicio.

6 Tasa de entrada promedio Es el valor ponderado de las tasas de entrada a un sistema y representa el número promedio de clientes que, efectivamente, ingresan al sistema convirtiéndose de clientes potenciales en clientes reales. A su vez, esta variable es la tasa de salida del sistema; en el caso de sistemas de manufactura esta variable representa la producción que en promedio está logrando el sistema. Número promedio de clientes en el sistema Es el promedio ponderado de los diferentes estados del sistema, definiendo el estado del sistema como el número de clientes que se encuentran acumulados tanto en espera como en servicio en cualquier momento. 2.7 PROCESOS MARKOVIANOS El proceso estocástico utilizado en la modelación de una línea de espera tiene la propiedad markoviana, ya que la probabilidad condicional de llegar a un estado futuro depende exclusivamente del estado actual en el que se encuentre el sistema, sin importar el estado inicial de dicho sistema. Este conjunto de probabilidades condicionales se conoce como probabilidades de transición de un paso y hay que considerar que son estacionarias, o sea que no cambian con el tiempo. Estas probabilidades se expresan como p j. Hay que recordar que en este caso, el estado se define como número de transacciones dentro del sistema en un momento dado. La tabla 2.1 muestra la representación matricial del comportamiento de una línea de espera, donde los índices de la primera columna representan el estado actual del sistema y los del primer renglón los estados futuros, relacionados entre ellos por la probabilidad condicional de que el sistema cambie del estado actual al estado futuro. Las probabilidades condicionales de la matriz deben de cumplir con: Las probabilidades de estado estacionario Pj representan el comportamiento probabilístico de cada estado del sistema a largo plazo y se calculan a partir de las probabilidades de transición de un paso de acuerdo con las ecuaciones siguientes:

7 Tabla 2.1 Matriz de probabilidades de un paso. que forman un sistema de ecuaciones con N + 1 incógnitas, N + 1 ecuaciones independientes y una ecuación rendundante que debe ser eliminada. La solución de este sistema de ecuaciones origina los valores de las probabilidades estacionarias independientes del estado en que se encuentre el sistema inicialmente; así pues, estas probabilidades se representan conforme a la matriz de la tabla 2.2. Tabla 2.2 Matriz de probabilidades de estado estacionario.

8 Una vez calculadas las probabilidades de estado estacionario, la solución del modelo markoviano de líneas de espera se obtiene utilizando las ecuaciones generales descritas en la sección anterior. Ejemplo. Se desea encontrar el número de pacientes promedio en el consultorio de un doctor, para ello se realizaron un total de 73 observaciones con intervalos de 5 minutos entre cada observación, registrando en cada ocasión el número de pacientes en el consultorio. En la tabla 2.3 se clasifica la información en función de la relación existente entre observaciones t consecutivas distanciadas en el tiempo cada 5 minutos. Por ejemplo, de las 7^3 Observaciones totales, en 10 de ellas el sistema estuvo en estado O (estado presente) y 5 minutos después (estado futuro) el sistema había permanecido igual en 3 ocasiones, había cambiado a estado 1 en 5 ocasiones, cambiado a estado 2 en 2 ocasiones y no se observó cambio a los estados 3 y 4; en 20 de ellas el sistema estuvo en estado 1 (estado presente) y 5 minutos después (estado futuro) el sistema permaneció sin cambio en 8 ocasiones, cambió a estado 1 en 7 ocasiones, al estado 2 no se observó cambio alguno y, finalmente, cambió 1 y 4 veces a los estados futuros 3 y 4 respectivamente. Tabla 2.3 Observaciones del sistema. Calculando la probabilidad condicional de cambiar del estado presente i al estado futuro j, puede asegurarse que: tenemos la siguiente matriz de un paso, Tabla 2.4 Matriz de probabilidades de un paso.

9 Con estas probabilidades se puede formar el siguiente diagrama de transición de un paso: Figura 2.4 Diagrama de transición de un paso Aplicando las ecuaciones de estado estacionario 2.15 y 2.16 a la matriz de la figura 2.4, se genera el siguiente conjunto de ecuaciones: P 0 = 0.3P P T + 0.2P P P 4 P! = 0.5P P! + 0.2P 2 P 2 = 0.2P P P 3 P 3 = O.OSPi + 0.2P 2 P 4 = 0.2P X + 0.2P P 4 P 0 + P l + P 2 + P 4-1 Resolviendo el sistema de ecuaciones se obtiene: P 0 = P! = P 2 =0.122 P 3 =0.041 P 4 =0.173 Al sustituir en la ecuación 2.6 se encuentra el número promedio de pacientes en espera: En el ejemplo previo, las observaciones se realizaron cada 5 minutos, sin embargo es evidente que en ese periodo pueden suceder cambios de estado que quedan fuera de la visión del observador, por lo que se recomienda reducir al máximo el intervalo entre observaciones consecutivas. Esta reducción permite que las observaciones de los cambios de estado se lleven a cabo de manera continua y estén en función de la probabilidad de ocurrencia de una llegada o una salida del sistema. Las observaciones se realizan ahora sobre estas dos últimas variables. En el caso de los modelos markovianos M/M, la distribución de probabilidad que define la llegada o salida de transacciones de un sistema y, por ende, los cambios de estado en un t + A, está dada por la distribución Poisson expresada como:

10 Si se define un intervalo Ai pequeño que asegure el cumplimiento de los siguientes postulados, 1. Solamente puede ocurrir una llegada entre y Ai. 2. Solamente puede ocurrir una salida entre y A. 3. Solamente puede ocurrir una llegada o una salida entre y A. Tabla 2.5 Matriz de probabilidades de un paso para Ai -> O.

11 2.7.1 MODELOS (M/M/c)(d/N/f) Caracterizados por la interrupción de entradas al sistema cuando éste llega a un cierto estado y cuyo impedimento para entrar puede tener causas atribuibles al sistema como la falta de espacio, o bien a los clientes como en el" caso, por ejemplo, de que todos los clientes potenciales se encuentren dentro del sistema y no exista la posibilidad de que llegue otro cliente. En todos los casos, los sistemas que pueden ser representados mediante un modelo de capacidad finita se resuelven mediante la aplicación directa de las ecuaciones generales, gracias al hecho de que es posible evaluar numéricamente el promedio ponderado de la longitud promedio de fila o de la longitud promedio de clientes en el sistema. En este caso, la solución se puede encontrar de la siguiente forma: Esquematizar el diagrama de probabilidades de transición para todos los estados posibles del sistema. Crear la matriz de transición o matriz de probabilidades de un paso. A partir de las ecuaciones 2.15 y 2.16, encontrar todas las ecuaciones de balance. Resolver el sistema de ecuaciones para la obtención de las probabilidades de estado estacionario. Calcular la tasa efectiva de entrada de clientes al sistema. Calcular L, L Q, W, W q y p a partir de las fórmulas generales. Si aplica, evaluar en términos de costo el rendimiento del sistema en estudio. Ejemplo. Una sala de espera tiene capacidad para 3 personas. Las personas arriban al sistema de acuerdo con una tasa de 8 por hora con distribución Poisson y son atendidas por una recepcionista en 10 minutos con distribución exponencial. Si alguien llega y el sistema está lleno, se retira sin entrar. La clasificación de este sistema es (M/M/l)(FCFS/4/oo) con el diagrama de probabilidades que se muestra en la figura 2.5.

12 Figura 2.5 Diagrama probabilidades. de La matriz de un paso correspondiente al diagrama de transiciones se muestra en la tabla 2.6. De la matriz de probabilidades de la tabla 2.6 se obtiene el siguiente sistema de ecuaciones: Resolviendo el sistema de ecuaciones para encontrar las probabilidades de rstado estable:

13 Se requiere oí valor do /*> para la solución de P,,, por lo < ur. u htuyen estos valores en la ecuación 2.22: Ahora es posible calcular las medidas de desempeño del sistema, empezando por la tasa efectiva de entrada al sistema. valor inferior a 8 personas/hora ya que el 32.76% del tiempo la sala de espeni está llena y se pierden clientes. Utilizando la ecuación 2.2 para calcular la utilización del servicio, esto o.-;, el porcentaje de tiempo que la recepcionista se encuentra atendiendo clientes, teniendo en mente que el servidor se encuentra ocupado en promedio el 89.6% del tiempo, entonces el sistema tiene capacidad suficiente para atender a IOM clientes que entran por hora. Con la ecuación 2.4, calculamos el promedio j del número de clientes en la sala de espera, incluyendo al que está siendo atendido por la recepcionista,

14 Por último, los factores de tiempo promedio de espera en la fila y de estancia en el sistema se calculan haciendo uso de las ecuaciones 2.7 y 2.9 respectivamente y los resultados son: Para algunos clientes, probablemente parezca un tiempo de espera excesivo, quizá esperen que su tiempo en este sentido pueda ser mejorado; una de las -oluciones para lograrlo es, por ejemplo, contratar a una segunda recepcionista, n este caso la clasificación del sistema es (M/M/2)(FCFS/5/oo) y tanto en el Figura 2.6 Formas completa y simplificada del diagrama de probabilidades.

15

16 y por lo tanto, P l = P 2 = P 3 = P 4 = La nueva distribución de probabilidad de estado estable nos indica un incremento en la probabilidad de estar vacío, ya que de un 10.37% con una recepcionista ha pasado a un 23.76%. Otro dato interesante es que la probabilidad de que el sistema se encuentre lleno ha disminuido de 32.74% a 9.38%, lo cual permite intuir que si antes el sistema permitía una entrada efectiva de sólo personas/hora, ahora este flujo debe aumentar, para comprobarlo, tomamos la ecuación 2.3 con esto, el sistema ha permitido un aumento en el flujo promedio de 1.87 clientes/hora. A pesar de tener una tasa de entrada efectiva más alta, la utilización del servicio disminuye, principalmente por el hecho de haber duplicado la capacidad promedio de servicio; de nueva cuenta, con la ecuación 2.2, se calcula el porcentaje de tiempo en que las recepcionistas están atendiendo clientes: Con los servidores trabajando un 60.4% se asegura que el sistema tiene la posibilidad de llegar a estado estable. Con esta información y con la ecuación 2.6 se calcula el número promedio de clientes en la fila: La ecuación 2.5, permite calcular, de una manera más sencilla, el número de clientes promedio incluyendo aquellos que están con cada una de las recepcionistas: L = L q + Sp = (2)(0.604) =

17 Por último, los nuevos factores de tiempo promedio de espera en la fila y de estancia en el sistema se calculan mediante las ecuaciones 2.9 y 2.8 respectivamente y los resultados son: Como era de esperarse, se obtiene una disminución considerable en el tiempo de espera promedio de 18.5 a minutos/cliente. No hay que olvidar que la decisión de agregar una recepcionista depende principalmente de los costos en que incurra el sistema y del ahorro que se pueda generar con el cambio, por ejemplo, si agregar esa nueva recepcionista incrementa los costos en $15/hy el ahorro promedio, considerando el tiempo de espera en la fila de los clientes, es sólo de $10/h, entonces no se justifica la contratación de otra recepcionista. Ejemplo. En una oficina se cuenta con 5 impresoras. Cada una de ellas trabaja un promedio de 2 horas con distribución exponencial antes de detenerse por falta de tinta, papel o problemas mecánicos. Se asignaron dos personas para mantener las impresoras activas. Si el tiempo para reactivar una impresora es de 15 minutos con distribución exponencial, entonces, la clasificación de este sistema es: (M/M/2)(FCFS/5/5) y el diagrama de probabilidades de estado estable se muestra en la figura 2.7, dando por consiguiente la matriz de un paso, en la que es importante hacer notar la disminución progresiva en la probabilidad al cambiar de un estado i a i + 1 puesto que al ir aumentando el número de copiadoras descompuestas, la tasa promedio de entrada disminuye proporcionalmente. Figura 2.7 Diagrama de probabilidades de estado estable.

18 Tabla 2.8 Probabilidades de un paso de un modelo (M/M/2MFCFS/5/5). Este sistema de ecuaciones se resuelve de una forma similar a la de los ^emplos previos, pero debido a que la probabilidad de que se descomponga una máquina depende del número de máquinas ya descompuestas, las probabilidades de P n quedan expresadas término a término de acuerdo con:

19 La distribución de probabilidad para los 5 estados restantes queda: P l = P 2 = P 3 = P 4 = P 5 = En este caso, la tasa de llegadas está ligada a la cantidad de copiadoras descompuestas, de tal manera que si todas las copiadoras están trabajando, la tasa de llegadas es 5 veces más alta que en el caso en que tengamos 4 máquinas ya descompuestas y solamente 1 trabajando; mediante la ecuación 2.3 el promedio en la tasa de entrada es: hace que se pueda pensar en disminuir el número de servidores, en caso de que económicamente sea adecuado. Usando la ecuación 2.4, se calcula el número promedio de copiadoras descompuestas: El resultado de aproximadamente 0.5 copiadoras, guarda una estrecha relación con la utilización de los servidores, que al estar en un nivel del 27.66%. la mayor parte del tiempo se encuentran disponibles para la reparación del equipo, consiguiendo así que las copiadoras estén en servicio lo antes posible. Esta idea se ve reflejada también en el número promedio de copiadoras esperando ser reparadas, valor que puede ser estimado a partir de la ecuación 2.6: El tiempo de espera promedio antes de la reparación y/o mantenimiento calculado con la ecuación 2.9 es:

20 y el tiempo promedio en el sistema incluyendo el tiempo de reparación de 15 minutos se estima en: W=W q + E(t) = = min MODELOS (M/M/c) (d/oo/oo) En un gran número de sistemas, tanto la población potencial como la capacidad del sistema se pueden considerar ilimitados, por ejemplo, la fila para comprar un boleto para ver un juego de fútbol, la fila para utilizar un cajero automático, etcétera. A diferencia de los modelos anteriores, la solución para estos casos hace necesaria la utilización de series geométricas ya que la distribución de probabilidad de estado estable no tiene límite superior en cuanto a la capacidad del sistema. Es importante recalcar que dada la ausencia de este límite, se requiere asegurar la convergencia del sistema a un estado estable, para lo cual debe cumplirse la condición de que p < 1, es decir, que la ta-sa promedio de entrada sea estrictamente inferior a la capacidad promedio de servicio. En este caso, la solución se puede encontrar mediante los pasos que a continuación se expresan: Esquematizar el diagrama de probabilidades de transición para el conjunto de estados que definan al sistema de la mejor manera posible. Crear la matriz de transición o matriz de probabilidades de un paso. A partir de las fórmulas 2.15 y 2.16 definir las ecuaciones de balance. Representar las probabilidades de estado estacionario P n mediante una expresión algebraica. Calcular la utilización de los servidores y verificar que sea menor a 1 para asegurar la convergencia del sistema. Calcular la probabilidad de que el sistema se encuentre vacío (P 0 ). En este tipo de problemas, es necesario hacer uso de series geométricas para encontrar la convergencia de los resultados. Encontrar L, L q, W, W Q a partir de las fórmulas generales, considerando dentro del procedimiento la utilización de las series geométricas. Si aplica, evaluar en términos de costo, el rendimiento del sistema en estudio. Ejemplo. Se desea evaluar el costo promedio/hora en un sistema de producción en el cual la entrada de materia prima a un proceso de taladrado sigue una distribución Poisson con una tasa promedio de 9 piezas/hora. Se cuenta con un taladro manual en donde 6 minutos es el tiempo promedio de proceso que sigue una distribución exponencial. Los costos de funcionamiento del taladro y de inventario de piezas se estiman en $1.3/hora y $0.50 respectivamente.

21 Figura 2.8 Diagrama simplificado de probabilidades de un paso. El modelo queda clasificado como (M/M/l)(FCFS/oo/oo) y el diagrama de probabilidades de un paso que se muestra en la figura 2.8, se emplea para evaluar en términos de costo se utiliza la ecuación 2.1; sustituyendo los costos de espera y de servicio se obtiene: lo que requiere el cálculo del número promedio de piezas en espera. Para esto se necesita construir la siguiente matriz de estado transitorio: Tabla 2.9 Probabilidades de un paso para un modelo (M/M/1MFCFS/00/00). Aplicando las ecuaciones 2.15 y 2.16 para calcular las probabilidades de estado estacionario, se tiene el siguiente sistema de ecuaciones:

22

23 Ejemplo. La llegada de barcos al muelle de un puerto, sigue una distribución Poisson con una tasa promedio de 20 barcos/semana. El muelle cuenta con 3 espacios para las labores de descarga y en cada espacio hay una grúa, con la cual es posible realizar las labores de descarga en 1 día con distribución exponencial. Si un barco llega y los espacios están ocupados, espera en mar abierto hasta que llegue su turno de descarga. Considerando semanas de 7 días se determinará el tiempo promedio de espera de un barco desde que llega al puerto hasta que

24 empieza a ser descargado; el modelo se clasifica como (M/M/3)(FCFS/oo/oo) y se crea el siguiente diagrama de probabilidades:

25

26 Con la expresión matemática de la distribución de probabilidad de estado estable, y la ecuación 2.6, se calcula el número promedio de barcos en espera Las equivalencias algebraicas son útiles para llevar a cabo el proceso para encontrar la convergencia de la serie geométrica de L q :

27 2.8 PROCESOS NO MARKOVIANOS En algunos sistemas de líneas de espera no es posible explicar la variabilidad mediante un proceso Poisson, lo que ocasiona que el cálculo de la distribución de probabilidad de estado estable P n sea difícil de obtener, dada la complejidad para encontrar la probabilidad de un paso p 7 - Se han desarrollado ecuaciones particulares para procesos no markovianos donde se utiliza el coeficiente cuadrado de variación Cv 2 como una relación entre la media E(f) y la variancia V(f) de las distribuciones involucradas. A continuación se presentan algunos modelos que pueden llegar a ser de utilidad en el análisis de líneas de espera MODELO (M/G/1)(d/oo/oo) El desarrollo de las ecuaciones para este modelo se realiza utilizando el análisis de líneas de espera por medio de cadenas de Markov y desemboca en la obtención de la fórmula 2.30, conocida como la ecuación de Pollaczek-Khintchine: Ejemplo. Un sistema de manufactura cuenta, para su proceso de perforado, con un robot programado para taladrar en 6 minutos/pieza de una manera constante. La entrada de piezas sigue una distribución Poisson con media de 9.5 piezas/hora. Aunque se tiene suficiente espacio para recibir todas las piezas que requieran de este proceso, se calculará el promedio de piezas esperando ser taladradas y el tiempo promedio de permanencia en el sistema.

28 La clasificación del sistema es (M/G/l)(FCFS/oo/oo), donde: A, = 9.5 piezas/hora ILI = 10 piezas/hora E(t) = 6 minutos/pieza V(t) = O, por ser un proceso automatizado con tiempo constante (vea la tabla 2. 11). Para comprobar si el sistema puede llegar a estado estable, calculamos la utilización promedio del servicio con la ecuación 2.2: que al ser menor a 1 asegura la estabilización. A partir de la ecuación 2.30, es posible calcular el inventario promedio de piezas, con este inventario promedio de 9.025, puede calcularse el tiempo de espera y el tiempo en el sistema, utilizando las ecuaciones generales 2.9 y 2.8: MODELO (M/G/S) (d/oo/oo) Este modelo considera un conjunto de S servidores atendiendo a un número ilimitado de clientes potenciales; no existe limitación sobre la capacidad del sistema por lo que es preciso mantener p < 1 para lograr el estado estable. Las llegadas siguen una distribución de probabilidad Poisson mientras que el servicio es de tipo general con media E(f) y variancia V(t). Las fórmulas para este modelo son:

Teoría de Colas. TC: Parte de la Investigación Operativa que estudia el comportamiento de sistemas cuyos elementos incluyen líneas de espera (colas).

Teoría de Colas. TC: Parte de la Investigación Operativa que estudia el comportamiento de sistemas cuyos elementos incluyen líneas de espera (colas). Teoría de Colas TC: Parte de la Investigación Operativa que estudia el comportamiento de sistemas cuyos elementos incluyen líneas de espera (colas). IO 07/08 - Teoría de Colas 1 Teoría de Colas: ejemplos

Más detalles

5.4 Una flecha será ensamblada en un cojinete como se muestra a continuación.

5.4 Una flecha será ensamblada en un cojinete como se muestra a continuación. PROBLEMAS 5.1. El famoso juego 7-11, requiere que el jugador lance dos dados una v. más veces hasta tomar la decisión de que se gana o se pierde el juego. El juego se gana si en el primer lanzamiento los

Más detalles

2 Teoría de colas o líneas de espera

2 Teoría de colas o líneas de espera 2 Teoría de colas o líneas de espera El tráfico en redes se puede modelar con la ayuda de la teoría de colas, es por ello ue es importante estudiarlas y comprenderlas. Existen varias definiciones sobre

Más detalles

Tema 5: Teoría de colas. Ezequiel López Rubio Departamento de Lenguajes y Ciencias de la Computación Universidad de Málaga

Tema 5: Teoría de colas. Ezequiel López Rubio Departamento de Lenguajes y Ciencias de la Computación Universidad de Málaga Tema 5: Teoría de colas Ezequiel López Rubio Departamento de Lenguajes y Ciencias de la Computación Universidad de Málaga Sumario Conceptos básicos Cola M M Cola M M c Cola M M k Redes de colas Redes de

Más detalles

PROBLEMAS DE SIMULACIÓN PARA RESOLVER POR EL MÉTODO DE MONTECARLO.

PROBLEMAS DE SIMULACIÓN PARA RESOLVER POR EL MÉTODO DE MONTECARLO. PROBLEMAS DE SIMULACIÓN PARA RESOLVER POR EL MÉTODO DE MONTECARLO. PROBLEMA 1 A un puerto de carga y descarga de material, llegan durante la noche los barcos, que serán descargados durante el día siguiente.

Más detalles

TEORIA DE COLAS SIMULACIÓN DE SISTEMAS

TEORIA DE COLAS SIMULACIÓN DE SISTEMAS SIMULACIÓN DE SISTEMAS UNIVERSIDAD ALAS PERUANAS FILIAL- ICA Ing. Las LINEAS DE ESPERA, FILAS DE ESPERA o COLAS, son realidades cotidianas: Personas esperando para una caja en un banco, Estudiantes esperando

Más detalles

Teoría de Líneas de Espera

Teoría de Líneas de Espera Teoría de Colas Teoría de Líneas de Espera COLAS: Líneas de espera que utiliza modelos matemáticos que describen sistemas de líneas particulares o Sistemas de Colas. Modelos presentan las siguientes características:

Más detalles

EJEMPLOS DE TEORÍA DE COLAS Resolución con Win-QSB

EJEMPLOS DE TEORÍA DE COLAS Resolución con Win-QSB EJEMPLOS DE TEORÍA DE COLAS Resolución con Win-QSB PROBLEMA 1. El Banco Nacional de Occidente piensa abrir una ventanilla de servicio en automóvil para servicio a los clientes. La gerencia estima que los

Más detalles

Líneas de espera. Introducción.

Líneas de espera. Introducción. Líneas de espera. Introducción. En este capítulo se aplica la teoría de colas. Una Cola es una línea de espera y la teoría de colas es una colección de modelos matemáticos que describen sistemas de líneas

Más detalles

SISTEMA CON UN SERVIDOR

SISTEMA CON UN SERVIDOR TALLER 6 : Problemas de Líneas de Espera. 1.SISTEMA CON UN SERVIDOR. Una compañía estatal tiene un numero de estaciones para el pesado de camiones a lo largo de una gran autopista, para verificar que el

Más detalles

V Unidad: Teoría de Colas (Líneas de espera) de Espera: Teoría de Colas

V Unidad: Teoría de Colas (Líneas de espera) de Espera: Teoría de Colas UNIVERSIDAD NACIONAL DE INGENIERÍA UNI-NORTE INVESTIGACIÓN DE OPERACIONES II INGENIERIA INDUSTRIAL E INGENIERIA DE SISTEMAS V Unidad: Teoría de Colas (Líneas de espera) de Espera: Teoría de Colas Maestro

Más detalles

Ambas componentes del sistema tienen costos asociados que deben de considerarse.

Ambas componentes del sistema tienen costos asociados que deben de considerarse. 1. Introducción. En este trabajo se aplica la teoría de colas. Una Cola es una línea de espera y la teoría de colas es una colección de modelos matemáticos que describen sistemas de líneas de espera particulares

Más detalles

Ejercicios de Teoría de Colas

Ejercicios de Teoría de Colas Ejercicios de Teoría de Colas Investigación Operativa Ingeniería Informática, UC3M Curso 08/09 1. Demuestra que en una cola M/M/1 se tiene: L = ρ Solución. L = = = = = ρ np n nρ n (1 ρ) nρ n n=1 ρ n ρ

Más detalles

2. Modelo de colas poissoniano con un servidor M/M/1. 3. Modelo con un servidor y capacidad finita M/M/1/K

2. Modelo de colas poissoniano con un servidor M/M/1. 3. Modelo con un servidor y capacidad finita M/M/1/K CONTENIDOS 1. Introducción a las colas poissonianas. 2. Modelo de colas poissoniano con un servidor M/M/1 3. Modelo con un servidor y capacidad finita M/M/1/K 4. Modelo con varios servidores M/M/c. Fórmula

Más detalles

Teoría a de Colas o Filas de Espera. M. En C. Eduardo Bustos Farías

Teoría a de Colas o Filas de Espera. M. En C. Eduardo Bustos Farías Teoría a de Colas o Filas de Espera M. En C. Eduardo Bustos Farías as Introducción Una línea de espera es la resultante de un sistema cuando la demanda por un bien o servicio supera la capacidad que puede

Más detalles

PROBLEMAS RESUELTOS DE TEORÍA DE COLAS. (M/M/1: Un servidor con llegadas de Poisson y tiempos de servicio Exponenciales)

PROBLEMAS RESUELTOS DE TEORÍA DE COLAS. (M/M/1: Un servidor con llegadas de Poisson y tiempos de servicio Exponenciales) PROBLEMAS RESUELTOS DE TEORÍA DE COLAS. (M/M/: Un servidor con llegadas de Poisson y tiempos de servicio Exponenciales) Prof.: MSc. Julio Rito Vargas A.. Suponga que en una estación con un solo servidor

Más detalles

TEORIA DE COLAS. Enero 30. Modelos líneas de espera

TEORIA DE COLAS. Enero 30. Modelos líneas de espera TEORIA DE COLAS Enero 30 2012 Elementos básicos de un modelo de línea de espera, y buscar una aplicación real de cualquiera de los modelos de líneas de espera existentes. Modelos líneas de espera -Integrantes:

Más detalles

Análisis por simulación de un sistema estocástico

Análisis por simulación de un sistema estocástico Análisis por simulación de un sistema estocástico José Carlos Cimorra Velilla David Ordóñez Arévalo ÍNDICE 1. Planteamiento del problema... 2 2. Modelo... 4 2.1 Diagrama de flujo... 4 2.2 Modelo de colas...

Más detalles

UNIDAD 2: COSTOS POR PROCESOS II: Ampliación de Conceptos

UNIDAD 2: COSTOS POR PROCESOS II: Ampliación de Conceptos UNIDAD 2: COSTOS POR PROCESOS II: Ampliación de Conceptos Descripción Temática Una de las finalidades de la implementación de un sistema de costos es determinar con el mayor nivel de exactitud posible,

Más detalles

Recursos HELP DESK Biblioteca 2012

Recursos HELP DESK Biblioteca 2012 Investigación operativa aplicada al Help Desk INTRODUCCION Este artículo está dirigido a aquellas personas que tienen la responsabilidad del diseño de estructuras de soporte, ya sea de empresas de Outsourcing

Más detalles

Introducción a la Investigación de Operaciones Facultad de Ingeniería - Universidad de la República Oriental del Uruguay

Introducción a la Investigación de Operaciones Facultad de Ingeniería - Universidad de la República Oriental del Uruguay Introducción a la Investigación de Operaciones Facultad de Ingeniería - Universidad de la República Oriental del Uruguay Procesos Estocásticos de Tiempo Contínuo Práctico Ejercicio 1 Sean X e Y variables

Más detalles

TEORIA DE COLAS, FENOMENOS DE ESPERA

TEORIA DE COLAS, FENOMENOS DE ESPERA Universidad del Bío-Bío Facultad de Ingeniería Depto. Ingeniería Industrial Investigación de Operaciones II: TEORIA DE COLAS, FENOMENOS DE ESPERA Integrantes: Pedro Chávez Cristian Guajardo Victor Pino

Más detalles

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS FACULTAD DE CIENCIAS MATEMÁTICAS E.A.P. DE..INVESTIGACIÓN OPERATIVA Sistemas de Inventarios Capítulo3. Marco teórico MONOGRAFÍA Para optar el Título de Licenciado

Más detalles

Proyectos de inversión. Economía de la Empresa (ISS)

Proyectos de inversión. Economía de la Empresa (ISS) Proyectos de inversión Economía de la Empresa (ISS) 1 Categorías de Flujo de Efectivo El flujo de caja flujos suelen contener las siguientes categorías de flujo de caja. Estas categorías se describen para

Más detalles

SIMULACION. Formulación de modelos: solución obtenida de manera analítica

SIMULACION. Formulación de modelos: solución obtenida de manera analítica SIMULACION Formulación de modelos: solución obtenida de manera analítica Modelos analíticos: suposiciones simplificatorias, sus soluciones son inadecuadas para ponerlas en práctica. Simulación: Imitar

Más detalles

Análisis de los datos

Análisis de los datos Universidad Complutense de Madrid CURSOS DE FORMACIÓN EN INFORMÁTICA Análisis de los datos Hojas de cálculo Tema 6 Análisis de los datos Una de las capacidades más interesantes de Excel es la actualización

Más detalles

Unidad 7. Administración de inventarios. Objetivos específicos de aprendizaje

Unidad 7. Administración de inventarios. Objetivos específicos de aprendizaje Unidad 7 Administración de inventarios Objetivos específicos de aprendizaje Al terminar de estudiar este capítulo, el estudiante será capaz de: Explicar el concepto de inventarios. Explicar el concepto

Más detalles

Análisis de Decisiones II. Conceptos básicos de Teoría de Colas. Objetivo de aprendizaje del tema

Análisis de Decisiones II. Conceptos básicos de Teoría de Colas. Objetivo de aprendizaje del tema Tema 11 Conceptos básicos de Teoría de Colas Objetivo de aprendizaje del tema Al finalizar el tema serás capaz de: Explicar en qué consiste la Teoría de Colas. D.R. Universidad TecMilenio 1 Introducción

Más detalles

Estas cuestiones deberán resolverse como parte de la planificación de la capacidad.

Estas cuestiones deberán resolverse como parte de la planificación de la capacidad. Es en relación con la capacidad que deben considerarse las siguientes cuestiones: Cuales son las tendencias del mercado en términos de tamaño y ubicación del mercado e innovaciones tecnológicas? Con cuanta

Más detalles

DIRECCIÓN DE OPERACIONES Y TOMA DE DECISIONES INGENIERÍA INDUSTRIAL CICLO DE PROFESIONALIZACIÓN

DIRECCIÓN DE OPERACIONES Y TOMA DE DECISIONES INGENIERÍA INDUSTRIAL CICLO DE PROFESIONALIZACIÓN TEORIA DE COLAS: Líneas de Espera Claro Ana Milena, Cardona Luz Dary, Ruiz Lina María, Gómez Juan Fernando, Estudiantes Ingeniería Industrial Universidad Católica de Oriente. Mayo 21 de 2011. Resumen:

Más detalles

Métodos de promedios. Diplomado en Gestión Estratégica de las Finanzas Públicas MÉTODOS ESTADÍSTICOS PARA LA ESTIMACIÓN DE INGRESOS

Métodos de promedios. Diplomado en Gestión Estratégica de las Finanzas Públicas MÉTODOS ESTADÍSTICOS PARA LA ESTIMACIÓN DE INGRESOS MÉTODOS ESTADÍSTICOS PARA LA ESTIMACIÓN DE INGRESOS La estimación o proyección de ingresos futuros puede llevarse a cabo mediante diferentes métodos estadísticos de extrapolación, entre ellos: sistema

Más detalles

Escritura de ecuaciones de problemas de algebraicos

Escritura de ecuaciones de problemas de algebraicos 1 Escritura de ecuaciones de problemas de algebraicos Herbert Mendía A. 2011-10-12 www.cimacien.org.gt Conocimientos previos necesarios Operaciones básicas: suma, resta, multiplicación y división. Jerarquía

Más detalles

Procesos. Planificación del Procesador.

Procesos. Planificación del Procesador. Procesos. Planificación del Procesador. Sistemas Operativos. Tema 2. Concepto de Proceso. Una definición sencilla: Programa en ejecución. Entidad pasiva Programa RECURSOS CPU Memoria Ficheros Dispositivos

Más detalles

Unidad 1 Modelos de programación lineal

Unidad 1 Modelos de programación lineal Unidad 1 Modelos de programación lineal La programación lineal comenzó a utilizarse prácticamente en 1950 para resolver problemas en los que había que optimizar el uso de recursos escasos. Fueron de los

Más detalles

SIMULACIÓN CAPITULO 3 LECTURA 6.3. SIMULACIÓN Y ANÁLISIS DE MODELOS ESTOCÁSTICOS Azarang M., Garcia E. Mc. Graw Hill. México 3.

SIMULACIÓN CAPITULO 3 LECTURA 6.3. SIMULACIÓN Y ANÁLISIS DE MODELOS ESTOCÁSTICOS Azarang M., Garcia E. Mc. Graw Hill. México 3. LECTURA 6.3 SIMULACIÓN Y ANÁLISIS DE MODELOS ESTOCÁSTICOS Azarang M., Garcia E. Mc. Graw Hill. México CAPITULO 3 SIMULACIÓN 3.1 INTRODUCCIÓN Simulación es el desarrollo de un modelo lógico-matemático de

Más detalles

4 Pruebas y análisis del software

4 Pruebas y análisis del software 4 Pruebas y análisis del software En este capítulo se presentan una serie de simulaciones donde se analiza el desempeño de ambos sistemas programados en cuanto a exactitud con otros softwares que se encuentran

Más detalles

% PRODUCTOS NO CONFORMES 10% 5%

% PRODUCTOS NO CONFORMES 10% 5% Departamento de Ingeniería Mecánica Tecnología Mecánica I 67.15 Unidad 13: Control de Calidad Ing. Sergio Laguzzi 1 TEMARIO - Definición de Calidad. Costos de la no Calidad. Estrategia de detección (Planes

Más detalles

Unidad 7 Aplicación de máximos y mínimos

Unidad 7 Aplicación de máximos y mínimos Unidad 7 Aplicación de máimos y mínimos Objetivos Al terminar la unidad, el alumno: Interpretará el concepto de ingreso y costos marginal. Aplicará la función de ingresos en problemas de maimización. Aplicará

Más detalles

MODELOS DE INVENTARIO

MODELOS DE INVENTARIO MODELOS DE INVENTARIO Los modelos de inventarios son métodos que ayudan a reducir o minimizar los niveles de inventario requeridos en la producción. Existen varios métodos que nos ayudan a conseguir dicho

Más detalles

UNIDAD 4 PROCESOS DE MARKOV

UNIDAD 4 PROCESOS DE MARKOV UNIDAD 4 PROCESOS DE MARKOV Anteriormente se han cubierto modelos estáticos, esto es, modelos cuyos parámetros permanecen sin cambio a través del tiempo. Con excepción de programación dinámica donde se

Más detalles

Métodos Estadísticos 2.3. Distribuciones discretas de probabilidad

Métodos Estadísticos 2.3. Distribuciones discretas de probabilidad 2.3. DISTRIBUCIONES DISCRETAS DE PROBABILIDAD Parámetros de un problema Saber: Explicar el concepto de variable discreta. Explicar los conceptos y métodos de la distribución binomial, hipergeométrica,

Más detalles

6. Sea X una v.a. con distribución N(0,1). Calcular p(x=0)

6. Sea X una v.a. con distribución N(0,1). Calcular p(x=0) 1. La rueda de una ruleta se divide en 25 sectores de igual área que se enumeran del 1 al 25. Encuentra una fórmula para la distribución de probabilidades de la v.a. X que representa el número obtenido

Más detalles

PROBLEMAS RESUELTOS DE TEORÍA DE COLAS. (M/M/1: Un servidor con llegadas de Poisson y tiempos de servicio Exponenciales)

PROBLEMAS RESUELTOS DE TEORÍA DE COLAS. (M/M/1: Un servidor con llegadas de Poisson y tiempos de servicio Exponenciales) PROBLEMAS RESUELTOS DE TEORÍA DE COLAS. (M/M/1: Un servidor con llegadas de Poisson y tiempos de servicio Exponenciales) Prof.: MSc. Julio Rito Vargas A. I. Suponga que en una estación con un solo servidor

Más detalles

CAPÍTULO IV METODOLOGÍA PARA EL CONTROL DE INVENTARIOS. En este capítulo se presenta los pasos que se siguieron para la elaboración de un sistema de

CAPÍTULO IV METODOLOGÍA PARA EL CONTROL DE INVENTARIOS. En este capítulo se presenta los pasos que se siguieron para la elaboración de un sistema de CAPÍTULO IV METODOLOGÍA PARA EL CONTROL DE INVENTARIOS En este capítulo se presenta los pasos que se siguieron para la elaboración de un sistema de inventarios para lograr un control de los productos.

Más detalles

SISTEMAS DE UBICACIÓN Y DISTRIBUCIÓN DE PLANTAS

SISTEMAS DE UBICACIÓN Y DISTRIBUCIÓN DE PLANTAS SISTEMAS DE UBICACIÓN Y DISTRIBUCIÓN DE PLANTAS Visite el siguiente video en You Tube: http://www.youtube.com/watch?v=c0b3sni30pc Este video presenta de una manera muy clara las ventajas de tener una correcta

Más detalles

La Tecnología líder en Simulación

La Tecnología líder en Simulación La Tecnología líder en Simulación El software de simulación Arena, es un "seguro de vida" para las empresa: le ayuda a predecir el impacto en las organizaciones de nuevas ideas, estrategias y políticas

Más detalles

ANÁLISIS DE DATOS CONTROL DE CALIDAD. Ing. Carlos Brunatti

ANÁLISIS DE DATOS CONTROL DE CALIDAD. Ing. Carlos Brunatti ANÁLISIS DE DATOS CONTROL DE CALIDAD Ing. Carlos Brunatti Montevideo, ROU, junio 2015 Control de calidad No resulta sorprendente que el hormigón sea un material variable, pues hay muchos factores involucrados

Más detalles

Material Nº 14 COSTEO BASADO EN ACTIVIDADES ABC DE LOS COSTOS

Material Nº 14 COSTEO BASADO EN ACTIVIDADES ABC DE LOS COSTOS Material Nº 14 COSTEO BASADO EN ABC DE LOS COSTOS ANTECEDENTES Activiti Based Costing Costeo Basado en Actividades Nace en el seno de las Economía de Norteamericanas y se traslada también a Europa y Japón,

Más detalles

Capítulo 6 Amortización

Capítulo 6 Amortización Capítulo 6 Amortización Introducción El objetivo de este capítulo es calcular, analizar e interpretar el comportamiento de deudas de largo plazo al extinguirse gradualmente en el tiempo Se explicará cómo

Más detalles

1.1. Introducción y conceptos básicos

1.1. Introducción y conceptos básicos Tema 1 Variables estadísticas Contenido 1.1. Introducción y conceptos básicos.................. 1 1.2. Tipos de variables estadísticas................... 2 1.3. Distribuciones de frecuencias....................

Más detalles

CAPITULO 4 JUSTIFICACION DEL ESTUDIO. En este capítulo se presenta la justificación del estudio, supuestos y limitaciones de

CAPITULO 4 JUSTIFICACION DEL ESTUDIO. En este capítulo se presenta la justificación del estudio, supuestos y limitaciones de CAPITULO 4 JUSTIFICACION DEL ESTUDIO En este capítulo se presenta la justificación del estudio, supuestos y limitaciones de estudios previos y los alcances que justifican el presente estudio. 4.1. Justificación.

Más detalles

Jorge Isauro Rionda Ramírez 1 RESUMEN INTRODUCCIÓN.

Jorge Isauro Rionda Ramírez 1 RESUMEN INTRODUCCIÓN. Página 1 de 11 LA PRODUCTIVIDAD DEL TRABAJO POR SU CONTRIBUCIÓN AL VALOR DEL PRODUCTO (Metodología para medir la contribución marginal de trabajo al valor de lo producido) Jorge Isauro Rionda Ramírez 1

Más detalles

GERENCIA DE OPERACIONES Y PRODUCCIÓN ANÁLISIS DE LOS PROCESOS

GERENCIA DE OPERACIONES Y PRODUCCIÓN ANÁLISIS DE LOS PROCESOS GERENCIA DE OPERACIONES Y PRODUCCIÓN ANÁLISIS DE LOS PROCESOS MIDIENDO LA PRODUCTIVIDAD DESCRIBIENDO EL PROCESO Diagrama de proceso: describe las etapas o actividades principales de un proceso Sus elementos

Más detalles

CARTAS DE CONTROL. FeGoSa

CARTAS DE CONTROL. FeGoSa Las empresas en general, ante la apertura comercial han venido reaccionando ante los cambios y situaciones adversas, reaccionan por ejemplo ante: Disminución de ventas Cancelación de pedidos Deterioro

Más detalles

DISTRIBUCIONES DE VARIABLE CONTINUA

DISTRIBUCIONES DE VARIABLE CONTINUA UNIDAD 11 DISTRIBUCIONES DE VARIABLE CONTINUA Página 260 1. Los trenes de una cierta línea de cercanías pasan cada 20 minutos. Cuando llegamos a la estación, ignoramos cuándo pasó el último. La medida

Más detalles

Unidad de Aprendizaje: Anualidades y gradientes

Unidad de Aprendizaje: Anualidades y gradientes Carlos Mario Morales C 2012 1 Matemáticas Financieras No está permitida la reproducción total o parcial de este libro, ni su tratamiento informático, ni la transmisión de ninguna forma o por cualquier

Más detalles

3. CÁLCULOS Y FORMATOS CONDICIONALES

3. CÁLCULOS Y FORMATOS CONDICIONALES colores, tendremos las opciones Mínima y Máxima, con tres campos cada una: Tipo, Valor y Color. Con este formato podemos crear una regla que le asigne un color al menor valor y otro al mayor, y dé a los

Más detalles

Simulación y Modelos Estocásticos

Simulación y Modelos Estocásticos y Modelos Estocásticos Héctor Allende O!"# $# %#&' ( ) *+,-+,,*,/ ) -++,,*,/ ) 0 1 %*++,,*,/ $2,/ 04 %! 2! 5,,#6)5 1 Conceptos básicos: fundamentos de modelos de simulación y del modelado de sistemas complejos,

Más detalles

JUSTO A TIEMPO (JIT)

JUSTO A TIEMPO (JIT) PÁG. 1 DE 9 1. QUÉ ES? Just in time (que también se usa con sus siglas JIT), literalmente quiere decir Justo a tiempo. Es una filosofía que define la forma en que debería optimizarse un sistema de producción.

Más detalles

7. FLU JO D E C A JA D E L PR O Y E C TO. 7.1 E stru ctu ra g e n e ra l d e u n flu jo d e caja

7. FLU JO D E C A JA D E L PR O Y E C TO. 7.1 E stru ctu ra g e n e ra l d e u n flu jo d e caja Como se puede observar, para calcular este valor se debió necesariamente calcular el valor de desecho contable, ya que el efecto tributario se obtiene restando el valor libro que tendrán los activos al

Más detalles

I.E.S.MEDITERRÁNEO CURSO 2015 2016 DPTO DE MATEMÁTICAS PROGRAMA DE RECUPERACIÓN DE LOS APRENDIZAJES NO ADQUIRIDOS EN MATEMÁTICAS DE 3º DE E.S.O.

I.E.S.MEDITERRÁNEO CURSO 2015 2016 DPTO DE MATEMÁTICAS PROGRAMA DE RECUPERACIÓN DE LOS APRENDIZAJES NO ADQUIRIDOS EN MATEMÁTICAS DE 3º DE E.S.O. PROGRAMA DE RECUPERACIÓN DE LOS APRENDIZAJES NO ADQUIRIDOS EN MATEMÁTICAS DE 3º DE E.S.O. Este programa está destinado a los alumnos que han promocionado a cursos superiores sin haber superado esta materia.

Más detalles

LECTURA 7.1. SIMULACIÓN POR COMPUTADORA: APLICACIONES Y ANÁLISIS ESTADÍSTICO Mathur K. y Solow D. Prentice Hall México

LECTURA 7.1. SIMULACIÓN POR COMPUTADORA: APLICACIONES Y ANÁLISIS ESTADÍSTICO Mathur K. y Solow D. Prentice Hall México LECTURA 7.1 SIMULACIÓN POR COMPUTADORA: APLICACIONES Y ANÁLISIS ESTADÍSTICO Mathur K. y Solow D. Prentice Hall México SIMULACIÓN POR COMPUTADORA: APLICACIONES Y ANÁLISIS ESTADÍSTICO Hipoteca de tasa fija

Más detalles

Cadenas de Markov. Ejercicios resueltos Página 1 EJERCICIOS RESUELTOS DE CADENAS DE MARKOV

Cadenas de Markov. Ejercicios resueltos Página 1 EJERCICIOS RESUELTOS DE CADENAS DE MARKOV Cadenas de Markov. Ejercicios resueltos Página EJERCICIOS RESUELTOS DE CADENAS DE MARKOV ) En un pueblo, al 90% de los días soleados le siguen días soleados, y al 80% de los días nublados le siguen días

Más detalles

TEMA 4: Introducción al Control Estadístico de Procesos

TEMA 4: Introducción al Control Estadístico de Procesos TEMA 4: Introducción al Control Estadístico de Procesos 1 Introducción 2 Base estadística del diagrama de control 3 Muestreo y agrupación de datos 4 Análisis de patrones en diagramas de control 1. Introducción

Más detalles

Análisis de Decisiones II

Análisis de Decisiones II Tema 14 Distribución de llegadas Poisson, distribución de servicio Exponencial, varios servidores, servicio PEPS, población y cola infinita Objetivo de aprendizaje del tema Al finalizar el tema serás capaz

Más detalles

Métodos y Diseños utilizados en Psicología

Métodos y Diseños utilizados en Psicología Métodos y Diseños utilizados en Psicología El presente documento pretende realizar una introducción al método científico utilizado en Psicología para recoger información acerca de situaciones o aspectos

Más detalles

5. FACTORES DE ANALISIS AL REALIZAR UNA AUTOMATIZACION

5. FACTORES DE ANALISIS AL REALIZAR UNA AUTOMATIZACION 5. FACTORES DE ANALISIS AL REALIZAR UNA AUTOMATIZACION La Automatización es un proyecto tecnológico que ayuda a resolver una necesidad y se deben evaluar varias propuestas de solución, ya que permite tener

Más detalles

EXPERIENCIA E INTEGRACIÓN METODOLÓGICA

EXPERIENCIA E INTEGRACIÓN METODOLÓGICA EXPERIENCIA E INTEGRACIÓN METODOLÓGICA Humberto Varas Contreras Universidad de Santiago de Chile Comunicación presentada en el I Encuentro Iberoamericano de Contabilidad de Gestión (Valencia Noviembre

Más detalles

CURSO CERO. Departamento de Matemáticas. Profesor: Raúl Martín Martín Sesiones 18 y 19 de Septiembre

CURSO CERO. Departamento de Matemáticas. Profesor: Raúl Martín Martín Sesiones 18 y 19 de Septiembre CURSO CERO Departamento de Matemáticas Profesor: Raúl Martín Martín Sesiones 18 y 19 de Septiembre Capítulo 1 La demostración matemática Demostración por inducción El razonamiento por inducción es una

Más detalles

4. SISTEMAS DE COSTOS P OR PROCESOS

4. SISTEMAS DE COSTOS P OR PROCESOS 4. SISTEMAS DE COSTOS POR PROCESOS 4.1. Sistema de costos por procesos Si observamos los sistemas productivos de una empresa desde el punto de vista de la continuidad de sus líneas de fabricación, del

Más detalles

2 Métodos combinatorios

2 Métodos combinatorios 2 Métodos combinatorios Las pruebas pueden aplicarse de muchas maneras, es decir, existen diferentes formas de preparar casos de prueba. En este capítulo se presentan dos formas de prueba muy fáciles de

Más detalles

MATEMÁTICAS A 4º ESO IES LOS CARDONES 2014-2015 PLAN DE RECUPERACIÓN. Contenidos Mínimos. I. Estrategias, habilidades, destrezas y actitudes generales

MATEMÁTICAS A 4º ESO IES LOS CARDONES 2014-2015 PLAN DE RECUPERACIÓN. Contenidos Mínimos. I. Estrategias, habilidades, destrezas y actitudes generales MATEMÁTICAS A 4º ESO IES LOS CARDONES 2014-2015 PLAN DE RECUPERACIÓN Contenidos Mínimos I. Estrategias, habilidades, destrezas y actitudes generales II. Números: Resolución de problemas utilizando toda

Más detalles

Ejemplos de conversión de reales a enteros

Ejemplos de conversión de reales a enteros Ejemplos de conversión de reales a enteros Con el siguiente programa se pueden apreciar las diferencias entre las cuatro funciones para convertir de reales a enteros: program convertir_real_a_entero print

Más detalles

11 Selección de proyectos

11 Selección de proyectos Selección de proyectos de inversión Esta unidad didáctica persigue los siguientes objetivos: Esquema temporal de un proyecto de inversión. Comprender y operar con el factor de capitalización compuesta.

Más detalles

2) Un establecimiento comercial dispone a la venta dos artículos en una de sus secciones, de precios p

2) Un establecimiento comercial dispone a la venta dos artículos en una de sus secciones, de precios p Universidad de Sevilla Facultad de Ciencias Económicas y Empresariales Licenciatura de Economía Universidad de Sevilla ESTADÍSTICA I RELACIÓN 5 MODELOS Y DATOS ESTADÍSTICOS DEPARTAMENTO DE ECONOMÍA APLICADA

Más detalles

Maestro Ing. Julio Rito Vargas Avilés. III cuatrimestre 2014

Maestro Ing. Julio Rito Vargas Avilés. III cuatrimestre 2014 Maestro Ing. Julio Rito Vargas Avilés. III cuatrimestre 2014 INVESTIGACIÓN DE OPERACIONES Introducción a las cadenas de Markov de primer orden 1. Definición de cadenas de Markov 2. Tipos de estados y de

Más detalles

www.fundibeq.org Además se recomienda su uso como herramienta de trabajo dentro de las actividades habituales de planificación y control.

www.fundibeq.org Además se recomienda su uso como herramienta de trabajo dentro de las actividades habituales de planificación y control. ESTUDIOS DE CAPACIDAD POTENCIAL DE CALIDAD 1.- INTRODUCCIÓN Este documento proporciona las pautas para la realización e interpretación de una de las herramientas fundamentales para el control y la planificación

Más detalles

CARTAS DE CONTROL: SU EFECTIVIDAD PARA DETECTAR CAMBIOS

CARTAS DE CONTROL: SU EFECTIVIDAD PARA DETECTAR CAMBIOS CARTAS DE CONTROL: SU EFECTIVIDAD PARA DETECTAR CAMBIOS MEDIANTE UN ENFOQUE POR CADENAS DE MARKOV ABSORBENTES Lidia Toscana - Nélida Moretto - Fernanda Villarreal Universidad Nacional del Sur, ltoscana@criba.edu.ar

Más detalles

RAID. Los detalles de las características segunda y tercera, cambian según los distintos niveles RAID. RAID 0 no soporta la tercera característica.

RAID. Los detalles de las características segunda y tercera, cambian según los distintos niveles RAID. RAID 0 no soporta la tercera característica. RAID Como se dijo anteriormente, el ritmo de mejora de prestaciones en memoria secundaria ha sido considerablemente menor que en procesadores y en memoria principal. Esta desigualdad ha hecho, quizás,

Más detalles

Q-flow 3.1: Introducción a Q-flow

Q-flow 3.1: Introducción a Q-flow Q-flow 3.1: Introducción a Q-flow Código del manual: Qf310001ESP Versión: 1.1 Se aplica a: Q-flow 3.1 Última revisión: 13/12/2010 i Q f 3 1 0 0 0 1 E S P v 1. 1 Q - f l o w 3.1 Introducción a Q-flow Urudata

Más detalles

Los empresarios adquieren una necesidad de saber sobre el costo de los diferentes artículos que se producen, es por eso que la Contabilidad de

Los empresarios adquieren una necesidad de saber sobre el costo de los diferentes artículos que se producen, es por eso que la Contabilidad de Los empresarios adquieren una necesidad de saber sobre el costo de los diferentes artículos que se producen, es por eso que la Contabilidad de Costos, toma como carácter científico para satisfacer la demanda

Más detalles

SIMULADOR DE SISTEMAS DE EVENTOS DISCRETOS

SIMULADOR DE SISTEMAS DE EVENTOS DISCRETOS SIMULADOR DE SISTEMAS DE EVENTOS DISCRETOS MANUAL DE USUARIO 1.1 Introducción. El simulador de sistemas de eventos discretos está compuesto por dos aplicaciones: el Simulador de redes de Petri y el Simulador

Más detalles

Problemas indecidibles

Problemas indecidibles Capítulo 7 Problemas indecidibles 71 Codificación de máquinas de Turing Toda MT se puede codificar como una secuencia finita de ceros y unos En esta sección presentaremos una codificación válida para todas

Más detalles

Guía de Reparación de Equipamiento

Guía de Reparación de Equipamiento Dirigida al Sostenedor y al Establecimiento Educacional Estimado Sostenedor y Director, El Ministerio de Educación se encuentra implementando el plan Tecnologías para una Educación de Calidad (TEC), que

Más detalles

Algunas Distribuciones de Probabilidad

Algunas Distribuciones de Probabilidad Relación de problemas 7 Algunas Distribuciones de Probabilidad 1. En un hospital se ha comprobado que la aplicación de un tratamiento en enfermos de cirrosis produce una cierta mejoría en el 80 % de los

Más detalles

Análisis y cuantificación del Riesgo

Análisis y cuantificación del Riesgo Análisis y cuantificación del Riesgo 1 Qué es el análisis del Riesgo? 2. Métodos M de Análisis de riesgos 3. Método M de Montecarlo 4. Modelo de Análisis de Riesgos 5. Qué pasos de deben seguir para el

Más detalles

Modelado de flujo en redes. Jhon Jairo Padilla A., PhD.

Modelado de flujo en redes. Jhon Jairo Padilla A., PhD. Modelado de flujo en redes Jhon Jairo Padilla A., PhD. Conceptos básicos Demanda o volumen de Demanda: Es el tráfico que están requiriendo los usuarios de una red. Para transportar el volumen de demanda

Más detalles

TRABAJO PRÁCTICO. Destinos 1 2 3 Oferta (u.) A 10 8 4 45 B 9 5 7 50 C 3 6 9 45 D 5 7 6 30 Demanda (u.) 90 30 50

TRABAJO PRÁCTICO. Destinos 1 2 3 Oferta (u.) A 10 8 4 45 B 9 5 7 50 C 3 6 9 45 D 5 7 6 30 Demanda (u.) 90 30 50 1 TRABAJO PRÁCTICO TEMA:TEORÍA DE TRANSPORTE Y ASIGNACIÓN PERSONAL 1) Una empresa tiene tres fábricas en distintos lugares del país que abastecen a 5 puestos minoristas. Los costos de envío de 1 Tn. de

Más detalles

Media vs mediana vs moda Cual medida de tendencia central es mas adecuada? MEDIA conveniencias:

Media vs mediana vs moda Cual medida de tendencia central es mas adecuada? MEDIA conveniencias: Iniciar con las interpretaciones de las medidas MEDIA VS MEDIANA VS MODA CUAL ES LA MEDIDA ADECUADA TAREA MEDIA PONDERADA Actividad de Medidas de Localización Problema 1. El problema de las tasas de delito.

Más detalles

Norma de Información Financiera. NIF A 6. Reconocimiento y valuación

Norma de Información Financiera. NIF A 6. Reconocimiento y valuación Objetivos Norma de Información Financiera NIF A 6. Reconocimiento y valuación Establecer los criterios generales que deben utilizarse en la valuación, tanto en el reconocimiento inicial como en el posterior,

Más detalles

DISTRIBUCIÓN NORMAL CON EXCEL Y WINSTATS

DISTRIBUCIÓN NORMAL CON EXCEL Y WINSTATS DISTRIBUCIÓN NORMAL CON EXCEL Y WINSTATS 1) Reseña histórica Abrahan De Moivre (1733) fue el primero en obtener la ecuación matemática de la curva normal. Kart Friedrich Gauss y Márquez De Laplece (principios

Más detalles

M. C. Héctor Martínez Rubin Celis Instituto Tecnológico de Tepic 1

M. C. Héctor Martínez Rubin Celis Instituto Tecnológico de Tepic 1 M. C. Héctor Martínez Rubin Celis Instituto Tecnológico de Tepic 1 1. CONTROL DE INVENTARIOS 1.1 INVENTARIO 1.2 FUNCIONES DE LOS INVENTARIOS (ESPECULACIÓN) 1.3 COSTOS DE INVENTARIO 1.4 GRAFICAS TIEMPO

Más detalles

Cadenas de Markov. http://humberto-r-alvarez-a.webs.com

Cadenas de Markov. http://humberto-r-alvarez-a.webs.com Cadenas de Markov http://humberto-r-alvarez-a.webs.com Definición Procesos estocásticos: procesos que evolucionan de forma no determinista a lo largo del tiempo en torno a un conjunto de estados. Estos

Más detalles

FUNCIONES 1. DEFINICION DOMINIO Y RANGO

FUNCIONES 1. DEFINICION DOMINIO Y RANGO 1. DEFINICION DOMINIO Y RANGO FUNCIONES Antes de definir función, uno de los conceptos fundamentales y de mayor importancia de todas las matemáticas, plantearemos algunos ejercicios que nos eran de utilidad

Más detalles

Determinación de primas de acuerdo al Apetito de riesgo de la Compañía por medio de simulaciones

Determinación de primas de acuerdo al Apetito de riesgo de la Compañía por medio de simulaciones Determinación de primas de acuerdo al Apetito de riesgo de la Compañía por medio de simulaciones Introducción Las Compañías aseguradoras determinan sus precios basadas en modelos y en información histórica

Más detalles

LA FUNCIÓN DE LA PRODUCCIÓN

LA FUNCIÓN DE LA PRODUCCIÓN LA FUNCIÓN DE LA PRODUCCIÓN Actividad productiva es la acción necesaria para un producto o servicio. En economía la característica esencial de la actividad productiva es incrementar la utilidad de un producto.

Más detalles

Statgraphics Centurión

Statgraphics Centurión Facultad de Ciencias Económicas y Empresariales. Universidad de Valladolid 1 Statgraphics Centurión I.- Nociones básicas El paquete Statgraphics Centurión es un programa para el análisis estadístico que

Más detalles

CÁLCULO DE CICLOS DE CONSUMO Y ROTACIÓN DE INVENTARIOS

CÁLCULO DE CICLOS DE CONSUMO Y ROTACIÓN DE INVENTARIOS 4 CÁLCULO DE CICLOS DE CONSUMO Y ROTACIÓN DE INVENTARIOS Al finalizar el capítulo, el alumno calculará los ciclos de consumo y rotación de inventarios de acuerdo con los métodos de valuación, para la determinación

Más detalles

CAPITULO 2. MARCO CONCEPTUAL

CAPITULO 2. MARCO CONCEPTUAL CAPITULO 2. MARCO CONCEPTUAL 2.1 Método análisis ABC. El análisis ABC, denominado también curva 80-20, se fundamenta en el aporte del economista Wilfredo Pareto, tras un estudio de la distribución de los

Más detalles

SuperNÓMINA 2014. Implantación

SuperNÓMINA 2014. Implantación SuperNÓMINA 2014 Implantación Este documento le ayudará a configurar los diferentes elementos que lo componen así como a efectuar el cálculo de nómina de una manera rápida y sencilla. 1. Alta de una empresa

Más detalles