APLICACIÓN DE LA MATRIZ DE ESTRUCTURA DE DISEÑO PARA LA ESTIMACIÓN DE LA DURACIÓN DE PARADAS DE MANTENIMIENTO
|
|
- Amparo Navarrete Acuña
- hace 5 años
- Vistas:
Transcripción
1 X CONGRESO INTERNACIONAL DE INGENIERIA DE PROYECTOS VALENCIA, Septiembre, 2006 APLICACIÓN DE LA MATRIZ DE ESTRUCTURA DE DISEÑO PARA LA ESTIMACIÓN DE LA DURACIÓN DE PARADAS DE MANTENIMIENTO Abstract Juan Luís Mendoza Pomar The maintenance of all the machines is a fundamental tool for a good work of the production lines in a continuous process industry. That kind of factories make what is called technical shut down for maintenance. During those shut downs all the machines are stopped in order to do all the maintenance work required that is no possible to make when the machines are running. The duration of those shut downs is fixed and all the maintenance work should be plannified in order to finish at that time. A delay at the start up of the machine can mean a big economical cost to the company. A model based into the design structure matrix will be proposed to estimate the probability of finishing on time all the Works planning for this kind of shut down. Keywords: Planning, Maintenance, Design Structure Matrix, Technical shut-down Resumen El mantenimiento de las maquinas de una empresa de proceso continuo es una herramienta fundamental para el buen funcionamiento de las mismas. Este tipo de industrias realizan lo que se denomina Paradas técnicas de mantenimiento. Durante estas paradas, todas las máquinas son paradas para llevar a cabo los trabajos de mantenimiento que no se pueden realizar con las máquinas en marcha. La duración de estas paradas es fijada con antelación y todos los trabajos a realizar deben ser planificados de manera que se acaben antes del periodo establecido de parada. Un retraso en la puesta en marcha de las maquinas puede suponer un gran coste economico para la empresa. En el presente trabajo se presenta un modelo basado en la Matriz de estructura de diseño para estimar la probabilidad para terminar todos los trabajos planificados en este tipo de paradas. Palabras clave: Planificación, Mantenimiento, Matriz de estructura de diseño, Paradas de mantenimiento. 1. Introducción En las empresas de proceso continuo, el mantenimiento es fundamental para el buen funcionamiento de todas las máquinas. En este tipo de procesos las máquinas tienen que estar varios días seguidos sin parar, algo que solo es posible gracias a un buen mantenimiento. 1171
2 Algunas de estas operaciones de mantenimiento se realizan con las instalaciones en marcha pero otras se deben de realizar con las instalaciones paradas. Esta claro que desde un punto de vista económico interesa tener las instalaciones paradas el menor tiempo posible, pero por otro lado es necesario pararlas para poder llevar acabo dichos trabajos de mantenimiento. Así pues, es fundamental que estos trabajos sean planificados de la mejor manera posible distribuyéndolos de la forma más eficiente entre los grupos de trabajo existentes con el fin de poder llevar a cabo todas las tareas requeridas antes del tiempo fijado de parada. 2. Objetivo En el presente trabajo se quiere emplear un modelo matemático que permita estimar la probabilidad que existe de que una planificación determinada de una parada de mantenimiento cumpla con el plazo fijado para la duración de la misma. El modelo permitirá a su vez estudiar diferentes posibles planificaciones, dando la probabilidad de terminar con éxito en el tiempo prefijado. Igualmente permitirá identificar aquellos trabajos cuyo retraso puedan resultar críticos para el cumplimiento del plazo fijado. 3. Metodología El modelo que se va a emplear es el propuesto por M. Carrascosa, S.D. Eppinger y D.E. Whitney para la estimación de la duración de los procesos de desarrollo de productos. Este modelo emplea la matriz de estructura de diseño (DSM) para capturar los datos de las relaciones que existen en cada fase del proceso. Se quiere emplear el mismo modelo adaptado al caso concreto de las planificaciones de paradas de mantenimiento. En este caso la DSM se empleará para ver las relaciones que existen entre las diferentes tareas planificadas en una parada. 4. Caso de estudio Los trabajos de mantenimiento se pueden clasificar en tareas seriadas, paralelas o acopladas. En el primer caso dos tareas son seriadas cuando una se debe de realizar a continuación de la otra, es decir, hasta que no termine una no puede empezar la otra. Corresponde a las tareas que se planifican para ser realizadas por un mismo grupo de trabajo. Dos tareas son paralelas cuando son realizadas por grupos de trabajo diferentes y en distintas máquinas. Son tareas independientes y no necesitan información una de la otra para llevarse a cabo. Y dos tareas se llaman acopladas cuando son realizadas por grupos de trabajo diferentes pero dentro de una misma máquina o zona de máquinas, de manera que el intercambio de información entre un grupo y otro debe ser continuo durante la realización de las mismas. La DSM es una herramienta que se emplea para identificar la relación de dependencia o influencia que existe entre unas tareas y otras. Los datos de partida que necesita el modelo empleado son: duración de cada tarea, tiempo de comienzo de la tarea y las relaciones de dependencia que existen entre unas tareas y otras. 1172
3 4.1 Conceptos de partida. Para estudiar estas relaciones que existen entre las diferentes tareas, el modelo emplea las ideas de Probabilidad de cambio e Impacto del cambio. Ambos conceptos son función del grado de finalización de la tarea afectada, es decir, del momento en que se encuentra la tarea. Por grado de finalización de una tarea se entiende el tiempo que ha transcurrido desde que dicha tarea comenzó descontando todos los retrasos producidos por la influencia de otras tareas. Por probabilidad de cambio se entiende la posibilidad que existe de que ocurra algo que origine un cambio en la duración estimada de la tarea. Examinando el caso concreto de las tareas de mantenimiento se ha observado que esta probabilidad es tanto mas baja cuanto mas avanzada se encuentra la tarea, o lo que es lo mismo, cuanto mayor es el grado de finalización de la misma. Otro factor que influye es la experiencia previa que exista en ese tipo de tareas. En tareas rutinarias de mantenimiento la probabilidad de cambio es muy baja, sin embargo la probabilidad es alta en tareas que se llevan a cabo por primera vez. Siendo Ti el grado de finalización de una tarea i, y Li el tiempo estimado de ejecución para esa tarea, se define la probabilidad de cambio del tiempo de ejecución de la tarea i debido a un cambio en la tarea j como: ñ i,j (ô i ), 0 ô i Li (1) 0 Li ñ i,j (s) ds < 1 (2) Por impacto se entiende el retraso que supone en una tarea un cambio producido en otra, por ejemplo una disminución de recursos o un retraso imprevisto. Como se ha comentado con anterioridad también depende del grado de finalización de la tarea. Cuanto mas avanzada se encuentre una tarea menor será el impacto producido por variaciones en las tareas relacionadas con ella. El impacto se mide en unidades de tiempo y puede ser un valor constante o una funcion lineal del grado de finalización de la tarea. El impacto causado en una tarea i debido a un cambio en una tarea j relacionada con ella se define como: ó i,j (ô i ), 0 ô i Li (3) La matriz DSM va a ser empleada para recoger toda esta información tal y como se muestra en el ejemplo de la figura 1. A B C D E A 4 / 1 B 0,5 / 1 3 / 5 C 0,5 / 1 1 / 8 0,5 / 2 D 0,25 / 1 7 / 1 E 0,5 / 1 1 /
4 En la matriz se recogen los siguientes datos: Figura 1. Matriz DSM - En la diagonal principal se encuentra la duración estimada de cada tarea y el tiempo en el que se inicia la misma. - En el resto de celdas se recoge la probabilidad total de cambio y el impacto (tanto si es constante como lineal) 4.2 Discretización del caso de estudio. Con el fin de poder modelizar las tareas que se realizan en una parada de mantenimiento se ha optado por un modelo matemático discreto donde cada tarea se representa por una cadena de Markov, donde cada eslabón es cada una de los estados por los que pasa una tarea hasta su finalización. Puesto que el modelo por el que se ha optado es discreto y los conceptos definidos anteriormente de probabilidad de cambio, impacto y grado de finalización son continuos, es necesario definir un intervalo de tiempo que sirva para discretizar estos parámetros (Ä). Este intervalo debe ser representativo de la duración real de las tareas de manera que no se pierda información de la evolución de las mismas. Las paradas de mantenimiento sobre las que se basa el presente estudio tienen una duración promedio de 8 horas, por lo que el intervalo que se va a elegir es de 1 hora. Conforme a esta representación discreta de una parada de mantenimiento se definen los siguientes conceptos: - Tiempo acumulado de desarrollo de la parada - Grado de realización de una tarea T = Ä t (4) ki = ô i / Ä (5) De manera que el número de intervalos de tiempo de una tarea hasta su finalización se define como Di = (Li / Ä) Probabilidad de cambio en una tarea P j,i (ki ) Que representa la probabilidad de que la tarea i se vea afectada por un cambio en la tarea j mientras esta en el estado [(ki-1) Ä, ki Ä] - Impacto del cambio en una tarea S i,j (ki) Que representa el retraso originado en la tarea i debido a cambios producidos en la tarea j mientras esta en el estado [(ki-1) Ä, ki Ä] 4.3 Representación del estado y las transiciones en el desarrollo de una parada. El estado en que se encuentran las N tareas de una parada en un instante t se define por el vector K K = [k 1,k 2,,k N ] Las transiciones entre un estado y otro en cada tarea se producirán y calcularan al final de cada intervalo de tiempo. Por defecto cada tarea evolucionará hacia su siguiente grado de realización, aunque alguna puede verse afectada por cambios que la envíen a algún estado anterior. 1174
5 Se define q ki m como los m estados diferentes a los que puede evolucionar una tarea i, desde un estado k i. Y P (q ki m / k i ) como la probabilidad de evolucionar desde el estado k i al estado q ki m. El estado en que se encuentran todas las tareas de una parada en cada instante t viene definido por la expresión: Ð(t+1) = P Ð(t) (6) Ð(t) es una matriz formada por los vectores ð k (t) que representan la probabilidad de que la parada se encuentre en el estado k = [k 1,k 2,,k N ] en el instante t. Ð(t) = [ð [1,1,,1] (t),, ð [k1,k2,,kn] (t),, ð [D1,D2,,DN] (t)] P es la matriz de transición, siendo P L/k la probabilidad de que la parada se encuentra en un estado L en el instante t+1, partiendo de un estado k en el instante t. Además esta matriz P es una constante pues el estado en que se encuentra la parada en un instante t+1 solo depende del estado en que se encontraba en el instante t, de manera que: Ð(t+1) = P Ð(t) = P P Ð(t-1)= P t Ð(1) (7) Donde Ð(1) será igual a 0 para todas aquellas tareas que no comiencen en el instante t = 1; y será igual a 1 para todas aquellas tareas que si comiencen en el instante t = 1. Para aquellas tareas que no empiecen en el instante t=1 es necesario añadir una serie de estados anteriores ficticios. Así, si una tarea comienza m unidades de tiempo después del comienzo de la parada, será necesario añadir bi estados antes del comienzo real de la tarea de manera que ki º [1,, bi, bi+1,, Di+bi]. Con la característica de que estos estados ficticios tendrán una probabilidad de cambio y un impacto igual a 0: 4.4 Calculo de la matriz P. S i,j (ki) = 0 P j,i (ki) = 0 con ki º [1,,bi] Como se ha comentado anteriormente la matriz P es una constante en el tiempo. Cada fila K de esta matriz representa las transiciones que son posibles desde el estado K = [k 1,k 2,,k N ] en un intervalo de tiempo. Hay que realizar 2 pasos para poder calcular cada una de estas filas. 1- Obtener las transiciones para cada tarea i. El modelo evalúa el estado de cada tarea de la parada al final de cada intervalo de tiempo. Una tarea puede evolucionar hacia su siguiente estado o bien sufrir algún tipo de retraso debido a cambios producidos por otras tareas. La probabilidad de que exista un retraso en la tarea i será la probabilidad de que haya un cambio en la tarea j y la probabilidad de que no haya cambio en alguna otra tarea que pueda ocasionar un mayor impacto en la tarea i. Por otra parte la probabilidad de que la tarea i evolucione hacia su siguiente estado de realización será la probabilidad de que no exista ningún cambio en ninguna de las tareas que puedan afectar a la tarea i. Ambos casos se recogen en la tabla 1. Tarea i afectada por: Estado hacia el que evoluciona ki Probabilidad del cambio Tarea j ki S i,j (ki) + 1 Pi,j (kj) Ð j l=1 (1-P i,l (kl)) Ninguna tarea ki + 1 Ð N l=1 (1-P i,l (kl)) Tabla
6 Si una tarea puede evolucionar a dos estados iguales debido a que sufre impactos similares, la probabilidad de este estado será la suma de probabilidades. 2- Obtener las transiciones para el estado de desarrollo de la parada. Las transiciones entre estados del desarrollo general de la parada se producen simultáneamente en todas las tareas que lo componen al final de cada intervalo de tiempo. El número de transiciones posibles en una parada será la combinación de todas las transiciones diferentes que pueden sufrir cada una de las tareas que la componen. Así pues cada elemento P LK de la matriz P se calculará según la siguiente formula: N P LK = i 1 P(li/ki) li º [1,, Di] i (8) 5. Ejemplo de aplicación real. Referencias [1] Carrascosa M., Eppinger S.D. and Whitney Daniel E., Using the design structure matrix to estimate product development time, Proceedings of DETC 98, Atlanta, Agradecimientos Este apartado es opcional. Cuando desee reconocer la colaboración de alguna empresa o institución, o indicar la vinculación de la ponencia con algún proyecto de investigación financiado por una institución que así lo requiera, puede incluir dicho agradecimiento entre las secciones de Referencias y Correspondencia. Correspondencia (Para más información contacte con): Juan Luis Mendoza Pomar. Ingeniero Químico por la universidad de Zaragoza, Spain. juanluismendoza@hotmail.com 1176
Scientia Et Technica ISSN: Universidad Tecnológica de Pereira Colombia
Scientia Et Technica ISSN: 0122-1701 scientia@utpeduco Colombia VALENCIA ANGULO, EDGAR ALIRIO; MESA, FERNANDO PROPIEDADES DE LA MATRIZ Pn EN UNA CADENA DE MARKOV Scientia Et Technica, vol XIV, núm 39,
Más detallesProcesos estocásticos
Procesos estocásticos Las cadenas de Markov estudian procesos estocásticos Los procesos estocásticos son modelos matemáticos que describen sistemas dinámicos sometidos a procesos aleatorios Parámetros:
Más detallesTEMA 1 INTRODUCCIÓN AL MODELADO Y LA SIMULACIÓN
TEMA 1 INTRODUCCIÓN AL MODELADO Y LA SIMULACIÓN 1.1. Introducción 1.2. Conceptos fundamentales 1.3. Modelado y simulación de tiempo discreto 1.4. Modelado y simulación de eventos discretos 1.5. Pasos en
Más detallesMétodo PERT: principios básicos
Método PERT: principios básicos Técnica de control de tiempos para organizar, ordenar, asignar prioridades y controlar el progreso coordinado de las diferentes actividades que componen un proyecto Parte
Más detallesPROCESOS ESTOCÁSTICOS
Capítulo 10 Cadenas de Markov PROCESOS ESTOCÁSTICOS Una sucesión de observaciones X 1,X 2,... se denomina proceso estocástico Si los valores de estas observaciones no se pueden predecir exactamente Pero
Más detallesCadenas de Markov Tiempo Continuo. Modelado y Análisis de Redes de Telecomunicaciones
Tiempo Continuo Modelado y Análisis de Redes de Telecomunicaciones 1 Agenda en tiempo continuo Ergodicidad de la cadena Ejemplo: Líneas Telefónicas página 2 CMTC Consideremos ahora los procesos de Markov
Más detallesMAT web:
Clase No. 7: MAT 251 Matrices definidas positivas Matrices simétricas Dr. Alonso Ramírez Manzanares Depto. de Matemáticas Univ. de Guanajuato e-mail: alram@ cimat.mx web: http://www.cimat.mx/ alram/met_num/
Más detallesUTILIDAD RELATIVA DE UN SISTEMA DE MEDICIÓN
UTILIDAD RELATIVA DE UN SISTEMA DE MEDICIÓN G. Américo Rivas C. Prof. De la Escuela de Ingeniería Industrial. Área de Postgrado. Maestría en Ingeniería Industrial. Universidad de Carabobo e. Mail: arivas@postgrado.uc.edu.ve
Más detallesSe trata de: Explicar el comportamiento de una variable dependiente ( Y ) en función de otras variables ( i ) 2 Investigar si las variables están asoc
4 ASOCIACION ENTRE VARIABLES En la investigación estadística- y en lo fundamental aquella relacionada a variables socioeconómicas-, es común encontrar variables relacionadas o asociadas Estadísticamente
Más detallesPlanificación y control de proyectos
Planificación y control de proyectos José María Ferrer Caja Universidad Pontificia Comillas Introducción Un proyecto es un conjunto de actividades o tareas interrelacionadas Se conocen con antelación las
Más detallesPlanificando y haciendo seguimiento de proyectos. TSP Team development. PSP2 Code reviews Design reviews. PSP1.1 Task planning Schedule planning
PSP1.1 Planificando y haciendo seguimiento de proyectos Ubicando la clase de hoy TSP Team development PSP2 Code reviews Design reviews PSP2.1 Design templates Incorpora diseño y Gestión de la calidad PSP1
Más detallesCálculo científico y técnico con HP49g/49g+/48gII/50g Módulo 3: Aplicaciones Tema 3.5 Cadenas de Markov
Cálculo científico y técnico con HP49g/49g+/48gII/5g Módulo 3: Aplicaciones Tema 3.5 Cadenas de Markov Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica de
Más detallesProcesamiento de voz - Reconocimiento de voz II
Procesamiento de voz - Reconocimiento de voz II Marc S. Reßl Roxana Saint-Nom 2009 Ingeniería Electrónica Instituto Tecnológico de Buenos Aires Reconocimiento de voz Las técnicas que vimos hasta ahora
Más detallesCONTENIDOS MATEMÁTICAS II SEGUNDA EVALUACIÓN CURSO 2017/2018 MATRICES
CONTENIDOS MATEMÁTICAS II SEGUNDA EVALUACIÓN CURSO 2017/2018 Unidades: - Matrices (Bloque Álgebra) - Determinantes (Bloque Álgebra) - Sistemas de ecuaciones lineales (Bloque Álgebra) - Vectores (Bloque
Más detallesPFC. José Luis Pichardo Muñoz 2. Planificación operacional del modelo VSP
2.1. Introducción. En este capítulo describiremos los sistemas de programación en intervalos, haremos una clasificación de los mismos y dejaremos claro cuáles son los que se resolverán en este documento.
Más detalles2 CADENAS DE MARKOV HOMOGÉNEAS DE PARÁMETRO DISCRETO
2 CADENAS DE MARKOV HOMOGÉNEAS DE PARÁMETRO DISCRETO Cadenas de Markov 10 En la primera parte del capítulo se estudian las probabilidades condicionales de transición -definidas en (l5) y (16) - e incondicionales
Más detallesESTUDIO COMPARATIVO DE LAS MEDIDAS DE FIABILIDAD Y COSTES DE DOS MODELOS APLICADOS A UN MISMO CONJUNTO DE DATOS
ESTUDIO COMPARATIVO DE LAS MEDIDAS DE FIABILIDAD Y COSTES DE DOS MODELOS APLICADOS A UN MISMO CONJUNTO DE DATOS Rafael Pérez Ocón Catedrático de Universidad Delia Montoro Cazorla Catedrático de Universidad
Más detallesMatrices y Determinantes.
Tema II Capítulo 1 Matrices Álgebra Lineal I Departamento de Métodos Matemáticos y de Representación UDC Tema II Matrices y Determinantes 1 Matrices 1 Definiciones básicas Definición 11 Una matriz A de
Más detallesParámetros de Producción en Procesos de Carenado de Buques, análisis estocástico
XI CONGRESO INTERNACIONAL DE INGENIERIA DE PROYECTOS LUGO, 26-28 Septiembre, 2007 Parámetros de Producción en Procesos de Carenado de Buques, análisis estocástico ABSTRACT Campusano, L. C. (1), Cassanelli,
Más detalles1. Lección 3: Matrices y Determinantes
Apuntes: Matemáticas Empresariales II 1. Lección 3: Matrices y Determinantes Se define matriz de orden n m a todo conjunto de n m elementos de un cuerpo K, dispuestos en n filas y m columnas: A n m = (
Más detallesMatrices. Álgebra de matrices.
Matrices. Álgebra de matrices. 1. Definiciones generales Definición 1.1 Si m y n son dos números naturales, se llama matriz de números reales de orden m n a una aplicación A : {1, 2, 3,..., m} {1, 2, 3,...,
Más detallesTema 9: Relación entre variables categóricas
Tema 9: Relación entre variables categóricas Estadística 4 o Curso Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 9: Relación entre variables categóricas Curso
Más detallesALGEBRA y ALGEBRA LINEAL
520142 ALGEBRA y ALGEBRA LINEAL Primer Semestre, Universidad de Concepción CAPITULO 7. MATRICES DEPARTAMENTO DE INGENIERIA MATEMATICA Facultad de Ciencias Físicas y Matemáticas 1 Definición: Matriz Sean
Más detallesCarrera: Químico Farmacobiólogo. Asignatura: Probabilidad y Estadística. Área del Conocimiento: Ciencias Básicas. Estadística
Carrera: Químico Farmacobiólogo Asignatura: Probabilidad y Estadística Área del Conocimiento: Ciencias Básicas Generales de la Asignatura: Nombre de la Asignatura: Clave Asignatura: Nivel: Carrera: Frecuencia
Más detalles2. Formas cuadráticas. Expresiones diagonales. Clasificación respecto a su signo.
2. Formas cuadráticas. Expresiones diagonales. Clasificación respecto a su signo. 2.1 Formas cuadráticas. Expresión matricial y analítica. Expresiones diagonales. Definición 2.1 (Expresión matricial) Una
Más detallesRESUMEN ABSTRACT. The software will be sent for free to every participant that contacts the mail address mentioned above.
DIMCIRSOC 201-2005: SOFTWARE PARA EL CÁLCULO, DIMENSIONAMIENTO Y VERIFICACIÓN DE SECCIONES DE HORMIGON ARMADO SEGÚN EL REGLAMENTO CIRSOC 201-2005 VERSIÓN 2.0 LEAN COLE, Michael Ingeniero Civil U.B.A. michael.lean.cole@gmail.com
Más detallesTema 4: Sistemas de ecuaciones lineales.
Tema 4: Sistemas de ecuaciones lineales 1 Rango de una matriz Definición Sea A Mat n m (K) Se llama rango de filas de A, y se denota por rg f (A) la dimensión del subespacio vectorial generado por las
Más detallesMétodo de los Mínimos Cuadrados Recursivos
Método de los Mínimos Cuadrados Recursivos Teodoro Alamo a Ingeniería de Control Tercer Curso GITI Escuela Superior de Ingenieros Sevilla Formulación del problema Supongamos que los escalares y i, i =
Más detallesParámetros de Producción en Procesos de Carenado de Buques, análisis estocástico
XI CONGRESO INTERNACIONAL DE INGENIERIA DE PROYECTOS LUGO, 26-28 Septiembre, 2007 Parámetros de Producción en Procesos de Carenado de Buques, análisis estocástico Campusano, L. C. (1), Cassanelli, A. N.
Más detallesel blog de mate de aida MI: repaso de vectores pág. 1 VECTORES
el blog de mate de aida MI: repaso de vectores pág. VECTORES.- LOS EJES CARTESIANOS Y EL ORIGEN El eje horizontal se llama eje de abscisas el eje vertical se llama eje de ordenadas. El punto de corte de
Más detallesCadenas de Markov Horacio Rojo y Miguel Miranda
@ 71.07 Investigación Operativa > Cadenas de Markov Horacio Rojo y Miguel Miranda c 2009 Facultad de Ingeniería, Universidad de Buenos Aires Digitalizado por Virginia Guala $September 12, 2009 Cadenas
Más detallesANÁLISIS DE REGRESIÓN
ANÁLISIS DE REGRESIÓN INTRODUCCIÓN Francis Galtón DEFINICIÓN Análisis de Regresión Es una técnica estadística que se usa para investigar y modelar la relación entre variables. Respuesta Independiente Y
Más detallesCadenas de Markov. Distribuciones estacionarias. El algoritmo PageRank.
Sesión 5 Cadenas de Markov. Distribuciones estacionarias. El algoritmo PageRank. Recordemos que una secuencia {X n } n de variables aleatorias con valores en un espacio finito Ω se denomina cadena de Markov
Más detallesMATEMÁTICAS PARA ECONOMISTAS I MATRICES, DETERMINANTES Y SISTEMAS DE ECUACIONES
MATEMÁTICAS PARA ECONOMISTAS I MATRICES, DETERMINANTES Y SISTEMAS DE ECUACIONES 1.- Dadas las siguientes matrices Efectúe si es posible : a) A + B b) B A c) B 2.- Dadas las siguientes matrices Efectúe
Más detallesIngenieria de Software II Primer Cuatrimestre de 2008
Ingenieria de Software II Primer Cuatrimestre de 2008 The Personal Software Process. Watts Humphrey. Technical Report. CMU/SEI-2000-TR-022. Buenos Aires, 2 de junio de 2008 Hernan Berinsky, Francisco Facioni,
Más detalles( b) No se puede ya que la matriz tiene 2 columnas y el vector tiene 3 filas x x + 2y 3z.
Ejercicios resueltos tema : Matrices y sistemas lineales EJERCICIO : Escribir las siguientes matrices: a A (a ij 4, a ij i j. b B (b ij 4, b ij ( i+j. { si i j, c C (b ij 4, c ij si i < j. A, B + + + +
Más detallesGestión de Proyectos Software
Gestión de Proyectos Software Parte 6. Seguimiento y control de un proyecto Carlos Blanco Universidad de Cantabria Línea Base Definición de una Línea de Base Creada la Programación y resueltos los conflictos
Más detallesSimulación. Problema del jardinero. Modelo de stock aleatorio. Camino crítico.
Simulación Temario de la clase Introducción. Generacion de variables aleatorias: método de la transformada inversa. Avance del tiempo de simulación. Determinación de la cantidad de iteraciones requeridas.
Más detallesMatrices. José Vicente Romero Bauset. ETSIT-curso 2009/2010. José Vicente Romero Bauset Tema 1.- Matrices. 1
Matrices José Vicente Romero Bauset ETSIT-curso 2009/2010 José Vicente Romero Bauset Tema 1- Matrices 1 Introducción Por qué estudiar las matrices? Son muchas las situaciones de la vida real en las que
Más detalles- Si se repite un experimento, en condiciones indistinguibles, los resultados presentan variabilidad.
Introducción Los modelos que vamos a estudiar son usados para averiguar si una o más variables o factores afectan nuestra variable de interés. Ejemplos donde esta disciplina puede ser utilizada son: -
Más detallesTEMA 2: DISTRIBUCIONES BIDIMENSIONALES
TEMA : DISTRIBUCIONES BIDIMENSIONALES 1.- DISTRIBUCIONES BIDIMENSIONALES Cuando estudiamos un solo carácter estadístico, los datos que obtenemos forman una variable estadística unidimensional. También
Más detallesTema 10: Introducción a los problemas de Asociación y Correlación
Tema 10: Introducción a los problemas de Asociación y Correlación Estadística 4 o Curso Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 10: Asociación y Correlación
Más detallesProcesos estocásticos Sesión 9. Cadenas de Markov a tiempo continuo
Procesos estocásticos Sesión 9. Cadenas de Markov a tiempo continuo Enrique Miranda Universidad of Oviedo Máster Universitario en Análisis de Datos para la Inteligencia de Negocios Contenidos 1. Cadenas
Más detalles1 Introducción. 2 Modelo. Hipótesis del modelo MODELO DE REGRESIÓN LOGÍSTICA
MODELO DE REGRESIÓN LOGÍSTICA Introducción A grandes rasgos, el objetivo de la regresión logística se puede describir de la siguiente forma: Supongamos que los individuos de una población pueden clasificarse
Más detallesDESARROLLO DE UN MODULO TUTORIAL DE UNA TORRE DE DESTILACIÓN BASADO EN EL MODELO MATEMÁTICO DE SOREL
DESARROLLO DE UN MODULO TUTORIAL DE UNA TORRE DE DESTILACIÓN BASADO EN EL MODELO MATEMÁTICO DE SOREL Miguel Angel Mesa Silva y Nicolas Lallemand Najar Universidad de América, Bogotá DC Resumen. El proyecto
Más detallesFolleto de Estadísticas. Teoría del 2do Parcial
Folleto de Estadísticas Teoría del 2do Parcial 2012 Variables aleatorias conjuntas continuas: Sean X y Y dos variables aleatorias continuas con ellas se asocia una función denominada función de densidad
Más detallesCarlos M. Dema 1, Teresa Barberá 1
4 th International Conference on Industrial Engineering and Industrial Management XIV Congreso de Ingeniería de Organización Donostia- San Sebastián, September 8 th -10 th 2010 La independencia de los
Más detallesTypeset by GMNI & FoilTEX
Typeset by GMNI & FoilTEX MÉTODOS DIRECTOS PARA GRANDES SISTEMAS DE ECUACIONES LINEALES: FACTORIZACIONES DE CROUT Y CHOLESKY F Navarrina, I Colominas, M Casteleiro, H Gómez, J París GMNI GRUPO DE MÉTODOS
Más detallesIngeniería en Procesamientos de Recursos Minerales. Precálculo
UNIVERSIDAD AUTÓNOMA DEL ESTADO DE HIDALGO ESCUELA SUPERIOR DE ZIMAPÁN Ingeniería en Procesamientos de Recursos Minerales Precálculo Ing. Edgar García Maldonado Enero - Junio 2018 Resumen (abstract) El
Más detallesProcesos estocásticos Cadenas de Márkov
Procesos estocásticos Cadenas de Márkov Curso: Investigación de Operaciones Ing. Javier Villatoro PROCESOS ESTOCASTICOS Procesos estocásticos Es un proceso o sucesión de eventos que se desarrolla en el
Más detallesLección 8. Matrices y Sistemas de Ecuaciones Lineales
Lección 8 Matrices y Sistemas de Ecuaciones Lineales MIGUEL ANGEL UH ZAPATA 1 Análisis Numérico I Facultad de Matemáticas, UADY Septiembre 2014 1 Centro de Investigación en Matemáticas, Unidad Mérida En
Más detallesDETERMINANTES MATRICES EQUIVALENTES POR FILAS RANGO DE UNA MATRIZ. APLICACIONES
Tema 2.- DETERMINANTES DETERMINANTES MATRICES EQUIVALENTES POR FILAS RANGO DE UNA MATRIZ. APLICACIONES 1 Un poco de historia Los determinantes es uno de los temas más útiles del Álgebra Lineal, con muchas
Más detallesCINEMÁTICA ESTUDIO DEL MOVIMIENTO DE LOS CUERPOS 1.- Movimiento y desplazamiento (Conceptos previos)
CINEMÁTICA ESTUDIO DEL MOVIMIENTO DE LOS CUERPOS 1.- Movimiento y desplazamiento (Conceptos previos) Para poder definir el movimiento, se necesitan tres factores: - El SISTEMA DE REFERENCIA es el punto
Más detallesÍndice. Esquema 3. Ideas clave Introducción y objetivos Concepto Tipos de matrices Operaciones con matrices 13
Tema 2 Matrices Índice Esquema 3 Ideas clave 4 2.1. Introducción y objetivos 4 2.2. Concepto 5 2.3. Tipos de matrices 6 2.4. Operaciones con matrices 13 2.5. Representación matricial de sistemas de ecuaciones
Más detallesTema 5: Muestreo sistemático
Tema 5: Muestreo sistemático Contenido 1- Definición, Ventajas Desventajas, Variantes del muestreo sistemático, selección de una muestra sistemática. - Muestreo sistemático como Estratificado o Conglomerado
Más detallesJuan de la Cruz González Férez
Curso 0: Matemáticas y sus Aplicaciones Matrices y Sistemas de Ecuaciones Aplicaciones Juan de la Cruz González Férez IES Salvador Sandoval Las Torres de Cotillas (Murcia) 2012 Ecuaciones en diferencias
Más detallesContenido. 2 Operatoria con matrices. 3 Determinantes. 4 Matrices elementales. 1 Definición y tipos de matrices
elementales Diciembre 2010 Contenido Definición y tipos de matrices elementales 1 Definición y tipos de matrices 2 3 4 elementales 5 elementales Definición 1.1 (Matriz) Una matriz de m filas y n columnas
Más detallesPrograma EUROPA Ayuda a la Mejora en el Aprendizaje Matemáticas Cuarta sesión
1/26 Programa EUROPA Ayuda a la Mejora en el Aprendizaje Matemáticas Cuarta sesión Ramón Esteban y Antonio Pastor Índice 1 Álgebra 3 Sistemas de ecuaciones lineales................ 3 Métodos conocidos...................
Más detallesCapítulo 2. Medidas Estadísticas Básicas Medidas estadísticas poblacionales
Capítulo 2 Medidas Estadísticas Básicas 2.1. Medidas estadísticas poblacionales Sea X una variable aleatoria con función de probabilidad p(x) si es discreta, o función de densidad f(x) si es continua.
Más detallesDerivación de funciones de varias variables.
Derivación de funciones de varias variables. En este apartado se presentan los conceptos básicos que aparecen en la derivación de funciones de varias variables. La idea es establecer un método para estudiar
Más detallesMatemáticas Empresariales II
Matemáticas Empresariales II Lección 3 Manuel León Navarro Colegio Universitario Cardenal Cisneros M. León Matemáticas Empresariales II 1 / 40 Concepto de Matriz Se define matriz de orden n m a todo conjunto
Más detallesTema 1. Espacios Vectoriales. Sistemas de ecuaciones.
Tema 1. Espacios Vectoriales. Sistemas de ecuaciones. Álgebra Lineal Escuela Politécnica Superior Universidad de Málaga Emilio Muñoz-Velasco (Basado en los apuntes de Jesús Medina e Inmaculada Fortes)
Más detallesSobre las soluciones de las ecuaciones en diferencias lineales. J. C. Abderramán Marrero 1
XXI Congreso de Ecuaciones Diferenciales y Aplicaciones XI Congreso de Matemática Aplicada Ciudad Real, 21-25 septiembre 2009 (pp 1 6) Sobre las soluciones de las ecuaciones en diferencias lineales J C
Más detallesGrafos y Redes. 3. Resolución: Dibujar el camino sin levantar el lápiz y pasando sólo una vez por cada arco o arista.
Grafos y Redes. Nodos: vértices, 2, 3 2. Arcos: aristas, conexión entre nodos. 2, 54, etc. 3. Resolución: Dibujar el camino sin levantar el lápiz y pasando sólo una vez por cada arco o arista. 4. Grado
Más detallesDimensionamiento y Planificación de Redes
Dimensionamiento y Planificación de Redes Tema 5. Sistemas con Fuentes Finitas Calvo Departamento de Ingeniería de Comunicaciones Este tema se publica bajo Licencia: Crea:ve Commons BY- NC- SA 4.0 Contenido
Más detallesTítulo: NOVACOM Autores: Christian Angélica Reyes Estrada FIME Guadalupe
Título: NOVACOM Autores: Christian Angélica Reyes Estrada FIME Guadalupe christian.01angelica@gmail.com José Luis Garza Ramos FIME Guadalupe josegarzaramos@gmail.com María Fernanda Rodríguez Mireles FIME
Más detallesGeneralmente, el objetivo de cualquier estudio de econometría es la. búsqueda de relaciones matemáticas que permitan explicar el comportamiento
5. METODOLOGÍA ECONOMÉTRICA. Generalmente, el objetivo de cualquier estudio de econometría es la búsqueda de relaciones matemáticas que permitan explicar el comportamiento de una variable económica a partir
Más detallesIncremento del nivel horario
INFLUENCIA DE LA HORA Y DÍA DE LA SEMANA EN EL NIVEL SONORO EQUIVALENTE REFERENCIA PACK: 43.50.BA Sanchis Sabater, Antonio; Marín Sanchis, Albert; Giménez Pérez, Alicia Laboratorio de Acústica Industrial
Más detalles1ER TRABAJO DE ALGEBRA LINEAL Y GEOMETRÍA PEDRO JAVIER CARMONA LUNA PRESENTADO A: HUGO R. PÉREZ CARRASCAL LIC. EN MATEMÁTICAS UNIVERSIDAD DE CÓRDOBA
1ER TRABAJO DE ALGEBRA LINEAL Y GEOMETRÍA PEDRO JAVIER CARMONA LUNA PRESENTADO A: HUGO R. PÉREZ CARRASCAL LIC. EN MATEMÁTICAS UNIVERSIDAD DE CÓRDOBA FACULTAD DE INGENIERÍAS PROGRAMA DE INGENIERÍA AMBIENTAL
Más detallesLogística y Operaciones Administración de Proyectos Introducción Pág. 1 Ing. Tasca, Mara G.
ADMINISTRACION DE PROYECTOS CPM Y PERT: Introducción: Por lo general los proyectos consisten en un cierto número de tareas interrelacionadas, que pueden o no efectuarse en forma simultánea. Es importante
Más detallesTema 3: Análisis de datos bivariantes
Tema 3: Análisis de datos bivariantes 1 Contenidos 3.1 Tablas de doble entrada. Datos bivariantes. Estructura de la tabla de doble entrada. Distribuciones de frecuencias marginales. Distribución conjunta
Más detallesVARIACIONES EN EL CONFORT HUMANO DEBIDA A LA VARIABILIDAD Y/O LOS CAMBIOS CLIMATICOS. Rosendo Alvarez Morales y Laura Aenlle Ferro.
VARIACIONES EN EL CONFORT HUMANO DEBIDA A LA VARIABILIDAD Y/O LOS CAMBIOS CLIMATICOS. RESUMEN. Rosendo Alvarez Morales y Laura Aenlle Ferro. Institución: Instituto de Meteorología. Cuba. Apartado 17032
Más detallesAnálisis de Correspondencias Simple
1 Capítulo 4 Análisis de Correspondencias Simple 41 INTRODUCCIÓN El Análisis de Correspondencias Simple permite describir las relaciones entre dos variables categóricas dispuestas en una tabla de contingencia
Más detallesDETERMINANTES. Página 77 REFLEXIONA Y RESUELVE. Determinantes de orden 2
DETERMINANTES Página 77 REFLEXIONA Y RESUELVE Determinantes de orden 2 Resuelve los siguientes sistemas y calcula el determinante de cada matriz de coeficientes: 2x + y = 29 5x y = 8 a b x y = 5 0x + 6y
Más detallesPLANIFICACION DE CARRETERAS, EN CASTILLA-LA MANCHA I
CiENCIA Y TECNICA DE LA ingenieria CWIL PLANIFICACION DE CARRETERAS, EN CASTILLA-LA MANCHA I Socorro Fernández Larrea* Ingeniera de Caminos, Canales y Puertos El Plan Regional de Carreteras de Castilla-La
Más detallesAl consejero A no le gusta ninguno de sus colegas como presidente. Dos consejeros (C y E) están de acuerdo en los mismos candidatos (B, C y D).
ÁLGEBRA DE MATRICE Página 48 Ayudándote de la tabla... De la tabla podemos deducir muchas cosas: Al consejero A no le gusta ninguno de sus colegas como presidente. B solo tiene un candidato el C. Dos consejeros
Más detallesUNIDAD DE CONTROL SEGMENTADA PLANIFICACIÓN DE PIPES ESTÁTICOS
Todos los derechos de propiedad intelectual de esta obra pertenecen en exclusiva a la Universidad Europea de Madrid, S.L.U. Queda terminantemente prohibida la reproducción, puesta a disposición del público
Más detalles» Ecuación del movimiento libre de un grado de libertad amortiguado: ED lineal de 2º orden homogénea cuya solución es de la forma:
1.3. Oscilador armónico amortiguado 1» Ecuación del movimiento libre de un grado de libertad amortiguado: ED lineal de 2º orden homogénea cuya solución es de la forma: Si introducimos esta solución en
Más detallesNombre de la Asignatura ESTADISTICA GENERAL INFORMACIÓN GENERAL Escuela. Departamento Unidad de Estudios Básicos
Código 0082023 UNIVERSIDAD DE ORIENTE ESTADISTICA GENERAL INFORMACIÓN GENERAL Escuela Departamento Unidad de Estudios Básicos Ciencias Horas Semanales 05 Horas Teóricas 02 Pre-requisitos Matemática I (0081714)
Más detallesC A N D I D A T O S A A Y U N T A M I E N T O S
I N S T I T U T O E L E C T O R A L D E L E S T A D O D E M E X I C O P R O C E S O E L E C T O R A L 2 0 1 8 E L E C C I Ó N O R D I N A R I A D E M I E M B R O S D E L O S A Y U N T A M I E N T O S C
Más detallesMANUAL DE INSTRUCCIONES / USER'S GUIDE VD53
MANUAL DE INSTRUCCIONES / USER'S GUIDE VD53 ESP AJUSTAR LA POSICIÓN DE LAS MANECILLAS DEL CRONÓMETRO - Antes de fijar la hora, compruebe que todas las manecillas del cronógrafo - segundos, minutos - estén
Más detallesRegresión múltiple. Demostraciones. Elisa Mª Molanes López
Regresión múltiple Demostraciones Elisa Mª Molanes López El modelo de regresión múltiple El modelo que se plantea en regresión múltiple es el siguiente: y i = β 0 + β 1 x 1i + β 2 x 2i +...+ β k x ki +
Más detallesA = , B = 2 2. a 11 a 1n a 21 a 2n A = a m1 a mn
Máster en Materiales y Sistemas Sensores para Tecnologías Medioambientales Erasmus Mundus NOTAS DE CÁLCULO NUMÉRICO Damián Ginestar Peiró ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA DEL DISEÑO UNIVERSIDAD POLITÉCNICA
Más detallesRevisión Fecha Revisor Aprobador Descripción de los cambios M.L. J.R. Primera emisión del documento
6. GESTIÓN DEL TIEMPO Revisión Fecha Revisor Aprobador Descripción de los cambios 1 0 04 013 M.L. J.R. Primera emisión del documento 4 04 013 D.R. J.R. Revisión del documento 3 Entrega final del documento
Más detallesEL COSTO DEL MANTENIMIENTO INDUSTRIAL
EL COSTO DEL MANTENIMIENTO INDUSTRIAL Problema de empresa: Cuánto cuesta el mantenimiento? El cálculo del presupuesto de mantenimiento es una labor importante que asume el Responsable de Mantenimiento
Más detallesA.M. Urbano, R. Cantó, B. Ricarte Institut de Matemàtica Multidisciplinar, Universitat Politècnica de València, E Valencia
Factorización de Cholesky de matrices singulares A.M. Urbano, R. Cantó, B. Ricarte Institut de Matemàtica Multidisciplinar, Universitat Politècnica de València, E-460 Valencia amurbano@mat.upv.es,rcanto@mat.upv.es,bearibe@mat.upv.es,
Más detallesLa gestión de la producción en la edificación.
La gestión de la producción en la edificación. Juan Pedro Ruiz * Resumen Las aportaciones de investigación más importantes realizadas por el que suscribe se centran en torno a la gestión de la producción
Más detallesRevista del programa del matemáticas (2015) 81-86
Revista del programa del matemáticas (2015) 81-86 Determinación de los valores de la velocidad y aceleración, utilizando el método de los mínimos cuadrados a partir de datos obtenidos del GLX XPLORER del
Más detallesInicio. Cálculos previos GRASP. Resultados. Fin. Figura 5.1: Diagrama de flujo del algoritmo.
5. DISEÑO FUNCIONAL En este apartado vamos a detallar los diagramas funcionales que han constituido la base para la posterior implantación informática de la metaheurística. 5.1. Diseño funcional del algoritmo
Más detalles3. ÁLGEBRA LINEAL // 3.3. AUTOVALORES Y
3. ÁLGEBRA LINEAL // 3.3. AUTOVALORES Y AUTOVECTORES. SISTEMAS DE EVOLUCIÓN. COMPLEMENTOS PARA LA FORMACIÓN DISCIPLINAR EN MATEMÁTICAS Curso 2011-2012 3.3.1. Ejemplos de sistemas de evolución discretos
Más detalles6 Vectores. Dependencia e independencia lineal.
6 Vectores. Dependencia e independencia lineal. Introducción Hay fenómenos reales que se pueden representar adecuadamente mediante un número con su adecuada unidad de medida. Sin embargo para representar
Más detallesCaso Práctico 2. El Biogás. Caso Práctico 2 1
Caso Práctico 2 El Biogás Caso Práctico 2 1 Caso Práctico 2 Biogás OBJETIVOS Objetivo Estimar la generación de biogás, metano, dióxido de carbono y compuestos orgánicos que no sean metano, o NMOC (Non-methane
Más detalles6. CONTROL DE AVANCE FISICO DEL PROYECTO.
118 Capítulo 6 6. CONTROL DE AVANCE FISICO DEL PROYECTO. Una planificación y un control total de los procesos nos permite optimizar el uso de los recursos, una mayor calidad, a un menor tiempo de ejecución
Más detallesSistemas de Ecuaciones Lineales y Matrices
Capítulo 4 Sistemas de Ecuaciones Lineales y Matrices El problema central del Álgebra Lineal es la resolución de ecuaciones lineales simultáneas Una ecuación lineal con n-incógnitas x 1, x 2,, x n es una
Más detallesFamiliarizar al estudiante con las técnicas actuales del procesamiento digital de señales y sus diferentes aplicaciones.
FACULTAD: INGENIERÍAS Y ARQUITECTURA PROGRAMA: INGENIERÍA EN TELECOMUNICACIONES DEPARTAMENTO DE: INGENIERÍA ELECTRÓNICA, ELÉCTRICA, SIS Y TELECOMUNICACIONES Procesamiento digital CURSO : de señales CÓDIGO:
Más detallesUNIDAD 4 CONTROL DE PROYECTOS
UNIDAD 4 CONTROL DE PROYECTOS TÉCNICAS DE PROGRAMACIÓN Las técnicas de planificación se ocupan de estructurar las tareas a realizar dentro del proyecto, definiendo la duración y el orden de ejecución de
Más detallesControl. Controlar. variable controlada variable manipulada Control realimentado. Sistema. Sistemas de control realimentado.
Clase 1 Definir: Control. Poder o dominio que una persona u objeto ejerce sobre alguien o algo (En ingeniería: Conjunto de mecanismos y dispositivos que regulan el funcionamiento de una máquina, un aparato
Más detallesRepaso de Estadística
Teoría de la Comunicación I.T.T. Sonido e Imagen 25 de febrero de 2008 Indice Teoría de la probabilidad 1 Teoría de la probabilidad 2 3 4 Espacio de probabilidad: (Ω, B, P) Espacio muestral (Ω) Espacio
Más detalles