Ejemplo de práctica de simulación

Documentos relacionados
PRÁCTICA 4: TEORÍA DE COLAS

(3.d) ESTIMACIÓN DE LOS PARÁMETROS EN MODELOS DE COLAS PARA LOS PROCESOS DE LLEGADA Y

UNIVERSIDAD DE MANAGUA Al más alto nivel

12.Teoría de colas y fenómenos de espera

Objetivos: Construir un modelo de Simulación de un Sistema de Servicios Bancarios, con las herramientas de Promodel

13.Teoría de colas y fenómenos de espera

TEORIA DE COLAS. Investigación Operativa II

es el tiempo que pasó en la cola el i-ésimo cliente, y N es el número de clientes que pasaron por la cola, el valor medio buscado será:

PRUEBA DE BONDAD DE AJUSTE O PRUEBA CHI - CUADRADO

SIMULACION MANUAL PROFESOR: DR. 1 JORGE ACUÑA A.

ESTRUCTURA DE LINEAS DE ESPERA

UNIVERSIDAD DE MANAGUA

Investigación Operativa II

Objetivos: Construir un modelo de Simulación de manufactura con inspección de procesos con las herramientas de Promodel.

Simulación Colas M/M/1 en Arduino

UNIVERSIDAD DE MANAGUA CURSO: INVESTIGACIÓN DE OPERACIONES TAREA # 2 Problemas de Markov, Colas y Juegos

PROBLEMAS TEMA 2: TEORÍA DE COLAS. Curso 2013/2014

Tema 5. Introducción al Teletráfico y a la Teoría de Colas

Queue Análysis VI. MARCO TEÓRICO. Teoría de líneas de espera o colas (Queues). Principales componentes de los sistemas. Clientes Dependientes

Teoría de líneas de espera

Teoría de colas. Las colas (líneas de espera) son parte de la vida diaria

0 en otro caso. P (X > 0) P ( 0.5 < X < 0.5) P ( X > 0.25) x 3 si 0 x < 2. 1 si 2 x P(X 1) P(0.5 X 1) P(0.5 < X 1 X < 1) f X (x) = (1+αx) 2

PROBABILIDADES Y ESTADÍSTICA (C) Práctica 3 P (X > 0) P ( 0,5 < X < 0,5) P ( X > 0,25) 1 si 2 x P (X 1) P (0,5 X 1) P (0,5 < X 1 X < 1)

Interrogación (25 Ptos.) Conteste verbalmente las siguientes preguntas :

Objetivos: Construir un modelo de Simulación usando el Path Networks, LOAD y UNLOAD de Promodel.

UNIVERSIDAD CARLOS III DE MADRID Ingeniería Informática Examen de Investigación Operativa 12 de septiembre de 2007

SIMULACIÓN DE PROCESOS INDUSTRIALES SOFTWARE ARENA INTRODUCCION

Comienzo del servicio ARENA


Facultad de Ciencias Económicas, Jurídicas y Sociales - Métodos Cuantitativos para los Negocios

Introducción a la Teoría de Colas

TEORIA DE LINEAS DE ESPERA

SIMULACION MANUAL PROFESOR: DR. JORGE ACUÑA A. 1

INVESTIGACIÓN DE OPERACIONES II. JULIO CÉSAR LONDOÑO ORTEGA

Teoría de colas I. Investigación Operativa, Grado en Estadística y Empresa, 2011/12

UNIVERSIDAD DE MANAGUA Al más alto nivel ASIGNATURA: SIMULACIÓN DE SISTEMAS SIMULACIÓN CON PROMODEL Guía #7: Modelo 3 de Simulación

S = N λ = 5 5 = 1 hora.

Modelamiento Básico. Para graficar variables debemos presionar el botón de Grafico (plot) ARENA ARENA

UNIVERSIDAD DE MANAGUA Al más alto nivel

LINEAS DE ESPERA. En diferentes ocaciones de la vida, la mayoria de las personas que viven en la sociedad moderna han esperado

Tema 02. Análisis de prestaciones e introducción al dimensionamiento en redes de conmutación de paquetes. Rafael Estepa Alonso Universidad de Sevilla

Conceptos de Planificación

IDAD NACIONAL DE LOJA

SIMULACIÓN DE SISTEMAS LOGÍSTICOS Grupo 5

Investigación de Operaciones

Selección de distribuciones de probabilidad

Ingeniería de Sistemas. Teoría de colas y juegos

UNIVERSIDAD DE MANAGUA Al más alto nivel

Selección de distribuciones de probabilidad

Tema 4: Probabilidad y Teoría de Muestras

Ejercicios de Simulación

TEORÍA DE LÍNEAS DE ESPERA

Definición. P(X t+s = j X s = i, X sn = i n,..., X s0 = i 0 ) = P(X t+s = j X s = i)

UNIVERSIDAD SIMON BOLIVAR LINEAS DE ESPERA USB PS4161 GESTION DE LA PRODUCCION I LINEAS DE ESPERA

1.- INTRODUCCIÓN TEORIA DE COLAS

DISEÑO DE UN SIMULADOR POR EVENTOS DISCRETOS USANDO EL LENGUAJE DE PROPOSITO GENERAL PASCAL

Procesos estocásticos Sesión 9. Cadenas de Markov a tiempo continuo

ENUNCIADOS EJERCICIOS-PROBLEMAS

PROBLEMAS DE SISTEMAS DE COLAS. Problema 1 (Kleinrock 3.2) Considere un proceso de nacimiento y muerte que verifique:

Modelos de cola.

7HRUtDSDUD*UXSRGH'LVSRQLELOLGDG7RWDO 6LVWHPDGH(VSHUD. (Incluye ejercicios) De TETRAPRO, editado por el Sr. H. Leijon, UIT

TEMA N 3.- TEORÍA DE COLAS

TEORÍA DE COLAS. introducción

Teoría de colas III: La cola M/M/m. Investigación Operativa, Grado en Estadística y Empresa, 2011/12

Colección Matemáticas para la Administración

Trabajo sobre Simulación de Procesos Poisson y Distribuciones Multivariadas

Jorge Eduardo Ortiz Triviño

Ejercicios de teoría de colas

Simulación III. Investigación Operativa, Grado en Estadística y Empresa, 2011/12

Introduccion. TEMA 6: MODELOS DE FILAS DE ESPERA (Waiting Line Models) (Capítulo 12 del libro) Modelos de Decisiones

UNIVERSIDAD DE MANAGUA Al más alto nivel

ESTRUCTURA DEL FITXER: EXTRACTE DE COMPTE EN FORMAT IBAN DE ENTITATS FINANCERES A CLIENTS. Núm. ABA-05

ESTADÍSTICA I. A continuación se presentan los Modelos Probabilísticos Continuos más importantes.

MODELADO Y SIMULACIÓN. Febrero de Primera semana

Solución al Primer Parcial de Introducción a la Investigación de Operaciones Fecha: 11 de mayo de 2002

Simulación de eventos discretos.

Posible solución al examen de Investigación Operativa de Sistemas de junio de 2002

Intervalos de Confianza

I. T. Telecomunicaciones Universidad de Alcalá

6.1 Herramientas para la planeación de la capacidad.

Simple M/M System General Queuing System

SIMULACIÓN N DE SISTEMAS (1ra parte)

Las pruebas se han centrado en comprobar el correcto funcionamiento del programa propiamente dicho:

0.3. OBJETIVOS OBJETIVO GENERAL.

PROBLEMAS PROPUESTOS DE TEORÍA DE COLAS

Investigación operativa: aplicaciones en la optimización de costes"

Quina és la resposta al teu problema per ser mare? Dexeus MEDICINA DE LA REPRODUCCIÓ ESTUDI INTEGRAL DE FERTILITAT

Generación de variables aleatorias continuas Método de la transformada inversa

Proceso de llegadas de Poisson

Prueba de Hipotesis de Grandes Muestras INFERENCIA ESTADÍSTICA JTP. JUAN PABLO QUIROGA

1.1. Distribución exponencial. Definición y propiedades

LINEALIDAD DE VITAMINA D3. Area. 27 0,06 0,09 0,12 0,15 0,18 0,21 Concentracion (mg/ml)

Proceso de llegadas de Poisson

MODELOS DE SIMULACIÓN ESTADÍSTICOS CLASE 4: DISTRIBUCIÓN t, CHI-CUADRADA y EXPONENCIAL PROFESOR: OSCAR SAAVEDRA ANDRÉS DURANGO.

2. FUNCIONS MATEMÀTIQUES, TRIGO- NOMÈTRIQUES I ESTADÍSTIQUES

F (x, y) = no es la función de distribución acumulada de ningún vector aleatorio. b) Mostrar que. { (1 e x )(1 e y ) si x 0, y 0

UNIVERSIDAD DE MANAGUA Al más alto nivel

ALGORITMOS DE PROGRAMACIÓN NO EXPULSIVOS

Generación de variables aleatorias continuas Método de la transformada inversa

Asignatura : INFERENCIA ESTADÍSTICA I Titulación : DIPLOMADO EN ESTADÍSTICA Profesor : ISABEL MOLINA PERALTA Capítulo 5 : INTERVALOS DE CONFIANZA

Transcripción:

Ejemplo de práctica de simulación Un supermercado dispone de dos cajas, una normal y otra rápida (para clientes con pocos artículos), ambas con un único cajero. Los clientes normales llegan en intervalos distribuidos exponencialmente de media 2 minutos y tienen un tiempo de servicio exponencial de media 1.5 minutos. Los clientes con pocos artículos llegan en intervalos distribuidos exponencialmente de media 1 minutos y su tiempo de servicio es exponencial de media 0.5 minutos. Los procesos de llegada de cada tipo de cliente son independientes uno de otro. Existe una cola para cada caja, una de clientes normales y otra de clientes con pocos artículos. Si un cliente llega y hay alguna caja libre, entra directamente en servicio, escogiéndose preferentemente la caja correspondiente a su tipo. Si las dos cajas están ocupadas, se coloca en la cola correspondiente a su tipo. Si al acabar un servicio cualquiera de las dos cajas, su cola está vacía y la otra no, atiende al primer cliente de la otra cola. Suponer que inicialmente las dos cajas están ocupadas, hay un cliente en cada cola y las próximas llegadas de clientes normal y rápido serán en los instantes 1.0 y 1.2 respectivamente. Desarrollar un modelo de simulación para simular este sistema y obtener estadísticas sobre el tiempo de espera en cada cola, el número medio de clientes en cada cola y la utilización de cada caja.

Programa # Declaracions de tipus Oc_caixa: {, A, B}; T_Succ: { arra, arrb, servc1, servc2 }; El_llista: Estructura( time: real, event: T_Succ ); L_S : FWLlista( El_llista ); # Declaracions de variables (totes globals) Real: τ, T, τ_ant, texp, p, u, λ A, λ B, µ A, µ B ; Enter: n A, n B, q1, q2; Oc_caixa: C1, C2; T_Succ: TS; L_S: LlistaS; El_llista: S

τ = 0; Fixar T; Fixar p; τ_ant = 0 ; Fixar λ A, λ B, µ A, µ B ; CreaSucc(τ, arra ); n A = 1; q1 = 0; CreaSucc(τ, arrb ); n B = 1; q2 = 0; C1 = ; C2 = ; Ini_Estadistics; Mentre (τ < T ) fer τ = inicifwl( LlistaS ).time; TS = inicifwl( LlistaS ).event; Estadistiques(τ - τ_ant ); If ( TS = arra ) arribadaa(τ ); If ( TS = arrb) arribadab (τ ); If ( TS = servc1 ) fi_serveic1(τ ); If ( TS = servc2) fi_serveic2(τ ); τ_ant = τ; FiMentre; Escriure_Resultats(τ ); FiPrograma

# Creació d un succés per futur processament. Procediment CreaSucc(ϑ: real, tipus: T_Succ ) S = Nou( El_Llista ); If ( tipus = arra ) texp = GenExp( λ A ); If ( tipus = arrb ) texp = GenExp( λ B ); If ( tipus = servc1) { If ( C1=A ) texp = GenExp( µ A ); If ( C1=B ) texp = GenExp( µ B ); }; If ( tipus = servc2) { If ( C2=A ) texp = GenExp( µ A ); If ( C2=B ) texp = GenExp( µ B ); }; S.time = ϑ + texp; S.event = tipus; InclOrdFWL( S, LlistaS ); retorn;

# Tractament d un succés de la llista: arribada de client tipus A Procediment ArribadaA(ϑ : real ) n A = n A + 1; If ( C1 = & q2 = 0 ) { C1 = A; CreaSucc(ϑ, servc1 ); retorn; }; If ( C2 = & q1 = 0 ) { C2 = A; CreaSucc(ϑ, servc2 ); retorn; }; If ( C2 & C1 ) { q1 = q1 +1; retorn; }; # # Casos d empat GenUnif( u, p ); If ( C1 = & q2 > 0 ) { If ( u > p ) { C1 = A; }{ q1 = 1; C1 = B; q2 = q2 1; }; CreaSucc(ϑ, servc1 ); }; If ( C2 = & q1 > 0 ) { If ( u > p ) { C2 = A; }{ q2 = 1; C2 = A; q1 = q1 1; }; CreaSucc(ϑ, servc2 ); }; CreaSucc(ϑ, arra ); retorn;

# Tractament d un succés de la llista: Fi de servei servidor C1 Procediment fi_serveic1( ϑ : real ) If ( q1 = 0 ) { If ( q2 > 0 ) { q2 = q2 1; C1 = B; CreaSucc(ϑ, servc1 ); } { C1 = } ; }; If ( q1 > 0 ) { q1 = q1 1; C1 = A; CreaSucc(ϑ, servc1 ); }; retorn;

# Procediments de tractament d estadístics # Declaració de variables ( comunes a Ini_Estadistics, Estadistics, # Escriure_Resultats ) Real: WqA, # Temps acumulat clients A en cua 1 WqB, # Temps B en cua 2 tsa, tsb, # Temps de servei de A, B respec. WA, WB, # Temps acumulat clients A, B en S.E. tocup1, tocup2, # Temps servidor 1, 2 lliures tocup; # Temps S.E. buit Procediment Ini_Estadistics ( posa a 0 les anteriors variables )

Procediment Estadistics( t : real ) WqA = WqA + q1*t; WqB = WqB + q2*t; tsa = 0; tsb = 0; If ( C1 = A ) tsa = t; If ( C2 = A ) tsa = tsa +t; If ( C1 = B ) tsb = t; If ( C2 = B ) tsb = tsb +t; WA = WA + q1*t + tsa; WB = WB + q2*t + tsb; If ( C1 = ) tocup1 = tocup1 + t; If ( C2 = ) tocup2 = tocup2 + t; If ( C1 = & C2 = ) tocup = tocup + t; retorn;

Procediment Escriure_Resultats( t : real ); Real: Lq1, Lq2 # Longituts mitjanes Cues 1, 2 LA, LB, L # Longituts mitjanes clients A, B, totals W # Temps de permanencia en S.E. per client Lq1 = WqA / t ; Lq2 = WqB / t ; LA = WA / t; LB = WB / t; L = LA + LB; W = ( WA + WB ) / ( n A + n B ) ; WA = WA / n A ; WB = WB / n B ; WqA = WqA / n A ; WqB = WqB / n B ; tocup1 = 1 ( tocup1/ t ); tocup2 = 1 ( tocup2/ t ); tocup = 1 ( tocup/ t ); Escriure ( n A, n B, t, Lq1, Lq2, LA, LB, L, WqA, WqB, WA, WB, W, tocup1, tocup2, tocup ); retorn;