TAREA 3 - SOLUCION DE MODELOS PROBABILISTICOS DE OPTIMIZAC

EJERCICIO 1 REVISION Y EVALUACION DE PROYECTOS

RELACION DEL PROYECTO DE AMPLIACION

TIEMPOS ESTIMADOS

ACTIVIDAD TIEMPO OPTIMISTA TIEMPO PESIMISTA

a b

0.1 1 2
0.2 2 8
1.3 1 3
2.3 1 11
2.4 0.5 7.5
3.5 1 7
3.6 1 3
4.5 6 8
4.6 3 11
5.6 4 8

TIEMPO DE INICIO
EVENTO RUTA MAS TARDIO
TIPj

1 (0, 1) 2
2 (0, 2) 3
3 (0, 2, 3) 6
4 (0, 2, 3, 4) 6
5 (0, 2, 3, 4, 5) 13
6 (0, 2, 3, 4, 5, 6) 19

Problem

Se presenta la siguiente situación problema: Una compañía produce motores eléctricos y ha prop
actividades y sus tiempos estimados, se presentan en la Relación del proyecto de ampliación, enc
y evaluación de proyectos para optimizar la duración del proyecto y les encarga la solución de lo

Items a log

1. Modelo de revisión y evaluación de proyectos con estimación de tiempos. Plantear el mode

tiempos con base en la Relación del proyecto de ampliación, para lograr esto, debe:

• Determinar media y varianza de los tiempos estimados mediante la distribución Beta.

• Determinar la media y varianza esperadas normalmente distribuidas.

• Determinar el parámetro K para cada evento asociado a la distribución normal.

1. Modelo de revisión y evaluación de proyectos con estimación de tiempos. Plantear el mode
tiempos con base en la Relación del proyecto de ampliación, para lograr esto, debe:

• Determinar media y varianza de los tiempos estimados mediante la distribución Beta.

• Determinar la media y varianza esperadas normalmente distribuidas.

• Determinar el parámetro K para cada evento asociado a la distribución normal.

2. Modelo de revisión y evaluación de proyectos con estimación extra de tiempo. Plantear el

extra de tiempo con base en la Relación del 3 proyecto de ampliación, estimando los tiempos util

• Determinar media y varianza de los tiempos estimados mediante la distribución Beta.

• Determinar la media y varianza esperadas normalmente distribuidas.

• Determinar el parámetro K para cada evento asociado a la distribución normal.

ROBABILISTICOS DE OPTIMIZACION

ALUACION DE PROYECTOS

CTO DE AMPLIACION

TIEMPOS ESTIMADOS

TIEMPO MAS TIEMPO EXTRA indice

PROBABLE m multiplicador

3
2
2
1.5
1
1.22
2.5
2
7
4
6

TIEMPO DE
TERMINACION MAS
TARDIO
TTTi
4
3
6
6
13
19

Problema

a produce motores eléctricos y ha propuesto un proyecto de ampliación en su línea de ensamble, las

lación del proyecto de ampliación, encomienda al departamento de producción realizar una revisión
proyecto y les encarga la solución de los siguientes aspectos

Items a lograr

timación de tiempos. Plantear el modelo de revisión y evaluación de proyectos con estimación de

ón, para lograr esto, debe:

mediante la distribución Beta.

distribuidas.

a distribución normal.
timación extra de tiempo. Plantear el modelo de revisión y evaluación de proyectos con estimación
ampliación, estimando los tiempos utilizando el índice multiplicador, para lograr esto debe:

mediante la distribución Beta.

distribuidas.

a distribución normal.
 Ejercicio 1. Modelos de revisión y evaluación de proyectos.

Problema

Se presenta la siguiente situación problema: Una compañía produce motores eléctricos y ha propue
su línea de ensamble, las actividades y sus tiempos estimados, se presentan en la Relación del proye
departamento de producción realizar una revisión y evaluación de proyectos para optimizar la dura
solución de los siguientes aspectos

Items a lograr

1. Modelo de revisión y evaluación de proyectos con estimación de tiempos. Plantear el modelo de

proyectos con estimación de tiempos con base en la Relación del proyecto de ampliación, para logr

• Determinar media y varianza de los tiempos estimados mediante la distribución Beta.

• Determinar la media y varianza esperadas normalmente distribuidas.

• Determinar el parámetro K para cada evento asociado a la distribución normal.

• Determinar las probabilidades asociadas de cada evento.

Solucion

Paso 1 Determinar media y varianza de los tiempos estimados mediante la distrib

Media
formula
Teniendo los datos en la tabla suministrada, pasamos a calcular la media y la varianza, aplicando l
por lo tanto tenenmos que la media y la varianza seran:

TIEMPOS ESTIMADOS

ACTIVIDAD TIEMPO TIEMPO TIEMPO MAS

OPTIMISTA
a PESIMISTA b PROBABLE m

0.1 1 2 3
0.2 2 8 2
1.3 1 3 2
2.3 1 11 1.5
2.4 0.5 7.5 1
3.5 1 7 2.5
3.6 1 3 2
4.5 6 8 7
4.6 3 11 4
5.6 4 8 6
fuente UNAD 2021

Paso 2 Determinar la media y varianza esperadas normalmente distribuid

Media
formula

Tomamos la tabla suministrada de eventos y rutas y aplicamos las formulas para obtener la me
distribuidas
 Media
normalmente
EVENTO RUTA distribuida

E{𝜇_𝑖 }
1 (0, 1) 2.5
2 (0, 2) 3
3 (0, 2, 3) 6
4 (0, 2, 3, 4) 8
5 (0, 2, 3, 4, 5) 15
6 (0, 2, 3, 4, 5, 6) 21
fuente UNAD 2021

Determinar el parámetro K para cada evento asociado a la distribución normaL

Paso 3
probabilidades asociadas de cada evento.

Parámetro K
formula

Teniendo los valores de la media y la varainza normalmente distribuida, pasamos a calcular el para
cada evento.

TIEMPO DE Media
TERMINACION normalmente
EVENTO RUTA MAS TARDIO distribuida
TTTi
E{𝜇_𝑖 }
1 (0, 1) 4 2.5
2 (0, 2) 3 3
3 (0, 2, 3) 6 6
4 (0, 2, 3, 4) 6 8
5 (0, 2, 3, 4, 5) 13 15
6 (0, 2, 3, 4, 5, 6) 19 21
uación de proyectos.

motores eléctricos y ha propuesto un proyecto de ampliación en

entan en la Relación del proyecto de ampliación, encomienda al
oyectos para optimizar la duración del proyecto y les encarga la

empos. Plantear el modelo de revisión y evaluación de

ecto de ampliación, para lograr esto, debe:

distribución Beta.

s.

ón normal.

estimados mediante la distribución Beta

Varianza
formula
media y la varianza, aplicando la formula para cada uno de ellas,
media y la varianza seran:

MEDIA VARIANZA
(𝐷_𝑖 ) ̃ 𝑉_𝑖
2.5 0.02777777777778
3 1
2 0.11111111111111
3 2.77777777777778
2 1.36111111111111
3 1
2 0.11111111111111
7 0.11111111111111
5 1.77777777777778
6 0.44444444444445

adas normalmente distribuidas.

Varianza
formula

s formulas para obtener la media y la varianza normalmente

das
 Varianza
normalmente
distribuida

v𝑎𝑟{𝜇_𝑖 }
2
3
6
6
13
19

ado a la distribución normaL y Determinar las

as de cada evento.

Probabilidad distribución Normal

estándar
formula

da, pasamos a calcular el paramtero, aplicando su formula para

nto.

Varianza
normalmente Probabilidad
distribuida Parametro K
P(Z)

v𝑎𝑟{𝜇_𝑖 }
2 1.06066017177982 0.855428
3 0 0.500000
6 0 0.500000
6 -0.8164965809277 0.208970
13 -0.5547001962252 0.291160
19 -0.4588314677411 0.326355
 Ejercicio 1. Modelos de revisión y evaluación de proyec

Problema

Se presenta la siguiente situación problema: Una compañía produce motores eléctricos y ha propuest
ensamble, las actividades y sus tiempos estimados, se presentan en la Relación del proyecto de ampl
producción realizar una revisión y evaluación de proyectos para optimizar la duración del proyecto y
aspectos

Items a lograr

2. Modelo de revisión y evaluación de proyectos con estimación extra de tiempo. Plantear el mod
con estimación extra de tiempo con base en la Relación del 3 proyecto de ampliación, estimando los
para lograr esto debe:

• Determinar media y varianza de los tiempos estimados mediante la distribución Beta.

• Determinar la media y varianza esperadas normalmente distribuidas.

• Determinar el parámetro K para cada evento asociado a la distribución normal.

• Determinar las probabilidades asociadas de cada evento.

TIEMPOS ESTIMA

ACTIVIDAD TIEMPO
OPTIMISTA
a

0.1 1
0.2 2
1.3 1
2.3 1
2.4 0.5
3.5 1
3.6 1
4.5 6
4.6 3
5.6 4

En este punto es ncesario aplicar la mulriplicacion del tiempo extra por cada uno de las varaibles es
el tiempo extra y asi posteriormente aplicar los calculos que nos
 Solucion

Paso 1 Determinar media y varianza de los tiempos estimados mediante la d

Media
formula

Teniendo los datos en la tabla suministrada, pasamos a calcular la media y la varianza, aplicando la
tenenmos que la media y la varianza seran:

TIEMPOS ESTIMADOS

ACTIVIDAD TIEMPO
TIEMPO
OPTIMISTA
PESIMISTA b
a
0.1 1.2 2.4
0.2 2.4 9.8
1.3 1.2 3.7
2.3 1.2 13.4
2.4 0.6 9.2
3.5 1.2 8.6
3.6 1.2 3.7
4.5 7.3 9.8
4.6 3.7 13.4
5.6 4.9 9.8
fuente UNAD 2021

Paso 2 Determinar la media y varianza esperadas normalmente distri

 Media
formula

Tomamos la tabla suministrada de eventos y rutas y aplicamos las formulas para obtener la med

EVENTO RUTA

1 (0, 1)
2 (0, 2)
3 (0, 2, 3)
4 (0, 2, 3, 4)
5 (0, 2, 3, 4, 5)
6 (0, 2, 3, 4, 5, 6)
fuente UNAD 2021

Determinar el parámetro K para cada evento asociado a la distribución normaL y D

Paso 3
asociadas de cada evento.

Parámetro K
formula
Teniendo los valores de la media y la varainza normalmente distribuida, pasamos a calcular el param

TIEMPO DE
TERMINACION
EVENTO RUTA
MAS TARDIO
TTTi

1 (0, 1) 4
2 (0, 2) 3
3 (0, 2, 3) 6
4 (0, 2, 3, 4) 6
5 (0, 2, 3, 4, 5) 13
6 (0, 2, 3, 4, 5, 6) 19
fuente UNAD 2021
os de revisión y evaluación de proyectos.

Problema

oduce motores eléctricos y ha propuesto un proyecto de ampliación en su línea de

an en la Relación del proyecto de ampliación, encomienda al departamento de
ara optimizar la duración del proyecto y les encarga la solución de los siguientes

Items a lograr

ación extra de tiempo. Plantear el modelo de revisión y evaluación de proyectos

proyecto de ampliación, estimando los tiempos utilizando el índice multiplicador,

iante la distribución Beta.

ribuidas.

istribución normal.

TIEMPOS ESTIMADOS

TIEMPO
TIEMPO TIEMPO MAS
EXTRA indice
PESIMISTA b PROBABLE m
multiplicador

2 3
8 2
3 2
11 1.5
7.5 1
1.22
7 2.5
3 2
8 7
11 4
8 6

extra por cada uno de las varaibles es decir vamos a multiplicar, todos los tiemp por
eriormente aplicar los calculos que nos solicitan.
olucion

e los tiempos estimados mediante la distribución Beta

Varianza
formula

ular la media y la varianza, aplicando la formula para cada uno de ellas, por lo tanto
que la media y la varianza seran:

S ESTIMADOS

TIEMPO MAS MEDIA VARIANZA

PROBABLE m (𝐷_𝑖 ) ̃ 𝑉_𝑖
3.7 3.05383990122337 0.04144861397
2.4 3.66460788146805 1.49215010277
2.4 2.4430719209787 0.16579445586
1.8 3.66460788146805 4.14486139658
1.2 2.4430719209787 2.03098208432
3.1 3.66460788146805 1.49215010277
2.4 2.4430719209787 0.16579445586
8.6 8.55075172342545 0.16579445586
4.9 6.10767980244675 2.65271129381
7.3 7.3292157629361 0.66317782345

varianza esperadas normalmente distribuidas.

 Varianza
formula

camos las formulas para obtener la media y la varianza normalmente distribuidas

Varianza
Media normalmente
normalmente
distribuida
distribuida
E{𝜇_𝑖 } v𝑎𝑟{𝜇_𝑖 }
3.1 2
3.7 3
7.3 6
9.8 6
18.3 13
25.7 19

o asociado a la distribución normaL y Determinar las probabilidades

sociadas de cada evento.

Probabilidad distribución Normal

estándar
formula
distribuida, pasamos a calcular el paramtero, aplicando su formula para cada evento.

Varianza
Media normalmente
normalmente Probabilidad
distribuida Parametro K
distribuida P(Z)
E{𝜇_𝑖 }
v𝑎𝑟{𝜇_𝑖 }
3.1 2 0.66903622193 0.7453730
3.7 3 -0.38371153927 0.3707000
7.3 6 -0.54265006288 0.2911600
9.8 6 -1.5400299981 0.0605710
18.3 13 -1.47634550188 0.0749340
25.7 19 -1.52613200178 0.0604255
 3. Interpretar los resultados de la solución de los modelos de revisión y evaluación de proyectos pa

1. Modelo de revisión y evaluación de proyectos con estimación de tiem

TIEMPO DE Media Varianza

TERMINACION normalmente normalmente
EVENTO RUTA MAS TARDIO distribuida distribuida

TTTi
E{𝜇_𝑖 } v𝑎𝑟{𝜇_𝑖 }
1 (0, 1) 4 2.5 2
2 (0, 2) 3 3 3
3 (0, 2, 3) 6 6 6
4 (0, 2, 3, 4) 6 8 6
5 (0, 2, 3, 4, 5) 13 15 13
6 (0, 2, 3, 4, 5, 6) 19 21 19

Analisis

Dado los resultados anteriores del análisis de los tiempos de la producción de motores, para el próximo proyecto,
una distribución uniforme y que los mismo nos arrojan información con relación al comportamiento de fabricació
analizando los tiempo con referencia a cual ruta será la más óptima podemos decir según la probabilidad que la ru
probabilidad de 86% lo cual nos refleja un buen comportamiento en tiempo de elaboración del proyecto, también
un porcentaje medianamente aceptable, por lo que también sería aceptable escoger esta ruta, descartando las sigui
conclusión podemos decir que para los inversionistas en el proyecto, con relación a tiempo se debe escoger la ruta

TIEMPO DE Media Varianza

TERMINACION normalmente normalmente
EVENTO RUTA MAS TARDIO distribuida distribuida

TTTi E{𝜇_𝑖 } v𝑎𝑟{𝜇_𝑖 }

1 (0, 1) 4 3.0538399012234 2
2 (0, 2) 3 3.6646078814681 3
3 (0, 2, 3) 6 7.3292157629361 6
4 (0, 2, 3, 4) 6 9.7722876839148 6
5 (0, 2, 3, 4, 5) 13 18.32303940734 13
6 (0, 2, 3, 4, 5, 6) 19 25.652255170276 19
y evaluación de proyectos para la optimización de recursos.

ectos con estimación de tiempos.

Probabilidad
Parametro K Porcentaje
P(Z)

1.06066017 0.855428 86%

0 0.5 50%
0 0.5 50%
-0.81649658 0.20897 21%
-0.5547002 0.29116 29%
-0.45883147 0.326355 33%

s, para el próximo proyecto, podemos decir que en los tiempos se presenta Toma de desicion
omportamiento de fabricación o ensamble de cada motor, sin embargo
gún la probabilidad que la ruta más óptima es la 1 con un índice de
ación del proyecto, también podemos des que en la ruta 2 y 3 nos arroja
a ruta, descartando las siguiente por su bajo indicie de probabilidad. En
empo se debe escoger la ruta 1 con el evento 1.

Probabilidad
Parametro K Porcentaje
P(Z)

0.66903622 0.745373 75%

-0.38371154 0.3707 37%
-0.54265006 0.29116 29%
-1.54003 0.060571 6%
-1.4763455 0.074934 7%
-1.526132 0.0604255 6%
Toma de desicion Ruta 1 es la optima
 TAREA 3 - SOLUCION DE MODELOS PROBABILISTICOS DE OPTIMIZACION

EJERCICIO 2 MODELOS DE LINEAS DE ESPERA

RELACION DE LA ESPERA

TAMAÑO
TASA DE TASA DE
SERVIDORES DEL
MODELO LLEGADA SERVICIO
SISTEMA
λ μ

M/M/1:DG/ꝏ/ꝏ ꝏ
12.5403957718 15.3430950532 1
M/M/1:DG/N/ꝏ 50

M/M/C:DG/ꝏ/ꝏ ꝏ
25.5184084737 18.6939900008 3
M/M/C:DG/N/ꝏ 100

Ejercicio 2. Modelos de líneas de espera.

Problema

Se presenta la siguiente situación problema: Una compañía produce motores eléctricos y requiere determinar la espera en
la línea de ensamble de una referencia específica, de forma aleatoria ha tomado los tiempos que duran los operarios
ensamblando el motor eléctrico que se presentan en la Relación de la espera, encomienda al departamento de producción
conocer las medidas de desempeño mediante modelos de línea de espera para optimizar la espera y les encarga la solución
de los siguientes aspectos:

1. Modelos de línea de espera con un solo servidor.

a. Plantear un modelo de línea de espera con un solo servidor y número de clientes permitido en el sistema infinito
(M/M/1): (DG/∞/∞) a partir de la Relación de la espera.

b. Plantear un modelo de línea de espera con un solo servidor y número de clientes permitido en el sistema finito (M/M/1):
(DG/N/∞) a partir de la Relación de la espera.

Para lograr esto debe:

Determinar la tasa de llegada (λ) de acuerdo a los tiempos entre llegadas, según una Distribución de
Paso 1
Exponencial o de Poisson

Determinar la tasa de servicio (µ) de acuerdo a los tiempos de servicio, según una Distribución Exponencial
paso 2
o de Poisson.

Formular y plantear los modelos de Líneas de Espera bajo condiciones de estado (M/M/1): (DG/∞/∞) y
paso 3
(M/M/1): (DG/N/∞).
paso 4 Proponer gráficamente el diseño de la instalación de servicio de cada modelo de línea de espera.

paso 5 Determinar las medidas de desempeño de estado de cada modelo.

servidor o la probabilidad de que no haya clientes en la fila.

paso 6 • La probabilidad de que un cliente tenga que esperar.
• La probabilidad de que el cliente 5 sea atendido. La probabilidad de que por lo menos 10 clientes sean

paso 7 Comprobar los resultados utilizando el software de optimización WinQSB.

ACION

determinar la espera en
uran los operarios
amento de producción
y les encarga la solución

sistema infinito

l sistema finito (M/M/1):

Distribución de

istribución Exponencial

M/1): (DG/∞/∞) y
a de espera.

os 10 clientes sean
 Ejercicio 2. Modelos de líneas de esp

Problema

Se presenta la siguiente situación problema: Una compañía produce motores eléctricos

ensamble de una referencia específica, de forma aleatoria ha tomado los tiempos que du
que se presentan en la Relación de la espera, encomienda al departamento de producció
modelos de línea de espera para optimizar la espera y les encarga la solución de los sig

1. Modelos de línea de espera con un solo serv

a. Plantear un modelo de línea de espera con un solo servidor y número de clientes pe
partir de la Relación de la espera.

Para lograr esto debe:

Paso 1 Determinar la tasa de llegada (λ) de acuerdo a los tiempos entre llegadas

Solucion

MODELO

M/M/1:DG/ꝏ/ꝏ
M/M/1:DG/N/ꝏ

TIMEPOS DE LLEGADA

formula

Tasa de llegada (λ)

paso 2 Determinar la tasa de servicio (µ) de acuerdo a los tiempos de servicio,

TIEMPOS DE SERVICIO

formula

Tasa de servicio (μ)

 Tasa de servicio (μ)

CONDICION DEL ESTADO

Ro
Formula

Si ρ<1, el sistema puede operar en condiciones de esta

si este en su condicion es menor que 1, se puede determinarcomo estable

paso 3 Formular y plantear los modelos de Líneas de Espera bajo condiciones d

Modelo (M/M/1) : (DG/∞/∞)

Teniedo identificado el sistema como estable, dada la condicion, pasamos a fomentar e
todos los criterios y posteriomente, implementar los calculos.

(M/M/1) : (DG/∞/∞)

Tasa de llegada Tasa de servicio

Condición de estado
(exponencial) (exponencial

ρ λ μ

paso 4 Determinar las medidas de desempeño de e

Cantidad de clientes esperada en el sistem

𝐿_𝑠
Formula

Cantidad de clientes espera en la fila

𝐿_𝑞
Formula
 Tiempo estimado de espera en el sistema

𝑊_𝑠
Formula

Tiempo estimado de espera en la fila

W_q
Formula

• La probabilidad de inactividad en la instalación de servicio o la probabil

probabilidad de que no haya clientes en la fila.
paso 5
• La probabilidad de que un cliente tenga que esperar.
• La probabilidad de que el cliente 5 sea atendido. La probabilidad de que
Probabildiad de estado

La probabilidad de inactividad en la instalación de servicio o

a desocupado el servidor o la probabilidad de que no haya clie

𝑃_0
Formula

b La probabilidad de que un cliente tenga que esp

1 - 𝑃_0
Formula
〖 1−𝑃 〗 _0

c La probabilidad de que el cliente 5 sea atendi

P_5
Formula

d La probabilidad de que por lo menos 10 clientes sean atendi

P_(n≥10)
Formula
 𝑃_(𝑛≥10)

La cantidad de clientes que pueden ser atendidos por lo men

e veces

∑_1^𝑛▒ 〖𝑃 _𝑛≥0,
90 〗

Formula
∑_1^𝑛▒ 〖𝑃 _𝑛≥0,90 〗

Con un 90% de probabilidad se pueden Emsablar

Ejercicio 2. Modelos de líneas de espera.

Problema

compañía produce motores eléctricos y requiere determinar la espera en la línea de

leatoria ha tomado los tiempos que duran los operarios ensamblando el motor eléctrico
mienda al departamento de producción conocer las medidas de desempeño mediante
ra y les encarga la solución de los siguientes aspectos:

de línea de espera con un solo servidor.

solo servidor y número de clientes permitido en el sistema infinito (M/M/1): (DG/∞/∞) a
partir de la Relación de la espera.

Para lograr esto debe:

acuerdo a los tiempos entre llegadas, según una Distribución de Exponencial o de Poisson

Solucion

TASA DE TASA DE
LLEGADA SERVICIO
λ μ

12.5403957717967 15.343095053169

TIMEPOS DE LLEGADA

Tasa para tiempos de servicio

Tasa de llegada (λ)

de acuerdo a los tiempos de servicio, según una Distribución Exponencial o de Poisson.

TIEMPOS DE SERVICIO

Tasa para tiempos de servicio

Tasa de servicio (μ)

 Tasa de servicio (μ)

CONDICION DEL ESTADO

Ro

ᵨ 0.817331557181911

uede operar en condiciones de estado estable, se tiene que:

1, se puede determinarcomo estable por lo que cumple la codicion.

Líneas de Espera bajo condiciones de estado (M/M/1): (DG/∞/∞) y (M/M/1): (DG/N/∞).

Modelo (M/M/1) : (DG/∞/∞)

a la condicion, pasamos a fomentar el modelo deseado, donde es necesario identificar
os calculos.

(M/M/1) : (DG/∞/∞)

Numero de Tamaño de la
Disciplina en la cola Límite del sistema
servidores fuente

1 DG
Disciplina General
∞ ∞

minar las medidas de desempeño de estado de cada modelo.

ad de clientes esperada en el sistema

4.47439932465979
𝐿_𝑠

ntidad de clientes espera en la fila

𝐿_𝑞 3.65706776747788
po estimado de espera en el sistema

0.356798892641227
𝑊_𝑠

mpo estimado de espera en la fila

𝑊_𝑞 0.291622994523236

a instalación de servicio o la probabilidad de estar desocupado el servidor o la

en la fila.
enga que esperar.
sea atendido. La probabilidad de que por lo menos 10 clientes sean atendidos.
Probabildiad de estado

ctividad en la instalación de servicio o la probabilidad de estar

o la probabilidad de que no haya clientes en la fila.

𝑃_0 18.27%

ilidad de que un cliente tenga que esperar

1 - 𝑃_0

〖 1−𝑃 〗 _0 81.7%

abilidad de que el cliente 5 sea atendido.

𝑃_5 6.66%

por lo menos 10 clientes sean atendidos.

P_(n≥10)

89.1%
 𝑃_(𝑛≥10) 89.1%

que pueden ser atendidos por lo menos el 90% de las

∑_1^𝑛▒ 〖𝑃 _𝑛≥0,
90 〗

∑_1^𝑛▒ 〖𝑃 _𝑛≥0,90 〗 91.1%

de probabilidad se pueden Emsablar 11 motores.

 Ejercicio 2. Modelos de líneas de espera.

Problema

Se presenta la siguiente situación problema: Una compañía produce motores eléctricos y requiere de
ensamble de una referencia específica, de forma aleatoria ha tomado los tiempos que duran los opera
que se presentan en la Relación de la espera, encomienda al departamento de producción conocer las
modelos de línea de espera para optimizar la espera y les encarga la solución de los siguientes aspect

2. Modelos de línea de espera con varios servidores

a. Plantear un modelo de línea de espera con un solo servidor y número de clientes permitido en el s
partir de la Relación de la espera.

Para lograr esto debe:

Determinar la tasa de llegada (λ) de acuerdo a los tiempos entre llegadas, según una
Paso 1
Poisson

Soluciòn

TASA DE TASA DE
MODELO LLEGADA SERVICIO
λ μ
M/M/C:DG/ꝏ/ꝏ
25.5184084737325 18.69399000077
M/M/C:DG/N/ꝏ

TIMEPOS DE LLEGADA

formula

Tasa de llegada (λ)

paso 2 Determinar la tasa de servicio (µ) de acuerdo a los tiempos de servicio, según una Dist

TIEMPOS DE SERVICIO

formula

Tasa de servicio (μ)

 Tasa de servicio (μ)

CONDICION DEL ESTADO

Ro
Formula
ᵨ
No. de servidores C

FACTOR DE USO

Formula
F

si este en su condicion es menor que 1, se puede determinarcomo estable por lo que cum

Formular y plantear los modelos de Líneas de Espera bajo condiciones de estado (M/M
paso 3
(DG/N/∞).

Modelo (M/M/C) : (DG/∞/∞)

Teniedo identificado el sistema como estable, dada la condicion, pasamos a fomentar el modelo dese
todos los criterios y posteriomente, implementar los calculos.

(M/M/3) : (DG/∞/∞)
Tasa de llegada Tasa de servicio Numero de
Condición de estado
(exponencial) (exponencial servidores

ρ λ μ 3

paso 4 Determinar las medidas de desempeño de estado de cada modelo.

 Cantidad de clientes esperada en el sistema

L_s
Formula
𝐿_𝑠

Cantidad de clientes espera en la fila

L_q
Formula
𝐿_𝑞

Tiempo estimado de espera en el sistema

W_s
Formula

𝑊_𝑠

Tiempo estimado de espera en la fila

W_q
Formula
W_q
• La probabilidad de inactividad en la instalación de servicio o la probabilidad de estar
probabilidad de que no haya clientes en la fila.
paso 5
• La probabilidad de que un cliente tenga que esperar.
• La probabilidad de que el cliente 5 sea atendido. La probabilidad de que por lo menos
La probabilidad de inactividad en la instalación de servicio o la probabilid
a desocupado el servidor o la probabilidad de que no haya clientes en la fila

P_0
Formula
P_0

b La probabilidad de que un cliente tenga que esperar

1 - P_0
Formula
 〖 1−P 〗 _0

c La probabilidad de que el cliente 5 sea atendido.

P_5
Formula
𝑃_5

d La probabilidad de que por lo menos 10 clientes sean atendidos.

P_(n≥10)
Formula
P_(n≥10)

La cantidad de clientes que pueden ser atendidos por lo menos el 90% de

e las veces

∑_1^𝑛▒ 〖𝑃 _𝑛≥0,90 〗

Formula
∑_1^𝑛▒ 〖𝑃 _𝑛≥0,90 〗

Con un 90% de probabilidad se pueden atender 11 clientes.

líneas de espera.

res eléctricos y requiere determinar la espera en la línea de

iempos que duran los operarios ensamblando el motor eléctrico
o de producción conocer las medidas de desempeño mediante
ión de los siguientes aspectos:

varios servidores
e clientes permitido en el sistema infinito (M/M/C): (DG/∞/∞) a
de la espera.

be:

os entre llegadas, según una Distribución de Exponencial o de

oisson

TAMAÑO DEL
SERVIDORES
SISTEMA

ꝏ
3
100

ADA

Tasa para tiempos de servicio

de servicio, según una Distribución Exponencial o de Poisson.

CIO

Tasa para tiempos de servicio

TADO

1.36505949092

0.45501983031

como estable por lo que cumple la codicion.

ondiciones de estado (M/M/1): (DG/∞/∞) y (M/M/1):

/∞/∞)
s a fomentar el modelo deseado, donde es necesario identificar

G/∞/∞)
Disciplina en la Límite del Tamaño de la
cola sistema fuente

DG
Disciplina ∞ ∞
General

odelo.
en el sistema

1.48041264297

en la fila

0.11535315205

n el sistema

0.05801351775

en la fila

0.00452038975

o o la probabilidad de estar desocupado el servidor o la

bilidad de que por lo menos 10 clientes sean atendidos.

n de servicio o la probabilidad de estar
e no haya clientes en la fila.

17.76%

perar

82.2%
 82.2%

do.

0.70%

es sean atendidos.

72.3%

os por lo menos el 90% de

〖𝑃 _𝑛≥0,90 〗

en atender 11 clientes.