Tarea 2 – Solución de modelos probabilísticos de optimización
METODOS PROBABILISTICOS
ESTEFANÍA VILLA PÉREZ
GRUPO (104561_69)
TUTOR
ROGER RICARDO NEGRETE
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA.
VICERRECTORÍA ACADÉMICA Y DE INVESTIGACIÓN
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
INGENIERÍA INDUSTRIAL
SANTA MARTA 2021
EJERCICIO 1.1 CON ESTIMACIÓN DE TIEMPO
TAREA 3 - SOLUCION DE MODELOS PROBABILISTICOS DE OPTIMIZACION
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
Nota: Para generar y actualizar los datos oprima f9, fn+f9 o ctrl+alt+f9
ÓN DE TIEMPO
1. Determinar media y varianza de los tiempos estimado
distribución Beta.
ILISTICOS DE OPTIMIZACION
TIEMPOS ESTIMADOS
ON DE PROYECTOS ACTIVIDAD TIEMPO
TIEMPO
(i,j) OPTIMISTA a PESIMISTA b
AMPLIACION 0.1 1 2
0.2 2 8
TIEMPOS ESTIMADOS 1.3 1 3
TIEMPO EXTRA
TIEMPO MAS PROBABLE m
indice 2.3 1 11
multiplicador
2.4 0.5 7.5
3 3.5 1 7
2 3.6 1 3
2 4.5 6 8
1.5 4.6 3 11
1 5.6 4 8
2.5
2
1.15 2. Determinar la media y varianza esperadas normalmen
7
4
TIEMPO DE
TERMINACI
6 EVENTO RUTA ON MAS
TARDIO
TTTi
1 (0, 1) 4
TIEMPO DE TERMINACION
MAS TARDIO
TTTi 2 (0, 2) 3
4 3 (0, 2, 3) 6
3 4 (0, 2, 3, 4) 6
6 5 (0, 2, 3, 4, 5) 13
6 6 (0, 2, 3, 4, 5, 6) 19
13
19 3. Determinar el parámetro K para cada evento asociado
normal.
prima f9, fn+f9 o ctrl+alt+f9
TIEMPO DE
TERMINACIO
N MAS
EVENTO RUTA 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
4. Determinar las probabilidades asociadas de cada even
TIEMPO DE
TERMINACIO
EVENTO RUTA N 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
a de los tiempos estimados mediante la
OS ESTIMADOS
MEDIA VARIANZA
TIEMPO EXTRA-INDICE
TIEMPO MÁS MULTIPLICADOR
PROBBLE m
3 2.5 0.0 1.15
2 3 1.0
2 2 0.1
1.5 3 2.8
1 2 1.4
2.5 3 1.0
2 2 0.1
7 7 0.1
4 5 1.8
6 6 0.4
nza esperadas normalmente distribuidas.
MEDIA VARIANZA
NORMALME NORMALME
NTE NTE
DISTRIBUID DISTRIBUID
A A
2.5 4
3 3
6 6
8 6
15 13
21 19
para cada evento asociado a la distribución
MEDIA VARIANZA
NORMALME NORMALME PARAMETRO
NTE NTE K
DISTRIBUIDA DISTRIBUIDA 1
2.5 2 1.06066
3 3 0
6 6 0
8 6 -0.81650
15 13 -0.55470 0
21 19 -0.45883
es asociadas de cada evento.
2
MEDIA VARIANZA
NORMALME NORMALME PARAMETRO PROBABILIDA
NTE NTE K D P(Z)
DISTRIBUIDA DISTRIBUIDA
2.5 2 1.06066 85.43%
3
CONCLUSIÓN
3 0 50.00%
6 6 0 50.00%
8 6 -0.81650 20.90%
15 13 -0.55470 29.12% Se puede concluir con este ejercicio que la probabilidad
que se puede dar es de 85,43% para la ruta (0,1) y la pro
21 19 -0.45883 32.64% más baja es de 20,90% para la ruta (0,2,3,4)
1
3 5
3 5
4
6
NCLUSIÓN
ejercicio que la probabilidad más alta
3% para la ruta (0,1) y la probabilidad
0,90% para la ruta (0,2,3,4)
EJERCICIO 1.2. CON ESTIMACIÓN EXTRA DE TIEMPO
TAREA 3 - SOLUCION DE MODELOS PROBABILISTICOS DE OPTIMIZACION
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
Nota: Para generar y actualizar los datos oprima f9, fn+f9 o ctrl+alt+f9
EXTRA DE TIEMPO
1. Determinar media y varianza de los tiempos estimado
ILISTICOS DE OPTIMIZACION
TIEMPOS ESTIMADO
ON DE PROYECTOS
ACTIVIDAD (i,j) TIEMPO OPTIMISTA a
AMPLIACION 0.1 1
0.2 2
TIEMPOS ESTIMADOS 1.3 1
TIEMPO EXTRA
TIEMPO MAS PROBABLE m
indice 2.3 1
multiplicador
2.4 0.5
3 3.5 1
2 3.6 1
2 4.5 6
1.5 4.6 3
1 5.6 4
2.5 1.15
2 TIEMPOS ESTIMADO
7 ACTIVIDAD (i,j)
TIEMPO OPTIMISTA a
4
6 0.1 1.2
0.2 2.3
TIEMPO DE TERMINACION
MAS TARDIO 1.3
TTTi 1.2
4 2.3 1.2
3 2.4 0.6
6 3.5 1.2
6 3.6 1.2
13 4.5 6.9
19 4.6 3.5
5.6 4.6
prima f9, fn+f9 o ctrl+alt+f9
2. Determinar la media y varianza esperadas normalmen
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)
3. Determinar el parámetro K para cada evento asociado
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)
4. Determinar las probabilidades asociadas de cada even
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)
arianza de los tiempos estimados mediante la distribución Beta.
TIEMPOS ESTIMADOS
MEDIA VARIANZA
TIEMPO PESIMISTA b TIEMPO MÁS PROBBLE
m
2 3 2.5 0.0
8 2 3 1.0
3 2 2 0.1
11 1.5 3 2.8
7.5 1 2 1.4
7 2.5 3 1.0
3 2 2 0.1
8 7 7 0.1
11 4 5 1.8
8 6 6 0.4
TIEMPOS ESTIMADOS
MEDIA VARIANZA
TIEMPO MÁS PROBBLE
TIEMPO PESIMISTA b m
2.3 3.5 2.9 0.0
9.2 2.3 3.5 1.3
2.3 0.1
3.5 2.3
12.7 1.7 3.5 3.7
8.6 1.2 2.3 1.8
8.1 2.9 3.5 1.3
3.5 2.3 2.3 0.1
9.2 8.1 8.1 0.1
12.7 4.6 5.8 2.4
9.2 6.9 6.9 0.6
varianza esperadas normalmente distribuidas.
TIEMPO DE MEDIA VARIANZA
TIEMPO DE INICIO TERMINACION MAS
MAS TARDIO
TARDIO NORMALMENTE NORMALMENTE
TIPj TTTi DISTRIBUIDA DISTRIBUIDA
2 4 2.9 2
3 3 3.5 3
6 6 6.9 6
6 6 9.2 6
13 13 11.5 13
19 19 17.5 19
tro K para cada evento asociado a la distribución normal.
TIEMPO DE
MEDIA VARIANZA
TERMINACION
NORMALMENTE NORMALMENTE PARAMETRO K
MAS TARDIO
DISTRIBUIDA DISTRIBUIDA
TTTi
4 2.9 2.0 0.79550
3 3.5 3.0 0
6 6.9 6.0 0
6 9.2 6.0 -1.30639
13 11.5 13.0 0.41603
19 17.5 19.0 0.34412
bilidades asociadas de cada evento.
TIEMPO DE
TERMINACION MEDIA VARIANZA
NORMALMENTE NORMALMENTE PARAMETRO K PROBABILIDAD P(Z)
MAS TARDIO
TTTi DISTRIBUIDA DISTRIBUIDA
4 2.9 2.0 0.79550 78.52%
3 3.5 3.0 0 50.00%
6 6.9 6.0 0 50.00%
6 9.2 6.0 -1.30639 9.68%
13 11.5 13.0 0.41603 65.91%
19 17.5 19.0 0.34412 63.31%
TIEMPO EXTRA-INDICE
MULTIPLICADOR
1.15
3
0
2 4
CONCLUSIÓN
Se puede concluir con este ejercicio que la probabilidad más alta que se puede
dar es de 78,52% para la ruta (0,1) y la probabilidad más baja es de 9,68% para la
ruta (0,2,3,4). Se observa que las probabilidades en el caso del ejercicio de
proyecto y el de proyecto de ampliación en ambos la probabilidad máxima está
en la ruta (0,1) para el evento 1 y la probabilidad minima está en la ruta (0,2,3,4)
para el eventeo 4.
5
6
más alta que se puede
baja es de 9,68% para la
caso del ejercicio de
obabilidad máxima está
a está en la ruta (0,2,3,4)
RELACION DE LA ESPERA
MODELO TASA DE LLEGADA
M/M/1:DG/ꝏ/ꝏ
12.8447029703759
M/M/1:DG/N/ꝏ
M/M/C:DG/ꝏ/ꝏ
25.040025579416
M/M/C:DG/N/ꝏ
𝜌=𝜆/𝜇
Se cumple ésta condición
Cantidad de clientes esperado 𝑳_𝒔=𝝆/(𝟏−𝝆) 𝑳_𝒔
Cant esperada de clientes en la fila 𝑳_𝒒
𝑳_𝒒=𝒍_𝒔−𝝆
𝑾_𝑺=𝑳_𝒔/𝜆
Tiempo esperado en el sistema 𝑾_𝑺
𝑾_𝒒=𝑳_𝒒/𝜆
𝑾_𝒒=𝑳_𝒒/𝜆
Tiempo de espera en la fila 𝑾_𝒒
Probabilidad de estado 𝑷_𝒏=(𝟏−𝝆)∗𝝆^𝒏
Probabilidad de inactividad en la
instalación del servicio 𝑷_𝟎=(𝟏−𝝆) 𝑷_𝟎
La probabilidad que un cliente tenga
que esperar
La probabilidad de que el cliente 5 sea
atendido
La probabilidad de que al menos 10
clientes sean atendidos
Cantidad de clientes que puedan ser
atendidos el 90% de las veces
Con un 90% de probabilidad a 7 clientes.
CONCLUSION: En este ejercicio de linea de espera en un solo servidor se determinó que el 79,01% de los
clientes pueden ser atendidos el 90% de las veces esto es para 7 clientes, este caso se observa cuando el
modelo presenta una condición estable M/M/1 con N = ∞. Mientras que en el caso de cuando tenemos
una condición de estado con N = 50 la cantidad que se obtuvo de que 9 clientes puedan ser atendidos el
90% de las veces es de 79,98% es decir, que la probabilidad de que se atiendan los clientes es
considerable.
COMPROBACION WINQSB
CON UN SERVIDOR
CON UN SERVIDOR N=50
RELACION DE LA ESPERA
TASA DE SERVICIO SERVIDORES TAMAÑO DEL SISTEMA
ꝏ
15.0850661741669 1
50
ꝏ
18.0455013390595 3
100
12.8447029703759 µ
CONDICIÓN DE ESTADO
𝝆 0.851484695001
MODELO DE LÍNEA DE ESPERA CON UN SOLO SERVIDOR
5.73331277 Cantidad esperada de clientes en el sistema
4.88182808 Cantidad esperada de clientes en fila
Tiempo estimado de espera en la fila
0.446356197204038
Tiempo estimado de espera en el sistema
0.380065470437953
Probabilidad de Inactividad
Probabilidad de que un cliente tenga que esperar (1 - P0)
0.148515304999298
Probabilidad de que el cliente 5 sea atendido
0.851484695000702
Probabilidad de que por lo menos 10 clientes sean atendidos
0.066474555533319
Cantidad de clientes que puedan ser atendidos el 90% de las veces
0.829413245093683
0.790152997372331
El número de clientes se encuentra el numero de veces que se
repita la formula en la celda del calculo de la sumatoria, hasta que la
probabilidad este por encima del 90%
e determinó que el 79,01% de los
, este caso se observa cuando el
en el caso de cuando tenemos
lientes puedan ser atendidos el
tiendan los clientes es
15.0850661741669
N SOLO SERVIDOR
de clientes en el sistema 0.9173434439
ada de clientes en fila 0.065900
do de espera en la fila
0.0051307323
de espera en el sistema 0.071421459
ad de Inactividad 0.148515305
iente tenga que esperar (1 - P0) 0.851484695
e el cliente 5 sea atendido 0.0664745555
menos 10 clientes sean atendidos 0.8296412318
an ser atendidos el 90% de las veces 0.7998794427
Numero de clientes 9 clientes
entra el numero de veces que se El número de clientes se encuentra el numero de veces que se
l calculo de la sumatoria, hasta que la repita la formula en la celda del calculo de la sumatoria, hasta que
el 90% la probabilidad este por encima del 90%
12.8440871 Tasa efectiva de llegada 0.000047944
La probabilidad que el cliente 10
seaatendido es del 82,96%
Con un 90% de probabilidad a 9 clientes.
mero de veces que se
la sumatoria, hasta que
ma del 90%
CON UN SERVIDOR N=50
Probabilidad de capacidad maxima en el sistema
CONCLUSION: En este ejercicio de linea de espera en varios servidores se determinó que el 89,02% de los
clientes pueden ser atendidos el 90% de las veces, este caso se observa cuando el modelo presenta una condición
de estado M/M/c con N = ∞. Mientras que en el caso de cuando tenemos una condición de estado con N = 100 la
cantidad que se obtuvo de que los clientes puedan ser atendidos el 90% de las veces es de 89,35% es decir, que la
probabilidad de que se atiendan los clientes es considerable.
COMPROBACION WINQSB
CON VARIOS SERVIDORES
MODELO DE LINEA DE ESPERA VARIOS SERVI
Tasa de llegada λ 25.04002558
Tasa de servicio µ 18.04550134
Condicion de estado 1.38760487 ρ 0.34690122
Probabilidades de estado
𝑃_0 0.23453649 Probabilidad de Inactividad
𝐿_𝑞 0.16722482 Cantidad esperada de clientes en la fila
𝐿_𝑠 1.55482969 Cantidad esperada de clientes en el sistema
𝑊_𝑞 0.0066783 Tiempo estimado de espera en la fila
𝑊_𝑠 0.06209377 Tiempo estimado de espera en el sistema
〖 1−𝑃 〗 _0 0.76546351 Probabilidad de que un cliente tenga que e
𝑃_5 0.01005445 Probabilidad de que el cliente 5 sea atendido
𝑃_10 0.97968224 Probabilidad de que por lo menos 10 clien
𝑃_𝑛>90% 0.89021181 Cantidad de clientes que clientes que p
Numero de clientes 2 clientes
El número de clientes se encuentra el numero de veces que
celda del calculo de la sumatoria, hasta que la probabilidad e
Probabilidades de estado
𝑃_0 0.17135469 Probabilidad de Inactividad
𝐿_𝑞 0.12217612 Cantidad esperada de clientes en la fila
𝐿_𝑠 1.96759961 Cantidad esperada de clientes en el sistema
〖 1−𝑃 〗 _0 0.82864531 Probabilidad de que un cliente tenga que esperar
𝑃_5 0.0044032 Probabilidad de que el cliente 5 sea atendido
𝑃_10 0.94685896 Probabilidad de que por lo menos 10 clientes sean
𝑃_𝑛>90% 0.89355116 Cantidad de clientes que clientes que pueden ser
Numero de clientes 2 Clientes
Con un 90% de
probabilidad atienden a 2 El número de clientes se encuentra el numero de veces que
clientes celda del calculo de la sumatoria, hasta que la probabilidad e
89,02% de los
resenta una condición
stado con N = 100 la
89,35% es decir, que la
E ESPERA VARIOS SERVIDORES
Se cumple la condición
clientes en la fila
ientes en el sistema
pera en el sistema
un cliente tenga que esperar
ente 5 sea atendido
por lo menos 10 clientes sean atendidos
ntes que clientes que pueden ser atendidos por lo menos el 90% de las veces
numero de veces que se repita la formula en la
a que la probabilidad este por encima del 90%
MODELO ( M/M/M):(DG/N/∞)
es en la fila
es en el sistema
1.15457651
te tenga que esperar
e 5 sea atendido
menos 10 clientes sean atendidos
entes que pueden ser atendidos por lo menos el 90% de las veces
numero de veces que se repita la formula en la
a que la probabilidad este por encima del 90%
CON VARIOS SERVIDORES N=100
TAREA 3 - SOLUCION DE MODELOS PROBABILISTICOS DE OP
EJERCICIO 3 MODELOS DE PROGRAMACION ESTOCA
RELACION DEL COMPORTAMIENTO DE LA DEMAN
DEMANDA PERIODICA (TAREA 2)
Periodo DEMANDA PERIODICA (Unidades)
1962334.02777778 1 61631
65872161.3611111 2 52114
17204521.3611111 3 64378
34949773.3611111 4 66142
377200.694444441 5 59616
7231617.3611111 6 57541
23080017.3611111 7 55426
45331044.6944445 8 66963
88475971.3611111 9 50824
10990330.0277778 10 56915
17279263.3611111 11 64387
43491826.6944445 12 66825
COMPONENTES DEMANDA DIARIA
DEL MOTOR UNIDADES NORMALMENTE DISTRIBUIDA
ELECTRICO POR COMPONENTE
Rotor 5 10038.3611111111
Inductor 5 10038.3611111111
Escobillas 20 40153.4444444445
Parametro b2
COMPONENTES
NIVEL DE SIGNIFICANCIA 2
DEL MOTOR UNIDADES
α2
ELECTRICO
Rotor 3
0.10
Inductor 3
Escobillas 6
CON TODOS LOS PARAMETROS NORMALMENTE DISTRIBUIDOS
𝑀𝑎𝑥𝑍= 〖 5𝑥 〗 _1+ 〖 5𝑥 〗 _2+ 〖 20𝑥 〗 _3
Sujeto a: 10 〖 038,36𝑥 〗 _1+10038,36𝑥_2+40153,44𝑥_3+1,645𝑦≤
164928,73𝑥_1^2+164928,73𝑥_2^2+659714,92𝑥_3^2−𝑦^2≤
3𝑥_1+3𝑥_2+6𝑥_3≤67231,60
𝑥_1,𝑥_2,𝑥_3,𝑦≤𝑏_2
CONCLUSION: Finalmente se puede concluir con el ejercicio que la compañía productora de motores eléctrico
movimiento y mantenimiento de los bienes tangibles que en este caso son el rotor, inductor y escobillas. Se plant
maximización de la producción de los bienes tangibles (rotor, inductor, escobillas) estos están ajustados a las dif
que corresponden a las varianzas y medias normalmente distribuidas en cada uno de los componentes electricos (
escobillas) y estas restriciones son menores o iguales a las unidades de la producción.
PROBABILISTICOS DE OPTIMIZACION
ROGRAMACION ESTOCASTICA
TAMIENTO DE LA DEMANDA
PERIODICA (TAREA 2)
(Unidades)
DEMANDA DIARIA
MOTOR ELECTRICO 2007.67222222222
VARIANZA DE LA DEMANDA UNIDADES DEL MOTOR
DIARIA NORMALMENTE ELECTRICO
DISTRIBUIDA POR COMPONENTE UD
164928.732253086
164928.732253086 61549
659714.929012345
Parametro b2
CON TODOS LOS PARAMETROS 67231.6093940357
CON ALGUNOS PARAMETROS 69193.1030764114
ENTE DISTRIBUIDOS
+ 〖 20𝑥 〗 _3 𝑀𝑎𝑥𝑍= 〖 5𝑥 〗 _1+ 〖 5𝑥 〗 _2+ 〖 20𝑥 〗 _3
36𝑥_2+40153,44𝑥_3+1,645𝑦≤ 61549 Sujeto a: 10 〖 038,36𝑥 〗 _1 𝑥_1+"10" 〖 038,36𝑥 〗 _1 𝑥_2+40153,
_2^2+659714,92𝑥_3^2−𝑦^2≤61549 164928,73𝑥_1^2+"164928,73" 𝑥_2^2+659714,92𝑥_3^2−
roductora de motores eléctricos solicita conocer el
inductor y escobillas. Se plantea el modelo para la
) estos están ajustados a las diferentes restricciones
de los componentes electricos (rotor, inductor,
ón.
VARIANZA DE LA DEMANDA DIARIA DESVIACION TIPICA
32985.7464506173 181.619785405162
NIVEL DE SIGNIFICANCIA 1
α1
0.05
Media de la Demanda periodica Varianza de la Demanda periodica
normalmente distribuida: E{a} normalmente distribuida: var{a}
60230.1666666667 29687171.8055556
CON ALGUNOS PARAMETROS NORMALMENTE DISTRIBUIDOS
𝑀𝑎𝑥𝑍= 〖 5𝑥 〗 _1+ 〖 5𝑥 〗 _2+ 〖 20𝑥 〗 _3
10 〖 038,36𝑥 〗 _1 𝑥_1+"10" 〖 038,36𝑥 〗 _1 𝑥_2+40153,44𝑥_3+1,645𝑦≤61549
164928,73𝑥_1^2+"164928,73" 𝑥_2^2+659714,92𝑥_3^2−𝑦^2≤61549
3𝑥_1+3𝑥_2+6𝑥_3≤69193,10
𝑥_1,𝑥_2,𝑥_3,𝑦≤𝑏_2
BIBLIOGRAFÍA
Taha, H. (2017). Investigación de operaciones (pp.751-754). México, México: Editorial Pearson Educación. Rec
de https://www-ebooks7-24-com.bibliotecavirtual.unad.edu.co/?il=6959
Rojas, A. y Negrete, R. (2020). Solución del modelo de líneas de espera con un solo servidor en WinQSB [O
Recuperado de https://repository.unad.edu.co/handle/10596/37804
l Pearson Educación. Recuperado
o/?il=6959
olo servidor en WinQSB [OVI].
6/37804
