• Author / Uploaded
• Estudiante Unad

Citation preview

Paso 3 - Desarrollar y presentar el diagnóstico y análisis final del estudio de caso Métodos probabilísticos

Grupo: 104561_113

Estudiante: Luisa Daniela Hernandez

Tutora: Angela Maria Ospina

Universidad abierta y a distancia-UNAD Noviembre de 2018

Desarrollo de la actividad Punto 1 Mentefacto

Modelo de colas de varios servidores con disciplina, primeros en llegar primeros en salir

Métodos o modelos probabilísticos e investigación de operaciones

Líneas de espera de varios servidores con disciplina, primeros en llegar primeros en salir



Modelo de colas M7G/C-FCFS

Línea de espera de varios servidores con disciplina primeros en llegar, primeros en ser servidos

Modelo de colas de varios servidores con disciplina primeros en llegar, primeros en ser servidos

significado

Clasifiacion

Este modelo tiene como objetivo reducir el largo del tiempo de espera

Se clasifica de los centros de distribución, asignación de minorías y política de administración de intervalos.

Tecnicas Modelos de colas Programación No lineal Dis. Poisson y exponencial Sof. Lingo Modelo MIMLP

         

La programación de proyectos PERT CPM. Tec. Pronósticos determinístico Tec. Pronostico exponenciales P.L P.E Modelos de transporte Modelos de redes Programación dinámica Cadenas de Márkov Teoría de decisiones Programación NO lineal

Aplicaciones Para determinar y minimizar los costos

Punto 2 Tabla de diagnostico Estudi No. Método o ante modelo probabilístic o (requerido)

Participaci ón

servicio

Justificación

Cadenas de Según Taibo, A. (2009). Por medio de las cadenas de Markov se Markov pronostica el comportamiento futuro de ciertas variables, y dicho pronosticó se hace mediante el análisis de los cambios que han sufrido dichas variables durante el presente.

Línea de espera para un solo Servidor

Estas se aplican en un gran numero de situaciones como lo son los cambio s de preferencia en el mercado tienen diferentes productos. La posible decisión de hacer o no una inversión en cierta oportunidad etc. Gallagher, C., & Watson, H. (1982).Es uno de los modelos mas antiguos, mas sencillos, y mas comunes de la teoría de colas. Este modelo puede aplicarse a personas esperando una línea para comprar boletos para el cine entre otros. En este modelo se considera que el tamaño de la cola sea infinito, además se supone que un solo servidor proporciona el servicio que varia aleatoriamente y no se permite que las unidades que acaban de salir vuelvan a entrar inmediatamente al sistema por tanto:  Un servidor y una cola  Llegadas Poisson  Cola infinita, primero en llegar, primero en ser servido  Tiempos de servicio exponenciales

Referencia documental En normaAPA(consulte aquí)

Taibo, A. Investigación de operaciones para los no matemáticos (pp. 71-77), México, D.F., MX: Instituto Politécnico Nacional, 2009. Accessed November 27, 2016. Recuperado de: http://bibliotecavirtual .unad.edu.co:2077/lib/ unadsp/reader.action? docID=10504970&pp g=8. Gallagher, C., & Watson, H. (1982). Métodos cuantitativos para la toma de decisiones en administración (pp. 331-351), México, D.F., MX: McGrawHill Interamericana. Recuperado de: http://bibliotecavirtual .unad.edu.co:2077/lib/ unadsp/reader.action? docID=10479349&pp g=8.

optimizaci ón

Programació La estocasticidad o incertidumbre n estocástica aparece en todos los sistemas pero hasta ahora no era posible la solución de problemas de optimización de grandes Sistemas considerando explícitamente ésta. La incertidumbre puede deberse a carencia de datos fiables, errores de medida o tratarse de parámetros que representan información sobre el futuro. En optimización estocástica No se conocen sus valores, sólo sus distribuciones y habitualmente se supone que éstas son discretas con un número finito de estados posibles. La suposición de distribuciones discretas es habitual en los optimizadores de optimización estocástica. Los tipos de modelos que aparecen en programación lineal estocástica son motivados principalmente por problemas con decisiones de tipo aquí y ahora decisiones previas bajo futuro incierto. Esto es, decisiones que deben tomarse asándose en información a priori, existente o supuesta, sobre situaciones futuras sin realizar observaciones adicionales.

Santiago, R. (2016). Optimización Estocástica (pp. 3-4), Madrid. Universidad Pontificia ICAI ICADE Comillas. Recuperado de: https://www.iit.comill as.edu/aramos/simio/a puntes/a_sp.pdf

Referencias bibliográficas

Amaya, A. J. (2009). Toma de decisiones gerenciales: métodos cuantitativos para la administración (2a. Ed.) (pp. 47-57), Bogotá, CO: Ecoe Ediciones. Recuperado de http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?docID=10467109 &ppg=9. Ullmann, J. E. (1979). Métodos cuantitativos en administración: teoría y 512 problemas resueltos (pp. 278-282), México, D.F., MX: McGraw-Hill Interamericana. Recuperado de http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?docID=10514989 &ppg=6 Sipper, D., & Bulfin, J. R. L. (1998). Planeación y control de la producción (pp. 95-159), México, D.F., MX: McGraw-Hill Interamericana. Recuperado de http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?docID=10486089 &ppg=8 Guerrero, S. H. (2009). Inventarios: manejo y control (pp. 18-34), Bogotá, CO: Ecoe Ediciones. Recuperado dehttp://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?docID=105844 14&ppg=13 Ruiz, E. N. (2011). Investigación de Operaciones. En: Selección de Guías de Estudio: Contabilidad y Finanzas (pp. 61-71), Habana CUBA: Editorial Universitaria. Recuperado dehttp://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?docID=104725 70&ppg=2 Arbones, M. E. A. (1990). Logística empresarial. Barcelona (pp. 68-80), ES: Marcombo. Recuperado de http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?docID=10337354 &ppg=6 Amaya, A. J. (2009). Toma de decisiones gerenciales: métodos cuantitativos para la administración (2a. Ed.) (pp. 101-109), Bogotá, CO: Ecoe Ediciones. Recupeerado de http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?docID=10467109 &ppg=9 B. M. E. (2009). Toma de decisiones (pp. 5-25), Córdoba, AR: El Cid Editor | apuntes. Recuperado de http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?docID=10317014 &ppg=3.

Marketing, P. (1995). Toma de decisiones eficaces (75-122; 177-242), Madrid, ES: Ediciones Díaz de Santos. Recuperado de http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?docID=10184604 &ppg=7.