Email: jaolguin@uat.edu.

mx

olguinmurrieta@hotmail.com

Murrieta
FORMA DE EVALUAR


1.- Proyecto Final . 30 %

2.- Examen 30 %

3.- Participacin 20 %

4.- Tareas .. 10 %

5.- Asistencia 10 %


T O T A L --------------------- 100 %
Antecedentes
La teora de las Lneas de Espera se inicia en
1909, con los trabajos de E. K. Erlang. Al
experimentar un problema relacionado con la
congestin del trafico telefnico.

En muchas operaciones se forman Lneas de
Espera para la prestacin de un servicio, como
cuando los clientes esperan en fila para liquidar
sus compras en una tienda de Abarrote; las
maquinas de una fbrica esperan ser reparadas
o los aviones esperan para aterrizar en un
aeropuerto

La caracterstica comn de los anteriores ejemplos
es que un nmero de unidades fsicas (las llegadas)
intentan recibir un servicio de un nmero limitado de
instalaciones (los servidores).

Un problema de Lneas de Espera puede
resolverse mediante formulas analticas o
mediante mtodos de Simulacin
En todos los casos, los clientes esperan cierto
nivel aceptable de servicio, mientras que la
empresa espera poder mantener sus costos al
mnimo.
Las caractersticas que todo problema de
lneas de espera presenta:
Caractersticas
Llegadas
Servidor Fila
LAS LLEGADAS
Se describen por su Distribucin Estadstica, la
cual puede especificarse de dos formas: Nmero
de Llegadas por unidad de tiempo o Tiempo
entre llegadas

Si se supone que las llegadas ocurren con una tasa promedio constante y que son
independientes una de otra.

Entonces se dice que ocurren de acuerdo con la Distribucin de probabilidad de
Poisson. (Tasa de Llegadas; No. Clientes/Periodo).
Si la tasa de llegadas se da por el tiempo que
transcurre entre Llegada y Llegada, se dice
entonces que sigue una Distribucin
Exponencial.

La Distribucin Exponencial y la de Poisson son
equivalentes en cuanto a las suposiciones
fundamentales sobre llegadas. Por lo tanto,
cualquiera de las dos puede usarse para
especificar las llegadas

La tasa de llegadas siempre estar representada por
una variable Discreta, mientras que el tiempo entre
Llegadas se representara por una variable Continua


Una prueba de Bondad de Ajuste se aplica para
verificar si un conjunto de datos se ajusta o no a la
Distribucin terica previamente supuesta
(Distribucin Poisson), en especial la prueba de Ji-
Cuadrada, la cual consiste en contrastar frecuencias
reales u observadas contra las frecuencias tericas
o esperadas o ver si la diferencia existe en
significativa o no, demostrando al mismo tiempo si
los datos se apegan a una Distribucin Poisson o no.

LA FILA
La naturaleza de la fila tambin afecta al tipo de
modelo que se formule. Debe especificarse una
disciplina en la fila para describir como se atienden
las llegadas. Un ejemplo es, Primeros en llegar,
primeros en ser atendidos.

Cuando se describe una Fila, tambin debe
especificarse la longitud de la Lnea de Espera. Un
supuesto es que la Lnea de Espera puede alcanzar
una longitud infinita.

Finalmente, se define el comportamiento que tendr
el Cliente en la Fila. Cunto tiempo estarn
dispuestos a esperar los clientes para ser atendidos
antes de que se retiren de la Fila?
EL SERVIDOR
Existen varias caractersticas del Servicio que afectan al
problema de Lneas de Espera. Una de ellas es la
Distribucin del tiempo de Servicio. Un supuesto comn
esta dado por la distribucin Exponencial.

La segunda caracterstica que debe especificarse esta
dada por el nmero de Servidores. Puede haber uno
solo o varios.

La tasa de Servicio al igual que la de llegadas, debe ser
evaluada para ver si se ajusta a la Distribucin
Exponencial o no, a travs de la Prueba de Kolmogorov-
Smirnov, la cual contrasta una Distribucin de
probabilidad acumulada real contra una terica.










MODELO No 1
(UN SOLO SERVIDOR)

= Tasa media de llegadas
= Tasa media de servicios
1. = =

< 1 ...Intensidad de trafico.

2. = Pn
n
(1- ) ...Probabilidad de que haya n clientes en el sistema.

3. LS

= ..Numero promedio de clientes en el sistema.

4. Lq
) (
2

= = Ls - Numero Promedio de clientes en la fila (LE).

5. Ts

1 1
+ = =

= tq
Ls
.Tiempo promedio que pasa un cliente en el sistema.

6. tq
( )
Lq
=

= Tiempo promedio que pasa un cliente en la fila (LE).

7. Po

=1 .Probabilidad de que no haya clientes en el sistema.

MODELO No. 2
(DOS O MAS SERVIDORES)

= tasa media de llegadas
= tasa media de servicio
k = No. de servidores
1.
k .

= < 1
2. Po
(
(

|
|
.
|

\
|
|
|
.
|

\
|

|
|
.
|

\
|
+
|
|
.
|

\
|
=

=
1
0
.
.
!
1
!
1
1
k
n
k n
k
k
k n

si Po
n n
n
|
.
|

\
|
*
!
1
k n s
3. Pn =

( )( )
si Po
k k
k
k n

|
|
.
|

\
|

*
!
1

k n >

4.

+ =
|
|
.
|

\
|
+ = Lq tq Ls
1


5.
( ) ( ) ( )
Po
k k
Po
K
Lq
k k
*
. ! 1
.
*
1 !
.
2 2

|
|
.
|

\
|
=

|
|
.
|

\
|
=

6.

Ls
tq ts = + =
1

7.
( ) ( )

Lq
Po
k k
tq
k
=

|
|
.
|

\
|
= *
. ! 1
2

Supongamos que un cajero bancario puede atender en
promedio 10 clientes/hr. Adems suponga que los
clientes llegan a la ventanilla a razn de 7 clientes/hr. Se
cree que las llegadas siguen una Distribucin POISSON
y los tiempos de servicio siguen una Distribucin
Exponencial.

a) Bajo condiciones de estado estable Cules son las
caractersticas del sistema?
b) Si los clientes se retiran de la caja siempre que
encuentra 3 clientes de ellos en el sistema Cul es
el porcentaje de clientes que se pierde?

Sistema: Clientes que arriban al banco con un solo cajero (servidor) y
realizan operaciones.

Cliente: Personas que requieren un servicio.

Servidor: Persona que atiende la ventanilla

Servicio: Operaciones Bancarias
No. de Servidores: 1 (uno solo)
= 7 clientes/hr
= 10 clientes/hr
*Condicin: si el cliente encuentra 3 clientes delante de el se retira.
a) caracterstica del sistema
% 70 1 7 . 0
/ 10
/ 7
1 = < = = = < =
hr clientes
hr clientes

(Factor utilizacin)

clientes
hr c
hr c
hr c hr c
hr c
Ls Ls 33 . 2
/ 3
/ 7
/ 7 / 10
/ 7
= =

= =

=



( )

=
2
Lq
( )
( )
clientes Ls 63 . 1
30
49
7 10 10
7
2
= =

=
utos hrs Ts min 20 33 . 0
3
1
7 10
1 1
= = =

=



( ) ( )
utos hrs Tq min 14 23 . 0
7 10 10
7
= =

=




% 30 3 . 0
10
7
1 1 = = = =

Po prob. de que no haya clientes en el sistema.

b) No. de clientes que se pierde
3 o mas clientes se retira
A= Pn=0 se quedan B= Pn=3 se van
Pn=1 se quedan Pn=4 se van
Pn=2 se quedan Pn=

A + B = 100% o 1
B = 1 - A (% de los clientes que se van por la condicin)
2 1 0 = + = + = = Pn Pn Pn A

( ) = = 1 0
n
Pn
( ) % 30 3 . 0 7 . 0 1 7 . 0 0
0
= = = = Pn
( ) % 21 21 . 0 7 . 0 1 7 . 0 1
1
= = = = Pn
( ) % 7 . 14 147 . 0 7 . 0 1 7 . 0 2
2
= = = = Pn

% 7 . 65 657 . 0 147 . 0 21 . 0 3 . 0 = = + + = A (% clientes que se quedan)
% 3 . 34 343 . 0 657 . 0 1 = = = B Porcentaje clientes que se van
Un remolcador atiende los barcos que llegan a
un puerto el tiempo promedio que transcurre
entre la llegada de los barcos es de 2 horas. El
tiempo promedio que se requiere para remolcar
un barco a su embarcadero es de 1 hora.
Algunos estudios han demostrado que las
llegadas de los barcos tienen una distribucin
POISSON y que los tiempos de servicio se
distribuyen en forma exponencial.

a) Calclese las caractersticas del comportamiento de este sistema.

b) Si los barcos solicitan el servicio de otro remolcador cuando hay mas de
2 barcos en el puerto que porcentaje de llegadas se pierde.
Sistema: Barcos que llegan al puerto a ser remolcados a su
embarcadero Cliente: Barcos que requieren ser remolcado
Servidor: Remolcador
Servicio: Ser remolcados
No. De Servidores: 1 (uno solo)
= 0.5 cliente/hora
= 1 cliente/hora

*Condicin: si hay + de 2 barcos se solicita otro remolcador caractersticas del
sistema.
a) % 50 1 5 . 0
/ 1
/ 5 . 0
1 = < = = = < =
hr c
hr c

cliente
hr c
hr c
hr c hr c
hr c
Ls Ls 1
/ 5 . 0
/ 5 . 0
/ 5 . 0 / 1
/ 5 . 0
= =

= =

=




( )
( )
clientes Lq 5 . 0
25 . 0
25 . 0
5 . 0 1 1
5 . 0
) (
2 2
= =

=




hrs Ts 2
5 . 0
1
5 . 0 1
1 1
= =

=



( ) ( )
hr tq 1
5 . 0
5 . 0
5 . 0 1 1
5 . 0
= =

=




% 50 5 . 0
1
5 . 0
1 1 = = = =

Po prob. de que no haya clientes en el sistema

b) No. de clientes que se pierde por la condicin de que si el cliente que llega
encuentra 2 o mas clientes en el sistema se retira.

A = Pn=0 se queda B = Pn=3, se va
Pn=1 se queda Pn=4, se va
Pn=2 se queda Pn=5, se va, etc..
A + B = 100% o 1
B = 1 - A
1 0 = + = = Pn Pn a
( ) = = 1 0
n
Pn
( ) % 50 5 . 0 05 . 1 5 . 0 0
0
= = = = Pn
( ) % 25 25 . 0 05 . 1 5 . 0 1
1
= = = = Pn
( ) % 5 . 12 125 . 0 05 . 1 5 . 0 2
2
= = = = Pn
% 5 . 87 875 . 0 125 . 0 25 . 0 5 . 0 = = + + = A (% clientes que se quedan)
% 5 . 12 125 . 0 875 . 0 1 = = = B Porcentaje clientes que se van
Una computadora procesa los trabajos que se le
asignan sobre la base primeros en llegar primeros en
ser atendidos. Los trabajos llegan de acuerdo con una
distribucin POISSON con un promedio de tiempo entre
llegadas de 5 minutos. En el procesamiento de estos
trabajos el objetivo consiste en que ninguno de estos
pase ms de 6 minutos en promedio en el sistema. Que
tan rpido debe trabajar la computadora para cumplir
con este objetivo.

Servidor: computadora
Cliente: trabajos
K=1
= 5 min/trabajo = 12 trab/hr I
=?
ts s 6 min

- Condicin: el servicio no debe pasar ms de 6 min

trab min/ 16 . 5 5 16 . 0 min 5
6
1
= + = + =

1 trab = 5.16 x=60/5.16=11.62trab/hr
x = 60 min = 11.62 trab/hr
Actualmente una gasolinera tiene 2 bombas y esta
considerando agregar una tercera. Los vehculos
llegan al sistema con un promedio de uno c/4
minutos, cada vehculo requiere un promedio de 5
min., para ser atendido. Suponga que los vehculos
llegan de acuerdo con una distribucin POISSON y
que el tiempo necesario para prestar el servicio se
distribuye en forma exponencial. cul seria su
recomendacin?

Sistema: gasolinera
Clientes: vehculos
Servicio: bombas gasolina
No. Servicio: 2

= 4 mino / vehculo = 15 v / h
= 5 min./ vehculo = 12 v / h
k=2

. . % 5 . 62 625 . 0
24
15
2 12
15
U F
x
= = = =

(
(

+
(
(

+
(

=
15 2 12
2 12
12
15
! 2
1
12
15
! 1
1
12
15
! 0
1
1
2 1 0
x
x
Po

| | ( )
| |
% 07 . 23 2307 . 0
332 . 4
1
0832 . 2 25 . 2
1
9
24
25 . 1
2
1
25 . 1 1
1
2
= = =
+
=
(

+ +
= Po

( )
( )
( ) ( ) 8011 . 0 2307 . 0 *
2812 .
9765 .
2307 . 0 *
625 . 0 1 ! 2
625 . 0
12
15
2
2
= =

|
.
|

\
|
= Lq

vehiculos Lq Ls 05 . 2 25 . 1 8011 . 0
12
15
8011 . 0 = + = + = + =

min 8 1366 . 0
15
05 . 2
= = = = hrs
Ls
ts

utos hrs
Lq
tq min 2 . 3 0534 . 0
15
8011 . 0
= = = =

K=2 K=3
62.5% 41.66% f.v.
Po 23.07 27.86%
Lq 0.8011 Veh 0.1110 veh.
Ls 2.05 Veh 1.3610 veh.
Ts 8 minutos 5.44 min.
Tq 3.2 minutos 0.44 min.

La recomendacin es de no agregar la tercer bomba,

ya que la infraestructura estara subutilizada
y este se traduce en prdidas para la empresa.
Otro Ejemplo
Una Ca. debe tomar una decisin con respecto a
su poltica de contratar un mecnico para reparar
las maquinas que se descomponen con una tasa
promedio de 4/hr. De acuerdo con una
distribucin Poisson. El tiempo improductivo de
cualquiera de las maquinas le cuesta $10/hr., a la
Ca. La empresa puede contratar 2 tipos de
mecnicos distintos: uno lento pero poco costoso
($2.50/hr.,) y el otro rpido pero mas costoso
($4.50/hr.,). El mecnico lento puede reparar
exponencialmente las maquinas con una tasa
promedio de 6/hr., mientras que el mecnico
rpido puede repararlas exponencialmente a
razn de 8 /hr., basndose en los datos
anteriores cul mecnico debe contratarse?

Ejemplo:

Una Ca. aseguradora tiene 3 ajustadores de
reclamaciones en una de sus oficinas. Se sabe que
los clientes llegan en una forma poisson con una tasa
promedio de 32 clientes/da de 8 hrs., para presentar
reclamaciones en contra de la Ca., el tiempo de
servicio tiene una distribucin exponencial y en
promedio es de 30 minutos por cliente. Los clientes
se atienden en base del primero que llega, primero
que se atiende.

Cuantas horas a la semana se espera que pasa cada
ajustador con los clientes.
La administracin desea saber cual es el tiempo
promedio que pasa un cliente en las oficinas de la
empresa.

Ejemplo:
Una Cia. De ahorros tiene 4 cajeros para atender
las cuenta-habientes. La Cia. Ha averiguado que
las distribuciones del tiempo de servicio son
exponenciales con un promedio de 6 min., por
cliente. Se sabes que los clientes llegan durante
el dia de forma poisson con un promedio de 30 x
hra..

a) Cul es el promedio de clientes en la Cia.?
b) Cuanto tiempo en promedio pasa un cliente en el sistema?
c) Cul es el numero de clientes promedio en linea de espera?
d) Cunto tiempo espera un cliente antes de que le den el servicio?
e) Cuntas hrs./ semana dedica un empleado al desempeo de su trabajo?
f) Cul es la probabilidad de que un empleado tenga que esperar a un cliente?
g) Cul es el numero esperado de empleados desocupados en cualquier momento dado?
Ejemplo:
En un taller mecnico 4 gras elevadas dan
servicio a cierto numero de maquinas de
produccin si todas las gras estn ocupadas y
un mecnico debe esperar servicio el costo de
tiempo de espera es de $4.5/hra. Por otra parte
los gastos de administracin de las gras son de
$5.8/hra. El promedio de tiempo de servicio se
distribuye en forma exponencial con un tiempo de
20 min./ llamada. El vicepresidente encargado de
manufactura quiere saber cuantas gras se
necesitan para mantener el mnimo tanto los
costos de tiempo de espera de los mecnicos
como los gastos generales de administracin de
las gras. Utilice un da de 8 hrs., para los
clculos.

Ejemplo:
Una Cia. Constructora desea adquirir palas
mecnicas para el llenado de sus camiones
motivo por el cual ha recopilado la sig.
Informacin El tipo de pala que se desea
adquirir tiene la capacidad de llenar 4.5
camiones /hra., y el tiempo de servicio se
puede considerar exponencial. Se estima que
los camiones llegaran a ser cargados a razn
de 12.6 camiones /hra., de acuerdo con una
distribucin Poisson.


Se incurrir en un costo fijo de $200 x da por
cuestiones de depreciacin y otros conceptos por
c/ pala que se adquiera trabajando diariamente
turnos de 8 horas. Se tendr un costo extra cada
vez que la pala est en uso, siendo este de
$50/hra., el salario para cada operador de pala
mecnica es de $ 200/da (8hrs.), el
departamento de contabilidad estima que la Cia.
pierde $ 50 por cada hora que un camin este
esperando sin recibir servicio. La Cia. Tiene
capital para trabajar a lo mximo con 5 palas
mecnicas. El gerente desea saber cual es el
nmero ptimo de palas con que debe operar la
Cia. Constructora.

Ejercicio:
En un cierto Puerto se est considerando
construir una Terminal para la Carga y Descarga
de Barcos. Por razones financieras, as como de
espacio fsico para la construccin de dicha
terminal, se ha determinado que solo se podrn
construir dos tramos de atraque ( Un tramo para
cada barco).

Por las caractersticas del lugar en que se va a
construir la Terminal, puede elegirse entre tres
diferentes tipos de instalaciones (Terminal I, II y
III), las cuales varan tanto en su proceso
constructivo como en el equipo e instalaciones
que requieren. Para decidir cual de ellas construir
se ha recabado la siguiente informacin:

Tabla:

Tipo de Terminal: Costo Fijo Costo Operacin Tasa de Servicio:
Da / Tramo: da / Tramo:
I $ 27,000 $ 16,000 2.9 das/barco
II $ 30,000 $ 13,500 2.4 das/barco
III $ 35,000 $ 14,500 2.0 das/barco
Se considera que el servicio se ajusta a una
distribucin Exponencial. De datos histricos en
terminales similares, se ha encontrado que la
tasa promedio de buques que llegan a esas
terminales es de 2.8 barcos por semana de
acuerdo con una distribucin Poisson. Tambin
se sabe que el tiempo que una embarcacin
permanece sin recibir servicio le cuesta a la
empresa $ 50,000 por da por embarcacin.

En base a la informacin anterior que tipo de
Terminal se debe construir?

NATURALEZA ALEATORlA DE
LAS LLEGADAS
Las llegadas a un sistema de lneas de espera se
comportan generalmente de manera aleatoria
entre las cuales predominan precisamente la
aleatoriedad de estas llegadas. Dos formas se
han utilizado para describir el comportamiento
aleatorio de las llegadas, la 1 de ellas a travs
de la tasa de llegadas (# de clientes I unidad de
tiempo) y en la 2 forma se ha recurrido al tiempo
de llegadas.

El procedimiento sugerido para determinar el tipo
de distribucin terica a la cual se puede ajustar
una variable es el siguiente.

PROCEDIMIENTO PARA APLICAR
UNA PRUEBA DE BONDAD DE
AJUSTE
Una prueba de bondad de ajuste se aplica para
verificar si un conjunto de datos se ajusta o no a
una distribucin terica previamente supuesta.
Especficamente la prueba de Ji cuadrada
tambin llamada de las frecuencias, la cual
consiste en contrastar las frecuencias
observadas contra las frecuencias esperadas y
ver si la diferencia es significativa o no. El
procedimiento se puede resumir de la siguiente
manera:

Primer Paso.- Plantear la hiptesis nula (Ho) que
enuncia el tipo de distribucin supuesto as como
sus parmetros. La hiptesis alternativa ser
simplemente la negacin de la hiptesis nula. La
hiptesis se enunciara a partir de la distribucin
de frecuencias y su histograma correspondiente.
Segundo Paso.- Para calcular las frecuencias
esperadas (fe) se utilizara la siguiente expresin:
FE = n * P ( Xi)
Donde;
FE = frecuencias esperadas
n = tamao de muestra
P (Xi) = probabilidad terica de la clase "X"

Esto implica que deben calcularse dos columnas:
Una correspondiente a la probabilidad terica lo
cual se hace a partir de la formula de la
distribucin supuesta en Ho, y la otra columna
para las frecuencias esperadas (FE).




Tercer Paso.- Para decidir si la variacin que existe entre las frecuencias
observadas (Fo) y las frecuencias esperadas' (Fe) es significativa, ser necesario
calcular un estadstico que sirva como juez para tal decisin. El estadstico a
utilizar ser Ji cuadrada de tablas (X
2
,g, 1), donde:

= es el nivel de significacin y varia del 1 % al 10%
gl = grados de libertad, el cual se calcula de la siguiente manera:
gl = k -p - 1
Y a su vez:
k= No. de Clases, intervalos o filas.
p= No. Constantes conocidas usadas para calcular (Fe)
La sumatoria de Ji cuadrada obtenida en la distrib. De frecuencias (X
2
)
deber compararse contra el valor de Ji cuadrada de tablas (x
2
,g, 1):

Si (X
2
) es menor que (X
2
,g, 1), se acepta la Hiptesis nula y por lo tanto
el promedio obtenido se puede usar como Tasa media de llegadas ( ) .

NATURALEZA ALEATORIA DEL
TIEMPO DE SERVICIO
El tiempo de servicio de manera similar a las llegadas por lo
general tiene un comportamiento aleatorio. El procedimiento
para su estudio ser el mismo diagrama del flujo que se
present para las llegadas.

El caso mas frecuente que se presenta en la practica es la
distribucin exponencial. El objetivo nuevamente ser validar a
travs de una distribucin terica de probabilidades a esta
nueva variable de tiempo de servicio.

La prueba de Kolmogorov-Smirnov se utilizar para determinar
si el conjunto de datos correspondientes, a los servicios se
ajustan o no a una distribucin terica de probabilidades y su
esencia radica en contrastar la distribucin de probabilidades
acumulada real contra la distribucin de probabilidad acumulada
terica. Los pasos para su aplicacin son:


Paso 1 :
Establecer la Ho., a partir de la distribucin de
frecuencias y su promedio.

Paso 2 :
Calcular la distribucin de probabilidad acumulada
real a travs de la frecuencia relativa acumulada.

Paso 3 :
Calcular la distribucin. de probabilidad acumulada
terica o esperada a partir de la distribucin
supuesta en la Ho.



Paso 4 :
Obtener la diferencia en valor absoluto para cada
clase, de las distribucines de probabilidad e
identificar la diferencia ms grande en valor
absoluto (Dmax)

Paso 5':'
Comparar si Dmax < Dcrit, si es as se acepta la
Ho. Donde dmax es la mxima diferencia
encontrada en el paso 4, mientras que dcrit se
calcula de las tablas correspondientes fijando
previamente el nivel de significacin de la prueba
(oc) y determinando el nmero de datos (n)
sobre los cuales se esta realizando la
prueba.
S I M U L A C I O N
La tcnica de simulacin ha sido durante mucho
tiempo un instrumento importante del diseador.

La Simulacin se origino en los trabajos de John
Von Neumann y Stanislaw Ulman a fines de la
dcada de 1940, quienes trabajaron en el
proyecto Montecarlo en la segunda guerra
mundial resolviendo problemas de reacciones
nucleares cuya solucin experimental sera muy
costosa.

Con el advenimiento de las computadoras a
principio de la dcada de 1950, la Simulacin ha
hecho grandes progresos, y con las
computadoras dio origen a innumerables
aplicaciones a los negocios.

La Simulacin consiste en la construccin de
cierto tipo de modelo matemtico que describe el
funcionamiento del sistema en trminos de
eventos y componentes individuales.

La Simulacin se ha definido
como:
Una tcnica cuantitativa que se emplea para
evaluar cursos alternativos de accin, basada en
hechos y suposiciones, con un modelo
matemtico de computadora, a fin de representar
la toma real de decisiones en condiciones de
incertidumbre.


Etapas de un Estudio de
Simulacin
Definicin del Sistema.- Consiste en determinar
la interaccin del sistema con otros sistemas, las
variables que interactan dentro de este y sus
interrelaciones, las medidas de efectividad a usar
y los resultados que se esperan.
Formulacin del Modelo.- En la formulacin del
modelo es necesario definir todas las variables
que forman parte de l, sus relaciones lgicas y
los diagramas de flujo que describan en forma
completa al modelo.
Coleccin de Datos.- Consiste en definir con
claridad y exactitud los datos que el modelo va a
requerir para producir los resultados deseados.

Implementacin del modelo (en
computadora).- Decidir si se utiliza algn
lenguaje de programacin o algn paquete
existente (GPSS, Simula, Simscript).
Validacin.- En esta etapa es posible detectar
deficiencias en la formulacin del modelo o en los
datos que lo alimentan.
Experimentacin.- Consiste en generar
resultados deseados y en realizar anlisis de
sensibilidad.
Interpretacin.- Es la interpretacin de los
resultados que arroja la Simulacin y en base a
esto tomar una Decisin.
Documentacin.- Consiste en realizar dos tipos
de documentacin, una de Tcnica y otra para el
Usuario.


Factores a Considerar en el Desarrollo
del Modelo de Simulacin
Generacin de Variables Aleatorias no
Uniformes.- Se debe contar con un generador
de nmeros uniformes y una funcin que
transforme estos nmeros en valores de la
distribucin de probabilidad deseada. (Normal,
Exponencial, Poisson, etc.).
Lenguajes de Programacin.- Aqu se tienen
dos variables alternativas a seguir: Desarrollar el
Software requerido para el Estudio de Simulacin
o Seleccionar un Software de entre los varios
paquetes de Simulacin.

Condiciones Iniciales.- Usar un tiempo de
Corrida suficientemente grande, Utilizar
Simulacin Regenerativa.
Tamao de la Muestra.- La seleccin de un
tamao adecuada del nmero de corridas,
asegura un nivel de precisin y a la vez minimiza
el costo de operacin del modelo.
Diseo de Experimentos.- El diseo de
Experimentos puede ser de varios tipos,
dependiendo de los propsitos especficos que
se hayan planteado.


V E N T A J A S
1. Permiten experimentar con un modelo abstrado del sistema
real que esta funcionando.

2. Una observacin detallada permite entender el sistema y
sugerir estrategias que mejoren la operacin y eficiencia del
Sistema.

3. Permite entender mejor la operacin del sistema, detectar las
variables que interactan y las interrelaciones entre estas.

4. Se puede experimentar con nuevas situaciones sobre las
cuales se tiene poca o ninguna informacin anticipando
resultados no previstos.

5. Se puede utilizar para entrenar y dar experiencia a cierto tipo
de personal.

D E S V E N T A J A S:
1. La Simulacin no es Precisa, no es un proceso
de optimizacin.

2. Un buen Modelo de Simulacin puede ser muy
caro y a menudo tarda aos en desarrollar un
modelo utilizable.

3. No todas las situaciones se pueden evaluar
usando Simulacin.

4. La Simulacin genera una forma de evaluar las
soluciones, pero no genera soluciones por si
misma.

El mtodo de Montecarlo se usa para resolver
problemas que dependen de la probabilidad, en
los que la experimentacin fsica es impracticable
y donde es imposible la creacin de una formula
exacta.

El Mtodo de Montecarlo es una simulacin con
tcnicas de muestreo, o sea que en vez de
obtener muestras de una poblacin real, se
obtiene de un duplicado terico de la poblacin
real. Comprende la determinacin de la
distribucin de probabilidad de la variable de que
se trate, para obtener luego una muestra de esa
distribucin mediante nmeros aleatorios.

GENERADORES DE NMEROS
SEUDO ALEATORIOS
Mtodo Congruencial Mixto.-

) (
1
C AX X
n n
+ =
+
(Mdulo M)

Donde;
n
X Nmero aleatorio cualquiera, llamado semilla.

A < M
C < M
M Nmero deseado de valores a generar.
Mtodo Congruencial Multiplicativo.- Idntico al congruencial mixto,
pero C es igual a cero.
PRUEBAS PARA NMEROS
SEUDOALEATORIOS
Prueba de Bondad de un Ajuste.- Comparar frecuencias reales contra
observadas en una distribucin de frecuencias de nmeros seudoaleatorios.
0
2 2
X X <

Prueba de los Promedios.- Para realizar esta prueba se siguen estos pasos:

1. Se obtiene la media aritmtica de los nmeros seudoaleatorios.

2. Determinar al valor del estadstico en unidades de:
2
1
2
1
_
0
N X
Z
|
.
|

\
|

=

3. Si
0
Z < Z, entonces se acepta la hiptesis de que los nmeros generados,
provienen de un universo uniforme y se consideran aleatorios. Z se obtiene
de las tablas de una distribucin normal y el nivel de significacin.
Prueba de Kolmogorov-Smirnov.- La cual
consiste en calcular las desviaciones para cada
intervalo, de la probabilidad acumulada real
contra la terica, para posteriormente comparar
la desviacin mxima con la desviacin critica
obtenida de las tablas respectivas.

Si: .,
max crit
D D < se concluye que los nmeros generados provienen de una
distribucin uniforme y los nmeros se pueden considerar aleatorios
NMEROS SEUDO
ALEATORIOS
0.78961 0.05230 0.10699 0.55877 0.14151
0.76086 0.12079 0.27738 0.65726 0.79269
0.80548 0.82654 0.29453 0.20852 0.42989
0.58518 0.98611 0.34488 0.34358 0.11537
0.89898 0.57880 0.67621 0.05010 0.00121
0.28269 0.73059 0.70119 0.18284 0.49962
0.38618 0.76910 0.68334 0.55170 0.10850
0.79982 0.45679 0.21631 0.87616 0.55743
0.58962 0.33216 0.03185 0.61168 0.09264
0.69623 0.17028 0.05475 0.91512 0.76262
0.29931 0.30861 0.83358 0.51781 0.03272
0.57410 0.26593 0.85903 0.43308 0.35286
0.24000 0.65559 0.38507 0.90829 0.94187
0.93655 0.88809 0.81772 0.36982 0.19904
0.54325 0.62400 0.09133 0.41678 0.33954
0.58244 0.85853 0.88752 0.33729 0.15506
0.23949 0.53559 0.33381 0.49383 0.75103
0.19962 0.65002 0.74579 0.79113 0.63453
0.19147 0.40644 0.08128 0.73435 0.22724
0.22287 0.07281 0.64183 0.44267 0.72102
CARACTERSTICAS QUE
DEBEN CUMPLIR:
1. Ser Uniformemente Distribuidos.
2. Ser Estadsticamente Independientes.
3. Ser Reproducibles en un periodo largo, sin
repeticin.
4. Ser Generados a travs de un mtodo rpido.

EJEMPLO 1.
Una empresa que se dedica al servicio de
pesado de vehculos actualmente posee una
sola bscula (servidor). El servicio consiste
bsicamente en pesar las unidades automotrices,
cobrarles y extender la factura correspondiente.
Un estudio de campo arroj que el tiempo de
servicio se comporta de acuerdo a una
distribucin uniforme con tiempos que van de los
2.0 a los 8.5 minutos. Asimismo, encontr que los
vehculos llegan a razn de 9 vehculos por hora
en promedio, y que dicha tasa de llegadas se
ajusta a una distribucin Poisson. Los vehculos
son pesados en el orden en que llegan.

Se pide:
a) Obtener los generadores para cada variable.
b) Construir un modelo que permita simular dicho
sistema como un problema de lneas de espera
y determinar:
El tiempo promedio de espera: E(tq)
El tiempo promedio que pasa un cliente en el sistema:
E(Ts)
La intensidad de trafico:
La probabilidad de que un cliente tenga que esperar P
E


EJEMPLO 2.
A una central de abastos llegan a descargar en
promedio 6 camiones por hora, siguiendo una
distribucin Poisson. El 40% de los camiones que
llegan a dicha central traen carga tipo A, el 35%
trae carga tipo B y el 25% restante trae carga tipo
C.

El tiempo empleado para la descarga de los
camiones se considera que sigue una
distribucin normal cuyos parmetros dependen
del tipo de carga y se proporcionan en la
siguiente tabla:

Tipo de carga Tiempo medio ( ) de descarga
(minutos)
Desviacin estndar () (minutos)
A 25 4
B 32 5
C 18 3

Partiendo de las 8:00 am., simule el tiempo

entre llegadas para 10 camiones:
Indicar para cada caso:
La hora de llegada
Tipo de carga que trae
Tiempo que se empleara para descargarlo
Calcular para dicho sistema
El tiempo promedio de espera
La intensidad de trafico
La probabilidad de que espere un camin.


EJEMPLO 3. NEGOCIO DE
LAVADO DE AUTOS
Se proyecta instalar un negocio de Lavado de Autos. Se estima que los clientes
llegaran a una razn de 25 veh/hora (~ Poisson). El lavado se har utilizando
mquinas con sus respectivos operadores y se puede ajustar el tiempo de Lavado a
una Distribucin Normal con:

min 3 . 8 = y
2 2
(min) 1 . 3 = o
Se estima que si un cliente llega y encuentra 4
vehculos o mas esperando (antes que el), rehsa
entrar al sistema. Tambin se ha observado (en
negocios similares) que si permanece en la cola (sin
que lo atiendan) 10 min. o mas entonces abandonara
la Lnea de Espera (que es nica).
La posibilidad de que una mquina falle en un da
cualquiera es de 0.05 (y la misma probabilidad para
cada maquina).
Proponga un # de maquinas (y sus respectivos
operarios) haciendo un anlisis y demostrndolo.
Obtenga todos los generadores.
Construya un modelo de simulacin (como modelo de
Lneas de Espera) que incluya todas las variables y
posibles eventos mencionados en el problema y
simule 20 servicios, y obtenga los parmetros de
salida, tales como: E(tq), E(Ts), , P
ESPERE
, etc.
Obtenga un intervalo de confianza para E(Tq).