You are on page 1of 66

Email: jaolguin@uat.edu.

mx

olguinmurrieta@hotmail.com

Murrieta
FORMA DE EVALUAR


1.- Proyecto Final ………………………. 30 %

2.- Examen ……………………………… 30 %

3.- Participación ………………………… 20 %

4.- Tareas ……………………………….. 10 %

5.- Asistencia …………………………… 10 %


T O T A L --------------------- 100 %
Antecedentes
• La teoría de las Líneas de Espera se inicia en
1909, con los trabajos de E. K. Erlang. Al
experimentar un problema relacionado con la
congestión del trafico telefónico.

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

La característica común de los anteriores ejemplos
es que un número de unidades físicas (las llegadas)
intentan recibir un servicio de un número limitado de
instalaciones (los servidores).

Un problema de Líneas de Espera puede
resolverse mediante formulas analíticas o
mediante métodos de Simulación
En todos los casos, los clientes esperan cierto
nivel aceptable de servicio, mientras que la
empresa espera poder mantener sus costos al
mínimo.
Las características que todo problema de
líneas de espera presenta:
Características
Llegadas
Servidor Fila
LAS LLEGADAS
 Se describen por su Distribución Estadística, la
cual puede especificarse de dos formas: Número
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 Distribución 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 Distribución
Exponencial.

 La Distribución 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 estará 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
Distribución teórica previamente supuesta
(Distribución Poisson), en especial la prueba de Ji-
Cuadrada, la cual consiste en contrastar frecuencias
reales u observadas contra las frecuencias teóricas
o esperadas o ver si la diferencia existe en
significativa o no, demostrando al mismo tiempo si
los datos se apegan a una Distribución Poisson o no.

LA FILA
 La naturaleza de la fila también 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, también debe
especificarse la longitud de la Línea de Espera. Un
supuesto es que la Línea de Espera puede alcanzar
una longitud infinita.

 Finalmente, se define el comportamiento que tendrá
el Cliente en la Fila. ¿Cuánto tiempo estarán
dispuestos a esperar los clientes para ser atendidos
antes de que se retiren de la Fila?
EL SERVIDOR
 Existen varias características del Servicio que afectan al
problema de Líneas de Espera. Una de ellas es la
Distribución del tiempo de Servicio. Un supuesto común
esta dado por la distribución Exponencial.

 La segunda característica que debe especificarse esta
dada por el número 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 Distribución
Exponencial o no, a través de la Prueba de Kolmogorov-
Smirnov, la cual contrasta una Distribución de
probabilidad acumulada real contra una teórica.










MODELO No 1
(UN SOLO SERVIDOR)

= ì Tasa media de llegadas
= µ Tasa media de servicios
1. = =
µ
ì
µ < 1 ……………...Intensidad de trafico.

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

3. LS
ì µ
ì
÷
= ………….…….Numero promedio de clientes en el sistema.

4. Lq
) (
2
ì µ µ
ì
÷
= = Ls - µ ……Numero Promedio de clientes en la fila (LE).

5. Ts
µ ì ì µ
1 1
+ = =
÷
= tq
Ls
….Tiempo promedio que pasa un cliente en el sistema.

6. tq
( ) ì ì µ µ
ì Lq
=
÷
= ………Tiempo promedio que pasa un cliente en la fila (LE).

7. Po
µ
ì
÷ =1 ……………….Probabilidad de que no haya clientes en el sistema.

MODELO No. 2
(DOS O MAS SERVIDORES)

= ì tasa media de llegadas
= µ tasa media de servicio
k = No. de servidores
1.
k . µ
ì
µ = < 1
2. Po
(
(
¸
(

¸

|
|
.
|

\
|
|
|
.
|

\
|
÷
|
|
.
|

\
|
+
|
|
.
|

\
|
=
¿
÷
=
1
0
.
.
!
1
!
1
1
k
n
k n
k
k
k n ì µ
µ
µ
ì
µ
ì


si Po
n n
n
÷ |
.
|

\
|
*
!
1 ì
k n s
3. Pn =

( )( )
si Po
k k
k
k n
÷
|
|
.
|

\
|
÷
*
!
1
µ
ì
k n >

4.
µ
ì
µ
ì + =
|
|
.
|

\
|
+ = Lq tq Ls
1


5.
( ) ( ) ( )
Po
k k
Po
K
Lq
k k
*
. ! 1
.
*
1 !
.
2 2
ì µ
µ
ì
µ ì
µ
µ
µ
ì
÷ ÷
|
|
.
|

\
|
=
÷
|
|
.
|

\
|
=

6.
ì µ
Ls
tq ts = + =
1

7.
( ) ( ) ì ì µ
µ
ì
µ
Lq
Po
k k
tq
k
=
÷ ÷
|
|
.
|

\
|
= *
. ! 1
2

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

a) Bajo condiciones de estado estable ¿Cuáles son las
características del sistema?
b) Si los clientes se retiran de la caja siempre que
encuentra 3 clientes de ellos en el sistema ¿Cuál 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)
= ì 7 clientes/hr
= µ 10 clientes/hr
*Condición: si el cliente encuentra 3 clientes delante de el se retira.
a) característica del sistema
% 70 1 7 . 0
/ 10
/ 7
1 = < = = = < =
hr clientes
hr clientes
µ
µ
ì
µ (Factor utilización)

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

( ) ì µ µ
ì
÷
=
2
Lq ó
( )
( )
clientes Ls 63 . 1
30
49
7 10 10
7
2
= =
÷
= ÷ µ
utos hrs Ts min 20 33 . 0
3
1
7 10
1 1
= = =
÷
=
÷
=
ì µ


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


% 30 3 . 0
10
7
1 1 = = ÷ = ÷ =
µ
ì
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 condición)
2 1 0 = + = + = = Pn Pn Pn A

( ) µ µ ÷ = = 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 distribución
POISSON y que los tiempos de servicio se
distribuyen en forma exponencial.

a) Calcúlese las características 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)
ì = 0.5 cliente/hora
µ = 1 cliente/hora

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

cliente
hr c
hr c
hr c hr c
hr c
Ls Ls 1
/ 5 . 0
/ 5 . 0
/ 5 . 0 / 1
/ 5 . 0
= =
÷
= =
÷
=
ì µ
ì


( )
( )
clientes Lq 5 . 0
25 . 0
25 . 0
5 . 0 1 1
5 . 0
) (
2 2
= =
÷
=
÷
=
ì µ µ
ì


hrs Ts 2
5 . 0
1
5 . 0 1
1 1
= =
÷
=
÷
=
ì µ


( ) ( )
hr tq 1
5 . 0
5 . 0
5 . 0 1 1
5 . 0
= =
÷
=
÷
=
ì µ µ
ì


% 50 5 . 0
1
5 . 0
1 1 = = ÷ = ÷ =
µ
ì
Po prob. de que no haya clientes en el sistema
b) No. de clientes que se pierde por la condición 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
( ) µ µ ÷ = = 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
distribución 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 más de 6 minutos en promedio en el sistema. Que
tan rápido debe trabajar la computadora para cumplir
con este objetivo.

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

- Condición: el servicio no debe pasar más de 6 min

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

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

 Sistema: gasolinera
 Clientes: vehículos
 Servicio: bombas gasolina
 No. Servicio: 2

ì = 4 mino / vehículo = 15 v / h
µ = 5 min./ vehículo = 12 v / h
k=2

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

(
(
¸
(

¸

(
¸
(

¸

÷
(
¸
(

¸

+
(
(
¸
(

¸

(
¸
(

¸

+
(
¸
(

¸

=
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 = + = + = + =
µ
ì


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


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

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.
µ
La recomendación es de no agregar la tercer bomba,
ya que la infraestructura estaría subutilizada
y este se traduce en pérdidas para la empresa.
Otro Ejemplo
Una Cía. debe tomar una decisión con respecto a
su política de contratar un mecánico para reparar
las maquinas que se descomponen con una tasa
promedio de 4/hr. De acuerdo con una
distribución Poisson. El tiempo improductivo de
cualquiera de las maquinas le cuesta $10/hr., a la
Cía. La empresa puede contratar 2 tipos de
mecánicos distintos: uno lento pero poco costoso
($2.50/hr.,) y el otro rápido pero mas costoso
($4.50/hr.,). El mecánico lento puede reparar
exponencialmente las maquinas con una tasa
promedio de 6/hr., mientras que el mecánico
rápido puede repararlas exponencialmente a
razón de 8 /hr., basándose en los datos
anteriores ¿cuál mecánico debe contratarse?

Ejemplo:

Una Cía. 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/día de 8 hrs., para presentar
reclamaciones en contra de la Cía., el tiempo de
servicio tiene una distribución 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 administración 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) ¿Cuál es el promedio de clientes en la Cia.?
b) ¿Cuanto tiempo en promedio pasa un cliente en el sistema?
c) ¿Cuál es el numero de clientes promedio en linea de espera?
d) ¿Cuánto tiempo espera un cliente antes de que le den el servicio?
e) ¿Cuántas hrs./ semana dedica un empleado al desempeño de su trabajo?
f) ¿Cuál es la probabilidad de que un empleado tenga que esperar a un cliente?
g) ¿Cuál es el numero esperado de empleados desocupados en cualquier momento dado?
Ejemplo:
En un taller mecánico 4 grúas elevadas dan
servicio a cierto numero de maquinas de
producción si todas las grúas están ocupadas y
un mecánico debe esperar servicio el costo de
tiempo de espera es de $4.5/hra. Por otra parte
los gastos de administración de las grúas 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 grúas se
necesitan para mantener el mínimo tanto los
costos de tiempo de espera de los mecánicos
como los gastos generales de administración de
las grúas. Utilice un día de 8 hrs., para los
cálculos.

Ejemplo:
Una Cia. Constructora desea adquirir palas
mecánicas para el llenado de sus camiones
motivo por el cual ha recopilado la sig.
Información 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 razón
de 12.6 camiones /hra., de acuerdo con una
distribución Poisson.


Se incurrirá en un costo fijo de $200 x día por
cuestiones de depreciación y otros conceptos por
c/ pala que se adquiera trabajando diariamente
turnos de 8 horas. Se tendrá un costo extra cada
vez que la pala esté en uso, siendo este de
$50/hra., el salario para cada operador de pala
mecánica es de $ 200/día (8hrs.), el
departamento de contabilidad estima que la Cia.
pierde $ 50 por cada hora que un camión este
esperando sin recibir servicio. La Cia. Tiene
capital para trabajar a lo máximo con 5 palas
mecánicas. El gerente desea saber cual es el
número óptimo de palas con que debe operar la
Cia. Constructora.

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

Por las características 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 varían tanto en su proceso
constructivo como en el equipo e instalaciones
que requieren. Para decidir cual de ellas construir
se ha recabado la siguiente información:

Tabla:

Tipo de Terminal: Costo Fijo Costo Operación Tasa de Servicio:
Día / Tramo: día / Tramo:
I $ 27,000 $ 16,000 2.9 días/barco
II $ 30,000 $ 13,500 2.4 días/barco
III $ 35,000 $ 14,500 2.0 días/barco
Se considera que el servicio se ajusta a una
distribución Exponencial. De datos históricos 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 distribución Poisson. También
se sabe que el tiempo que una embarcación
permanece sin recibir servicio le cuesta a la
empresa $ 50,000 por día por embarcación.

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

NATURALEZA ALEATORlA DE
LAS LLEGADAS
Las llegadas a un sistema de líneas 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 1º de ellas a través
de la tasa de llegadas (# de clientes I unidad de
tiempo) y en la 2º forma se ha recurrido al tiempo
de llegadas.

El procedimiento sugerido para determinar el tipo
de distribución teórica 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 distribución teórica previamente supuesta.
Específicamente la prueba de Ji cuadrada
también 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 hipótesis nula (Ho) que
enuncia el tipo de distribución supuesto así como
sus parámetros. La hipótesis alternativa será
simplemente la negación de la hipótesis nula. La
hipótesis se enunciara a partir de la distribución
de frecuencias y su histograma correspondiente.
Segundo Paso.- Para calcular las frecuencias
esperadas (fe) se utilizara la siguiente expresión:
FE = n * P ( Xi)
Donde;
FE = frecuencias esperadas
n = tamaño de muestra
P (Xi) = probabilidad teórica de la clase "X"

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




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

= es el nivel de significación 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
)
deberá 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 Hipótesis nula y por lo tanto
el promedio obtenido se puede usar como Tasa media de llegadas ( ) ì .

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 será el mismo diagrama del flujo que se
presentó para las llegadas.

El caso mas frecuente que se presenta en la practica es la
distribución exponencial. El objetivo nuevamente será validar a
través de una distribución teórica de probabilidades a esta
nueva variable de tiempo de servicio.

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


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

Paso 2 :
Calcular la distribución de probabilidad acumulada
real a través de la frecuencia relativa acumulada.

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



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

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

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

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

La Simulación consiste en la construcción de
cierto tipo de modelo matemático que describe el
funcionamiento del sistema en términos de
eventos y componentes individuales.

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


Etapas de un Estudio de
Simulación
Definición del Sistema.- Consiste en determinar
la interacción del sistema con otros sistemas, las
variables que interactúan dentro de este y sus
interrelaciones, las medidas de efectividad a usar
y los resultados que se esperan.
Formulación del Modelo.- En la formulación del
modelo es necesario definir todas las variables
que forman parte de él, sus relaciones lógicas y
los diagramas de flujo que describan en forma
completa al modelo.
Colección de Datos.- Consiste en definir con
claridad y exactitud los datos que el modelo va a
requerir para producir los resultados deseados.

Implementación del modelo (en
computadora).- Decidir si se utiliza algún
lenguaje de programación o algún paquete
existente (GPSS, Simula, Simscript).
Validación.- En esta etapa es posible detectar
deficiencias en la formulación del modelo o en los
datos que lo alimentan.
Experimentación.- Consiste en generar
resultados deseados y en realizar análisis de
sensibilidad.
Interpretación.- Es la interpretación de los
resultados que arroja la Simulación y en base a
esto tomar una Decisión.
Documentación.- Consiste en realizar dos tipos
de documentación, una de Técnica y otra para el
Usuario.


Factores a Considerar en el Desarrollo
del Modelo de Simulación
Generación de Variables Aleatorias no
Uniformes.- Se debe contar con un generador
de números uniformes y una función que
transforme estos números en valores de la
distribución de probabilidad deseada. (Normal,
Exponencial, Poisson, etc.).
Lenguajes de Programación.- Aquí se tienen
dos variables alternativas a seguir: Desarrollar el
Software requerido para el Estudio de Simulación
o Seleccionar un Software de entre los varios
paquetes de Simulación.

Condiciones Iniciales.- Usar un tiempo de
Corrida suficientemente grande, Utilizar
Simulación Regenerativa.
Tamaño de la Muestra.- La selección de un
tamaño adecuada del número de corridas,
asegura un nivel de precisión y a la vez minimiza
el costo de operación del modelo.
Diseño de Experimentos.- El diseño de
Experimentos puede ser de varios tipos,
dependiendo de los propósitos específicos que
se hayan planteado.


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

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

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

4. Se puede experimentar con nuevas situaciones sobre las
cuales se tiene poca o ninguna información 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 Simulación no es Precisa, no es un proceso
de optimización.

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

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

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

El método de Montecarlo se usa para resolver
problemas que dependen de la probabilidad, en
los que la experimentación física es impracticable
y donde es imposible la creación de una formula
exacta.

El Método de Montecarlo es una simulación con
técnicas de muestreo, o sea que en vez de
obtener muestras de una población real, se
obtiene de un duplicado teórico de la población
real. Comprende la determinación de la
distribución de probabilidad de la variable de que
se trate, para obtener luego una muestra de esa
distribución mediante números aleatorios.

GENERADORES DE NÚMEROS
SEUDO ALEATORIOS
Método Congruencial Mixto.-

) (
1
C AX X
n n
+ =
+
(Módulo M)

Donde;
n
X Número aleatorio cualquiera, llamado semilla.

A < M
C < M
M Número deseado de valores a generar.
Método Congruencial Multiplicativo.- Idéntico al congruencial mixto,
pero C es igual a cero.
PRUEBAS PARA NÚMEROS
SEUDOALEATORIOS
Prueba de Bondad de un Ajuste.- Comparar frecuencias reales contra
observadas en una distribución de frecuencias de números seudoaleatorios.
0
2 2
X X <

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

1. Se obtiene la media aritmética de los números seudoaleatorios.

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

\
|
÷
=

3. Si
0
Z < Z, entonces se acepta la hipótesis de que los números generados,
provienen de un universo uniforme y se consideran aleatorios. Z se obtiene
de las tablas de una distribución normal y el nivel de significación.
Prueba de Kolmogorov-Smirnov.- La cual
consiste en calcular las desviaciones para cada
intervalo, de la probabilidad acumulada real
contra la teórica, para posteriormente comparar
la desviación máxima con la desviación critica
obtenida de las tablas respectivas.

Si: .,
max crit
D D < se concluye que los números generados provienen de una
distribución uniforme y los números se pueden considerar aleatorios
NÚMEROS 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
CARACTERÍSTICAS QUE
DEBEN CUMPLIR:
1. Ser Uniformemente Distribuidos.
2. Ser Estadísticamente Independientes.
3. Ser Reproducibles en un periodo largo, sin
repetición.
4. Ser Generados a través de un método rápido.

EJEMPLO 1.
Una empresa que se dedica al servicio de
pesado de vehículos actualmente posee una
sola báscula (servidor). El servicio consiste
básicamente en pesar las unidades automotrices,
cobrarles y extender la factura correspondiente.
Un estudio de campo arrojó que el tiempo de
servicio se comporta de acuerdo a una
distribución uniforme con tiempos que van de los
2.0 a los 8.5 minutos. Asimismo, encontró que los
vehículos llegan a razón de 9 vehículos por hora
en promedio, y que dicha tasa de llegadas se
ajusta a una distribución Poisson. Los vehículos
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 líneas 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
distribución 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
distribución normal cuyos parámetros dependen
del tipo de carga y se proporcionan en la
siguiente tabla:

Tipo de carga Tiempo medio ( ) de descarga
(minutos)
Desviación estándar (σ) (minutos)
A 25 4
B 32 5
C 18 3
µ
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 camión.


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

min 3 . 8 = µ y
2 2
(min) 1 . 3 = o
 Se estima que si un cliente llega y encuentra 4
vehículos o mas esperando (antes que el), rehúsa
entrar al sistema. También se ha observado (en
negocios similares) que si permanece en la cola (sin
que lo atiendan) 10 min. o mas entonces abandonara
la Línea de Espera (que es única).
 La posibilidad de que una máquina falle en un día
cualquiera es de 0.05 (y la misma probabilidad para
cada maquina).
 Proponga un # de maquinas (y sus respectivos
operarios) haciendo un análisis y demostrándolo.
 Obtenga todos los generadores.
 Construya un modelo de simulación (como modelo de
Líneas de Espera) que incluya todas las variables y
posibles eventos mencionados en el problema y
simule 20 servicios, y obtenga los parámetros de
salida, tales como: E(tq), E(Ts), ρ, P
ESPERE
, etc.
 Obtenga un intervalo de confianza para E(Tq).