1. Diseñar trun Mentefacto con tema Modelo de colas M / G / C-FCFS con una política de sistema de inventario de revisión continua, a partir del artículo “Developing a M/G/C-FCFS queueing model with continuous review (R,Q) inventory system policy in a cement industry” de Ghafour, K., Ramli, R., & Zaibidi, N.
1. ACTIVIDADES A DESARROLLAR
1. Diseñar trun Mentefacto con tema Modelo de colas M / G / C-FCFS con una
política de sistema de inventario de revisión continua, a partir del artículo
“Developing a M/G/C-FCFS queueing model with continuous review (R,Q)
inventory systempolicy in a cement industry” de Ghafour, K., Ramli, R., &
Zaibidi, N. que se encuentra en los contenidos temáticos del Syllabus del curso
y fuentes documentales presentadas en la Unidad 2 - Cadenas de Markov,
teoría de colas y programación no lineal, como estrategia de pensamiento
relacionado con la adquisición e integración del conocimiento, teniendo en
cuenta su estructura de clases y representación gráfica: Concepto, 1. Clase
superior, 2. Propiedades, 3. Versiones y/o subclases, 4. Clase excluidas. Utilizar
el programa Cmaptools o cualquier otro, indicar el autor (estudiante) y
guardar el Mentefacto como imagen.
2. MODELO DE COLAS
M/G/C-FCFS CON
UNA POLÍTICA DE
SISTEMA DE
INVENTARIO DE
REVISIÓN CONTINUA
INVESTIGACIÓN DE
OPERACIONES, MÉTODOS
PROBABILÍSTICOS O
MODELOS
PROBABILÍSTICOS.
* Líneas de espera de varios servidores
con disciplina generalPrimeros en llegar
– Primeros en salir.
* Modelo de colas de varios servidores
con disciplina generalPrimeros en llegar
– Primeros en salir.
* Líneas de espera de varios servidores
con disciplina generalPrimeros en llegar
– Primeros en ser servidos.
* Modelo de colas de varios servidores
con disciplina generalPrimeros en llegar
– Primeros en ser servidos.
- Programación lineal.
- Programación entera.
- Modelos de transporte.
- Modelos de redes.
- Programación dinámica.
- Programación de proyectos PERT CPM.
- Técnicas de pronósticos determinísticos.
- Técnicas de pronósticos exponenciales.
- Cadenas de Markov.
- Teoría de decisiones.
- Teoría de juegos.
- Programación no lineal.
SIGNIFICADO
Un sistema de colas se puede
describir como sigue. Un
conjunto de “clientes” llega a un
sistema buscando un servicio,
esperan si este no es inmediato, y
abandonan el sistema una vez
han sido atendidos. En algunos
casos se puede admitir que los
clientes abandonan el sistema si
se cansan de esperar. El término
“cliente” se usa con un sentido
general y no implica que sea un
ser humano, puede significar
piezas esperando su turno para
ser procesadas o una lista de
trabajo esperando para imprimir
en una impresora en red.
TECNICAS O MODELOS APLICACIONES EJEMPLOSCLASIFICACIÓN
*MODELOS DE COLA
SIMPLE
-Sistema M/M/1
-Colas con servidores en
paralelo M/M/C
-Colas con servidores en
paralelo y limite de capacidad
M/M/c/K.
-La fórmula de Erlang
(M/M/C/C).
-Colas sin límites de servidores
(M/M/∞ )
-Colas con límite en la fuente.
-Cuando el servicio depende
del número de clientes
-Colas con impaciencia
-Aproximación a los Problemas
G/G/c
*MODELOS EN SERIE
-“Redes de Jackson abiertas”.
-“Redes de Jackson cerradas”.
-Tiempo
determinado para la
espera de clientes.
-Distribucicón de
probabilidad
-ANOVA
-Kruskal-Wallis
-Motación de
Kendall
-Esquina Noroeste
Clasificación
de sistemas de colas
Llamaremos clientes,
trabajos o tareas a los
que demandan
servicio, y
dependientes,
empleados
o servidores a los que
ofrecen servicio
-Modelo de llegada
de clientes
-Modelo de servicio
-Disciplina de la cola
-Capacidad del
sistema
-Número de canales
de servicio
-Número de estados
de servicio
-Mantenimiento de carros
-Comidas rapidas
-Sucursal bancaria
-Mantenimiento de maquinaria.
-Alquiler de computadores
-Lavado de carros
-Central telefonica
-Cursos online
-Mantenimiento
-Reparaciones electrónicas
-Restaurantes
-Juguetería
3. 2. Identificar y reconocer los modelos probabilísticos para plantear, desarrollar y solucionar la Estrategia de
Participación, mediante la cadena de Markov requerida, la Estrategia de Servicio, mediante el modelo de línea de
espera requerido y la Estrategia de Optimización mediante el modelo de programación lineal requerido, propuestas en
el estudio de caso (consultar Anexo Estudio de Caso), con base en los contenidos temáticos del Syllabus del curso y
Fuentes documentales presentadas en la Unidad 2 - Cadenas de Markov, teoría de colas y programación no lineal para
diligenciar los aspectos solicitados en la tabla Diagnóstico final del estudio de caso. Utilizar el procesador de texto
(Word) y guardar como imagen.
4. TABLA DIAGNÓSTICO INICIAL DEL ESTUDIO DE CASO
No.
Estrategia propuesta en
el estudio de caso
Modelo
Probabilístico
Justificación Referencia Documental
1
PARTICIPACIÓN
Cadena de
Markov
(Tabio,2009) “Por medio de estas cadenas se
pronostica el comportamiento futuro de ciertas
variables. Este pronóstico se hace mediante el
análisis de los cambios que han sufrido dichas
variables en el presente. Por lo tanto, esta técnica
forma parte de la programación dinámica.” (Pág.
71)
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&ppg=8.
2
SERVICIO
Línea de
espera de
para un solo
servidor
Gallagher, C., & Watson, H. (1982) “Este modelo
puede aplicarse a personas esperando en una línea
para comprar boletos para un cine, a mecánicos que
esperan obtener herramientas de un expedio o a
trabajos de computadoras que esperan tiempo de
procesador. Es uno de los modelos mas antiguos,
más sencillos y más comunes de la teorías de
colas.” (Pág. 469)
Gallagher, C., & Watson, H. (1982). Métodos
cuantitativos para la toma de decisiones en
administración (pp. 331-351), México, D.F.,MX:
McGraw-Hill Interamericana. Recuperado de:
http://bibliotecavirtual.unad.edu.co:2077/lib/
unadsp/reader.action?docID=10479349&ppg=8.
3
OPTIMIZACIÓN
Programación
Estocástica
(Tabio,2009) “Recibe el nombre de variable
aleatoria x, aquella variable que toma valores
dependiendo del azar. Estos valores representan el
caso de que acontezca algún suceso. Existen dos
tipos de variables aleatorias, continuas y discretas.
Las variables discretas sólo toman valores definidos
y no pueden tomar un valor intermedio entre dos
consecutivos. Cuando la variable puede tomar
infinidad de valores intermedios entonces se trata de
una variable continua.” (Pág. 34)
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&ppg=8.