Este documento presenta un diagnóstico inicial de un estudio de caso que evalúa 3 estrategias propuestas. Para cada estrategia se propone un modelo probabilístico y se justifica con una cita de una referencia. Se presenta una tabla con la estrategia, el modelo, la justificación y la referencia en formato APA. Finalmente, se incluye una bibliografía de 5 fuentes.

1. GUÍA DE ACTIVIDADES Y RUBRICA DE EVALUACIÓN - PASO 3 -
DESARROLLAR Y PRESENTAR EL DIAGNÓSTICO Y ANÁLISIS FINAL DEL
ESTUDIO DE CASO
PRESENTADO POR:
JUAN MANUEL CARDONA RODRIGUEZ COD. 1151937582
GRUPO: 104561_66
HECTOR FAVIO PADILLA
Tutor
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA BASICA DE TECNOLOGIA E INGENIERIA
CALI NOVIEMBRE DE 2018

2. DESARROLLO DE LA ACTIVIDAD
1. DiseñartrunMentefactocon temaModelode colas M/ G / CFCFScon una políticade sistemade inventariode revisióncontinua, a partir
del artículo “Developing a M/G/C-FCFS queueing model with continuous review (R,Q) inventory system policy in a cement industry”

3. Tabla Diagnóstico inicial del estudio de caso
No. Estrategia
propuesta en el
estudio de caso
Modelo
probabilístico(requerid
o para plantear,
desarrollar y solucionar
la estrategia)
Justificación
(Cita textual)
Referencia documental
en norma APA (consulte
aquí)
1 Participación
Cadena de markov
Según Taibo, A. (2009). Por medio de las
cadenas de Markov se 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. Estas
se aplican en un gran número de situaciones
como lo son los cambios de preferencia en
el mercado tienen diferentes productos. La
posible decisión de hacer o no una inversión
en cierta oportunidad etc.
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.un
ad.edu.co:2077/lib/unadsp
/reader.action?docID=105
04970&ppg=8.
2 servicio
Línea de espera de para
un solo servidor
Gallagher, C., & Watson,H. (1982).Es
uno de los modelos más antiguos,más
sencillos, y más 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
varía 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
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.un
ad.edu.co:2077/lib/unadsp
/reader.action?docID=104
79349&ppg=8.

4. 3 optimización
Programación
estocástica
La esto casticidad o incertidumbre 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.comillas.e
du/aramos/simio/apuntes/
a_sp.pdf

5. BIBLIOGRAFIA
- 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.
- Palacios, A. L. C. (2009). Dirección estratégica (pp. 134-137), Bogotá, CO: Ecoe
Ediciones. Recuperado de:
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?docID=10515305
&ppg=9.
- 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.
- Arbones, M. E. A. (1990). Logística empresarial (pp. 145-155), Barcelona, ES:
Marcombo. Recuperado de:
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?docID=10337354
&ppg=6.