Este documento presenta un diagnóstico inicial de un estudio de caso que propone utilizar tres modelos probabilísticos. El primero es una cadena de Markov para pronosticar el comportamiento futuro de ciertas variables. El segundo es un modelo de línea de espera (M/G/C-FCFS) para analizar el comportamiento de líneas de espera cuando los clientes demandan servicio. Y el tercero es un modelo de programación no lineal estocástico para abordar problemas donde la función objetivo y/o restricciones no son lineales. Cada modelo se justifica y

1. Métodos probabilísticos
Paso 3 - Desarrollar y presentar el diagnóstico y análisis final del estudio de caso
Presentado por:
Alirio Pinzón Díaz
Grupo: 104561_48
Tutor:
Darwin William Barros
Universidad Nacional Abierta y a Distancia – Unad
Ingeniería Industrial
Barrancabermeja
2018

2. Mentefacto Modelos de Colas M/G/C-FCFS

3. Tabla de Diagnóstico inicial del estudio de caso
Tabla de Diagnóstico inicial del estudio de caso
No.
Estrategia
propuesta en
el estudio de
caso
Modelos
probabilísticos
Justificación
Referencia
documental
1 Participación
modelo de
cadena Markov
Por medio de estas cadenas se
pronostica el comportamiento
futuro de ciertas variables en el
presente.
Taibo, A. Investigación
de operaciones para los
no matemáticos (pp.
71-77), México, D.F.,
MX: Instituto
Politécnico Nacional,
2009. Accessed
November 27, 2016.
2 Servicio
modelo de línea de
espera
La teoría de colas es el estudio
matemático del comportamiento
de líneas de espera. Esta se
presenta, cuando los “clientes”
llegan a un “lugar” demandando
un servicio a un “servidor”, el
cual tiene una cierta capacidad
de atención. Si el servidor no
está disponible inmediatamente
y el cliente decide esperar,
entonces se forma la línea de
espera
Ghafour, K., Ramli, R.,
& Zaibidi, N. (2017).
Developing a M/G/C-
FCFS queueing model
with continuous review
(R, Q) inventory system
policy in a cement
industry. Journal of
Intelligent & Fuzzy
Systems, 32(6), 4059-
4068. doi:
10.3233/JIFS-152509
3 Optimización
modelo de
programación no
lineal
estocástico
La programación no lineal surge
cuando la función objetivo y/o
algunas restricciones de un
modelo matemático son no
lineales.
Maroto, Á. C., &
Alcaraz, S. J. (2011).
Introducción a la
investigación operativa
en administración y
dirección de empresas
(pp. 229-239),
Valencia, ES: Editorial
de la Universidad
Politécnica de Valencia.

4. Referencias Bibliográficas
Ghafour, K., Ramli, R., & Zaibidi, N. (2017). Developing a M/G/C-FCFS queueing model
with continuous review (R,Q) inventory system policy in a cement industry. Journal of
Intelligent & Fuzzy Systems, 32(6), 4059-4068. doi: 10.3233/JIFS-152509 Recuperado de
http://bibliotecavirtual.unad.edu.co/login?url=http://search.ebscohost.com/login.aspx?direct
=true&db=buh&AN=123249076&lang=es&site=eds-live
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.
Maroto, Á. C., & Alcaraz, S. J. (2011). Introducción a la investigación operativa en
administración y dirección de empresas (pp. 229-239), Valencia, ES: Editorial de la
Universidad Politécnica de Valencia. Recuperado de:
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?docID=10637751&ppg=
5.
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.