PROCESOS ESTOCSTICOS DESCRIPCIN En esta asignatura se tratan los principales aspectos relacionados con la modelacin de la incertidumbre en sistemas productivos.

En particular, se estudia a profundidad el fenmeno de formacin de colas/acumulacin de inventarios bien sea en sistemas de manufactura o en sistemas de servicio con un enfoque eminentemente computacional.

JUSTIFICACIN Comprender el efecto de la variabilidad en el comportamiento de sistemas productivos es fundamental para obtener informacin que permita disear, implementar y controlar de manera efectiva el desempeo de sistemas productivos hipotticos o reales.

OBJETIVOS: 1. Modelar adecuadamente sistemas estocsticos, particularmente sistemas de colas e inventarios, a partir de Cadenas de Markov. 2. Modelar sistemas de inventarios de una y mltiples etapas bajo demanda estocstica. 3. Modelar sistemas de colas de una sola estacin, dependiendo de los supuestos realizados sobre las caractersticas del sistema. 4. Identificar y comprender sistemas estocsticos que puedan ser modelados como Procesos de Cuasi-Nacimiento y Muerte. 5. Modelar sistemas de redes de colas, diferenciando adecuadamente la naturaleza de la red y el comportamiento de la variabilidad en la misma.

RESULTADOS ESPERADOS Al finalizar la asignatura se espera que los estudiantes: Debern estar en capacidad de modelar adecuadamente sistemas estocsticos e implementar algoritmos eficientes que permitan calcular medidas de desempeo de dichos sistemas.

EVALUACIN Examen parcial de nivelacin de conceptos probabilsticas 10% Cinco proyectos de modelacin e implementacin computacional de sistemas estocsticos 60% Examen final 30%

RECURSOS Y ESPACIOS Saln de clases de condiciones normales.

REQUISITOS Optimizacin Avanzada BIBLIOGRAFA RECOMENDADA Sanjay K. Bose, An Introduction to Queueing Systems. Kluwer Academic, 2002. Gross, D., Harris, C. Fundamentals of Queueing Theory. John Wiley & Sons., 1998. Grassman, W. K. Computational Probability. Kluwer Academic, 2000. Kulkarni, V. Modeling and Analysis of Stochastic Systems. Chapman & Hall., 1995. Latouche, G., Ramaswami, V. Introduction to Matrix Analytic Methods in Stochastic Modeling. Society for Industrial and Applied Mathematics, Philadelphia, 1999. Neuts, M. F. Matrix-Geometrix Solutions in Stochastic Models. The John Hopkings University Press., 1995. Serfozo, R. Introduction to Stochastic Networks. New York: Springer-Verlag, 1999. Zipkin, P. Foundations of Inventory Management, McGraw Hill, 2000.

CONTENIDOS
Cadenas de Markov de tiempo discreto y de tiempo

contnuo.
Transformada Z y transformada de Laplace.

Distribuciones de fase.

Sistemas estocsticos de administracin de inventarios

Teora de colas. Modelos Markovianos y aproximaciones. Procesos de Cuasi-Nacimiento y Muerte y Distribucin

Geomtrica Matricial.
Redes estocsticas. Modelos Markovianos y

aproximaciones. TOTAL

METODOLOGA T.P.1 No Presencial Talleres de modelacin e Exposicin magistral por parte 6 implementacin del profesor. computacional. Talleres de modelacin e Exposicin magistral por parte 4 implementacin del profesor. computacional. Talleres de modelacin e Exposicin magistral por parte 6 implementacin del profesor. computacional. Talleres de modelacin e Exposicin magistral por parte 7 implementacin del profesor. computacional. Talleres de modelacin e Exposicin magistral por parte 14 implementacin del profesor. computacional. Talleres de modelacin e Exposicin magistral por parte 4 implementacin del profesor. computacional. Talleres de modelacin e Exposicin magistral por parte 7 implementacin del profesor. computacional. 48 Total horas presenciales y no presenciales: 192 Presencial

T.I.2 18

Cr.

12

18

21

42

12

21 144 4

1 2

Nmero de horas de tiempo presencial Nmero de horas de tiempo independiente (NO presencial)