Paso 3: Modelar y Simular sistemas industriales, con base en teoría de colas

Modelos y simulación

Yhon Freddy Gómez – 1.112.958.043

Yessica Alejandra Cárdenas – 1.114.820.358
Duver Andrés Ávila - 94.524.351
Elvis Alberto Muñoz - 6.390.144
Cristhian Camilo Zapata - 1017174394

Grupo – 212026_19

Tutor
Gustavo Andrés Araque

Universidad Nacional Abierta y a Distancia – UNAD

Escuela de Ciencias Básicas, Tecnología e Ingeniería
CEAD Palmira
Mayo de 2019
INTRODUCCION
 JUSTIFICACION

El siguiente trabajo se realiza con el fin de que cada uno de los futuros profesionales aprendan
a construir y usar modelos que respondan a la realidad operativa de las organizaciones en
sistemas productivos o de servicio, procesos logísticos o manufactura donde aplique,
comprendiendo e interpretando de forma oportuna y acertada su aplicabilidad, utilizando cada
una de las herramientas dadas en el entorno de conocimiento.

Sin lugar a dudas en la actualidad los implementos tecnológicos están transformando los
diferentes mercados, industrias, empresas y demás, puesto que día a día surgen elementos que
permiten realizar las labores de manera más eficaz y eficiente, es así como el curso de modelos y
simulación se constituye como una herramientas necesaria en la formación como ingenieros, ya
que a partir de cada uno de los conceptos, teorías y estrategias que permiten responder a la
realidad operativa de las organizaciones en sistemas productivos o de servicios, procesos
logísticos o manufactura donde se desee aplicar.
 OBJETIVOS

Objetivo general
Identificar en qué consiste la teoría de colas, también llamada líneas de espera, determinando
las medidas de desempeño de sistema acorde a sus características y empleándola como
herramienta para la toma de decisiones.

Objetivos específicos

 Conocer en que consiste el problema de simulación.

 Determinar la forma en que se debe construir un modelo de simulación.
 Determinar las características principales en un modelo de simulación
 ESQUEMA DE TRABAJO

Caracterización del problema: El estudiante desarrolla el “Taller Modelos de Colas y

Simulación”.

1- Investigar en diferentes fuentes establecidas en el syllabus orientado a la unidad 3. Las

etapas de la simulación y hacer una descripción de cada una de estas.
Etapas de la simulación
Formulación del problema y planificación del estudio: Las especificaciones de objetivos es
una de las tareas más importantes de un proyecto de simulación. Si los objetivos no son claros o
son pocos concretos, existe el peligro de ser incapaz de responder a las expectativas generadas,
en consecuencia, en necesario en la fase inicial del cualquier proyecto de simulación saber
identificar los objetivos para los cuales se ha optado por el uso de las técnicas de simulación y
formalizarlos de forma que sean precisos, razonables, comprensibles y medibles.
Diseño del modelo conceptual: Cuando los objetivos de un proyecto ya son reconocidos,
existe la tentación de iniciar la construcción del modelo de simulación y esto sucede
inmediatamente. A lo que lleva a la obtención de modelos de simulación con múltiples lagunas
y de difícil mantenimiento. Por lo cual se sugiere formular o especificar el modelo de
simulación empleando un nivel de abstracción (modelo conceptual) superior al del propio
código.
El modelo especifica las relaciones estructurales más importantes del sistema que se intenta
simular a lo que constituye un medio de diálogo y de coordinación entre los distintos
departamentos o grupos involucrados. También corresponde a esta etapa especificar qué
resultados o estadísticas esperamos obtener del modelo de simulación para así responder a las
preguntas formuladas en la definición de objetivos. Al especificar los resultados, se detecta a
menudo qué partes del modelo pueden ser simplificadas o eliminadas dado que no contribuyen a
responder a dichas preguntas

Recogida y tratamiento de los datos: En esta etapa se recomienda cuestionar siempre toda la
información y los datos disponibles. ¿Cuál es la fuente?, ¿cuándo se obtuvo?, ¿cómo fue
recogida?, ¿tiene ésta sentido?, ¿tenemos insuficientes datos o son excesivos? Para la obtención
de buenos resultados. Es indispensable disponer de unos buenos datos. Desafortunadamente, en
muchos casos no se dispone de ellos. Aun así, se requiere una respuesta a las preguntas
planteadas y es necesario efectuar hipótesis razonables en colaboración con el usuario final. Si
los datos son limitados o su calidad es dudosa es conveniente ser prudente a la hora de extraer
conclusiones sobre la base de los resultados de la simulación. Aun en los casos en los que hay
problemas con los datos, el conocimiento adquirido y los resultados obtenidos en el estudio de
simulación aportan información valiosa para la toma de decisiones.
Construcción del modelo: En muchos proyectos de simulación el esfuerzo se concentra más
en la construcción del modelo que en la resolución del problema. En esta misma línea, la
obtención de un modelo ejecutable se convierte erróneamente en un objetivo prioritario. La
motivación dominante debería ser la comprensión del problema y la obtención de soluciones.
Para avanzar más rápidamente en la consecución de estos objetivos, es recomendable construir
en primer lugar uno o varios modelos simplificados que caractericen las partes más esenciales
del sistema de interés. En el apéndice B se muestran de manera informal técnicas para construir
el modelo de simulación a partir de las redes de Petri.
Verificación y validación: En los procesos judiciales se presupone que los encausados son
inocentes hasta que no se demuestra su culpabilidad. Bien al contrario, en el campo de la
simulación, la experiencia recomienda suponer que todo modelo es incorrecto excepto que se
demuestre lo contrario. Los esfuerzos en dotar a los actuales simuladores de potentes
herramientas para facilitar su uso curiosamente han contribuido a uno de los principales peligros
de la simulación: “Olvidarse del mundo real y aceptar sin reparos los resultados del modelo”.
Para tener una garantía razonable de que el modelo de simulación representa la realidad, y como
consecuencia, tomar decisiones estratégicas u operacionales basándose en los resultados, es
absolutamente necesario verificar y validar antes el modelo de simulación.
La verificación consiste en comprobar que el modelo se ejecuta correctamente y según las
especificaciones (modelo conceptual). La validación consiste en comprobar que las teorías,
hipótesis de trabajo así como suposiciones, son correctas. Si el proceso todavía no existe, es
necesario contrastar los resultados con expertos del proceso de interés para comprobar si el
modelo se comporta tal como ellos esperan. Los conceptos presentados en los capítulos 4 y 5, así
como el resto de la información presentada en este libro, pueden facilitar el proceso de
verificación y validación del modelo de simulación.
 Análisis: Experimenta con el modelo con el objetivo de efectuar inferencias que permitan
tomar decisiones con mayor seguridad. En esta etapa se emplean a menudo técnicas analíticas
como la reducción de la variancia o el diseño de experimentos.
En general, el valor añadido más importante de un estudio de simulación no son los resultados
finales obtenidos con el modelo. El resultado más valioso es el conocimiento adquirido en el
proceso de análisis que permite aportar argumentos cualitativos y/o cuantitativos justificados a
favor o en contra de las diferentes opciones de diseño planteadas.
Documentación: Es fundamental mantener un documento al día que refleje el estado del
proyecto. Por tanto, el documento evolucionará y se enriquecerá en paralelo con el proyecto de
simulación.
Los objetivos perseguidos con la documentación son:
 Reflejar el estado del proyecto en un momento dado. Lo cual, todo el personal técnico
o directivo que está relacionado con el proyecto tiene información al día sobre su
progreso.
 Informar sobre todo el proyecto (documento final).
 Facilitar la reutilización del modelo en los casos en los que se prevé un posible interés
en su uso futuro.
Se sugiere recoger en los informes la siguiente información: introducción, objetivos,
hipótesis, descripción física del sistema, descripción del modelo, análisis de los experimentos
efectuados y conclusiones.
Implementación: Es la toma decisiones como consecuencia del estudio de simulación. Un
proyecto de simulación no tiene éxito si ha justificado técnica y económicamente una mejora o
cambio que no ha sido posteriormente implementado. Para que las recomendaciones sean tenidas
en cuenta es necesario que el modelo sea creíble. No es suficiente que el modelo sea válido. Si
no también imprescindible que los responsables de la toma de decisiones estén convencidos de
su validez.

2- Establecer un listado de 1000 números aleatorios en una columna, ordenarlas de menor a

mayor graficarla. Establecer otras tres columnas con los mismos números hacerles un
tratamiento según fórmula para comportamiento NORMAL, EXPONENCIAL Y
UNIFORME graficar cada columna.
Numero Aleatorio Normal Exponencial Uniforme MEDIA 2038
3 7,14542E-05 -2238,97184 11994 DESVIACION EST. 1142,37527
5 7,16773E-05 -3280,03447 19988
10 7,22371E-05 -4692,66842 39973 LIMITE INFERIOR 3
16 7,29128E-05 -5650,53582 63955 LIMITE SUPERIOR 4000
25 7,39343E-05 -6560,06893 99928
30 7,4506E-05 -6931,64026 119913
31 7,46207E-05 -6998,46592 123910
33 7,48505E-05 -7125,88241 131904
35 7,50807E-05 -7245,79935 139898
37 7,53114E-05 -7359,05071 147892
38 7,5427E-05 -7413,40059 151889
45 7,62391E-05 -7757,97815 179868
50 7,68227E-05 -7972,70289 199853
56 7,7527E-05 -8203,66675 223835
62 7,82356E-05 -8411,09988 247817
64 7,84728E-05 -8475,80372 255811
67 7,88294E-05 -8569,16356 267802
75 7,97857E-05 -8799,04078 299778
76 7,99058E-05 -8826,03455 303775
78 8,01463E-05 -8878,97259 311769
84 8,08707E-05 -9030,00464 335751
86 8,11131E-05 -9077,95979 343745
91 8,17212E-05 -9193,13167 363730
101 8,29464E-05 -9405,61561 403700
102 8,30696E-05 -9425,69459 407697
108 8,38111E-05 -9542,18344 431679
112 8,43079E-05 -9616,3007 447667
123 8,56837E-05 -9807,23172 491634
123 8,56837E-05 -9807,23172 491634
124 8,58095E-05 -9823,73383 495631
127 8,61876E-05 -9872,45328 507622
128 8,63139E-05 -9888,43768 511619
128 8,63139E-05 -9888,43768 511619
128 8,63139E-05 -9888,43768 511619
129 8,64403E-05 -9904,29768 515616
152 8,93799E-05 -10238,6685 607547 …

3957 8,51817E-05 -16881,2461 15816132

3968 8,38111E-05 -16886,9036 15860099
3974 8,30696E-05 -16889,9829 15884081
4000 7,99058E-05 -16903,2732 15988003
4000 7,99058E-05 -16903,2732 15988003
 Grafico normal

Grafico exponencial
 Grafico uniforme

3- Desarrollar el siguiente caso estableciendo una simulación en Excel:

Se desea simular la llegada y descarga de barcos en un muelle para determinar el número

promedio de barcos que se retrasan para ser descargados al siguiente día, los datos para realizar
la simulación son los siguientes:
A- Modelo de simulación de 30 días de operación incluyendo grafico de estabilidad.

Barcos que Barcos que

Probabilid
llegan por DE A llegan por
ad
día día
0 15% 0 0,15 0
1 18% 0,15 0,33 1
2 14% 0,33 0,47 2
3 21% 0,47 0,68 3
4 18% 0,68 0,86 4
5 14% 0,86 1,00 5

Barcos Barcos
descargados Probabilidad DE A descargad
por día os por día
1 7% 0 0,07 1
2 13% 0,07 0,20 2
3 45% 0,20 0,65 3
4 22% 0,65 0,87 4
5 13% 0,87 1,00 5

Estadisticos
Promedio 1,40
Desviacion
1,63
Estandar
 Barcos
Cantidad Barcos Barcos Total de Cantidad de
Numero Numero pendientes
DIA Barcos dia que llegan descargados barcos a barcos
Aleatorio Aleatorio del siguiente
anterior por día por día descargar descargados
dia

1 0 0,17895923 1 0,57154428 3 1 1 0
2 0 0,292755899 1 0,9824663 5 1 1 0
3 0 0,123287275 0 0,4892304 3 0 0 0
4 0 0,203071959 1 0,43027335 3 1 1 0
5 0 0,243555333 1 0,72210614 4 1 1 0
6 0 0,916300367 5 0,43589769 3 5 3 2
7 2 0,807853239 4 0,46949478 3 6 3 3
8 3 0,572431423 3 0,67942061 4 6 4 2
9 2 0,73493849 4 0,08403439 2 6 2 4
10 4 0,112107795 0 0,17191804 2 4 2 2
11 2 0,896780525 5 0,51168674 3 7 3 4
12 4 0,452936614 2 0,24229036 3 6 3 3
13 3 0,314169876 1 0,133943 2 4 2 2
14 2 0,145423229 0 0,13110076 2 2 2 0
15 0 0,036973834 0 0,30075395 3 0 0 0
16 0 0,742194145 4 0,50701725 3 4 3 1
17 1 0,154776328 1 0,30148923 3 2 2 0
18 0 0,330187179 2 0,77532264 4 2 2 0
19 0 0,14505568 0 0,87080838 5 0 0 0
20 0 0,115293426 0 0,61030536 3 0 0 0
21 0 0,626863673 3 0,42823407 3 3 3 0
22 0 0,225100341 1 0,54535246 3 1 1 0
23 0 0,337420443 2 0,48069643 3 2 2 0
24 0 0,871535271 5 0,14805438 2 5 2 3
25 3 0,504622756 3 0,5242129 3 6 3 3
26 3 0,945707728 5 0,58975204 3 8 3 5
27 5 0,657896045 3 0,81280797 4 8 4 4
28 4 0,459467578 2 0,64576844 3 6 3 3
29 3 0,560315449 3 0,97701109 5 6 5 1
30 1 0,321369836 1 0,47269681 3 2 2 0
 Variable
Aleatoria de
"Barcos
pendientes
del
siguiente
dia"
0
0
0
0
0
0
1
1
1
1
2
2
2
2 CONCLUSION: Se define que con 30
1 corridas no es sufuciente para que
1 este estable.
1
1
1
1
1
1
1
1
1
1
1
1
1
1
B- Calculo del número de corridas necesarias para estabilizar la variable de interés.

Estadisticos
Promedio 0,56 CONCLUSION: Se observa en la gráfica que los datos tienen un
Desviacion Longitud
0,51 de 10,24 comportamiento no normal; por lo tanto la lontigitud de la corrida se
Est.
Variable Corrida debe realizar con la ecuacion de la no Normalidad.
Aleatoria de
"Barcos
pendientes
del siguiente
dia"
0
0
0
0
0
0
0
0
0
0
0
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
2
2
C- Adecuar según el caso el modelo del punto A.

Barcos que Barcos que

Probabilid
llegan por DE A llegan por
ad
día día
0 15% - 0,15 0
1 18% 0,15 0,33 1
2 14% 0,33 0,47 2
3 21% 0,47 0,68 3
4 18% 0,68 0,86 4
5 14% 0,86 1,00 5

Barcos Barcos
descargados Probabilidad DE A descargad
por día os por día
1 7% - 0,07 1
2 13% 0,07 0,20 2
3 45% 0,20 0,65 3
4 22% 0,65 0,87 4
5 13% 0,87 1,00 5

Promedio 0,57
Desviacion Est. 1,07
 Barcos
Cantidad Barcos Barcos Total de Cantidad de
Numero Numero pendientes
DIA Barcos dia que llegan descargados barcos a barcos
Aleatorio Aleatorio del siguiente
anterior por día por día descargar descargados
dia

1 0 0,346598929 2 0,96864822 5 2 2 0
2 0 0,280188275 1 0,8430816 4 1 1 0
3 0 0,046135657 0 0,68326682 4 0 0 0
4 0 0,775719592 4 0,84818235 4 4 4 0
5 0 0,258266772 1 0,71287915 4 1 1 0
6 0 0,26560844 1 0,5772232 3 1 1 0
7 0 0,987559156 5 0,01808022 1 5 1 4
8 4 0,90317465 5 0,98087895 5 9 5 4
9 4 0,369579828 2 0,76865555 4 6 4 2
10 2 0,078372273 0 0,49252102 3 2 2 0
11 0 0,881712997 5 0,87676936 5 5 5 0
12 0 0,703639254 4 0,73567645 4 4 4 0
13 0 0,406723963 2 0,18229761 2 2 2 0
14 0 0,815830289 4 0,5848072 3 4 3 1
15 1 0,278057023 1 0,30620303 3 2 2 0
16 0 0,991819205 5 0,79341927 4 5 4 1
17 1 0,440480787 2 0,11398773 2 3 2 1
18 1 0,248757324 1 0,60052543 3 2 2 0
19 0 0,833793344 4 0,53380245 3 4 3 1
20 1 0,570145478 3 0,73565529 4 4 4 0
21 0 0,017153914 0 0,8793536 5 0 0 0
22 0 0,979475229 5 0,93650073 5 5 5 0
23 0 0,417369948 2 0,79380126 4 2 2 0
24 0 0,469154688 2 0,33037326 3 2 2 0
25 0 0,663777333 3 0,97260378 5 3 3 0
26 0 0,827956956 4 0,31790294 3 4 3 1
27 1 0,337682689 2 0,17990894 2 3 2 1
28 1 0,58859423 3 0,8947204 5 4 4 0
29 0 0,908612928 5 0,72842266 4 5 4 1
30 1 0,502726093 3 0,94224903 5 4 4 0
31 0 0,735581077 4 0,04071995 1 4 1 3
32 3 0,43959659 2 0,79431909 4 5 4 1
33 1 0,792181583 4 0,57796266 3 5 3 2
34 2 0,915816703 5 0,53066811 3 7 3 4
35 4 0,666692231 3 0,73674558 4 7 4 3
36 3 0,431800438 2 0,19929834 2 5 2 3
37 3 0,395610792 2 0,73817184 4 5 4 1
38 1 0,668007573 3 0,78634198 4 4 4 0
39 0 0,754879475 4 0,29007445 3 4 3 1
40 1 0,228848139 1 0,85514289 4 2 2 0
41 0 0,070981156 0 0,69448778 4 0 0 0
42 0 0,073043984 0 0,34086149 3 0 0 0
43 0 0,793273432 4 0,55071392 3 4 3 1
44 1 0,005470406 0 0,79276742 4 1 1 0
45 0 0,71553651 4 0,96464449 5 4 4 0
46 0 0,042765151 0 0,9090118 5 0 0 0
47 0 0,767124255 4 0,64694631 3 4 3 1
48 1 0,809548614 4 0,08364365 2 5 2 3
49 3 0,220252901 1 0,5953081 3 4 3 1
50 1 0,880293808 5 0,13158748 2 6 2 4
51 4 0,295430106 1 0,39459395 3 5 3 2
52 2 0,707883985 4 0,42269892 3 6 3 3
53 3 0,761492696 4 0,03950138 1 7 1 6
54 6 0,435118207 2 0,62744543 3 8 3 5
55 5 0,778524362 4 0,28658639 3 9 3 6
56 6 0,249699083 1 0,51637419 3 7 3 4
57 4 0,760949402 4 0,3989258 3 8 3 5
58 5 0,200270871 1 0,08885817 2 6 2 4
59 4 0,952527655 5 0,08114758 2 9 2 7
60 7 0,249078501 1 0,70336521 4 8 4 4
61 4 0,371282845 2 0,27596544 3 6 3 3
62 3 0,401777687 2 0,12776884 2 5 2 3
63 3 0,803622937 4 0,47383927 3 7 3 4
64 4 0,295036419 1 0,26322211 3 5 3 2
65 2 0,868839215 5 0,84041004 4 7 4 3
66 3 0,193189509 1 0,75607209 4 4 4 0
67 0 0,14831517 0 0,57490735 3 0 0 0
68 0 0,041882475 0 0,28732494 3 0 0 0
69 0 0,565782417 3 0,56851927 3 3 3 0
70 0 0,953504263 5 0,40761026 3 5 3 2
71 2 0,909878279 5 0,26021901 3 7 3 4
72 4 0,440660287 2 0,77543307 4 6 4 2
73 2 0,578751517 3 0,46289324 3 5 3 2
74 2 0,465328986 2 0,88940036 5 4 4 0
75 0 0,193614478 1 0,47043141 3 1 1 0
76 0 0,929013674 5 0,62754952 3 5 3 2
77 2 0,557437449 3 0,10381877 2 5 2 3
78 3 0,700382446 4 0,94775512 5 7 5 2
79 2 0,045954424 0 0,76740959 4 2 2 0
80 0 0,648716932 3 0,20662111 3 3 3 0
81 0 0,084309048 0 0,92623106 5 0 0 0
82 0 0,802871573 4 0,01079267 1 4 1 3
83 3 0,271297721 1 0,90657002 5 4 4 0
84 0 0,267340803 1 0,64699321 3 1 1 0
85 0 0,605916075 3 0,11509592 2 3 2 1
86 1 0,184847218 1 0,71440301 4 2 2 0
87 0 0,673726538 3 0,93704206 5 3 3 0
88 0 0,418990736 2 0,72640935 4 2 2 0
89 0 0,083822219 0 0,60073668 3 0 0 0
90 0 0,677273126 3 0,51090576 3 3 3 0
91 0 0,848209361 4 0,32876182 3 4 3 1
92 1 0,523141889 3 0,95218984 5 4 4 0
93 0 0,129967609 0 0,60313326 3 0 0 0
94 0 0,624918201 3 0,14997965 2 3 2 1
95 1 0,729438977 4 0,73490674 4 5 4 1
96 1 0,480024736 3 0,31203886 3 4 3 1
97 1 0,265563604 1 0,47001239 3 2 2 0
98 0 0,949530265 5 0,99925345 5 5 5 0
99 0 0,646640183 3 0,65202841 4 3 3 0
100 0 0,474199983 3 0,80848661 4 3 3 0
 Variable 1
Aleatoria de 1
"Barcos 1
pendientes 1
del
1
siguiente
1
dia"
0 1
0 1
0 1
0 2
0 2
0
2
1
2
1
1 2
1 2
1 2
1 2
1 2
1
2
1
1
2
1 2
1 2
1 2
1 2
1 2
1
2
1
1
2
1 2
1 2
1 2
1 2
1
Conclusion: La grafica nos indica que los 100 dias son
2
1
2 suficientes para normalizar el descargue de los barcos
1
1 2 pendientes. Y adicional por capacidad de descargue por dia
1 1 simpre se cumpliridad con la tottalidda de descargue de los
1 1
1 1
barcos al finalizar el dia 30
1 1
1 1
1
1
1
1 1
1 1
1 1
1 1
1 1
1
1
1
1
1
1 1
1 1
1 1
D- Generar 10 corridas del modelo y calcular el intervalo de confianza.

Promedio 1,49 2,07 1,65 1,25 1,79 1,04 0,35 0,40 0,38 0,50
Desviacion Est. 0,82 0,93 0,91 0,51 0,39 0,39 0,14 0,15 0,28 0,18
# CORRIDA 1 CORRIDA 2 CORRIDA 3 CORRIDA 4 CORRIDA 5 CORRIDA 6 CORRIDA 7 CORRIDA 8 CORRIDA 9 CORRIDA 10
1 0 1 2 0 3 0 0 0 0 0
2 0 2 1 1 3 0 1 0 0 0
3 0 3 1 1 2 0 0 0 0 0
4 0 4 1 1 2 1 0 1 0 0
5 0 4 0 0 2 1 0 0 0 1
6 1 4 1 1 2 2 0 0 0 1
7 1 4 1 1 2 1 0 0 0 1
8 2 4 1 1 2 1 0 0 0 1
9 2 3 1 1 2 1 0 0 0 1
10 3 3 1 1 2 1 0 0 0 1
11 3 3 1 2 2 1 0 1 0 1
12 3 2 1 2 2 1 0 1 0 1
13 2 2 1 2 2 1 0 0 0 0
14 2 2 1 2 2 1 0 0 0 1
15 2 2 1 2 2 1 0 0 0 1
16 2 2 1 2 2 1 0 0 0 1
17 2 2 2 2 2 1 0 0 0 1
18 2 2 2 2 2 1 0 0 0 1
19 2 2 2 2 2 1 0 1 0 1
20 2 2 2 2 2 1 0 1 0 1
21 2 1 2 1 1 1 0 1 0 1
22 2 1 3 1 2 1 1 1 0 1
23 1 1 3 1 2 1 1 0 1 0
24 1 1 3 1 2 1 1 0 1 0
25 1 1 3 1 1 1 0 0 1 0
26 1 1 3 1 1 1 0 0 1 0
27 1 1 3 2 2 1 0 0 1 0
28 1 1 3 2 2 1 1 0 1 0
29 1 1 3 2 2 1 0 0 1 0
30 1 1 3 2 2 1 0 0 1 1

Promedios
1,491877814
2,065788926
1,649294517
1,252898532
1,790923665
1,038751893
0,346197436
0,403446803
0,377214417
0,498303401

Intervalo de
(0,81-1,49)
confianza
Limite
0,81
Inferior
Limite
1,49
Superior
Alfa 0,10
Confianza 90%
Promedio 1,51
Desviacion Est. 0,29
Variable
Aleatoria de
"Barcos
pendientes
del siguiente
dia"
2
2
2
1
1
1
1
1
1
2
1
2 = 1,145825213
2
2 S= 0,652318987
2
2 r= 10
2 (tα∕2, r-1)= 1,65
2
2
2
2
2
2 CONCLUSION: En la gráfica se observa una estabidad donde se
2 concluye que esta bajo un supuesto de normalidad , y el intervalo
2 de confianza se encuentra en el rango de 0,81 a 1,49.
1
1
1
1
1
 CONCLUSIONES

La simulación se utiliza en una amplia variedad de empresas, para ayudar a la gerencia a

tomar decisiones. Casi todas las empresas tienen problemas de planificación y la simulación
puede ayudar a resolverlos. Se utiliza más frecuentemente para ayudar a la gerencia en los casos
en que el problema no se presta a soluciones rutinarias
En ciertos casos se prepara el modelo sin que exista una situación real en la que basarlo, como
en el caso del proyecto de una nueva empresa. Entonces, los datos de salida deben compararse
con el comportamiento previsto para la nueva empresa.
El desarrollo teórico de modelos y simulación ha hecho posible utilizar métodos que pueden
calcular algunas variables con resultados muy aproximados a datos empíricos.
 BIBLIOGRAFIA
Guasch, A., Piera, M. À., & Casanovas, J. (2002). Modelado y simulación: aplicación a
procesos logísticos de fabricación y servicios. Madrid, ES: Universitat Politècnica de Catalunya.
Disponible en la Biblioteca Virtual de la UNAD (pp.6-21)|. Recuperado de:
https://bibliotecavirtual.unad.edu.co:2538/lib/unadsp/reader.action?ppg=32&docID=4310046&t
m=1544037403797

Díaz de Santos, (2006). Cómo mejorar la logística de su empresa mediante la simulación,

Ediciones. ProQuest Ebook Central, Disponible en la Biblioteca Virtual de la UNAD (pp.35-73).
Recuperado de:
https://bibliotecavirtual.unad.edu.co:2538/lib/unadsp/reader.action?ppg=52&docID=3220054&t
m=1544037773402

Singer, M. (2013). Una práctica teoría de la optimización lineal: datos, modelos y decisiones.
Santiago, Chile: Ediciones UC. Disponible en la Biblioteca Virtual de la UNAD (pp.3-69).
Recuperado de:
http://bibliotecavirtual.unad.edu.co/login?url=https://bibliotecavirtual.unad.edu.co:2969/login.as
px?direct=true&db=nlebk&AN=1725244&lang=es&site=ehost-live&ebv=EB&ppid=pp_3

Rodriguez, Diego. (04,12,2018). Modelos y Simulación. [Archivo de video]. Recuperado de

http://hdl.handle.net/10596/22524

Banks J., Carson J.S., Nelson B.L, 1996, “Discrete-Event System Simulation. Second
disponible en https://www.econ.unicen.edu.ar/attachments/1051_TecnicasIISimulacion.pdf