Академический Документы
Профессиональный Документы
Культура Документы
ii
Contenido
Introduccin
Nmeros pseudoaleatorios
Caractersticas de los nmeros pseudoaleatorios
Generacin de los nmeros pseudoaleatorios
Algoritmo de cuadrados medios
Algoritmo de productos medios
Algoritmo congruencial mixto
Algoritmo congruencial multiplicativo
Pruebas estadsticas de aleatoriedad
Prueba de los promedios
Prueba de las frecuencias
Prueba del pker
Prueba de Kolmogorov-Smirnov
Ejercicios propuestos
Introduccin
Tipos de variables aleatorias
Variables aleatorias discretas
Variables aleatorias continuas
Identificacin del tipo de distribucin las variables aleatorias
Ejemplos utilizando la prueba de chi-cuadrada y Kolmogorov-Smirnov
Identificacin del tipo de distribucin de probabilidad utilizando un lenguaje
especfico de simulacin
Ajuste de curvas a tendencia lineal para distribuciones empricas continuas
Generacin de variables aleatorias.
Ejemplos de obtencin de generador de variables aleatorias a travs de mtodos
manuales
Ejercicios propuestos
2
4
7
8
9
10
11
13
15
16
16
17
17
17
19
26
30
30
31
31
32
33
33
34
35
38
41
43
45
48
48
48
49
51
51
61
66
68
70
79
iii
Anexos
84
84
85
85
87
87
105
105
116
119
119
127
133
144
184
185
192
192
194
237
240
Bibliografa
241
iv
Largo es el camino de la enseanza por medio de teoras; breve y eficaz por medio de ejemplos.
Sneca
Introduccin
Una de las caractersticas principales de l os tiempos actuales es la incertidumbre, generada
mayormente por la globalizacin; las empresas buscan constantemente posicionarse y generar
utilidades. Sin embargo las polticas de l comercio nacional e i nternacional, la creciente
competencia, la bsqueda para ganar nuevos espacios y otras variables, obligan a las
organizaciones a d ar una respuesta rpida a l os retos que surgen da a da para que estas
progresen y sean exitosas financieramente. La bsqueda de alternativas y toma de decisiones es
de suma importancia sobre todo en los niveles medio o altos de las empresas que es dnde los
ingenieros industriales tienen principalmente su mbito de aplicacin.
Existen muchas tcnicas emanadas de la estadstica y las matemticas para la toma de
decisiones tal como la programacin lineal, pronsticos o modelos de inventarios; dichas tcnicas
generalmente son tiles en un determinado punto del tiempo. Cuando se desea tomar una decisin
dinmica sin arriesgar la sanidad financiera generada por la experimentacin a prueba y error o por
actuar basados en la intuicin sin considerar la solidez o solvencia estadstica, se pueden
experimentar los diversos escenarios para tratar de t omar la mejor decisin utilizando la
simulacin.
La simulacin es una tcnica de experimentacin en que se usan modelos lgico-matemticos
utilizando (principalmente) recursos informticos como un s oftware de propsito especfico
diseado para tal fin, aunque si se tiene la habilidad para programar en software de uso general
tambin es viable hacerlo.
Este texto acadmico sobre simulacin de sistemas discretos tiene un enfoque eminentemente
prctico y est basado principalmente en el programa de la materia de Simulacin de la carrera de
Ingeniera Industrial del Sistema Nacional de Institutos Tecnolgicos.
La obra est compuesta por cinco captulos ordenados en secuencia lgica para que se
asimilen los conceptos y se finaliza con el desarrollo de un proyecto prctico donde se puede ver la
utilidad de la simulacin como una herramienta muy poderosa del ingeniero industrial para la toma
de decisiones.
Capitulo 1:
Introduccin a la simulacin de
eventos discretos
Pgina 2
Figura 1.1
Pgina 3
Pgina 4
La simulacin puede utilizarse en cualquier tipo de sistema productor de bienes y/o servicios, pero
especficamente en el rea de ingeniera industrial pueden considerarse los siguientes usos:
Anlisis de cuellos de botella (para determinar la capacidad y el nmero de maquinas).
Balanceo de lneas (equilibrar la produccin de c ada lnea considerando maquinaria y mano de
obra).
Lneas de espera (nmero de servidores en un proceso de atencin al cliente).
Planeacin de la capacidad.
Programacin de la produccin.
Programacin de los recursos.
Programacin del mantenimiento, etc.
Para la realizacin de un modelo es necesario familiarizarse con los trminos ms utilizados para
construir los modelos:
Sistema: se entiende como el c onjunto de elementos que se interrelacionan para lograr un
objetivo en comn. Para la simulacin, se puede decir que un s istema contiene diversos
elementos, los cuales definen el qu, quin, dnde, cundo, por qu y cmo.
Entidades: Representacin de los flujos de entrada a un sistema (clientes, piezas, ventas por da,
etc.).
Eventos (actividades): Cambio en el estado actual del sistema (entrada o salida de una entidad,
finalizacin de un proceso en un equipo, etc.).
Locaciones: Lugares en los que se realiza una actividad a una entidad o puede esperar para que
se le realice (mquinas, bandas transportadoras, estaciones de inspeccin, etc.).
Recursos: Son aquellos dispositivos (diferentes a l as locaciones) necesarios para llevar a c abo
una operacin. Por ejemplo: montacargas, personas, camiones, etc.
Atributos: Es una caracterstica de una entidad, es una manera de clasificar las entidades. Por
ejemplo si los clientes se clasifican en hom bres o mujeres, tipo de pieza, tipo de pr oducto o
servicio, si el cliente acude directamente a la empresa o llama por telfono, etc.
Reloj de Simulacin: Es el contador de tiempo de l a simulacin. Siempre hay un i nicio y un fin
cronolgico.
Pgina 5
Cliente
Aleatorio
tiempo entre
llegadas
Tiempo
entre
llegadas
(min)
Tiempo
medido de
llegadas
Aleatorio
tiempo de
servicio
Tiempo de
servicio
(min)
Hora de
Inicio de
servicio
0.2569
0.7892
0.5874
0.4565
13
0.9863
10
0.3214
13
21
0.0047
11
0.9874
21
22
0.4236
15
0.7543
22
26
Hora de fin
de servicio
Tabla 1.3
Pgina 6
Recepcin de
materia prima
Fresadora
Torno
enviar a salida
en banda
transportadora
Mover con
operador
Salida y
embarque
Figura 1.4
Ejemplo de un modelo grfico utilizando ProModel:
Figura 1.5
Pgina 7
La simulacin no deja de ser una estimacin del sistema real, por lo que el muestreo de las
variables de entrada del modelo debe ser justificado estadsticamente.
Se puede requerir mucho tiempo para hacer un buen estudio de simulacin.
Se requiere dominar algn software especfico de simulacin.
La simulacin no pr oporciona una solucin ptima como otras herramientas de an lisis, solo
muestra lo que puede suceder y queda bajo la responsabilidad del analista elegir la mejor
alternativa para la mejora de algn proceso.
Preparacin del
proyecto
Experimentacin
y evaluacin de
alternativas
Anlisis de
resultados
Definicin del
sistema
Desarrollo del
modelo conceptual o
esquemtico
Recoleccin y
anlisis de datos
Recomendaciones
finales
Figura 1.6
Pgina 8
El hecho de que haya restricciones no quiere decir que no se pueda realizar el proyecto, esto
significa que debe considerarse la manera de subsanar o compensar dicha restriccin.
b) Determinar el objetivo general y especfico del modelo. La simulacin es necesaria porque se
estara buscando solucin a algn problema que podra presentarse en el proceso de produccin,
en el caso del objetivo general, puede ser: Desarrollar un modelo de simulacin de la
empresa especficamente en el sistema de para detectar las mejoras posibles a realizar,
y plantear acciones que mejoren su desempeo.
En el caso de los objetivos especficos, algunos ejemplos podran ser:
Si se est considerando un sistema de servicio tal como el de un cajero en un banco, puede ser un
problema determinar cuntos cajeros se van a necesitar durante un da pico (como el de pago de
quincena) aqu el objetivo especfico sera: Determinar el nmero de cajeros ptimo para que
el cliente no pase ms de 10 minutos en fila durante un da pico.
En el caso de un proceso de manufactura podra ser un objetivo: Determinar el porcentaje de
tiempo ocioso en la operacin del torno as como el nmero de piezas producidas.
Considerando el caso de una empresa que vende gasolina: Determinar el nmero de bombas
de gasolina adecuado para que no estn ms del 30% del tiempo ociosas durante el turno
vespertino.
c) Preparacin de las especificaciones de la simulacin.
Debe analizarse previamente a la realizacin del modelo lo siguiente:
El alcance del modelo. Es decir que parte del sistema se desea simular, ya que cada sistema
est integrado a la vez por subsistemas, puede analizarse de manera modular o integral, claro que
entre ms amplio sea el sistema mayor ser la complejidad del modelo. Por ejemplo en un aut o
baos puede simularse solamente el rea de lavado y secado sin considerar a las dems etapas
del proceso, o si es necesario desde que llegan los clientes hasta que se les proporciona el
servicio y abandonan el sistema, depende del objetivo del modelo.
Nivel de detalle. Este punto es muy importante ya que le proporciona al modelo el parecido con el
sistema real, entre mas detalles se deseen incorporar, mayor ser la cantidad de v ariables de
entrada al modelo que posteriormente tendrn que muestrearse. Generalmente se comete el error
de querer incorporar ciertas actividades que no agregan valor al modelo como por ejemplo simular
considerando fallos en la energa elctrica o ciertos vicios metodolgicos que desarrollan los
Pgina 9
a) Determinar los principales subsistemas y reas fsicas que integran el sistema analizado. En
b)
c)
d)
e)
este caso, se pretende determinar las principales reas productivas que integran el sistema
considerado, es una b uena opcin describir brevemente cual es la razn de ser de cada
departamento o rea (incluir croquis de distribucin de planta).
Determinar los diferentes tipos de servicios y/o productos que se realizan en el sistema.
Enumerar todos los productos y/o servicios que proporciona la empresa.
Establecer diagramas de anlisis de procesos general y particular para cada uno de los
bienes/servicios producidos.
Determinar los horarios y das de trabajo regulares as como los horarios y das de que
sern sujetos de estudio.
Determine los datos requeridos. Este se refiere a que t ipo de informacin se puede necesitar
para realizar el estudio. Algunas preguntas que ayudan a determinar estos pueden ser:
f) Determine la fuente apropiada de los datos. Buenas fuentes de obtencin de datos del sistema
pueden ser las siguientes:
Diagramas de flujo.
Estudio de tiempos.
Observacin directa.
Tiempos estndar predeterminados.
Registros internos.
Pronsticos del mercado.
Reportes de mantenimiento.
Registros de produccin.
Experiencia del personal de piso.
Comparaciones con operaciones similares.
Tickets de compra, etc.
g) Haga supuestos donde sea necesario. Es necesario realizar supuestos cuando se est
experimentando en el modelo que representa la realidad del sistema, hasta obtener los resultados
deseados o alcanzar el objetivo planteado.
Pgina 10
Pgina 11
Lotes de 20 piezas
Materia prima
Almacn de Materia Prima
Tiempo de
traslado entre
operaciones = 1
Materia prima
Cortadora
(Tiempo de operacin)
Pieza en proceso
Torno
(Tiempo de operacin)
Pieza en proceso
Fresadora
(Tiempo de operacin)
Producto terminado
Exit
Figura 1.7
b) Determinar las variables de entrada del modelo. Estas se deben determinar de acuerdo a la
informacin que se espera obtener del sistema que se desea modelar, pueden considerarse como
ejemplos para el caso de sistemas de servicios :
el cual es un pr oceso de
Pgina 12
HORA
LLEGADA
FACTURACION
Tabla 1.8
b) Convierta los datos de entrada en una forma conveniente para su uso. Los datos raramente
estn listos para ser usados tal y como se encuentran. Generalmente se tiene que hacer un
anlisis estadstico en ellos para determinar sus parmetros y as poder usarlos correctamente,
estos deben ser agrupados para simplificar su anlisis y de esta manera determinar su
comportamiento en el sistema, en es te caso se hace uso de la estadstica descriptiva
especficamente en la construccin de d istribuciones de f recuencia e hi stogramas para poder
apreciar la tendencia grfica de las variables.
Para proporcionar un ejemplo de lo mencionado anteriormente, suponga que en la siguiente tabla
1.9 se tomaron los siguientes datos:
Pgina 13
Bombas
HORA DE INICIO:
08:00
VEHICULO
HORA
LLEGADA
1
2
3
4
5
6
7
8
9
10
08:03
08:05
08:12
08:17
08:22
08:30
08:33
08:40
08:45
08:48
TIPO DE
COMBUSTIBLE
GASOLINA
DIESEL
FECHA:
HORA
TERMINO:
BOMBA
1
Ricardo Prez
TIPO DE VEHICULO
2
REALIZO:
Tabla 1.9
CH
MED
GDE
FACTURACION
Si
Si
Si
Si
Si
Si
Si
No
Si
No
Los datos muestreados como se muestran en la tabla anterior no se pueden aplicar directamente
en la elaboracin del modelo, por lo que se deben convertir para poder utilizarlos, si se est
considerando la variable: Tiempo entre llegadas entonces los datos muestreados fueron: 3, 2, 7, 5, 5,
8, 3, 7, 5, y 3 minutos entre la llegada de un auto al otro al sistema. Si la hora de inicio de toma de
datos empez a las 8:00 y el primer auto lleg a las 8:03 pasaron tres minutos, el segundo auto lleg a
las 8:05 pasaron dos minutos desde la llegada del auto anterior y as sucesivamente. Es importante
sealar que el periodo de muestreo y el tamao de la muestra debe ser representativo, pueden
muestrearse turnos, das, semanas, etc. segn se considere en el impacto que debe tener el periodo
en el modelo a representar.
Posteriormente debe realizarse el proceso de construccin de una distribucin de frecuencias para
observar cual puede ser la distribucin terica a la cual pueden ajustarse los datos (ver tabla 1.10 y
grfico 1.11):
Intervalo
Frecuencia
Observada
1 X 5
5 < X 10
10 < X 15
15 < X 20
20 < X 25
5
12
20
10
3
Tabla 1.10
Pgina 14
Histograma
Frecuencia
20
20
15
10
5
0
12
10
3
2
Clases
Grfico 1.11
Enseguida se procede a realizar un ajuste de los datos a distribuciones de probabilidad
tericas. Los datos recolectados debern ajustarse a una d istribucin de probabilidad (terica o
emprica) de tal manera que pueda describir el comportamiento de la variable que se analiza, se utiliza
generalmente el proceso de pruebas de hiptesis de estadstica inferencial.
Por lo general todo software de uso especfico de simulacin como ProModel, traen incluidos una
herramienta estadstica muy til para determinar el tipo de distribucin de las variables de entrada del
modelo.
1.4.5 Desarrollo del modelo en lenguaje especfico de simulacin
Se debe manejar algn lenguaje especfico de s imulacin o s i se domina algn lenguaje
informtico de pr opsito general para realizar el modelo. En general hoy en da los lenguajes de
simulacin son amigables y con entornos grficos como el que se muestra en la figura 1.12:
Figura 1.12
Pgina 15
Pgina 16
Hora de
Inicio de
servicio
Hora de
Llegada
Hora de
Salida
Wq
W
Wq = Tiempo en la fila
Wq = Hora de inicio de servicio Hora de Llegada
W= Tiempo en el sistema
W = Hora de salida Hora de llegada
Figura 1.13
Pgina 17
Figura 1.14
Figura 1.15
Pgina 18
Figura 1.15
Es muy comn que dentro de un sistema productivo existan combinaciones de los modelos tpicos
de lneas de espera dependiendo del tipo de actividad o proceso realizado.
Pgina 19
Tiempo
entre
Llegadas
Hora
de
Llegada
Tiempo
de
Operacin
Hora
de
inicio
Hora
de
Terminacin
1
2
3
4
5
6
7
8
9
10
5
5
5
5
5
5
5
5
5
5
5
10
15
20
25
30
35
40
45
50
7
7
7
7
7
7
7
7
7
7
5
12
19
26
33
40
47
54
61
68
12
19
26
33
40
47
54
61
68
75
Piezas
Tiempo
Ocioso
del
operador
5
5
Tiempo
en el
Sistema
Tiempo
en
Fila
7
9
11
13
15
17
19
21
23
25
160
2
4
6
8
10
12
14
16
18
90
Tabla 1.17
Recurdese que:
el tiempo en el sistema (W) = la hora de terminacin la hora de llegada
el tiempo en la fila (Wq) = hora de inicio hora de terminacin.
Respuesta a los incisos:
=
a) Tiempo promedio en el sistema:
=
b) Tiempo promedio en la fila:
90
10
160
10
= 16
= 90
75
= 0.06 = 6.6%
Es lgico que se est generando un cuello de botella, ya que las piezas llegan cada 5 minutos y el
tiempo de operacin es de 7 minutos, en esta corrida de tamao diez se puede apreciar cmo se va
incrementando tanto el tiempo en el sistema como el tiempo en la fila.
Para el inciso d, la matriz quedara de la siguiente manera (ver tabla 1.18):
Operador 1
Grupo
de
Piezas
1
Tiempo
Entre
llegadas
5
Hora
De
Llegada
5
Tiempo
De
operacin
7
Hora
De
inicio
5
Hora
De
Termino
12
10
15
15
22
Operador 2
Piezas
Hora
De
inicio
-
Hora
De
Termino
-
10
17
Tiempo
ocioso
Tiempo
ocioso
Wq
10
20
20
27
25
25
32
30
30
37
35
35
42
40
40
47
45
45
52
10
50
50
57
22
22
70
Tabla 1.18
Pgina 20
10
70
10
= 7
= 0
22
57
22
57
= 0.3859 = 38.59%
= 0.3859 = 38.59%
Evaluando las dos alternativas tenemos el resumen que se muestra en la tabla 1.19:
Alternativa
%
Ocioso
promedio
1 operador
16 minutos
9 minutos
6.6%
2 operadores
7 minutos
0 minutos
38.59%
Tabla 1.19
Qu se puede concluir de la tabla anterior?, depende el objetivo que se tenga planteado, si lo que
se desea es optimizar el tiempo de operacin del operador sin importar los niveles de produccin, solo
reducir costos de mano de obra, entonces se recomienda un solo servidor.
Por otra parte si se tuvieran compromisos de produccin y lo que se desea es producir volmenes
ms elevados entonces se recomendaran dos operadores.
2. Considere un sistema de formacin de colas de un solo canal (lnea de espera) tal como el de un
servidor de comida rpida (McDonalds), y se quiere simular la hora pico de llegadas en el rea de
cajas, suponga por simplicidad que el tiempo entre llegadas de l os clientes vara e ntre 1 a 5
minutos y que el tiempo de servicio del cajero es de 3 a 7 minutos por cada cliente, estos tiempos
son distribuidos de manera uniforme. Suponga que el gerente no desea que los clientes duren ms
de 5 m inutos haciendo fila en l a caja, Cuntos servidores son necesarios? Con base en u na
corrida de tamao 10 clientes primeramente conteste lo siguiente:
a) Cul es el tiempo promedio en el sistema que permanece cada cliente?
b) Cul es el tiempo promedio en la fila que permanece cada cliente? Es suficiente con un
servidor?
c) Cul es el porcentaje de tiempo ocioso del servidor?
d) Realice el ejercicio anterior con dos servidores y comente.
Solucin:
La diferencia fundamental entre el ejemplo 1 y el 2 es que en es te ltimo las llegadas no s on
constantes, lo que le proporciona un efecto aleatorio al modelo el cual se entiende como el parecido
con la realidad del sistema real con el que se desea representar. Una forma aleatoria de representar
las llegadas por ejemplo es utilizando el mtodo del sombrero, el cual consiste en escribir los minutos
uno en cada pedazo de papel, doblarlos y sacarlos aleatoriamente de un recipiente con reposicin
para asignarlos a cada cliente que entra al sistema. Pero como no siempre es factible este mtodo se
puede entonces imitar utilizando los nmeros aleatorios que sabemos estn ubicados en el rango 01 y utilizando el concepto probabilstico de que la suma de l as probabilidades de c ada posible
resultado para un experimento dado siempre es 1(probabilidad acumulada), se puede entonces
Pgina 21
Probabilidad
1
2
3
4
5
1/5
1/5
1/5
1/5
1/5
Probabilidad
acumulada
0.20
0.40
0.60
0.80
1.00
Clases
0.00 Rnd 0.20
0.20 < Rnd 0.40
0.40 < Rnd 0.60
0.60 < Rnd 0.80
0.80 < Rnd 1.00
Tabla 1.20
Generador para el tiempo de servicios
Valor
Probabilidad
3
4
5
6
7
1/5
1/5
1/5
1/5
1/5
Probabilidad
acumulada
0.20
0.40
0.60
0.80
1.00
Clases
0.00 Rnd 0.20
0.20 < Rnd 0.40
0.40 < Rnd 0.60
0.60 < Rnd 0.80
0.80 < Rnd 1.00
Tabla 1.21
Corrida tamao 10 llegadas (ver tabla 1.22):
Servidor
Cliente
1
2
3
4
5
6
7
8
9
10
Rnd
Tiempo
entre
Llegadas
0.563
0.966
0.232
0.354
0.151
0.495
0.385
0.857
0.717
0.509
Tiempo
entre
Llegadas
Hora
de
Llegada
3
5
2
2
1
3
2
5
4
3
3
8
10
12
13
16
18
23
27
30
Rnd
Tiempo
De
Servicio
0.721
0.598
0.755
0.367
0.441
0.154
0.555
0.786
0.097
0.237
Cliente
Tiempo
de
Servicio
Hora
de
inicio
Hora
de
Salida
Tiempo
Ocioso
Tiempo
en el
Sistema
Tiempo
en
Fila
6
5
6
4
5
3
5
6
3
4
3
9
14
20
24
29
32
37
43
46
9
14
20
24
29
32
37
43
46
50
3
3
6
6
10
12
16
16
19
20
19
20
144
1
4
8
11
13
14
14
16
16
97
Tabla 1.22
=
a) Tiempo promedio en el sistema:
=
b) Tiempo promedio en la fila:
97
10
144
10
= 14.4
50
= 0.06 = 6%
Pgina 22
Rnd
0.466
0.739
0.019
0.442
0.185
0.256
0.899
0.682
0.693
0.953
Tiempo
entre
Lleg.
3
4
1
3
1
2
5
4
4
5
Hora
De
Lleg.
3
7
8
11
12
14
19
23
27
32
Rnd
0.934
0.497
0.438
0.084
0.932
0.449
0.343
0.903
0.773
0.794
Tiempo
de
Serv.
7
5
5
3
7
5
4
7
6
6
Hora
de
inicio
3
10
15
23
32
Hora
de
Salida
10
15
22
30
38
Servidor 2
Tiempo
ocioso
3
1
2
6
Hora
de
inicio
7
12
15
20
27
-
Hora
de
Salida
12
15
20
24
33
-
Cliente
Tiempo
ocioso
Wq
7
3
5
15
7
5
7
4
10
6
5
7
6
6
63
2
1
3
1
1
8
Tabla 1.23
=
a) Tiempo promedio en el sistema:
=
b) Tiempo promedio en la fila:
gerente,
63
10
10
= 6.3
38
15
38
= 0.1578 = 15.78%
= 0.3947 = 39.47%
El porcentaje promedio de tiempo ocioso es: 27.63%. En la siguiente tabla 1.24 se puede ver una
comparativa de las dos alternativas:
Alternativa
%
Ocioso
promedio
1 Servidor
14.4 minutos
9.7 minutos
6%
2 Servidores
6 minutos
0.8 1 minuto
27.63%
Tabla 1.24
Lgicamente el tiempo ocioso promedio se increment, pero el objetivo principal era que los
clientes no permanecieran ms de 5 minutos en fila y con dos servidores se cumple ampliamente.
3. Suponga que una empresa est considerando el lanzamiento de un nuevo producto para nios, se
sabe que los costos fijos sern de $20,000 durante el primer trimestre del ao y que el precio de
venta debe ser de $5 pesos por unidad (esto por razones competitivas). La empresa quiere por lo
menos alcanzar el punto de equilibrio en el primer trimestre de ventas. Existe incertidumbre en
cuanto a l os costos variables y a l a demanda del producto se refiere, es por eso que s e desea
evaluar que puede suceder. Las mejores estimaciones son que los costos variables estarn entre
$2.0 y $2.9 pesos por unidad con incrementos de 0.10 pesos. Se piensa que la demanda depende
de la reaccin de los competidores, si reaccionan rpidamente el primer trimestre se espera que
las ventas sean de 8,000, 9,000 y 10,000 unidades. Si no hay reaccin rpida las ventas pueden
llegar a 10,000, 11,000 y 12,000, la empresa percibe que existen un 50% de posibilidades de que
sus competidores reaccionen rpidamente. La ad ministracin desea seguir adelante con el
producto.
Pgina 23
Probabilidad
0.50
0.50
Probabilidad
Acumulada
0.50
1.00
Clases
0.00 Rnd 0.50
0.50 < Rnd 1.00
Tabla 1.25
Generador para la Demanda con Reaccin Rpida
Demanda
Probabilidad
8,000
9,000
10,000
1/3
1/3
1/3
Probabilidad
Acumulada
0.3333
0.6666
1.0000
Clases
0.0000 Rnd 0.3333
0.3333 < Rnd 0.6666
0.6666 < Rnd 1.0000
Tabla 1.26
Generador para la Demanda con Reaccin Lenta
Demanda
Probabilidad
10,000
11,000
12,000
1/3
1/3
1/3
Probabilidad
Acumulada
0.3333
0.6666
1.0000
Clases
0.0000 Rnd 0.3333
0.3333 < Rnd 0.6666
0.6666 < Rnd 1.0000
Tabla 1.27
Pgina 24
Probabilidad
Acumulada
0.10
0.20
0.30
0.40
0.50
0.60
0.70
0.80
0.90
1.00
Probabilidad
0.10
0.10
0.10
0.10
0.10
0.10
0.10
0.10
0.10
0.10
Clases
0.00 Rnd 0.10
0.10 < Rnd 0.20
0.20 < Rnd 0.30
0.30 Rnd 0.40
0.40 < Rnd 0.50
0.50 < Rnd 0.60
0.60 Rnd 0.70
0.70 < Rnd 0.80
0.80 < Rnd 0.90
0.90 < Rnd 1.00
Tabla 1.28
Si se dan 10 corridas de tamao 1 semestre el modelo quedara de la siguiente manera:
Egresos
Trimestre
Rnd
Reaccin
Reaccin
Rnd
demanda
Demanda
Rnd
Costo
variable
Costo
variable
($)
Ingresos
Por
Ventas
($5.0 u)
1
2
3
4
5
6
7
8
9
10
0.267
0.494
0.379
0.734
0.895
0.586
0.490
0.271
0.982
0.588
Rpida
Rpida
Rpida
Lenta
Lenta
Lenta
Rpida
Rpida
Lenta
Lenta
0.636
0.524
0.072
0.664
0.282
0.486
0.181
0.163
0.757
0.416
9,000
9,000
8,000
11,000
10,000
11,000
8,000
8,000
12,000
11,000
0.499
0.569
0.106
0.454
0.442
0.998
0.867
0.961
0.113
0.620
2.40
2.50
2.10
2.40
2.40
2.90
2.80
2.90
2.10
2.60
45,000
45,000
40,000
55,000
50,000
55,000
40,000
40,000
60,000
55,000
Costo
Fijo
Costo
Variable
Utilidad
20,000
20,000
20,000
20,000
20,000
20,000
20,000
20,000
20,000
20,000
21,600
22,500
16,800
26,400
24,000
31,900
22,400
23,200
25,200
28,600
3,400
2,500
3,200
8,600
6,000
3,100
-2,400
-3,200
14,800
6,400
Tabla 1.29
De acuerdo a la simulacin anterior existe un 80% de posibilidades de lograr por lo menos el punto
de equilibrio, lo que es alentador para la empresa siempre y cuando los datos de entrada sean
confiables.
Se puede considerar otro indicador como la utilidad promedio, incluso hacer un anlisis de
sensibilidad evaluando con diferentes precios de venta para verificar hasta que tanto se puede reducir
este y seguir obteniendo utilidades, pero eso depende de la profundidad del anlisis y del tiempo con
que se disponga para tomar la decisin ms adecuada.
Pgina 25
a)
b)
c)
d)
No. de Autos
Rentados
Frecuencia
Observada
No. Das
Rentados
Frecuencia
Observada
0
1
2
3
4
15
25
45
10
5
1
2
3
4
40
35
15
10
4. La panadera la Trinidad satisface la demanda del da con pan recin horneado. El pan se produce
en lotes de docenas de panes, cada pan tiene un costo de pr oduccin de $2 Suponga que l a
demanda diaria total de pan tambin se presenta en mltiplos de 12. Los datos muestran que la
demanda vara de 36 a 96 panes diarios. Un pan se vende a $4 y si sobra pan al final del da, este
se vende a una cocina de beneficencia a un precio de recuperacin $1 cada pan. Si la demanda es
mayor que la oferta, suponemos un c osto por ganancia prdida. Los registros de l a panadera
Pgina 26
a)
b)
c)
d)
Alta
0.15
0.10
0.25
0.30
0.10
0.10
Media
0.10
0.20
0.30
0.25
0.10
0.05
Baja
0.15
0.25
0.35
0.15
0.05
0.05
Pgina 27
Captulo 2:
Nmeros pseudoaleatorios
Pgina 29
() =
01
Pgina 30
1 = ( ) ()
=
() =
() = =
1 1
= 0
=
10
Figura 2.1
2
2
=2
2 =
2 =
2 =
( )2 =
1
0 2
1
4
1 1 1
1
+ =
3 2 4 12
3
3
1 2
2
2
2
1
4
12
Pgina 31
X1 = 5353
r1 = 0.5353
Y1 = 5353 = 28654609
X2 = 6546
r2 = 0.6546
Y2 = 6546 = 42850116
X3 = 8501
r3 = 0.8501
Y3 = 8501 = 72267001
X4 = 2670
r4 = 0.2670
Y4 = 2670 = 7128900
X5 = 2890
r5 = 0.2890
Tabla 2.2
2.3.2 Algoritmo de productos medios
Este es otro algoritmo no congruencial y la mecnica es similar al anterior. La diferencia radica
en que el algoritmo de productos medios requiere dos semillas, ambas con d dgitos y en lugar de
elevarlas al cuadrado, se multiplican y del producto se seleccionan los d dgitos del centro. Los
pasos son como se enumeran a continuacin:
1.
2.
3.
4.
Nota: Si no es posible obtener los d dgitos del centro del nmero Yi se pueden tomar los d dgitos
cargados un dgito hacia la derecha o hacia la izquierda.
Ejemplo 2.2
Generar los primeros 5 nmeros ri de 4 dgitos (d) a partir de las semillas X0=9638 y X1=8527, ver
tabla 2.3:
Y0= (9638)(8527)= 82183226
X2= 1832
r1= 0.1832
X3= 6214
r2= 0.6214
X4= 3840
r3= 0.3840
X5= 8617
r4= 0.8617
X6= 0892
r5= 0.0892
X7= 6863
r6= 0.6863
Tabla 2.3
Pgina 32
Divisin
27/8 = 3 + 3/8
Xi
X1= 3
Nmero Aleatorio
r1= 3/8 = 0.375
X2 =( (5)(3) + 7) mod 8
22/8 = 2 + 6/8
X2= 6
X3 = ((5)(6)+ 7) mod 8
37/8 = 4 + 5/8
X3= 5
X4 = ((5)(5) + 7) mod 8
32/8 = 4 + 0/8
X4= 0
X5 =((5)(0) + 7) mod 8
7/8 = 0 + 7/8
X5= 7
X6 =((5)(7) + 7) mod 8
42/8 = 5 + 2/8
X6= 2
X7 =((5)(2) + 7) mod 8
17/8 = 2 + 1/8
X7= 1
X8 =((5)(1) + 7) mod 8
12/8 = 1 + 4/8
X6= 4
Tabla 2.4
2.3.4 Algoritmo congruencial multiplicativo
Este mtodo es muy similar al anterior salvo por la constante aditiva que en este caso no s e
considera. La relacin de recurrencia es:
Xn+1 = (aXn) mod m
Donde:
X0 = Semilla
a = Factor multiplicador
m = magnitud del mdulo
Los requisitos mnimos que estos parmetros deben satisfacer son: X0, a, m 0; enteros y m >a y
m >X0.
Pgina 33
Divisin
Xi
Nmero Aleatorio
153/100 = 1 + 53/100
X1= 53
159/100 = 1 + 59/100
X2= 59
177/100 = 1 + 77/100
X3= 77
231/100 = 2 + 31/100
X4= 31
93/100 = 0 + 93/100
X5= 93
279/100 = 2 + 79/100
X6= 79
237/100 = 2 + 37/100
X7= 37
111/100 = 1 + 11/100
X6= 11
Tabla 2.5
rea de rechazo
/2
1-
rea de no
rechazo
rea de rechazo
/2
Figura 2.6
Pgina 34
Ejemplo:
Existe suficiente evidencia para decir que los nmeros se distribuyen uniformemente ya
que Zc < Z/2 considerando n = 100 y = 0.05
2.4.1 Prueba de los promedios
Esta prueba est basada en la media de los nmeros aleatorios y esencialmente consiste en
comparar la media de una muestra de tamao n contra la media de toda la poblacin de nmeros
que puedan generarse (cuando n tiende a ): .
( 0.5)
1
12
0.7143
0.1394
0.4826
0.0643
0.2974
0.5657
0.0449
0.1126
0.1528
0.2971
0.0361
0.1374
0.0773
0.9052
0.5155
0.2244
0.7542
0.7263
0.0721
0.4579
Tabla 2.7
0.7344
0.3697
0.3395
0.2530
0.9851
0.5658
0.2415
0.3207
0.7062
0.3276
Pgina 35
Solucin:
1. H0: = 0.5
H1: 0.5
2. Calcular la de los n nmeros generados: =
3. Estadstico de prueba:
= 0.42913
(0.42913 0.5)
1
12
(40)1/2 = 1.55
a) = 0.01
rea de rechazo
0.99
rea de no
rechazo
0.005
- 2.575
rea de rechazo
0.005
+ 2.575
ZC = - 1.55
5. Decisin: Como ZC < Z/2 entonces no rechazar H0
6. Conclusin:
Existe suficiente evidencia para decir que los nmeros aleatorios se distribuyen
uniformemente considerando n=40 y =0.01
Pgina 36
rea de rechazo
0.95
rea de rechazo
rea de no
rechazo
0.025
- 1.96
0.025
+ 1.96
ZC = - 1.55
5. Decisin: Como ZC < Z/2 entonces no rechazar H0
6. Conclusin:
Existe suficiente evidencia para decir que los nmeros aleatorios se distribuyen uniformemente
considerando n=40 y =0.05
c) = 0.10
rea de rechazo
0.90
rea de no
rechazo
0.05
- 1.96
rea de rechazo
0.05
+ 1.96
ZC = - 1.55
5. Decisin: Como ZC < Z/2 entonces no rechazar H0
6. Conclusin. Existe suficiente evidencia para decir que los nmeros aleatorios se distribuyen
uniformemente considerando n=40 y =0.10
Conclusin general:
Como la hiptesis nula no se rechaza con ninguno de los tres valores de , entonces se trata de
una prueba altamente significativa para decir que los nmeros se distribuyen uniformemente
considerando n=40.
Pgina 37
=
=1
( )2
7. Determinar las regiones de rechazo y no r echazo para los valores de considerados (por
omisin =0.05)
8. Tomar la decisin.
9. Concluir.
Ejemplo 2.6
Aplicar la prueba de l as frecuencias a los 50 nmeros que se muestran en la tabla 2.8 de abajo
considerando a) k=5 y b) k=10:
0.5290
0.2233
0.1970
0.2388
0.9071
0.3778
0.8825
0.3359
0.2851
0.8442
0.9508
0.1331
0.7999
0.8879
0.4665
0.6973
0.9306
0.2044
0.0011
0.6809
0.7302
0.7271
0.2793
0.7263
0.8564
0.2126
0.9246
0.5873
0.9680
0.7273
Tabla 2.8
0.4182
0.9921
0.2572
0.9925
0.4825
0.7262
0.7890
0.3982
0.8493
0.1561
0.8247
0.9552
0.1057
0.3879
0.9250
0.9357
0.2406
0.1455
0.7545
0.6818
Solucin:
a) k = 5
1. H0: Los nmeros se distribuyen uniformemente.
H1: Los nmeros no se distribuyen uniformemente
2. K=5
3. FE= 50/5 = 10
4. AC= 1/5 = 0.2
Pgina 38
FO
FE
FO-FE
0 r 0.2
0.2 < r 0.4
0.4 < r 0.6
0.6 < r 0.8
0.8 < r 1.0
6
12
5
11
16
50
10
10
10
10
10
50
-4
2
-5
1
6
(FO-FE)
Tabla 2.9
16
4
25
1
36
=
( )
1.6
0.4
2.5
0.1
3.6
8.2
6. Para obtener el valor de tablas, es necesario primero calcular los grados de libertad:
V = k-1, y el valor de = 0.05
V = 5 1 = 4 grados de libertad,
2
,2 = 4,0.05
= 9.49
1-
0.95
= 0.05
2 =8.2
9.49
K=10
FE= 50/10 = 5
AC= 1/10 = 0.1
Calculo de 2 : ver tabla 2.10
Pgina 39
FO
0.0 r 0.1
0.1 < r 0.2
0.2 < r 0.3
0.3 < r 0.4
0.4 < r 0.5
0.5 < r 0.6
0.6 < r 0.7
0.7 < r 0.8
0.8 < r 0.9
0.9 < r 1.0
1
5
8
4
3
2
3
8
6
10
50
FO-FE
(FO-FE)
10
-4
16
( )
10
0.4
10
-5
25
2.5
10
0.1
1
5
1
25
=
0.2
5.0
9.8
FE
6
12
5
11
5
5
5
5
5
5
5
5
5
5
50
Tabla 2.10
1.6
Nota: una condicin de la prueba de bondad y ajuste es que debe existir un nmero mnimo de
observaciones por celda (5) es por esto que se tienen que agrupar los valores de celda que sean
menores de 5 con el valor de celda inmediato superior o inferior segn sea el caso. Tambin se
pueden agrupar varias celdas menores de 5 par a sumar entre todas 5 o un v alor mayor. Por
supuesto que esto modifica tambin el clculo de los grados de libertad.
6. Para obtener el valor de tablas, es necesario primero calcular los grados de libertad: V = k-1, y
el valor de = 0.05. En este caso quedan 6 clases una vez que se agruparon los valores de las
celdas menores a 5.
2
V = 6 1 = 5 grados de libertad, ,2 = 5,0.05
= 11.07
1-
0.95
= 0.05
2 =9.8
11.07
Pgina 40
Jugadas
(x)
Todos diferentes
Un par
Dos pares
Tercia
Full
Pker
Quintilla
Tabla 2.11
6. Determinar las regiones de rechazo y no r echazo para los valores de considerados (por
omisin =0.05)
7. Tomar la decisin.
8. Concluir.
Ejemplo 2.7
Aplicar la prueba del pker a los 100 nmeros que se muestran a continuacin en la tabla 2.12:
0.80772
0.17791
0.13522
0.33942
0.51952
0.56367
0.30992
0.53029
0.32886
0.22031
0.99704
0.37347
0.56938
0.72269
0.23036
0.36737
0.64306
0.06359
0.48597
0.93187
0.10688
0.58583
0.32024
0.07030
0.84387
0.56090
0.14836
0.59700
0.76514
0.38088
0.94045
0.52118
0.81727
0.88695
0.39582
0.27950
0.90993
0.04543
0.33388
0.13548
0.21890
0.44946
0.99206
0.10144
0.09683
0.96107
0.78364
0.63935
0.10515
0.21707
0.24923
0.29121
0.31590
0.48642
0.36869
0.40785
0.85366
0.91186
0.38562
0.81903
0.65589
0.70207
0.03764
0.80680
0.33174
0.57563
0.66228
0.60460
0.36740
0.67429
0.66905
0.05462
0.24422
0.74264
0.31128
0.81286
0.26439
0.28189
0.54555
0.98381
0.37665
0.24623
0.46671
0.82446
0.26924
0.75091
0.04372
0.33886
0.81618
0.75224
0.94338
0.31334
0.86353
0.42163
0.30297
0.21871
0.28123
0.01430
0.55963
0.22901
Tabla 2.12
Pgina 41
Probabilidad
f(x)
0.3024
0.5040
0.1080
0.0720
0.0090
0.0045
0.0001
1
FO
FE
FO-FE
(FO-FE)
27
53
12
5
2
1
0
100
30.24
50.40
10.80
7.20
0.90
0.45
0.01
100
-3.24
2.60
1.20
10.50
6.76
1.44
( )
0.347
0.134
0.133
-0.56
0.314
0.037
8.56
Tabla 2.13
0.651
4. Como se mencion anteriormente, para obtener el valor de tablas, es necesario primero calcular
los grados de libertad: V = k-1, y el valor de =0.05. En este caso quedan 4 clases una vez que
se agruparon los valores de las celdas menores a 5.
2
V = 4 1 = 3 grados de libertad, ,2 = 3,0.05
= 7.81
1-
0.95
0
2 =0.651
= 0.05
7.81
Pgina 42
0.9898
0.0648
0.3454
0.1757
0.2965
0.5009
0.0889
0.5820
0.8760
0.3611
0.7292
0.9240
0.6218
0.3219
0.6632
0.9652
0.5691
0.7512
0.7706
0.3072
Tabla 2.14
0.4683
0.6107
0.1623
0.2110
0.5324
0.9058
0.4732
0.0430
0.9840
0.4595
Solucin:
1. H0: Los nmeros se distribuyen uniformemente.
H1: Los nmeros no se distribuyen uniformemente
2. Ordenar los nmeros aleatorios y aplicar las operaciones correspondientes. Ver tabla 2.15
Pgina 43
ri
Ordenado
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
0.0430
0.0648
0.0740
0.0889
0.1528
0.1602
0.1623
0.1757
0.2110
0.2522
0.2560
0.2965
0.3072
0.3219
0.3337
0.3454
0.3611
0.4502
0.4595
0.4683
0.4732
0.5009
0.5324
0.5691
0.5820
0.6107
0.6218
0.6632
0.6807
0.7292
0.7512
0.7706
0.8715
0.8760
0.9058
0.9240
0.9579
0.9652
0.9840
0.9898
() =
0.0250
0.0500
0.0750
0.1000
0.1250
0.1500
0.1750
0.2000
0.2250
0.2500
0.2750
0.3000
0.3250
0.3500
0.3750
0.4000
0.4250
0.4500
0.4750
0.5000
0.5250
0.5500
0.5750
0.6000
0.6250
0.6500
0.6750
0.7000
0.7250
0.7500
0.7750
0.8000
0.8250
0.8500
0.8750
0.9000
0.9250
0.9500
0.9750
1.0000
Tabla 2.15
Valor absoluto
(ri)-(fi)
0.0180
0.0148
0.0001
0.0111
0.0278
0.0102
0.0127
0.0243
0.0140
0.0022
0.0190
0.0035
0.0178
0.0281
0.0413
0.0546
0.0639
0.0002
0.0155
0.0317
0.0518
0.0491
0.0426
0.0309
0.0430
0.0393
0.0532
0.0368
0.0443
0.0208
0.0238
0.0294
0.0465
0.0260
0.0308
0.0240
0.0329
0.0152
0.0090
0.0102
Pgina 44
4. Genere y anote con su calculadora 50 nmeros aleatorios y aplique la prueba de los promedios
con:
a) =1%
b) =5%
c) =10%.
Concluir.
5. Genere y anote 100 nmeros aleatorios y aplique la prueba de las frecuencias con k=5, k=10 y
concluir.
6. Realice la prueba del pker a los 100 nmeros del ejercicio 5 y concluir.
7. Genere y anote 50 nmeros aleatorios con su calculadora y aplique la prueba de KolmogorovSmirnov.
Pgina 45
Captulo 3:
Variables aleatorias
Pgina 47
Variable de Respuesta
Tabla 3.1
1) () 0
2)
=0 = 1
3) ( ) = = + +
Pgina 48
Distribucin de Bernoulli
Distribucin Binomial
Distribucin Uniforme Discreta
Distribucin de Poisson
Distribucin Hipergeomtrica
En las siguientes figuras 3.2 y 3.3 se pueden ver los grficos de dos distribuciones discretas
comunes.
Figura 3.2
Figura 3.3
3.2.2 Variables aleatorias continuas
Por otro lado, este tipo de variables involucran experimentos estadsticos donde se pueden
medir las caractersticas de la poblacin a muestrear. Estas variables se representan por
ecuaciones conocidas como funciones de densidad de probabilidad y en lugar de s umarse los
pesos probabilsticos se integran. Tienen las siguientes condiciones:
Pgina 49
1. () 0
2. ( = ) = 0
3. () = 1
4. ( ) = ( < < ) = ()
Distribucin Normal
Distribucin uniforme continua
Distribucin de Exponencial
Distribucin Log Normal
Distribucin Erlang
En las siguientes figuras 3.4 y 3.5 se pueden ver los grficos de dos distribuciones continuas:
Distribucin Normal
P(X)
0.30
0.20
0.10
0.00
X
Figura 3.4
Distribucin Exponencial
P(x)
1
0.8
0.6
0.4
0.2
0
X
Figura 3.5
Pgina 50
Determinar Variables de entrada del modelo y muestrear en horarios y das de inters. Deben
muestrearse por lo menos 30 datos (n 30).
Organizar los datos en una forma conveniente para su uso.
Determinar el Rango de los datos muestreados (R = Vmax Vmin)
Determinar el ancho del intervalo aproximado. Se recomienda la frmula siguiente:
5.
6.
1 + 3.322 (log )
FEi = n Pi
2
=
=1
( )2
Pgina 51
Ejemplo 3.1
Los siguientes datos (ver tabla 3.6) representan el tiempo en horas que se requieren para realizar
las reparaciones y/o mantenimientos en un taller automotriz. Se tom una muestra de los ltimos
50 autos que ingresaron al taller:
8.223
2.230
2.920
0.761
1.064
0.836
3.810
0.968
4.490
0.186
2.634
1.624
0.333
1.514
2.782
4.778
1.507
4.025
1.064
3.246
0.406
2.343
0.538
5.088
5.587
0.517
1.458
0.234
1.401
0.685
Tabla 3.6
2.330
0.774
3.323
0.294
1.725
2.563
0.023
3.334
3.491
1.267
0.511
0.225
2.325
2.921
1.702
6.426
3.214
7.514
0.334
1.849
Realice lo siguiente:
a) Obtenga el Rango.
b) Construya una distribucin de frecuencias y realice el histograma correspondiente.
c) Mencione que tipo de distribucin terica pueden seguir los datos (establecer H0 y H1).
d) Aplicar la prueba de bondad y ajuste con =0.05 y concluya.
e) Aplicar la prueba de Kolmogorov-Smirnov con =0.05 y concluya.
Solucin:
a) = 8.223 0.023 = 8.2
8.2
= 1.23
1 + 3.322 (log 50)
Este valor es solamente una referencia, por lo que puede considerarse un ancho adecuado de
clase para 50 datos 1.2. En la siguiente figura 3.7 se puede ver la distribucin de frecuencias y el
histograma correspondientes:
Pgina 52
Figura 3.7
c) De la figura anterior, los datos parece que siguen una distribucin exponencial negativa, por lo
tanto las hiptesis nula y alternativa son:
H0 = Las horas de reparacin y/o mantenimiento siguen una distribucin Exponencial negativa.
H1 = Las horas de reparacin y/o mantenimiento no siguen una distribucin Exponencial
negativa
d) Prueba de bondad y ajuste.
La distribucin a la cual se pretende verificar si los datos se ajustan es la Exponencial negativa,
es una distribucin continua por lo que la funcin de densidad se tendr que integrar para obtener
las probabilidades correspondientes.
() = 0
En este caso como se obtuvo una muestra de tamao n= 50 se utilizar como un estimador de
=1
113.397
1
=
= 2.27 =
= 0.4405
50
2.27
Por lo tanto:
(1 < < 2 ) = = = 2 + 1
1
= 0.6026 + 1.0000 = .
Pgina 53
FO
Pi
FE=nPi
FO-FE
(FO-FE)
0.0 X 1.2
1.2 < X 2.4
2.4 < X 3.6
3.6 < X 4.8
4.8 < X 6.0
6.0 < X 7.2
7.2 < X 8.4
18
13
10
4
2
1
2
50
0.3974
0.2474
0.1459
0.0859
0.0507
0.0298
0.0429
1
20
12
7
4
3
1
3
50
-2
1
-3
4
1
9
( )
0.2000
0.0833
1.2857
-2
0.3636
2 =
1.9326
11
Tabla 3.8
2
,2 = 2,0.05
= 5.99
En la figura 3.9 se puede ver la regin de rechazo y no r echazo para la prueba de bond ad y
ajuste:
1-
0.95
2 =1.9326
= 0.05
5.99
Figura 3.9
Conclusin:
Existe suficiente evidencia para decir que las horas de reparacin y/o mantenimiento siguen una
distribucin exponencial negativa, considerando n = 50, y = 0.05
Pgina 54
2.
3.
4.
5.
Calcular la probabilidad terica de cada clase (de la distribucin que se eligi en la H0).
Acumular la probabilidad relativa y la probabilidad terica en sus columnas respectivas,
Calcular la diferencia absoluta entre ambas
Comparar contra el valor de tablas.
FO
0.0 X 1.2
1.2 < X 2.4
2.4 < X 3.6
3.6 < X 4.8
4.8 < X 6.0
6.0 < X 7.2
7.2 < X 8.4
18
13
10
4
2
1
2
50
Pi
Terica
0.3974
0.2474
0.1459
0.0859
0.0507
0.0298
0.0429
1
Pi
Relativa
0.36
0.26
0.20
0.08
0.04
0.02
0.04
1
Terica
Acum.
0.3974
0.6448
0.7907
0.8766
0.9273
0.9571
1.0000
Relativa
Acum.
0.36
0.62
0.82
0.90
0.94
0.96
1.00
Diferencia
absoluta
0.0374
0.0248
0.0293
0.0234
0.0127
0.0029
0
Tabla 3.10
El valor de tablas para =0.05 (tabla de Kolmogorov-Smirnov) es: 0.226. Como |0.0374| < |0.226|
entonces no se rechaza H0.
Conclusin:
Existe suficiente evidencia para decir que las horas de reparacin y/o mantenimiento siguen una
distribucin exponencial negativa, considerando n = 50, y = 0.05
Ejemplo 3.2
Los siguientes datos de la tabla 3.11 representan el nmero de pac ientes que ingresan a un
consultorio mdico, se tom una muestra de 30 d as a partir de u n martes y terminando el
mircoles tal como se muestra a continuacin:
Lunes
5
4
3
2
Martes
2
4
5
1
7
Mircoles
3
2
3
3
1
Jueves
4
1
5
6
Viernes
6
4
8
2
Sbado
4
5
2
1
Domingo
3
3
2
3
Tabla 3.11
Pgina 55
= 8 1 = 7
7
= 1.18
1 + 3.322 (log 30)
En este caso los datos son discretos y el rango es pequeo (Rango=7) as que el ancho de
clase no es una referencia adecuada ya que quedaran clases de 12, 23, etc. y como los datos
son discretos nunca se darn valores intermedios solo enteros por lo que en este caso en
particular es ms conveniente tomar los valores puntuales y ajustar a alguna distribucin terica
discreta.
La distribucin de frecuencias e Histograma son como se muestran en la figura 3.12:
Figura 3.12
c) Los datos parece que siguen una distribucin de Poisson.
H0 = El nmero de pacientes que ingresan al consultorio por da siguen una distribucin Poisson
H1 = El nmero de pacientes que ingresan al consultorio por da no siguen una distribucin
Poisson
Pgina 56
() =
= 0,1,2,3,4, ,
=1
104
=
= 3.4667 = 3.4667
30
1 ( = 1) =
2 ( = 2) =
(3.4667)1 3.4667
= 0.1082
1!
(3.4667)2 3.4667
= 0.1876
2!
(3.4667)3 3.4667
3 ( = 3) =
= 0.2168
3!
4 ( = 4) =
(3.4667)4 3.4667
= 0.1879
4!
6 ( = 6) =
(3.4667)6 3.4667
= 0.0753
6!
5 ( = 5) =
(3.4667)5 3.4667
= 0.1303
5!
(3.4667)7 3.4667
7 ( = 7) =
= 0.0373
7!
7
8 ( = 8) = 1 = 1 0.9434 = 0.0566
=1
FO
1
2
3
4
5
6
7
8
4
6
7
5
4
2
1
1
30
10
Pi
FE=nPi
0.1082
0.1876
0.2168
0.1879
0.1303
0.0753
0.0373
0.0566
1
3
6
7
6
4
2
1
1
30
FO-FE
(FO-FE)
( )
0
-1
0
1
0.0000
0.1666
Tabla 3.13
0.1111
2 =
0.2777
Pgina 57
1-
0.95
2 =0.2777
= 0.05
5.99
Figura 3.14
Conclusin:
Existe suficiente evidencia para decir que el nmero de pacientes que ingresan al consultorio por
da sigue una distribucin discreta de Poisson, considerando n=30, y =0.05
e) Prueba de Kolmogorov-Smirnov con = 0.05
H0 = El nmero de pacientes que ingresan al consultorio por da siguen una distribucin Poisson
H1 = El nmero de pacientes que ingresan al consultorio por da no siguen una distribucin
Poisson
El resumen de los clculos de la prueba de Kolmogorov-Smirnov se muestra en la tabla 3.15:
Clases
FO
1
2
3
4
5
6
7
8
4
6
7
5
4
2
1
1
30
Pi
Terica
0.1082
0.1876
0.2168
0.1879
0.1303
0.0753
0.0373
0.0566
1
Pi
Terica
Relativa
Acum.
0.1333
0.1082
0.2000
0.2958
0.2333
0.5126
0.1666
0.7005
0.1333
0.8308
0.0666
0.9061
0.0333
0.9434
0.0336
1
1
Tabla 3.15
Relativa
Acum.
0.1333
0.3333
0.5666
0.7332
0.8665
0.9331
0.9664
1
Diferencia
absoluta
0.0251
0.0375
0.0540
0.0327
0.0357
0.0270
0.0230
0
El valor de tablas para =0.05 (tabla de Kolmogorov-Smirnov) es: 0.29. Como |0.054| < |0.29|
entonces no se rechaza H0.
Pgina 58
164
158
126
173
145
150
140
138
142
135
132
147
176
147
142
144
136
163
135
150
Tabla 3.16
125
148
119
153
156
149
152
154
140
145
157
144
165
135
128
Solucin:
a) Calculo del rango:
= 176 119 = 57
57
= 9.02 10
1 + 3.322 (log 40)
Figura 3.17
Pgina 59
Para estimar se utiliza y para estimar se utiliza S. Utilizando la hoja de clculo se puede
estimar la media y la desviacin estndar de la muestra con la cual se obtiene la siguiente
informacin: = 146.8 y = 13.05.
Para el clculo de las probabilidades se consideran los lmites reales de clase. La probabilidad
de la primera clase es: P1(x<128.5) por lo tanto se tiene que transformar a unidades estndar el
valor 128.5 con la frmula:
1 =
128.5 146.8
= 1.40
13.05
El valor negativo indica que 128.5 esta -1.4 desviaciones estndar por debajo de la media
(146.8) y haciendo uso de las tablas de la distribucin normal estndar (ver el anexo de este texto)
finalmente se obtiene la probabilidad de la primera clase:
1 ( < 128.5) = 0.5 (1.4) = 0.5 0.4192 = .
La segunda probabilidad es: P2 (128.5<x<138.5). Aqu se tienen que considerar dos valores de
Z, el primero: Z1 = -1.40 que se calculo anteriormente y el nuevo valor Z2:
2 =
De aqu que la probabilidad sea:
138.5 146.8
= 0.64
13.05
Es importante recordar que cuando los valores de Z sean del mismo signo, se debe r estar la
probabilidad del valor menor al valor mayor de Z, por su parte cuando los valores obtenidos de Z
sean de signo diferente, las probabilidades del rea bajo la curva se suman. Siguiendo con este
proceso, en resumen las probabilidades seran:
Pgina 60
FO
119 128
129 138
139 148
149 158
159 168
169 178
4
7
13
9
5
2
40
Pi
Terica
0.0808
0.1803
0.2906
0.2642
0.1356
0.0485
1
Pi
Relativa
0.100
0.175
0.325
0.225
0.125
0.050
1
Terica
Acum.
0.0808
0.2611
0.5517
0.8159
0.9515
1
Relativa
Acum.
0.1000
0.2750
0.600
0.825
0.950
1
Diferencia
absoluta
0.0192
0.0139
0.0483
0.0091
0.0015
0
Tabla 3.18
El valor de tablas para =0.05 (tabla de Kolmogorov-Smirnov) es: 0.252. Como |0.0483| < |0.252|
entonces no se rechaza H0.
Conclusin:
Existe suficiente evidencia para decir que el tiempo para realizar la operacin de ensamble sigue
una distribucin Normal, considerando n=40, y = 0.05
Otra consideracin importante que se debe tener en cuenta es que las variables muestreadas
pueden seguir varias distribuciones pero siempre se van a ajustar mejor a una en particular, si se
emplea la prueba de bondad y ajuste por ejemplo para verificar si un grupo de datos sigue una o
varias distribuciones, se recomienda utilizar la que tenga el valor de 2 mas pequeo ya que este
presenta una menor dispersin entre los valores observados y esperados.
3.3.2 Identificacin del tipo de distribucin de probabilidad utilizando un lenguaje especfico
de simulacin.
Como se ha m encionado anteriormente, existen diversos lenguajes informticos de uso
especfico para simulacin, estos generalmente incluyen alguna aplicacin para la identificacin del
tipo de distribucin probabilstica de las variables de entrada del modelo que se desea simular.
En el caso del software ProModel, este incluye una herramienta llamada Stat:Fit, la cual es de
suma utilidad para analizar y determinar el tipo de distribucin de las variables consideradas.
Incluye las pruebas de bondad y ajuste (chi-cuadrada), Kolmogorov-Smirnov y Anderson-Darling.
Tambin incluye informacin de estadstica descriptiva de los datos que pueden alimentarse
manualmente o incluso pegarlos de otras aplicaciones como hojas de clculo ya que es totalmente
compatible con las aplicaciones de Microsoft para PC.
Pgina 61
Figura 3.19
Esta versin tiene ciertas limitantes en c uanto nmero de locaciones, recursos, atributos, etc.
pero funciona perfectamente para su uso acadmico (ver figura 3.20):
Figura 3.20
Para utilizar el Stat:Fit, se puede ejecutar desde la pantalla inicial de ProModel o desde los
comandos del men Tools (ver figura 3.21):
Pgina 62
Figura 3.21
Dentro de la ejecucin del Stat:Fit se debe iniciar un nuevo documento (hoja en blanco de la
barra de herramientas) e introducir los datos de la variable a analizar, el uso de esta herramienta
es muy amigable e intuitivo (ver figura 3.22):
Figura 3.22
Una vez que se introdujo la informacin se inicia el proceso mediante el botn Auto::Fit o
utilizando la barra de herramientas en el comando Fit. Para el caso de los datos del ejemplo 3 los
datos ya introducidos y su correspondiente informacin de estadstica descriptiva serian como se
ve en las figura 3.23 y 3.24:
Pgina 63
Figura 3.23
Figura 3.24
Una vez que se dio clic en el botn Auto: FIT se despliegan las distribuciones a las cuales se
ajustan los datos, incluso se puede ver el histograma y los polgonos de frecuencia de las
distribuciones a las cuales se hizo el ajuste (ver figuras 3.25 y 3.26):
Pgina 64
Figura 3.25
Figura3.26
Pgina 65
Figura 3.27
La ecuacin de la recta es: = + y las respectivas ecuaciones necesarias para aplicar el
mtodo de mnimos cuadrados son:
= +
= + 2
Para obtener la ecuacin de la recta es necesario conocer los valores de las constantes a y b
obteniendo las sumatorias necesarias (ver tabla 3.28):
Pgina 66
3
4
5
6
7
8
33
FO
(Y)
XY
X2
12
36
9
14
56
16
17
85
25
16
96
36
21 147 49
20 160 64
100 580 199
Tabla 3.28
Y2
144
196
289
256
441
400
1726
100 = 6 + 33
580 = 33 + 199
Resolviendo el sistema de ec uaciones por el mtodo que se desee (sustitucin, reduccin,
Gauss-Jordan, etc.) se obtiene:
a = 7.24, b = 1.7143
=7.24 + 1.7143
Poligono de frecuencias
25
y = 1.7143x + 7.24
20
15
10
5
0
3
Figura 3.29
Pgina 67
[ 2
()2 ][ 2 ()2 ]
6(580) (33)(100)
= 0.9310
2 = 0.8668
De aqu el valor de R= 0.9310 y por lo tanto R =0.8668, con este valor se puede decir que la
tendencia lineal hace un b uen ajuste de l os datos muestreados para posteriormente obtener un
generador de esta variable.
Pgina 68
Distribucin
Discreta
Terica
Si los datos
analizados
tienen una.
1.
2.
3.
4.
= ()
Mtodo de Montecarlo:
1. Obtener las probabilidades relativas de cada valor
de X.
2. Acumular las probabilidades hasta que la suma sea
1.
3. Establecer clases o rangos con la probabilidad
acumulada.
4. Generar nmeros aleatorios y verificar que valor
corresponde de X para introducir al modelo.
Discreta
Regresin y correlacin.
o Transformada inversa
Distribucin
Emprica.
Continua
1.
2.
Mtodo de Composicin:
Si el rea f(x) se puede dividir en dos o ms reas, se
aplica la transformada inversa a cada fi(x), siempre y
cuando Ai=1
Figura 3.30
Pgina 69
() =
= 0,1,2,3,4, ,
= 3.4667
Por lo que se aplicar a cada valor posible de X hasta que la suma de l as probabilidades
(considerndola en este caso de 4 d gitos) sea 1. El generador es como se muestra en l a tabla
3.31:
X
0
1
2
3
4
5
6
7
8
9
10
11
12
13
P(X)
Acumulada
0.0312
0.1082
0.1876
0.2168
0.1879
0.1303
0.0753
0.0373
0.0162
0.0062
0.0022
0.0007
0.0002
0.0001
0.0312
0.1394
0.3271
0.5438
0.7317
0.8620
0.9372
0.9745
0.9907
0.9969
0.9991
0.9997
0.9999
1.0000
Clases
0
0.0312
0.1394
0.3271
0.5438
0.7317
0.8620
0.9372
0.9745
0.9907
0.9969
0.9991
0.9997
0.9999
R
<R
<R
<R
<R
<R
<R
<R
<R
<R
<R
<R
<R
<R
0.0312
0.1394
0.3271
0.5438
0.7317
0.8620
0.9372
0.9745
0.9907
0.9969
0.9991
0.9997
0.9999
1.0000
Tabla 3.31
Ntese que en l a obtencin de es te generador se utilizaron valores de X que i ncluso no
aparecen en el muestreo original (0, 9, 10, 11, 12 y 13) esto es porque ya se tiene la certeza que
los datos muestreados siguen una distribucin de Poisson, es por esta razn que se buscan las
distribuciones tericas en primera instancia.
La manera de generar los valores es como sigue:
Si R = 0.1287 entonces el valor que le corresponde es: X1= 1
Si R= 0.6103 entonces el valor que le corresponde es: X2 = 4
y as sucesivamente.
Pgina 70
FO
1
2
3
4
5
6
7
8
4
6
7
5
4
2
1
1
30
Probabilidad
Relativa
0.1333
0.2000
0.2333
0.1667
0.1333
0.0667
0.0333
0.0333
1.0000
Acumulada
0.1333
0.3333
0.5667
0.7333
0.8667
0.9333
0.9667
1.0000
Clases
0.0000
0.1333
0.3333
0.5667
0.7333
0.8667
0.9333
0.9667
R
<R
<R
<R
<R
<R
<R
<R
0.1333
0.3333
0.5667
0.7333
0.8667
0.9333
0.9667
1.0000
Tabla 3.32
Ejemplo 3.6
Obtenga el generador para la distribucin terica exponencial continua y genere 5 v alores con
=5.
Solucin, en este caso se aplicar el mtodo de la transformada inversa. La forma de la
distribucin exponencial negativa y su respectiva f(x) es como se muestra en la figura 3.33:
f(x
() = > 0
Figura 3.33
() = = = + 1
Pgina 71
+ 1 =
= 1
= 1
ln( ) = ln( 1 )
= ln( 1 )
1
= ln( )
nota: 1-R R
Ejemplo 3.7
Obtenga el generador de una distribucin uniforme continua y genere 5 valores si a=3 y b=7.
Solucin, recurdese que la f(x) de la distribucin uniforme es como se muestra en la figura 3.34:
() =
Figura 3.34
Puesto que se trata de una distribucin uniforme continua terica, se aplicar el mtodo de la
transformada inversa.
() =
Pgina 72
= ( )
= + ( )
3 7
11
1 2
3
Tabla 3.35
15
4
Solucin:
Para tener una idea del tipo de distribucin primeramente se trazar el histograma
correspondiente a los datos muestreados (ver figura 3.36):
Figura 3.36
El polgono de frecuencias, los datos ajustados a la tendencia lineal y el valor del coeficiente de
determinacin se muestra a continuacin en la figura 3.37:
Pgina 73
R2=1
Figura 3.37
Con el coeficiente de determinacin se puede concluir que la tendencia lineal hace un ajuste
perfecto de l os datos (en realidad no importa la ecuacin de la recta para este punto lo que
interesa es que tanto se ajustan los datos a la tendencia lineal), por lo tanto para obtener el
generador de esta variable continua (suponiendo que interesa generar valores cualquiera entre dos
valores enteros) se considera la forma lineal de la distribucin y se traza nuevamente la
distribucin pero en terminos de distribucin de probabilidad (ver figura 3.38):
f(x)
3
1
=
36 12
A=1
2
Figura 3.38
Se tiene que recalcular la base mayor del trapecio ( para cerrar el rea a 1):
(+)
2
1=
1
3
12
= =
7
12
Pgina 74
2 1 1
=
2 1 1
7
1
1
12 12 =
12 = 1 1
41
1
6
12
1
1
12
6
1 4
() =
1
1
1 2
1
1(12 ) 1
1 2
1
(1) =
12
6
12
12
12
12
12
12
Como se est calculando la distribucin acumulada debe esperarse que al sustituir con el valor
de x superior (en este caso 4) se obtenga un valor de 1 que es la probabilidad total acumulada de
cualquier tipo de evento:
1
12
42
1
12
4 = 1.
1 2
1
=0
12
12
Como no se trata de una ecuacin lineal se utilizar la frmula general para conocer el valor de x.
Se puede multiplicar por 12 toda la ecuacin para eliminar las fracciones:
1
1 2
= 0 12 = 2 12 = 0
12
12
1 12 4(1)(12)
1 48 + 1
2 4
=
=
2
2(1)
2
Para saber cul de los dos signos (+ o -) es el adecuado se puede evaluar la frmula con los
extremos de los nmeros R para los que aplica ( 0 R 1) se supone que con R= 0 la ecuacin
debe proporcionar un v alor de X = 1 y con R= 1 debe dar X= 4, esto sucede con el signo + de la
ecuacin y el generador finalmente queda de la siguiente manera:
1 + 48 + 1
0 1
2
Si se generan 10 valores con este generador el resultado sera como se muestra a continuacin en
la tabla 3.39:
Pgina 75
1
2
3
4
5
6
7
8
9
10
0.000
1.000
0.946
0.759
0.476
0.954
0.809
0.607
0.011
0.255
1
4
3.90
3.55
2.94
3.92
3.66
3.24
1.11
1.82
Tabla 3.39
Ejemplo 3.9
La siguiente figura 3.40 representa la distribucin de una variable aleatoria continua emprica que
ya ha sido ajustada a tendencias lineales mismas que hacen un buen ajuste de los datos
originales. Determine un generador para esta variable aleatoria.
1/5
A1
A2
Figura 3.40
Solucin:
a) Primeramente hay que encontrar el valor desconocido d para cerrar las reas a 1. En este caso
la distribucin puede dividirse en dos reas A1 y A2, debe recordarse que A1 + A2=1. Son dos
trapecios, por lo tanto:
1 + 2 = 1
1
1
+ 1 + 1
5
5 +
=1
2
2
Despejando B se obtiene:
1
1 1
1
1
4
+
+ +
=1 =1 =
2
10 2
10
5
5
Pgina 76
4 1
1
5 5=
5 = 3 2
21 1
5
5
Para f2(x):
2 1 1
=
2 1 1
1 4
4
5 5=
5 = 3 + 2
32 2
5
3
2
: 1 () = 1 2
5
5
3
: 2 () = + 2 2 < 3
5
c) El siguiente paso es aplicar la transformada inversa a cada f(x). Cuando se aplica este mtodo
a ms de un rea, se le llama mtodo de Composicin.
1 () =
3
2
3 2 2
3(12 ) 2
3 2 2
1
=
(1) =
+
5
10
5
10
5
5
10
5
10
Como la distribucin total de esta variable se puede dividir en dos reas, se puede evaluar esta
primer distribucin acumulada con el valor de X superior para el cual aplica f1(x) (1X2) y debe
dar el valor en rea de la primer figura, en este caso es simtrica y el A1=1/2. Por lo tanto si se
evala la primer acumulada con X=2 el resultado es:
1 () =
1
1
3 2 2
2 2+
=
5
10 2
10
3
1
3 2
3(22 )
2 () = 1 ( = 2) + + 2 =
+ 2
+ 2(2)
5
10
2 10
2
2 () =
3 2
23
+ 2
10
10
Si se evala con X= 3 ya que l a f2(x) aplica para 2<X3 entonces el valor a obtener debe ser 1
puesto que es la distribucin acumulada total:
2 () =
3 2
23
27
23 10
3 + 2(3)
=
+6
=
=1
10
10
10
10 10
Pgina 77
3 2 2
1
+
=
10
5
10
3
2
1
( 2 +
= 0)10
10
5
10
3 2 4 + 1 10 = 0
1 =
2 4
4 42 4(3)(1 10)
4 4 + 120
=
=
2
2(3)
6
Debe recordarse que este generador aplicar para valores 0R0.5 por lo tanto con R=0 debe
dar X= 1 y con R=0.5, X= 2 por lo tanto evaluando con los dos valores de R el primer generador
queda as:
1 =
Para F2(x):
4 + 4 + 120
0 0.5
6
3 2
23
+ 2
=
10
10
3
23
2 + 2
= 0 10
10
10
3 2 20 + 23 + 10 = 0
1 =
2 4
20 202 4(3)(23 + 10)
20 124 120
=
=
2
2(3)
6
Este generador aplicar para valores 0.5<R1 por lo tanto con R= 0.5 debe dar X= 2 y con R= 1,
X=3 por lo tanto evaluando con los dos valores de R el primer generador queda as:
2 =
20 124 120
0.5 < 1
6
Pgina 78
X=
4 + 4 + 120
6
0 0.5
20 124 120
0.5 < 1
6
3.5
Ejercicios propuestos
1. El nmero de toneladas de sulfato de amonio vendidas por una empresa cada mes, se registran
en la siguiente tabla, determine qu tipo de distribucin siguen, aplicando la prueba de
Kolmogorov-Smirnov.
10
12
13
14
11
11
10
14
11
13
12
13
10
13
12
10
11
12
10
13
11
10
13
12
10
14
11
10
14
13
12
12
11
14
12
14
11
13
11
13
14
14
14
14
11
11
12
13
11
13
11
19
22
30
12
18
23
29
20
12
37
59
42
15
12
33
13
15
15
16
28
20
19
38
31
29
14
14
13
12
14
18
12
12
17
17
17
20
21
22
10
11
10
22
27
3. Considere una empresa que vende seguros para autos. Existen 5 opciones diferentes de
beneficios, por lo que cada cliente puede elegir si compra o no desde ninguna hasta comprar
las 5 opc iones que le presentan. Las probabilidades para venta y no venta son iguales. Los
datos obtenidos son los siguientes:
No. de
opciones
vendidas
0
1
2
3
4
5
Frecuencia
Observada
38
144
342
287
164
25
Pgina 79
,207
1,418
1,399
1,309
1,421
1,020
1,340
1,603
1,783
1,419
1,539
1,648
1,581
1,949
1,041
1,426
1,329
1,400
1,459
1,699
1,618
2,162
1,634
1,978
1,277
1,403
1,379
1,288
1,407
1,442
1,823
1,237
1,431
1,373
1,637
640
1,305
1,744
821
1,394
718
1,593
1,451
1,325
1,557
1,542
1,649
1,736
1,472
1,532
1,558
1,545
1,457
1,962
1,138
1,590
896
1,631
1,607
1,222
1,077
1,219
1,118
1,032
1,449
1,263
1,592
1,142
1,662
1,567
1,640
1,790
1,319
896
1,533
1,289
1,455
1,788
982
1,425
1,591
1,221
1,739
1,188
1,537
1,500
1,510
695
2,051
1,501
1,981
1,550
1,551
1,972
1,540
2,091
1,849
1,671
1,760
803
1,677
1,668
1,091
913
1,612
1,714
2,187
1,829
5. Verifique si los siguientes datos pueden ajustarse a una tendencia lineal para posteriormente
obtener un generador considerndolos como variable continua emprica.
X
1
2
3
4
5
FO
12
16
14
20
18
6. Obtenga un generador manual para una distribucin Binomial con n=10 y p=0.5
7. Obtenga un generador manual para una distribucin Uniforme Continua entre 1 y 10.
8. Obtenga el generador para una distribucin de Poisson con =5.
9. Obtenga el generador para una distribucin Exponencial Negativa con =3.
10. La siguiente figura representa la distribucin de un a variable continua emprica, obtenga el
generador de dicha variable.
1/3
1
Pgina 80
1/5
3
A1
A2
Pgina 81
Captulo 4:
Lenguajes de simulacin
Pgina 83
Pgina 84
Figura 4.1
Pgina 85
FILE: Nuevo archivo, abrir, guardar, guardar como, y algunas opciones especficas como
combinar modelos (merge), imprimir texto, imprimir rea de trabajo (layout), crear un paquete de
un modelo, etc.
EDIT: Considera aspectos relacionados con la edicin del modelo como borrar, insertar, mover
elementos.
VIEW: Considera las diferentes opciones para cambiar el aspecto del rea de trabajo.
BUILD: Esta opcin es una de las ms importantes ya que a travs de esta se construye todo el
modelo de simulacin, aqu se consideran las locaciones, entidades, redes, recursos, el
procesamiento, las llegadas, turnos, variables, atributos, etc.
SIMULATION: Esta ventana considera aspectos relacionados con las corridas de simulacin.
OUTPUT: Esta se utiliza para ver datos estadsticos de l as corridas y rastreo durante los
tiempos de ejecucin.
TOOLS: Esta considera varias herramientas como el editor grfico, anlisis estadstico para
ajuste de curvas, etc.
HELP: Aqu est el ndice de contenido de la ayuda con la que cuenta el software y que como
se mencion anteriormente, a la que se puede tener acceso a travs de la tecla F1.
En la siguiente figura 4.2 se puede ver las opciones antes mencionadas:
Figura 4.2
Para lograr un mejor entendimiento del uso del software, se desarrollarn varios ejemplos que
conducirn de lo ms simple a lo ms complejo, aunque es necesario aclarar que no se vern
absolutamente todos los elementos que lo componen, el nivel al que se aspira que los estudiantes
manejen el software permitir analizar los sistemas ms comunes tanto de servicios como
productivos por ejemplo:
Lneas de espera.
Atributos como: tipo de cliente, tipo de producto/servicio, tipo de materia prima, etc.
Procesos de produccin con maquinaria en secuencia y en paralelo.
Uso de recursos como operadores, montacargas, vehculos.
Bandas transportadoras de cinta y de rodillos.
Procesos de manufactura en general.
Pgina 86
Locations (locaciones).
Entities (entidades).
Arrivals (llegadas).
Processing (proceso).
Existen otros comandos que se pueden ir agregando posteriormente y que proporcionan cierto
grado de s ofisticacin al modelo. Generalmente estos comandos son los que a yudan a
proporcionar el parecido del modelo a los sistemas reales. Algunos de estos comandos que se
pueden agregar posteriormente o que requiere el modelo son:
Resources (recursos).
Path Networks (redes).
Attributes (atributos).
Variables.
Backgroun Graphics (grficos de fondo).
Pgina 87
Figura 4.3
Botn de acceso directo
Figura 4.4
Cada que se utiliza un c omando, se ver que adems de la ventana del rea de t rabajo
(Layout) se despliega otra ventana en la parte superior donde se registra la informacin de cada
locacin del modelo: el cono (Icon), nombre (Name), capacidad de la locacin (Cap.), unidades
(Units), tiempos muertos (DTs), informacin estadstica (Stats), reglas de entrada de las entidades
(rules) y algunas notas que quieran agregarse a la locacin (notes). En la parte izquierda se abre
una ventana de herramientas grficas vertical (Graphics) que incluye los grficos, botones con
comandos ya definidos y opciones de edicin y borrado, vase la figura 4.5.
Pgina 88
rea de Trabajo
Grficos
Figura 4.5
En este caso las locaciones bsicas seran:
Una fila de entrada.
Un rea de servicio/cajero.
Salida.
Supuestos:
La fila tendr una capacidad para mximo 15 entidades que lleguen.
El cajero atender solamente de una en una persona (capacidad de 1).
Los clientes tardan un minuto en trasladarse del rea de caja a la salida.
La capacidad de la locacin de la salida es infinita.
Es muy importante mencionar lo siguiente cuando se eligen las locaciones:
Se recomienda dejar activada la casilla New en la ventana Graphics y elegir cada una de las
locaciones necesarias, slo se tiene que dar clic en el grfico deseado y posteriormente dar clic
en el Layout. Otra forma de elegir las locaciones es dar clic sobre el grfico y arrastrar hacia el
Layout y soltar el botn. Ntese que por cada locacin elegida, se crea un registro en la
ventana superior conteniendo informacin pre asignada.
Una vez que se eligen las locaciones necesarias, se puede desactivar la casilla New y modificar
los campos de cada una de l as locaciones individualmente: nombre, capacidad, nmero de
unidades, etc.
Pgina 89
Contador
Indicador grfico
de barras
Filas/Bandas
Ttulos/etiquetas
Luz de estado
Indicador de posicin
Figura 4.6
Para este ejercicio, la primera locacin elegida es la fila (se traza en el Layout con el ratn
como si se tratara de una flecha con la direccin deseada y para terminarla se da doble clic) , por
lo tanto hay que modificar las caractersticas de es ta en el Layout, haciendo doble clic sobre el
grfico se despliega un cuadro de d ilogo en e l cual se marca como fila (Queue) se asigna la
longitud de esta (en este caso 25 ft) y hacer otros cambios fsicos como el color de relleno, slido o
en barras, etc. vea la siguiente figura 4.7:
Pgina 90
Figura 4.7
Posteriormente con los botones de comando especfico se asignan etiquetas a cada locacin, a
la fila se puede agregar adems un gr fico de barras para contabilizar en pantalla como se va
llenando la fila. Es necesario hacer notar que una locacin puede contener varias funciones
grficas, en este caso la fila tiene su nombre (etiqueta, que tambin se puede editar dando doble
clic sobre esta) y un indicador numrico (que tambin se puede editar) adems de la locacin
misma. Todo lo que contiene una sola locacin est delimitado por una lnea punteada cuando est
activa dicha locacin, ver la figura 4.8:
Figura 4.8
Pgina 91
Figura 4.9
Tambin aqu se despliegan dos ventanas adems del Layout, una para los grficos y otra para
los registros y sus campos. Se elige en este caso la entidad Clientes se le asigna un grfico (se
puede navegar entre estos con la barra de desplazamiento ubicada en la parte posterior) que en
este caso es una m ujer de l ado, tambin se puede editar: cambiar tamao, color etc. Ver figura
4.10:
Figura 4.10
Los campos que se pueden modificar son: Name (nombre), Speed (la velocidad de
desplazamiento) y Stats (estadsticos) que se desea que aparezcan en e l reporte de s alida, en
este caso no es necesario cambiar los valores pre asignados.
3. Definir las llegadas
Asignar las llegadas con el comando Arrivals que es el botn que se encuentra a un lado de la
flecha diagonal azul, ver figura 4.11:
Pgina 92
Llegadas
Figura 4.11
La ventana Arrivals tiene varios campos como: la entidad (Entity), locacin (Location) a la que
llegan las entidades, el tamao del lote que llega (Qty Each), en que minuto comienzan a llegar las
entidades (First Time), nmero de ent idades que llegarn (Occurrences), la tasa de llegadas
(Frequency) y la lgica a seguir durante la llegada de las entidades (Logic).
Existen dos maneras de llenar los campos de l as llegadas: una es dando clic en c ada botn
superior de la ventana e ir eligiendo cada una de las opciones existentes para ese campo. La otra
es simplemente dar clic sobre la locacin a la que llegaran las entidades sobre el Layout y se
llenarn los campos con los valores pre asignados y posteriormente cambiar solo lo que se
requiera, ver figura 4.12:
Figura 4.12
Un campo que merece una especial atencin es el de la tasa de llegadas (Frequency) ya que
como en es te caso se trata de una distribucin de p robabilidad terica (uniforme entre 4 y 8) se
debe esta por medio del Constructor de Estatutos o Constructor Lgico (Logic Builder), el
cual es una poderosa herramienta para crear cdigo de simulacin sin tener que escribir
literalmente.
Simplemente se abre el constructor de estatutos al presionar el botn derecho del ratn o
presionar el icono de construccin (representado por un martillo) en la ventana de lgica. Se abre
una ventana estilo plantilla para escribir comandos en formato apropiado.
Funciona en l a lgica de m ovimiento, o en ot ros muchos campos donde pu eden ser vlidas
mltiples entradas.
En este caso sobre el campo Frequency se da clic derecho y aparece directamente en las
funciones, se elige: distribucin de probabilidad (Distribution Functions) y se elige la uniforme,
aclarando que los parmetros a llenar son: la media (Mean) = (4+8)/2 = 6 y el rango medio (half
range) = 2 qu e es la distancia que existe entre el valor mnimo y la media y de es ta al valor
mximo. En las siguientes figura 4.13 y 4.14se puede ver el Constructor de Estatutos:
Pgina 93
Figura 4.13
Figura 4.14
Una vez que se introducen los valores de la media y el rango medio se da clic en el botn
regresar (Return) y posteriormente en pegar (Paste). Vea la figura 4.15:
Pgina 94
Figura 4.15
4. Definir el proceso
Enseguida se completar el modelo definiendo la lgica de la simulacin; para ello abra el men
Build y elija Processing o por medio del icono de acceso directo correspondiente, ver figura 4.16:
Processing
Figura 4.16
En esta ocasin se desplegarn dos ventanas en las que se programar de manera secuencial
el proceso que siguen los clientes una vez que llegan al sistema: Process y Routing. En la
primera se definen las operaciones que se harn sobre la entidad, y en la segunda indicaremos la
ruta secuencial en el proceso. Analizando el ejemplo, los pasos son los siguientes:
1.
2.
3.
4.
Pgina 95
Figura 4.17
Continuando con el proceso, es necesario definir el proceso que se llevar a cabo con la
atencin del cliente. Se debe posicionar el cursor con el mouse en el lado del Process sobre la
lnea existente y oprimir la tecla Enter para que se genere un nuevo registro en blanco y una vez
ms se repite el proceso de seleccin de la entidad que ahora se encuentra con el servidor y aqu
el tiempo de atencin es de acuerdo a una distribucin exponencial con media de 6 minutos. Para
conocer los comandos necesarios para especificar el tiempo de s ervicio, hacer clic en el botn
Operation de la ventana Process. Enseguida se desplegar la ventana Operation (ver la figura
4.18) en dnde se escribir la lgica del proceso.
Es necesario comentar que existe una manera ms rpida de realizar toda la secuencia lgica
del modelo, sobre el Layout se hace clic sobre la primera locacin y se lleva esa lnea de
secuencia hacia la siguiente locacin se da clic otra vez para indicar que se termin esa primera
ruta lgica, posteriormente de ah mismo se repite el proceso hacia la siguiente locacin y as
sucesivamente, es importante que en la ltima ruta se haga clic sobre el botn Route to Exit que
se encuentra en la parte posterior de la ventana Tools. Solamente resta cambiar los campos pre
asignados con las entidades y valores correspondientes.
Pgina 96
Imprimir
Cortar
Copiar
Compilar
Pegar
Deshacer
Buscar
Constructor
Lgico
Figura 4.18
Para programar el tiempo de servicio (o de operacin) hacer clic en el cono del martillo para
comenzar la construccin lgica. Al hacerlo se abrir otra ventana la cual contiene todos los
comandos de programacin que incluye el ProModel (ver figura 4.19):
Figura 4.19
El comando que est pre asignado es el WAIT el cual se utiliza para simular los tiempos de
procesamiento (servicio/operacin). Para construir la expresin de la distribucin de probabilidad,
se hace clic sobre el botn Time y enseguida aparece la venta de las funciones del constructor
Pgina 97
Figura 4.20
La sintaxis general del comando es: WAIT<unidades de tiempo> y en este caso la instruccin
queda: WAIT E (6).
Para definir la ruta de salida de este registro, se selecciona el cliente de la columna Output y la
siguiente locacin a la cual se dirige la entidad es hacia la salida (seleccionar de columna
Destination) el campo Rule queda igual (FIRST 1) y en este caso como de la locacin del servidor
hacia la salida le toma a l a entidad un tiempo de 1 minuto, se debe dar clic en el botn MOVE
LOGIC aqu aparecern el constructor lgico, se da clic sobre el martillo y aparecen otra ventana
con los comandos de movimiento, se elige MOVE FOR que es el que asigna el tiempo de traslado
a la entidad y se le llena el campo con 1 minuto, se pega y se cierra para finalmente terminar esta
instruccin (ver figura4.21):
Figura 4.21
Pgina 98
Figura 4.22
Observe que al definir el segundo registro, la ventana de la ruta de salida empieza de cero. Esto
significa que la ventana de programacin permite ver los procesos de manera secuencial, aunque
la ventana correspondiente a la ruta de salida del proceso slo mostrar la programacin
correspondiente a la lnea seleccionada en la ventana del procesamiento.
Para finalizar el modelo, el ltimo registro es cuando el cliente de la salida abandona el sistema,
en este caso no hay nada en operacin y solamente en la ventana Route en el botn Destination
debe seleccionarse la instruccin Exit que es la que indica que las entidades abandonan el
sistema, el modelo completo queda de la siguiente manera (ver figura 4.23):
Figura 4.24
Pgina 99
Figura 4.25
El modelo est listo para ejecutarlo. Una vez que este corriendo puede ajustarse la velocidad
con la barra que aparece en la parte superior de la ventana, o cancelar la animacin mediante el
comando Animation Off del men Options para acelerar el tiempo de ejecucin.
Al terminar la simulacin de las 30 corridas de tamao 8 horas, se desplegar un c uadro de
mensaje confirmando la finalizacin del tiempo programado y las opciones para ver los resultados
(puede ser individual por cada corrida o el promedio de todas), para ver los resultados se debe
hacer clic en el botn Si. Enseguida se abrir una ventana con varias fichas que m uestran los
resultados estadsticos de la simulacin. Los datos pueden leerse y graficarse de inmediato con las
herramientas que of rece ProModel, o guar darse en ar chivos con formato de E xcel para
personalizarlos posteriormente. Las diferentes fichas que se despliegan en el reporte de salida son:
Pgina 100
Figura 4.26
Ficha Locations: Aqu se presenta la informacin de cada una de las locaciones, las horas
simuladas, la capacidad (cuando es infinita se representa con 999999), el nmero total de
entidades que entraron durante la simulacin, el tiempo promedio por entrada, el promedio de
contenido por locacin, el contenido mximo por locacin, el nmero actual de entidades al
momento de f inalizar la simulacin y el porcentaje de utilizacin de cada locacin (vea figura
4.27).
Figura 4.27
Fichas Location States Multi/Locaction States Single: En la primera de es tas fichas se
presenta la informacin de las locaciones que tienen capacidad mayor a 1 a la vez durante la
simulacin. Esta informacin es la correspondiente al tiempo programado, el porcentaje vacio
de la locacin, el porcentaje que es tuvo parcialmente ocupada la locacin, el porcentaje que
estuvo totalmente llena y el porcentaje que estuvo en paro o d etenida la locacin (ver figura
4.28). En la segunda las que tienen capacidad de una entidad a la vez durante la simulacin.
Aqu se presenta adems del tiempo programado los porcentajes que es tuvo operando la
locacin, de l tiempo en p reparacin, del tiempo en es pera, el tiempo ocioso, del tiempo que
estuvo bloqueada y en paro (ver figura 4.29).
Pgina 101
Figura 4.28
Figura 4.29
Ficha Failed Arrivals. Esta ficha lista las entidades del modelo que no pudieron entrar al
sistema. Esto puede ocurrir cuando existe alguna locacin con capacidad limitada y esta est
completa, alguna entidad que llegue al no poder entrar es destruida y eliminada del sistema (ver
figura 4.30).
Figura 4.30
Pgina 102
Figura 4.31
Ficha Entity States: En esta ficha se puede encontrar un resumen de los datos de la ficha
Entity Activity pero en trminos porcentuales (ver figura 4.32).
Figura 4.32
Finalmente para dar respuesta a los incisos de ejercicio 1 se tiene que:
a) Cul es el tiempo promedio que permanece un cliente en el sistema?
Respuesta: de la ficha Entity Activity se puede ver que el tiempo promedio en el sistema que
permanecen los clientes es de 32.30 minutos.
b) Cul es el tiempo promedio que permanece un cliente en la fila antes de ser atendido?
Respuesta: de la ficha Entity Activity se puede ver que el tiempo promedio en espera (fila) que
permanecen los clientes es de 20.19 minutos.
c) Suponga que el gerente del establecimiento no quiere que los clientes permanezcan ms de 7
minutos en promedio haciendo fila, Se logra esto con un servidor?
Respuesta: No, ya que el tiempo promedio de espera es muy largo como se mencion en el
inciso anterior.
Pgina 103
Figura 4.33
Figura 4.34
Pgina 104
Figura 4.37
Enseguida se desplegar en pantalla la ventana de definicin de variables, se anota el nombre
de cada variable en el campo ID y posteriormente se da clic en el Layout para verlas grficamente
(son de tipo enteras pre asignadas) mismas que se ilustran en la figura 4.38.
Pgina 105
Figura 4.38
Para editar las variables se abre el men Build y se da c lic en el comando Background
Graphics en el submen Front of Grid, aparecern 2 ventanas, una de herramientas grficas y
otra superior con los grficos que c ontiene la biblioteca d el editor grfico (Graphic Editor) que
incluye el ProModel. Observe la figura 4.39.
Figura 4.39
Pgina 106
Figura 4.40
Finalmente las etiquetas para la variable quedan de la siguiente manera (ver figura 4.41):
Figura 4.41
Pgina 107
Figura 4.42
Se despliega una ventana con opciones para modificar el nombre de las distribuciones, el tipo
(en este caso discretas), si son acumulativas o n o y para definir las tablas con los valores
probabilsticos (dar clic en el botn Table) tal como se ilustra en la figuras 4.43 y 4.44.
Figura 4.43
Figura 4.44
3. Modificar grficos de la entidad
Para esto se da clic en el botn entidades mencionados anteriormente y se desactiva la casilla
New de l a ventana Entity Graphics. Enseguida aparecern nuevos lugares para definir ms
conos (grficos) que identifican la misma entidad; Se podr observar que uno de los espacios es
ocupado por la entidad que se seleccion anteriormente, ese ser el icono para los clientes tipo
Pgina 108
Figura 4.45
4. Definicin de atributos
Los atributos en este caso son: tipo de cliente y tipo de men que un cliente puede ser o
seleccionar, el atributo nos ayuda a q ue las entidades se puedan clasificar o a r esaltar alguna
caracterstica que s e considere importante para el modelo, en es te caso se consideran los dos
tipos de atributos mencionados anteriormente. Para hacer esto, dar clic en el botn A que se
encuentra debajo del men o ir a Build y luego Attributes, vea la figura 4.46.
Figura 4.46
Pgina 109
Figura 4.47
5. Modificar las llegadas
Enseguida se modificar el campo Logic en las llegadas (Arrivals) para indicar que cuando se
generen las llegadas de los clientes se clasifiquen como tipo 1 y 2 (atributos previamente
establecidos) y de acuerdo a la distribucin de usuario que se estableci anteriormente. Para esto
se da clic en el comando Arrivals del men Build (o en el botn destinado para estas abajo del
men). Se hace clic en el botn Logic y enseguida se despliega una ventana de dialogo que
permite programar ciertas condiciones lgicas en el ProModel, dar clic en el martillo para que
aparezca el constructor de estatutos. Como lo que s e va a c rear no es un es tatuto propiamente
sino que es una expresin que utilizar atributos y tablas de usuario, se da clic en el botn Build
Expression, ver figura 4.48.
Figura 4.48
Enseguida se selecciona Attributes y se selecciona Tipo de cliente de los atributos que
aparecen en el campo central, Se ver que en el campo superior se empieza a definir la expresin
de tipo de cliente, se debe escribir el signo igual despus de esta para igualar a la distribucin de
usuario previamente establecida, ver figura 4.49.
Pgina 110
Figura 4.49
Enseguida en el campo Logic Elements se desliza la barra de desplazamiento hasta que
aparezca la opcin User Distributions, se selecciona esta aparecen en e l campo central dos
opciones que no son otra cosa que las distribuciones previamente establecidas, se selecciona:
Distribucin de tipo de cliente y enseguida se ver que la expresin completa se ha formado en el
campo superior. Se da clic en Paste y se repite todo el proceso para el atributo de tipo de men a
seleccionar, ver figuras 4.50 y 4.51.
Figura 4.50
Pgina 111
Figura 4.51
Una vez cerrado el constructor de estatutos las expresiones en el campo Logic quedan de la
siguiente manera (ver figura 4.52):
Figura 4.52
6. Modificar el proceso
Finalmente solo queda modificar el proceso del modelo. Para esto primero dar clic en el
comando Processing del men Build o en el botn destinado para ello debajo del men. Como
los clientes cuando entran al sistema se supone que ya saben si su pedido es para llevar o comer
ah mismo, en la Fila de entrada se indicar lo siguiente:
Si el tipo de cliente es para llevar (1) entonces incrementar la variable Clientes para llevar y
utilizar el grfico1 para esta entidad.
Si el tipo de cliente es para consumo ah mismo (2) entonces incrementar la variable Clientes
para consumo local y utilizar el grfico 2 para esta entidad.
Para esto, hacer clic en el botn Operation de la ventana Process en el registro de la fila de
entrada, aparece la ventana Operation y haga clic en el martillo para comenzar las instrucciones
lgicas. Al hacerlo se abrir el constructor de estatutos, que contiene todos los comandos de
programacin existentes. Como son varias instrucciones, se enlistan a continuacin la secuencia
de las instrucciones:
Pgina 112
Figura 4.53
Pgina 113
Figura 4.54
A continuacin, deber situarse en el segundo registro de la ventana Process que es cuando el
cliente est en la locacin: servidor, aqu es cuando este hace su pedido y es atendido por el
servidor, as que aqu tambin se realizarn las siguientes actividades:
Si el tipo de men que pide el cliente es igual a 1 entonces se incrementa la variable: Men tipo 1
Si el tipo de men que pide el cliente es igual a 2 entonces se incrementa la variable: Men tipo 2
Si el tipo de men que pide el cliente es igual a 3 entonces se incrementa la variable: Men tipo 3
Si el tipo de men que pide el cliente es igual a 4 entonces se incrementa la variable: Men tipo 4
Si el tipo de men que pide el cliente es igual a 5 entonces se incrementa la variable: Men tipo 5
Para modificar este campo se har lo siguiente:
a) Dar clic en e l botn Operation de la ventana Process para que se despliegue la ventana
Operation.
b) En el campo Operation se tiene la instruccin del tiempo de servicio la cual es una distribucin
exponencial con media de 6 minutos: WAIT E(6). Debajo de esta instruccin se sita el cursor
dando Enter. Enseguida hacer clic en el martillo para que aparezca el Constructor de Estatutos
o Constructor Lgico (Logic Builder).
c) Seleccionar el comando IF-THEN-ELSE y dar clic en Condition, aparece la ventana de
elementos lgicos y seleccionar Attributes, seleccionar el atributo Tipo de Men y hacerlo igual
a 1.
d) Enseguida dar clic en el botn Statement,. Enseguida seleccionar el estatuto INC, dar clic en
Identifier (manda directo a las variables) y seleccionar Men tipo 1 (quitar las llaves si se
desea), enseguida dar clic en el botn Return y posteriormente Paste.
e) Repetir todo el proceso para las dems variables.
En la siguiente figura 4.55 se pueden ver el listado de instrucciones:
Pgina 114
Figura 4.55
El modelo est listo para correrlo nuevamente. En la siguiente figura 4.56 se ilustra el Layout
con las variables agregadas durante la corrida. Corresponde al estudiante analizar la informacin
obtenida en el reporte de salida para hacer las recomendaciones pertinentes acerca de es te
modelo.
Figura 4.56
Pgina 115
Figura 4.57
2. Modificar el Proceso
En el segundo registro cuando los clientes estn con el servidor, hacer clic en el botn
Operation y debajo de l as instrucciones existentes agregar otra decisin lgica que haga lo
siguiente:
Si el tipo de cliente es igual a 1 entonces dirigirse a la salida.
Si el tipo de cliente es igual a 2 entonces dirigirse a los comedores
Si los clientes terminan su tiempo de consumo dirigirse a la salida.
Pgina 116
Figura 4.58
En el Routing for correspondiente en la primer salida se tiene marcado el bloque por defecto
como 1 y la locacin es Salida con un MOVE FOR 1, aqu es a donde se dirigirn los clientes tipo
1. Vea figura 4.59
Figura 4.59
Para crear la locacin a donde se dirigirn los clientes tipo 2, se debe dar Enter para crear otro
registro en blanco y posteriormente seleccionar la entidad de salida, en el destino ser a la
locacin comedores, en lo referente a el botn Rule, hacer clic para que se despliegue la ventana
de opciones y en la casilla Start New Block marcarla para indicar que ser el nuevo bloque, ver la
figura 4.60.
Pgina 117
Figura 4.60
Finalmente los dos registros quedan como se muestra en la figura 4.61.
Figura 4.61
Falta agregar en el proceso cuando los clientes estn en los comedores y luego se dirigen a la
salida. Para esto se puede insertar un r egistro en b lanco entre la locacin Servidor y Salida,
simplemente situar el curso en la locacin Salida y en el men Edit hacer clic en Insert. En el
registro en blanco seleccionar la entidad (dando clic en los botones correspondientes superiores),
la locacin que en este caso es Comedores y en el campo Operation dar clic para que se
despliegue la ventana Operation, posteriormente dar clic en el martillo para que aparezca el
constructor de estatutos y con el estatuto WAIT y el botn Time indicar el tiempo que t arda en
dicha locacin (es una distribucin normal con media de 25 y desviacin estndar de 5), lo anterior
se describi a detalle en paso 4 del punto 4.5.1. Por su parte en Routing For, tambin se elige la
entidad de salida, la locacin que ser la Salida y en el campo Move Logic tambin se agrega un
tiempo de traslado de un minuto (Move For 1) como se describi en el mismo punto y paso antes
mencionado. En la figura 4.62 se puede apreciar completa la insercin de este registro.
Pgina 118
Figura 4.62
El modelo qued terminado y se puede correr para su anlisis. En la siguiente figura 4.63 se
puede ver el Layout durante la corrida del modelo.
Figura 4.63
4.5.3 Modelos que incluyen ms de un proceso
En esta seccin se realizarn los modelos de un sistema de manufactura que incorpora ms de
un proceso, se iniciar con un modelo bsico y posteriormente se incrementar el grado de
sofisticacin para agregarle ms elementos de programacin que harn finalmente un modelo muy
parecido a algn sistema de produccin real.
4.5.3.1 Modelo con bandas de transporte (CONVEYORS) y filas de espera (QUEUE)
Ejemplo 4.4
En este modelo se crear una red de filas y bandas sobre las cuales viajar una caja. Existen tres
filas (de cajas, monitores y empaque) de longitud 20 metros, una banda de tarimas con una
longitud de 20 metros con una velocidad de 20 metros por minuto y otra banda de embarque con
una longitud de 60 metros y una velocidad de 20 metros por minuto. La capacidad para cada fila se
considerar de cinco piezas y la de bandas infinita. Todas las dems locaciones se consideran con
una capacidad de solo una pieza. El producto que se manejar en todo el sistema ser una caja
que tiene una dimensin de un metro por un metro (para el caso de bandas transportadoras).
Proceso:
Pgina 119
Estacin de
Trabajo
Wait = 1
Fila Empaque
Zona de
empaque
Wait = 0.5
Fila Cajas
Banda de
Embarque
Exit
Zona de
Embarque
Wait = 2
Figura 4.64
Pgina 120
Figura 4.65
Pgina 121
Figura 4.66
En las siguientes figuras 4.67 y 4.68 se ilustran los registros de las locaciones del modelo y el
Layout con los grficos respectivamente.
Figura 4.67
Pgina 122
Figura 4.68
2. Definicin de entidades
El siguiente paso en la construccin del modelo ser la definicin de las entidades. Para ello es
necesario desplegar la ventana apropiada mediante el comando Entities del men Build. En este
caso la entidad es una caja que se mover en todo el sistema con dimensiones de 1 metro por
1metro. Se definirn adems tres grficos para la misma entidad como se mencion anteriormente
en el paso 3 del ejercicio 4.2. Recuerde que en el botn Edit se puede cambiar el color del grfico
seleccionado. La definicin de la entidad y los tres grficos seleccionados se muestran en la figura
4.69.
Figura 4.69
Pgina 123
Figura 4.70
4. Definir Variable
Dar clic en el botn de acceso directo o por medio del men Build y Variables (global). En el
campo name se nombrar a la variable como Embarcados, si se desea que la variable aparezca
fsicamente solo se tiene que dar clic en el lugar deseado en el Layout (ver figura 4.71).
Figura 4.71
Pgina 124
Figura 4.72
Figura 4.73
Pgina 125
Name
Fila_de_Monitores
Fila_de_Cajas
Estacion_de_Trabajo
Fila_de_Empaque
Zona_de_Empaque
Banda_de_tarimas
Banda_de_Embarque
Zona_Embarque
Name
Caja_Vacia
Cap
5
5
1
5
1
INFINITE
INFINITE
1
Speed (mpm)
20
Locations
Units Stats
1
Time Series
1
Time Series
1
Time Series
1
Time Series
1
Time Series
1
Time Series
1
Time Series
1
Time Series
Rules
Oldest,
Oldest,
Oldest,
Oldest,
Oldest,
Oldest,
Oldest,
Oldest,
.
.
Cost
FIFO,
FIFO,
,
FIFO,
,
FIFO,
FIFO,
,
Entities
Stats
Cost
Time Series
.
.
Processing
Process
Entity
Caja_Vacia
Caja_Vacia
Caja_Vacia
Caja_Vacia
Caja_Vacia
Caja_Vacia
Caja_Vacia
Caja_Vacia
Location
Fila_de_Monitores
Fila_de_Cajas
Estacion_de_Trabajo
Fila_de_Empaque
Banda_de_tarimas
Zona_de_Empaque
Banda_de_Embarque
Zona_Embarque
Entity
Location
Caja_Vacia Fila_de_Monitores
Caja_Vacia Fila_de_Cajas
Caja_Vacia Banda_de_tarimas
ID
Embarcados
Type
Integer
Operation
GRAPHIC 1
GRAPHIC 2
WAIT E(1)
Blk
1
1
1
1
GRAPHIC 3
1
WAIT U(1,0.5) 1
1
WAIT P(2)
1
INC Embarcados
Output
Caja_Vacia
Caja_Vacia
Caja_Vacia
Caja_Vacia
Caja_Vacia
Caja_Vacia
Caja_Vacia
Caja_Vacia
Routing
Destination
Estacion_de_Trabajo
Estacion_de_Trabajo
Fila_de_Empaque
Zona_de_Empaque
Zona_de_Empaque
Banda_de_Embarque
Zona_Embarque
EXIT
Arrivals
Qty Each
First Time Occurrences Frequency
1
0
INF
3
1
1
INF
3
1
5
INF
5
Variables (global)
Initial value
Stats
0
Time Series
Logic
Rule
FIRST
FIRST
FIRST
FIRST
FIRST
FIRST
FIRST
FIRST
.
1
1
1
1
1
1
1
1
.
.
.
.
Cuadro 4.74
Pgina 126
Figura 4.75
4.5.3.2 Modelo con estatutos JOIN, LOAD/UNLOAD y cambio de entidades
Como se habr observado, en el ejercicio 4.4 lo nico que se mueve por el sistema de filas y
bandas es una caja vaca, pero lgicamente la intencin es complementar gradualmente un
modelo en el que un monitor se meta a una caja vaca en la estacin de trabajo y de ah salga una
caja llena que posteriormente se cargar en una tarima, esa tarima se transporta hasta una zona
de embarque y posteriormente se descargar la caja para finalmente embarcarse.
Ejemplo 4.5
Se modificar el sistema de f ilas y bandas del ejercicio anterior para desarrollar operaciones de
ensamble y carga de piezas en otra pieza.
Guarde el ejercicio 4.4 como ejercicio 4.5 para iniciar la modificacin.
1. Agregar Entidades.
Las entidades que s e incorporarn al modelo, adems de l a caja vaca que ya se tena son.
Monitor, Caja Llena, Tarima y Tarima Llena, la dimensin que se considerar para las entidades
que entran a las bandas es de 1 por 1 metros.
Para realizar esto, se habr observado que en el men de grficos no existe el monitor ni la caja
cerrada. Existen dos opciones para incorporar estos grficos:
a) Crear el grfico en el editor grfico (Graphic Editor) que incluye el ProModel.
Pgina 127
Figura 4.76
Enseguida, se modificar la caja vaca para insertar el grfico caja llena. Primero se hace doble
clic en la caja vaca para aparezca en el rea de trabajo y en el men Options se incrementa el
zoom al 400% para verlo ms grande y se modifica este marcando las hojas de la caja con el
mouse y dando en la tecla suprimir, hasta que la caja parezca que est cerrada, ver figura 4.77.
Figura 4.77
Para incorporar esta nueva figura a la biblioteca de grficos, se hace clic en e l ltimo cuadro
que est a la derecha del ltimo grfico en la parte superior, posteriormente en la parte inferior en
el recuadro de la izquierda se pone el nombre de la figura, finalmente se da clic en el botn Save
de los botones que se encuentran la parte superior a la derecha. Para salir del editor grfico se
cierra la ventana principal y se guarda la biblioteca. Ver figura 4.78
Pgina 128
Figura 4.78
En el segundo caso, si se crea completamente la figura, se pueden elegir las figuras que se
encuentran a la izquierda, se puede insertar una figura en otra, cambiar colores de relleno, pegar
una figura a otra, etc. Ver figura 4.79
Figura 4.79
2. Para importar un grafico de otra aplicacin como Word, slo se tiene copiar la imagen y en el
editor grfico de ProModel en el men Edit, se elige la opcin Paste BMP y aparece el grafico
en el rea de trabajo, para incorporarlo a la biblioteca se hace como se mencion anteriormente
en el inciso anterior.
Continuando con el ejercicio, se seleccionarn las nuevas entidades. En la figura 4.80 se
muestran las entidades pedidas, el procedimiento para esto ya se ha m encionado anteriormente
por lo que se har referencia solo a las entidades seleccionadas. Recurdese que l as entidades
que se movern por las bandas deben tener dimensiones de 1x1 metro.
Figura 4.80
Pgina 129
Figura 4.81
3. Proceso.
Llega a la fila de cajas una caja vaca y a la fila de monitores, un monitor que ser ensamblado en
la caja vaca. Ambas piezas (caja vaca y monitor) se dirigen a la siguiente estacin de trabajo en
donde se realiza una operacin que consume un t iempo de c uatro minutos para empacar el
monitor en la caja; de esta estacin sale una caja llena. De aqu, pasa la caja llena a una fila de
empaque que conducir a esta hasta una zona de carga en donde se cargar sobre una tarima
vaca, el tiempo de carga ser de 1 minuto. Posteriormente, sale la tarima llena con destino a la
banda de embarque y de aqu a zona de em barque, en dond e se descargar la caja llena de l a
tarima en un t iempo de 1. 5 minutos. La t arima vaca regresar para ser reciclada a l a banda de
tarimas en un tiempo de 3 minutos, y la caja llena sale del sistema.
Para modificar el Processing, se revisar registro por registro para ir haciendo los cambios
gradualmente.
1. En el primer registro debe entrar una caja vaca a la fila de cajas y salir una caja vaca con
destino a la estacin de trabajo, solo se debe eliminar el estatuto GRAPHIC que s e tena
anteriormente, ya que ahora se tiene un grfico para cada entidad.
2. En el segundo registro entra un monitor a la fila de monitores y sale un monitor con destino a la
estacin de trabajo. Es importante sealar que en el campo Rule debe marcarse la opcin If
Join Request para indicar que esta entidad se unir a otra. Ver figura 4.82.
Pgina 130
Figura 4.82
3. En el tercer registro entra una caja vaca a la estacin del trabajo y en el campo Operation se
da clic sobre el martillo para que aparezca el constructor de estatutos, antes del estatuto WAIT,
debe seleccionarse el estatuto JOIN, en el campo Quantity se asigna 1 y enseguida aparece
otra ventana donde aparecen tres botones en l a parte superior, en l a que dice Entity se
selecciona el monitor y luego se pega con el botn Paste. El tiempo de operacin puede
modificarse ah directamente, por simplicidad los tiempos ahora son constantes, la entidad de
salida es la Caja Llena, as es, cuando se utiliza el estatuto JOIN entra una entidad y debe
salir otra.
4. En el cuarto registro, entra una caja llena a la fila de empaque y sale una caja llena con destino
a la zona de empaque, tambin aqu se debe modificar el campo Rule, como esta caja llena se
cargar sobre la tarima vaca, debe indicarse marcando la opcin If Load Request. Ver figura
4.83.
Figura 4.83
Pgina 131
Process
Entity
Caja_vacia
Monitor
Caja_vacia
Processing
Location
Operation
Fila_de_cajas
1
Fila_de_Monitores
1
Estacion_de_trabajo JOIN 1 Monitor
wait 4
1
Caja_Llena
Fila_de_empaque
1
Tarima_Vacia Banda_tarimas
1
Tarima_Vacia Zona_de_empaque LOAD 1
wait 1
1
Tarima_Llena Banda_de_embarque
1
Tarima_Llena Zona_de_embarque UNLOAD 1
wait 1.5
1
Caja_Llena Zona_de_embarque INC Embarcados 1
Blk Output
Caja_vacia
Monitor
Routing
Destination
Estacion_de_trabajo
Estacion_de_trabajo
Rule
FIRST 1
JOIN 1
Move Logic
Caja_Llena
Fila_de_empaque
FIRST 1
Caja_Llena
Zona_de_empaque LOAD 1
Tarima_Vacia Zona_de_empaque FIRST 1
Tarima_Llena Banda_de_embarque FIRST 1
Tarima_Llena Zona_de_embarque FIRST 1
Tarima_vacia
Caja_Llena
Banda_tarimas
EXIT
Cuadro 4.84
Pgina 132
Figura 4.85
4.5.3.3 Modelo con Recursos y Redes Fsicas
Ejemplo 4.6
En este modelo se aadirn recursos al ejercicio anterior. En ProModel cuando se desea utilizar
recursos, primeramente se tiene que desarrollar la ruta por donde se mover este (Path network)
y con cuales locaciones va a i nteractuar (Interfaces). Posteriormente se crea el recurso y se
especifica por donde se va a mover (Path network).
Se harn los siguientes cambios al modelo:
Crear dos redes fsicas de caminos las cuales se llamarn Red 1 que ser para el Operario1 y
Red 2 que ser para el operario 2.
La Red 1 permite que un operario viaje de la estacin de trabajo a zona de carga. Distancia
15 metros. La R ed 2 permite que u n operario viaje de zona de embarque a zona de carga, y
hasta la parte superior de la banda tarimas. La distancia entre zona de c arga y embarque: 30
metros; la distancia de la banda de tarimas a la zona de carga es de 20 metros.
Crear las siguientes interfaces:
Red 1: Estacin de trabajo y zona de carga.
Red 2: Zona de embarque, zona de carga y banda tarimas.
Se deben crear dos operarios: operario 1 y operario 2.
En las especificaciones, poner operario 1 en Red 1 y operario 2 en red 2. Ambos operarios con
las siguientes caractersticas: velocidades 50 metros/min sin carga y 45 metros/min cargando
material. Tiempo de recoleccin: 3 segundos y tiempo para depositar: 6 segundos.
Pgina 133
Figura 4.86
Igual que en los comandos utilizados anteriormente, existe una ventana para los registros de las
redes en la parte superior donde se especifica el nombre de la red, el tipo de red, la ruta (Path), las
interfaces, etc., y otra ventana en la parte izquierda donde se va estableciendo de donde a dnde
va la red, si es bidireccional y la distancia de esta.
Para trazar la red se tiene que utilizar el mouse, se hace clic cerca de la locacin inicial donde
har interface y aparecer un punto pequeo (llamado nodo) y se arrastra el mouse hasta la otra
locacin donde tambin interactuar el recurso, para finalizar se hace doble clic, en l a parte
izquierda se puede ver de donde a dnde va la red (del nodo1 al nodo 2), ser bidireccional (BI) y
la distancia se puede corregir ah mismo, en este caso es de 15 metros. Si es necesario que la red
presente cambios de direccin, esto se hace dando otra vez clic y moviendo el mouse en l a
direccin deseada. Ver figura 4.88 para observar como que da la primera red. La red 1 est situada
de la estacin de trabajo a l a zona de empaque y como se mencion anteriormente, no es
necesario que toque las locaciones con las que har interface, eso se mostrar enseguida (ver
figura 4.87):
Pgina 134
Figura 4.87
En el botn Interfaces de la ventana superior inicialmente aparece el valor 0, para especificar
las interfaces se hace clic sobre este y la ventana de la izquierda cambia por otra que solo tiene
dos campos: nodo y locacin. Enseguida se sita el puntero del mouse en el primer nodo (cambia
la punta del mouse por una pequea cruz) y se da clic, se ver que sale una lnea punteada del
nodo y se debe dirigir esta a la locacin con la que har interface finalmente hacer clic sobre la
locacin y listo, en la ventana de la izquierda aparecen los nodos y las locaciones, vea figura 4.88.
Observe que en el campo Paths de la ventana superior aparece el valor 1 y en el campo
Interfaces aparece el valor 2.
Figura 4.88
Pgina 135
Figura 4.89
Pgina 136
Figura 4.90
3. Definicin de Recursos
En el men Build en el comando Resources se puede acceder a la definicin de los recursos o
travs del botn de acceso directo que est a un lado del de las redes, vea la figura 4.91.
Figura 4.91
Una vez que se entra al comando Resources, tambin tiene una ventana superior donde se
especifica el grfico del recurso, el nombre, el nmero de unidades, si tiene tiempos muertos, etc.
en la ventana de la izquierda se elige a un operador que es uno de los grficos que se incluyen en
la biblioteca de grficos, se puede cambiar el tamao, el color de este, la orientacin, etc. Vea
figura 4.92.
Pgina 137
Figura 4.92
Enseguida se le asignar la ruta por la que se mover el recurso, eso es a travs del campo
Specs, aparecer un cuadro de dialogo en el cual primero se elige la Red 1 del recuadro donde
dice Path Network, ah vienen varias opciones para cambiar como en l a parte de los nodos se
marca el nodo base (Home) y si se desea que regrese a este si el recurso est ocioso, en la parte
del movimiento (Motion) se asignan la velocidad del recurso cargando, vacio, el tiempo para
depositar y recoger, etc., vea la figura 4.93.
Pgina 138
Figura 4.93
Al dar OK, aparecer en el Layout el recurso que se acaba de asignar con su respectiva ruta.
Ver figura 4.94.
Figura 4.94
Para definir el siguiente recurso se sita el cursor en el registro de la ventana superior donde
dice Operador 1 y se da Enter para generar otro registro en blanco, y se repite todo el proceso
anterior para elegir otro recurso y asignarle la red 2 por donde se mover. Ver figuras 4.95 y 4.96.
Pgina 139
Figura 4.95
Figura 4.96
Pgina 140
Pgina 141
Figura 4.97
Finalmente el modelo queda listo para correrlo y evaluarlo. En la siguiente figura 4.98 se puede
ver el modelo durante la corrida.
Figura 4.98
Pgina 142
.
Stats
Rules
Time Series Oldest,
FIFO,
Time Series Oldest,
FIFO,
Time Series Oldest, ,
Time Series Oldest, ,
Time Series Oldest, ,
Time Series Oldest,
FIFO,
Time Series Oldest,
FIFO,
Time Series Oldest, ,
Entities
Name
Speed (mpm) Stats
Caja_vacia
20
Time Series
Monitor
20
Time Series
Caja_Llena
20
Time Series
Tarima_vacia 20
Time Series
Tarima_Llena 20
Time Series
Name
Red_1
Red_2
Type
Passing
Passing
Net
Node
Red_1
Red_2
N1
N2
N1
N2
N3
Path Networks
T/S
From
Speed & Distance N1
Speed & Distance N1
N2
Interfaces
Location
Estacion_de_trabajo
Zona_de_empaque
Zona_de_embarque
Zona_de_empaque
Banda_tarimas
To
N2
N2
N3
Units
Stats
Search
Search
Operario_1
By Unit
Closest
Oldest
By Unit
Closest
Entity
Caja_vacia
Monitor
Caja_vacia
Process
.
BI Dist/Time Speed Factor
Bi
30
1
Bi
60
1
Bi
30
1
.
Resources
Name
Operator_2
Oldest
.
Path
Motion
Red_1
Empty: 50 mpm
Home: N1 Full: 45 mpm
Pickup: 3 Seconds
Deposit : 6 Seconds
Red_2
Empty: 50 mpm
Home: N1 Full:
45 mpm
Pickup:
3 Seconds
Deposit: 6 Seconds
Processing
Routing
Blk Output
Destination
1 Caja_vacia
Estacion_de_trabajo
1 Monitor
Estacion_de_trabajo
Location
Operation
Rule
Move Logic
.
Fila_de_cajas
FIRST 1
Fila_de_Monitores
JOIN 1
Estacion_de_trabajo GET Operario_1
JOIN 1 Monitor
WAIT 4
FREE Operario_1 1 Caja_Llena Fila_de_empaque
FIRST 1
Caja_Llena
Fila_de_empaque
1 Caja_Llena Zona_de_empaque LOAD 1
Tarima_vacia Banda_tarimas
1 Tarima_vacia Zona_de_empaque FIRST 1
Tarima_vacia Zona_de_empaque GET Operario_1 AND Operator_2
LOAD 1
WAIT 1
FREE ALL
1 Tarima_Llena Banda_de_embarque FIRST 1
Tarima_Llena Banda_de_embarque
1 Tarima_Llena Zona_de_embarque FIRST 1
Tarima_Llena Zona_de_embarque UNLOAD 1
WAIT 1.5
1 Tarima_vacia Banda_tarimas
FIRST 1
MOVE WITH Operator_2 THEN
FREE
Caja_Llena Zona_de_embarque INC Embarcados
1 Caja_Llena EXIT
FIRST 1
Cuadro 4.99
Pgina 143
Pgina 144
Figura 4.100
Figura 4.101
2. Seleccin de las entidades
En el men Build comando Entities o por medio del botn de ac ceso directo seleccionar las
entidades correspondientes a este sistema de produccin:
Materia prima
Pieza en proceso (con tres grficos)
Pieza rechazada
Producto terminado
Lote
Pgina 145
Figura 4.102
Figura 4.103
3. Definicin de las llegadas
En el men Build comando Arrivals o a t ravs del botn de ac ceso directo que ya se ha
mencionado, se selecciona la materia prima, llega a un almacn de materia prima de una en una
desde el minuto cero y con un nmero de ocurrencias infinito. La tasa de llegadas es de acuerdo a
una distribucin normal con media de 10 minutos y una desviacin estndar de 2. En el campo
Frequency se hace clic derecho para que aparezca el constructor de estatutos y se procede como
ya se ha mencionado anteriormente, en Distribution Functions se elige la distribucin pedida.
Adems de elegir las opciones de cada campo (haciendo clic en el botn superior) la entidad,
locacin, etc. existe otra forma, la cual consiste en elegir primeramente la entidad que llega (de la
ventana Tools) y haciendo clic en el Layout, automticamente se llenan los campos por defecto y
solo se procede a c ambiar la informacin que no c orresponda con la informacin del sistema a
modelar. En la siguiente figura 4.104 se ilustra este comando:
Pgina 146
Figura 4.104
4. Definicin de variables
Para definir las variables, ir al men Build comando Variables (global) o por medio del botn
de acceso directo, definir las variables: inventario en proceso, piezas rechazadas y producto
terminado.
Recuerde que adems de def inir las variables y asignarles un nombre en el campo ID, para
que se vean grficamente en el Layout, solo se tiene que dar clic en el espacio de este que se
desea que aparezca el icono. En la siguiente figura 4.105 se presenta como quedaron definidas las
variables:
Figura 4.105
Pgina 147
Pgina 148
Entity
Materia_Prima
Cortadora
Cap
1
1
1
1
1
10
5
Units
1
1
1
1
1
1
1
Stats
Time Series
Time Series
Time Series
Time Series
Time Series
Time Series
Time Series
.
Stats
.
Time Series
Time Series
Time Series
Time Series
Time Series
Process
Location
Operation
Almacen_de_Materia_Prima
WAIT E(4)
GRAPHIC 1
Pieza_en_Proceso Torno
Pieza_en_Proceso Molino
Pieza_en_Proceso
Inspeccion
WAIT P(3)
GRAPHIC 2
WAIT U(2, 1)
GRAPHIC 3
WAIT 1
.
Rules
Oldest, ,
Oldest, ,
Oldest, ,
Oldest, ,
Oldest, ,
Oldest, , First
Oldest, ,
Processing
Blk Output
1 Materia_Prima
Routing
Destination
Cortadora
.
Rule
FIRST 1
Move Logic .
MOVE FOR 0.5 Materia_Prima
1 Pieza_en_Proceso Torno
FIRST 5
1 Pieza_en_Proceso
FIRST 1
1 Pieza_en_Proceso
1 Pieza_en_Proceso
Pieza_rechazada
Pieza_en_Proceso Horno
Molino
Inspeccion
Horno
EXIT
FIRST 1
0.75
0.25
WAIT L(7, 2)
COMBINE 10
1 Lote
Almacen_de_Producto_Terminado FIRST 1
Lote Almacen_de_Producto_Terminado
WAIT 3
COMBINE 5
DEC Inventario_en_Proceso,50
INC Piezas_Terminadas 1 Producto_Terminado EXIT
FIRST 1
Arrivals
.
Entity
Location
Qty Each First Time Occurrences Frequency Logic
Materia_Prima Almacen_de_Materia_Prima 1
0
INF
N(10, 2)
Variables (global)
.
ID
Type
Initial value Stats .
Inventario_en_Proceso Integer
0
Time Series
Piezas_Rechazadas
Integer
0
Time Series
Piezas_Terminadas
Integer
0
Time Series
Cuadro 4.106
Pgina 183
Figura 4.107
4.6 Comentarios adicionales
Con la realizacin de los 7 ejercicios anteriores, se pueden simular una gran cantidad de sistemas
productivos reales tanto de servicios como de manufactura, algunos ejemplos de sistemas que se
pueden simular son:
Bancos
Cajeros automticos
Restaurantes de comida rpida
Servicios administrativos
Cajeros de tienda de autoservicio
Auto lavados
Talleres de manufactura
Centros de servicios para autos
Consultorios mdicos/urgencias
Etc.
Pgina 184
Pgina 185
5. En un taller se estn produciendo piezas de madera para proveer una fbrica. Llegan troncos
de madera (a una tasa de llegadas normal con media de 20 minutos y desviacin estndar de 2
minutos) a una fila de materia prima la cual tiene una longitud de 15 metros y una capacidad de
10, de ah se llevan por medio de un montacargas a u na sierra donde de cada tronco se
obtienen 5 piezas en proceso las cuales pasan a una banda transportadora (que tiene una
longitud de 20 metros y una velocidad de 20 mpm), de esta banda las piezas en proceso van a
un torno que tiene una capacidad de procesar una sola pieza a la vez (cambiar la grfica de la
pieza en proceso cuando sale de esta mquina), de ah pasan las piezas a u na pulidora que
tiene tambin una c apacidad de pr oceso de un a pieza, cambiar nuevamente la grfica de l a
pieza cuando sale de la pulidora. De las mquinas mencionadas, pasan las piezas en proceso
por una inspeccin donde se tiene un 90% de posibilidades de que las piezas estn correctas,
las piezas que no es tn bien se mandan nuevamente a l a banda transportadora para
retrabajarlas. Las piezas buenas se van a una rea de empacado donde se combinan 4 de
estas para que salga un lote con destino a una banda de salida (longitud de 15 metros y una
velocidad de 20 mpm). De la banda de salida se cargan los lotes con un segundo montacargas
a un camin y de ah salen fuera del sistema.
Pgina 186
Distribucin
Ensamble
Soldadura
Pintura
Inspeccin
Pgina 187
7. Durante las horas pico, los clientes llegan a l a fila de entrada de una cafetera escolar de
acuerdo a una tasa que sigue una distribucin normal con media de 3 m inutos y desviacin
estndar de minuto. Posteriormente son atendidos por un cajero y el tiempo en que se realiza
esta operacin es de acuerdo a una distribucin Normal con media de 4 minutos y desviacin
estndar de 1 minuto. En el prrafo siguiente se enlistan los diversos tipos de productos que
pueden elegir y la secuencia que siguen para la obtencin de estos:
Dulces y golosinas. Estas se entregan ah mismo en la caja, el tiempo de pr oceso va
incluido en el tiempo de atencin y posteriormente se van al rea de comedores en un
tiempo de un minuto.
Refrescos. Estos se entregan ah mismo en la caja, el tiempo de proceso va incluido en el
tiempo de atencin y posteriormente se van al rea de de comedores en un tiempo de un
minuto.
Golosinas y refresco. Estos se entregan ah mismo en la caja, van incluidos en el tiempo
de atencin y posteriormente se van al rea de de comedores en un tiempo de un minuto.
Jugos o caf. De la caja se van a la fila de entrega de bebidas, luego son atendidos por
un servidor en el rea de entrega de bebidas y el tiempo de operacin en esta parte del
proceso es de acuerdo a una distribucin uniforme entre 4 y 6 minutos; y luego los clientes
van al rea de comedores en un tiempo de un minuto.
Alimentos preparados . De la caja se van a la fila de preparacin de alimentos para ser
atendidos por otro servidor que se encarga de preparar los alimentos en un tiempo que
sigue una distribucin exponencial con media de 10 minutos, y luego los clientes se
trasladan al rea de comedores en un tiempo de un minuto.
Jugos o caf y alimentos preparados. De la caja pasan a la fila de entrega de bebidas,
son atendidos y luego van a la fila de alimentos preparados, son atendidos y luego van al
rea de comedores en un tiempo de 1 minuto
Pgina 188
Probabilidad
10%
10%
20%
5%
25%
10%
20%
Pgina 189
Captulo 5:
Desarrollo de un proyecto de
simulacin
Pgina 191
Pgina 192
Cuadro 5.1
Pgina 193
Carrera:
INGENIERA INDUSTRIAL
Materia:
SIMULACIN
Proyecto:
SIMULACION DE UN SISTEMA MEDICO GUBERNAMENTAL
Presentan:
Adriana Alejandra Insunza Morado
Samuel Jatzaquiel Grajeda Mendoza
Linda Rebeca Guerrero Crdenas
Grupo:
K2
Profesor:
MC Jos Crdenas Zavala
Pgina 194
Figura 1.1
En la siguiente figura 1.2 se presenta el mapa del Estado de Colima, para acercarse un poco ms al objetivo de
estudio, ya que existen Tres Jurisdicciones, la primera se encuentra en Colima, la segunda en Tecomn y la tercera en
Manzanillo.
Figura 1.2
Pgina 195
Figura 1.3
1.1.2 Antecedentes de la institucin mdica
La Secretara de Salud ha pasado por diversas etapas evolucionando histricamente hasta que en 1943 se constituye
como tal con la facultad para organizar, administrar, dirigir y controlar la prestacin de servicios de salud. El 30 de
agosto de 1983, se expidi el Decreto mediante el cual el Ejecutivo Federal estableci las bases a las que se sujet el
programa de descentralizacin de los servicios de salud de la Secretara de Salubridad y Asistencia, con el cual se dio
inicio la descentralizacin. Con base en este Decreto, en febrero de 1984 los gobiernos federal y estatal, en el marco del
Convenio nico de Desarrollo, acordaron promover la descentralizacin de la vida nacional y fortalecer las bases del
rgimen federal, as como realizar conjuntamente las acciones necesarias para llevar a cabo la integracin programtica
de los servicios de salud en los estados y, posteriormente, la integracin orgnica de los servicios de salud a poblacin
abierta a cargo de la SSA, del IMSS-COPLAMAR y de la propia entidad. El Ejecutivo Federal expidi el 8 de marzo de
1984, el Decreto por el que se descentralizan a las entidades federativas los servicios que prestaban la Secretara en los
estados y los que, dentro del Programa de Solidaridad Social por Cooperacin Comunitaria, denominado IMSSCOPLAMAR, proporcionaba el IMSS.
El 21 de enero de 1985, se reform la Ley Orgnica de la Administracin Pblica Federal, con lo cual la Secretara
de Salubridad y Asistencia cambi su nombre por Secretara de Salud. El 25 de septiembre de 1996 se public en el
Diario Oficial de la Federacin el Acuerdo Nacional para la descentralizacin de los servicios de salud en las 31
entidades federativas, concretndose en 1997 con la firma de los convenios correspondientes para su creacin como
organismos pblicos descentralizados y derivar entre muchos otros los Centros Rurales de Salud.
De acuerdo al Plan maestro de Infraestructura Fsica en Salud (PMI) de la Direccin General de Planeacin y
Desarrollo en Salud del Estado de Colima actualizado a diciembre de 2010, existen 22 nuevos centros de salud en el
Estado de Colima, 4 en sustitucin, 42 en fortalecimiento y una ampliacin, pero de las 69 obras, 56 son obras
proyectadas y el resto estn terminadas.
1.2 Marco de referencia
Los datos generales de esta institucin mdica son:
Nombre de la Institucin:
Centro de Salud Rural Cuauhtmoc.
Ubicacin de la Institucin: Cuauhtmoc, Colima.
Domicilio:
Kilmetro 15 carretera Colima Tonila
Delegacin o municipio:
Cuauhtmoc.
Jurisdiccin:
Sanitaria Nmero 1
Entidad Federativa:
Colima
Telfonos:
(312)-328-00-48, (312)-328-04-99
Pgina 196
A continuacin se presenta en la siguiente figura 1.4 la estructura organizacional del Centro de Salud Rural
Cuauhtmoc Colima:
Director
Asesor y promotor del
Seguro Mdico Popular
Mdicos
Generales
MPSSs
Jefa de enfermera
Personal de farmacia
Enfermeras de base
Enfermeras pasantes
Figura 1.4
1.3 Metodologa propuesta de trabajo
Enseguida se enumeran los pasos o etapas de la metodologa que se aplicar a lo largo de este proyecto:
1.
2.
3.
4.
5.
6.
7.
8.
El objetivo de la preparacin del proyecto es hacer un ejercicio de planeacin del proyecto identificando las
restricciones del sistema, determinando el objetivo general y especfico as como el alcance y el nivel de detalle que se
espera incluir en el modelo a desarrollar.
La intencin de la definicin del sistema es estudiarlo dividindolo en los diversos sistemas y subsistemas que lo
conforman utilizando diversas herramientas emanadas de la ingeniera industrial como diagramas de flujo de procesos,
croquis de distribucin de planta, para conocer este a fondo. Tambin se determina el proceso productivo para cada tipo
de producto o servicio ofrecido, determinar las fuentes posibles de obtencin de la informacin, establecer supuestos
que no afecten el modelo y que lo hagan ms fcil de desarrollar sin perder efectividad para lograr los objetivos
planteados.
El objetivo de la construccin del modelo es, proveer una representacin valida que describa el comportamiento del
sistema analizado, se deben obtener las variables de entrada que proveen la informacin necesaria para cumplir con los
objetivos de la simulacin.
La recoleccin y anlisis de los datos es sumamente importante ya que estos constituyen el soporte estadstico que le
proporciona el parecido con la realidad al modelo a travs de las variables de entrada. Aqu convergen tanto la
estadstica descriptiva como la inferencial, ya que se toman muestra. Las variables, se organizan en distribuciones de
frecuencia, se hacen histogramas y polgonos para observar la forma bsica de la distribucin y posteriormente con la
teora de prueba de hiptesis se verifican si siguen alguna distribucin de probabilidad terica o no.
Pgina 197
El siguiente paso es desarrollar el modelo en algn lenguaje especfico de simulacin, correrlo y validarlo
adecuadamente para verificar que la informacin con que se aliment este sea congruente con el sistema real. Como con
la ayuda del modelo se busca resolver alguna problemtica detectada en el sistema, se deben establecer diferentes
alternativas, experimentar con estas y analizarlas a fondo.
El ltimo paso en el procedimiento de la simulacin es el hacer recomendaciones para mejorar el actual sistema,
basado en los resultados del modelo simulado. Estas recomendaciones deben ser estadsticamente soportadas y
claramente presentadas en un informe de resultados de la simulacin.
1.4 Desarrollo de la metodologa.
1.4.1 Etapa 1: Preparacin del proyecto.
1.4.1.1 Identificar las restricciones del sistema
En este rubro las principales restricciones que pueden considerarse despus de haber hecho un anlisis inicial del
sistema son:
El tiempo para realizar el proyecto.
Conocimiento y habilidad para realizar el estudio.
La posible resistencia de las personas que integran el sistema para proporcionar la informacin.
Hiptesis de partida
Partiendo de hecho de que la simulacin ha sido aplicada con xito en diversos sistemas productores de bienes y /
servicios, luego entonces es factible aplicarla en una unidad mdica para optimizar sobre todo los tiempos de espera de
los pacientes, mejorando los servicios brindados.
Pgina 198
Direccin
Asesor y promotor del seguro mdico popular
Mdicos generales
Personal de farmacia
Jefa de enfermera
Enfermeras de base
Enfermeras pasantes
MPSS.
c) Servicio final
En el Centro de Salud se atiende a los usuarios de manera gratuita, donde se otorgan los distintos servicios mdicos
adems de proveer de los medicamentos necesarios.
En la figura 2.1 se muestra la distribucin de planta del Centro de Salud. En la entrada est la oficina de la jefa de
mdicos y a la izquierda est la oficina de promotora, en seguida esta la sala de espera; al lado de la promotora est a
oficina de la jefa de enfermeras, a un lado se encuentra los baos. A un lado de la sala de espera se encuentra el rea
Pgina 199
dental, seguido esta las farmacias, despus el rea de curaciones, seguida de servicios, en seguida el rea de camas y por
ltimo los dos consultorios. Frente al ltimo consultorio se encuentra la cocina, y a un lado el cuarto de lavado.
rea
Dental
Farmacia
Curaciones
Servicios
Camas
Consultorio
1
Consultorio
2
Sala de espera
Oficina
promotora
Oficina jefa
de mdicos
Oficina jefa
de
enfermeras
Cocina
WC
WC
Entrada
Cuarto
de
lavado
Figura. 2.1
2.1. 3 Tipos de bienes o servicios que se ofrecen
En el Centro de Salud Rural tratado, las reas de medicina, enfermera, dental, promotora y farmacia, brindan
principalmente los servicios siguientes:
1. Se da atencin a la consulta general y/ consulta externa,
2. Urgencias.
3. Se manejan diferentes programas con los pacientes y con la poblacin, como son:
a) Salud reproductiva: Planificacin familiar, control prenatal, atencin de parto (si llegara a necesitarse de
urgencia) y puerperio.
b) Salud del nio y del adolescente: Enfermedades diarreicas, Infeccin respiratoria aguda y estado de nutricin.
c) Aplicacin de biolgicos.
d) Detecciones: Diabetes Mellitus, Hipertensin Arterial, Sfilis, Obesidad, Osteoporosis, Hiperplasia Prosttica.
e) Salud del adulto y el anciano: Control de pacientes con diabetes mellitus, hipertensin arterial y obesidad.
f) Microbacteriosis: Detecciones y tratamiento de Tuberculosis y Lepra.
g) Infecciones de Transmisin Sexual.
h) Enfermedades Transmitidas por Vector: Dengue, Paludismo.
i) Picaduras de alacrn.
j) Zoonosis: Rabia, Brucelosis, Teniosis y Cisticercosis.
k) Salud Bucal.
2.1.3.1 Desarrollar diagramas de anlisis de procesos para los servicios producidos.
Como ya se mencion, en conjunto, los cinco servicios mencionados, colaboran para la realizacin de las siguientes
actividades: Se da consulta, asesora, promocin de todos los servicios y programas de salud (vacunacin, control
prenatal, estimulacin temprana, control del nio sano, control de enfermedades crnico degenerativas, como son:
diabetes, hipertensin, obesidad, etctera; entre otros). En la siguiente figura 2.2 se puede ver el flujo de las entradas de
los pacientes a los diversos servicios ofertados.
Pgina 200
rea
Dental
Farmacia
Curaciones
Servicios
Camas
Consultorio
1
Consultorio
2
Sala de espera
Cocina
Oficina
promotora
Oficina
jefa de
mdicos
Oficina jefa
de
enfermeras
WC
Cuarto
de
Lavado
Entrada
Figura 2.2
En la figura 2.2 se muestra la ruta que debe de hacer un paciente al visitar el centro de salud. Primeramente debe de
llegar con la jefa de mdicos por su ficha, posteriormente esperar que llegue su turno en la sala de espera, en cuanto este
llega pasa al consultorio correspondiente. Dependiendo del diagnstico del mdico, el paciente pasar al rea dental,
farmacia, curaciones o servicios donde ser atendido por el personal respectivo. Dependiendo de la enfermedad o del
tipo de atencin del paciente, es trasladado al rea de camas, si no se le da salida. Cabe aclarar que en casos de
enfermedad que la atencin esta fuera del alcance del centro de salud, se les recomienda trasladar al paciente a un
hospital de segundo nivel, como son el Hospital Regional o el Hospital del IMSS, ambos ubicados en la ciudad de
Colima.
En la siguiente figura 2.3 se muestra un diagrama de flujo del proceso que hace el paciente al visitar el Centro de
Salud.
Pgina 201
Llegada del
paciente
Si
Urgencias?
No
Entrega de Ficha
Recibe Enfermera
Atiende
Medico
Pasa el paciente a
consulta
Servicio
Dental
Servicio
General
Paciente pasa a
farmacia
Salida
Fin
Figura 2.3
Pgina 202
Atender a los pacientes conforme van llegando a las instalaciones, excepto urgencias.
No interrumpir la atencin a cada paciente por causas ajenas al sistema como fallas en el suministro de energa
elctrica, falta de personal, negligencia etc. excepto si se trata de una urgencia.
Evidentemente, no se deja de atender a un paciente por negligencia, sino nicamente si se presenta un paciente en
una condicin urgente.
Pgina 203
Fila de
Entrada
Recepcin
Fila de
Atencin a
Pacientes
Enfermeras
Fila de
Farmacia
Farmacia
Mdico 2
Fin
Tiempo entre
llegadas
Tipo de
paciente
Tiempo de
servicio
Tiempo de
servicio
Tiempo de
Atencin
Dentista
Tiempo de Atencin
Figura 3.1
Pgina 204
Recepcin
Hora de
llegada
Hora de inicio
Hora de salida
Tiempo de
servicio
Tipo de
Servicio
1
2
3
n
Tabla 3.2
Para la variable del tiempo de servicio en enfermera ya sea para consulta general o urgencias, se utilizar la
siguiente hoja de verificacin:
Hoja de Toma de Datos para el rea de Enfermera
Hora de inicio:
ENFERMERIA
Llegadas
Hora de
Paciente
Hora de inicio
Hora de salida
Llegada
1
2
3
n
Tabla 3.3
Tiempo de
Servicio
Pgina 205
Para la variable tiempo de atencin de mdicos en consulta general se dise la siguiente hoja de verificacin.
Hoja de Toma de datos en el rea de Consultas
Hora de inicio:
Mdico 1
Paciente
Hora de
Inicio
Horas de Salida
Tiempo de
Servicio
Mdico 2
Hora de
Horas de
Inicio
Salida
Tiempo de
Servicio
1
2
3
n
Tabla 3.4
Para la variable tiempo de atencin en el rea Dental se dise la siguiente hoja de verificacin:
Hoja de Toma de datos en el rea Dental
Hora de inicio
Dentista
Paciente
Tiempo de
Hora de inicio Hora de salida
Servicio
1
2
3
n
Tabla 3.5
Para la variable tiempo de servicio en el rea de farmacia se dise la siguiente hoja de verificacin:
Hoja de Verificacin en el rea de Farmacia
Hora de inicio:
Trabajadora Social
Tiempo de
Paciente
Servicio
Hora de Inicio Hora de Salida
1
2
3
n
Tabla 3.6
Para la variable tiempo de atencin en el rea de urgencias se dise la siguiente hoja de verificacin:
Hoja de Verificacin en el rea de Urgencias
Hora de Inicio:
Mdico
Tiempo
Paciente
de Servicio
Hora de inicio Hora de Inicio
1
2
3
n
Tabla 3.7
Pgina 206
1:05 pm
1:07 pm
1:10 pm
1:18 pm
1:23 pm
1:25 pm
1:30 pm
1:32 pm
1:33 pm
1:37 pm
1:41 pm
1:46 pm
1:48 pm
1:53 pm
1:55 pm
2:05 pm
2:12 pm
2:16 pm
2:20 pm
2:25 pm
2:29 pm
2:35 pm
2:39 pm
2:45 pm
2:50 pm
2:55 pm
3:00 pm
3:12 pm
3:15 pm
3:22 pm
3:30 pm
3:43 pm
3:50 pm
3:57 pm
13:05 Horas
Recepcin
Hora de
inicio
Hora de
salida
1:12 pm
1:20 pm
1:20 pm
1:21 pm
1:21 pm
1:25 pm
1:25 pm
1:30 pm
1:30 pm
1:33 pm
1:33 pm
1:35 pm
1:35 pm
1:37 pm
1:37 pm
1:39 pm
1:39 pm
1:41 pm
1:41 pm
1:44 pm
1:44 pm
1:46 pm
1:46 pm
1:49 pm
1:49 pm
01:51 pm
1:51 pm
1:55 pm
1:59 pm
2:05 pm
2:08 pm
2:12 pm
2:12 pm
2:17 pm
2:17 pm
2:20 pm
2:21 pm
2:26 pm
2:26 pm
2:31 pm
2:31 pm
2:39 pm
2:39 pm
2:45 pm
2:45 pm
2:49 pm
2:49 pm
2:53 pm
2:53 pm
2:57 pm
2:57 pm
3:02 pm
3:02 pm
3:07 pm
3:19 pm
3:22 pm
3:22 pm
3:28 pm
3:28 pm
3:34 pm
3:34 pm
3:38 pm
3:45 pm
3:49 pm
3:50 pm
3:55 pm
3:57 pm
4:02 pm
Tabla 3.8
Tiempo de
Servicio
(min)
8
1
4
5
3
2
2
2
2
3
2
3
2
4
6
4
5
3
5
5
8
6
4
4
4
5
5
3
6
6
4
4
5
5
Tipo de
servicio
Consulta
Dental
Consulta
Urgencias
Consulta
Consulta
Dental
Urgencias
Consulta
Dental
Consulta
Urgencias
Consulta
Consulta
Dental
Urgencias
Dental
Consulta
Consulta
Consulta
Dental
Consulta
Consulta
Consulta
Consulta
Consulta
Consulta
Consulta
Consulta
Consulta
Consulta
Urgencias
Consulta
Consulta
Pgina 207
La siguiente tabla 3.9 muestra el tiempo de servicio en enfermera, recurdese que este tiempo corresponde a la
enfermera que atendi a los pacientes tanto de consulta general como de urgencias.
Llegadas
Paciente
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
Enfermera
Hora de
Inicio
Hora de
salida
1:07 PM
1:30 PM
1:58 PM
2:05 PM
2:12 PM
2:19 PM
2:27 PM
2:43 PM
2:55 PM
3:04 PM
3:13 PM
3:25 PM
3:34 PM
3:48 PM
3:56 PM
4:04 PM
4:13 PM
4:22 PM
4:34 PM
4:59 PM
5:10 PM
5:27 PM
5:45 PM
6:13 PM
6:31 PM
6:59 PM
7:07 PM
7:20 PM
7:30 PM
7:41 PM
7:52 PM
8:01 PM
8:07 PM
8:15 PM
Tabla 3.9
1:13 PM
1:34 PM
2:03 PM
2:10 PM
2:16 PM
2:22 PM
2:34 PM
2:48 PM
2:59 PM
3:09 PM
3:18 PM
3:32 PM
3:41 PM
3:53 PM
3:59 PM
4:07 PM
4:18 PM
4:27 PM
4:50 PM
5:03 PM
5:20 PM
5:34 PM
5:54 PM
6:22 PM
6:38 PM
7:01 PM
7:13 PM
7:27 PM
7:34 PM
7:48 PM
7:56 PM
8:04 PM
8:13 PM
8:29 PM
Tiempo de
servicio
(min)
6
4
5
5
4
3
7
5
4
5
5
7
7
5
3
3
5
5
16
4
10
7
9
9
7
2
6
7
4
7
4
3
6
14
Pgina 208
En la siguiente tabla 3.10 se consider el tiempo de servicio o atencin de los 2 mdicos generales con que cuenta
el Centro de Salud.
Hora de inicio
Paciente
Inicio
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
1:13PM
1:28PM
1:45PM
2:00PM
2:17PM
2:22PM
2:37PM
2:52PM
3:07PM
3:24PM
3:34PM
3:49PM
3:59PM
4:10PM
4:20PM
4:37PM
4:53PM
5:00PM
5:14PM
5:25PM
5:38PM
5:51PM
6:02PM
6:18PM
6:33PM
6:51PM
7:04PM
7:22PM
7:39PM
7:59PM
8:14PM
8:25PM
8:31PM
8:38PM
Mdico 2
Salida
1:14PM
1:28PM
1:35pm
1:45pm
1:55pm
2:12PM
2:27PM
2:42PM
3:00PM
3:13PM
3:22PM
3:37PM
3:45PM
3:59PM
4:10PM
4:29PM
4:39PM
4:55PM
5:10PM
5:25PM
5:42PM
5:55PM
6:19PM
6:35PM
6:49PM
6:59PM
7:15PM
7:29PM
7:45PM
7:58PM
8:10PM
8:20PM
8:27PM
8:39PM
Tiempo de
Servicio
14
14
7
10
10
17
15
15
18
13
9
15
8
14
11
19
10
16
15
15
17
13
14
16
14
10
16
14
16
13
12
10
7
12
Pgina 209
En la siguiente tabla 3.11 se puede ver el tiempo de atencin del dentista que labora en el Centro de salud.
Pgina 210
Pgina 211
La tabla 3.13 contiene los tiempos muestreados en el rea de urgencias durante el periodo considerado.
Hoja de Verificacin para el rea de Urgencias
Hora de inicio:
13:30
Mdico
Paciente
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
Hora de
Inicio
1:35PM
1:42PM
1:58PM
2:20PM
7:53PM
8:38AM
8:42AM
9:55AM
11:10AM
1:16PM
3:29PM
5:10PM
6:55PM
8:15PM
9:05AM
10:19AM
11:02AM
2:59PM
4:22PM
5:15PM
6:09PM
7:18PM
7:59PM
11:35AM
1:22PM
2:18PM
3:15PM
4:25PM
5:09PM
6:15PM
Hora de
Salida
1:45PM
2:20PM
2:30PM
2:59PM
8:25PM
8:59AM
9:10AM
10:15AM
11:29AM
1:58PM
3:59PM
5:29PM
7:20PM
8:40PM
9:55AM
10:58AM
11:45AM
3:20PM
4:55PM
5:59pm
6:45PM
7:45PM
8:30PM
11:59AM
2:12PM
2:39PM
3:28PM
4:59PM
5:55PM
6:57PM
Tabla 3.13
Tiempo
de Atencin (min)
10
38
32
39
32
21
28
20
19
42
30
19
25
25
50
39
43
21
33
44
36
27
31
24
50
21
13
24
46
42
Pgina 212
5
2
1
5
4
5
2
6
2
4
4
5
4
6
2
5
5
10
4
5
Tabla 3.14
5
12
3
7
8
13
7
7
Frecuencia
Observada
1- 3
6
46
8
79
10
10 12
6
13 15
1
Tabla 3.15
Clases
Figura 3.16
Pgina 213
1
4
5
3
2
2
2
3
3
5
6
2
3
4
4
5
4
6
5
4
Tabla 3.17
5
3
6
6
4
5
5
Frecuencia
Observada
1
6
5
8
8
3
0
2
Tabla 3.18
Figura 3.19
Pgina 214
4
5
5
4
7
5
4
5
7
7
5
3
10
5
7
5
9
16 9
4
7
Tabla 3.21
6
7
4
7
3
6
14
Figura 3.23
Pgina 215
15
15
16
13
13
17
15
17
5
15
15
17
10
10
11
10
17
7
14
11
13
11
16
15
18
18
17
20
15
11
12
6
7
7
12
7
10
10 10
Tabla 3.24
10
17
19
17
14
16
14
16
13
13
14
16
14
10
16
15
15
15
8
14
11
15
15
18
13
14
7
30
25
20
15
10
5
0
11
14
17
20
Figura 3.26
Pgina 216
34
34
31
34
36
35
32
30
38
34
36
41
26
24
28
28
25
26
15
Tabla 3.27
39
25
36
36
42
18
28
34
32
52
Figura 3.29
Pgina 217
1
2
1
2
3
1
2
1
1
2
1
2
1
3
2
2
1
2
2
1
Tabla 3.30
2
2
1
2
2
2
1
En este caso como se tienen solamente 3 valores distintos se proceder a tomar los valores puntuales y contar
cuantos hay de cada uno para ver si se ajustan a una distribucin terica.
Clases
1
2
3
Frecuencia
Observada
15
16
3
Tabla 3.31
21
38
32
39
32
28
20
19
42
30
39
19
43
25
21
25
33
50
44
Tabla 3.32
36
21
27
31
24
50
13
24
46
42
Frecuencia
Observada
10 18
2
19 27
11
28 36
7
37 45
7
46 - 54
3
Tabla 3.33
Clases
Pgina 218
Figura 3.34
3.2.4 Determinacin de las distribuciones de probabilidad tericas de las variables de entrada (si es que la tienen)
con el Stat::Fit del ProModel.
Figura 3.35
Pgina 219
Con la ayuda del Stat::Fit se obtiene que esta variable se ajusta tanto a distribuciones continuas como discretas, tal
como se puede apreciar en las siguientes figuras 3.36 y 3.37.
Figura 3.36
Figura 3.37
De las figuras anteriores se puede ver que esta variable se ajusta perfectamente a una distribucin continua Normal
con media de 4.12 y desviacin estndar de 1.66. Tambin se ajusta a una distribucin discreta terica Binomial, pero en
este caso se tomar como la distribucin para crear el modelo a la Normal.
Esta variable se ajusta a una distribucin de Poisson, con media de 5.97, tal como se puede ver en la siguiente figura
3.38.
Figura 3.38
Pgina 220
De acuerdo al Stat::Fit de ProModel ,esta variable se ajusta a la distribucin Normal, con media 13.12 y desviacin
estndar 3.5 (ver figura 3.39).
Figura 3.39
Esta variable se ajusta tambin a una distribucin Normal con media 31.9 y desviacin estndar 7.2 tal como se
puede apreciar en la siguiente figura 3.40:
Figura 3.40
Esta variable se ajusta una distribucin Binomial, con n= 3 y p =0.549 tal como se puede apreciar en la siguiente
figura 3.41.
Figura 3.41
Pgina 221
Esta variable se ajusta a una distribucin de Poisson con una media de 30.8, ver figura 3.42.
Figura 3.42
3.3 Resumen final de cada variable y la distribucin a la cual se ajustaron.
En el siguiente cuadro 3.43 se muestra el resumen de las variables de entrada del modelo y la distribucin a la cual
se ajustaron considerando los estimadores de los parmetros para cada distribucin.
Variable
Tiempo entre llegadas de los pacientes
Distribucin
Estimadores
Lognormal
= 5.09, S = 2.77
= 4.12, S = 1.66
Normal
Emprica
Poisson
Normal
Normal
Binomial
Poisson
Cuadro 4.43
= 5.97
= 13.12, S = 3.5
= 31.90, S = 7.2
= 3, = 0.549
= 30.80
2 2
2
= 6 1 + 2 +
2 + 2
=1
Pgina 222
12
(2.77)2 2
(5.09)2
= 6 1 +
(5.09)2
(5.09)2 + (2.77)2
=1
()2
2 2
Como es una distribucin continua, se puede aplicar el mtodo de la transformada inversa y el generador general
sera:
12
= + 6
Por lo tanto el generador especfico para esta variable es:
=1
12
= 4.12 + 6 1.66
=1
Frecuencia
Observada
23
6
5
34
Probabilidad
Acumulada
Relativa
0.6765
0.6765
0.1765
0.8530
0.1470
1.0000
1.0000
Tabla 4.44
Clases
0.0000 Ri 0.6765
0.6765 < Ri 0.8530
0.8530 < Ri 1.0000
Pgina 223
Probabilidad de Poisson
(=5.97)
0.0026
0.0152
0.0455
0.0906
0.1352
0.1614
0.1606
0.1370
0.1022
0.0678
0.0405
0.0220
0.0109
0.0050
0.0021
0.0009
0.0003
0.0001
0.0000
Acumulada
0.0026
0.0178
0.0633
0.1539
0.2891
0.4505
0.6111
0.7481
0.8503
0.9181
0.9586
0.9806
0.9915
0.9965
0.9987
0.9995
0.9998
0.9999
1.0000
Tabla 4.45
Clases
0.0000
0.0026
0.0178
0.0633
0.1539
0.2891
0.4505
0.6111
0.7481
0.8503
0.9181
0.9586
0.9806
0.9915
0.9965
0.9987
0.9995
0.9998
0.9999
R
<R
<R
<R
<R
<R
<R
<R
<R
<R
<R
<R
<R
<R
<R
<R
<R
<R
<R
0.0026
0.0178
0.0633
0.1539
0.2891
0.4505
0.6111
0.7481
0.8503
0.9181
0.9586
0.9806
0.9915
0.9965
0.9987
0.9995
0.9998
0.9999
1.0000
Nota: Recurdese que en este generador se consideran valores incluso que no se hayan muestreado, esto por la razn de
que ya que se tiene la certeza estadstica que los datos siguen una distribucin terica.
= 13.12 + 6 3.5
=1
= 31.90 + 6 7.2
=1
Probabilidad Binomial
(p = 0.549)
0.0917
0.3350
0.34078
0.1655
Acumulada
Clases
0.0917
0
R
0.0917
0.4267
0.0917
<R
0.4267
0.8345
0.4267
<R
0.8345
1.0000
0.8345
<R
1.0000
Tabla 4.46
Nota: Este generador se realiz considerando 3 ensayos, el valor cero que se puede ver en la tabla es parte del tipo de
experimento, ya que una distribucin Binomial es una serie de experimentos de Bernoulli. De cualquier manera, el cero
significa que dos personas llegaron al mismo tiempo. Esa puede ser la interpretacin del tiempo entre llegadas cero.
0
1
2
3
Pgina 224
X
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
Probabilidad Poisson
(=30.80)
0.0001
0.0001
0.0003
0.0007
0.0013
0.0024
0.0041
0.0066
0.0102
0.0150
0.0209
0.0280
0.0360
0.0443
0.0525
0.0599
0.0659
0.0700
0.0719
0.0714
0.0687
0.0642
0.0581
0.0511
0.0438
0.0364
0.0295
0.0233
0.0180
0.0135
0.0099
0.0071
0.0050
0.0034
0.0023
0.0015
0.0010
0.0006
0.0004
0.0002
0.0001
0.0001
Acumulada
0.0001
0.0002
0.0005
0.0012
0.0026
0.0049
0.0090
0.0156
0.0258
0.0408
0.0618
0.0898
0.1258
0.1701
0.2227
0.2826
0.3485
0.4185
0.4904
0.5618
0.6306
0.6947
0.7528
0.8040
0.8477
0.8841
0.9137
0.9370
0.9549
0.9684
0.9783
0.9854
0.9904
0.9937
0.9960
0.9975
0.9985
0.9991
0.9994
0.9997
0.9999
1.0000
Tabla 4.47
Clases
0.0000
0.0001
0.0002
0.0005
0.0012
0.0026
0.0049
0.0090
0.0156
0.0258
0.0408
0.0618
0.0898
0.1258
0.1701
0.2227
0.2826
0.3485
0.4185
0.4904
0.5618
0.6306
0.6947
0.7528
0.8040
0.8477
0.8841
0.9137
0.9370
0.9549
0.9684
0.9783
0.9854
0.9904
0.9937
0.9960
0.9975
0.9985
0.9991
0.9994
0.9997
0.9999
<R
<R
<R
<R
<R
<R
<R
<R
<R
<R
<R
<R
<R
<R
<R
<R
<R
<R
<R
<R
<R
<R
<R
<R
<R
<R
<R
<R
<R
<R
<R
<R
<R
<R
<R
<R
<R
<R
<R
<R
<R
<R
0.0001
0.0002
0.0005
0.0012
0.0026
0.0049
0.0090
0.0156
0.0258
0.0408
0.0618
0.0898
0.1258
0.1701
0.2227
0.2826
0.3485
0.4185
0.4904
0.5618
0.6306
0.6947
0.7528
0.8040
0.8477
0.8841
0.9137
0.9370
0.9549
0.9684
0.9783
0.9854
0.9904
0.9937
0.9960
0.9975
0.9985
0.9991
0.9994
0.9997
0.9999
1.0000
Nota: Los valores generados dependen del nmero de dgitos considerados en el clculo de la probabilidad, en este caso
se consideran 4 dgitos de manera ilustrativa, pero en el software puede existir incluso mayor precisin al generar las
variables.
Pgina 225
Obviamente el objetivo de este punto es desarrollar el modelo en el software incluyendo la edicin de las
locaciones, atributos, estatutos necesarios, variables para cada tipo de servicio solicitado, as como realizar la lgica
adecuada para que el modelo represente fielmente al sistema real. Se agregar el supuesto de que cada fila tiene una
capacidad mxima de 10 personas para ayudar a tomar una decisin que optimice el sistema de acuerdo a la demanda de
los servicios y la capacidad instalada. Se realizarn 30 corridas de tamao 8 horas para el turno considerado (vespertino)
del modelo.
4.2.1
En la siguiente figura 4.48, se muestra la distribucin fsica de las locaciones que componen el modelo en
ProModel.
Figura 4.48
Pgina 226
En los siguientes cuadros 4.49, 4.50 y 4.51 se muestra el cdigo fuente del modelo realizado.
********************************************************************************
*
Formatted Listing of Model:
*
********************************************************************************
Time Units:
Minutes
Distance Units:
Meters
********************************************************************************
*
Locations
*
********************************************************************************
Name
------------------------Fila_de_Entrada
Recepcin
Fila_Atencion_a_Pacientes
Enfermeras
Enfermeras.1
Enfermeras.2
Medico_General
Medico_General.1
Medico_General.2
Dentista
Fila_Farmacia
Farmacia
Salida
Cap
--10
1
10
1
1
1
1
1
1
1
10
1
1
Units
----1
1
1
2
1
1
2
1
1
1
1
1
1
Stats
----------Time Series
Time Series
Time Series
Time Series
Time Series
Time Series
Time Series
Time Series
Time Series
Time Series
Time Series
Time Series
Time Series
Rules
Cost
--------------- -----------Oldest, FIFO,
Oldest, ,
Oldest, FIFO,
Oldest, , First
Oldest, ,
Oldest, ,
Oldest, , First
Oldest, ,
Oldest, ,
Oldest, ,
Oldest, FIFO,
Oldest, ,
Oldest, ,
********************************************************************************
*
Entities
*
********************************************************************************
Name
Speed (mpm) Stats
Cost
---------- ------------ ----------- -----------Paciente
50
Time Series
Cuadro 4.49
Pgina 227
Routing
Entity
Location
Operation
Blk Output
Destination
Rule
Move
Logic
-------- ----------------------------------------------------------------------------------------------------------------------Paciente Fila_de_Entrada
1
Paciente Recepcin
FIRST 1
Paciente Recepcin
WAIT N(4.12, 1.66)
IF Tipo_de_paciente = 1 THEN INC Consulta_General
IF Tipo_de_paciente = 2 THEN INC Dental
IF Tipo_de_paciente = 3 THEN INC Urgencia 1
Paciente Fila_Atencion_a_Pacientes FIRST 1
Paciente Fila_Atencion_a_Pacientes
Paciente Enfermeras
WAIT P(5.97)
IF Tipo_de_paciente = 1 THEN
IF Tipo_de_paciente = 3 THEN
IF Tipo_de_paciente = 2 THEN
Paciente Enfermeras
FIRST 1
ROUTE 1
ROUTE 1
ROUTE 2
1
2
Paciente Medico_General
Paciente Dentista
FIRST 1
FIRST 1
Paciente Dentista
WAIT N(30.90, 7.2)
Paciente Fila_Farmacia
Paciente Farmacia
WAIT BI(3, 0.549)
1
1
1
Paciente Fila_Farmacia
Paciente Farmacia
Paciente Salida
Paciente Salida
Paciente EXIT
INC Pacientes_totales
FIRST 1
FIRST 1
FIRST 1
FIRST 1
FIRST 1
********************************************************************************
*
Arrivals
*
********************************************************************************
Entity
Location
Qty Each
First Time Occurrences Frequency
Logic
-------- --------------- ---------- ---------- ----------- ------------- -----------Paciente Fila_de_Entrada 1
0
INF
L(5.09, 2.77) Tipo_de_paciente = Distribucion_Tipo_Usuario()
Cuadro 4.50
Pgina 228
Value
-----------1
2
3
Cuadro 4.51
4.2.3
Enseguida se muestran las tablas con el reporte de salida de las 30 corridas ya promediadas:
Locaciones: Reporte general
Tabla 4.52
De la tabla anterior se puede observar que el porcentaje de utilizacin en recepcin es del 91%, las enfermeras en
promedio es del 95.37%, los mdicos generales es del 82.58%, el dentista es de 64.38% y solamente la persona que
atiende en farmacia presenta el porcentaje ms bajo con un 20.14%, lo que significa que tanto las enfermeras como los
mdicos generales estn trabajando a un ritmo muy alto. Esto puede entenderse ya que estos atienden tanto consulta
general como urgencias.
Pgina 229
Tabla 4.53
Aqu se puede observar que tanto la fila de entrada como la fila de atencin a pacientes estn totalmente llenas el
18.37% y el 55.07%, esto significa que el personal con que se cuenta no es suficiente y en un momento dado ms de
diez personas hacen fila.
Locaciones: Reporte general de locaciones con capacidad individual
Tabla 4.54
Esta tabla es muy importante ya que muestra que existe un cuello de botella debido a los porcentajes de bloqueo de
la recepcin (28.50%) y enfermeras (56.81%), esto significa que los mdicos generales no trabajan a un ritmo
equilibrado entre las llegadas de los pacientes y el tiempo que requieren atencin, por esa razn tanto la recepcin como
las enfermeras no pueden continuar su trabajo hasta que los mdicos terminen.
Llegadas fallidas
Tabla 4.55
Aqu se observa que en promedio 11.6 pacientes no pueden entrar al sistema por la razn mencionada anteriormente.
Pgina 230
Tabla 4.56
Salieron en total 58 (promedio redondeado) pacientes del sistema, se quedaron actualmente en el sistema 25 al
momento de terminar la simulacin, el tiempo promedio en el sistema es de 108.02 minutos, en espera para ser
atendidos esperan en promedio 55 minutos y el tiempo que son atendidos es en promedio 31.17 minutos. Si se agrega el
tiempo que el paciente permanece bloqueado ms el tiempo de espera: 55 + 21.04 = 76.04 minutos de demora total.
Actividad de la entidad en minutos (continuacin)
Tabla 4.57
Actividad de la entidad en porcentaje
Tabla 4.58
En total el paciente est en espera el 49.71% del tiempo, bloqueado el 19.54% y en atencin solamente el 29.98%
del tiempo.
Variables
Tabla 4.59
Aqu se puede observar que a consulta general en promedio llegan aproximadamente 50 pacientes, a dental 13 y a
urgencias 10 en el turno vespertino del Centro de Salud.
Pgina 231
En este caso se puede considerar como una alternativa la contratacin de 1 mdico general ms y ver que tanto
mejora la atencin a los pacientes. No se considera la contratacin de otra enfermera ya que estas estn bloqueadas por
los mdicos generales.
4.3.2
Figura 4.60
4.3.3
En este caso lo nico que cambia del modelo es la cantidad de mdicos generales que se encuentran en las
locaciones por lo que se mostrar solamente esa parte del cdigo fuente.
********************************************************************************
*
Locations
*
********************************************************************************
Name
Cap Units Stats
Rules
Cost
------------------------- --- ----- ----------- --------------- -----------Fila_de_Entrada
10 1
Time Series Oldest, FIFO,
Recepcin
1
1
Time Series Oldest, ,
Fila_Atencion_a_Pacientes 10 1
Time Series Oldest, FIFO,
Enfermeras
1
2
Time Series Oldest, , First
Enfermeras.1
1
1
Time Series Oldest, ,
Enfermeras.2
1
1
Time Series Oldest, ,
Medico_General
1
3
Time Series Oldest, , First
Medico_General.1
1
1
Time Series Oldest, ,
Medico_General.2
1
1
Time Series Oldest, ,
Medico_General.3
1
1
Time Series Oldest, ,
Dentista
1
1
Time Series Oldest, ,
Fila_Farmacia
10 1
Time Series Oldest, FIFO,
Farmacia
1
1
Time Series Oldest, ,
Salida
1
1
Time Series Oldest, ,
Cuadro 4.61
Pgina 232
En las siguientes tablas se muestra el reporte de salida de la alternativa considerada: Contratar un mdico general
adicional:
Locaciones: Reporte general
Tabla 4.62
De la tabla anterior se puede observar que el porcentaje de utilizacin en recepcin baj del 91% al 84.95%, las
enfermeras bajaron su porcentaje de utilizacin de 95.37% al 90.56%, para los mdicos generales baj del 82.58% al
72.93%, tanto el dentista como la persona de farmacia incrementaron su porcentaje de utilizacin de 64.38% a 73.35%
y del 20.14% al 26.15%, respectivamente, lo que significa que tanto las enfermeras como los mdicos generales estn
trabajando a un ritmo ms equilibrado (baj ligeramente su porcentaje de utilizacin) con la incursin del mdico
adicional. El porcentaje tanto del dentista como la persona de farmacia aumentaron ya que el sistema increment su
productividad.
Locaciones: Reporte general de locaciones con mltiple capacidad
Tabla 4.63
Aqu se puede observar que tanto la fila de entrada como la fila de atencin a pacientes estn totalmente llenas el
2.42% y el 20.45%, esto es significativamente menor que el sistema actual que es del 18.37% y el 55.07%,
respectivamente.
Pgina 233
Tabla 4.64
Esta tabla muestra que todava existe un cuello de botella, pero los porcentajes bajaron: en recepcin es de 8.81%
(anteriormente era 28.50%) y enfermeras 41.39% (anteriormente era de 56.81%), esto significa que los mdicos
generales trabajan a un ritmo ms equilibrado entre las llegadas de los pacientes y el tiempo que requieren atencin.
Llegadas fallidas
Tabla 4.65
Las llegadas fallidas bajaron de 11.60 a 1.60 con la alternativa considerada.
Tabla 4.66
En esta tabla se puede apreciar de mejor manera el impacto positivo de la contratacin de un mdico ms para el
Centro de salud, el tiempo en el sistema bajo de 108.02 a 69.46 minutos, el tiempo de espera cay de 55 a 25.22 minutos
y el tiempo de operacin prcticamente no sufri cambio de 31.17 a 30.98 minutos.
Pgina 234
Tabla 4.67
Esta tabla solo refuerza la anterior en trminos porcentuales.
Variables
Tabla 4.68
Aqu se puede ver que se increment la atencin a los pacientes que van a consulta general de 50 a 61 (que es dnde
se tiene el impacto ms fuerte) los pacientes que van a consulta con el dentista se increment de 13 a 14 y urgencias se
increment de 10 a 13 en el turno vespertino del Centro de Salud.
4.5
4.5.1
Se recomienda gestionar la contratacin de un mdico general adicional para que el Centro de Salud ofrezca un
servicio ms eficiente con ms calidad y a su vez se incremente la productividad del sistema considerado.
4.5.2
Con base en los objetivos especficos, se puede decir que se cumplieron ampliamente ya que en los reportes de
salida se consideraron todos estos y otras medidas estadsticas adicionales que apoyaron fuertemente en la
recomendacin hecha anteriormente.
Por su parte en el objetivo general, en el cual se plante desarrollar un modelo de simulacin para el Centro de
Salud Rural de Cuauhtmoc, Colima, especficamente en las reas de enfermera, medicina y farmacia, se concluye que
efectivamente se realiz este con xito el cual se pudo correr y analizar adecuadamente para proponer alguna alternativa
de mejora que lo hiciera ms eficiente y productivo.
Nota: La informacin estadstica que refuerza las recomendaciones y la conclusin de los objetivos se mencion en el
punto 4.4.1.
Pgina 235
Anexos
Tablas de distribuciones de probabilidad
0.01
0.02
0.03
0.04
0.05
0.06
0.07
0.08
0.09
0.0160
0.0557
0.0948
0.1331
0.1700
0.2054
0.2389
0.2704
0.2996
0.3264
0.3508
0.3729
0.3925
0.4099
0.4251
0.4382
0.4495
0.4591
0.4671
0.4738
0.4793
0.4838
0.4875
0.4904
0.4927
0.4945
0.4959
0.4969
0.4977
0.4984
0.4988
0.4992
0.4994
0.4996
0.4997
0.4998
0.4999
0.4999
0.4999
0.5000
0.0199
0.0596
0.0987
0.1368
0.1736
0.2088
0.2422
0.2734
0.3023
0.3289
0.3531
0.3749
0.3944
0.4115
0.4265
0.4394
0.4505
0.4599
0.4678
0.4744
0.4798
0.4842
0.4878
0.4906
0.4929
0.4946
0.4960
0.4970
0.4978
0.4984
0.4989
0.4992
0.4994
0.4996
0.4997
0.4998
0.4999
0.4999
0.4999
0.5000
0.0239
0.0636
0.1026
0.1406
0.1772
0.2123
0.2454
0.2764
0.3051
0.3315
0.3554
0.3770
0.3962
0.4131
0.4279
0.4406
0.4515
0.4608
0.4686
0.4750
0.4803
0.4846
0.4881
0.4909
0.4931
0.4948
0.4961
0.4971
0.4979
0.4985
0.4989
0.4992
0.4994
0.4996
0.4997
0.4998
0.4999
0.4999
0.4999
0.5000
0.0279
0.0675
0.1064
0.1443
0.1808
0.2157
0.2486
0.2794
0.3079
0.3340
0.3577
0.3790
0.3980
0.4147
0.4292
0.4418
0.4525
0.4616
0.4693
0.4756
0.4808
0.4850
0.4884
0.4911
0.4932
0.4949
0.4962
0.4972
0.4980
0.4985
0.4989
0.4992
0.4995
0.4996
0.4997
0.4998
0.4999
0.4999
0.5000
0.5000
0.0319
0.0714
0.1103
0.1480
0.1844
0.2190
0.2518
0.2823
0.3106
0.3365
0.3599
0.3810
0.3997
0.4162
0.4306
0.4430
0.4535
0.4625
0.4700
0.4762
0.4812
0.4854
0.4887
0.4913
0.4934
0.4951
0.4963
0.4973
0.4980
0.4986
0.4990
0.4993
0.4995
0.4996
0.4998
0.4998
0.4999
0.4999
0.5000
0.5000
0.0359
0.0754
0.1141
0.1517
0.1879
0.2224
0.2549
0.2852
0.3133
0.3389
0.3621
0.3830
0.4015
0.4177
0.4319
0.4441
0.4545
0.4633
0.4706
0.4767
0.4817
0.4857
0.4890
0.4916
0.4936
0.4952
0.4964
0.4974
0.4981
0.4986
0.4990
0.4993
0.4995
0.4997
0.4998
0.4998
0.4999
0.4999
0.5000
0.5000
237
grados
de
libertad
2
0.10
2
0.05
2.706
3.841
4.605
5.991
6.251
7.815
7.779
9.488
9.236
11.070
10.645
12.592
12.017
14.067
13.362
15.507
14.684
16.919
15.987
18.307
17.275
19.675
18.549
21.026
19.812
22.362
21.064
23.685
22.307
24.996
23.542
26.296
24.769
27.587
25.989
28.869
27.204
30.144
28.412
31.410
29.615
32.671
30.813
33.924
32.007
35.172
33.196
36.415
34.382
37.652
35.563
38.885
36.741
40.113
37.916
41.337
39.087
42.557
40.256
43.773
Fuente: Valores calculados con Excel.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
2
0.025
5.024
7.378
9.348
11.143
12.833
14.449
16.013
17.535
19.023
20.483
21.920
23.337
24.736
26.119
27.488
28.845
30.191
31.526
32.852
34.170
35.479
36.781
38.076
39.364
40.646
41.923
43.195
44.461
45.722
46.979
2
.1
6.635
9.210
11.345
13.277
15.086
16.812
18.475
20.090
21.666
23.209
24.725
26.217
27.688
29.141
30.578
32.000
33.409
34.805
36.191
37.566
38.932
40.289
41.638
42.980
44.314
45.642
46.963
48.278
49.588
50.892
2
0.005
7.879
10.597
12.838
14.860
16.750
18.548
20.278
21.955
23.589
25.188
26.757
28.300
29.819
31.319
32.801
34.267
35.718
37.156
38.582
39.997
41.401
42.796
44.181
45.559
46.928
48.290
49.645
50.993
52.336
53.672
2
0.001
10.828
13.816
16.266
18.467
20.515
22.458
24.322
26.124
27.877
29.588
31.264
32.909
34.528
36.123
37.697
39.252
40.790
42.312
43.820
45.315
46.797
48.268
49.728
51.179
52.620
54.052
55.476
56.892
58.301
59.703
238
grados
de
libertad
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
25
30
35
Para
valores
mayores a
35
D =0.10
D =0.05
D =0.01
0.950
0.776
0.642
0.564
0.510
0.470
0.438
0.411
0.388
0.368
0.352
0.338
0.325
0.314
0.304
0.295
0.286
0.278
0.272
0.264
0.250
0.220
0.210
0.975
0.842
0.708
0.624
0.565
0.521
0.486
0.457
0.432
0.410
0.391
0.375
0.361
0.349
0.338
0.328
0.318
0.309
0.301
0.294
0.270
0.240
0.230
0.995
0.929
0.828
0.733
0.669
0.618
0.577
0.543
0.514
0.490
0.468
0.450
0.433
0.418
0.404
0.392
0.381
0.371
0.363
0.356
0.320
0.290
0.270
239
Sintaxis
Componentes Individuales
Beta
B(a,b,c,d)
Binomial
BI(a,b)
Erlang
ER(a,b)
a=Media, b= Parmetro
Exponencial
E(a)
a=Media
Gamma
G(a,b)
Geomtrica
GEO(a)
a=Probabilidad de xito
Inversa
Gaussiana
IG(a,b)
Lognormal
L(a,b)
Normal
N(a,b)
Pearson5
P5(a,b)
Pearson6
P6(a,b,c)
Poisson
P(a)
a= Media
Triangular
T(a,b,c)
Uniforme
U(a,b)
Weibull
W(a,b)
240
Bibliografa
GARCA DUNNA Eduardo, GARCA REYES Heriberto, CRDENAS BARRN Leopoldo
E., (2006). Simulacin y anlisis de s istemas con ProModel. Primera edicin. Mxico.
Pearson Prentice Hall.
HARREL Charles R., GHOSH Biman K., BOWDEN Royce O., (2004). Simulation using
ProModel w/CD Rom (Hardcover). Second Edition. United States of America. McGraw-Hill.
GARCA Francisco, SIERRA Jorge, GUZMN Virginia, (2005). Simulacin de sistemas
para administracin e ingeniera. Mxico. CECSA.
AZARANG Mohammad R., GARCA DUNNA Eduardo. (1996). Simulacin y anlisis de
modelos estocsticos. Primera edicin. Mxico. McGraw-Hill.
COSS BU Ral, (1993). Simulacin un Enfoque Prctico. Mxico, LIMUSA.
241