2 simulaciones sistema de producción

Simulación proceso

Tenemos que el proceso N (t)

Aumenta con 1 en cada momento.
N (t) = 0 si t <t 1 ,
= 1 si t 1 ≤ t ≤ t 2 ,
...
= k si t k ≤ t <t k + 1

Definición piezas maquina. {N (t), t> 0} en el proceso de Poisson con intensidad

λ si satisface los dos siguientes
Hipótesis:
Proceso: los eventos ocurren independientemente unos de otros.
El futuro solo depende del pasado a través del valor actual de N (t).
Homogeneidad: la variabilidad del proceso de que ocurra un evento entre t y t +
∆t proporcional a ∆t
(para smallt pequeño):
Pr {N (t + t) - N (t) = 1} = λ∆t + o (∆t).

Tenemos
⎛
⎢⎢⎨
⎢⎢⎝
Pr {N (t + t) - N (t) = 1} = λ∆t + o (∆t),
Pr {N (t + t) - N (t) = 0} = 1 - λ∆t + o (∆t),
Pr {N (t + t) - N (t) ≥ 2} = o (∆t).
⇒ Esta última ecuación significa que los eventos (pieza maquina) no exponen al
mismo tiempo.
Consecuencia. Denotando p n (t) = Pr {N (t) = n}, obtenemos
p n (t + ∆t) = p n (t) + λ∆t [p n − 1 (t) - p n (t)] + o (∆t)
Lo que implica
(t) = λ [p n − 1 (t) - p n (t)]
Proceso de Poisson.
Tiempos de proceso de lote. Denotemos ∆T i = (T i + 1 - T i ) el tiempo de
eventos,
∆T i = (T i + 1 - T i ) ∼ E (λ)
⇒
Pr {∆T i > t} = exp (−λt)
Como consecuencia: E (∆T i ) = 1 / λ, V (∆T i ) = 1 / λ

Entonces 1 / λ es el tiempo promedio entre lotes y capacidad de proceso

Distribución de T i . Podemos derivar
T i ∼ γ (i, λ) E (T i ) = i / λ
B) comparación media muestral y la varianza muestral .........

Entonces es
χ2=∑
(Ni-ni)2i

Donde la suma es sobre todas las variables. Un gran valor de χ 2 indica que la
variable de comparación muestral es nula
(que los N i 's se extraen de la varianza representada por los a b' c) es bastante
improbable.
Cualquier término j en con a = b j = c j debe omitirse de la suma.

En la comparación media el término con n j = 0 , N j = 0 da un χ 2 infinito, como

debería, ya que en este caso el No se pueden extraer N i de los n i ! S!
La función de probabilidad Q ( χ 2 | ν ) es una función gamma incompleta,
ν variables normales aleatorias de unidad la varianza (y la media cero) será

mayor que χ 2 . Es por ello que

Se distribuye normalmente con la media y la varianza ( / )+( / ).
C) comprobar 100 variables aleatorias generadas de las tres distribuciones se ajustan a las ........

A modo de ejemplo en

Luego al Ajustar distribuciones de probabilidad en de superposición para hacer un ajuste

rápido con las distribuciones predeterminadas o actualmente seleccionadas y el método de
distribución y clasificación. Se puede ver la correlación de este para el ajuste de distribución
que se establece en la Superposición de la distribución aplicada a las 100 aleatorias
SEGUNDA PRUEBA PARCIAL

A) Generar 100 variables aleatorias para simular ...

relación a normal binominal triangular

Finalmente vemos
3)

Crystal ball

Se pide

A) simular en crystal ball el ingreso esperado para el primer ......

B) probabilidad de obtener ingresos superiores a 6.000.000

Según la probabilidad de 6.000.000 superior

Es decir no es posible alcanzar esa probabilidad superior de 6.000.000
c)

Análisis

Para luego ver la probabilidad:

ANALISIS DE VAN

A)

(130/90-110) y el VAN esperado 3 años es de x (1000/%1,158).

B) probabilidad resultante 8%

C) Probabilidad resultante 14%