Fase_3_Diana Gaitán

Fase 3 Evaluación
Presentado por:
Diana Mayerly Gaitán Vergara
Tutor
Franco Andersson Muñoz
Universidad Nacional a Distancia (UNAD)

Escuela de Ciencias Básicas, Tecnología e Ingeniería
Curso Métodos Probabilísticos
Tauramena – Casanare
Diciembre 2023
INTRODUCCIÓN
En el ámbito de la gestión y la toma de decisiones en empresas, la aplicación de modelos

matemáticos y estadísticos se ha vuelto esencial para abordar diversas problemáticas de
manera eficiente. En este contexto, presentamos una serie de cinco ejercicios que abarcan
distintos aspectos de la investigación operativa y la planificación estratégica. Estos ejercicios
involucran técnicas avanzadas de programación estocástica, evaluación de proyectos, gestión
de inventarios, análisis de líneas de espera y pronóstico de demanda, todos abordados a través
del software R.
El Ejercicio 1 se centra en la programación estocástica con recurso, donde se plantea un

escenario en el que la demanda de una ruta específica aumenta en un 40%. El desafío radica
en formular un modelo que considere simultáneamente ambos escenarios y resolverlo
mediante el uso del software R.
En el Ejercicio 2, se aplicará la técnica de evaluación y revisión de proyectos a una ruta

específica. Se analizará la duración estimada, optimista y pesimista de la fabricación del
producto, calculando la media y la varianza de la duración.
El Ejercicio 3 aborda la gestión de inventarios probabilísticos, proponiendo una política que

evite faltantes.
En el Ejercicio 4, se plantea un modelo de línea de espera, considerando la capacidad de

despacho diario de la empresa. Se determinarán medidas de desempeño y se calculará la
probabilidad de que todos los camiones estén desocupados, verificando los resultados
mediante el software R.
Finalmente, en el Ejercicio 5, se explorará un modelo de pronóstico probabilístico de

demanda utilizando suavización exponencial simple con una constante específica. La
proyección de la demanda futura se llevará a cabo, y los resultados se validarán mediante el
software R.
DESARROLLO DE LA ACTIVIDAD
Ejercicio 1. Programación estocástica con recurso.

Considerando que en el problema planteado en la Fase 1, la ruta 2 sea la que presente un
aumento en su demanda de un 40%; formule un modelo que tome en cuenta simultáneamente
ambos escenarios y resuélvalo usando el software R.
MINIMIZAR: R1 R21 R22 R3 COSTO
C1 500 700 980 850 1000
C2 500 700 980 850 1200
C3 500 700 980 850 1300
MINIMIZAR: 500*1000 + 700*1000 + 980*1000 + 850*1000 +

500*1200 + 700*1200 + 980*1200 + 850*1200 +
500*1300 + 700*1300 + 980*1300 + 850*1300
Restricciones:
Escenario 1
Ruta 1: 500*180 + 500*220 + 500*250 ≥ 500
Ruta 21: 700*180 + 700*220 + 700*250 ≥ 700
Ruta 22: 980*180 + 980*220 + 980*250 ≥ 980
Ruta 3: 850*180 + 850*220 + 850*250 ≥ 850

X11 X121 X122 X13 X21 X221 X222 X23 X31 X321 X322 X33
0 0 0 2 0 1 0 0 2 2 4 2
1000 1000 1000 1000 1200 1200 1200 1200 1300 1300 1300 1300
0 0 0 0 0 0 0 0 2600 0 0 0
0 0 0 0 0 1200 0 0 0 2600 5200 0
0 0 0 2000 0 0 0 0 0 0 0 2600
RUTA 1 2600
RUTA 2 9000
RUTA 3 4600
16200
Conclusión: el costo de las tres rutas es de 16.200 y la ruta que genera menos costo o los minimiza es la 1 con un valor de 2600.
Ejercicio 2. Técnica de evaluación y revisión de proyectos.
Considere la ruta (A → C → E → F → H). ¿Cuál es la duración estimada, la optimista y la

pesimista de la fabricación del producto? ¿Cuál es la media y la varianza de la duración de la
fabricación del producto? ¿Cuál es la probabilidad de que la ruta cumpla con el objetivo de
fabricar el producto en máximo 40 horas? ¿Esta ruta es mejor que las planteadas en la Fase
1?
Duración optimista y pesimista de la fabricación del producto
Duración
Estimación Estimación
Predecesor estimada Media Varianza
Actividades optimista pesimista
inmediato en minutos
m o p μ σ²
A - 6 6 6 6 0
B A 12 5 15 11.3333333 2.77777778
C A 5 3 8 5.16666667 0.69444444
D B,C 4 3 7 4.33333333 0.44444444
E C,D 7 5 13 7.66666667 1.77777778
F E 6 4 10 6.33333333 1
G D, E, F 8 8 9 8.16666667 0.02777778
H F, G 9 9 9 9 0
Cual es la media y la varianza de la duración de la fabricación del prodcuto?
Duración
Actividad Estimada Media Varianza
de la ruta
A 6 6 0
C 5 5.16666667 0.69444444
E 7 7.66666667 1.77777778
F 6 6.33333333 1
H 9 9 0
Total 33 35 3.5
Ejercicio 3. Modelos de inventarios probabilísticos
Plantee una política de inventario que evite faltantes el 90% de las veces, es decir, asumiendo
L=0.9, calcule el punto de reorden R y el inventario de seguridad. Compruebe los resultados
usando el software R.
Con esto, concluyo que nuestra política de inventario óptima es la siguiente: Para garantizar
que no tengamos faltantes el 90% del tiempo, cada vez que nuestro inventario llegue a 1309
lotes, debemos hacer un nuevo pedido de 1040 lotes.
Ejercicio 4. Modelos de línea de espera.
Plantee un modelo de línea de espera, suponiendo que la empresa puede despachar hasta 30
pedidos al día. Determinar las medidas de desempeño y calcule la probabilidad de que todos
los camiones estén desocupados. Verifique los resultados usando el software R.
Conclusión: no es necesario adicionar más camiones a la flota, ya que al utilizar N = 30, las
probabilidades de que no haya distribuidores es de 0.21%, quiere decir que siempre habrá un
distribuidor.
Ejercicio 5. Modelos de pronóstico probabilístico.
Proyecte la demanda futura usando un modelo de pronóstico de suavización exponencial
simple con constante de suavización 0.4, luego verifique los resultados usando el software R.
alpha 0.4
DIA DEMANDA
1 165
2 178
3 125
4 164
5 171
6 155
7 123
8 124
9 145
10 156
11 137
12 148
13 159
14 168
15 171
Proyectar la demanda futura usando modelo de pronóstico de suavización exponencial

simple.
• La proyección final para el último día (Día 15) es de 157.476564, según el modelo.
• La constante de suavización determina la rapidez con la que el modelo reacciona a
cambios en la demanda; en este caso, alfa=0.4 indica un ajuste moderado.
• La tendencia proporciona un elemento adicional para ajustar la proyección,
considerando cambios sistemáticos en la demanda.
CONCLUSIONES
La resolución de los ejercicios destaca la importancia de utilizar modelos matemáticos

y estadísticos avanzados para abordar problemáticas empresariales complejas. El uso del
software R en la mayoría de los ejercicios demuestra la eficacia de las herramientas
tecnológicas especializadas en la implementación y resolución de modelos, mejorando la
precisión y eficiencia en la toma de decisiones.
Los ejercicios abarcan áreas clave de la gestión empresarial, como la planificación de

recursos, la evaluación de proyectos, la gestión de inventarios, el análisis de líneas de espera
y el pronóstico de demanda. La aplicación de técnicas cuantitativas y estadísticas en estas
áreas proporciona una base sólida para la toma de decisiones estratégicas. La capacidad de
proyectar futuros escenarios y anticiparse a cambios en la demanda o en la cadena de
suministro permite una gestión más eficiente y eficaz de los recursos empresariales.
La diversidad de los ejercicios, que abarcan desde la programación estocástica hasta la

gestión de inventarios y la evaluación de proyectos, resalta la necesidad de un enfoque
integral para la optimización empresarial. La combinación de múltiples modelos y técnicas
ofrece una visión holística de las operaciones empresariales y permite tomar decisiones
informadas y estratégicas. La interconexión entre las áreas de investigación operativa, gestión
de proyectos y análisis de datos se presenta como un enfoque efectivo para abordar desafíos
empresariales complejos.
REFERENCIAS BIBLIOGRAFICAS
Barbosa Correa, R., & Llinás Solano, H. (2016). Procesos estocásticos con aplicaciones.
Universidad del Norte.
https://bibliotecavirtual.unad.edu.co/login?url=https://search.ebscohost.com/login.asp
x?direct=true&db=nlebk&AN=1800058&lang=es&site=eds-
live&scope=site&ebv=EB&ppid=pp_73
Gerald J. Lieberman, & Hillier, F. S. (2015). Investigación de operaciones (10a. ed.).

McGraw-Hill Interamericana. https://www-ebooks7-24-
com.bibliotecavirtual.unad.edu.co/?il=2269&pg=695
Gerald J. Lieberman, & Hillier, F. S. (2015). Investigación de operaciones (10a. ed.).

McGraw-Hill Interamericana. https://www-ebooks7-24-
com.bibliotecavirtual.unad.edu.co/?il=2269&pg=791
Peralta, J. (2022). Métodos Probabilísticos - Modelo de programación estocástica.

[Objeto_virtual_de_Informacion_OVI]. Repositorio Institucional UNAD.
https://repository.unad.edu.co/handle/10596/53980
Taha, H. (2017). Investigación de operaciones (10a. ed.). Pearson Educación. https://www-

ebooks7-24-com.bibliotecavirtual.unad.edu.co/?il=6959&pg=613
Taha, H. (2017). Investigación de operaciones (10a. ed.). Pearson Educación. https://www-

ebooks7-24-com.bibliotecavirtual.unad.edu.co/?il=6959&pg=655

Fase_3_Diana Gaitán

Cargado por

Copyright:

Formatos disponibles

Fase_3_Diana Gaitán

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Fase_3_Diana Gaitán

Cargado por

Copyright:

Formatos disponibles

Fase 3 Evaluación

Universidad Nacional a Distancia (UNAD)

En el ámbito de la gestión y la toma de decisiones en empresas, la aplicación de modelos

El Ejercicio 1 se centra en la programación estocástica con recurso, donde se plantea un

En el Ejercicio 2, se aplicará la técnica de evaluación y revisión de proyectos a una ruta

El Ejercicio 3 aborda la gestión de inventarios probabilísticos, proponiendo una política que

En el Ejercicio 4, se plantea un modelo de línea de espera, considerando la capacidad de

Finalmente, en el Ejercicio 5, se explorará un modelo de pronóstico probabilístico de

Ejercicio 1. Programación estocástica con recurso.

MINIMIZAR: 500*1000 + 700*1000 + 980*1000 + 850*1000 +

Ruta 1: 500*180 + 500*220 + 500*250 ≥ 500

Ruta 21: 700*180 + 700*220 + 700*250 ≥ 700

Ruta 22: 980*180 + 980*220 + 980*250 ≥ 980

Ruta 3: 850*180 + 850*220 + 850*250 ≥ 850

Ejercicio 2. Técnica de evaluación y revisión de proyectos.

Considere la ruta (A → C → E → F → H). ¿Cuál es la duración estimada, la optimista y la

Cual es la media y la varianza de la duración de la fabricación del prodcuto?

Ejercicio 4. Modelos de línea de espera.

Proyectar la demanda futura usando modelo de pronóstico de suavización exponencial

La resolución de los ejercicios destaca la importancia de utilizar modelos matemáticos

Los ejercicios abarcan áreas clave de la gestión empresarial, como la planificación de

La diversidad de los ejercicios, que abarcan desde la programación estocástica hasta la

Gerald J. Lieberman, & Hillier, F. S. (2015). Investigación de operaciones (10a. ed.).

Gerald J. Lieberman, & Hillier, F. S. (2015). Investigación de operaciones (10a. ed.).

Peralta, J. (2022). Métodos Probabilísticos - Modelo de programación estocástica.

Taha, H. (2017). Investigación de operaciones (10a. ed.). Pearson Educación. https://www-

Taha, H. (2017). Investigación de operaciones (10a. ed.). Pearson Educación. https://www-

También podría gustarte

MINIMIZAR: 5001000 + 7001000 + 9801000 + 8501000 +

Ruta 1: 500180 + 500220 + 500*250 ≥ 500

Ruta 21: 700180 + 700220 + 700*250 ≥ 700

Ruta 22: 980180 + 980220 + 980*250 ≥ 980

Ruta 3: 850180 + 850220 + 850*250 ≥ 850