Modelos de una Factoría

Slides:



Advertisements
Presentaciones similares
Coeficiente de variabilidad
Advertisements

Medidas de dispersión y variabilidad
SIMULACION AVANZADA COMIMSA PICYT 1 TEORIA DE COLAS Presenta: Alvaro Sanchez Martinez Pedro Pérez Villanueva 26 Sep
Tiempo de Interferencia
Rango = Valor máximo – Valor mínimo
Tiempo de Interferencia. n Es el tiempo de espera en cola cuando un item necesita un recurso ocupado n Aparece con ocupaciones inferiores al 100% n Debido.
MULTIVERSIDAD LATINOAMERICANA CAMPUS VERACRUZ MATEMÁTICAS Docente : José Antonio Villalobos Mendoza Probabilidad: método infalible para pronosticar en.
Modelo M/Ek/s Teoría de Colas.
LEONARDO LÓPEZ C. ECONOMIA ESTADISTICA COMPUTARIZADA PARALELO: 261.
Tema 3: Distribuciones bidimensionales: Relación estre dos variables estadísticas Relación estadísca: Correlación Diagramas de dispersión.
La distribución binomial se utiliza en situaciones cuya solución tiene dos posibles resultados.distribución binomial Por ejemplo: Al nacer un/a bebé puede.
Grupo de Comunicaciones Ópticas Universidad de Valladolid Valladolid, España Ignacio de Miguel E.T.S.I. de Telecomunicación –
Las distribuciones de probabilidad son idealizaciones de los polígonos de frecuencias. En el caso de una variable estadística continua consideramos el.
PPTCEG049EM32-A16V1 Distribución normal EM-32. Recordemos… -¿Cómo se calcula el valor esperado para una determinada variable aleatoria? -¿Cómo es posible.
Bioestadística Distribuciones muestrales para variables cuantitativas.
EQUIPO DE DOCENTES DISTRIBUCIONES DE PROBABILIDAD Variable aleatoria discreta.
1 Pronósticos, Series de Tiempo y Regresión Capítulo 3: Regresión Lineal Simple.
DISTRIBUCIONES DE Probabilidad
Distribución de Poisson
Capitulo 3 Análisis descriptivo inferencial: comparaciones de muestras
VARIABLE ALEATORIA.
DE PRIMERO Y SEGUNDO GRADO Diseño: M. en C. Juan Adolfo Alvarez Mtz.
MODELOS DE FILAS DE ESPERA Y TEORIA DE COLAS
LICENCIATURA EN SISTEMAS DE COMPUTACIÓN ADMINISTRATIA TEORÍA DE MODELOS
MEP- II.
DISTRIBUCION DE PROBABILIDAD NORMAL
Inputs y costes.
MÉTODOS CUANTITATIVOS Y SIMULACIÓN LÍNEAS DE ESPERA Dr. Salvador García L.
TEMA 6 : DISTRIBUCIONES ESTADÍSTICAS.
IN42A - Evaluación de Proyectos
1.8 Grados de libertad y espacio de trabajo 1.9 Aplicaciones
Unidad 6. Capítulo IV. Puntos ordinarios y puntos singulares.
Auxiliar Nº 1 ME57A SIMULACIÓN EN ARENA
LA PRODUCCION Y LA ORGANIZACION DE LA EMPRESA
Geodesia Física y Geofísica
4.1 ESTRUCTURA BÁSICA DE LOS MODELOS DE LÍNEA DE ESPERA. ALONDRA LÓPEZ DÍAS DIANA LAURA ALONSO MARTÍNEZ JUAN DE DIOS JIMÉNEZ JOSÉ ELIA LUVIA DOMÍNGUEZ.
LINEAS DE ESPERA.
Estimación de parámetros: Estimación puntual y por intervalos
UN SERVIDOR, FUENTE FINITA, COLA FINITA.
MEDIDAS DE DISPERSIÓN para DATOS AGRUPADOS
Estimación de volatilidades
Medición y Estimación de Variables
Generación de números aleatorios
Profesor: Eduardo Abdala A. Ingeniero Civil Industrial
GIOVANNY ANDRES ARENAS UNIVERSIDAD DE IBAGUE-COREDUCACIÓN
La mayoría de las variables aleatorias que se presentan en los estudios relacionados con las ciencias sociales, físicas y biológicas, por ejemplo, el peso.
La mayoría de las variables aleatorias que se presentan en los estudios relacionados con las ciencias sociales, físicas y biológicas, por ejemplo, el peso.
ESTIMACIÓN (Inferencia Estadística) Intervalos de Confianza
Notación Científica, cifras significativas y redondeo.
Charla Nº 3 Índices Operacionales: Aplicación y Uso
Formas funcionales para la permeabilidad relativa y presión capilar
UD 5: DISTRIBUCIÓN BINOMIAL Y NORMAL
MODELOS POISSON Existen una gran variedad de modelos para los sistemas de colas, las dos características más importantes serán : Los tiempos de llegada.
GRADO DE CONFIANZA DE LA INFERENCIA Es la probabilidad de que el valor real del parámetro poblacional se encuentre dentro de los límites especificados.
Rango = Valor máximo – Valor mínimo
UNIVERSIDAD LATINA DE COSTA RICA DISTRIBUCION DE POISSON
DETERMINACIÓN DE LA MUESTRA Dr. Carlos Portocarrero Ramos Dr. Ambrosio Tomás Rojas.
CONCEPTO DE ESTIMADOR ES UNA REGLA O MÉTODO QUE DICE COMO CALCULAR LA ESTIMACIÓN DE UN PARÁMETRO BASÁNDOSE EN LA INFORMACIÓN DE UNA MUESTRA, GENERALMENTE.
Unidad 2. Simulación Edwin Yuliani Moreno Bautista.
2. DISTRIBUCIÓN BINOMIAL Y DISTRIBUCIÓN NORMAL
Administración Económica y Financiera Valoración de Acciones Ec. Carlos Luis Rivera PhD.
Depto. Matemáticas – IES Elaios Tema: Distribuciones de Probabilidad 2. DISTRIBUCIÓN BINOMIAL Y DISTRIBUCIÓN NORMAL Presentación elaborada por el profesor.
Medidas de variabilidad o dispersión RANGO-DESVIACIÓN ESTÁNDAR- VARIANZA-COEFICIENTE DE VARIACIÓN- RANGO INTERCUARTÍLICO.
TEORIA de ERRORES. Generalidades:  Una “discrepancia" es la diferencia entre dos valores medidos de la misma cantidad.-  La “precisión” se refiere al.
1 Afectados de cierto grado de INCERTIDUMBRE SIEMPRE HAY UN ERROR EN SU MEDIDA ESTABLECER LA FIABILIDAD DE LOS DATOS ¿Podemos evaluar la magnitud del error.
La Distribución de la Varianza Muestral  La comprensión del concepto de la distribución de la Varianza Muestral es fundamental para el correcto entendimiento.
Bloque 2. MULTIPLICADORES. EJEMPLOS PRÁCTICOS EN EXCEL
VARIANZA Y Y COVARIANZA DE VARIABLES ALEATORIAS Estadística II MI. MARTHA PAMELA RAMÍREZ VELA ITESM CAMPUS SALTILLO 1.
Transcripción de la presentación:

Modelos de una Factoría

Se requiere Una estimación aproximada de la relacion Produccion-Tiempo de espera (Ocupacion CB-Tiempo Espera) Curva de Carga Hay muchos modelos plausibles Los mas útiles son redes de colas sencillas

Sistemas de interferencia = Colas Servicio, Servidores Cola, en espera

Nomenclatura n: numero de servidores l : tasa de llegada (llegadas por unidad tiempo) S tiempo de servicio m : tasa de servicio maxima (1/S) NS, WS: Numero y espera en el sistema NQ,WQ: Numero y espera en cola Interferencia = Tiempo de espera en cola

r = l/m <===> r = l S WS = WQ + S NS = NQ + r Numero medio de servidores ocupados r = l/m <===> r = l S Tiempo espera en Sistema WS = WQ + S Número en sistema NS = NQ + r Y Little... NS = WS l , NQ = WQ l Relaciones Fundamentales

Basta saber una sola para saberlas todas Observar De entre NS,WS , NQ,WQ Basta saber una sola para saberlas todas Hay que calcular de alguna forma alguna de ellas

¿Cómo estimarlo? Simulación Modelos Análiticos

Analítica: Llegadas y servicios independientes El intervalo entre llegadas viene dado por una distribucion A (media y varianza) El tiempo de servicio por una distribución B (media y varianza) Independientes unas llegadas de otras

Coeficiente de Variación ¿Es grande la dispersion de X? Depende... m-100 M+100 m

…de m M = 100 200 M = 100000 99900 100100 Dispersion relativa = sigma /media == Coef. de Variación

Calculador de Colas Dada la media y el coef. De variacion de las llegadas Y del servicio Calcula aproximadamente las medias y la distribucion de N

Forma de la curva Ns

Sistemas de interferencia = Colas

Redes de colas M/M/n Abiertas: toda transacción deja el sistema con probabilidad 1 Cerradas: las transacciones permanecen en el sistema con probabilidad 1 Resultado: En un sistema abierto, las colas se pueden calcular independientemente las unas de las otras, solo relacionadas por la tasa de llegada.

Redes de Colas G/G/n Aqui lo anterior es solo aproximadamente cierto Pero lo supondremos, y la aproximación es decente Hay que saber los coeficientes de variación de la tasa de llegada y de los servicios El primero es funcion de los demas centros y por tanto debe calcularse simultaneamente

Por tanto Basta tener la ocupacion, el numero de servidores y las características del tiempo de servicio de cada puesto. Datos básicos del ERP Las rutas El BOM Los tiempos de servicio La naturaleza de las aleatoriedades El mix de producción

La hoja Capacidades