Laboratorios Arena Informática

Slides:



Advertisements
Presentaciones similares
EJEMPLO DE SISTEMAS DE INVENTARIO
Advertisements

Modelación de Datos de Entrada
Laboratorio de Estadística administrativa Distribución Poisson Distribución exponencial Febrero de 2007.
NÚMEROS ALEATORIOS DEPARTAMENTO DE INFORMATICA UNSL-2007.
JULIO CÉSAR LONDOÑO ORTEGA
Modelo m/D/1 Teoría de Colas. Teoría Modelo M/D/1.
Modelo M/D/s Teoría de Colas.
Especialista en Línea. Médicos Especialistas Médicos Generales Portal WEB Autogestión 350 XXXXXXX APP Avantel APP Avantel APP Avantel **Los planes de.
Bioestadística Escala Cuantitativa.. Trabajadores en una fábrica. RegistroSexoEdad (años)Talla (m)Peso (kg) 1Fem Masc Masc
El estadístico Chi- cuadrado ING. RAÚL ALVAREZ GUALE, MPC.
TEMA 2: PARÁMETROS ESTADÍSTICOS. INDICE 1. Parámetros estadísticos: 1.1 Definición 1.2 Medidas de Centralización: Medias, moda y Mediana 1.3 Medidas de.
TEORIA DE COLAS “ESTRUCTURA” Alumno: Maximiliano Benavente Profesor: Juan Pablo Seiffert.
EL MOVIMIENTO. LA MECÁNICA: Parte de la física que se encarga de estudiar el movimiento de los cuerpos y sus causas. EL MOVIMIENTO DEFINICIÓN.
Introducción a la Simulación. Simulación. Definición La simulación es una imitación de la operación de un proceso del mundo real o de un sistema, referido.
Modelos de inventarios INVESTIGACIÓN OPERATIVA. ¿QUÉ ES UN INVENTARIO? SON Aquellos artículos a la mano que un cliente usará o comprará Modelo de la cantidad.
SIMULACIÓN DE UNA PELUQUERÍA Solución manual. Investigación de Operaciones II 2 EJEMPLO Una peluquería tiene un sólo sillón para atender al público. Los.
Métodos causales y métodos de un solo pedido
Velocidad y rapidez tangencial Aceleración Centrípeta
UNIDAD 4: PROBABILIDAD Y ESTADÍSTICA
Grupo de Seguimiento a Poblaciones Especiales y Estudios Estadísticos
BUENAVENTURA – VALLE DEL CAUCA
Gestión de Operaciones
Rafael Asprilla Universidad de Panamá ,
UNIDAD 2:LINEAS DE ESPERA 2
UNIDAD I: TEORIA Y MODELOS DE SIMULACION
PROCESO DE NACIMIENTO Y MUERTE.
Fundamentos de programación
MAESTRÍA EN CONTROL DE OPERACIONES Y GESTIÓN LOGÍSTICA
Atención y concentración
MÉTODOS CUANTITATIVOS Y SIMULACIÓN LÍNEAS DE ESPERA Dr. Salvador García L.
Introduccion a la Simulacion
MODELO DEL TRANSPORTE METODO DE LA ESQUINA NOROESTE
Convergencia de variables aleatorias
Como tener buena salud La Salud SOPA LETRAS QUIENES SOMOS Digestión
CONTROL DE PRODUCCION I Profesora: MYRIAM LEONOR NIÑO LOPEZ
Auxiliar 2: “SIMULACIÓN DE PROCESOS DE FABRICACIÓN CON ARENA”
Descripción e interpretación de la estadística
UNIDAD CURRICULAR: ESTADÍSTICA I UNIDAD: IV Leyes Probabilísticas:
Auxiliar Nº 1 ME57A SIMULACIÓN EN ARENA
Clase Auxiliar 02 2 de Septiembre de 2004
Arquitectura básica de una computadora
Gestión de Operaciones
LINEAS DE ESPERA.
CONSEJO DEPARTAMENTAL CUSCO « Al servicio del ingeniero y la sociedad»
Benihana aplicación ley de little
Métodos de muestreo.
UN SERVIDOR, FUENTE FINITA, COLA FINITA.
SIMULACIÓN DE PROCESOS DE CONFORMADO
Medidas de tendencia central
DISTRIBUCIÓN MUESTRAL DE UNA MEDIA.
3.3. Arquitectura de los almacenes de datos
salto de piedra a piedra programación lineal
Aplicaciones Estadísticas a las Finanzas
LINEAS DE ESPERA (Cont).
INVENTARIO Y METODOS DE VALORACION
Profesor: Eduardo Abdala A. Ingeniero Civil Industrial
Menús principales en promodel
Líneas de Espera: Teoría de Colas Curso Métodos Cuantitativos Prof. Lic. Gabriel Leandro
Distribución Exponencial
2.2 Determina la capacidad de producción de acuerdo con la distribución de la planta de la empresa. Administración de la Producción/ Salazar Chapa 20/09/2018.
DISTRIBUCIÓN DE PLANTA
PROYECTO INFORMÁTICO ¿QUÉ ES UN PROYECTO INFORMÁTICO?
Dr. Carlomagno Araya Alpízar
Guía de Implementación
FUNDAMENTOS DE LA MECÁNICA CUÁNTICA
DISTRIBUCIONES DE PROBABILIDAD
Estadística Asignatura obligatoria 5 créditos CBU 2015 Sexto semestre Módulo II. Medidas de tendencia central y de posición Universidad Autónoma del.
Un caso de estudio: los servicios de internación
LÍNEA CLIMATOLÓGICA SISTEMA CLIMA3
Transcripción de la presentación:

Laboratorios Arena Informática

Laboratorios No. 1 Objetivos Que los alumnos conozcan las paletas de trabajo de Arena. Que con la paleta COMMON, modelen problemas sencillos de cola simple. (Arrive, Server, Depart, Simulate). Que sepan interpretar los resultados de la simulación a partir de las variables de salida.

Ejercicio A un Taller arriban piezas según una distribución exponencial con media 5 minutos, que deben ser recibidas y reparadas por un operario cuyo tiempo de servicio se comporta según una distribución triangular con valores 1, 4 y 8 minutos. Se desea conocer en 15 minutos, cuantas piezas son arregladas por el operario como promedio, cual es el tiempo medio de espera y la cantidad media de piezas en cola y la proporción de tiempo que la estación permanece ociosa.

Representación del proceso Arriban piezas Piezas ya atendidas Estación (Servicio) Cola (FIFO) Piezas en Servicio 4 5 6 7

Estudio independiente Los clientes llegan a una estación de servicio de acuerdo a un tiempo aleatorio que sigue una distribución exponencial con media 3 días. La demanda de cada cliente es también aleatoria y por datos históricos se ha determinado que tiene la siguiente distribución: Demanda ( toneladas) Probabilidad 4000 0.2 6000 0.3 8000 0.4 10000 0.1 La capacidad para brindar el servicio es fija de 2000 toneladas diarias. Simulando la llegada de cinco clientes, determine: Probabilidad que un cliente que llegue tenga que esperar. Tiempo medio de un cliente en el sistema.

Representación del proceso Arriban Clientes Clientes servidos Servicio Cola (FIFO) Clientes en servicio 4 5 6 7

Laboratorios No. 2 Objetivos Que con la paleta COMMON modelen problemas sencillos de cola simple con el uso atributos para diferenciar las entidades. (arrive, server, inspect, depart, simulate). Que sepan interpretar los resultados de la simulación a partir de las variables de salida

Ejemplo En una ensambladora de televisores hay una estación de control de la calidad al final de la línea en la cual se chequea el funcionamiento de los equipos. Si se detecta que algún equipo necesita ajuste se envía, el mismo a un puesto de ajuste donde luego de ajustado se retorna a la estación de control para ser chequeados nuevamente. Los televisores que pasan el control son empacados y almacenados. Considere que el tiempo entre arribos de los televisores a la estación de control sigue una distribución uniforme entre 3.5 y 7.5 minutos, que el tiempo de inspección es también uniforme entre 6 y 12 minutos y que el tiempo que toma el ajuste es uniforme entre 20 y 40 minutos. Estadistícamente se tiene que el 15 % de los televisores necesitan ajuste. Analice el sistema utilizando el lenguaje ARENA.

Estudio independiente El tiempo entre arribos de los pacientes a la consulta del medico de la familia sigue una distribución uniforme entre 10 y 25 minutos. Se conoce que el 80% de los pacientes que arriban son adultos, mientras que el 20% restante son niños. El tiempo que el medico dedica a la atención de un adulto es como promedio de 15 minutos, invirtiendo como media 20 minutos en la atención de un niño. Simule el sistema para 5 días de trabajo y determine: a) Tiempo medio de permanencia de los pacientes en la consulta separados en adultos y niños. b) Cantidad de pacientes atendidos según el tipo. c) Utilización del medico.

Laboratorios No. 3 Objetivos Que con la paleta COMMON modelen problemas sencillos de cola simple con diferentes leyes de arribo que permitan la asignación de atributos para diferenciar las entidades. ( Arrive, server, depart, simulate) Utilización de atributos para emplear prioridades en las colas y arribos en grupo. Que sepan interpretar los resultados de la simulación a partir de las variables de salida.

Ejercicio Una empresa cuenta con una unidad móvil especial para atender los ponches que sufren los ómnibus durante su recorrido. De acuerdo a la estadística disponible se conoce que el tiempo entre el ponche de 2 ómnibus Pegasso sigue una distribución uniforme entre 2 y 4 horas, mientras que la frecuencia de ponche para los ómnibus Volvo es también uniforme entre 6 y 10 horas. La unidad móvil demora exactamente 2 horas en reparar el ponche de un Pegasso y 4 en el caso de un Volvo siendo prioritaria la reparación de los Volvos. Se desea simular el funcionamiento utilizando el lenguaje ARENA.

Representación del proceso Cola (FIFO) Prioridad sobre Pegassos 5 7 8 6 9 10 Pegassos Volvos Operario (Servicio) 4 omnibus 1 2 3 Salida de omnbus Arribo de

Estudio independiente A un sistema de producción mecánica que está compuesto por un taladro y dos tornos llegan dos tipos de piezas. Las piezas del tipo 1 llegan en grupos de 5 unidades y deben ser procesadas primero por el taladro y después por el torno. Las piezas del tipo 2 llegan en grupos de 8 unidades y solo deben ser procesadas por el torno. La atención en la cola de las piezas es FIFO tanto en el taladro como en los tornos. El tiempo de procesamiento para la pieza 1 es constante de 3 minutos en el taladro y aleatorio uniforme entre 2 y 3 minutos en el torno. El tiempo entre las llegadas de estos grupos es constante de 4 minutos. El tiempo de procesamiento para la pieza 2 en el torno es aleatorio uniforme entre 1 y 2 minutos y el tiempo entre llegadas de estos grupos es aleatorio exponencial con media de 3 minutos. Determine, simulando el paso por este sistema de 120 grupos de piezas 1 y 150 grupos de piezas 2, el tiempo promedio utilizado en el procesamiento de cada tipo de pieza y el número promedio de piezas esperando por el torno o el taladro.