BLFs. FLB Nomenclatura Redes de BLFs Relaciones fundamentales B(t +Δt) = B(t) + D(t) - E(t) P(t + Δt) = P(t) + D(t) - O(t) IO(t + Δt)= IO(t) + O(t)

Slides:



Advertisements
Presentaciones similares
DISEÑO DE EXPERIMENTOS EXPERIMENTOS DE COMPARACIÓN SIMPLE
Advertisements

ANOVA DE UN FACTOR.
Rafael Muñoz Ortiz Jesus Velazquez P.. 2 k r, k grandes:numerosos experimentos 2 k-p, p=1,2..n Reduce el numero de experimentos (p=1 mitad;p=2 una cuarta.
Metodología.
11. Monotonía y Curvatura Aplicaciones de la derivada
Coeficiente de variabilidad
Ajustando el Algoritmo al problema Universidad Nacional Oscar Lozano.
Medidas de dispersión y variabilidad
Unidad 4. Muestreo de Aceptación
Matemáticas Discretas y Algoritmos
COEFICIENTE DE CORRELACIÓN PRODUCTO-MOMENTO DE PEARSON
Prueba de hipótesis Equivalencia entre la prueba de hipótesis y los intervalos de confianza Valor de probabilidad Valor de probabilidad unilateral Prueba.
1 Planteamiento del problema ¿Tenemos los humanos la capacidad de percibir si nos miran desde atrás? O, más exactamente: ¿Es defendible que existen otras.
Seminario sobre evaluación económica de proyectos de transporte Madrid, 15 y 16 de noviembre LA PREDICCIÓN DE LA DEMANDA EN EVALUACIÓN DE PROYECTOS.
Prof. Ciencias Naturales y Física
DIFERENCIA DE MEDIAS SUPUESTOS 1.- Población: normal Prueba robusta: relativamente insensible a la violación de los supuestos matemáticos. 2.- Distribución.
Estadística Administrativa II
Investigación de Operaciones (IO)
Scheduling Problem ¿Cuándo y dónde debo hacer cada trabajo ?
Tiempo de Interferencia
APLICACIONES DE LAS DERIVADAS (Tema 12)
OPTIMIZACIÓN DINÁMICA
Nivel Flujo de Entrada Flujo de Salida Símil Hidráulico Diagrama de Nivel y Flujo.
Sistemas Inteligentes Distribuidos Sistemas Inteligentes Distribuidos Sesión 13 L. Enrique Sucar / Marco López Sesión 13 L. Enrique Sucar / Marco López.
TALLER de SIMULACIÓN XX ESCUELA DE PERFECCIONAMIENTO EN INVESTIGACIÓN OPERATIVA XXII ENCUENTRO NACIONAL DE DOCENTES EN INVESTIGACIÓN OPERATIVA 20 al 22.
1 MÉTODOS DE SIMULACIÓN Permitien el estudio de propiedades de sistemas complejos. Generación de conjunto de configuraciones distintas para un mismo sistema.
INVESTIGACION DE OPERACIONES
1 Inventario #2 Esta segunda y última clase sobre Gestión de Inventarios, analiza la política llamada “revisión periódica con reposición hasta un nivel.
1.Introducción a la Estadística 2.Descripción de los conjuntos de datos 3.Uso de la Estadística para sintetizar conjuntos de datos 4.Probabilidad 5.Variables.
Simular: Representar una cosa, fingiendo o imitando lo que no es.
Prof. Orlando Durán Escuela de Ingeniería Mecánica PUCV Clase 05 AUTOMATIZACION DE LA MANUFACTURA.
 Sus características son cuatro: a) El experimento consta de un número fijo (n) de pruebas idénticas. b) Cada prueba puede tener uno de dos resultados.
Experimentación Numérica
Principales distribuciones discretas
Contraste de proporciones
Estadística Administrativa II
Métodos de diseño de Algoritmos
1 Problemas de decisión Tipo particular de problemas de optimización Sistemas que evolucionan con el tiempo Se toman decisiones en momentos sucesivos de.
RETO INTERNACIONAL LABSAG SIMPRO MAYO 2015
DISTRITACIÓN ELECTORAL y OPTIMIZACIÓN COMBINATORIA David Romero Instituto de Matemáticas - UNAM Cuernavaca, Morelos COLOQUIO INTERNACIONAL DE DISTRITACIÓN.
Resolución de un sistema tres por tres Aplicando el método de Gauss.
Sistemas de Inventario para control administrativo.
1 Febrero FUNCIÓN DE COSTO El Sistema de Distritación presenta distintas soluciones y les asigna un valor a partir de una función de costo. Un.
Distribuciones probabilísticas discretas
Plazo de Entrega de una SC. Evolución Stocks (S,s)
PROBABILIDAD II Distribuciones. Distribución de frecuencia: es un listado de frecuencias observadas de todos los resultados de un experimento que se presentaron.
Métodos basados en la TRI 1. Se trata de ver si las CCIs coinciden (no DIF) o no (sí DIF). 2. Algunas estrategias: - Obtener el área entre curvas - Ajuste.
El plan de investigación
Ingeniería de Software Escuela de Sistemas Universidad Nacional de Colombia – Sede Medellín.
Capitulo 4 Análisis descriptivo inferencial: comparaciones múltiples
ESTIMACIÓN DE PARÁMETROS
LA BRECHA DE PRECIOS INTERNA Y EXTERNA EN MÉXICO: UN ANÁLISIS A TRAVÉS DE LA ECUACIÓN CUANTITATIVA Horacio Catalán Luis Miguel Galindo.
CONFIDENTIAL©2013 GlobalLogic Inc. [BPM Practice] Introducción a BPM © 2015 GlobalLogic Inc.
Prueba de Hipótesis Una hipótesis estadística es un supuesto que se establece sobre las características de una distribución poblacional El estudio se plantea.
CISO 3155: Capítulo 91 Evaluando los promedios de dos grupos distintos Capítulo 9.
Investigación Algorítmica
Cálculo diferencial e integral de una variable 1 Las derivadas en el análisis de funciones.
Aspectos generales de la investigación educativa en el SNIT
Inferencia Estadística Conceptos Previos. Conceptos Previos Población: Es la colección de toda la posible información que caracteriza a un fenómeno aleatorio.
CONTRASTE DE HIPÓTESIS Dimensiones Largo275mm. 169 mm 2 Ancho175mm.49 mm 2 Alto175mm.49 mm 2 Peso16 Kg.1 Kg 2. SITUACIÓN PROBLEMA.
Clase N°13 Comparación de configuraciones alternativas de un sistema
Clase N°11 Métodos de reducción de varianza
Estadística Administrativa II
Pruebas paramétricas y no paramétricas
Estadística Administrativa II
Tema 4: Variables aleatorias discretas La distribución binomial
UNIDAD I.- Analisis 3.4 Prueba de Hipotesis.
RESUMEN DE LA DISTRIBUCION MUESTRAL PARA LA MEDIA MUESTRAL X INTERVALOS DE CONFIANZA PARA LA MEDIA POBLACIONAL  TIPO DE PROBLEMA ESPERANZA Y VARIANZA.
Viviana Acosta Estadística II. Que es Es una distribución de probabilidad que surge del problema de estimar la media de una población normalmente distribuida.
Evaluando los promedios de grupos distintos UNIDAD 7 1.
Transcripción de la presentación:

BLFs

FLB

Nomenclatura

Redes de BLFs

Relaciones fundamentales B(t +Δt) = B(t) + D(t) - E(t) P(t + Δt) = P(t) + D(t) - O(t) IO(t + Δt)= IO(t) + O(t) - R(t) I(t + Δt) = I(t) + R(t) - E(t)

Relaciones fundamentales (forma acumulada) B(t) = B(0) + SD(t) - SE(t) P(t) = P(0) + SD(t) - SO(t) IO(t)= IO(0) + SO(t) - SR(t) I(t) = I(0) + SR(t) - SE(t)

Invariante fundamental I(t) - B(t) + P(t) + IO(t) = I(0) - B(0) + P(0) + IO(0) La suma algebraica de los stocks es invariante en t

Definiciones y Formas Alternativas Definición: IN(t) = I(t) - B(t) => IN(t) + IO(t) +P(t) es invariante Definición: IP(t) = IN(t) + IO(t) => IP(t) + P(t) es invariante

Dos datos exógenos D(t) generado por los mecanismos aguas abajo del BLF R(t) generado por los mecanismos aguas arriba del BLF

Signos B(t), IO(t), I(t) >= 0 P(t) arbitrario < 0 : Trabajo contra stock > 0 : Trabajo contra pedido

Secuencia de Acontecimientos (t discreto) 1.- Se experimenta la demanda y las llegadas D(t) y R(t) 2.- Se toman decisiones 3.- Se ejecutan las decisiones, poniendo al día los stocks

Dos decisiones O(t) pedidos que se pasan E(t) envios que se hacen

Politicas para O(t) One for One: if IP < s then O(t) = s-IP (S,s): if IP < s then O(t) = S - IP

Simulación

Simulación y Optimización Se simula un cierto numero de intervalos de tiempo Se calculan las cantidades relevantes Se Optimizan estos criterios para la muestra Se esta optimizando sobre una trayectoria del sistema, obtenida al simular, que puede no ser representativa. Pero funciona.

Optimizacion Heurística por Recocido Simulado (Simulated Annealing) Se prueban valore generados aleatoriamente a partir del valor anterior Se rechazan los que no dan “mejor resultado” Se permiten aumentos en la función objetivo (no es una busqueda monótona) A medida que se adelanta, la desviación tipo se va reduciendo, de forma que se explora un entorno mas reducido. Se para al cabo de un numero de ensayos o cuando no mejora Caben numerosas variaciones