mg1
DESCRIPTION
MG1TRANSCRIPT
![Page 1: MG1](https://reader033.vdocuments.us/reader033/viewer/2022051516/563dbb44550346aa9aabb8c4/html5/thumbnails/1.jpg)
26/08/2015
1
Redes de
Jackson
Ing. Alexander Cárdenas R, M.Sc.
[email protected] Simulación
Wednesday, August 26, 2015 Alexander Cárdenas R - Simulación
Motivación(video Televisores HD)
Wednesday, August 26, 2015 Alexander Cárdenas R - Simulación
![Page 2: MG1](https://reader033.vdocuments.us/reader033/viewer/2022051516/563dbb44550346aa9aabb8c4/html5/thumbnails/2.jpg)
26/08/2015
2
Una red de colas es un Sistema compuesto por un Sistema deestaciones interconectadas, cada una con una cola.
Los clientes, una vez han completado el servicio en una estación,pasan a la otra estación para recibir servicio adicional o dejar elsistema de acuerdo a ciertas reglas de ruteo (determinístico oprobabilístico).
Redes de Colas
Definición
Wednesday, August 26, 2015 Alexander Cárdenas R - Simulación
Redes de Colas
En muchas aplicaciones, una llegada tiene que pasar
a través de una serie de colas en una estructura de
colas
Wednesday, August 26, 2015 Alexander Cárdenas R - Simulación
![Page 3: MG1](https://reader033.vdocuments.us/reader033/viewer/2022051516/563dbb44550346aa9aabb8c4/html5/thumbnails/3.jpg)
26/08/2015
3
Regla de la cola más corta
Ejemplo:
Ruteo determinístico
Wednesday, August 26, 2015 Alexander Cárdenas R - Simulación
Red Abierta
Red CerradaN clientes
Wednesday, August 26, 2015 Alexander Cárdenas R - Simulación
![Page 4: MG1](https://reader033.vdocuments.us/reader033/viewer/2022051516/563dbb44550346aa9aabb8c4/html5/thumbnails/4.jpg)
26/08/2015
4
Red de clase múltiple
Wednesday, August 26, 2015 Alexander Cárdenas R - Simulación
Materia prima
Piezasterminadas
Modelo
Línea de Producción
Almacenamiento 1 Máquina 1
Wednesday, August 26, 2015 Alexander Cárdenas R - Simulación
Caso
![Page 5: MG1](https://reader033.vdocuments.us/reader033/viewer/2022051516/563dbb44550346aa9aabb8c4/html5/thumbnails/5.jpg)
26/08/2015
5
Una red abierta de Jackson se caracteriza por:
a) Una clase única de clientes
b) Un proceso de llegada Poisson con tasa l (equivalente a llegadas independientes en cada estación)
c) Un servidor en cada estación
d) Servicio distribuido exponencialmente con tasa mi en la estación i
e) Capacidad no limitada en cada cola
f) Disciplina de servicio FIFO en las colas
g) Ruteo probabilístico
Red Abierta de Jackson
Definición
Wednesday, August 26, 2015 Alexander Cárdenas R - Simulación
En esencia, una Red de Jackson es una colección de colas M/M/s conectadas y con parámetros conocidos
Teorema de Jackson
1. Cada nodo es un sistema de colas independiente conentrada de Poisson determinado por la división y launión de sus tasas de arribo y servicio.
2. Cada nodo puede ser analizado de forma separadausando modelos M/M/1 o M/M/s.
3. La media de las demoras en cada nodo pueden seragregadas para determinar la media de demoras delSistema (red)
Wednesday, August 26, 2015 Alexander Cárdenas R - Simulación
![Page 6: MG1](https://reader033.vdocuments.us/reader033/viewer/2022051516/563dbb44550346aa9aabb8c4/html5/thumbnails/6.jpg)
26/08/2015
6
Modelo de redes
Considere un modelo con 3 estaciones donde la salida de doscentros de trabajo constituye la entrada del tercero
Estación A
Estación B
Estación C
Wednesday, August 26, 2015 Alexander Cárdenas R - Simulación
Estación A
Estación B
Estación C
Propocición1: tasa in = tasa out, esto es, si lA y lB son tasasde entrada para las estaciones A y B, luego la tasa deentrada para la estación C es lA+lB.
Propocición2: arribos exponenciales en A y B proveenarribos exponenciales en la estación C.
Modelo de redes
Wednesday, August 26, 2015 Alexander Cárdenas R - Simulación
![Page 7: MG1](https://reader033.vdocuments.us/reader033/viewer/2022051516/563dbb44550346aa9aabb8c4/html5/thumbnails/7.jpg)
26/08/2015
7
Station A
Station B
Station C
exp,
}),{min(
21
)(
212121
osdistribuidXX
eeetXXPttt llll
Modelo de redes
Wednesday, August 26, 2015 Alexander Cárdenas R - Simulación
Element of a Queuing Network
División de tráfico
Unión de tráfico
Cola sencilla en serie
Wednesday, August 26, 2015 Alexander Cárdenas R - Simulación
![Page 8: MG1](https://reader033.vdocuments.us/reader033/viewer/2022051516/563dbb44550346aa9aabb8c4/html5/thumbnails/8.jpg)
26/08/2015
8
Pki (k≠0 y i≠ 0) : probabilidad de moverse a la estaciónj después del servicio en la estación i.
P0i : Probabilidad de un nuevo cliente que llega a laestación i.
Pi0 : Probabilidad de un cliente que deja el sistemaluego del servicio en la estación i.
Red Abierta de Jackson
Ruteo
Wednesday, August 26, 2015 Alexander Cárdenas R - Simulación
li es la tasa de arribos de los clientes en la estación i,
para i = 1, ..., M donde M es el número de estaciones.
El sistema es estable si todas las estaciones estánestables, i.e.
li < mi, "i = 1, ..., M
Considere también ei el número de visitas promedio a laestación i por cada cliente que llega:
ei = li/l
Red Abierta de Jackson
Condición de Estabilidad
Wednesday, August 26, 2015 Alexander Cárdenas R - Simulación
![Page 9: MG1](https://reader033.vdocuments.us/reader033/viewer/2022051516/563dbb44550346aa9aabb8c4/html5/thumbnails/9.jpg)
26/08/2015
9
Estas tasas de arribo pueden ser determinadas por el siguiente sistemade ecuaciones de balance, las cuales tienen una única solución:
donde
P0i : Probabilidad de un nuevo cliente que llega a la estación i.
Pki : Probabilidad de moverse a la estación i después del servicio en la estación k.
𝜆𝑖 : Tasa de entrada en la estación i.
𝜆𝑘 : Tasa de entrada en la estación k.
𝜆 : Tasa de entrada en la estación (arribos fuera de la red) i.
Red Abierta de Jackson
Tasa de llegada por estación
Wednesday, August 26, 2015 Alexander Cárdenas R - Simulación
𝜆𝑖 = 𝜆𝑃0𝑖 +
𝑘=1
𝑀
𝜆𝑘𝑃𝑘𝑖 𝑖 = 0,… ,𝑀
Jackson Network Estación 1
Estación v
Estación j
1
2
s1
1l
1
2
sv
l
1
2
sj
jl.
.
11 )1( ljP
l)1( jP
11 ljP
ljP
l
Modelo de redes
Wednesday, August 26, 2015 Alexander Cárdenas R - Simulación
![Page 10: MG1](https://reader033.vdocuments.us/reader033/viewer/2022051516/563dbb44550346aa9aabb8c4/html5/thumbnails/10.jpg)
26/08/2015
10
El proceso de entrada al
modelo MM1 es Poisson.
Feedbackmantiene memoria.
¿Las llegadas a la estación se distribuyen Poisson?
Poisson
Poisson
Poisson
Poisson
Poisson
No Poisson
Wednesday, August 26, 2015 Alexander Cárdenas R - Simulación
Un sistema de manufactura tiene tres estaciones de trabajo enserie: (1) Troquelado, (2) Doblado, y (3) soldadura.
Todas la materia prima entra la proceso de troquelado y debido alos ajustes y pericia del operario sólo el 80% de las piezas continúanal proceso de doblado, las demás son rechazadas (20%).
En el proceso de doblado, sólo el 40% pasa a soldadura.
Los trabajos llegan de forma aleatoria a la estación de troquelado a
una tasa promedio de 10 trabajos/min. Para mantener el equilibrio
del sistema, cada centro de trabajo puede tener diversas máquinastrabajando en paralelo.
Ejemplo
Metalmecánica
Wednesday, August 26, 2015 Alexander Cárdenas R - Simulación
Manufactura
![Page 11: MG1](https://reader033.vdocuments.us/reader033/viewer/2022051516/563dbb44550346aa9aabb8c4/html5/thumbnails/11.jpg)
26/08/2015
11
Esquema de Trabajo
Wednesday, August 26, 2015 Alexander Cárdenas R - Simulación
Troquelado Doblado Soldadura
1
2
3
s1
1
2
3
s2
1
2
3
s3
⋮ ⋮ ⋮
Data for the Computation CenterSe conoce de datos históricos que el tiempo de servicio para cadauno de las estaciones de trabajo sigue una distribución exponencialcon media como se muestra a continuación:
10 segundos para el troquelado
5 segundos para el doblado
70 segundos para la soldadura
Ninguna de las colas tiene restricción de capacidad.
Objetivo
1) Modelar el sistema como una Red de Jackson.
2) Encontrar el número mínimo de máquinas para cada estación de trabajo.
3) Calcular el tiempo requerido para que una pieza pase por el sistema.
¿Qué conocemos?
Wednesday, August 26, 2015 Alexander Cárdenas R - Simulación
![Page 12: MG1](https://reader033.vdocuments.us/reader033/viewer/2022051516/563dbb44550346aa9aabb8c4/html5/thumbnails/12.jpg)
26/08/2015
12
Cálculo de las tasas de arribo
10 0,8 0,4
0,60,2
Troquelado Doblado Soldadura
2,304,000
8008,00
1000010
23
12
1
33322311303
33222211202
33122111101
ll
ll
l
lllll
lllll
lllll
PPPP
PPPP
PPPP
i
i
i
𝜆𝑖 = 𝜆𝑃0𝑖 +
𝑘=1
𝑀
𝜆𝑘𝑃𝑘𝑖
𝑖 = 0,… ,𝑀
Wednesday, August 26, 2015 Alexander Cárdenas R - Simulación
Tasas de arribos
Wednesday, August 26, 2015 Alexander Cárdenas R - Simulación
10 8 3,2Troquelado Doblado Soldadura
![Page 13: MG1](https://reader033.vdocuments.us/reader033/viewer/2022051516/563dbb44550346aa9aabb8c4/html5/thumbnails/13.jpg)
26/08/2015
13
Tasas de
arribo y servicio por centro de trabajo
6
10
// 1
m
l
sMM
12
8
// 2
m
l
sMM
86,07/6
2.3
// 3
m
l
sMM
10 8 3,2Troquelado Doblado Soldadura
1// MM
Wednesday, August 26, 2015 Alexander Cárdenas R - Simulación
Medida del sistema
Tasa externa de arribo, l 10/min 0 0
Tasa total de arribos, li10/min 8/min 3,2/min
Tasa de servicio, mi6/min 12/min 0,857/min
Máquinas mínimas, si2 1 4
Intensidad de tráfico, ri 0,833 0,667 0,933
Resultados para el
proceso de Manufactura
# de máquinas
Wednesday, August 26, 2015 Alexander Cárdenas R - Simulación
Troquelado Doblado Soldadura
![Page 14: MG1](https://reader033.vdocuments.us/reader033/viewer/2022051516/563dbb44550346aa9aabb8c4/html5/thumbnails/14.jpg)
26/08/2015
14
Resultados para el
proceso de Manufactura Medida
Troquelado Doblado Soldadura Total
Modelo M/M/2
Lq 3,789 1,33 12,02
Wq 0,379 0,167 3,75
L
W
M/M/1 M/M/4
Wednesday, August 26, 2015 Alexander Cárdenas R - Simulación
Desarrolle el siguiente modelo por filas
5,455
0,545
2
0,25
15,7
4,92 5,715
EjemploJob Shop
Suponga un ambiente de manufactura jobshop. Ladistribución de planta cuenta con 6 diferentes centrosde trabajo con múltiples máquinas en algunas de susestaciones.
La información detallada se muestra en la red acontinuación:
Wednesday, August 26, 2015 Alexander Cárdenas R - Simulación
Producto Tasa de pedido Flujo
1 30 und/mes ABDF
2 10 und/mes ABEF
3 20 und/mes ACEF
![Page 15: MG1](https://reader033.vdocuments.us/reader033/viewer/2022051516/563dbb44550346aa9aabb8c4/html5/thumbnails/15.jpg)
26/08/2015
15
CT - A
s = 3
m = 25
CT - E
s = 2
m = 23
CT - D
s = 3
m = 11
CT - B
s = 2
m = 22
CT - F
s = 4
m = 20
CT - C
s = 1
m = 29
60AEjemploJob Shop(Continuación)
Wednesday, August 26, 2015 Alexander Cárdenas R - Simulación
Determine la tasa de entrada neta para cada Centro de Trabajo
CT A
s = 3 m = 25
CT E
s = 2 m = 23
CT D
s = 3 m = 11
CT B
s = 2 m = 22
CT F
s = 4 m = 20
CT C
s = 1 m = 29
60A
EjemploJob Shop(Continuación)
Wednesday, August 26, 2015 Alexander Cárdenas R - Simulación
CT A
s = 3 m = 25
CT E
s = 2 m = 23
CT D
s = 3 m = 11
CT B
s = 2 m = 22
CT F
s = 4 m = 20
CT C
s = 1 m = 29
60A
CT A
s = 3 m = 25
CT E
s = 2 m = 23
CT D
s = 3 m = 11
CT B
s = 2 m = 22
CT F
s = 4 m = 20
CT C
s = 1 m = 29
60A
Producto
1
2
3
![Page 16: MG1](https://reader033.vdocuments.us/reader033/viewer/2022051516/563dbb44550346aa9aabb8c4/html5/thumbnails/16.jpg)
26/08/2015
16
CT A
s = 3 m = 25
CT E
s = 2 m = 23
CT D
s = 3 m = 11
CT B
s = 2 m = 22
CT F
s = 4 m = 20
CT C
s = 1 m = 29
60A
FFFEEFDDFCCFBBFAAFFF
FFEEEEDDECCEBBEAAEEE
FFDEEDDDDCCDBBDAADDD
FFCEECDDCCCCBBCAACCC
FFBEEBDDBCCBBBBAABBB
FFAEEADDACCABBAAAAAA
PPPPPP
PPPPPP
PPPPPP
PPPPPP
PPPPPP
PPPPPP
lllllll
lllllll
lllllll
lllllll
lllllll
lllllll
EjemploJob Shop(Continuación)
Wednesday, August 26, 2015 Alexander Cárdenas R - Simulación
600)30/30()30/30(0000
30000)20/20()40/10(00
300000)40/30(00
2000000)60/20(0
4000000)60/40(0
6000000060
FEDCBAF
FEDCBAE
FEDCBAD
FEDCBAC
FEDCBAB
FEDCBAA
lllllll
lllllll
lllllll
lllllll
lllllll
lllllll
EjemploJob Shop(Continuación)
Wednesday, August 26, 2015 Alexander Cárdenas R - Simulación
CT A
s = 3 m = 25
CT E
s = 2 m = 23
CT D
s = 3 m = 11
CT B
s = 2 m = 22
CT F
s = 4 m = 20
CT C
s = 1 m = 29
60A
Product0 Tasa de Pedido Flujo1 30/mes ABDF2 10/mes ABEF3 20/mes ACEF
![Page 17: MG1](https://reader033.vdocuments.us/reader033/viewer/2022051516/563dbb44550346aa9aabb8c4/html5/thumbnails/17.jpg)
26/08/2015
17
91,0)22(2
40
22
40
m
lr
m
l
s
B
¿Las medidas de desempeño para el CT B? MM2
P0?L?
EjemploJob Shop(Continuación)
Wednesday, August 26, 2015 Alexander Cárdenas R - Simulación
CT A
s = 3 m = 25
CT E
s = 2 m = 23
CT D
s = 3 m = 11
CT B
s = 2 m = 22
CT F
s = 4 m = 20
CT C
s = 1 m = 29
60A
91,0r
04,0o
EjemploJob Shop(Gráficos)
Wednesday, August 26, 2015 Alexander Cárdenas R - Simulación
![Page 18: MG1](https://reader033.vdocuments.us/reader033/viewer/2022051516/563dbb44550346aa9aabb8c4/html5/thumbnails/18.jpg)
26/08/2015
18
91,0r
4,10L
EjemploJob Shop(Gráficos)
Wednesday, August 26, 2015 Alexander Cárdenas R - Simulación
Replique para todos los centros de mecanizado
Metrics A B C D E F
Model M/M/3 M/M/2 M/M/1 M/M/3 M/M/2 M/M/4
l 60 40 20 30 30 60
m 25 22 29 11 23 20
r 0.800 0.909 0.690 0.909 0.652 0.750
o 0.06 0.04 0.31 0.02 0.21 0.042
Wq 0.043 0.216 0.077 0.278 0.032 0.025
Lq 2.589 8.658 1.533 8.332 0.965 1.528
W 0.083 0.262 0.111 0.369 0.076 0.075
L 4.989 10.476 2.222 11.059 2.27 4.528
EjemploJob Shop(Continuación)
Wednesday, August 26, 2015 Alexander Cárdenas R - Simulación
CT A
s = 3 m = 25
CT E
s = 2 m = 23
CT D
s = 3 m = 11
CT B
s = 2 m = 22
CT F
s = 4 m = 20
CT C
s = 1 m = 29
60A
![Page 19: MG1](https://reader033.vdocuments.us/reader033/viewer/2022051516/563dbb44550346aa9aabb8c4/html5/thumbnails/19.jpg)
26/08/2015
19
El lead time es el tiempo en el Sistema en el cual el producto complete lasecuencia. Para el producto 1 con la secuencia ABDF se tiene:
W = tiempo total en el sistema = lead time
= WA + WB + WD + WF = 0,789
WIP = Trabajo en proceso = partes por mes x lead time
= 30(0,789) = 23.67
Metrics A B C D E F
Model M/M/3 M/M/2 M/M/1 M/M/3 M/M/2 M/M/4
l 60 40 20 30 30 60
m 25 22 29 11 23 20
r 0.800 0.909 0.690 0.909 0.652 0.750
o 0.06 0.04 0.31 0.02 0.21 0.042
Wq 0.043 0.216 0.077 0.278 0.032 0.025
Lq 2.589 8.658 1.533 8.332 0.965 1.528
W 0.083 0.262 0.111 0.369 0.076 0.075
L 4.989 10.476 2.222 11.059 2.27 4.528
EjemploJob Shop(Continuación)
Wednesday, August 26, 2015 Alexander Cárdenas R - Simulación
EjemploJob Shop(Continuación)
Wednesday, August 26, 2015 Alexander Cárdenas R - Simulación
Replique para todos los centros de mecanizado
CT A
s = 3 m = 25
CT E
s = 2 m = 23
CT D
s = 3 m = 11
CT B
s = 2 m = 22
CT F
s = 4 m = 20
CT C
s = 1 m = 29
60A
Producto Ordenes Flujo Lead Time T Cola WIP
1 30 ABDF 0,789 0,562 23,67
2 10 ABEF 0,496 0,316 4,96
3 20 ACEF 0,345 0,177 6,9
![Page 20: MG1](https://reader033.vdocuments.us/reader033/viewer/2022051516/563dbb44550346aa9aabb8c4/html5/thumbnails/20.jpg)
26/08/2015
20
Recomendaciones
Metrics A B C D E F
Model M/M/3 M/M/2 M/M/1 M/M/3 M/M/2 M/M/4
l 60 40 20 30 30 60
m 25 22 29 11 23 20
r 0.800 0.909 0.690 0.909 0.652 0.750
o 0.06 0.04 0.31 0.02 0.21 0.042
Wq 0.043 0.216 0.077 0.278 0.032 0.025
Lq 2.589 8.658 1.533 8.332 0.965 1.528
W 0.083 0.262 0.111 0.369 0.076 0.075
L 4.989 10.476 2.222 11.059 2.27 4.528
EjemploJob Shop(Continuación)
Wednesday, August 26, 2015 Alexander Cárdenas R - Simulación
Modelo
M|G|1
Simulación
Wednesday, August 26, 2015 Alexander Cárdenas R - Simulación
![Page 21: MG1](https://reader033.vdocuments.us/reader033/viewer/2022051516/563dbb44550346aa9aabb8c4/html5/thumbnails/21.jpg)
26/08/2015
21
Modelo de colas con 1 servidor
Wednesday, August 26, 2015 Alexander Cárdenas R - Simulación
Definición
M | G | 1Entradas Poisson
Tiempo entre arribos exponencial
1 Servidor
Disciplina FIFOCapacidad no finitaPoblación no finita
Tiempos de servicio con media 1 𝜇 y varianza 𝜎2.Si 𝜌 = 𝜆 𝜇 < 1, la cola M|G|1 tiene una distribución deprobabilidad en el estado estable.
Medidas de desempeño para el modelo MG1
Wednesday, August 26, 2015 Alexander Cárdenas R - Simulación
𝜌 = 𝜆 𝜇 𝑃0 = 1 − 𝜌 = 1 − 𝜆𝜇
𝐿 = 𝜌 + 𝐿𝑞𝐿𝑞 =𝜆2𝜎2 + 𝜌2
2(1 − 𝜌)
𝑊𝑞 =𝐿𝑞
𝜆𝑊 = 𝑊𝑞 +
1
𝜇
F. Pollaczek-Khintchine
![Page 22: MG1](https://reader033.vdocuments.us/reader033/viewer/2022051516/563dbb44550346aa9aabb8c4/html5/thumbnails/22.jpg)
26/08/2015
22
M|G|1
Wednesday, August 26, 2015 Alexander Cárdenas R - Simulación
F. Pollaczek-Khintchine
«Si se toma en cuenta la complejidad que representa el análisis de unmodelo que permite cualquier distribución de tiempos de servicio, esnotable que se haya podido obtener unas fórmulas tan sencillas.
Estas fórmulas es uno de los resultados más importantes en teoría decolas gracias a l facilidad con la que se aplica y al predominio de lossistemas MG1.
Estas ecuaciones reciben su nombre en honor a dos pioneros deldesarrollo de teoría de colas que derivaron la fórmula de maneraindependiente a principios de los años 30.»
Tomado de: Investigación de Operaciones Hillier
M|G|1
Wednesday, August 26, 2015 Alexander Cárdenas R - Simulación
F. Pollaczek-Khintchine
Se debe notar que para cualquier tiempo deservicio fijo, los valores enunciados seincrementan cuando aumenta 𝜎2.
Este resultado es de gran importancia porqueindica que la variabilidad del servidor tieneuna alta trascendencia en el desempeño de lainstalación de servicio, no solo la velocidadpromedio.
𝐿𝑞
𝑊𝑞
𝐿
𝑊
1 𝜇
![Page 23: MG1](https://reader033.vdocuments.us/reader033/viewer/2022051516/563dbb44550346aa9aabb8c4/html5/thumbnails/23.jpg)
26/08/2015
23
M|G|1Ejemplo
Wednesday, August 26, 2015 Alexander Cárdenas R - Simulación
Hay dos trabajadores compitiendo por un trabajo. Pedro aseguraque su tiempo promedio de servicio es más corto que el de Martha,pero ella asegura que es más consistente incluso siendo más lenta.
Las llegadas ocurren de acuerdo a un proceso poisson a una tasa
𝜆 = 2 por hora (1/30 minutos). Las estadísticas de Pedro muestranun tiempo promedio de servicio de 24 minutos con una desviaciónestándar de 20 minutos. Las estadísticas de Martha muestran untiempo promedio de servicio de 25 minutos con una desviaciónestándar de 2 minutos.
Si la longitud promedio de la cola es el criterio de selección,
¿Qué trabajador contrataría?
M|G|1EjemploContinuación
Wednesday, August 26, 2015 Alexander Cárdenas R - Simulación
Pedro Martha
𝜆 =1
30𝑚𝑖𝑛𝑢𝑡𝑜𝑠 𝜆 =
1
30𝑚𝑖𝑛𝑢𝑡𝑜𝑠𝜇 = 24 𝑚𝑖𝑛𝑢𝑡𝑜𝑠 𝜇 = 25 𝑚𝑖𝑛𝑢𝑡𝑜𝑠
𝜎2 = 22 = 4𝑚𝑖𝑛𝑢𝑡𝑜𝑠 2𝜎2 = 202 = 400 𝑚𝑖𝑛𝑢𝑡𝑜𝑠 2
𝜌 = 𝜆 𝜇 = 24 30 = 45 < 1 𝜌 = 𝜆 𝜇 = 25 30 =
56 < 1
𝐿𝑞 =𝜆2𝜎2 + 𝜌2
2(1 − 𝜌)=
130
2
(400) +45
2
2(1 −45)
𝐿𝑞 =𝜆2𝜎2 + 𝜌2
2(1 − 𝜌)=
130
2
(4) +56
2
2(1 −56)
𝐿𝑞 = 2,711 𝑐𝑙𝑖𝑒𝑛𝑡𝑒𝑠 𝐿𝑞 = 2,097 𝑐𝑙𝑖𝑒𝑛𝑡𝑒𝑠
Aunque Pedro trabaja más rápido en promedio, su variabilidad en los tiempos de servicio da como resultado una longitud de la cola un 30% mayor a la de Martha
![Page 24: MG1](https://reader033.vdocuments.us/reader033/viewer/2022051516/563dbb44550346aa9aabb8c4/html5/thumbnails/24.jpg)
26/08/2015
24
M|G|1EjemploContinuación
Wednesday, August 26, 2015 Alexander Cárdenas R - Simulación
Pedro Martha
𝜆 =1
30𝑚𝑖𝑛𝑢𝑡𝑜𝑠 𝜆 =
1
30𝑚𝑖𝑛𝑢𝑡𝑜𝑠𝜇 = 24 𝑚𝑖𝑛𝑢𝑡𝑜𝑠 𝜇 = 25 𝑚𝑖𝑛𝑢𝑡𝑜𝑠
𝜎2 = 22 = 4𝑚𝑖𝑛𝑢𝑡𝑜𝑠 2𝜎2 = 202 = 400 𝑚𝑖𝑛𝑢𝑡𝑜𝑠 2
𝜌 = 𝜆 𝜇 = 24 30 = 45 < 1 𝜌 = 𝜆 𝜇 = 25 30 =
56 < 1
¿A quién contrataría si la decisión dependiera de la probabilidad de encontrar a Pedro o Martha en disponibilidad?
𝑃0 = 1 − 𝜌 = 1 − 24 30 = 20% 𝑃0 = 1 − 𝜌 = 1 − 25 30 = 16,7%
En un 20% de las veces Pedro estará disponible, mientras Martha solo lo estará en un 16,7% del tiempo.
Ejemplo
TPM
Wednesday, August 26, 2015 Alexander Cárdenas R - Simulación
En una planta industrial se desea estudiar la falla mecánica en ciertasmáquinas, se asume que las fallas ocurren de acuerdo a un proceso poisson, auna tasa de 𝜆 = 1,5 por hora. Tras observar el sistema durante muchos mesesse ha encontrado que los tiempos de reparación toman un tiempo promediode 30 minutos (trabajo efectuado por un mecánico), con una desviaciónestándar de 20 minutos.
Como la media de servicio es1
𝜇=1
2ℎ𝑜𝑟𝑎𝑠, la tasa de servicio es 𝜇 = 2 por hora
y 𝜎2 = 202𝑚𝑖𝑛𝑢𝑡𝑜𝑠2 = 1/9ℎ𝑜𝑟𝑎𝑠2
Calcule la proporción que el mecánico está ocupado.
Calcule el número promedio de máquinas dañadas.
Si la hora de un operario mecánico tiene un costo de $35,000 ¿Cuánto es elcosto de arreglar una máquina?.