GUÍA DE ACTIVIDADES Y RUBRICA DE EVALUACIÓN - PASO 3 -

DESARROLLAR Y PRESENTAR EL DIAGNÓSTICO Y ANÁLISIS FINAL DEL

ESTUDIO DE CASO

PRESENTADO POR:
SAUDY YANETH MANTILLA PEREZ COD. 53093791
GRUPO: 104561_22

ALBETO LOPEZ
Tutor

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD

ESCUELA BASICA DE TECNOLOGIA E INGENIERIA
BOGOTA 19 DE NOVIEMBRE DE 2018
 DESARROLLO DE LA ACTIVIDAD
1. Diseñar trun Mentefacto con tema Modelo de colas M / G / CFCFS con una política de sistema de inventario de revisión continua, a partir
del artículo “Developing a M/G/C-FCFS queueing model with continuous review (R,Q) inventory system policy in a cement industry”
 1. Identificar y reconocer los modelos probabilísticos para plantear, desarrollar y
solucionar la Estrategia de Participación, mediante la cadena de Markov requerida, la
Estrategia de Servicio, mediante el modelo de línea de espera requerido y la Estrategia
de Optimización mediante el modelo de programación lineal requerido, propuestas
en el estudio de caso (consultar Anexo Estudio de Caso), con base en los contenidos
temáticos del Syllabus del curso y Fuentes documentales presentadas en la Unidad 2
- Cadenas de Markov, teoría de colas y programación no lineal para diligenciar los
aspectos solicitados en la tabla Diagnóstico final del estudio de caso. Utilizar el
procesador de texto (Word) y guardar como imagen

Tabla Diagnóstico inicial del estudio de caso

N Estrategia Modelo Justificación Referencia documental
o. propuesta probabilístic
en el o(requerido (Cita textual) en norma APA (consulte
estudio de para aquí)
caso plantear,
desarrollar y
solucionar la
estrategia)
1 Participaci Según Taibo, A. (2009). Por medio de las Taibo, A. Investigación de
ón cadenas de Markov se pronostica el operaciones para los no
comportamiento futuro de ciertas matemáticos (pp. 71-77),
variables, y dicho pronosticó se hace México, D.F., MX:
mediante el análisis de los cambios que Instituto Politécnico
han sufrido dichas variables durante el Nacional, 2009. Accessed
presente.Estas se aplican en un gran November 27, 2016.
Cadena de
numero de situaciones como lo son los Recuperado de:
markov
cambio s de preferencia en el mercado http://bibliotecavirtual.u
tienen diferentes productos. La posible nad.edu.co:2077/lib/una
decisión de hacer o no una inversión en dsp/reader.action?docID
cierta oportunidad etc. =10504970&ppg=8.

Gallagher, C., & Watson, H. (1982).Es uno

de los modelos mas antiguos, mas
sencillos, y mas comunes de la teoría de
colas. Este modelo puede aplicarse a
2 servicio personas esperando una línea para
comprar boletos para el cine entre otros.
En este modelo se considera que el
Gallagher, C., & Watson,
tamaño de la cola sea infinito, además se
H. (1982). Métodos
supone que un solo servidor proporciona
cuantitativos para la
el servicio que varia aleatoriamente y no
toma de decisiones en
se permite que las unidades que acaban
administración (pp. 331-
de salir vuelvan a entrar inmediatamente
351), México, D.F., MX:
al sistema por tanto:
McGraw-Hill
Línea de  Un servidor y una cola Interamericana.
espera de  Llegadas Poisson Recuperado de:
 para un solo  Cola infinita, primero en llegar, http://bibliotecavirtual.u
servidor primero en ser servido nad.edu.co:2077/lib/una
 Tiempos de servicio exponenciales dsp/reader.action?docID
=10479349&ppg=8.
3 optimizaci La estocasticidad o incertidumbre aparece
ón en todos los sistemas pero hasta ahora no
era posible la solución de problemas de
optimización de grandes Sistemas
considerando explícitamente ésta. La Santiago, R. (2016).
incertidumbre puede deberse a carencia Optimización Estocástica
de datos fiables, errores de medida o (pp. 3-4), Madrid.
tratarse de parámetros que representan Universidad Pontificia
información sobre el futuro.En ICAI ICADE Comillas.
optimización estocástica No se conocen Recuperado de:
sus valores, sólo sus distribuciones y https://www.iit.comillas.
habitualmente se supone que éstas son edu/aramos/simio/apunt
discretas con un número finito de estados es/a_sp.pdf
posibles. La suposición de distribuciones
discretas es habitual en los optimizadores
Programació de optimización estocástica. Los tipos de
n estocástica modelos que aparecen en programación
lineal estocástica son motivados
principalmente por problemas con
decisiones de tipo aquí y ahora decisiones
previas bajo futuro incierto. Esto es,
decisiones que deben tomarse asándose
en información a priori, existente o
supuesta, sobre situaciones futuras sin
realizar observaciones adicionales.

BIBLIOGRAFIA
- Gallagher, C., & Watson, H. (1982). Métodos cuantitativos para la toma de decisiones
en administración (pp. 331-351), México, D.F., MX: McGraw-Hill Interamericana.
Recuperado de:
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?docID=10479349
&ppg=8.

- Palacios, A. L. C. (2009). Dirección estratégica (pp. 134-137), Bogotá, CO: Ecoe

Ediciones. Recuperado de:
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?docID=10515305
&ppg=9.