METOS PROBABILISTICOS

E.O.Q. : modelo matemtico usado como la base para la administracin de inventarios en el que la demanda y el tiempo lder son determinsticos

Definicin: Son una serie de teoras las cuales permiten dar soluciones muy precisas a problemas cotidianos, solo basta con conocer los parmetros que se desea emplear para el modelo que se ha seleccionado, con el uso de los diferentes modelos podemos obtener muy buenos resultados a una situacin dada.

Contenido: UNIDAD 1: Tcnica de pronostico - Teora de inventario

EOQ con descuento: Se asume que el costo de adquisicin (Cp) disminuye en la medida que aumenta el tamao de lote

Aplicados asi:

Capitulo 1: Tcnica de pronstico: Toma de decisiones para cambios futuros a nivel de una variable deseada en funcin del tiempo.

Capitulo 2: Teora de Inventario : se aplican en relacin con los requerimientos del negocio en el cual van a ser empleados y se convierten en una base para la toma de decisiones por los gerentes

modelos

LOTE DE PRODUCCIN Y EL SISTEMA DE CLASIFICACIN ABC: una empresa manufacturera va produciendo paulatinamente y a travs del tiempo va vendiendo los artculos que le son demandados, El sistema de clasificacin ABC nos ayuda a clasificar los inventarios en tres categoras: Muy importantes, medianamente importantes, poco o nada importantes.

Tcnica usada:

Modelos Estocsticos: es aquel cuyo comportamiento es no determinista, en la medida que el subsiguiente estado del sistema est determinado tanto por las acciones predecibles del proceso como por elementos aleatorios

Regresin Lineal: Permite predecir el comportamiento de una variable Y (dependiente) en funcin a una o mas variable X (independiente) B (pendiente de la recta). Su

Modelo promedio Movil: Un promedio mvil muestra la direccin y la duracin de una tendencia

Suavizacin Exponencial de serie de tiempo usa un promedio ponderado pasados como pronostico

Error del pronstico: es la diferencia entre el valor real y el pronosticado del perodo. Existen tres mediciones de funcionamiento para evaluar un modelo de pronstico. contiene

Su

su

Ecuacin: Yt= b+et

Ecuacin: Y= a + Bx

Ecuacin Ft+1= Dt + (1-)Ft

equivalente:

Ft+1= Ft + (Dt-Ft)

RMSE: Error medio cuadrado : Es el promedio de las diferencias al cuadrado, entre el pronostico y los valores observado

MAPE: Error medio porcentual : Es la media absoluta entre el pronostico y los valores observados expresado como porcentaje de los valores observados.

MAE: Error medio absoluto : se calcula al sumar los valores absolutos de los errores individuales del pronostico, y dividindolos entre el numero de periodos de informacin.

METOS PROBABILISTICOS
UNIDAD 2: Cadena de Markov Teora de colaProgramacin No Lineal Aplicados as

Capitulo 5:Progamacion Lineal: Cuando el conjunto de restricciones, la funcin objetivo, o ambos, son no lineales, se dice que se trata de un problema de programacin no lneal.

Ecuacion: P(Xt+1 = i \ X t = j )

Capitulo 3: Cadena de Markov: encontrar el promedio a la larga o las probabilidades de estado estable para cada estado. Con esta informacin se puede predecir el comportamiento del sistema a travs del tiempo.

Capitulo 4: Teora de Colas: estudio matemtico del comportamiento de lneas de espera, cuando los "clientes" llegan a un "lugar" demandando un servicio a un "servidor", el cual tiene una cierta capacidad de atencin. Si el servidor no est disponible inmediatamente y el cliente decide esperar, entonces se forma la lnea de espera

Casos de programacin PROGRAMACIN CUADRTICA: Un programa Matemtico en el cual cada restriccin gi es lineal pero el objetivo es cuadrtico f(x1,x2,..,xn) = S i=1,nS j=1,n cijxixj + S i=1,ndixi MULTIPLICADORES DE LAGRANGE -CONDICIONES KUNH TUCKER: Se pueden utilizar los multiplicadores de Lagrange para resolver los problemas no lineales en los cuales las restricciones son igualdades.

Descripcin de Mantiene unas disciplinas

la

cadena

Probabilidades de transicin: Diagrama de estado, Matriz de Transicin

Probabilidades de estado estable: Cuando una cadena de Markov ha llegado suficientemente lejos como para estar cerca de estos lmites, se dice que ha alcanzado un estado estable

Disciplina FIFO: el primero en llegar primero en ser servido. Disciplina de LIFO: ltimo en llegar, primero en ser servido. Disciplina SEOA: servicio en orden aleatorio

TCNICA DEL GRADIENTE La idea general es generar puntos sucesivos comenzando en un punto inicial dado, en la direccin del aumento ms rpido maximizacin de la funcin

Debe especificar Ecuacion M El sistema de la cola: debe especificar la distribucin de probabilidad de los tiempos de servicio para cada servidor. La distribucin ms usada es la exponencial, o determinstica (tiempos de servicio constantes) MTODO DE NEWTON- RAPHSON un procedimiento iterativo para resolver ecuaciones simultneas no lineales. Aunque el mtodo se presenta en este contexto, realmente es parte de los mtodos conocidos como mtodos de gradiente para optimizar numricamente funciones no restringida, irrestrictas

x1,x2].P = [ x1,x2]

Formulas Calcular rendimiento Probabilidad que el sistema este ocioso. Po = 1-p

Probabilidad de que hayan clientes en el sistema Pn = pn *po

Nmero Promedio en Filas Lq = 2 / (-)

Nmero Promedio Sistema: L = (-)

en

el

Tiempo Promedio en la Cola: Wq = / (-)

tiempo Promedio en Sistema: Wq = 1 (-)

el