METODOS PROBALISTICOS

FASE 3. EVALUACION

PRESENTADO POR:
ANRES FELIPE CALDERON

GRUPO
104561_106

TUTOR:
FABIO OSSA ORTEGA

UNIVERSIDAD NACIONAL ABIERTA Y ADISTANCIA UNAD

INGENIERIA INDUSTRIAL
NEIVA,MAYO 2023
A Y ADISTANCIA UNAD
 INTRODUCCION

Un proyecto es la búsqueda de una solución inteligente al planteamiento

En un mundo donde la economía es tan fluctuante, los gerentes financie
alternativas que garanticen el éxito de la inversión a la que pueden incur
evitar fracaso, es necesario que se realicen investigaciones profundad s
que desean penetrar. La evolución de proyecto es una de la herramienta
antes de arribar a uno (proyecto) a través de este los ejecutivos estudian
rentabilidad. Es necesario que los proyectos sean lo más realistas posib
tengan mayor sentido de ser.
El trabajo presentado a continuación es una síntesis de todas las técnica
que se utilizan para presupuestar el capital. Esperamos crear un espíritu
critica valorativa en el mismo.
Un proyecto es la búsqueda de una solución inteligente al planteamiento
que tiende a resolver una necesidad humana. Estos surgen como respu
en busca de la solución de un problema o la forma para aprovechar una
negocios.
La evalucion de la rentabilidad económica del proyecto viene a ser la ba
la toma de decisiones, en este se comparan los beneficios proyectados
decisión de inversión con su correspondiente flujo de desembolso.
nteligente al planteamiento de un problema.
ante, los gerentes financiero deben buscar
sión a la que pueden incursionar, para
vestigaciones profundad sobre el sector al
o es una de la herramienta más importante
ste los ejecutivos estudian la tasa de
ean lo más realistas posibles, para que

ntesis de todas las técnicas de rentabilidad

speramos crear un espíritu de

nteligente al planteamiento de un problema

Estos surgen como respuesta a una idea
orma para aprovechar una solución de

proyecto viene a ser la base principal para

s beneficios proyectados asociados a una
lujo de desembolso.
EJERCICIO 1. PROGRAMACIÓN ESTOCÁSTICA CON RECURSO.
 
Considerando que la probabilidad de que se tenga el escenario 1 es de 0.45 y la probabilidad de que se tenga
de 0.55, formule un modelo que tome en cuenta simultáneamente ambos escenarios y resuélvalo usando el s
 
 
 
Solución:
 
SITUACION PROBLEMA
 
Albura se dedica a la fabricación de muebles para el hogar, entre ellos sofás y camas. La empresa tiene 3 plant
se producen los sofás con espuma y relleno, en la planta 2 se producen las camas en madera y las de metal, po
planta 3 se encarga del empaquetado de los muebles. Debido a una reducción de las ganancias, la alta admini
decidido reorganizar la línea de producción de la compañía. Se descontinuarán varios productos no rentables
una parte de la capacidad de producción para emprender la fabricación de dos productos nuevos cuyas venta
muy prometedoras.
 
Producto 1: sofá con casata.
 
Producto 2: somier en fibra.
 
El producto 1 requiere parte de la capacidad de producción en las plantas 1 y 3, y nada de la planta 2. El produ
trabajo de la planta 2 y 3, y nada de la planta 1. La división de comercialización ha concluido que la compañía
todos los productos que se puedan fabricar en las plantas. Sin embargo, como ambos productos competirían p
capacidad de producción de la planta 3, no está claro cuál mezcla de productos sería la más rentable. Por lo ta
invitado para estudiar este problema.
 
 
 
PLANTEAMIENTO DEL PROBLEMA
 
La administración de Alpina ha escuchado el rumor de que la compañía Distribuibles tiene también la intenció
comercializar un nuevo producto especial que competiría directamente con el somier en fibra (el producto 2).
resulta cierto, Albura tendría que hacer algunos cambios en el diseño del producto
2 y también reducir su precio con el fin de ser competitivo. Sin embargo, si el rumor resulta ser falso, entonce
ningún cambio en el producto 2 y su ganancia continuaría siendo la presentada en la siguiente tabla, en la que
presenta el número de horas de producción disponibles por semana en cada planta para fabricar estos nuevos
número de horas de fabricación que se emplea para producir cada lote de cada artículo nuevo en cada una de
a probabilidad de que se tenga el escenario 2 es
enarios y resuélvalo usando el software R.

camas. La empresa tiene 3 plantas. En la planta 1

mas en madera y las de metal, por último, en la
de las ganancias, la alta administración ha
n varios productos no rentables y se dejará libre Planta
s productos nuevos cuyas ventas potenciales son
1
2
3
3, y nada de la planta 2. El producto 2 necesita
n ha concluido que la compañía puede vender
Ganancia por lote
ambos productos competirían por la misma
s sería la más rentable. Por lo tanto, se le ha

buibles tiene también la intención de producir y

somier en fibra (el producto 2). Si ese rumor
ucto Planta
umor resulta ser falso, entonces no se haría
a en la siguiente tabla, en la que, además, se 1
lanta para fabricar estos nuevos productos y el
a artículo nuevo en cada una de las plantas 2
3
Ganancia por lote

Por lo tanto, ahora hay dos escenarios futuros a

administración sobre cómo proceder:
Escenario 1: El rumor es falso, por lo que todos los datos
cierto, por lo que Albura debe modificar el producto 2 y
reducir su precio. Para reducir su precio, deberá modifica
reducir el tiempo de producción por lote en la planta 3 de
de $5600 a $2500.
Considere las siguientes estimaciones y formule un mod
escenarios, es decir, que incluya todas las restricciones b
de $5600 a $2500.
Considere las siguientes estimaciones y formule un mod
escenarios, es decir, que incluya todas las restricciones b

Probabilidad de que se tenga el

escenario 1

0.45
 Tiempo de producción por lote, horas

Producto
1 2
4 0
0 6
6 8
$ 3,000 $ 5,600

Tiempo de producción por lote, horas

Producto
1 2
4 0
0 6
6 4
$ 3,000 $ 2,500

escenarios futuros alternativos que afectarán las decisiones de la

er:
r lo que todos los datos de la tabla son válidos. Escenario 2: El rumor es
dificar el producto 2 y
precio, deberá modificar su empaque y por tanto
or lote en la planta 3 de 8 a 4 horas, además la ganancia por lote pasaría

ones y formule un modelo que tome en cuenta simultáneamente ambos

odas las restricciones bajo cualquiera de los casos.
ones y formule un modelo que tome en cuenta simultáneamente ambos
odas las restricciones bajo cualquiera de los casos.

Probabilidad de que se tenga

el escenario 2

0.55
Tiempo de producción
disponible a la semana,
horas

12
20
36

Tiempo de producción
disponible a la
semana, horas

12
20
36
 solución 2

TABLA 3

Actividades Predecesor inmediato Duración estimada en

minutos
50
A
30
B A
C B 70
D C 40
E D 60
F D 80
G E,F 60

TABLA 4
Actividades Estimación optimista Estimación pesimista

A 30 60
B 20 35
C 45 75
D 25 40
E 45 65
F 40 90
G 30 60
 Predecesor Estimación optimista
estimada en Actividades Duración estimada
inmediato (a)
utos en minutos (m)
50 50
A 30
30 30
B A 20
70 C B 70 45
40 D C 40 25
60 E D 60 45
80 F D 80 40
60 G E,F 60 30

n pesimista RUTA (A-B-C-D-E-G)

60 Actividades Media Varianza

35 A 60 48.333333333333 25
75 B 35 29.17 6.25
40 C 75 66.666666666667 25
65 D 40 37.5 6.25
90 E 65 58.33 11.1111111111111
60 G 90 55.00 25
Sumatoria 365 295.00 98.6111111111111

A B
A B
stimación optimista Estimación
Media Varianza
(a) pesimista (b)

30 60 48.3333333333333 25
20 35 29.17 6.25
45 75 66.6666666666667 25
25 40 37.5 6.25
45 65 58.33 11.111111111111
40 90 75.00 69.444444444445
30 60 55 25

Varianza
25
6.25 Probabilidad Verificación
25 Z= 270.292979916297 0.691462 0.69269671
6.25 Porcentaje 69.1% 69.3%
11.1111111111111
25
98.6111111111111 Resultado para esta ruta tenemos el 69,2 % probabilidade que dure en recorrer entre 300 minutos

B C D

F
B C D
F
 Actividades

A
B
C
D
F
G

e en recorrer entre 300 minutos o menos

G
G
Precedecesor Duracion estimada
inmediato en minutos
50
A 30
B 70
C 40
D 80
E,F 60
 EJERCIOC 3

DATOS VALOR
Costo de fabricación por lote K 1800
Costo de retención por hora por lote H8
Costo por faltante por hora por lote P18
Media de la demanda µ 70 Cantidad optima de pedido
Desviación estándar de la demanda σ30 Q=
Tiempo de producción en horas t 12
C Respuesta =
Nivel de servicio L = 0.7

Media de la demanda durante el ti

𝜇L =
Podemos observar que, para 0.90, el valor de B/𝜎L estará e

Resutado tabla
entre 0.52 y 0.53

Así, B/𝜎L =0,5244 y por tanto, el tamaño de reserva que ga

B/𝜎L =0.5244
B= 0.5244 *
B = 54.5376

Así, el tamaño de reserva para un inventario seguro el 70%

El punto de reorden R, está dado por:

Así, el punto de reorden está dado por:

Con esto, concluimos que nuestra política de inventario óp

Para garantizar que no tengamos faltantes el 70% del tiem

895 lotes, debemos hacer un nuevo pedido de 870 lotes.

Conprobación en eñ sofware R
 x

Cantidad optima de pedido Media de la demanda en un dia

869.4826 870 Dt 1680

Cada vez que se realiza un nuevo pedido, se debe fabricar 870 lotes del producto

dia de la demanda durante el tiempo de producción

Desviación estandar durante el tiempo de producción
𝜇L = 840 σL 103.92 104
a 0.90, el valor de B/𝜎L estará entre 0.52 y 0.53. También podemos usar el

Resutado tabla Comprobación con Excel

entre 0.52 y 0.53 0.5244

o, el tamaño de reserva que garantiza que la producción no tenga faltantes el 70% del ti

Comprobación con Excel Aproximación

54.5376533216362 55

ara un inventario seguro el 70% del tiempo debe ser de 55 lotes.

R = B + 𝜇L

R = 55 + 840
R = 895

uestra política de inventario óptima es la siguiente:

amos faltantes el 70% del tiempo, cada vez que nuestro inventario llegue a
n nuevo pedido de 870 lotes.

ión en eñ sofware R
 EJECICIO4. Modelos de línea de espera - Modelo limite del sistema

Plantee un modelo de línea de espera, suponiendo que Alpina puede despachar hasta

Modelo 2: limite del sistema finito

N° Pedidos al20
13.5(λ)
Tasa de llegadas
2.8(µ)
Tasa de servicio
Servidores (c 5
Tasa de llega 0

Condición de 4.82142857
Factor de uso 0.96428571

Cantidad esperada de dintribuidores en el sistema

Cantidad esperada de dintribuidores en la fila
Tiempo de espera en elsistema
Tiempo de espera en la fila

Conprobación con software R

Modelo limite del sistema finito

e Alpina puede despachar hasta 20 pedidos al día. Determinar las medidas de desempeño y calcule la probabilidad de que todos los camio

Probabilidad P0
0 1 2 3 4
0 0 0 0 0

P0
268.192252 0 0

0.00000000 Ls probabilidad de que los camiones estén desocu

0 Lq Probabilidad de que un distribuidor tenga que e
0 Ws Probabilidad de que haya 6 distribuidores en el
0 Wq Probabilidad de que haya 8 distribuidores en el

ftware R
babilidad de que todos los camiones estén desocupados. Verifique los resultados usando el software R.

Probabilidad del que el sistema este lleno

Sumatoria
0 0 0.000000%

Porcentaje
0.000000%

P0 0.00% P0 0 0
P = (X ≥ 5) 0.00% P1 1 0
P = (X = 6) 0.00% P2 2 0
P = (X ≤ 8) 0.00% P3 3 0
P4 4 0

P5 5 0
P6 6 0
P7 7 0.00000000
P8 8 0
P9 9 0
P10 10 0
P11 11 0
P12 12 0
 EJERCICIO 5 Modelo de pronóstico usando suavización e
Proyecte la demanda futura usando un modelo de
suavización exponencial simple con constante de
verifique los resultados usando el software R.
Dia Demanda Alpha (α) 0.2
1 65
2 78
3 95
4 64
5 71
6 85
7 93

Comprobación en el software R
stico usando suavización exponencial simple
utura usando un modelo de pronóstico de
al simple con constante de suavización 0.2, luego
usando el software R.
Pronostico usando suavización exponencial simple

DEMANDA PRONOSTICADA CON METO

Dia Demanda (D) Pronosticos (F) SUAVIZACION EXPONANCIAL
1 65 65 100
2 78 65.00000 90
80
3 95 65.00000
70
4 64 65.00000 60
5 71 65.00000 50
6 85 65.00000 40
7 93 65.00000 30
20
10
0
1 2 3 4 5

DEMANDA PRONOSTICO
TICADA CON METODO DE
N EXPONANCIAL

4 5 6 7

DA PRONOSTICO
 Modelo de pronóstico usando suaviz

Dia Demanda
1 65
2 78
3 95
4 64
5 71
6 85
7 93

Comprobación en el software R
1
2
3
4
5
6
7
pronóstico usando suavización exponencial simple con tendencia

Pronostico usando suavización exponencial simple

Alpha (α) 0.18
Beta (β) 0.4
Tendencia 34
Dia Demanda (D) Suavización (A) Tendencia (T)
1 65 65
2 78 78 34
3 95 78.0000 34.0000
4 64 -993.00000 -86156.00000
5 71 5581696.00000 ###
6 85 ### ###
7 93 ### ###

el software R
 Simple Simple con Tendencia Simple Vs Con tendencia
65 180
78 0.00000 160
95 0.00000 112.0000 140
64 0.00000 -87149.0000 120
71 0.00000 447665450.0000 100
85 0.00000 -2297871971961.0000 80
93 0.00000 ### 60
40
20
0
65 78 95 64 71 85
1 2 3 4 5 6

Simple Simple con Tendencia Column

Pronosticos (F)

112.0000
-87149.0000
###
###
###
Con tendencia

64 71 85 93
4 5 6 7

ple con Tendencia Column I

CONCLUSIONES

El método de suavización exponencial simple trabaja a través de una constante de

suavización alfa (α) que tiene un valor comprendido entre 0 y 1, aunque en la aplicación real su
valor suele variar entre 0,2
BIBLIOGRAFIA

rogramación estocástica https://bit.ly/GF1E1

edes PERT https://bit.ly/GuiaFase1Ej2

Inventario probabilístico https://bit.ly/GF1E3

 Líneas de espera https://bit.ly/GDFase2Ej1

 Pronóstico  https://bit.ly/GDFase2

modelo de linea de espera

Barbosa Correa, R., & Llinás Solano, H. (2016). Procesos estocásticos con

Gerald J. Lieberman, & Hillier, F. S. (2015). Investigación de operaciones (

Modelos de pronosticos probalisticos

Gerald J. Lieberman, & Hillier, F. S. (2015). Investigación de operaciones (

16). Procesos estocásticos con aplicaciones. Universidad del Norte. https://bibliotecavirtual.unad.edu.co/login?url=https://search.ebscoho

Investigación de operaciones (10a. ed.). McGraw-Hill Interamericana. https://www-ebooks7-24-com.bibliotecavirtual.unad.edu.co/?il=22

Investigación de operaciones (10a. ed.). McGraw-Hill Interamericana. https://www-ebooks7-24-com.bibliotecavirtual.unad.edu.co/?il=22

ogin?url=https://search.ebscohost.com/login.aspx?direct=true&db=nlebk&AN=1800058&lang=es&site=eds-live&scope=site&ebv=EB&ppi

otecavirtual.unad.edu.co/?il=2269&pg=695

otecavirtual.unad.edu.co/?il=2269&pg=1122
s-live&scope=site&ebv=EB&ppid=pp_73