Manual Winqsb

Herramienta WINQSB 1
Alberto Simarro Romero

Alberto_simarro@yahoo.es


NDICE

(Pulsando encima de cada Apartado iremos directamente a dicho punto)

1- DESCRIPCIN GENERAL DEL SOFTWARE

2- INSTALACIN

3- FUNCIONALIDADES

4- INTERFAZ DE USUARIO

5- PROGRAMACIN LINEAL / SMPLEX (PL)

6- ANLISIS DE SENSIBILIDAD

7- MTODO DEL TRANSPORTE (NET)

8- TEORA DE COLAS (QA y QSS)

9- UTILIZACIN DEL SOFTWARE
(VENTAJAS / DESVENTAJAS)

10- DIRECCIONES / ENLACES INTERESANTES

WINQSB 2.0

1.Descripcin General del Software.
Este programa contiene los mas tiles y populares mtodos cuantitativos usados en
las ciencias administrativas, investigacin de operaciones y administracin de
operaciones. Por medio de una interfase interactiva, los profesionales y estudiantes
tienen fcil acceso a los diferentes mdulos de decisin para resolver una gran
variedad de problemas.

2.Instalacin
La descarga se inicia pulsando sobre la siguiente direccin:
http://gio.uniovi.es/descargas/descargas.htm

Tras la descarga el archivo nos aparece en formato winqsb2.zip (ver imagen), por lo
tanto deberemos descomprimirlo en una carpeta de nuestro escritorio a nuestra
eleccin.

Ejecutar el archivo SETUP.exe que se encuentra en la carpeta que hemos
preseleccionado anteriormente en nuestro escritorio y automticamente nos aparecer
la siguiente ventana:

En donde podremos cambiar el directorio (si as lo deseamos) luego pulsaremos

En la siguiente ventana introduciremos nuestros datos u otros arbitrarios y pulsaremos
CONTINUE. Importante: Es necesario introducirlos por lo contrario no se instalar.

Si la instalacin se ha realizado sin ningn problema aparecer en pantalla:

Y por lo tanto ya podemos empezar a utilizar nuestro programa.

3.FUNCIONALIDADES:

DESCRIPCIONES FUNCIONALES:
Cada mdulo de WinQSB es brevemente descrito a continuacin:
Linear Programming (LP) e Integer Linear Programming (ILP): Este
programa resuelve los problemas de LP usando el mtodo smplex o el mtodo
grfico y los problemas de ILP usando el procedimiento branch-and-bound.
Linear Goal Programming (GP) e Integer Linear Goal Programming (IGP):
Este programa resuelve los problemas de GP usando el mtodo simplex
modificado o el mtodo grfico y los problemas de IGP usando el
procedimiento branch-and-bound.
Quadratic Programming (QP) e Integer Quadratic Programming (IQP): Este
programa resuelve los problemas de QP usando el mtodo simplex modificado
o el mtodo grfico y los problemas de IQP usando el procedimiento branch-
and-bound.
Nonlinear Programming (NLP): Este programa resuelve los problemas no
lineales no forzados usando el mtodo de bsqueda y los problemas no
lineales forzados usando el mtodo de la funcin de castigo.
Network Modeling (NET): Este modulo resuelve los problemas de red
incluyendo flujo de red (transbordo), transporte, asignacin, caminos cortos,
mximo flujo, cruces mnimos y problemas de viajes de vendedores.
Dynamic Programming (DP): Resuelve 3 tipos populares de problemas
dinmicos: Diligencia, mochila y problemas de planeacin de produccin e
inventarios.
PERT/CPM: Este mdulo resuelve los problemas de planeacin de proyectos
usando el mtodo de ruta crtica y la tcnica de evaluacin y revisin. As
mismo realiza anlisis de choque, anlisis de costos, anlisis de probabilidad y
simulacin.
Queuing analysis (QA): Este programa resuelve el rendimiento de sistemas
de colas de etapa simple usando la formula de cercana, aproximacin o
simulacin.
Queuing system simulation (QSS): Este programa modela y simula sistemas
de colas simples y multietapas con componentes, incluyendo poblaciones de
clientes arribando, servidores, colas y/o colectores de basuras.
Inventory theory and systems (ITS) : Resuelve problemas de control de
inventarios: problemas de cantidades econmicas a pedir (EOQ), problemas de
descuento de cantidad de la orden, problemas de periodos probabilsticos
simples y problemas de tamao dinmico de lotes; y evala y simula 4
sistemas de control de inventarios: (s, Q), (s, S), (R, S) y (R, s, S).
Forecasting (FC): Este mdulo resuelve proyecciones de series de tiempo
usando 11 diferentes mtodos y adems utilizando regresiones lineales de
mltiples variables.
Decision analisys (DA): El programa resuelve 4 tpicos problemas de
decisin: Anlisis Beyesiano, anlisis de tablas de rentabilidad, anlisis de
rbol de decisin y la teora del juego de cero suma.
Markov process (MKP): Este programa resuelve y analiza el proceso de
Markov.
Quality control charts (QCC): Construye grficos de control de calidad para
variables y datos de atributos y as mismo realiza anlisis de grficas
relacionadas.
Acceptance sampling analysis (ASA): Este programa desarrolla y analiza los
planes de muestreos de tolerancias para atributos y caractersticas de calidad
variable.
Job scheduling (JOB): Este programa resuelve los problemas de taller de
tareas y programacin del flujo de trabajo usando generacin heurstica y
aleatoria.
Aggregate planning (AP): Soluciona los problemas de planeamiento agregado
a las demandas de satisfaccin del consumidor con mnimos o aceptables
costos relacionados.
Facility location and layout (FLL): Este mdulo resuelve los problemas de
facilidades de localizacin, disposicin funcional y balanceo de lnea de
produccin.
Material requirements planning (MRP): El programa efecta la planeacin de
requerimiento de materiales y determina que, cuanto y cuanto cuestan los
materiales y componentes que son requeridos para satisfacer un plan de
produccin de productos finales para un horizonte de planeacin .

4. INTERFAZ DE USUARIO:
La interfaz del usuario est compuesta por una barra de herramientas formada por:

NOTA: Dependiendo de la funcionalidad aparecern nuevos iconos.
A Continuacin describiremos los ms usuales:

5.PROGRAMACIN LINEAL / SMPLEX (PL)

La programacin lineal (PL) es un procedimiento matemtico para determinar la
asignacin ptima de los recursos escasos.
Se utiliza en problemas como:
reducir el costo de operacin y, a la vez, mantener un nivel aceptable de servicio;
utilidades de las operaciones actuales; proporcionar un mayor nivel de servicio sin
aumentar los costos;
mantener un funcionamiento rentable, cumpliendo a la vez con todas las
reglamentaciones gubernamentales establecidas;
o mejorar un aspecto de la calidad del producto sin reducir la calidad de otros
aspectos
Observacin: La industria petrolera parece ser el usuario ms frecuente de la PL. Un gerente de
procesamiento de datos de una importante empresa petrolera recientemente calcul que del 5% al 10%
del tiempo de procesamiento informtico de la empresa es destinado al procesamiento de modelos de PL
y similares.

Cualquier problema de PL consta de una funcin objetivo y un conjunto de
restricciones. Cuando se formula un problema de toma de decisiones como un
programa lineal, se deben verificar las siguientes condiciones:
1- La funcin objetivo debe ser lineal. Vale decir que, se debe verificar que todas
las variables estn elevadas a la primera potencia y que sean sumadas o
restadas (no divididas ni multiplicadas);
2- El objetivo deber ser ya sea la maximizacin o la minimizacin de una funcin
lineal. El objetivo debe representar la meta del decisor; y
3- Las restricciones tambin deben ser lineales. Asimismo, las restricciones
deben adoptar alguna de las siguientes formas: >,=,<.

El modelo matemtico que describe el comportamiento de la efectividad se
denomina funcin objetivo.
Una variable de decisin es una variable que puede ser directamente controlada
por el decisor. Tambin existen algunos parmetros cuyos valores pueden ser
inciertos para el decisor.
Todo el proceso de seleccin y rechazo de variables puede requerir reiteraciones
mltiples hasta desarrollar una funcin objetivo satisfactoria. Por lo general, el xito
final es precedido por una serie de fracasos frustrantes y pequeos progresos.
Aquellos valores que deberan tener las variables para la expresin matemtica
tenga el mayor valor numrico posible se denomina Maximizacin y al menor
valor numrico posible Minimizacin.
A este proceso general de maximizacin o minimizacin se le denomina
optimizacin.

Todo programa lineal consta de 4 partes: un conjunto de variables de decisin en
forma matemtica, se debe tener en cuenta lo siguiente:
1- Cules son las variables de decisin?(entradas registrables)
2- Cules son los parmetros? (entradas no controlables)
3- Cul es el objetivo o funcin objetivo? Qu quiere el dueo del problema?
4- Cules son las restricciones? Qu requerimientos se deben cumplir?

Resolucin de un modelo (LP)

Se debe partir del supuesto que el modelo de PL esta bien especificado, sin embargo dicho
modelo a lo largo de su resolucin puede sufrir modificaciones segn sea el caso. Por
ejemplo, supongamos que tenemos el siguiente modelo de produccin:

MAX Z = 3X1 + 5X2 (Utilidad total) Funcin Objetivo (Maximizar)
S.A.
X1 + 0X2 <= 4 (Restriccin del Recurso A)
3X1 + 2X2 <= 18 (Restriccin del Recurso B)
X1, X2 >= 0 (No negatividad)

Donde X1 y X2, representa el nmero de unidades semanales a producir del Producto 1 y 2
respectivamente, y la restriccin C1, y C2 representa la disponibilidad de recursos A y B para
el proceso productivo.

1. Para Abrir el programa:
Hacemos doble clic o un clic segn sea el caso sobre el icono:

2. Para crear un archivo nuevo:
En la ventana inicial, hacemos un clic en el icono:

Otra opcin es ir al [Men FILENEW PROBLEM] tal y como se muestra en la
Figura1:

En la ventana inicial tambin podemos,

Abrir un archivo. [MENU FILE-LOAD PROBLEM]

Salir del programa. [MENU FILE-EXIT]

Ir a la Ayuda. [MENU HELP]

3. Para cargar los datos:
En la caja de dilogo, debemos especificar la configuracin inicial del problema:
PROBLEM TITLE: Titulo del problema.
[Este nombre ser usado en los informes escritos y en la pantalla]
NUMBER OF VARIABLES: Nmero de Variables.
NUMBER OF CONSTRAINT: Nmero de restricciones:
OBJECTIVE CRITERION: Criterio del Objetivo.
Si queremos maximizar pulsamos la casilla de Maximization.
Si queremos minimizar pulsamos la casilla de Minimization.
DATA ENTRY FORMAT: Tipo de Formato de entrada.
MATRIX FORM: Forma matricial.
NORMAL MODEL: Modelo final.
DEFAULT VARIABLE TYPE:
NONEGATIVE CONTINOUS: (Si las variables son no- negativas y continuas se activa
esta casilla, el programa por defecto activa esta casilla siempre).
NONEGATIVE INTEGER: (Si las variables son no- negativas y enteras se activa esta
casilla).
BINARY (0,1): (Si las variables son de tipo binarias se activa esta casilla).
UNSIGNED/UNRESTRICTED: (Si las variables son de tipo sin signos o irrestricta se
activa esta casilla).

Veamos con nuestro ejemplo la figura N2

PROBLEM TITLE: PROBLEMA N1.
NUMBER OF VARIABLES: 2
NUMBER OF CONSTRAINT: 2
OBJECTIVE CRITERION:
Maximization.

DATA ENTRY FORMAT:
Normal Model.

DEFAULT VARIABLE TYPE:
Nonegative Continous.

Figura N2. Configuracin inicial del problema


Cargar el modelo final:
En nuestro ejemplo lo haremos bajo una forma funcional normal, es decir con las
ecuaciones completas del modelo especificado, sin embargo vale decir que en la
forma alterna de matriz o hoja de clculo se introducen solo los coeficientes que
acompaan a las ecuaciones, entonces es cuestin de preferencia sobre como
introducir los datos. Exista cierto favoritismo entre los analistas de IO a preferir la
forma normal pues permite copiar y pegar el modelo de cualquier editor de texto. La
figura N3 nos muestra dicha situacin.

Figura N3. Modelo cargado bajo la forma normal.

Opciones de edicin:
Para completar la compresin de los reportes, es recomendable editar el nombre de
las restricciones con una frase que documente su significado en el modelo.
Para editar el nombre de las restricciones podemos ir
a Menu EDIT- CONSTRAINT NAME
Similarmente para editar el nombre de las variables
podemos ir Men EDIT- VARIABLES NAME.
[ El programa
trabaja por defecto con las
variables X1, X2, XN]

Figura N4. Editando restricciones.

Resuelve
el
Cambia el
ancho de la
columna y el
largo de la fila
Formato
de los
Resuelve el problema
mostrando cada
iteracin
Men de los
resultados
4.Para resolver el modelo:
Finalmente si queremos resolver el modelo por el Mtodo Grfico hacemos clic en
el icono donde aparece una grfica de un rea factible en 2 dimensiones, tal y como
se muestra en la Figura N5:

N5. Aplicacin del mtodo grfico.

Y en la caja de dialogo posterior se solicita el sentido de los ejes:

N6. Seleccin de ejes.

Confirmados los ejes y haciendo clik en Ok, nos suministra la solucin grfica:

N7. Solucin Grfica.

En algunos sistemas operativos de la Familia WINDOWS se han reportado fallas de
ejecucin de la grfica, para su ptima visualizacin se recomienda instalar los
SERVICE PACK ms recientes, y en Windows XP activar la compatibilidad de la
aplicacin con Windows 95/98. En Linux el Software no ha sido probado por el autor.

Si queremos resolverlo por el algoritmo SIMPLEX:
Hacemos clik en el icono donde aparece el un hombrecillo corriendo y como se
muestra en la Figura N8:

Figura N8: Correr el Mtodo Simplex.

Una vez introducidos los datos y corrido el modelo obtenemos el siguiente reporte
combinado:

Figura N9. Reporte Combinado.

2. Como interpretar el reporte combinado.
La Solucin ptima.

Figura N10. 1er Bloque Solucin ptima.

En sta rea, el significado para la fila 1, de los datos de izquierda a derecha
es:
Del artculo 1 (X1) debemos producir cero (0) unidades. Su utilidad por unidad
(C1) es de 3 y su contribucin a al utilidad total es de Bs. Cero (0) [(0)X(3)=0].
Del artculo 2 (X2) debemos producir 9 unidades. Su utilidad por unidad (C2) es
de 5 y su contribucin a al utilidad total es de Bs.45 [(5)X(9)=45].
En la siguiente fila se muestra el valor total de la contribucin valor mximo
de la funcin objetivo Z* = 45 [(0)+(45)=45]. Es claro que dado el modelo actual, no
es posible obtener una utilidad superior a Bs.45.

6. ANLISIS DE SENSIBILIDAD

Anlisis de sensibilidad de los coeficientes.

Figura N11. Bloque de anlisis de sensibilidad de los coeficientes.

En las dos ltimas casillas de la fila uno, Figura N11, se muestra el anlisis de
sensibilidad para C1 que nos indica que la utilidad por unidad del artculo 1 debe estar
en el rango de: - < C1 < 7,5 para que la solucin actual se mantenga ptima.
Similarmente en las dos ltimas casillas de la fila dos, se muestra el anlisis de
sensibilidad para C2 que nos indica que la utilidad por unidad del artculo 2 debe estar
en el rango de: 2 < C2 < + para que la solucin actual se mantenga ptima.
Supongamos que la utilidad unitaria del producto 2 (C2) disminuye en un 50%,
y se ubica en 2.5, este valor se ubica en el intervalo de sensibilidad 2 < C2 < + por lo
tanto el valor actual de la solucin optima sigue siendo X1=0 y X2=9, es decir:
Del artculo 1 (X1) debemos producir cero (0) unidades. Su utilidad por unidad
(C1) es de 3 y su contribucin a al utilidad total es de Bs. Cero (0) [(0)X(3)=0]. Del
artculo 2 (X2) debemos producir 9 unidades. Su nueva utilidad por unidad (C2) es de
2.5 y su contribucin a al utilidad total seria: 22.5 [(2.5)X(9)=22,5]. El valor de Z seria:
[(0)+(22.5)=22.5].
Cualquier variacin del coeficiente que viole los limites de sensibilidad
provocara un cambio en los valores de la solucin optima, por lo tanto para poder
realizar un anlisis tendramos que disponer de una nueva salida computacional hoy
en da esta tarea significa invertir unos cuantos segundos al re-definir el modelo, pero
hace 50 aos era todo un dilema decidir correr una nueva salida.
Sin embargo, y volviendo al ejemplo, si decidiramos llevar la contraria a sta
solucin ptima y decidiramos producir unidades del producto 1, entonces por cada
unidad producida, debemos reducir nuestros costos unitarios en 4,50 (costo
reducido) con lo cual la utilidad unitaria se ubicara 7,5 de esta manera el valor de la
solucin optima de X1 ser diferente a cero (en caso de presentarse un problema de
minimizacin de costos, la reduccin del costo unitario es directa ).
En la fila 2 el costo reducido es de 0 en atencin a que s se van a producir
unidades del artculo 2 y por lo tanto el valor optimo de X2 ya es diferente de cero (en
este caso X2=9).

Anlisis de Sensibilidad de los Recursos:

Figura N12. Bloque de anlisis de sensibilidad de los recursos.

En figura 12, la fila 1 referente a la disponibilidad del recurso A, indica que del
recurso A no se utilizar ninguna unidad, de las 4 disponibles, por ello la holgura de
dicho recurso es de 4 unidades, siendo la restriccin inactiva por poseer un valor de
holgura diferente de cero. El precio sombra nos indica que si se dispone de una unidad
adicional del recurso A, ello ocasionar un incremento en la utilidad de 0 (si se
dispone de una unidad menos del recurso A, ello ocasionar un decremento de 0);
siempre y cuando el valor del recurso se encuentre entre los lmites de sensibilidad 0
< b1 < ; que son los valores que hacen que restriccin permanezca en su misma
condicin.
La fila 2, referente a la disponibilidad del recurso B indica que del recurso B se
utilizan 18 unidades, de las 18 disponibles, por ello la holgura de dicho recurso es de 0
unidades, siendo la restriccin activa por poseer un valor de holgura igual a cero. El
precio sombra nos indica que si se dispone de una unidad adicional del recurso B, ello
ocasionar un incremento en la utilidad de 2,50 (si se dispone de una unidad menos
del recurso B, ello ocasionar un decremento de 2,50) siempre y cuando el valor del
recurso se encuentre entre los lmites de sensibilidad 0 < b2 < ; que son los valores
que hacen que la restriccin permanezca en su misma condicin.
En el caso en que una unidad del recurso deba ser vendido, su precio ideal
sera como mnimo su precio sombra, ya que este nos indica el aporte marginal a la
funcin objetivo por cada cambio unitario en el total de recursos. Es decir, si cada
unidad del recurso B, debe ser vendida a otra empresa del mismo ramo, el precio
mnimo de referencia debe ser 2,50, pues este es su aporte a la utilidad total
1
.
Cualquier efecto en valor de la Funcin Objetivo producto de la variacin de
recursos dentro de los limites permitidos, puede estimarse con la siguiente formula:

FO= FO + (Precio Sombra X Incremento)

Por ejemplo se disminuye en 10 unidades el recurso B, ubicndose la
disponibilidad en 8 como el valor del recurso se encuentre entre los lmites de
sensibilidad 0 < b2 < , es posible inferir que:

FO= 45 + (2.5 X -10) = 20.

Anlogamente el incremento necesario para obtener un valor de la funcin
objetivo requerido (FO) puede estimarse con:

Incremento = (FO- FO)/Precio Sombra

Es decir, si queremos obtener, un valor optimo de 65 por ejemplo, calculamos:
Incremento = (65- 45)/2.5 = 8. El incremento de ocho unidades esta en el
intervalo permitido 0 < b2 < .
El reporte combinado, la salida o el problema puede catalogarse como no
degenerado porque el numero de restricciones (2) es igual a la sumatoria de los
valores positivos de la solucin optima (1) y los valores de holgura (1). Por ello todos
los anlisis de sensibilidad son correctamente estimados y no se corre el riesgo de
Ciclar el problema.

1
Para poder clarificar el concepto de precio sombra, podemos hacer analoga con el proceso de valoracin de un
bovino hembra por ejemplo que muere por accin de una operacin de mantenimiento petrolero, dicho valor total
seria la suma de valor en carne, su valor por la futura produccin de leche, su valor por las futuras pariciones y un
valor por pedigr o rbol genealgico, es decir es vendido en funcin a su aporte a las utilidades.
7.MTODO DEL TRANSPORTE

Modela y resuelve problemas de redes incluyendo el flujo de trabajo de red,
transportacin, y de camino de prueba corta que incluye un conjunto de nodos
conectados, donde solo un nodo es considerado como nodo de origen. El objetivo es
determinar un camino de conexiones que minimicen la distancia total desde el origen
al destino.

Incluye capacidades para:
- Resolver proflemas de flujo mximo.
- Resolver el algoritmo para el problema del rbol de llave mnima.
- Mtodo de Ramificacin y Acotamiento.
- Muestra los pasos de la solucin.
- Muestra la solucin grfica.
- Realiza el anlisis What-if (anlisis de hiptesis) y el anlisis paramtrico.

3. Para Abrir el programa:
Hacemos doble clic o un clic segn sea el caso sobre el icono: Network Modeling

4. Para crear un archivo nuevo:
En la ventana inicial, hacemos un clic en el icono:

Otra opcin es ir al [Men FILENEW PROBLEM] tal y como se muestra en la
Figura1:

En la ventana inicial tambin podemos,

Abrir un archivo. [MENU FILE-LOAD PROBLEM]

Salir del programa. [MENU FILE-EXIT]

Ir a la Ayuda. [MENU HELP]

3. Para cargar los datos:
En la caja de dilogo, debemos especificar la configuracin inicial del problema:

PROBLEM TITLE: Titulo del problema.
[Este nombre ser usado en los informes escritos y en la pantalla]
NUMBER OF NODES: Nmero de Nodos.
NUMBER OF OBJECTS: Nmero de Fuentes.
NUMER OF ASSIGNMENTS: Nmero de Destinos.
NUMBER OF CONSTRAINT: Nmero de restricciones:
OBJECTIVE CRITERION: Criterio del Objetivo.
Si queremos maximizar pulsamos la casilla de Maximization.
Si queremos minimizar pulsamos la casilla de Minimization.
DATA ENTRY FORMAT: Tipo de Formato de entrada.
SPREADSHEET MATRIX FORM: Forma matricial.
GRAPHIC MODEL FORM: Modelo final.
SYMMETRIC ARC COEFFICIENTS: Arcos simtricos

PROBLEM TYPE: Tipo de Problema
NETWORK FLOW: Flujo de Redes
TRANSPORTATION PROBLEM: Problema del Transporte
ASSIGNMENT PROBLEM: Problema de Asignaciones
SHORTEST PATH PROBLEM: Problema de la Ruta ms Corta
MAXIMAL FLOW PROBLEM: Problemas del Flujo Mximo
MINIMAL SPANNING TREE: rbol del Mnimo Recorrido
TRAVELING SALESMAN PROBLEM: El problema del Agente Viajero

Opciones de edicin:
Para completar la compresin de los reportes, es recomendable editar el nombre de
las restricciones con una frase que documente su significado en el modelo.
Para editar el nombre de las fuentes y destinos
podemos ir
a Menu EDIT- CONSTRAINT NAME
[ El programa trabaja por defecto con las
variables Destination# y Source#]

Problem Name: Cambiar el nombre del problema
Objective Function Criterion: Criterio de la Funcin
Objetivo(Maximizacin o Minimizacin)
Problem Type: Tipo de problema
Add Node: Aadiremos un Nodo
Delete Node: Eliminaremos un Nodo

Introduccin de valores:

Los atributos Supply (Oferta) y Demand (Demanda) aparecen automticamente

El modo de edicin del men principal permite cambiar los rtulos de las fuentes y los
destinos. No es necesario que la oferta sea igual a la demanda, el software se encarga
de agregar fuentes destinos de holgura, segn sea la necesidad.

Para solucionar el problema, se da clic sobre el icono que aparece en la parte
superior y que se seala en la figura siguiente:

El WinQsb le ofrecer entonces una ventana con la respuesta ptima del
problema, indicando cuntas unidades enviar desde cada una de las
ciudades de origen a cada una de las ciudades de destino, con su costo por
envo y el costo total de la operacin.

Si se usa ste icono, el WinQsb nos ilustrar mediante una red la respectiva
respuesta ptima al problema.


Resolviendo nuestro ejemplo, obtenemos:

Por la otra forma de representacin que hemos comentado anteriormente
(ilustracin mediante una red), obtenemos el siguiente grfico:


8.TEORA DE COLAS

Este programa, Anlisis de Colas (QA), resuelve y evala la actuacin de un sistema
de colas y costos, resuelve la actuacin de una sola fase de un sistema de colas. La
fase nica que hace cola en un sistema tiene elementos mayores incluso una
poblacin del cliente, una cola, y un nico o mltiples servidores (canales). la
poblacin del Cliente puede limitarse o ser ilimitada (infinita) con un modelo de llegada
especificado (distribucin); la cola puede limitarse o ser de longitud ilimitada; y se
pueden asumir servidores mltiples para ser idnticos con una distribucin de tiempo
especifica. El sistema de colas se evala segn las medidas populares como nmero
promedio de clientes en el sistema, el nmero promedio de clientes en la cola, el
nmero de clientes en la cola para un sistema ocupado, el tiempo promedio que un
cliente pasa en el sistema, tiempo promedio que un cliente pasa en la cola en un
sistema ocupado, la probabilidad que todos los servidores estn ociosos, la
probabilidad que un cliente se encuentre en espera al llegar al sistema, el nmero
promedio de clientes sin atender por unidad de tiempo, el costo total de un servidor
ocupado por unidad de tiempo, el costo total de un servidor ocioso por unidad de
tiempo, costo total del cliente que se encuentra en espera por unidad de tiempo, costo
total del cliente que se ha atendido por unidad de tiempo, costo total del cliente que no
se atendi por unidad de tiempo, longitud total de la cola por unidad de tiempo, y el
costo total del sistema por unidad de tiempo.

Tres mtodos son incluidos para evaluar cada situacin de la formacin de colas:
frmula de cercana, aproximacin, y la simulacin de Monte Carlo. Si ninguna forma
est disponible para un problema de colas particular, usted puede especificar una
aproximacin o simularla para poder resolverla.
Las capacidades especficas de QA incluyen:
- Anlisis de la actuacin de la cola
- Anlisis de sensibilidad para los parmetros del sistema
- Anlisis de capacidad para colas y capacidad de servicio
- Aproximacin si no existiese una forma similar
- Simulacin - la alternativa para la evaluacin de la actuacin
- 15 distribuciones de probabilidad para el tiempo de servicio, los tiempos entre
llegadas, y tamao de lote de llegada
- Muestra la actuacin de la cola y anlisis del costo
- Muestra un grfico que muestra el anlisis de sensibilidad
- Entrada de los datos simple para los sistemas M/M
NOTACIN.
o: Coeficiente de presin sobre el servicio.
|: Coeficiente de retardacin de llegadas
: Tasa Promedio de llegadas.
: Tasa Promedio de Servicio.
: Tasa de ocupacin del sistema.
: Intensidad de Trafico (/).
B: Nmero Promedio de clientes en la cola
b: Tamao del Lote.
Cb: Costo por cliente no atendido
Ci: Costo de Servidor Ocioso por unidad de tiempo.
Cq: Costo por la capacidad de una cola.
Cs: Costo de servidor ocupado por unidad de tiempo.
Cu: Costo de cliente servido por unidad de tiempo.
Cw: Costo por cliente esperando en la cola.
K: Numero mximo de clientes permitidos en un sistema.
L: Numero promedio de clientes en el sistema.
Lb: Numero promedio de clientes en la cola para un sistema ocupado.
Lq: Numero promedio de clientes en la cola.
N: Poblacin de clientes. El programa considera a poblacin como infinita, cuando su
nmero supera a 10000 clientes potenciales.
n: Numero de clientes en el sistema, incluidos los que estn siendo atendidos, y los
que estn en la cola.
P0: Probabilidad de que todos los servidores estn ociosos.
P(n): Probabilidad de que hayan n clientes en el sistema.
Pw o Pb : Probabilidad de clientes que al llegar esperaran.
Q: Capacidad mxima de la cola (Mximo espacio de espera).
s: Numero de servidores o canales
W: Tiempo promedio que el cliente pasa en el sistema.
Wb: Tiempo promedio que un cliente pasa en un sistema ocupado.
Wq: Tiempo promedio que un cliente pasa en la cola.
Ac se muestra un sistema de notacin estndar para clasificar sistemas de colas
como A/B/C/D/E/F, donde:
- A representa la distribucin de probabilidad para el proceso de llegadas
- B representa la distribucin de probabilidad para el proceso de servicio
- C representa el nmero de canales (servidores)
- D representa el nmero del mximo de clientes permitido en el sistema de
colas (sirvindose o esperando por el servicio)
- E representa el nmero mximo de clientes en total
- N de clientes potenciales
Opciones comunes para A y B son:
- M para una distribucin de llegada tipo Poisson (distribucin entre llegadas de
tipo exponencial) o una distribucin del tiempo de servicio de tipo exponencial
- D para un valor deterministico o constante
- G para una distribucin general (pero con media y varianza conocida)
Si no se especifican D y E entonces se da por supuesto que ellos son infinitos.
Por ejemplo un sistema de colas M/M/1, el sistema de colas ms simple, tiene una
distribucin de llegada tipo Poisson, una distribucin de tiempo de servicio del tipo
exponencial y un solo canal (un servidor).
Note que aqu usando esta anotacin, siempre se asume que hay solamente una
cola (lnea de espera) y los clientes se mueven de esta sola cola hacia los servidores.

ANLISIS DE SENSIBILIDAD.
QA realiza el anlisis de sensibilidad segn un rango especificado de nmero de
servidores, proporcin de servicio (), coeficiente de presin de servicio, proporcin de
la llegada (), el tamao del lote (volumen) , coeficiente de retardacin de llegada, la
capacidad de la cola, poblacin del cliente, costo de servidor ocupado por unidad de
tiempo, costo de servidor ocioso por unidad de tiempo, costo de cliente en espera por
unidad de tiempo, costo de cliente servido por unidad de tiempo, costo por cliente sin
atender por unidad de tiempo, costo unitario de la capacidad de la cola. la capacidad
de la cola, poblacin del cliente, costo de servidor ocupado por unidad de tiempo,
costo de servidor ocioso por unidad de tiempo, costo por cliente en espera por unidad
de tiempo, costo por cliente servido por unidad de tiempo, el costo por cliente no
atendido, o costo por capacidad de cola unitaria. QA resuelve y compara las
actuaciones segn la entrada, salida, y valores del paso del parmetro seleccionado.
Usted puede especificar la aproximacin o simulacin para el problema con el valor del
parmetro que no tiene ninguna frmula aproximada disponible.


ANLISIS DE CAPACIDAD.
Dos capacidades bsicas del sistema de colas son consideradas en QA: nmero de
servidores y la capacidad de la cola. Despus de especificar los rangos del nmero de
servidores y la capacidad de la cola, QA realiza la comparacin del costo para una
combinacin de capacidades diferentes. Note que los elementos del costo necesitan
ser especificados en la entrada de los datos.

FRMULA DE APROXIMACIN.
Cuando el problema de la formacin de colas no tiene ninguna solucin aproximada,
QA resuelve el Lq como un modelo de G/G/s para la aproximacin siguiente

Lq= (Lq de M/M/s) [Var(tiempo de servicio) + Var(tiempo entre llegadas)]/2

donde Var representa la varianza. El resto de las medidas de la actuacin de la cola
siguen la frmula de M/M/s.

SIMULACION, SIMULACION MONTE CARLO, SIMULACION DE EVENTOS
DISCRETOS.
La simulacin es la imitacin de un proceso del mundo-real o sistema a lo largo del
tiempo . La simulacin involucra la generacin de eventos artificiales o procesos para
el sistema y recolecta las observaciones para dibujar cualquier inferencia sobre el
sistema real. Una simulacin del eventos discretos simula slo eventos que cambian
el estado de un sistema. QA realiza la simulacin de eventos discretos simulando los
dos eventos mayores en el sistema de colas: llegada del cliente y realizacin de
servicio. El mtodo de Monte Carlo emplea los modelos matemticos o la
transformacin inversa para generar variables del azar para los eventos artificiales y
colecciona observaciones. QA tambin acostumbra usar la transformacin inversa
para generar el tiempo de servicio, el tiempo entre llegadas, y tamao del lote que gua
el evento del sistema de formacin de colas.
Transformacin Inversa:
Asuma que la variable aleatoria X tiene la distribucin de probabilidad de f(X) y
su funcin acumulada es F(X). Sea r un nmero al azar del intervalo
uniformemente distribuido [0,1]. La transformacin inversa para obtener una
muestra de la variable aleatoria de la distribucin f(X) es como sigue:
a). Obtenga un nmero del azar r
b). Resuelva X de la ecuacin r = F(X), es decir, encuentre el X tal que ese
r = Prob. (xX)
Para cualquier nmero del azar, QA acostumbra usar un mtodo congruencial
para generar un nmero del pseudo-aleatorio, es decir,
r(i+1) = (a r(i) + b) mod c
donde un, b, c son constantes, y i = 0, 1, 2,... Nota que dada la misma semilla
aleatoria r(0), el mtodo genera la misma secuencia de nmeros al azar.

DISTRIBUCIN DE PROBABILIDADES.
QA permite manejar distribuciones de probabilidad para el tiempo de servicio, los
tiempos entre llegadas, y tamao del lote. Las distribuciones disponibles en QA y sus
funciones asociadas y los parmetros se describe mas adelante. Nosotros usaremos
la anotacin siguiente para describir las funciones de la distribucin:
P(a,b) : a
b

B(a,b) : Funcin Beta
I(a) : Funcin Gamma
C(n,m): Combinatoria C
m
n
Exp(a) : Funcin Exponencial, e
a

Log(a) : Logaritmo Natural de a
sqr(a) : Raiz Cuadrada de a
a! : Factorial de a
f(x) : Funcin de Probabilidad (pdf)
: Media
o : Varianza
Las distribuciones disponibles en WINQSB son:
- Distribucin Beta.
- Distribucin Binomial
- Constante.
- Distribucin Discreta
- Distribucin Erlang
- Distribucin Exponencial
- Distribucin Gama
- Distribucin Geomtrica
- Distribucin Hipergeometrica
- Distribucin de Laplace
- Distribucin logartmica Normal
- Distribucin Normal
- Distribucin de Pareto
- Distribucin Poisson
- Distribucin de Funcin Potencial
- Distribucin Triangular
- Distribucin Uniforme
- Distribucin Weibull

COSTOS RELACIONADOS CON LA COLA
Los costos relacionados con la cola incluyen:
El costo total de servidor ocupado por unidad de tiempo = Cs(L-Lq) = Cs
El costo total de servidor ocioso por unidad de tiempo = Ci (s-) = Ci (s-L+Lq)
Costo total de cliente que espera por unidad de tiempo = Cw Wq (E (n) P(n))
Costo total de cliente que esta siendo atendido por unidad de tiempo =
Cu (W-Wq) (E (n) P(n))
El costo total de ser del cliente sin atender por unidad de tiempo = Cb B
Costo total de la cola por unidad de tiempo = Cq Q
Costo Total del sistema por unidad de tiempo = la Suma de todos los anteriores
Notese que estos son los costos utilizados por el paquete, diferencindose de aquellos
llevados en la materia de Programacin Matemtica, pudindose encontrar algunas
diferencias en los resultados.

COMANDOS DEL ANLISIS DE COLAS.
MENU PRINCIPAL Y VENTANA INICIAL.
Los mens para el QA despus que el programa est cargado se muestra debajo:

Este comando inicia un nuevo problema de colas. La entrada para el nuevo problema
incluye nombre del problema, unidad de tiempo, nmero de servidores, la proporcin
de servicio () con una distribucin de tiempo de servicio, coeficiente de presin de
servicio, proporcin de la llegada () con una distribucin de tiempo entre llegadas, el
tamao del lote (volumen) con una distribucin de tamao de lote, coeficiente de
retardacin de llegadas, capacidad de la cola (el espacio mximo de espera),
poblacin del cliente, costo del servidor ocupado por unidad de tiempo, costo del
servidor ocioso por unidad de tiempo, costo de espera del cliente por unidad de
tiempo, costo de cliente servido por unidad de tiempo, el costo por cliente no atendido,
y/o costo unitario de capacidad de cola. Si usted especifica el sistema de M/M simple,
la entrada ser ms simple. Todos los datos se entran en la columna de "Entrada"
exceptuando los parmetros de la distribucin que se entran en las columnas de
"Parmetro". Si usted especifica la distribucin discreta durante el tiempo de servicio,
tiempo entre llegadas, o tamao del lote, introduzca el nmero de datos discretos en
Parameter 1 (Parmetro 1) y entre los datos discretos en Parameter 2 (Parmetro 2)
usando el formato "value 1/probability 1, value 2/probability 2,..." (Valor 1/probabilidad
1, Valor 2/probabilidad 2).
Si hay un problema sin guardar en edicin, cuando usted seleccione el comando New
Problem (Nuevo Problema), QA preguntar si usted quiere guardar el problema. QA
entonces aclara el rea de edicin para el nuevo problema.

Este comando inicia una ventana de dialogo para abrir un archivo guardado
previamente. El dilogo le permite tanto seleccionar un archivo de datos en directorio
en particular, o entrar una especificacin de un archivo completo de datos incluyendo
la ruta. QA mostrar automticamente el problema cargado.

Este comando permite salir del programa

VENTANA DE ESPECIFICACIN DEL PROBLEMA
Para especificar un problema de colas, aqu se muestra el procedimiento:
- Paso 1. Entre en el ttulo del problema que ser parte del ttulo para las
ventanas posteriores.
- Paso 2. Entre la unidad de tiempo para la descripcin del sistema de colas. El
valor por defecto es hora.
- Paso 3. Elija o de clic en el formato de entrada siguiente
Simple M/M System (Sistema M/M simple): Asume que tanto el servicio
y la llegada del cliente tienen distribucin Poisson.
General Queuing System (Sistema General de colas): Usted puede
especificar una distribucin particular para el servicio, llegada del
cliente, y tamao del lote.
- Paso 4. Si la especificacin est completa, apriete el botn de OK para la
entrada de los datos. Por otra parte, apriete el botn de Cancel. El botn de
Help est para poder proporcionar ayuda.


BARRA DE TAREAS
La barra de tareas es similar a la que existe en los otros mdulos del WINQSB,
diferencindose solamente en algunos botones, por lo cual solo se explicar a
aquellos que diferencian a este de los otros mdulos:

Este comando resuelve la actuacin de la cola. Si no existe ninguna frmula
aproximada para el problema, el programa preguntar si para resolverlo desea hacerlo
por aproximacin o por la simulacin de Monte Carlo.
Despus de que la actuacin se evala, QA automticamente desplegar un resumen
de la actuacin.

Este orden realiza la simulacin de evento-discreto de Monte Carlo para evaluar la
actuacin de la cola. Despus de escoger el comando, el programa desplegar una
forma para especificar cmo se asigna la semilla del azar, disciplina de la cola ,
tiempo de la simulacin, inicio de recoleccin de datos en el tiempo, capacidad de la
cola, y el mximo numero de recolecciones de los datos (observaciones). La semilla
del azar puede ser un valor predefinido, el reloj del sistema, o un valor entrado. Note
que la misma semilla del azar crear la misma secuencia de nmeros al azar (nmero
aleatorios).

Usted puede especificar FIFO (primero en entrar-primero en salir PEPS), LIFO
(ltimo en entrar-primero en salir UEPS), o aleatorizar la disciplina de la cola. El FIFO
es el que se asume para la frmula de aproximacin.
Es importante especificar una capacidad de la cola limitada desde que los clientes en
espera se guardan en la memoria de la computadora. Una capacidad de la cola
grande o muy grande puede usar toda la memoria de la computadora. El valor por
defecto es 1000 que es normalmente suficiente para la mayora de los casos.

Especificando un tiempo de simulacin razonable le permitir recolectar bastantes
observaciones para la evaluacin de la actuacin. Usted puede especificar un tiempo
distinto de cero para la recoleccin para arreglar los estados del sistema iniciales.
Usted tambin puede especificar el nmero del mximo de recoleccin de datos (el
valor por defecto es infinito (M)) como la regla de detencin de la simulacin. La
simulacin se detendr en el tiempo de simulacin o cuando se alcanza el mximo
numero de colecciones de los datos.

Esta orden realiza el anlisis de sensibilidad del problema de colas para un rango
especificado de nmero de servidores, proporcin de servicio (), coeficiente de
presin de servicio, proporcin de la llegada (), coeficiente de retardacin de llegada,
el tamao de lote (volumen) , la capacidad de la cola, poblacin del cliente, costo de
servidor ocupado por unidad de tiempo, costo de servidor ocioso por unidad de tiempo,
costo de cliente en espera por unidad de tiempo, costo de cliente servido por unidad
de tiempo, costo por cliente sin atender por unidad de tiempo, costo unitario de la
capacidad de la cola.

QA resuelve la actuacin de acuerdo al inicio, final, y valores de cada paso del
parmetro seleccionado. Se puede especificar la aproximacin o simulacin para el
problema con el valor del parmetro que no tiene ninguna frmula aproximada
disponible. Este comando realiza el anlisis de sensibilidad del problema de colas para
un rango especificado de nmero de servidores, proporcin de servicio (), coeficiente
de presin de servicio, proporcin de la llegada (), etc. QA resuelve los costos
segn los valores iniciales, finales, de cada paso del nmero de servidores y
capacidad de la cola.

Esta orden realiza el anlisis de capacidad del problema de colas con un nmero
diferente de servidores y capacidad de la cola. QA resuelve los costos segn los
valores iniciales, finales, de cada paso del nmero de servidores y capacidad de la
cola. Se puede especificar la aproximacin o simulacin para el problema con el valor
del parmetro que no tiene ninguna frmula aproximada disponible.

Este comando dispone de las siguientes opciones:
Performance Summary.
Esta orden muestra la actuacin del problema de colas. Incluye todas las medidas
populares de la formacin de colas. Si la actuacin es medida por simulacin, el
nmero de observaciones recolectadas, el nmero del mximo de clientes en la cola, y
el tiempo total de simulacin del CPU en segundos ser mostrado.
Probability Summary
Este comando muestra la probabilidad del sistema de colas. Muestra P(n), la
probabilidad de que existan n clientes en el sistema, donde n puede ser desde 0 a
200, y la probabilidad acumulativa.
Show Sensitivity Analysis Table
Este comando clasifica los resultados del anlisis de sensibilidad del problema de
colas para un rango especificado de nmero de servidores, proporcin de servicio (),
coeficiente de presin de servicio, proporcin de la llegada (), coeficiente de
retardacin de llegada, el tamao de lote (volumen) , la capacidad de la cola,
poblacin del cliente, costo de servidor ocupado por unidad de tiempo, costo de
servidor ocioso por unidad de tiempo, costo de cliente en espera por unidad de tiempo,
costo de cliente servido por unidad de tiempo, costo por cliente sin atender por unidad
de tiempo, costo unitario de la capacidad de la cola.
Show Sensitivity Analysis - Graph
Este comando muestra los resultados grficos del anlisis de sensibilidad del
problema de colas para un rango especificado de nmero de servidores, proporcin de
servicio (), coeficiente de presin de servicio, proporcin de la llegada (), coeficiente
de retardacin de llegada, el tamao de lote (volumen) , la capacidad de la cola,
poblacin del cliente, costo de servidor ocupado por unidad de tiempo, costo de
servidor ocioso por unidad de tiempo, costo de cliente en espera por unidad de tiempo,
costo de cliente servido por unidad de tiempo, costo por cliente sin atender por unidad
de tiempo, costo unitario de la capacidad de la cola.
Despus de que la orden es escogida, seleccione una medida particular de la
actuacin para el despliegue grfico.
Show Capacity Analisis
Este comando muestra los resultados del anlisis de capacidad del problema colas
con un nmero diferente de servidores y capacidad de la cola. Todos los elementos
del costo relacionados estn incluidos.

PROCEDIMIENTOS DEL ANLISIS DE COLAS
COMO ENTRAR UN PROBLEMA
Para entrar en un problema de colas, este es el procedimiento general:
1. Prepare los parmetros de la cola para el problema. (Nota: usted no tiene que
tener un modelo formal para la entrada de los datos, puede modificarlo junto
con el proceso.)
2. Seleccione el comando New Problem (Nuevo Problema) para entrar el
problema. El programa plantear la ventana de especificacin. Seleccione
tanto el sistema de M/M simple o el sistema de colas general para la entrada
de los datos.
3. Entre los parmetros de la cola en la columna de "Entry" (Entrada). Note que
para el sistema de colas general, los parmetros de la distribucin entran en
las columnas de "Parameters 1-3" (Parmetros 1-3).
4. (Opcional) Use las rdenes de Format (Formato) para cambiar el formato
numrico, conjunto de caracteres, color, alineacin, alturas de la fila, y
anchuras de la columna.
5. (Opcional, pero importante) Despus que el problema se entra, escoja el
comando Save Problem As (Guardar el Problema Como) para guardar el
problema.

COMO ENTRAR UNA DISTRIBUCIN DE PROBABILIDAD
Para entrar una distribucin de probabilidad, este es el procedimiento general:
1. Pulse Doble clic en la celda para entrar la distribucin en la hoja de clculo de
entrada de datos. Esto plantear una lista de funciones de probabilidad para escoger.
2. Escoja o de clic en la funcin de probabilidad de la lista. Deben mostrarse los
parmetros apropiados para la funcin al lado de la lista. Usted puede apretar Help
para ver las Funciones de Distribucin de Probabilidad.
3. Presione el botn de OK para volver a la forma de entrada de datos. Los
parmetros que siguen el nombre de la distribucin debern cambiar su descripcin de
acuerdo con la funcin escogida.
COMO ENTRAR UNA DISTRIBUCIN DISCRETA
Si usted ha especificado una distribucin discreta (el nmero de valores discretos se
entra en la fila "Number of discrete values") durante el tiempo de servicio, los tiempos
entre llegadas, o el tamao del lote, este es el procedimiento para entrar los valores
discretos y las probabilidades asociadas:
1. Entre el nmero de datos discretos en la fila "Number of discrete values"
(Parmetro 1).
2. Entre los datos discretos en la fila "Discrete values" (Parmetro 2) usando el
formato "valor 1/probabilidad 1, valor 2/probabilidad 2,...", separe cada par de
valores y la probabilidad asociada por una coma ","
3. Cuando se termine, apriete las teclas de flecha para mover el cursor al otro
formulario de entrada de datos.

COMO RESOLVER UN PROBLEMA
Para resolver un problema de colas, aqu se muestra el procedimiento general:
1. Prepara los parmetros de la cola para el problema. (Nota: usted no tiene que
tener un modelo formal para la entrada de los datos. Usted puede modificarlo
junto con el proceso.)
2. Seleccione la orden New Problem (Nuevo Problema) para entrar el problema.
3. Para una prctica general buena, usted puede querer guardar el problema
escogiendo el comando Save Problem As (Guardar el Problema Como) antes
de resolverlo.
4. Seleccione el orden Solve the Performance (Resuelva la Actuacin) o Simulate
the System (Simule el Sistema) para resolver el problema.
5. Despus que el problema se resuelve, escoja los rdenes del Results Menu
(Men de los Resultados) para mostrar los resultados apropiados.

COMO LLEVAR ADELANTE UNA SIMULACIN
Para cualquier problema de colas que usted defina en QA, usted puede usar la
simulacin Monte Carlo para evaluar la actuacin del sistema. Para simular el sistema
de colas, aqu se muestra el procedimiento general:
1. Asuma que el problema se ha entrado y las distribuciones estn definidas.
2. Seleccione la orden Simulate the System (Simule el Sistema). El programa
plantear una forma para permitirle especificar el proceso de la simulacin,
incluyendo:
- (a). Random seed (semilla del Azar): Se puede escoger el valor por
defecto o reloj del sistema, o entrar un valor particular para la semilla del
azar. Cada vez que ejecute la simulacin, si la misma semilla del azar se
usa, generar la misma sucesin nmeros aleatorios. Por consiguiente,
escogiendo el reloj del sistema como la semilla del azar garantiza una
sucesin del azar diferente.
- (b). Queuing discipline (Disciplina de la cola): Se puede escoger FIFO
(PEPS), LIFO (UEPS), o al azar para la disciplina de la cola. La disciplina
de la cola es la regla para poder escoger al cliente en espera a ser servido
cuando un servidor se pone disponible. Si el sistema tiene una solucin
de la forma aproximada, el resultado debe estar muy cerca del de la
simulacin usando la disciplina FIFO.
- (c). Simulation time (Tiempo de la Simulacin): Que indica cuanto tiempo
funcionar el sistema de colas.
- (d). Start collection time (Iniciar tiempo de coleccin): Indica cuando el
programa empieza a recolectar datos sobre la actuacin de la cola. Un
tiempo de inicio distinto de cero para la recoleccin puede filtrar la
inicializacin del estado del sistema.
- (e). Queue capacity (Capacidad de la Cola): esto permite al sistema el
mantener a los clientes de espera. El valor por defecto es 1000 que es
normalmente suficiente para la mayora de las situaciones. No se
recomienda el entrar una capacidad de cola grande ya que puede usar
toda la memoria de la computadora.
- (f). Maximum number of data collections (Nmero Mximo de
recolecciones de datos): Esto es otra regla de detencin para que el
programa detenga el proceso de la simulacin. Acompaado con el
tiempo de la simulacin, el programa detiene la simulacin cuando
cualquiera de los dos se alcanza.
3. Presione el comando OK para iniciar la simulacin si las especificaciones anterior
se han hecho. Cuando se haya terminado la simulacin, el resultado se mostrar.

COMO LLEVAR ADELANTE UN ANLISIS DE SENSIBILIDAD.
Para un problema de colas que usted define en QA, usted puede realizar el anlisis de
sensibilidad para ver cmo la actuacin del sistema cambia para valores de parmetro
diferentes. Para realizar el anlisis de sensibilidad, aqu el procedimiento general:
1. Asuma que el problema se ha entrado y los parmetros estn definidos.
2. Seleccione el comando Perform Sensitivity Analysis (Realice Anlisis de
Sensibilidad). El programa plantear una forma para permitirle especificar el
anlisis de sensibilidad, incluyendo:
- (a). Seleccione un parmetro: escoja a cualquiera de la lista.
- (b). Rango del parmetro: Entre los valores del inicio, final, y los
valores para cada paso del parmetro seleccionado para la evaluacin.
El nmero de las situaciones de la cola resuelta ser determinado por
los valores de inicio, final, y valores de cada paso.
- (c). Mtodo de Solucin: El mtodo predefinido para el problema de
colas es la frmula aproximada. Sin embargo, cuando usted cambia un
parmetro a un valor diferente puede hacer el problema irresoluble por
la frmula. Cuando se es el caso, el programa usar el mtodo
especificado, aproximacin o simulacin para evaluar el problema
automticamente.
- (d). (Opcional) Especificacin de la Simulacin: si la simulacin es
escogida en el paso (c), despus de presionar la orden OK, usted
necesita entrar la especificacin de la simulacin.
3. Presione OK para empezar el anlisis si las especificaciones anteriores se
realizaron. Cuando se haya acabado del anlisis, se mostrar el resultado.
4. Usted puede usar el Results Menu (Men de los Resultados) para mostrar el
resultado grfico del anlisis de sensibilidad.

COMO LLEVAR ADELANTE UN ANLISIS DE CAPACIDAD.
Para un problema de colas que usted define en QA, usted puede realizar el anlisis de
capacidad para comparar los costos de configuraciones diferentes del nmero de
servidores y capacidades de la cola. Para realizar anlisis de capacidad, aqu el
procedimiento general:
1. Asuma que el problema se ha entrado y los parmetros se han definido.
2. Seleccione la orden Perform Capacity Analysis (Realice Anlisis de
Capacidad). El programa plantear una forma para permitirle especificar el
anlisis de capacidad, incluyendo:
- (a). Rango del nmero de servidores: entre los valores de inicio, final,
y los valores de cada paso del nmero de servidores para la evaluacin.
- (b). Rango de la capacidad de la cola: entre los valores de inicio, final,
y los valores de cada paso de la capacidad de la cola (espacio de
espera) para la evaluacin. El nmero de las situaciones de la cola
resueltas ser determinado por los valores de inicio, final, y los valores
de cada paso del nmero de servidores y la capacidad de la cola. La
capacidad predefinida de la cola es infinita (M).
- (c). Mtodo de Solucin: el mtodo predefinido para el problema de
colas es la frmula de aproximacin. Sin embargo, cuando usted
cambia el nmero de servidores y la capacidad de la cola puede hacer
el problema irresoluble por la frmula. Cuando se es el caso, el
programa usar el mtodo especificado, como tambin aproximacin o
simulacin, para evaluar el problema, automticamente.
- (d). (Opcional) Especificacin de la Simulacin: si la simulacin es
escogida en paso (c), despus de presionar OK, usted necesita entrar
la especificacin de la simulacin.
3. Presione OK para empezar el anlisis si las especificaciones anteriores se han
hecho. Cuando se haya acabado del anlisis, se mostrar el resultado.

COMO IMPORTAR DATOS DE OTRAS APLICACIONES DE HOJAS DE CALCULO.
Si usted decide entrar un problema de colas de una aplicacin de hoja de clculo
como Microsoft Excel, use los pasos siguientes:
1. Entre el problema con la siguiente secuencia. Aqu se muestran las entradas
para cada celda en la hoja de clculo: (Note que las celdas estn separadas
por "," y los textos requeridos estn en "")
Para el Sistema M/M de Entrada Simple:
Fila 1: "QA", Nombre del Problema, Unidad de tiempo, 0.
Fila 2: "Problem Specification", "Entry".
Fila 3: "Number of servers", nmero de servidores.
Fila 4: "Service rate per server", proporcin de servicio.
Fila 5: "Customer arrival rate", proporcin de llegadas.
Fila 6: "Queue capacity (maximum waiting space)", capacidad de la cola.
Fila 7: "Customer population", poblacin del cliente.
Fila 8: "Busy server cost per unit time", Costo de servidor ocupado por unidad
de tiempo.
Fila 9: "Idle server cost per unit time", Costo de servidor ocioso por unidad de
tiempo.
Fila 10: "Customer waiting cost per unit time", Costo de cliente en espera por
unidad de tiempo.
Fila 11: "Customer being served cost per unit time", Costo de cliente que se
sirve por unidad de tiempo.
Fila 12: "Cost of customer being balked", el costo de cliente no atendido.
Fila 13: "Unit queue capacity cost", Costo Unitario de la capacidad de la cola.
Para la Entrada de Sistema de Formacin de colas de espera General:
Fila 1: "QA", Nombre del Problema, Unidad de tiempo, 1.
Fila 2: "Problem Specification", "Entry".
Fila 3: "Number of servers", nmero de servidores.
Fila 4: "Service time distribution", nombre de la distribucin.
Fila 5: "Parameter 1", parmetro 1.
Fila 6: "Parameter 2", parmetro 2. (Si no existe ningn parmetro 2, entre 0.)
Fila 7: "Parameter 3", parmetro 3. (Si no existe ningn parmetro 3, entre en
0.)
Fila 8: "Service pressure coefficient", coeficiente de presin.
Fila 9: "Interarrival time distribution", nombre de la distribucin entre llegadas.
0.)
Fila 13: "Arrival discourage coefficient", coeficiente de retardacin de llegada.
Fila 14: "Batch size distribution", nombre de la distribucin.
0.)
Fila 18: "Queue capacity (maximum waiting space)", capacidad de la cola.
Fila 19: "Customer population", poblacin del cliente.
Fila 20: "Busy server cost per unit time", Costo de servidor ocupado por unidad
de tiempo.
Fila 21: "Idle server cost per unit time", Costo de servidor ocioso por unidad de
tiempo.
Fila 22: "Customer waiting cost per unit time", Costo de cliente en espera por
unidad de tiempo.
Fila 23: "Customer being served cost per unit time", Costo de cliente atendido
por unidad de tiempo.
Fila 24: "Cost of customer being balked", Costo de cliente sin atender por
unidad de tiempo.
Fila 25: "Unit queue capacity cost", Costo Unitario de la capacidad de la cola.
Note que si la distribucin discreta es especificada para el tiempo de servicio, los
tiempos entre llegadas, o el tamao de lote uso el formato descrito Cmo Entrar una
Distribucin Discreta.
2. Guarde la hoja de clculo en un archivo con el formato del texto.
3. Los datos guardados se archivan entonces y pueden ser recuperados por QA.

EJEMPLOS DE COLAS
1. Un almacn tiene 2 cajeras que atienden a razn de 1.5 minutos por cliente
siguiendo una distribucin exponencial. Los clientes llegan a este almacn
siguiendo una distribucin Poisson a razn de 30 por hora. Con esta
informacin calcular: A)La probabilidad de que el sistema est lleno, B) La
intensidad de trafico.
Datos:
Numero de servidores = 2
=30 [cl/hr]
=1/1.5 [cl/min]= 40 [cl/hr]
El problema ser del tipo M/M/2/FIFO//

Procedimiento
1) Se iniciar un nuevo problema en el modulo Anlisis de Colas (QA).
2) Se elegir Sistema Simple M/M, por que es un modelo del que se conocen
todos los datos. Este se llamar Cajeras, eligiendo como unidad de tiempo a
horas:

3) En la hoja de clculo se introducir los datos conocidos como se muestra:

Los valores de M, representan que es un valor infinito, como ya se menciono
antes.

Al presionar el icono se ver la ventana de los resultados:

De la ventana de resultados podemos concluir:
Customer arrival rate per hour = = 30 [cl/hr]
Service rate per server per hour = = 40 [cl/hr]
Overall system effective arrival rate per hour = Tasa de llegadas eficaces al
sistema global por hora = 30
Overall system effective service rate per hour = Tasa de servicio eficaz del sistema
global por hora = 30
Overall system utilization = Tasa de ocupacin del sistema = = 37.5 %
Average number of customers in the system = Nmero promedio de clientes en el
sistema = L = 0.8727
Average number of customers in the queue = Nmero promedio de clientes en la
cola = Lq = 0.1227
Average number of customers in the queue for a busy system = Nmero promedio
de clientes en la cola para un sistema ocupado = Lb = 0.6
Average time customer spends in the system = Tiempo promedio que un cliente
pasa en el sistema = W = 0.0291 [horas]
Average time customer spends in the queue = Tiempo promedio que un cliente
pasa en la cola = Wq = 0.0041 [horas]
Average time customer spends in the queue for a busy system = Tiempo promedio
que un cliente pasa en la cola para un sistema ocupado = Wb = 0.02 [horas]
The probablity that all servers are idle = Probabilidad de que todos los servidores
esten ociosos = P
0
= 45.45 %
The probablity an arriving costumer waits = Probabilidad de que un cliente espere
al llegar al sistema = Pw = Pb = 20.45 %
Average number of customers being balked per hour = Numero promedio de
clientes que no sern atendidos por el sistema por hora = 0

Por lo que las respuestas buscadas son
A) Tasa de ocupacin del sistema = = 37.5 %
B) Probabilidad de que un cliente espere al llegar al sistema = Pw = Pb = 20.45 %

Adicionalmente podemos realizar los siguientes anlisis:
- Observar las probabilidades estimadas de que existan de 0 hasta 200 clientes
en la cola:


En este caso no es necesario llegar a 200 clientes, ya que se puede observar
claramente, que las probabilidades de que existan 9 clientes, ya son casi cero
(0.0001), siendo as que la probabilidad de que existan 10 clientes sea cero.
- Tambin podemos realizar una simulacin del sistema:
a) Si presionamos veremos la siguiente ventana:

En el que usaremos:
- La semilla de aleatoriedad por defecto
- Una disciplina de cola de tipo FIFO (PEPS)
- Un tiempo de simulacin de cola de 24 horas (1 da).
- El momento que iniciar la recoleccin de datos ser a las cero horas.
- La capacidad de la cola es infinita (M).
- El mximo de nmero de recolecciones de datos ser infinito (M).
Si presionamos OK, se llevar adelante la simulacin y veremos los siguientes
resultados de la actuacin de la cola durante 24 horas:

System M/M/2 =Sistema M/M/2
Customer arrival rate per hour = = 30 [cl/hr]
Service rate per server per hour = = 40 [cl/hr]
sistema global por hora = 27.3295
global por hora = 27.3295
cola = Lq = 0.0722
esten ociosos = P
0
= 48.8648%
Simulation time in hours = Tiempo de simulacin en horas = 24
Starting data collection in hour = Iniciar recoleccin de datos en el tiempo = 0
Number of observations collected = Nmero de observaciones recolectadas = 656
Maxium number of costumers in queue = Nmero mximo de clientes en la cola =
4
Total simulation CPU time in second = Tiempo total de simulacin en el CPU =
0.1050

Las probabilidades estimadas para n clientes:

Se puede observar que se puede esperar para un tiempo de simulacin de 24 horas,
un mximo de 6 clientes con una probabilidad de casi cero (0.0002).


- Otro de los anlisis del que podemos disponer es el de Anlisis de sensibilidad.
Si presionamos podremos observar la siguiente
ventana:

Si realizamos un anlisis de sensibilidad, seleccionando como parmetro de
anlisis a la tasa de llegadas , haciendo que esta cambie de 30 a 100 [cl/hr], con
un paso de 10 [cl/hr], utilizando el modelo de aproximacin G/G/s, podremos ver
de que manera reacciona el sistema:

Podemos observar claramente de que la utilizacin del sistema va en incremento
en una proporcin de 10 [cl/hr], y cuando sta llega a los 70 [cl/hr], se da una
utilizacin del 87.5% (Mxima utilizacin posible), pero si seguimos incrementando
hasta llegar a los 80 [cl/hr], el sistema se vuelve inestable, es decir el nmero de
servidores es insuficiente.
- Tambin podemos ver el grfico del anlisis de sensibilidad de un parmetro
determinado en funcin del parmetro analizado: Si presionamos en: Show
Sensitivity Analysis Graph

Se abrir la siguiente ventana:

En la que seleccionaremos como variable independiente para el grfico a L
(Nmero promedio de clientes en el sistema), en funcin de nuestro parmetro
analizado ():

En el que se puede ver un crecimiento exponencial.
- As sucesivamente se pueden ir analizando cada uno de los parmetros,
dependiendo que necesidades se tiene.

Otro anlisis disponible es el de Anlisis de Capacidad:
a) Como ste anlisis se realiza a partir de costos, se asumirn los siguientes
costos
Costo de servidor ocupado por hora = 5 $
Costo de servidor ocioso por hora = 1 $
Costo por cliente en espera = 0.5 $
Costo por cliente servido por hora = 3 $
Costo por cliente no atendido = 1 $
Costo unitario por capacidad de cola = 3 $

b) Si presionamos podremos observar la siguiente
ventana:

En el que variaremos el nmero de servidores de 2 a 8, con un paso de 1, y en el
que la capacidad de la cola es Infinita, seleccionando la formula G/G/s de
aproximacin.

c) Si presionamos en OK, la ventana de resultados ser la siguiente:

2. Una cadena de supermercados es abastecida por un almacn central. La
mercadera que llega a este almacn es descargada en turnos nocturnos. Los
camiones que descargan llegan en forma aleatoria siguiendo una Poisson a
razn de dos camiones por hora. En promedio 3 trabajadores descargan 3
camiones por hora siguiendo una distribucin exponencial. Si el nmero de
trabajadores del equipo es incrementado, la razn de servicio se incrementa en
la misma proporcin. Cada trabajador recibe 5$ por hora durante el turno
nocturno de 8 horas. El costo de tener el chofer esperando ser servido, se
estima en 20 $ por hora. Se desea determinar el tamao del equipo que
minimiza el costo total.

Datos:
=2 [cl/hr]
1
= 3 [cl/hr],
2
= 4 [cl/hr],
3
= 5 [cl/hr]
C
S
= 5 [$/hr]
C
E
= 20 [$/hr]
Procedimiento
1) Se iniciar un nuevo problema en el modulo Anlisis de Colas
(QA).
todos los datos. Este se llamar Supermercados, eligiendo como unidad de
tiempo a horas:



Si presionamos podremos observar la siguiente
ventana:

Si realizamos un anlisis de sensibilidad, seleccionando como parmetro de
anlisis al nmero de servidores, haciendo que esta cambie de 1 a 10 con un
paso de 1, utilizando el modelo de aproximacin G/G/s en caso de no existir una
formula para este modelo, podremos ver de que manera reacciona el sistema:


Podemos observar claramente de que a medida que se incrementa el nmero de
servidores (1-15), los costos totales van disminuyendo, pudindose notar que el
que al llegar a 4 servidores, se tiene el costo mnimo (23.4783), siendo que desde
5 servidores, nuevamente el costo total va en aumento. Podemos ver el grfico del
anlisis de sensibilidad de el costo total, en funcin del nmero de servidores:
Si presionamos en: Show Sensitivity Analysis Graph

Se abrir la siguiente ventana:

Pudindose ver el siguiente grfico

Por lo que la respuesta del nmero de servidores a seleccionar es 4

3. Cierta computadora tarda exactamente 1.5 horas en atender un servicio
requerido. Si los trabajos llegan segn una Poisson a razn de un trabajo cada
120 minutos, se desea saber:
a) Qu tanto debe esperar en promedio un trabajo para recibir atencin?
b) Ser necesario la compra de otra computadora?
c) Si la distribucin del tiempo de servicio fuera Erlang con una media de
1.5 y con un parmetro k = 5, Cunto debera esperar un trabajo para
ser atendido? Cul sera la probabilidad de ser atendido?

Datos:
=1/120 [tr/min] = 0.5 [tr/hr]
= 1/1.5 [tr/hr] = 0.667 [tr/hr]

Procedimiento
todos los datos. Este se llamar Computadora, eligiendo como unidad de
tiempo a horas:



4) Al presionar el icono se ver la ventana de los
resultados:

De la ventana de resultados podemos concluir:

Customer arrival rate per hour = = 0.5 [tr/hr]
Service rate per server per hour = = 0.667 [tr/hr]
sistema global por hora = 0.5
global por hora = 0.5
cola = Lq = 2.2444
esten ociosos = P
0
= 25.0375 %
Por lo que las respuestas buscadas son
a) Tiempo promedio que un cliente pasa en la cola = Wq = 4.4888 [horas]
b) No, porque la Tasa de ocupacin del sistema = = 74.9625 %

La resolucin del inciso c es la que sigue:
2) Se elegir Sistema General de colas, por que es un modelo del que se
conocen todos los datos de la distribucin Erlang. Este se llamar
Computadoras 1, eligiendo como unidad de tiempo a horas:

3) Como el problema es del tipo: M/E
K
/1/FIFO//. En la hoja de clculo se
introducir los datos conocidos como se muestra:

Al presionar el icono se ver la ventana de los resultados.

4. Las secretarias de cinco oficinas sacan copias en una copiadora en forma
peridica. La razn de llegadas a la copiadora es Poisson con una media de 4 por
hora; el tiempo de servicio es exponencial con una tasa promedio de 6 por hora.

d) Cul es la probabilidad de que la copiadora est ociosa?
e) Cul es el nmero promedio de secretarias usando la copiadora?
f) Cul es el nmero promedio de secretarias en la copiadora?

Datos:
= 4 [secr/hr]
= 6 [secr/hr]
El problema ser del tipo M/M/1/FIFO/5/5

Procedimiento
todos los datos. Este se llamar secretaria, eligiendo como unidad de tiempo a
horas:



Por lo que lo que los resultados buscados son:
a) Probabilidad de que la copiadora este ociosa = P
0
= 1.4183 %
b) Nmero promedio de secretarias usando la copiadora = L = 3.5213
c) Nmero promedio de secretarias en la copiadora = Lq = 2.5355

4. Los autos que llegan a una caseta de pago en una carretera siguen una
Poisson con una media de 90 autos por hora. El tiempo promedio para pasar
es de 38 segundos. Los chferes se quejan de un largo tiempo de paso y por
ello el trnsito est dispuesto a disminuir a 30 segundos el tiempo de paso,
introduciendo nuevos mecanismos. Este cambio se justifica si antes el nmero
de autos que esperan sea mayor a cinco. Por otro lado, el % de tiempo ocioso
en la caseta con el nuevo sistema no deber ser mayor al 10 % Se justifica el
cambio?

Datos:
= 90 [autos/hr]
= 3600/30 [autos/hr] = 120 [autos/hr]
N = 6
P
0
s 10 %
El problema ser del tipo M/M/1/FIFO/N/

Procedimiento
Los pasos 1 y 2 son los mismos, que en los anteriores problemas.



Como las condiciones eran: Lq = 5 y P
0
s 10 %
Pero del modelo nos muestra de que Lq = 1.3878 y P
0
= 27.7813 %
Entonces se rechaza la implementacin de un nuevo sistema

5. Se tiene un puesto de gasolina con dos bombas, localizado en un punto
privilegiado de la ciudad con un servicio excelente. Cada 5 minutos (siguiendo
una exponencial) llega un cliente. Suponiendo que el puesto est abierto desde
las 6 horas hasta las 21 horas y que la tasa de servicio es de 15 clientes por
hora (siguiendo una Poisson) a)Cul es la tasa de ocupacin del sistema?, b)
Cul es la probabilidad de que el sistema este lleno?, c) Cul es el tiempo
promedio que un cliente pasa en el sistema?
Datos:
= 1/5 [autos/min] = 12 [autos/hr]
= 15 [autos/hr]

Procedimiento


Las respuestas buscadas son:
Tasa de ocupacin del sistema = = 40%
Probabilidad de que el sistema este lleno = Pw = Pb = 22.8571%
Tiempo promedio que un cliente pasa en el sistema = W = 0.0794[horas]

6. Una estacin de servicio maneja cuatro bombas de gasolina. El tiempo
necesario para servir a un cliente tiene una distribucin exponencial con un
ndice medio de 5 minutos. Los automviles llegan a la gasolinera con una
distribucin de Poisson a un ndice medio de 30 por hora. Si llega un automvil
y no hay bombas disponibles, la venta se pierde. La venta promedio de
gasolina es de 4 $ por automvil.
a) Cunto puede esperar perder diariamente el dueo de la gasolinera,
debido a la impaciencia de los automovilistas?
b) Cul es la probabilidad de que un cliente se vaya?
c) S esta probabilidad fuera del 15 % o menos, Cul sera el nmero
ptimo de bombas de gasolina?
Datos:
= 30 [autos/hr]
= 1/5 [autos/min] = 12 [autos/hr]
El problema ser del tipo M/M/1/FIFO/4/4

Procedimiento




Las respuestas buscadas son:
a) Perdida = 30 [autos/hr]*24/1 [hr/dia]*4[$/autos]*0.149916 = 431,75808 [$us/dia]
b) Probabilidad de que un cliente se vaya = 14.9916 %
La resolucin del inciso c es la siguiente: Si realizamos un anlisis de sensibilidad,
seleccionando como parmetro de anlisis al nmero de servidores tenemos:

En el que claramente podemos ver de que Pw < 15 % desde el momento en que
se incrementa el nmero de servidores a 5.

Por tanto la respuesta es 5

9. VENTAJAS-INCONVENIENTES WINQSB

WinQSB presenta numerosas ventajas para el usuario, las ms destacables son la
facilidad de clculos, variadas opciones y el rpido manejo de dicho programa
ahorrndonos mucho tiempo en clculos y asegurndonos el correcto clculo.
Todos los datos se nos muestran en distintas pantallas con todos sus posibles
valores, grficas, etc. de forma muy esquematizada, legible y de fcil comprensin. En
la exploracin de dicho programa nos encontramos multiplicidad de ejemplos, con los
cuales es fcil su aprendizaje.

El principal inconveniente que nos podemos encontrar es el Idioma, dado que esta
en Ingls y utiliza trminos tcnicos, pero una vez entendidos los conceptos no
debemos encontrar ningn problema en su uso. Ha tener en cuenta que podemos
cambiar el nombre de las variables para facilitarnos nuestro trabajo.

En conclusin es un programa muy completo e imprescindible tener conocimiento de
su uso para su utilidad en distintas aplicaciones.


10. DIRECCIONES Y ENLACES DE INTERS

http://taylor.us.es/software.asp

http://gio.uniovi.es/descargas/descargas.htm

http://www.investigacion-operaciones.com/contenido.htm

http//members.tripod.com/~operativa

www.cui.edu.co/industrial/SOF01.html

Bibliografa Utilizada.
Carrasquero, N (1996). Programacin Lineal. Postgrado de Investigacin de
Operaciones. Facultad de Ingeniera. UCV.

Chediak, F (2000). Investigacin De Operaciones Volumen I. Disponible desde:
http://personales.com/colombia/ibague/chediak/

LP-ILP (1998). LP-ILP Help Contents.[Ayuda del programa].

Ojeda, C(2002). Introduccin al uso del LP-ILP. Primera versin. UNELLEZ. Programa
Economa Agrcola.

Para cualquier consulta pueden localizarme en el e-mail: alberto_simarro@yahoo.es

Manual Winqsb

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Manual Winqsb

Transféré par

Droits d'auteur :

Formats disponibles

Herramienta WINQSB 1

Alberto Simarro Romero

Vous aimerez peut-être aussi