Académique Documents
Professionnel Documents
Culture Documents
FACULTAD DE INGENIERA
MAGISTER EN GESTIN DE OPERACIONES
AUTORES:
MARIO RIVAS
Universidad de Talca.
1.1.
OBJETIVOS
Los objetivos de realizar una modelacin del taller antes presentado como una red de Jackson son: Simular el funcionamiento del taller. Determinar los parmetros de tiempo y nmero de trabajos que se encuentra y espera en el sistema. Verificar que el nivel de servicio entregado concuerde con los definidos anteriormente por la empresa. Analizar los resultados y sugerir mejoras.
Pgina 2
Universidad de Talca.
1.2.
RESOLUCIN
Inicialmente se calcula la tasa de llegada para cada uno de los sub-sistemas, como se muestra a continuacin:
La ecuacin de
se deja en funcin a
Luego se reemplaza
en la ecuacin de
Pgina 3
Universidad de Talca.
Luego de obtener las tasas de llegada para cada sub-sistema, se trabaja en cada uno por separado.
PROCESO PRENSA: Para el proceso de prensa se tiene que es un sistema M/M/1, con una tasa de llegada trabajos/hora y una tasa de servicio de trabajos/hora. Entonces se calculan los parmetros para este proceso:
Pgina 4
Universidad de Talca.
PROCESO PINTURA: El proceso de pintura es un sistema de M/M/2, con una tasa de llegada y una tasa de servicio de trabajos/hora. trabajos/hora
[( ) (
( ) (
) ]
( )
Pgina 5
Universidad de Talca.
PROCESO EMPAQUE: El proceso de empaque es un sistema de M/M/1, con una tasa de llegada trabajos/hora y una tasa de servicio de trabajos/hora.
SISTEMA COMPLETO: Luego de calcular los parmetros para cada proceso se calculan los parmetros del sistema, los cuales se muestran a continuacin:
Pgina 6
Universidad de Talca.
1.1.
CONCLUSIONES
Para realizar conclusiones, se presenta la siguiente tabla resumen con todos los datos: L[trabajos] Lt[trabajos] W[horas] Wt[horas] 10,1 9,2 1,1 1,01 6,067 4,36 0,89 0,64 2,33 1,36 0,27 0,19 18,49 15,19 2,26 1,84
Tal como se puede apreciar en la tabla comparativa, el proceso de la prensa es el proceso con indicadores ms altos. Esto significa que es el proceso que mayor numero trabajo mantiene en el sistema y por ms tiempo, haciendo esperar a sus trabajos hasta 8 veces ms de lo que es esperan en empaque por ende se sugiere agregar ms servidores al sistema, transformadlo de un modelo M/M/1 a M/M/K. k 1 2 3 4 5 0,37 0,40 0,40 0,40 P0 L 10,1 1,15 0,94 0,91 0,91 Lt 92 0,2716 0,0313 0,0043 0,0006 W 1,1 0,13 0,10 0,10 0,10 Wt 1,01 0,02610 0,00344 0,00048 0,00006
Se calcularon los parmetros de la prensa para el modelo M/M/K con K de 1 a 5, obtenido resultados mucho mejores con tan solo agregar una prensa. Por lo tanto se llega a la conclusin de que con tan solo agregar una prensa del sistema los tiempos de espera en el sistema disminuyen a:
Pgina 7
Universidad de Talca.
Este sistema se puede modelar como un proceso de nacimiento-muerte, con los siguientes parmetros: j = (j = 0, 1,..., c-1) c = 0 0 = 0 j = (j = 1, 2, 3,, c) Dado que c = 0, el sistema nunca alcanzar el estado c+1, por lo tanto se define Se tienen las probabilidades de estado estable, para el caso :
Pgina 8
Universidad de Talca.
Se tiene que L =
se obtiene lo siguiente:
En caso que = :
Parmetro W y Wq: W es el tiempo previsto que un cliente pasa en el sistema de lneas de espera, que comprende el tiempo en la cola y el tiempo en servicio y Wq como el tiempo previsto que un cliente pasa formando la cola. Ambos parmetros se calculan suponiendo que se alcanso el estado estable. Se tiene que representa la cantidad promedio de clientes por unidad de tiempo que entra realmente al sistema realmente al sistema. En este modelo llega un promedio de llegadas por unidad de tiempo, pero de estas llegadas encuentran el sistema lleno en toda su capacidad y se retiran. Por lo tanto un promedio de = *(1 - ) llegadas por unidad de tiempo en realidad entran al sistema, por ende. Adems se tiene como teorema que para cualquier sistema de cola en el cual existe una distribucin de estado estable, se cumplen las siguientes relaciones: L = *W
Universidad de Talca.
1. EJEMPLO Una peluquera que atiende una sola persona, tiene un total de 10 sillas. Los tiempos entre llegadas siguen una distribucin exponencial, y un promedio de 20 posibles clientes llega cada hora a la peluquera. Los clientes que al llegar a la peluquera la encuentran llena, ya no entran. El peluquero se tarda un promedio de 12 minutos en cortar el cabello a cada cliente. Los tiempos del corte de cabello estn distribuidos en forma exponencial. Solucin: Se tiene que una fraccin de llena, por lo tanto, un promedio de Los datos que se tienen son los siguientes: = 20 clientes por hora c = 10 clientes = 5 clientes por hora = 20/5 = 4 Por lo tanto, se calcula y de todas las llegadas encontrarn la peluquera entrar cada hora a la peluquera.
Pgina 10
Universidad de Talca.
El nmero promedio de clientes la peluquera es 9,67 (L), mientras que solo un cliente (Ls) est siendo atendido y 8,67 (Lq) clientes en promedio estn esperando en la cola. En cuanto al tiempo que un cliente est en la peluquera es 1,93 horas, de las cuales 1,73 horas son en la cola y 0,2 horas siendo atendido.
3. Modelo (M/Ek/1).
La teora de colas es un conjunto de modelos matemticos que describen sistemas de lneas de espera particulares. El sistema de lneas de espera puede dividirse en dos componentes principales: la llegada y el servicio. El sistema se muestra en la siguiente imagen:
Este sistema tiene varios componentes que se explican a continuacin: Proceso de llegada: Es el tiempo que transcurre entre dos llegadas sucesivas al sistema. En este proceso se tiene que los clientes llegan con una tasa de llegada de 1/ (unidades de llegadas/unidad de tiempo). Este proceso se puede definir como una distribucin de probabilidad conocida, en la mayora de los casos se utiliza la distribucin exponencial, con la siguiente funcin densidad:
Pgina 11
Universidad de Talca.
Proceso de servicio: Son los tiempos en los que el servidor atiende a los clientes. El tiempo esperado de servicio depende de la tasa media de servicio (). Al igual que para el proceso de llegada se selecciona una distribucin de probabilidad de acuerdo al comportamiento de los tiempos de servicio. Se utiliza generalmente la distribucin exponencial, poisson y Erlang. Para este caso se utilizar la distribucin Erlang, la funcin densidad se muestra a continuacin:
Cantidad de servidores: Es la cantidad de servidores que existen para atender a la totalidad de los clientes. Disciplina de la lnea de espera: Indica la forma en la que el servidor atender a los clientes, existen 3 tipos: - FIFO: El primero en llegar es el primero en ser atendido - LIFO: El ultimo en entrar es el primero en salir - Aleatorio: Servicio de orden aleatorio Cantidad mxima admisible de clientes en el sistema: Indica los clientes que estn esperando y los que estn siendo atendidos Tamao de la poblacin: Indica el tamao de la poblacin de la cual son extrados los clientes.
Una cola del tipo es una variacin particular del modelo cuando este presenta llegadas Poisson pero la atencin es realizada bajo una distribucin Erlang de parmetro . Usualmente es modelado como un proceso en que el servicio consiste en un usuario, avanzando de etapa en etapa, a travs de una serie de centros de sub servicio independientes e idnticamente distribuidos, donde cada uno tiene un servicio exponencialmente distribuido con una media de . Por ende el tiempo medio total de servicio es ( )
Pgina 12
Universidad de Talca.
Se hace incapi en observar que cada estado representa etapas de servicio. Por tanto, cuando el sistema est en el estado 0, una llegada genera que se pase al estado k. de la misma forma una llegada en el estado 1 genera un paso al estado k+1 y as de manera consecutiva. Una vez que el sistema es analizado se puede hacer uso de la informacin conocida respecto a variables aleatoria Erlang-k obteniendo la siguiente informacin: As, los resultados obtenidos son los siguientes: a. El tiempo de espera promedio:
Pgina 13