¡Descarga Obtención de muestreo y más Apuntes en PDF de Gestión de Calidad solo en Docsity!
TECNOLÓGICO NACIONAL DE MÉXICO.
INSTITUTO TECNOLÓGICO DE CD. CUAUHTÉMOC.
SIMULACIÓN.
Unidad 3:
Construcción De Modelos De Simulación.
(Obtención Del Muestreo).
NOMBRE DEL ALUMNO:
BRAYAN ALEXIS TARANGO CERECERES.
NO. CONTROL:
SEMESTRE : 6° SEMESTRE.
CARRERA: INGENIERÍA INDUSTRIAL.
GRUPO: S’2.
DOCENTE:
ING. ROSALINA LOYA GONZÁLEZ.
Cd. Cuauhtémoc, Chih. 10 de Mayo de 2023.
INTRODUCCIÓN.
La Simulación Monte Carlo es una técnica que permite obtener soluciones aproximadas a problemas complejos mediante la generación de muestras aleatorias. Esta técnica es muy utilizada en la modelización y simulación de sistemas dinámicos y estocásticos como, por ejemplo, el comportamiento de una gasolinera. En el caso de una gasolinera, una aplicación típica de la simulación Monte Carlo es el demostrar cuantos automóviles llegan a cada uno de los surtidores de combustible. Una vez que se tiene un modelo, se puede utilizar la simulación Monte Carlo para generar muestras aleatorias de la llegada de automóviles a cada surtidor de combustible. Con estas muestras, se pueden obtener estadísticas como el promedio de tiempo de espera de los automóviles, el número de automóviles que se atienden en un período de tiempo determinado, entre otras. Una muestra aleatoria de la llegada de automóviles a cada uno de los surtidores de combustible de una gasolinera es un proceso estadístico que implica la selección de un subconjunto aleatorio de datos de una población amplia. En este caso, la población son todos los automóviles que llegan a la gasolinera, y la muestra aleatoria serían los datos recolectados de la llegada de automóviles a cada uno de los surtidores de combustible. La muestra aleatoria es importante porque proporciona una visión general de cómo los automóviles se distribuyen en la gasolinera y cuántos de ellos llegan a cada surtidor en un período de tiempo determinado. Es importante que la muestra sea verdaderamente aleatoria, es decir, que todos los automóviles tengan la misma probabilidad de ser incluidos en la muestra. Por otro lado, en esta simulación que realizaremos se puede considerar a cada surtidor de combustible como un punto de llegada para los clientes o automóviles, y de ahí proceder a generar números aleatorios que nos permitirán simular la llegada de automóviles a cada uno de los surtidores de combustible. Esta muestra será recopilada o recolectada mediante la observación directa de los automóviles que llegan a la gasolinera y a cada uno de los surtidores, y después se anotarán en un cuaderno los datos observados. Esta información nos podrá ser de gran utilidad para la gestión de una gasolinera, ya que permite prever la cantidad de
Datos Tomados:
Obtención De Los Parámetros.
Gráficos De La Muestra.
Fotos Del Lugar Donde Se Recolecto Los Datos De La Muestra.
Lunes. Martes.
definimos el tiempo necesario para recopilar la muestra. Establecimos un periodo de tiempo durante el cual se recolectarán todos los datos necesarios (cinco días de la semana, 1 hora por día). Después, seleccionamos el método de recopilación de datos, el cual fue la observación directa hacia los automóviles que llegaban a los surtidores de combustible. Luego, seleccionamos los surtidores de combustible a estudiar. Definimos cuales deberán ser los surtidores de combustible que se van a estudiar y la asignación de un número o identificador con el cual identificaremos estos surtidores. Por otra parte, generamos una lista de identificación de los surtidores de combustible y cuantos aún están en servicio. Se enlistaron los números de identificación de los surtidores de combustible para facilitar la recopilación o recolección de datos. Así mismo, obtuvimos una muestra aleatoria de la llegada de los automóviles a la gasolinera. Tomamos nota del número de automóviles o clientes que llegaron a cada uno de los surtidores de combustible durante el periodo de tiempo establecido. Por último, analizamos los datos que obtuvimos al realizar el muestreo. Analizamos los todos los datos para poder obtener información relevante, como la cantidad promedio de automóviles que llegan a cada surtidor de combustible en un periodo de tiempo determinado, el tiempo promedio que tardan los clientes en ser atendidos en cada surtidor de combustible, y otros datos importantes para la gestión y el buen manejo de la gasolinera en general. En resumen, al utilizar métodos estadísticos y la simulación de Monte - Carlo para obtener una muestra, se puede llegar a obtener una muestra representativa y una simulación más precisa que permita mejorar las operaciones y la información de las muestras o datos obtenidos.
