Pruebas de ajuste a los tiempos de nuestro sistema

Arribos

Mejor Distribución: Gamma
Metodología: Se tomaron los datos de los arribos y se modelaron por medio de una simulación Montecarlo en Crystal- Ball y se concluyó que la prueba de hecha con Anderson- Darling es la que mejor permite ajustar los datos a una distribución gamma, con p- value 0,956.


Caja

Mejor Distribución: Lognormal
Metodología: Se tomaron los datos de caja y se modelaron por medio de una simulación Montecarlo en Crystal- Ball y se concluyó que la prueba de hecha con Anderson- Darling es la que mejor permite ajustar los datos a una distribución lognormal, con p- value 0,615.


Entregas

Mejor Distribución: Beta
Metodología: Se tomaron los datos de las entregas y se modelaron por medio de una simulación Montecarlo en Crystal- Ball y se concluyó que la prueba de hecha con Anderson- Darling es la que mejor permite ajustar los datos a una distribución beta.


Salsas

Mejor Distribución: Max Extreme
Metodología: Se tomaron los datos de los arribos y se modelaron por medio de una simulación Montecarlo en Crystal- Ball y se concluyó que la prueba de hecha con Anderson- Darling es la que mejor permite ajustar los datos a una distribución Max Xtreme, con p- value 0,013.

Tiempos promedios y varianzas del sistema

Tiempos entre arribos

MEDIA(segundos) = 54
VARIANZA(segundos^2) = 1929

Tiempos en caja (cada entidad)

MEDIA(seg) = 61
VARIANZA(seg^2) = 1417

Tiempos de servicio

MEDIA(seg) = 271
VAR(seg^2) = 14429

Tiempos en estación de salsas

MEDIA(seg) = 33
VAR(seg^2) = 505

Eleccion del Sistema

El sistema que se va a escoger para analizarlo y estudiarlo es el restaurante de comida rápidas, ubicado al norte de la ciudad sobre la carrera séptima, el cual cuenta con estaciones en las que se puede encontrar una entidad, las cuales son:

-Caja
-Servicio
-Salsas

Corrección

Nuestro grupo de trabajo es el F1 y no el F2

Primera entrada

Este será un Blog destinado para publicar los avances que se van realizando y los resultados obtenidos a lo largo del semestre en el proyecto de investigación en Modelos Probabilísticos de la Universidad de Los Andes.

Espere más publicaciones.