Saltar al contingut Menu
Mapa
  • Inici
  • Informació
  • Contacte
  • Mapa

Models estocāstics de la investigaciķ operativa (MEIO)

Crčdits Dept.
7.5 (6.0 ECTS) EIO

Professors

Responsable:  (-)
Altres:(-)

Objectius Generals

Introduir l'alumne a l'ús de les tčcniques de la Investigaciķ Operativa per a l'anālisi de sistemes per a la presa de decisions quantitatives en presencia d'incertesa mitjanįant la seva representacio en termes de models.







Objectius Específics

Coneixements

  1. Els principals models matemātics no deterministes per a l'anālisi de sistemes en presčncia d'incertesa: xarxes de cues, fiabilitat, disponibilitat, simulaciķ de sistemes de cues i fiabilitat.
  2. La metodologia per a la construcciķ d'aquests models
  3. Els algorismes per a tractar-los i llur implementaciķ informātica
  4. Els procediments d'anālisi i interpretaciķ de les solucions
  5. L'aplicaciķ d'aquests models a l'avaluaciķ del rendiment de sistemes informātics

Habilitats

  1. De modelitzaciķ de sistemes en presčncia d'aleatorietat
  2. Per aplicar els models d'aquests sistemes a la presa de decisions en aplicacions que comportin fenomens d'espera, fiabilitat, etc.
  3. Capacitat per aplicar mčtodes per l'anālisi de sistemes en presčncia d'incertesa
  4. D'analitzar les solucions proporcionades pels models i treure'n conclusions

Competències

  1. Capacitat de resoldre problemes aplicant els mčtodes de la cičncia i l'enginyeria
  2. Comprensiķ del mčtode científic.
  3. Capacitat per crear i utilitzar models de la realitat.
  4. Capacitat per dissenyar i dur a terme experiments, i d'analitzar-ne els resultats.

Continguts

Hores estimades de:

T P L Alt L Ext. Est A Ext.
Teoria Problemes Laboratori Altres activitats Laboratori extern Estudi Altres hores fora d'horari fixat

1. Introducciķ
T      P      L      Alt    L Ext. Est    A Ext. Total 
2,0 0 0 0 0 1,0 0 3,0
Elements bāsics de la metodologia de la construcciķ de models de sistemes
Modelitzaciķ de sistemes amb presčncia d'incertesa

2. Models bāsics de la Teoria de Cues
T      P      L      Alt    L Ext. Est    A Ext. Total 
15,0 8,0 0 0 0 15,0 0 38,0
a.Estructura general dels models de cues
b.Models de cues basats en processos de naixement i mort
c.Models de cues generalitzats amb distribucions no exponencials
d.Models de cues exponencials en sčrie
e.Introducciķ als elements i conceptes bāsics de l'anālisi de processos markovians.
f. Les xarxes de cues: xarxes obertes i tancades. Cues markovianes. Introducciķ a les distribucions de servei generals i múltiples tipus de jobs.

3. Aplicacions de la Teoria de Cues
T      P      L      Alt    L Ext. Est    A Ext. Total 
4,0 4,0 0 0 0 8,0 0 16,0
a.Exemples
b.Processos de presa de decisions en l'anālisi de sistemes basats en models de cues
c.Formulaciķ de funcions de cost basades en models d'espera
d.Models d'anālisi de sistemes. Aplicacions de les xarxes obertes (amb feedback i sense) i tancades a la modelitzaciķ del servidor central d'un ordinador. Extensions a la generalitzaciķ dels temps de servei i multiplicitat de tipus de jobs.

4. Introducciķ als models de la Fiabilitat i la Disponibilitat de Sistemes
T      P      L      Alt    L Ext. Est    A Ext. Total 
6,0 4,0 0 0 0 10,0 0 20,0
a. Models estadístics per la fiabilitat. Mčtodes grāfics.
b. Métodes estāndard per la predicciķ i el modelatge de falles: bāsica en sčrie, redundāncia activa.
c. Models de disponibilitat per sistemes reparables. Disponibilitat i cost de manteniment: disseny modular. Anālisi en diagrames de blocs i processos markovians. Limitacions i tractament per simulaciķ

5. Introducciķ a la Simulaciķ de Models de Cues, Fiabilitat i Disponibilitat de Sistemes.
T      P      L      Alt    L Ext. Est    A Ext. Total 
20,0 2,0 14,0 0 10,0 20,0 0 66,0
a.Introducciķ a la simulaciķ de sistemes: la simulaciķ event scheduling
b.Models bāsics de simulaciķ de sistemes de cues, fiabilitat, etc.
c.Introducciķ als Mčtodes de Montecarlo: generaciķ de números aleatoris i mostres de distribucions de probabilitat
d.Introducciķ als experiments de simulaciķ i l'anālisi de resultats de simulaciķ


Total per tipus T      P      L      Alt    L Ext. Est    A Ext. Total 
47,0 18,0 14,0 0 10,0 54,0 0 143,0
Hores addicionals dedicades a l'avaluació 7,0
Total hores de treball per l'estudiant 150,0

Metodologia docent

El curs té una orientaciķ prāctica pel que es refereix a les aplicacions dels models, especialment en aquells casos, com els de les cues i les xarxes de cues, els models son una de les maneres més eficients de representaciķ i anālisis de sistemes informātics.

L'orientaciķ aplicada de l'assignatura, combinara les classes de teoria, problemes i laboratori, i es complementarā amb la realitzaciķ d'una prāctica dissenyada com un petit projecte en el que l'estudiant haurā de construir un model que li permeti analitzar i avaluar el comportament d'un sistema.

Mètode d'avaluació

L'avaluaciķ de l'assignatura consta de quatre parts:

1. Un exercici de control (C1) que es fa a mig quadrimestre, en horari de classe.
2. Un exercici de control (C2) que es fa abans d'acabar el quadrimestre en horari de classe.
3.Prāctica de curs de simulacio (C3). A desenvolupar durant les sessions de laboratori més treball individual inclōs a laboratori extern.
4. L'examen Final que consta de dues parts relacionades directament amb el material dels dos controls C1 i C2, (siguin C4-1 i C4-2).

Es defineix la Nota d'Avaluaciķ Continuada i la Nota d'Examen Final com:

NAC = 0,5*C1+0,5*C2
NEF = 0,5*Max(C1,C4-1)+0,5*Max(C2,C4-2)

La Nota Final (NF) de l'assignatura requereix la realitzaciķ i lliurament de la prāctica del curs (C3):

NF = 0,8*Max(NAC,NEF)+0,2*C3

Altrament, la Nota Final tindrā un valor māxim de 4.

Els estudiants que aprovin els dos exercicis de control quedaran exempts de l'examen final si ho desitgen.

Bibliografía bàsica

  • Sanjay K. Bose. An Introduction to queueing systems, Kluwer Academic/Plenum Publishers, 2002.
  • Frederick S. Hillier, Gerald J. Lieberman Introduction to operations research, McGraw-Hill, 1995.
  • Hisashi Kobayashi Modeling and analysis : an introduction to system performance evaluation methodology, Addison-Wesley, 1978.
  • Stephen S. Lavenberg, [editors] Computer performance modeling handbook, Academic Press, 1983.
  • Wayne L. Winston Operations research : applications and algorithms, Brooks/Cole - Thomson Learning, 2004.

Bibliografía complementària

  • Averill M. Law. Simulation modeling and analysis, McGraw-Hill, 2007.
  • P. Bratley, B.l. Fox and L.E. Schrage A Guide to Simulation, Springer-Verlag, 1987.
  • Arnold O. Allen Probability, statistics and queueing theory : with computer science applications, Academic Press, 1990.
  • Kishor Shridharbhai Trivedi Probability and statistics with reliability, queuing and computer science applications, John Wiley & Sons, 2002.
  • Patrick D.T. O'Connor; with David Newton, Richard Bromley Practical reliability engineering, Wiley, 1995.
  • Raj Jain The Art of computer systems performance analysis : techniques for experimental design, measurement, simulation, and modeling, John Wiley & Sons, 1991.

Enllaços web

  1. http://www-eio.upc.es/fme/teaching/mioas/index.html
    Pāgina Web de l'assignatura amb informaciķ complementāria al Racķ.


  2. http://www.ifors.org/
    IFORS (International Federation for Operations Research Societies)


  3. http://www.euro-online.org/
    Societat Europea d'Investigaciķ Operativa


  4. http://www.informs.org/
    Societat dels EEUU d'Investigaciķ Operativa


Capacitats prèvies

Algebra, Anālisi, Estadística


Compartir

 
logo FIB © Facultat d'Informàtica de Barcelona - Contacte - RSS
Aquest web utilitza cookies prōpies per oferir una millor experičncia i servei. En continuar amb la navegaciķ entenem que acceptes la nostra política de cookies.
Versiķ clāssica Versiķ mōbil