Anlisis y optimizacin de modelos de colas con datos inciertos

En esta obra se describe una metodología basada en las Matemáticas de la Incertidumbre para incorporar en la formulación de los modelos de colas la imprecisión que se obtiene cuando los datos o parámetros iniciales del sistema no son obtenidos objetiva y exactamente, bien por la imposibilidad de conocerlos con antelación o certeza (p.ej. desarrollo de un nuevo proyecto) bien por la dificultad de la toma de datos en determinados sistemas (p.ej. sistemas con disciplina de espera no establecida de forma precisa debido a excepciones o perturbaciones). El estudio se fundamenta en la Teoría de los Subconjuntos Borrosos (Fuzzy Sets Theory) y la Teoría de Posibilidad, las cuales tienen como objetivo desarrollar técnicas y métodos para analizar y resolver problemas demasiado complejos o deficientemente determinados, y ofrecen herramientas matemáticas para tratar con sistemas definidos sólo de manera aproximada. Así, se describen, formulan y optimizan diversos modelos de colas con datos inciertos y son obtenidos resultados que contienen toda la incertidumbre inicial del sistema y son más realistas que los resultados proporcionados por los modelos clásicos de colas comúnmente utilizados.